CN113947911B - 网联自动汽车通行能力校正因子与折算系数确定方法 - Google Patents

网联自动汽车通行能力校正因子与折算系数确定方法 Download PDF

Info

Publication number
CN113947911B
CN113947911B CN202111118941.1A CN202111118941A CN113947911B CN 113947911 B CN113947911 B CN 113947911B CN 202111118941 A CN202111118941 A CN 202111118941A CN 113947911 B CN113947911 B CN 113947911B
Authority
CN
China
Prior art keywords
cav
vehicle
hdv
traffic capacity
correction factor
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.)
Active
Application number
CN202111118941.1A
Other languages
English (en)
Other versions
CN113947911A (zh
Inventor
江泽浩
刘聪健
陈珂
骆汉宾
丁烈云
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202111118941.1A priority Critical patent/CN113947911B/zh
Publication of CN113947911A publication Critical patent/CN113947911A/zh
Application granted granted Critical
Publication of CN113947911B publication Critical patent/CN113947911B/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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种网联自动汽车通行能力校正因子与折算系数确定方法，包括以下步骤：S1设定路段交通流内包含人类驾驶车辆、单车智能自动驾驶车辆与智能网联自动驾驶车辆三大类机动车；S2统计研究对象路段，得到HDV、AV与CAV的占有率；S3计算得到AV与CAV的通行能力校正因子的表达式；S4定义AV与CAV的通行能力折算系数；S5实测获取HDV、AV与CAV的减速度、感知反应时间、车速与车辆长度；S6计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头时距的表达式；S7计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头时距的期望值；S8计算得到AV与CAV的通行能力折算系数。本发明一方面考虑了多种自动驾驶制式，并提出了联合校正因子的概念；另一方面简化了计算方法、提升了计算效率，便于工程运用。

Description

网联自动汽车通行能力校正因子与折算系数确定方法
技术领域
本发明涉及道路车辆的交通***解析的技术领域，尤其是涉及一种自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法。
背景技术
通行能力是交通工程的核心概念之一，是解析交通***的基础理论。伴随着交通、汽车等技术的飞速发展，自动驾驶车辆将逐渐混入人类驾驶车辆(Human DrivingVehicle,HDV)交通流，特别是自动驾驶车辆又可分为单车智能自动驾驶车辆(AutonomousVehicle,AV)与智能网联自动驾驶车辆(Connected Autonomous Vehicle,CAV)两大类。由于高速公路是自由流，交通环境相比城市道路比较单一，故目前自动驾驶车辆的推广往往从高速公路开始。
异质交通流中，为了使不同类型的车辆能够在同样的标准下进行分析并具有可比性，在分析计算通行能力和服务水平时，需要将各类车辆的交通量换算成标准车当量，即需要用到通行能力校正因子与折算系数。通行能力校正因子与折算系数是解析设施通行能力的基本参数。然而，目前尚未有一种能够方便地将AV与CAV的通行能力向HDV的校正因子，特别是没有一种能够同时考虑两种自动驾驶制式车辆混入的折算系数。
发明内容
本发明要解决的技术问题在于，提出一种简便的、能够适应不同制式自动驾驶车辆的自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法。
构造一种网联自动汽车通行能力校正因子与折算系数确定方法，所述网联自动汽车包括单车智能自动驾驶车辆与智能网联自动驾驶车辆两类车辆，获取方法包括以下步骤：
S1、将交通流内的车辆界定为人类驾驶车辆、单车智能自动驾驶车辆与智能网联自动驾驶车辆；
所述人类驾驶车辆即为Human Vehicle，简称HDV，所述单车智能自动驾驶车辆即为Autonomous Vehicle，简称AV，所述智能网联自动驾驶车辆即为Connected AutonomousVehicle，简称CAV；
S2、在研究对象路段中，选取高峰时段，统计HDV、AV与CAV的占有率分别为PHDV、PAV、PCAV；
Figure BDA0003276237430000021
Figure BDA0003276237430000022
Figure BDA0003276237430000023
式中，选取交通高峰时段，在研究对象的路段，设立一个基准断面，HDV、AV、CAV高峰时段内通过基准断面的车辆数分别为VHDV、VAV与VCAV。
S3、计算得到AV与CAV的通行能力校正因子的表达式：
AV的通行能力校正因子：
Figure BDA0003276237430000024
CAV的通行能力校正因子：
Figure BDA0003276237430000025
AV与CAV的联合校正因子：
Figure BDA0003276237430000026
式中，PHDV、PAV、PCAV分别为HDV、AV与CAV的占有率；EAV、ECAV分别为AV与CAV的通行能力折算系数；fAV、fCAV分别为AV与CAV的通行能力校正因子；fAV,CAV为AV与CAV的联合校正因子。
S4、定义AV与CAV的通行能力折算系数；
AV的通行能力折算系数：
Figure BDA0003276237430000027
定义CAV的通行能力折算系数：
Figure BDA0003276237430000028
式中，hHDV、hAV、hCAV分别是HDV、AV与CAV作为后车跟随前车时的饱和车头时距。
S5、实测获取HDV作为后车时的减速度dHDV、感知—反应时间tHDV、行驶速度vHDV与车辆长度lHDV的运行指标；实测获取AV作为后车时的减速度dAV、感知—反应时间tAV、行驶速度vAV与车辆长度lAV的运行指标；实测获取CAV作为后车时的减速度dCAV、感知—反应时间tCAV、行驶速度vCAV与车辆长度lCAV的运行指标；
S6、用如下公式计算得到AV与CAV的通行能力折算系数；
HDV作为后车跟随前车时的饱和车头时距的表达式
Figure BDA0003276237430000031
AV作为后车跟随前车时的饱和车头时距的表达式
Figure BDA0003276237430000032
CAV作为后车跟随前车时的饱和车头时距的表达式
Figure BDA0003276237430000033
S7、计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头时距的期望值；
HDV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000034
AV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000035
CAV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000036
S8、计算得到AV与CAV的通行能力折算系数；
AV的通行能力折算系数：
Figure BDA0003276237430000037
CAV的通行能力折算系数：
Figure BDA0003276237430000038
实施本发明的网联自动汽车通行能力校正因子与折算系数确定方法，具有以下有益效果：
1、本发明通过观测或计算得到HDV、AV与CAV的跟车车头时距与占有率，即可得到通行能力校正因子与折算系数确定方法，简化了计算方法、提升了计算效率，便于工程运用。
2、本发明在通行能力计算层面，利用交通工程学知识与经验，简化了三类车辆在空间上的复杂组合，而只选用HDV、AV与CAV的作为后车时的减速度、感知—反应时间、行驶速度、车辆长度与占有率等五个易观测的参数便可得到通行能力校正因子与折算系数确定方法。
3、本发明在考虑到自动驾驶车辆可以分为单车智能自动驾驶车辆与智能网联自动驾驶车辆两大类，提出了联合校正因子的概念，简便的、能够适应不同制式自动驾驶车辆混入的高速公路车道通行能力校正因子与折算系数计算方法具有重要的理论意义与工程价值。
附图说明
图1为本发明自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法中车辆跟车车头时距的示意图；
图2为本发明自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法中车道内平均车头时距的示意图；
图3为本发明自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1-3所示，在本发明自由流场景下网联自动汽车通行能力校正因子与折算系数确定方法的施例中，包括以下步骤：
S1、在进行通行能力校正和计算折算系数时，将交通流内的车辆界定为人类驾驶车辆(Human Vehicle,HDV)、单车智能自动驾驶车辆(Autonomous Vehicle,AV)与智能网联自动驾驶车辆(Connected Autonomous Vehicle,CAV)。
所谓HDV，即由人类感知外界环境并操纵执行相关动作的车辆；所谓AV，是指由车载传感器感知外界环境并操纵执行相关动作，但与其它车辆不通讯、协作的车辆；所谓CAV是指由车载传感器感知外界环境并操纵执行相关动作，且与其它车辆通讯、协作的车辆。
S2、在研究对象的路段中，选取高峰小时，统计HDV、AV与CAV的占有率分别为αHDV、αAV、αCAV。
其中，步骤S2具体包括以下步骤：
S201：选取交通高峰的1个小时，如晚高峰17:00～18:00，作为研究时段；
S202：在研究对象的路段，设立一个基准断面，按照车辆类型，即HDV、AV与CAV统计1小时内通过基准断面的车辆数VHDV、VAV和VCAV；
S203：利用以下公式，计算HDV、AV与CAV的占有率，分别为：
Figure BDA0003276237430000051
Figure BDA0003276237430000052
Figure BDA0003276237430000053
本实施例中，在晚高峰对某高速公路设立一个基准断面，观测得到HDV、AV与CAV统计1小时内通过基准断面的车辆数分别为600台、400台、200台，故HDV、AV与CAV的占有率分别为50.00％、33.33％、16.67％。
S3、计算得到AV与CAV的通行能力校正因子、联合校正因子的表达式。
其中，步骤S3具体包括以下内容：
利用如下公式，计算车道内的平均车头时距
Figure BDA0003276237430000054
Figure BDA0003276237430000055
利用如下公式，定义AV的校正因子fAV：
CM＝fAV·CHV
利用如下公式，定义CAV的校正因子fCAV：
CM＝fCAV·CHV
利用如下公式，定义AV与CAV的联合校正因子fAV,CAV：
CM＝fAV,CAV·CHV
利用如下公式计算得到AV的通行能力校正因子：
Figure BDA0003276237430000056
利用如下公式计算得到CAV的通行能力校正因子：
Figure BDA0003276237430000061
利用如下公式计算得到AV与CAV的联合校正因子：
Figure BDA0003276237430000062
S4、定义AV与CAV的通行能力折算系数。
其中，步骤S4具体包括以下内容：
利用如下公式定义AV的通行能力折算系数：
Figure BDA0003276237430000063
利用如下公式定义CAV的通行能力折算系数：
Figure BDA0003276237430000064
S5、实测获取HDV、AV与CAV的减速度、感知反应时间、车速与车辆长度。
其中，步骤S5具体包括以下步骤：
S501、用无人机在路段上方150m高度悬停，拍摄高峰小时内路段运行的实景录像；
S502、在路段内建立平面直角坐标系，并将路段空间离散为1m×1m的格点；
S503、以1s为时间步长，记录下车辆在平面直角坐标系中的位置；
S504、根据参数定义，计算得到HDV作为后车时的减速度dHDV、感知—反应时间tHDV、行驶速度vHDV与车辆长度lHDV等运行指标；
S505、根据参数定义，计算得到AV作为后车时的减速度dAV、感知—反应时间tAV、行驶速度vAV与车辆长度lAV等运行指标；
S506、根据参数定义，计算得到CAV作为后车时的减速度dCAV、感知—反应时间tCAV、行驶速度vCAC与车辆长度lCAV等运行指标；
S6、将上述实测获取或计算得到的参数，带入求得HDV、AV与CAV作为后车跟随前车时的饱和车头时距的表达式。
其中，步骤S6具体包括以下内容：
用如下公式计算HDV作为后车跟随前车时的饱和车头时距：
Figure BDA0003276237430000065
用如下公式计算AV作为后车跟随前车时的饱和车头时距：
Figure BDA0003276237430000071
用如下公式计算CAV作为后车跟随前车时的饱和车头时距：
Figure BDA0003276237430000072
S7、计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头时距的期望值。
其中，步骤S7具体包括以下内容：
用如下公式计算HDV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000073
用如下公式计算AV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000074
用如下公式计算CAV作为后车跟随前车时的饱和车头时距的期望值：
Figure BDA0003276237430000075
S8、计算得到AV与CAV的通行能力折算系数。
其中，步骤S8具体包括以下内容：
用如下公式计算AV的通行能力折算系数：
Figure BDA0003276237430000076
用如下公式计算CAV的通行能力折算系数：
Figure BDA0003276237430000077
本实施例中，将上述实测获取或计算得到的参数，带入求得AV与CAV的通行能力折算系数分别为0.62与0.35。将上述系数带入公式，可得AV与CAV的通行能力校正因子、联合校正因子的表达式如下：
Figure BDA0003276237430000078
Figure BDA0003276237430000079
Figure BDA00032762374300000710
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (1)

1.一种网联自动汽车通行能力校正因子与折算系数确定方法，其特征在于，所述网联自动汽车包括单车智能自动驾驶车辆与智能网联自动驾驶车辆两类车辆，确定方法包括以下步骤：
S1、将交通流内的车辆界定为人类驾驶车辆、单车智能自动驾驶车辆与智能网联自动驾驶车辆三大类；
所述人类驾驶车辆即为Human Vehicle，简称HDV，所述单车智能自动驾驶车辆即为Autonomous Vehicle，简称AV，所述智能网联自动驾驶车辆即为Connected AutonomousVehicle，简称CAV；
S2、在研究对象路段中，选取高峰时段，统计HDV、AV与CAV的占有率分别为PHDV、PAV、PCAV；所述步骤S2中，HDV、AV与CAV的占有率分别为：
Figure FDA0003658837830000011
Figure FDA0003658837830000012
Figure FDA0003658837830000013
选取交通高峰时段，在研究对象的路段，设立一个基准断面，HDV、AV、CAV高峰时段内通过基准断面的车辆数分别为VHDV、VAV与VCAV；
S3、计算得到AV与CAV的通行能力校正因子的表达式：
AV的通行能力校正因子：
Figure FDA0003658837830000014
CAV的通行能力校正因子：
Figure FDA0003658837830000015
AV与CAV的联合校正因子：
Figure FDA0003658837830000016
式中，PHDV、PAV、PCAV分别为HDV、AV与CAV的占有率；EAV、ECAV分别为AV与CAV的通行能力折算系数；fAV、fCAV分别为AV与CAV的通行能力校正因子；fAV,为AV与CAV的联合校正因子；
S4、定义AV与CAV的通行能力折算系数；
AV的通行能力折算系数：
Figure FDA0003658837830000021
定义CAV的通行能力折算系数：
Figure FDA0003658837830000022
式中，hHDV、hAV、hCAV分别是HDV、AV与CAV作为后车跟随前车时的饱和车头间距 ；
S5、实测获取HDV作为后车时的减速度aHDV、感知—反应时间PRTHDV、行驶速度vHDV与车辆长度lHDV的运行指标；实测获取AV作为后车时的减速度aAV、感知—反应时间PRTAV、行驶速度vAV与车辆长度lAV的运行指标；实测获取CAV作为后车时的减速度aCAV、感知—反应时间PRTCAV、行驶速度vCAV与车辆长度lCAV的运行指标；
S6、计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头间距的表达式；
HDV作为后车跟随前车时的饱和车头间距的表达式
Figure FDA0003658837830000023
AV作为后车跟随前车时的饱和车头间距的表达式
Figure FDA0003658837830000024
CAV作为后车跟随前车时的饱和车头间距的表达式
Figure FDA0003658837830000025
S7、计算得到HDV、AV与CAV作为后车跟随前车时的饱和车头间距 的期望值；
HDV作为后车跟随前车时的饱和车头间距 的期望值：
Figure FDA0003658837830000026
AV作为后车跟随前车时的饱和车头间距 的期望值：
Figure FDA0003658837830000027
CAV作为后车跟随前车时的饱和车头间距 的期望值：
Figure FDA0003658837830000031
S8、计算得到AV与CAV的通行能力折算系数；
AV的通行能力折算系数：
Figure FDA0003658837830000032
CAV的通行能力折算系数：
Figure FDA0003658837830000033
。
CN202111118941.1A 2021-09-24 2021-09-24 网联自动汽车通行能力校正因子与折算系数确定方法 Active CN113947911B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118941.1A CN113947911B (zh) 2021-09-24 2021-09-24 网联自动汽车通行能力校正因子与折算系数确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118941.1A CN113947911B (zh) 2021-09-24 2021-09-24 网联自动汽车通行能力校正因子与折算系数确定方法

Publications (2)

Publication Number Publication Date
CN113947911A CN113947911A (zh) 2022-01-18
CN113947911B true CN113947911B (zh) 2022-07-01

Family

ID=79328759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118941.1A Active CN113947911B (zh) 2021-09-24 2021-09-24 网联自动汽车通行能力校正因子与折算系数确定方法

Country Status (1)

Country Link
CN (1) CN113947911B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101251010B1 (ko) * 2010-11-11 2013-04-05 한국도로공사 교량의 내하력 산정방법
CN105741555B (zh) * 2016-04-28 2017-12-01 华南理工大学 一种基于宏观基本图确定车型折算系数的方法
CN105931173A (zh) * 2016-05-15 2016-09-07 吉林大学 城市快速路入***织区通行能力的计算方法
CN108919798B (zh) * 2018-06-10 2020-08-11 同济大学 一种基于混合函数域的网联智能车辆编队行驶控制方法
CN112116822B (zh) * 2020-09-21 2021-07-16 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

Also Published As

Publication number Publication date
CN113947911A (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
AU2015352454B2 (en) Apparatus and method for providing an advised driving speed
Altan et al. GlidePath: Eco-friendly automated approach and departure at signalized intersections
CN110992676B (zh) 一种道路通行能力与网联自动驾驶车当量系数估计方法
CN113781774B (zh) 考虑人机混驾交通流的信号控制交叉口通行能力确定方法
CN104750963B (zh) 交叉口延误时长估计方法及装置
JP7040307B2 (ja) 運転評価装置、運転評価方法、及び、運転評価プログラムを記録した記録媒体
CN108489500A (zh) 一种基于能耗经济性的全局路径规划方法及***
CN115837918B (zh) 基于商用车科学上下坡驾驶指导的安全降油耗方法及***
CN113947911B (zh) 网联自动汽车通行能力校正因子与折算系数确定方法
CN110796852B (zh) 一种车辆队列建图及其自适应跟车间距计算方法
EP3891512B1 (en) System and method for providing an indication of driving performance
CN114074660A (zh) 一种预见性巡航节油控制方法、装置及存储介质
CN109190153B (zh) 一种能耗计算方法及其***
CN109145401B (zh) 一种计算机动车排放清单的方法、***及终端设备
CN116704775B (zh) 一种考虑智能网联公交车的混合交通流通行能力计算方法
CN115526519A (zh) 一种基于服务航班的机场电动车辆充电调度方法
CN113299060B (zh) 一种基于实测数据车辆信息系数获取***
CN115100847A (zh) 面向低渗透率网联车轨迹数据的排队服务时间估计方法
CN115503736A (zh) 一种基于发动机扭矩估算的汽车质量估计方法
CN114895682A (zh) 一种基于云端数据的无人驾驶矿车行走参数校正方法及***
CN113823118A (zh) 一种联合紧急程度和博弈论的智能网联车辆换道方法
CN113034330A (zh) 工程运输环境下路径特征提取方法及装置
CN115424433B (zh) 一种多车型的混合交通中网联车辆跟驰行为刻画方法
CN115952899B (zh) 基于实际工况提取的电动公交车能耗估计方法
Al Hasanat et al. Development of roundabouts empirical capacity model–case study of Hungary

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