CN113763708A - 一种基于交通仿真的多类型专用道控制方法 - Google Patents

一种基于交通仿真的多类型专用道控制方法 Download PDF

Info

Publication number
CN113763708A
CN113763708A CN202110960472.1A CN202110960472A CN113763708A CN 113763708 A CN113763708 A CN 113763708A CN 202110960472 A CN202110960472 A CN 202110960472A CN 113763708 A CN113763708 A CN 113763708A
Authority
CN
China
Prior art keywords
lane
index
control strategy
traffic
strategy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110960472.1A
Other languages
English (en)
Other versions
CN113763708B (zh
Inventor
董长印
王昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110960472.1A priority Critical patent/CN113763708B/zh
Publication of CN113763708A publication Critical patent/CN113763708A/zh
Application granted granted Critical
Publication of CN113763708B publication Critical patent/CN113763708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于交通仿真的多类型专用道控制方法，包括获取道路交通基本信息；设定多类型专用道的参照策略S 0；确定多类型专用道的所有控制策略集合S；再根据道路交通基本信息，利用交通仿真***模拟所有多类型专用道控制策略下的交通场景，预测所有车道的交通流运行状态，最后计算每种多类型专用控制策略的综合效能提升程度，确定最优控制策略。该方法综合考虑所有多类型专用道控制策略以及道路交通综合效能，输出的最优控制策略更为准确科学，能够有效提升未来交通***的智慧化水平。

Description

一种基于交通仿真的多类型专用道控制方法
技术领域
本发明涉及智能交通控制领域，特别是一种基于交通仿真的多类型专用道控制方法。
背景技术
专用道是指规定只允许某种车辆行驶或只限某种用途使用的车道，较为常见的是公交车专用道。当专用道设置合理，能够实现提高运行速度、降低事故风险、节能减排等效果，反之，会降低交通***运行效能，破坏道路资源分配的公平性。
随着物联网和计算机技术的飞速发展，智能汽车的发展突飞猛进。智能汽车旨在通过增强安全性，优化路线，减少污染并提高可用性来改善交通基础设施。当智能车辆的交通需求日益增长，与手动驾驶车辆混行时，将对高速公路的通行能力和交通安全造成严重影响。专用道能够为智能车辆或手动驾驶车辆构建独立行驶空间，减少两者冲突，降低两者的相互干扰，充分发挥智能车辆可观、可控、低延时、高稳定性等优势，进而提升道路设施的通行效率和交通安全。
然而，如何基于效率、安全、能耗、排放，进行综合效能评价，如何确定最优的多类型专用道的控制策略，却少有研究。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，而提供一种基于交通仿真的多类型专用道控制方法，该基于交通仿真的多类型专用道控制方法获取道路交通基本信息，设定多类型专用道属性矩阵和限速矩阵，确定所有多类型专用道控制策略和参照策略，再利用交通仿真***模拟所有多类型专用道控制策略下的交通场景，预测所有车道的交通流运行状态，最后基于效率、安全、能耗、排放指标，计算每种多类型专用控制策略的综合效能提升程度，确定最优控制策略，进而提高道路交通***的服务水平。
为解决上述技术问题，本发明采用的技术方案是：
一种基于交通仿真的多类型专用道控制方法，包括如下步骤。
步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N。
步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0。
步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定。
步骤4、预测所有车道的交通流运行状态，具体包括如下步骤。
步骤4A、预测参照策略S0下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真***模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态；参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数
Figure BDA0003222107040000021
在统计时段内第i辆车在第k车道内被统计的次数
Figure BDA0003222107040000022
第k车道内第i辆车的平均速度
Figure BDA0003222107040000023
第k车道内第i辆车在t时刻的加速度
Figure BDA0003222107040000024
和第k车道内第i辆车在t时刻的车头时距
Figure BDA0003222107040000025
其中，
Figure BDA0003222107040000026
1≤k≤N。
步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真***模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数
Figure BDA0003222107040000027
在统计时段内第i辆车在第k车道内被统计的次数
Figure BDA0003222107040000028
第k车道内第i辆车的平均速度
Figure BDA0003222107040000029
第k车道内第i辆车在t时刻的加速度
Figure BDA00032221070400000210
和第k车道内第i辆车在t时刻的车头时距
Figure BDA00032221070400000211
其中，
Figure BDA00032221070400000212
1≤k≤N。
步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤。
步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：
步骤5A1、根据步骤4A中预测得到的平均速度
Figure BDA00032221070400000213
和车辆总数
Figure BDA00032221070400000214
计算得到参照策略S0下的效率指标
Figure BDA00032221070400000215
步骤5A2、根据步骤4A中预测得到的车头时距
Figure BDA00032221070400000216
计算得到参照策略S0下的安全指标
Figure BDA00032221070400000217
步骤5A3、根据步骤4A中预测得到的加速度
Figure BDA00032221070400000218
计算得到参照策略S0下的能耗指标
Figure BDA00032221070400000219
步骤5A4、根据步骤4A中预测得到的平均速度
Figure BDA00032221070400000220
和车辆总数
Figure BDA00032221070400000221
计算得到参照策略S0下的排放指标
Figure BDA00032221070400000222
步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：
步骤5B1、根据步骤4B中预测得到的平均速度
Figure BDA0003222107040000031
和车辆总数
Figure BDA0003222107040000032
计算得到控制策略Sm下的效率指标
Figure BDA0003222107040000033
步骤5B2、根据步骤4B中预测得到的车头时距
Figure BDA0003222107040000034
计算得到控制策略Sm下的安全指标
Figure BDA0003222107040000035
步骤5B3、根据步骤4B中预测得到的加速度
Figure BDA0003222107040000036
计算得到控制策略Sm下的能耗指标
Figure BDA0003222107040000037
步骤5B4、根据步骤4B中预测得到的平均速度
Figure BDA0003222107040000038
和车辆总数
Figure BDA0003222107040000039
计算得到控制策略Sm下的排放指标
Figure BDA00032221070400000310
步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标
Figure BDA00032221070400000311
安全指标
Figure BDA00032221070400000312
能耗指标
Figure BDA00032221070400000313
和排放指标
Figure BDA00032221070400000314
分别与步骤5A获取的效率指标
Figure BDA00032221070400000315
安全指标
Figure BDA00032221070400000316
能耗指标
Figure BDA00032221070400000317
和排放指标
Figure BDA00032221070400000318
相比较，得到控制策略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m。
步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：
Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m
式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数。
步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
步骤2中，多类型专用道参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：
步骤2A、当QCAV≥0.8QMDV时，
Figure BDA0003222107040000041
且B0＝(vmax、vmax、…、vmax)T；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号。
步骤2B、当0.4QMDV≤QCAV<0.8QMDV时，
Figure BDA0003222107040000042
且B0＝(vmax、vmax、…、vmax)T。
步骤2C、当QCAV<0.4QMDV时，
Figure BDA0003222107040000043
且B0＝(vmax、vmax、…、vmax-10)T。
步骤3中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：
Figure BDA0003222107040000044
amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}
Bm＝(bm1、bm2、…、bmk、…、bN)T
Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道。
Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍。
步骤3中，所有控制策略的总数量M的计算公式为：
M＝(3N-1)·hN
式中，h为多类型专用道中车辆速度v的可能取值个数，车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍，其中vmin为多类型专用道的最低限速。
步骤5A中，效率指标
Figure BDA0003222107040000045
安全指标
Figure BDA0003222107040000046
能耗指标
Figure BDA0003222107040000047
和排放指标
Figure BDA0003222107040000048
的计算公式分别为：
Figure BDA0003222107040000051
Figure BDA0003222107040000052
Figure BDA0003222107040000053
Figure BDA0003222107040000054
其中：
Figure BDA0003222107040000055
Figure BDA0003222107040000056
式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号；
Figure BDA0003222107040000057
表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值；
Figure BDA0003222107040000058
表示参照策略S0下车道k内车辆i在t时刻的加速度评价值；
Figure BDA0003222107040000059
表示参照策略S0下车道k内车头时距阈值。
步骤5B中，效率指标
Figure BDA00032221070400000510
安全指标
Figure BDA00032221070400000511
能耗指标
Figure BDA00032221070400000512
和排放指标
Figure BDA00032221070400000513
的计算公式分别为：
Figure BDA00032221070400000514
Figure BDA00032221070400000515
Figure BDA0003222107040000061
Figure BDA0003222107040000062
Figure BDA0003222107040000063
Figure BDA0003222107040000064
式中，
Figure BDA0003222107040000065
表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；
Figure BDA0003222107040000066
表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值；
Figure BDA0003222107040000067
表示控制策略Sm下车道k内车头时距阈值。
步骤6中，效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m的计算公式分别为：
Figure BDA0003222107040000068
Figure BDA0003222107040000069
Figure BDA00032221070400000610
Figure BDA00032221070400000611
式中，wk为车道k的权重系数。
步骤6中，车道k的权重系数wk需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
Figure BDA00032221070400000612
步骤7中，效率指标、安全指标、能耗指标、排放指标的权重系数wE、wS、wF和wP均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
步骤4中的统计时段设为TTJ小时，则TTJ＝0.5N，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
本发明具有如下有益效果：
本发明能弥补现有交通控制策略难以在实践中验证的不足，首先基于路段实际交通信息与交通仿真***产生模拟的交通信息，接着综合效率、安全、能耗、排放等综合指标进行评价，确定最优的多类型专用道，从而为智慧交通***的管理与控制提供科学有效的理论和实践基础。
附图说明
图1是本发明一种基于交通仿真的多类型专用道控制方法的流程图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
如图1所示，一种基于交通仿真的多类型专用道控制方法，包括如下步骤。
步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N。
在本实施例中，道路交通基本信息的具体值优选为：智能车辆流量QCAV＝1000veh/h、手动驾驶车辆流量QMDV＝2000veh/h，智能车辆的平均车头时距TCAV＝1.5s、手动驾驶车辆的车头时距TMDV＝2.7s、车头时距阈值为1.5s，路段最低限速vmin＝60km/h、最高限速vmax＝100km/h，路段长度L＝10km、道路宽度W＝3.75m、车道数量N＝3。
步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：
步骤2A、当QCAV≥0.8QMDV时，
Figure BDA0003222107040000071
且B0＝(vmax、vmax、…、vmax)T；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号。
在本实施例中，由于N＝3，故而：
当QCAV≥0.8QMDV时，
Figure BDA0003222107040000081
且B0＝(100 100 100)T。
步骤2B、当0.4QMDV≤QCAV<0.8QMDV时，
Figure BDA0003222107040000082
且B0＝(vmax、vmax、…、vmax)T。
在本实施例中，则为：
当0.4QMDV≤QCAV<0.8QMDV时，
Figure BDA0003222107040000083
且B0＝(100 100 100)T。
步骤2C、当QCAV<0.4QMDV时，
Figure BDA0003222107040000084
且B0＝(vmax、vmax、…、vmax-10)T。
在本实施例中，则为：
当QCAV<0.4QMDV时，
Figure BDA0003222107040000085
且B0＝(100 100 90)T。
步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定，具体计算公式为：
M＝(3N-1)·hN
式中，h为多类型专用道中车辆速度v的可能取值个数，车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍。
在本实施例中，由于路段最低限速vmin＝60km/h、最高限速vmax＝100km/h；故而，车辆速度v的可能取值为60km/h、70km/h、80km/h、90km/h和100km/h，也即h＝5，故而：
M＝(33-1)·53＝3250。
步骤3中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：
Figure BDA0003222107040000091
amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}
Bm＝(bm1、bm2、…、bmk、…、bN)T
Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道。
Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍。
步骤4、预测所有车道的交通流运行状态，具体包括如下步骤。
步骤4A、预测参照策略S0下所有车道的交通流运行状态
根据步骤1获取的道路交通基本信息，利用交通仿真***模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态。
上述交通仿真***为现有技术，优选型号为PTV VISSIM 2020版本，输入为道路长度L、车道数量N、车道宽度W、智能车辆流量QCAV、手动驾驶汽车流量QMDV、每车道限速vmax、每车道属性(智能车辆专用道、混合车道、手动驾驶车辆专用道)；输出为每车道内每辆车的速度、加速度、车头时距。
参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数
Figure BDA0003222107040000092
在统计时段内第i辆车在第k车道内被统计的次数
Figure BDA0003222107040000093
第k车道内第i辆车的平均速度
Figure BDA0003222107040000094
第k车道内第i辆车在t时刻的加速度
Figure BDA0003222107040000095
和第k车道内第i辆车在t时刻的车头时距
Figure BDA0003222107040000096
其中，
Figure BDA0003222107040000097
Figure BDA0003222107040000098
1≤k≤N。
上述统计时段设为TTJ小时，则优选为TTJ＝0.5N＝1.5小时，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真***模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数
Figure BDA0003222107040000101
在统计时段内第i辆车在第k车道内被统计的次数
Figure BDA0003222107040000102
第k车道内第i辆车的平均速度
Figure BDA0003222107040000103
第k车道内第i辆车在t时刻的加速度
Figure BDA0003222107040000104
和第k车道内第i辆车在t时刻的车头时距
Figure BDA0003222107040000105
其中，
Figure BDA0003222107040000106
1≤k≤N。
步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤。
步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：
步骤5A1、根据步骤4A中预测得到的平均速度
Figure BDA0003222107040000107
和车辆总数
Figure BDA0003222107040000108
计算得到参照策略S0下的效率指标
Figure BDA0003222107040000109
具体计算公式为：
Figure BDA00032221070400001010
步骤5A2、根据步骤4A中预测得到的车头时距
Figure BDA00032221070400001011
计算得到参照策略S0下的安全指标
Figure BDA00032221070400001012
具体计算公式为：
Figure BDA00032221070400001013
其中：
Figure BDA00032221070400001014
式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号；
Figure BDA00032221070400001015
表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值；
Figure BDA00032221070400001016
表示参照策略S0下车道k内车头时距阈值。在本实施例中，在参照策略S0下，智能车辆专用道、混合车道、手动驾驶车辆专用道的车头时距阈值优选分别为1.0s、2.0s、2.5s。
步骤5A3、根据步骤4A中预测得到的加速度
Figure BDA00032221070400001017
计算得到参照策略S0下的能耗指标
Figure BDA00032221070400001018
具体计算公式为：
Figure BDA00032221070400001019
其中：
Figure BDA0003222107040000111
Figure BDA0003222107040000112
表示参照策略S0下车道k内车辆i在t时刻的加速度评价值。
步骤5A4、根据步骤4A中预测得到的平均速度
Figure BDA0003222107040000113
和车辆总数
Figure BDA0003222107040000114
计算得到参照策略S0下的排放指标
Figure BDA0003222107040000115
具体计算公式为：
Figure BDA0003222107040000116
步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：
步骤5B1、根据步骤4B中预测得到的平均速度
Figure BDA0003222107040000117
和车辆总数
Figure BDA0003222107040000118
计算得到控制策略Sm下的效率指标
Figure BDA0003222107040000119
具体计算公式为：
Figure BDA00032221070400001110
步骤5B2、根据步骤4B中预测得到的车头时距
Figure BDA00032221070400001111
计算得到控制策略Sm下的安全指标
Figure BDA00032221070400001112
具体计算公式为：
Figure BDA00032221070400001113
其中：
Figure BDA00032221070400001114
式中，
Figure BDA00032221070400001115
表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；
Figure BDA00032221070400001116
表示控制策略Sm下车道k内车头时距阈值。
步骤5B3、根据步骤4B中预测得到的加速度
Figure BDA00032221070400001117
计算得到控制策略Sm下的能耗指标
Figure BDA0003222107040000121
具体计算公式为：
Figure BDA0003222107040000122
其中：
Figure BDA0003222107040000123
式中，
Figure BDA0003222107040000124
表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值。
步骤5B4、根据步骤4B中预测得到的平均速度
Figure BDA0003222107040000125
和车辆总数
Figure BDA0003222107040000126
计算得到控制策略Sm下的排放指标
Figure BDA0003222107040000127
具体计算公式为：
Figure BDA0003222107040000128
步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标
Figure BDA0003222107040000129
安全指标
Figure BDA00032221070400001210
能耗指标
Figure BDA00032221070400001211
和排放指标
Figure BDA00032221070400001212
分别与步骤5A获取的效率指标
Figure BDA00032221070400001213
安全指标
Figure BDA00032221070400001214
能耗指标
Figure BDA00032221070400001215
和排放指标
Figure BDA00032221070400001216
相比较，得到控制策略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m，对应计算公式分别为：
Figure BDA00032221070400001217
Figure BDA00032221070400001218
Figure BDA00032221070400001219
Figure BDA00032221070400001220
式中，wk为车道k的权重系数，其需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
Figure BDA0003222107040000131
在本实施例中，沿行车方向，自左往右，三车道的权重系数分别为wk1、wk2和wk3，则wk1＞wk2＞wk3，wk1+wk2+wk3＝1且wk1-wk2＝wk2-wk3。
步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：
Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m
式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数，其均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (10)

1.一种基于交通仿真的多类型专用道控制方法，其特征在于：包括如下步骤：
步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N；
步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0；
步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定；
步骤4、预测所有车道的交通流运行状态，具体包括如下步骤：
步骤4A、预测参照策略S0下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真***模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态；参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数
Figure FDA0003222107030000011
在统计时段内第i辆车在第k车道内被统计的次数
Figure FDA0003222107030000012
第k车道内第i辆车的平均速度
Figure FDA0003222107030000013
第k车道内第i辆车在t时刻的加速度
Figure FDA0003222107030000014
和第k车道内第i辆车在t时刻的车头时距
Figure FDA0003222107030000015
其中，
Figure FDA0003222107030000016
1≤k≤N；
步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真***模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数
Figure FDA0003222107030000017
在统计时段内第i辆车在第k车道内被统计的次数
Figure FDA0003222107030000018
第k车道内第i辆车的平均速度
Figure FDA0003222107030000019
第k车道内第i辆车在t时刻的加速度
Figure FDA00032221070300000110
和第k车道内第i辆车在t时刻的车头时距
Figure FDA00032221070300000111
其中，
Figure FDA00032221070300000112
1≤k≤N；
步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤：
步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：
步骤5A1、根据步骤4A中预测得到的平均速度
Figure FDA00032221070300000113
和车辆总数
Figure FDA00032221070300000114
计算得到参照策略S0下的效率指标
Figure FDA00032221070300000115
步骤5A2、根据步骤4A中预测得到的车头时距
Figure FDA00032221070300000116
计算得到参照策略S0下的安全指标
Figure FDA00032221070300000117
步骤5A3、根据步骤4A中预测得到的加速度
Figure FDA0003222107030000021
计算得到参照策略S0下的能耗指标
Figure FDA0003222107030000022
步骤5A4、根据步骤4A中预测得到的平均速度
Figure FDA0003222107030000023
和车辆总数
Figure FDA0003222107030000024
计算得到参照策略S0下的排放指标
Figure FDA0003222107030000025
步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：
步骤5B1、根据步骤4B中预测得到的平均速度
Figure FDA0003222107030000026
和车辆总数
Figure FDA0003222107030000027
计算得到控制策略Sm下的效率指标
Figure FDA0003222107030000028
步骤5B2、根据步骤4B中预测得到的车头时距
Figure FDA0003222107030000029
计算得到控制策略Sm下的安全指标
Figure FDA00032221070300000210
步骤5B3、根据步骤4B中预测得到的加速度
Figure FDA00032221070300000211
计算得到控制策略Sm下的能耗指标
Figure FDA00032221070300000212
步骤5B4、根据步骤4B中预测得到的平均速度
Figure FDA00032221070300000213
和车辆总数
Figure FDA00032221070300000214
计算得到控制策略Sm下的排放指标
Figure FDA00032221070300000215
步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标
Figure FDA00032221070300000216
安全指标
Figure FDA00032221070300000217
能耗指标
Figure FDA00032221070300000218
和排放指标
Figure FDA00032221070300000219
分别与步骤5A获取的效率指标
Figure FDA00032221070300000220
安全指标
Figure FDA00032221070300000221
能耗指标
Figure FDA00032221070300000222
和排放指标
Figure FDA00032221070300000223
相比较，得到控制策略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m；
步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：
Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m
式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数；
步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
2.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤2中，多类型专用道参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：
步骤2A、当QCAV≥0.8QMDV时，
Figure FDA0003222107030000031
且B0＝(vmax、vmax、…、vmax)T；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号；
步骤2B、当0.4QMDV≤QCAV<0.8QMDV时，
Figure FDA0003222107030000032
且B0＝(vmax、vmax、…、vmax)T；
步骤2C、当QCAV<0.4QMDV时，
Figure FDA0003222107030000033
且B0＝(vmax、vmax、…、vmax-10)T。
3.根据权利要求2所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤3中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：
Figure FDA0003222107030000034
amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}
Bm＝(bm1、bm2、…、bmk、…、bN)T
Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；
Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍。
4.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤3中，所有控制策略的总数量M的计算公式为：
M＝(3N-1)·hN
式中，h为多类型专用道中车辆速度v的可能取值个数，车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍，其中vmin为多类型专用道的最低限速。
5.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤5A中，效率指标
Figure FDA0003222107030000041
安全指标
Figure FDA0003222107030000042
能耗指标
Figure FDA0003222107030000043
和排放指标
Figure FDA0003222107030000044
的计算公式分别为：
Figure FDA0003222107030000045
Figure FDA0003222107030000046
Figure FDA0003222107030000047
Figure FDA0003222107030000048
其中：
Figure FDA0003222107030000049
Figure FDA00032221070300000410
式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号；
Figure FDA00032221070300000411
表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值；
Figure FDA00032221070300000412
表示参照策略S0下车道k内车辆i在t时刻的加速度评价值；
Figure FDA00032221070300000413
表示参照策略S0下车道k内车头时距阈值。
6.根据权利要求5所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤5B中，效率指标
Figure FDA00032221070300000414
安全指标
Figure FDA00032221070300000415
能耗指标
Figure FDA00032221070300000416
和排放指标
Figure FDA00032221070300000417
的计算公式分别为：
Figure FDA00032221070300000418
Figure FDA0003222107030000051
Figure FDA0003222107030000052
Figure FDA0003222107030000053
其中：
Figure FDA0003222107030000054
Figure FDA0003222107030000055
式中，
Figure FDA0003222107030000056
表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；
Figure FDA0003222107030000057
表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值；
Figure FDA0003222107030000058
表示控制策略Sm下车道k内车头时距阈值。
7.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤6中，效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m的计算公式分别为：
Figure FDA0003222107030000059
Figure FDA00032221070300000510
Figure FDA00032221070300000511
Figure FDA00032221070300000512
式中，wk为车道k的权重系数。
8.根据权利要求7所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤6中，车道k的权重系数wk需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
Figure FDA0003222107030000061
9.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤7中，效率指标、安全指标、能耗指标、排放指标的权重系数wE、wS、wF和wP均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
10.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤4中的统计时段设为TTJ小时，则TTJ＝0.5N，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
CN202110960472.1A 2021-08-20 2021-08-20 一种基于交通仿真的多类型专用道控制方法 Active CN113763708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110960472.1A CN113763708B (zh) 2021-08-20 2021-08-20 一种基于交通仿真的多类型专用道控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110960472.1A CN113763708B (zh) 2021-08-20 2021-08-20 一种基于交通仿真的多类型专用道控制方法

Publications (2)

Publication Number Publication Date
CN113763708A true CN113763708A (zh) 2021-12-07
CN113763708B CN113763708B (zh) 2022-11-04

Family

ID=78790612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110960472.1A Active CN113763708B (zh) 2021-08-20 2021-08-20 一种基于交通仿真的多类型专用道控制方法

Country Status (1)

Country Link
CN (1) CN113763708B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616509A (zh) * 2015-02-03 2015-05-13 上海交通大学 基于交通微观仿真的城市平面信号交叉口优化方法及***
CN108171361A (zh) * 2017-12-11 2018-06-15 东南大学 考虑交通冲突指标分布问题的交通仿真模型标定方法
CN112116822A (zh) * 2020-09-21 2020-12-22 长沙理工大学 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法
CN112419708A (zh) * 2020-08-17 2021-02-26 腾讯科技（深圳）有限公司 基于交通流激进程度的道路安全策略确定方法及装置
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616509A (zh) * 2015-02-03 2015-05-13 上海交通大学 基于交通微观仿真的城市平面信号交叉口优化方法及***
CN108171361A (zh) * 2017-12-11 2018-06-15 东南大学 考虑交通冲突指标分布问题的交通仿真模型标定方法
CN112419708A (zh) * 2020-08-17 2021-02-26 腾讯科技（深圳）有限公司 基于交通流激进程度的道路安全策略确定方法及装置
CN112116822A (zh) * 2020-09-21 2020-12-22 长沙理工大学 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周浩等: "快速路可变限速与匝道控制协同优化策略", 《交通运输***工程与信息》 *

Also Published As

Publication number Publication date
CN113763708B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Zhao et al. Development of a representative urban driving cycle construction methodology for electric vehicles: A case study in Xi’an
CN110126841B (zh) 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法
CN109927709B (zh) 一种车辆行驶路线工况确定方法、能量管理方法及***
US20100305798A1 (en) System And Method For Vehicle Drive Cycle Determination And Energy Management
CN109552338A (zh) 一种纯电动汽车生态驾驶行为评估方法及***
CN103745111A (zh) 纯电动乘用车续驶里程预测方法
CN113674546B (zh) 基于sumo仿真的V2X环境下的高速公路管控方法
CN112712714A (zh) 一种基于卡口监控设备的红绿灯配时优化方法及仿真***
CN116187161A (zh) 一种智能网联环境下混合动力客车智能能量管理方法及***
CN110085025A (zh) 一种快速公交多模态运行速度优化方法
CN114463868A (zh) 面向交通流管控的收费站交通流组合预测方法及***
CN113920727B (zh) 一种由施工引发道路拥堵的预测方法及***
CN111767644B (zh) 考虑单隧道限速影响高速公路路段实际通行能力估计方法
CN113763708B (zh) 一种基于交通仿真的多类型专用道控制方法
CN113593223A (zh) 一种场景目标导向的交通管控效能评估方法
Zhang et al. Stability and safety analysis of mixed traffic flow considering network function degradation and platoon driving on the road with a slope
CN105608315B (zh) 公交停靠站安全服务水平定量评价方法及***
CN105023063B (zh) 公交线网新能源公交车运行能耗指标体系的建立方法
CN111696350A (zh) 一种基于运营监测数据的电动公交车本地工况评价方法
CN117238131B (zh) 一种车联网环境下交通流特性分析方法
CN116186850B (zh) 一种小客车专用高速公路圆曲线最小半径确定方法
Wang et al. A Novel Integrated Decision-Making Evaluation Method Towards ICV Testing Involving Multiple Driving Experience Factors
Liu et al. Prediction of electric vehicle energy consumption in an intelligent and connected environment
CN114255590B (zh) 基于rfid数据的交通运行分析方法
Zhang et al. Modeling the unobserved heterogeneity effects of the factors influencing the fuel consumption of heavy-duty diesel trucks under real road conditions: A preliminary investigation in China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant