CN114201847B - 一种混合交通流下多车轨迹控制的简化方法 - Google Patents

一种混合交通流下多车轨迹控制的简化方法 Download PDF

Info

Publication number
CN114201847B
CN114201847B CN202011082998.6A CN202011082998A CN114201847B CN 114201847 B CN114201847 B CN 114201847B CN 202011082998 A CN202011082998 A CN 202011082998A CN 114201847 B CN114201847 B CN 114201847B
Authority
CN
China
Prior art keywords
vehicle
control
target vehicle
conflict
bang
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
CN202011082998.6A
Other languages
English (en)
Other versions
CN114201847A (zh
Inventor
孙湛博
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202011082998.6A priority Critical patent/CN114201847B/zh
Publication of CN114201847A publication Critical patent/CN114201847A/zh
Application granted granted Critical
Publication of CN114201847B publication Critical patent/CN114201847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种混合交通流下多车轨迹控制的简化方法，包括：确定微观跟驰模型；预测车辆初始轨迹；建立冲突协同模型；拟制协同控制策略集；判断车辆是否可以顺利通过冲突区域；若车辆可以顺利通过冲突区域，则继续遵从微观跟驰模型的速度行驶；若车辆无法顺利通过冲突区域，则进一步确定车辆在通过冲突区域的过程中出现的具体情况，并判断可优化控制车辆的数量；若只存在一辆可优化控制车辆，则依据对应的拟制协同控制策略基于动态规划控制原理对该车辆进行优化并控制；若存在两辆或三辆可优化控制车辆，则对该两辆或三辆可优化控制车辆采用分阶段控制。该方法降低了整个底层控制运行的时间复杂度，提高了时效性，增强了多车控制在工程实践中的实用性。

Description

一种混合交通流下多车轨迹控制的简化方法
技术领域
本发明涉及一种混合交通流下多车轨迹控制的简化方法，属于交通工程领域。
背景技术
随着智能网联车辆的出现与发展，未来公路将会面临智能网联汽车与传统人类驾驶车辆混行的交通状况。智能网联车辆与传统驾驶车辆混合交通流环境下的决策控制是一种复杂约束条件下的最优控制问题。
现阶段的车辆协同控制方法多为单车控制，即只控制一辆车来满足优化需求，实际应用中优化失败可能性较大，且不能保证***效率提升的要求。具体的优化控制问题可以看作是具有移动障碍物的轨迹设计问题，利用动态规划的方法进行求解，将问题描述为离散状态约束最优控制问题。该问题是一个单目标、两状态变量、离散时间状态约束的最优控制问题。在多项式时间内，基于动态规划的方法在近似离散状态空间中求解该问题。该方法能够将原来的NP困难问题分解成几个简单的子问题。根据算法可得出优化一辆车的复杂度为其中amax为最大加速度，bmax为最大减速度，Δl为离散位置步长，Δv为离散速度步长，优化一辆车的复杂度为O(T4)。
对于协同控制两辆或三辆车来满足优化需求的情况，在实际应用中优化失败的可能性更大，且优化复杂度更高，其中优化两辆车的复杂度为O(T8)，优化三辆车的复杂度为O(T12)。因此，优化两辆车与优化三辆车的计算复杂度都难以满足工程实践中对算法实时性的要求。将优化两辆或三辆车的情况定义为多车控制情况，针对不同混合情况下的多车控制，给出相应的简化方法。
发明内容
为了解决协同控制两辆或三辆车来满足优化需求的情况中计算复杂度难以满足工程实践中对算法实时性的要求，本发明提出了一种混合交通流下多车轨迹控制的简化方法。
本发明为实现上述发明目的所采取的技术方案如下：
一种混合交通流下多车轨迹控制的简化方法，包括步骤：
S1、确定微观跟驰模型，用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；
S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；
S3、基于所述微观跟驰模型，针对无信号指示下交叉路口存在的车辆冲突类型，加入加速度约束、距离约束与安全约束，建立冲突协同模型；所述车辆冲突类型包括交叉冲突、合流冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；
S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；
S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步确定车辆在通过冲突区域的过程中出现的具体情况，并依据所述步骤S4拟制的协同控制策略集判断车辆在通过冲突区域的过程中出现的具体情况所对应的拟制协同控制策略中可优化控制车辆(即：智能网联车辆)的数量；若对应的拟制协同控制策略中只存在一辆可优化控制车辆，则执行步骤S6；若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7；
S6、将参与车辆通过冲突区域的过程中的可优化控制车辆确定为目标车辆，依据对应的拟制协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；
S7、针对对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆的情况进行分阶段控制：首先执行第一阶段控制，若执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，则不再执行第二阶段控制；若执行所述第一阶段控制仍不能够使参与车辆通过冲突区域的过程中的车辆顺利通过冲突区域，则执行所述第二阶段控制；
所述第一阶段控制：将参与车辆通过冲突区域的过程中的两辆或三辆可优化控制车辆中的一辆确定为目标车辆，控制所述目标车辆的速度，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行第二阶段控制；
所述第二阶段控制：利用Bang-Bang控制控制参与车辆通过冲突区域的过程中存在的两辆或三辆可优化控制车辆中的一辆或两辆，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
进一步地，在步骤S3中，建立所述冲突协同模型，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
其中，冲突协同效用由Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；|uk(t)|表示X路上车辆k在t时刻的加速度或减速度的绝对值，表示Y路上的车辆k′2在t时刻的加速度或减速度的绝对值；/>表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离，/>表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离，xk(t)表示X路上的车辆k在t时刻的位置，/>表示Y路上的车辆k′1在t时刻的位置，/>表示Y路上的车辆k′2在t时刻的位置，la为车辆车身长；/>表示可优化控制车辆(即：智能网联车辆)与其跟驰前车之间的最小车间距；/>表示不可优化控制车辆(即：传统驾驶车辆)与其跟驰前车之间的最小车间距；在车辆通过冲突区域时，X路上的车辆k实际跟驰Y路上的车辆k′1运行，而Y路上车辆k′2实际跟驰X路上的车辆k运行，它们的加速度或减速度都可以根据微观跟驰模型计算得到；bsafe表示最大允许减速度；ΦA为可优化控制车辆集(即：智能网联车辆集)；ΦH为不可优化控制车辆集(即：传统驾驶车辆集)；η1表示安全系数；η2表示礼貌系数；
礼貌系数η2的表达式如下：
其中，vk是车辆k的速度，ve是期望速度，vth是给定的阈值速度，β1和β2为常数；
协同决策用Ik(t+τ)表示如下：
其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。
进一步地，在步骤S4中，针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；(例如：车辆组合HAN表示车辆k′1为不可优化控制的车辆、车辆k为可优化控制的车辆，并且此时Y路上无后车参与，即不存在车辆k′2。)
基于不同的车辆组合、不同的车型组合，以及所述无法顺利通过冲突区域的四种情况，拟制协同控制策略集，如下表所示：
上表中，所述无法优化是指车辆在对应的无法顺利通过冲突区域的情况下没有相应的控制策略；在所述无法优化的情况下，当所述冲突类型为交叉冲突时，X路上的车辆k将以X路和Y路的交叉点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；当所述冲突类型为合流冲突时，X路上的车辆k将以X路和Y路的合流点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；所述X路和Y路的合流点是指X路车流汇合进入Y路车流的位置；
所述控制状态未知，是针对部分无法顺利通过冲突区域的情况R3而言，在这种情况下需要先判断车辆k、车辆k′1、车辆k′2在通过冲突区域的过程中是哪些对应车辆之间构成不舒适，再分别依据无法顺利通过冲突区域的情况R1、R2、R4采取对应的控制策略；
所述控制车辆k加速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≤ve；
所述控制车辆k减速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≥0；
所述不控制车辆k，是使t时刻车辆k的决策变量uk(t)满足：
即uk(t)＝0；
所述控制车辆k′1加速，是使t时刻车辆k′1的决策变量满足：
且/>
所述不控制车辆k′1，是使t时刻车辆k′1的决策变量满足：
即/>
所述控制车辆k′2减速，是使t时刻车辆k′2的决策变量满足：
且/>
所述不控制车辆k′2，是使t时刻车辆k′2的决策变量满足：
其中，uk(t)作为t时刻车辆k的决策变量，表示车辆k在t时刻的加速度；vk(t)是车辆k在t时刻的速度；是根据所述微观跟驰模型所预测的车辆k在t+τ时刻的安全跟驰速度，其中Lk(t)表示在t时刻车辆k与其跟驰前车之间的相对距离，表示车辆k的跟驰前车在t时刻的速度；/>作为t时刻车辆k′1的决策变量，表示车辆k′1在t时刻的加速度；/>是车辆k′1在t时刻的速度；/>是根据所述微观跟驰模型所预测的车辆k′1在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′1与其跟驰前车之间的相对距离，/>表示车辆k′1的跟驰前车在t时刻的速度；作为t时刻车辆k′2的决策变量，表示车辆k′2在t时刻的加速度；/>是车辆k′2在t时刻的速度；/>是根据所述微观跟驰模型所预测的车辆k′2在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′2与其跟驰前车之间的相对距离，/>表示车辆k′2的跟驰前车在t时刻的速度；τ是车辆驾驶的反应时间；ve是期望速度。
进一步地，若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；因此，不同车辆组合情况包括HHA、HAH、AHH、HAA、AAH、AHA、AAA、AHN、HAN、NAH、NHA、AAN、NAA、HHH、HHN、NHH；针对其中车辆组合情况为AAN、NAA、HAA、AHA、AAH、AAA这六种情况按照步骤S7进行执行，具体如下：
针对车辆组合情况AAN，在无法顺利通过冲突区域的原因R1或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况NAA，在无法顺利通过冲突区域的原因R2或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R1下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R2下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
进一步地，构建微观交通流仿真环境，对混合交通流下的多车轨迹简化控制进行仿真分析。
本发明方法中，Bang-Bang控制的基本原理是：
Bang-Bang控制是一种最优控制方法，它的控制函数总是取在容许控制的边界上，或者取最大，或者取最小，仅仅在这两个边界值上进行切换。在本问题中，将状态空间划分为加速和减速两个区域，一个区域对应于控制变量取正最大值(即加速情况)，另一个区域对应于控制变量取负最大值(即减速情况)。而Bang-Bang控制具体执行哪个区域的控制是由具体的协同控制策略所决定。
与现有技术相比，本发明方法的有益效果是：
本发明提出了一种混合交通流下多车轨迹控制的简化方法，该方法针对无信号指示下交叉路口存在的车辆冲突，给出多车控制情况下的简化控制策略。由数值仿真并分析各种多车控制情况下算法的时间复杂度可以发现，通过此简化方法使整个底层控制运行的时间复杂度大大降低，提高了时效性，增强了协同控制两辆或三辆车来满足优化需求的情况在工程实践中的实用性。该方法是一种通用的简化控制方法，可适用于高速公路及城市道路中换道、汇流等场景下的车辆轨迹优化。
下面通过具体实施方式及附图对本发明作进一步详细说明，但并不意味着对本发明保护范围的限制。
附图说明
图1是本发明实施例中混合交通流下多车轨迹控制的简化方法流程图。
图2是本发明实施例中车辆组合情况为AAN时的车辆控制流程图。
图3是本发明实施例中车辆组合情况为NAA时的车辆控制流程图。
图4是本发明实施例中车辆组合情况为HAA时的车辆控制流程图。
图5是本发明实施例中车辆组合情况为AHA时的车辆控制流程图。
图6是本发明实施例中车辆组合情况为AAH时的车辆控制流程图。
图7是本发明实施例中车辆组合情况为AAA时的车辆控制流程图。
具体实施方式
实施例
图1是本例中混合交通流下多车轨迹控制的简化方法流程图，该方法包括步骤：
S1、确定微观跟驰模型，用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；
S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；
S3、基于所述微观跟驰模型，针对无信号指示下交叉路口存在的车辆冲突类型，加入加速度约束、距离约束与安全约束，建立冲突协同模型；所述车辆冲突类型包括交叉冲突、合流冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；
S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；
S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步确定车辆在通过冲突区域的过程中出现的具体情况，并依据所述步骤S4拟制的协同控制策略集判断车辆在通过冲突区域的过程中出现的具体情况所对应的拟制协同控制策略中可优化控制车辆(即：智能网联车辆)的数量；若对应的拟制协同控制策略中只存在一辆可优化控制车辆，则执行步骤S6；若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7；
S6、将参与车辆通过冲突区域的过程中的可优化控制车辆确定为目标车辆，依据对应的拟制协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；
S7、针对对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆的情况进行分阶段控制：首先执行第一阶段控制，若执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，则不再执行第二阶段控制；若执行所述第一阶段控制仍不能够使参与车辆通过冲突区域的过程中的车辆顺利通过冲突区域，则执行所述第二阶段控制；
所述第一阶段控制：将参与车辆通过冲突区域的过程中的两辆或三辆可优化控制车辆中的一辆确定为目标车辆，控制所述目标车辆的速度，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行第二阶段控制；
所述第二阶段控制：利用Bang-Bang控制控制参与车辆通过冲突区域的过程中存在的两辆或三辆可优化控制车辆中的一辆或两辆，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
本例中，步骤S3，建立所述冲突协同模型，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
其中，冲突协同效用由Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；|uk(t)|表示X路上车辆k在t时刻的加速度或减速度的绝对值，表示Y路上的车辆k′2在t时刻的加速度或减速度的绝对值；/>表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离，/>表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离，xk(t)表示X路上的车辆k在t时刻的位置，/>表示Y路上的车辆k′1在t时刻的位置，/>表示Y路上的车辆k′2在t时刻的位置，la为车辆车身长；/>表示可优化控制车辆(即：智能网联车辆)与其跟驰前车之间的最小车间距；/>表示不可优化控制车辆(即：传统驾驶车辆)与其跟驰前车之间的最小车间距；在车辆通过冲突区域时，X路上的车辆k实际跟驰Y路上的车辆k′1运行，而Y路上车辆k′2实际跟驰X路上的车辆k运行，它们的加速度或减速度都可以根据微观跟驰模型计算得到；bsafe表示最大允许减速度；ΦA为可优化控制车辆集(即：智能网联车辆集)；ΦH为不可优化控制车辆集(即：传统驾驶车辆集)；η1表示安全系数；η2表示礼貌系数；
礼貌系数η2的表达式如下：
其中，vk是车辆k的速度，ve是期望速度，vth是给定的阈值速度，β1和β2为常数；
协同决策用Ik(t+τ)表示如下：
其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。
本例中，步骤S4，针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；(例如：车辆组合HAN表示车辆k′1为不可优化控制的车辆、车辆k为可优化控制的车辆，并且此时Y路上无后车参与，即不存在车辆k′2。)
基于不同的车辆组合、不同的车型组合，以及所述无法顺利通过冲突区域的四种情况，拟制协同控制策略集，如下表所示：
/>
上表中，所述无法优化是指车辆在对应的无法顺利通过冲突区域的情况下没有相应的控制策略；在所述无法优化的情况下，当所述冲突类型为交叉冲突时，X路上的车辆k将以X路和Y路的交叉点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；当所述冲突类型为合流冲突时，X路上的车辆k将以X路和Y路的合流点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；所述X路和Y路的合流点是指X路车流汇合进入Y路车流的位置；
所述控制状态未知，是针对部分无法顺利通过冲突区域的情况R3而言，在这种情况下需要先判断车辆k、车辆k′1、车辆k′2在通过冲突区域的过程中是哪些对应车辆之间构成不舒适，再分别依据无法顺利通过冲突区域的情况R1、R2、R4采取对应的控制策略；
所述控制车辆k加速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≤ve；
所述控制车辆k减速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≥0；
所述不控制车辆k，是使t时刻车辆k的决策变量uk(t)满足：
即uk(t)＝0；
所述控制车辆k′1加速，是使t时刻车辆k′1的决策变量满足：
且/>
所述不控制车辆k′1，是使t时刻车辆k′1的决策变量满足：
即/>
所述控制车辆k′2减速，是使t时刻车辆k′2的决策变量满足：
且/>
所述不控制车辆k′2，是使t时刻车辆k′2的决策变量满足：
即/>
其中，uk(t)作为t时刻车辆k的决策变量，表示车辆k在t时刻的加速度；vk(t)是车辆k在t时刻的速度；是根据所述微观跟驰模型所预测的车辆k在t+τ时刻的安全跟驰速度，其中Lk(t)表示在t时刻车辆k与其跟驰前车之间的相对距离，表示车辆k的跟驰前车在t时刻的速度；/>作为t时刻车辆k′1的决策变量，表示车辆k′1在t时刻的加速度；/>是车辆k′1在t时刻的速度；/>是根据所述微观跟驰模型所预测的车辆k′1在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′1与其跟驰前车之间的相对距离，/>表示车辆k′1的跟驰前车在t时刻的速度；作为t时刻车辆k′2的决策变量，表示车辆k′2在t时刻的加速度；/>是车辆k′2在t时刻的速度；/>是根据所述微观跟驰模型所预测的车辆k′2在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′2与其跟驰前车之间的相对距离，/>表示车辆k′2的跟驰前车在t时刻的速度；τ是车辆驾驶的反应时间；ve是期望速度。
本例中，若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；因此，不同车辆组合情况包括HHA、HAH、AHH、HAA、AAH、AHA、AAA、AHN、HAN、NAH、NHA、AAN、NAA、HHH、HHN、NHH；针对其中车辆组合情况为AAN、NAA、HAA、AHA、AAH、AAA这六种情况按照步骤S7进行执行，具体如下：
图2是本发明实施例中车辆组合情况为AAN时的车辆控制流程图，描述如下：
针对车辆组合情况AAN，在无法顺利通过冲突区域的原因R1或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制。
图3是本发明实施例中车辆组合情况为NAA时的车辆控制流程图，描述如下：
针对车辆组合情况NAA，在无法顺利通过冲突区域的原因R2或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制。
图4是本发明实施例中车辆组合情况为HAA时的车辆控制流程图，描述如下：
(1)针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R1下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图4中“先利用Bang-Bang控制控制车辆k满足与车辆k′1的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(2)针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(3)针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图4中“先利用Bang-Bang控制控制车辆k满足与车辆k′1的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(4)针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图4中“先利用Bang-Bang控制控制车辆k满足与车辆k′1的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
图5是本发明实施例中车辆组合情况为AHA时的车辆控制流程图，描述如下：
(1)针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
(2)针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R2下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
(3)针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图5中“先利用Bang-Bang控制控制车辆k′1满足与车辆k的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(4)针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图5中“先利用Bang-Bang控制控制车辆k′1满足与车辆k的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
图6是本发明实施例中车辆组合情况为AAH时的车辆控制流程图，描述如下：
(1)针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
(2)针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离(即：图6中“先利用Bang-Bang控制控制车辆k满足与车辆k′2的间隙”)，再进一步利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图6中“再利用Bang-Bang控制控制车辆k′1满足与车辆k的间隙”)，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(3)针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离(即：图6中“先利用Bang-Bang控制控制车辆k满足与车辆k′2的间隙”)，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(4)针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离(即：图6中“先利用Bang-Bang控制控制车辆k满足与车辆k′2的间隙”)，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
图7是本发明实施例中车辆组合情况为AAA时的车辆控制流程图，描述如下：
(1)针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
(2)针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(3)针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图7中“先利用Bang-Bang控制控制车辆k′1满足与车辆k的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离(即：图7中“再利用Bang-Bang控制控制车辆k′2满足与车辆k的间隙”)，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
(4)针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离(即：图7中“先利用Bang-Bang控制控制车辆k′1满足与车辆k的间隙”)，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
本例的混合交通流下多车轨迹控制的简化方法的时间复杂度不超过O(T4)。利用MATLAB构建微观交通流仿真环境，对混合交通流下的多车轨迹简化控制进行仿真分析，验证该简化方法的有效性：在一台普通笔记本上(配置：i5-7200U，[email protected]，RAM 8G)进行仿真实验，统计各种多车情况下的计算时间。简化前(即：按照上述步骤S4中拟制协同控制策略集中存在两辆或三辆可优化控制车辆中需要控制多车才能顺利通过冲突区域的情况，对需要控制的多车进行同时控制，且均采用动态规划的思想求解)，控制两辆车的计算时间约为20秒，控制三辆车的计算时间约为1小时；简化后(即：采用本例的混合交通流下多车轨迹控制的简化方法进行控制)，多车控制计算时间不超过300毫秒。由数值仿真并分析各种多车控制情况下算法的时间复杂度可以发现，通过此简化方法使整个底层控制运行的时间复杂度大大降低，提高了时效性，增强了协同控制两辆或三辆车来满足优化需求的情况在工程实践中的实用性。
上述结合附图对本发明进行了示例性描述，显然本发明的具体实现并不受本文所示的实施例限制。

Claims (4)

1.一种混合交通流下多车轨迹控制的简化方法，其特征在于，包括步骤：
S1、确定微观跟驰模型，用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；
S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；
S3、基于所述微观跟驰模型，针对无信号指示下交叉路口存在的车辆冲突类型，加入加速度约束、距离约束与安全约束，建立冲突协同模型；所述车辆冲突类型包括交叉冲突、合流冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；
S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；
S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步确定车辆在通过冲突区域的过程中出现的具体情况，并依据所述步骤S4拟制的协同控制策略集判断车辆在通过冲突区域的过程中出现的具体情况所对应的拟制协同控制策略中可优化控制车辆的数量；若对应的拟制协同控制策略中只存在一辆可优化控制车辆，则执行步骤S6；若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7；
S6、将参与车辆通过冲突区域的过程中的可优化控制车辆确定为目标车辆，依据对应的拟制协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；
S7、针对对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆的情况进行分阶段控制：首先执行第一阶段控制，若执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，则不再执行第二阶段控制；若执行所述第一阶段控制仍不能够使参与车辆通过冲突区域的过程中的车辆顺利通过冲突区域，则执行所述第二阶段控制；
所述第一阶段控制：将参与车辆通过冲突区域的过程中的两辆或三辆可优化控制车辆中的一辆确定为目标车辆，控制所述目标车辆的速度，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行第二阶段控制；
所述第二阶段控制：利用Bang-Bang控制控制参与车辆通过冲突区域的过程中存在的两辆或三辆可优化控制车辆中的一辆或两辆，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
所述若对应的拟制协同控制策略中存在两辆或三辆可优化控制车辆，则执行步骤S7，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；因此，不同车辆组合情况包括HHA、HAH、AHH、HAA、AAH、AHA、AAA、AHN、HAN、NAH、NHA、AAN、NAA、HHH、HHN、NHH；针对其中车辆组合情况为AAN、NAA、HAA、AHA、AAH、AAA这六种情况按照步骤S7进行执行，具体如下：
针对车辆组合情况AAN，在无法顺利通过冲突区域的原因R1或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况NAA，在无法顺利通过冲突区域的原因R2或R3下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R1下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况HAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R2下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′2确定为目标车辆，控制所述目标车辆减速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AHA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAH，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′1加速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R1下，通过执行所述第一阶段控制能够使参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域，具体为：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解，得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；不再执行所述第二阶段控制；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R2下，首先执行第一阶段控制：将车辆k确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R3下，首先执行第一阶段控制：将车辆k′1确定为目标车辆，控制所述目标车辆加速，并对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想进行求解；若能够得出优化解，则得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行；若不能够得出优化解，则执行所述第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2的速度，使车辆k与车辆k′2之间满足车辆跟驰舒适距离，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域；
针对车辆组合情况AAA，在无法顺利通过冲突区域的原因R4下，通过执行第一阶段控制无法得到优化解，故执行第二阶段控制；所述第二阶段控制：先利用Bang-Bang控制控制车辆k′1的速度，使车辆k与车辆k′1之间满足车辆跟驰舒适距离，再进一步利用Bang-Bang控制控制车辆k′2减速，保证参与车辆通过冲突区域的过程中的车辆可以顺利通过冲突区域。
2.根据权利要求1所述的混合交通流下多车轨迹控制的简化方法，其特征在于：在步骤S3中，建立所述冲突协同模型，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
其中，冲突协同效用由Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；|uk(t)|表示X路上车辆k在t时刻的加速度或减速度的绝对值，表示Y路上的车辆k′2在t时刻的加速度或减速度的绝对值；/>表示在f时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离，/>表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离，xk(t)表示X路上的车辆k在t时刻的位置，/>表示Y路上的车辆k′1在t时刻的位置，/>表示Y路上的车辆k′2在f时刻的位置，la为车辆车身长；/>表示可优化控制车辆与其跟驰前车之间的最小车间距；/>表示不可优化控制车辆与其跟驰前车之间的最小车间距；在车辆通过冲突区域时，X路上的车辆k实际跟驰Y路上的车辆k′1运行，而Y路上车辆k′2实际跟驰X路上的车辆k运行，它们的加速度或减速度都可以根据微观跟驰模型计算得到；bsafe表示最大允许减速度；ΦA为可优化控制车辆集；ΦH为不可优化控制车辆集；η1表示安全系数；η2表示礼貌系数；
礼貌系数η2的表达式如下：
其中，vk是车辆k的速度，ve是期望速度，vth是给定的阈值速度，β1和β2为常数；
协同决策用Ik(t+τ)表示如下：
其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。
3.根据权利要求1所述的混合交通流下多车轨迹控制的简化方法，其特征在于：在步骤S4中，针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集，具体包括：
假定X路和Y路为两条有交叉的单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；
针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示不可优化控制的车辆，用A表示可优化控制的车辆，用N表示无前车参与或无后车参与，并规定车辆的组合顺序为车辆k′1、车辆k、车辆k′2；
基于不同的车辆组合、不同的车型组合，以及所述无法顺利通过冲突区域的四种情况，拟制协同控制策略集，如下表所示：
上表中，所述无法优化是指车辆在对应的无法顺利通过冲突区域的情况下没有相应的控制策略；在所述无法优化的情况下，当所述冲突类型为交叉冲突时，X路上的车辆k将以X路和Y路的交叉点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；当所述冲突类型为合流冲突时，X路上的车辆k将以X路和Y路的合流点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；所述X路和Y路的合流点是指X路车流汇合进入Y路车流的位置；
所述控制状态未知，是针对部分无法顺利通过冲突区域的情况R3而言，在这种情况下需要先判断车辆k、车辆k′1、车辆k′2在通过冲突区域的过程中是哪些对应车辆之间构成不舒适，再分别依据无法顺利通过冲突区域的情况R1、R2、R4采取对应的控制策略；
所述控制车辆k加速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≤ve；
所述控制车辆k减速，是使t时刻车辆k的决策变量uk(t)满足：
且vk(t)+uk(t)τ≥0；
所述不控制车辆k，是使f时刻车辆k的决策变量uk(t)满足：
即uk(t)＝0；
所述控制车辆k′1加速，是使t时刻车辆k′1的决策变量满足：
且/>
所述不控制车辆k′1，是使t时刻车辆k′1的决策变量满足：
即/>
所述控制车辆k′2减速，是使t时刻车辆k′2的决策变量满足：
且/>
所述不控制车辆k′2，是使t时刻车辆k′2的决策变量满足：
即/>
其中，uk(t)作为t时刻车辆k的决策变量，表示车辆k在t时刻的加速度；vk(t)是车辆k在t时刻的速度；是根据所述微观跟驰模型所预测的车辆k在t+τ时刻的安全跟驰速度，其中Lk(t)表示在t时刻车辆k与其跟驰前车之间的相对距离，/>表示车辆k的跟驰前车在t时刻的速度；/>作为t时刻车辆k′1的决策变量，表示车辆k′1在t时刻的加速度；/>是车辆k′1在t时刻的速度；/>是根据所述微观跟驰模型所预测的车辆k′1在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′1与其跟驰前车之间的相对距离，/>表示车辆k′1的跟驰前车在t时刻的速度；/>作为t时刻车辆k′2的决策变量，表示车辆k′2在t时刻的加速度；/>是车辆k′2在t时刻的速度；是根据所述微观跟驰模型所预测的车辆k′2在t+τ时刻的安全跟驰速度，其中/>表示在t时刻车辆k′2与其跟驰前车之间的相对距离，/>表示车辆k′2的跟驰前车在t时刻的速度；τ是车辆驾驶的反应时间；ve是期望速度。
4.根据权利要求1-3任一所述的混合交通流下多车轨迹控制的简化方法，其特征在于：构建微观交通流仿真环境，对混合交通流下的多车轨迹简化控制进行仿真分析。
CN202011082998.6A 2020-10-12 2020-10-12 一种混合交通流下多车轨迹控制的简化方法 Active CN114201847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011082998.6A CN114201847B (zh) 2020-10-12 2020-10-12 一种混合交通流下多车轨迹控制的简化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011082998.6A CN114201847B (zh) 2020-10-12 2020-10-12 一种混合交通流下多车轨迹控制的简化方法

Publications (2)

Publication Number Publication Date
CN114201847A CN114201847A (zh) 2022-03-18
CN114201847B true CN114201847B (zh) 2024-06-21

Family

ID=80645410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011082998.6A Active CN114201847B (zh) 2020-10-12 2020-10-12 一种混合交通流下多车轨迹控制的简化方法

Country Status (1)

Country Link
CN (1) CN114201847B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114973733B (zh) * 2022-04-29 2023-09-29 北京交通大学 一种信号交叉口处混合流下网联自动车轨迹优化控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009051430A (ja) * 2007-08-28 2009-03-12 Fuji Heavy Ind Ltd 走行支援システム
CN108806252B (zh) * 2018-06-19 2019-10-01 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN110473404B (zh) * 2019-09-19 2020-08-25 西南交通大学 一种城市十字交叉口混合交通流协同优化底层控制方法
CN110599772B (zh) * 2019-09-19 2020-08-28 西南交通大学 一种基于双层规划的混合交通流协同优化控制方法
CN110570049B (zh) * 2019-09-19 2022-04-29 西南交通大学 一种高速公路混合交通流汇流协同优化底层控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
城市高速公路交通控制综述;王亦兵, 韩曾晋, 贺国光;自动化学报;19980719(04);全文 *
智能网联环境下的多车协同换道策略研究;刘志强;韩静文;倪捷;;汽车工程;20200325(03);全文 *

Also Published As

Publication number Publication date
CN114201847A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN108806252B (zh) 一种高速公路混合交通流协同优化控制方法
CN110570049B (zh) 一种高速公路混合交通流汇流协同优化底层控制方法
CN110298131B (zh) 一种混合驾驶环境下自动驾驶换道决策模型建立方法
HomChaudhuri et al. A fuel economic model predictive control strategy for a group of connected vehicles in urban roads
CN110473404B (zh) 一种城市十字交叉口混合交通流协同优化底层控制方法
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
CN111369813A (zh) 一种智能网联汽车的匝道分合流协同控制方法及***
CN111994088A (zh) 基于混合策略博弈的驾驶人换道意图识别方法及***
CN114973733A (zh) 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN115641717B (zh) 基于混合交通流的高速公路主线-匝道车辆协同合流控制方法、设备及存储介质
CN114201847B (zh) 一种混合交通流下多车轨迹控制的简化方法
CN115050183B (zh) 一种生成模拟交通流的方法
CN115376346A (zh) 混行条件下快速路合流区多模式驾驶车辆协同交汇方法
CN112258864A (zh) 基于顺序选择的自动驾驶车辆路口调度方法及***
CN115601958A (zh) 一种基于连续型元胞自动机的车联网交通流建模方法
Du et al. A fuel efficient control strategy for connected vehicles in multiple-lane urban roads
CN113223324A (zh) 高速匝道入口合流的控制方法
Kavas-Torris et al. A Comprehensive Eco-Driving Strategy for Connected and Autonomous Vehicles (CAVs) with Microscopic Traffic Simulation Testing Evaluation
He et al. Cellular automaton model for bidirectional traffic under condition of intelligent vehicle infrastructure cooperative systems
Lakshmanan et al. Cooperative control in eco-driving of electric connected and autonomous vehicles in an un-signalized urban intersection
Chen et al. Multi-vehicle Cooperative Merging Control Strategy for Expressway under New Mixed Traffic Environment
CN109559000A (zh) 一种车辆队列行驶控制方法与管理平台
Liu et al. A Centralized Cooperative Lane-Changing Strategy for Merging into CAV Platoon
CN114489067A (zh) 智能网联车辆队列协同驾驶模型预测控制方法
Liu et al. Eco-Friendly On-Ramp Merging Strategy for Connected and Automated Vehicles in Heterogeneous Traffic

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
TA01 Transfer of patent application right

Effective date of registration: 20240524

Address after: 610031 No. two, section 111, ring road, Chengdu, Sichuan, China

Applicant after: SOUTHWEST JIAOTONG University

Country or region after: China

Address before: 2111, 217 Kaifa West Road, high tech Industrial Development Zone, Yangzhou City, Jiangsu Province 225000

Applicant before: Yangzhou Newell Technology Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant