CN114758513A - 匝道合流的协同控制方法、装置、电子设备及存储介质 - Google Patents
匝道合流的协同控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114758513A CN114758513A CN202210393196.XA CN202210393196A CN114758513A CN 114758513 A CN114758513 A CN 114758513A CN 202210393196 A CN202210393196 A CN 202210393196A CN 114758513 A CN114758513 A CN 114758513A
- Authority
- CN
- China
- Prior art keywords
- ramp
- confluence
- cooperative control
- vehicle
- actual
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 92
- 230000006399 behavior Effects 0.000 claims abstract description 27
- 238000011217 control strategy Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004941 influx Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 10
- 230000001133 acceleration Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000035939 shock Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 241000470001 Delaya Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及匝道合流区车路协同控制技术领域,特别涉及一种匝道合流的协同控制方法、装置、电子设备及存储介质,方法包括:将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
Description
技术领域
本申请涉及匝道合流区车路协同控制技术领域,特别涉及一种匝道合流的协同控制方法、装置、电子设备及存储介质。
背景技术
匝道合流区是高速公路路网中典型瓶颈区域。该区域内,匝道车辆的汇入对主路交通形成频繁扰动,降低通行效率,易导致拥堵。智能网联技术的快速发展和应用,对于提升瓶颈区域交通运行效率,有效缓解交通拥堵起到积极作用。智能网联环境下,如何借助车辆间的通讯有效协调车辆在匝道合流区域内的驾驶行为,从而提升瓶颈区域内整体交通表现是目前智能交通领域的研究热点之一。
相关技术中,匝道合流控制方法大多考虑单个车辆的控制,而非着眼于交通流层面的运行效率和稳定性。这导致现有技术虽能在单车层面优化匝道合流运行,却无法保证在连续交通流环境下的运行效率提升。此外,未有已知的现存方法同时考虑主路车辆让行和匝道车辆以车队形式汇入两个方法的协同控制,因此无法有效发挥该两个方法的互相促进作用。同时,未有现有方法从理论层面上***探讨不同交通状况下匝道车队的最优组织形式。
发明内容
本申请提供一种匝道合流的协同控制方法、装置、电子设备及存储介质,以解决在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题。
本申请第一方面实施例提供一种匝道合流的协同控制方法,包括以下步骤:
获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息;
将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到;以及,
根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
识别主路车辆和匝道车辆的当前行为模式,并基于所述当前行为模式计算主路车辆延误和匝道车辆延误;
基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
根据本申请的一个实施例,所述匝道合流区内所有车辆总延误最小化目标函数为:
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
构建所述匝道合流协同控制框架,并确定所述匝道合流协同控制框架下的优化变量,其中,所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
根据本申请实施例的匝道合流的协同控制方法,将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
本申请第二方面实施例提供一种匝道合流的协同控制装置,包括:
获取模块,用于获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息;
输入模块,用于将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到;以及,
控制模块,用于根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
识别主路车辆和匝道车辆的当前行为模式,并基于所述当前行为模式计算主路车辆延误和匝道车辆延误;
基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
根据本申请的一个实施例,所述匝道合流区内所有车辆总延误最小化目标函数为:
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
构建所述匝道合流协同控制框架,并确定所述匝道合流协同控制框架下的优化变量,其中,所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
根据本申请的一个实施例,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
根据本申请实施例的匝道合流的协同控制装置,将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的匝道合流的协同控制方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的匝道合流的协同控制方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种匝道合流的协同控制方法的流程图;
图2为根据本申请一个实施例的匝道合流的协同控制方法流程图;
图3为根据本申请一个实施例提供的在匝道合流的协同控制效果示意图;
图4为根据本申请一个实施例提供的无/有协同控制场景交通流的速度对比示意图;
图5为根据本申请实施例的匝道合流的协同控制装置的示例图;
图6为根据本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的匝道合流的协同控制方法、装置、电子设备及存储介质。针对上述背景技术中心提到的在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差的问题,本申请提供了一种匝道合流的协同控制方法,在该方法中,将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
具体而言,图1为本申请实施例所提供的一种匝道合流的协同控制方法的流程示意图。
如图1所示,该匝道合流的协同控制方法包括以下步骤:
在步骤S101中,获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息。
具体地,本申请实施例中所需要获取的实际道路信息包括道路车道数、合流区长度、合流点位置、匝道停车线位置主路及匝道设计速度;实际交通状态信息包括主路交通流初始速度、匝道交通流初始速度、主路交通流流率、匝道车辆到达率、交通断裂临界速度;实际车辆信息包括车辆加减速上下限、平均车长、期望跟驰距离。
在步骤S102中,将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,匝道合流的协同控制优化模型由匝道合流协同控制框架得到。
具体地,为了实现主路车辆减速让行和匝道车辆以车队形式汇入的有效结合,本申请实施例可以通过构建一个匝道合流协同控制框架,通过匝道合流协同控制框架得到匝道合流的协同控制优化模型,并将上述所获得到的匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至构建的匝道合流的协同控制优化模型中。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:识别主路车辆和匝道车辆的当前行为模式,并基于当前行为模式计算主路车辆延误和匝道车辆延误;基于主路车辆延误和匝道车辆延误确定匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:构建匝道合流协同控制框架,并确定匝道合流协同控制框架下的优化变量,其中,优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
具体而言,如图2所示,本申请实施例构建的匝道合流协同控制框架包括主路车辆减速让行和匝道车辆以车队形式汇入两部分,由控制中心集中协调主路车辆与匝道车辆在匝道合流区内的行为。该行为主要包括以下步骤:
(1)匝道车辆到达预设停车等待线后停车等待,并将到达信息传递到控制中心;停车线的位置应能保证车辆加速距离要求,可参考现有匝道信号控制***(Ramp MeteringSystem,RMS)下的停车线设置标准。
(2)控制中心监测于匝道上停车等待的车辆数量,当车辆数量达到某一预设值时,向主路车辆发起协同汇入请求,并指定一辆主路车辆为让行车辆,向该车辆发送减速地点及目标合流速度。
(3)让行车辆向控制中心确认接受协同汇入请求,并按照要求的减速地点及目标速度进行减速,从而在该车辆与其前车之间创造一段空当。
(4)收到让行车辆确认后,控制中心以车队的形式释放于匝道上停车等待的车辆,并规定它们在匝道上的行动轨迹,即每时间步的行驶速度。
(5)被释放的匝道车队遵循控制中心给出的行动轨迹行驶,于合流点汇入由主路让行车辆创造的空当。
在该匝道合流协同控制框架下,控制中心向主路让行车辆及匝道车队发出的指令应能集中保证:
(1)由让行车辆减速所创造的空当应不小于匝道车队汇入所需空当,即车队汇入的尺寸要求。
(2)到达合流点时,匝道车队与主路让行车辆均应保持合流速度,即车队汇入的速度要求。
(3)当匝道车队到达合流点时,所创造的主路空当应正好位于合流点可用,即车队汇入的到达时间要求。
其中,本申请实施例可以包括三个优化变量,分别为:匝道车队所含车辆数(n)、主路车减速地点(d)以及合流速度(vC)。
进一步地,通过识别主路车辆和匝道车辆的当前行为模式,分别计算主路车辆延误和匝道车辆延误。首先,主路车辆延误的相关计算如下:
主路车辆延误为主路车辆理想行驶时间与实际行驶时间之间差值,其具体表达式如下:
其中,d为主路让行车辆减速位置与合流点之间距离(米),d′为合流点到匝道合流区结束位置的距离(米),vmain为主路设计速度(米/秒)。
由于实际行驶时间考虑车辆受减速让行的影响,即考虑车辆初始状态以及受由减速让行产生的交通冲击波影响后状态,由公式(3)确定:
其中,vO和vC分别为主路车辆初始速度和合流速度(米/秒);hO为初始交通状态下车头时距(秒),可由初始状态交通流率(qO)确定,即ω为交通冲击波速度(米/秒),可根据交通基本图理论和冲击波理论由初始速度和合流速度确定。
受让行影响的主路车辆数量m的计算需考虑冲击波消散速度,由公式(4)确定:
其次,匝道车辆延误的相关计算如下:
匝道车辆延误为匝道车辆理想行驶时间与实际行驶时间之间的差值,其具体表达式如下:
s为匝道停车线位置与合流点之间距离(米),vramp为匝道设计速度(米/秒)。
由于实际行驶时间考虑到车辆于匝道停车等待时间、汇入前匝道行驶时间及汇入后主路行驶时间,由公式(7)确定:
进一步地,基于上述对主路车辆延误和匝道车辆延误的相关计算,进而确定匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数,具体表达式如下:
其中,wm与wr分别为主路车辆延误与匝道车辆延误权重,m为受让行影响的主路车辆的数量(辆),r为协同汇入的实施频率(次/小时)。
进一步地,为了满***通安全要求、交通流稳定性要求以及车辆动态性能要求进一步提出匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件,具体约束条件如下:
(1)由让行车辆减速所创造的空当(Gcreate)应不小于匝道车队汇入所需空当(Grequire)。所创造空当和所需空当由以下公式确定:
Grequire=(n+1)·hC; (10)
(2)只有当前一次协同汇入所产生的冲击波消散后,才能组织下一次协同汇入,以保证交通流稳定性,即
I≥Tsw; (11)
其中,Tsw为冲击波消散时间(秒),可根据冲击波理论由初始速度和合流速度确定;I为两次协同汇入间隔(秒),由公式(12)确定
(3)合流速度应大于交通流断裂临界速度,以保证交通流稳定性,即
vC≥vcrit; (13)
其中,vcrit为由交通基本图决定的交通流断裂临界速度。
(4)匝道车队加速过程应满足车辆加速能力限制,即
amin≤a≤amax; (14)
其中,amin和amax为车辆加速度上限、下限(米/平方秒)。
在步骤S103中,根据匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。
具体地,本申请实施例通过上述相关计算得出的优化变量求解结果生成匝道合流协同控制策略,通过主路车辆主动减速让行,为匝道车辆汇入创造空间,同时匝道车辆组成车队以有效利用主路空间,提升合流效率、保证交通流稳定性的控制目标。
为了使本领域技术人员更好的了解匝道合流的协同控制方法的具体实施方案,下面结合具体实施例进行详细说明。
具体地,为了实现降低车辆总延误、提升合流整体效率、保证交通流稳定性的控制目标,因此,本申请实施例选取交通流量近饱和状态为初始状态。其中,主路交通流量为1800辆/小时,匝道交通流量为500辆/小时;主路设计速度为120千米/小时,匝道车辆初始到达速度为60千米/小时。合流控制区道路几何特征如图3所示,主路仅考虑最外侧车道,匝道为单车道,匝道与主路由一条长为240米加速车道相连。
进一步地,如图3所示,本申请实施例以主路与匝道交会点为合流点,合流点沿主路向上游延伸1500米,向下游延伸500米为合流控制区,匝道停车线位于合流点上游435米处。根据交通基本图理论,选取75千米/小时为交通断裂临界速度。由于本申请实施例考虑到舒适性,因此规定车辆加减速上限为2.75米/平方秒,下限为-2.75米/平方秒,车辆平均长度4.4米,行驶中的期望跟驰距离根据跟驰模型由车辆行驶速度决定。
根据初始交通状态为输入值,在给定约束条件下使用MATLAB求解构建的最优化模型,可得到该状态下优化变量最优值为匝道车队所含车辆数(n)为15辆,主路让行车辆减速位置距合流点距离(d)为1266米,最佳合流速度(vC)为82.25千米/小时。
进一步地,本申请实施例选用VISSIM仿真软件构建高速公路匝道合流仿真模型,模拟本申请实施例提出的匝道合流的协同控制方法下的交通运行,并与无控制下的交通运行状况进行比较。通过对每个场景进行十次仿真实验,每次仿真实验持续7200秒,进行对比观测,其对比结果如图4所示。由图4(a)可以看出,在无控制场景中,由于交通流量较高且车辆汇入造成的频繁干扰,匝道合流区内发生持续性的严重交通拥堵并蔓延至上游路段,拥堵最严重路段车辆平均速度仅为20千米/时。由图4(b)可以看出,在匝道合流协同控制方法下,交通运行顺畅,无拥堵发生,全路段交通流速度保持在100千米/小时以上。因此,通过匝道合流协同控制方法能有效提升合流整体效率、保证交通流稳定性并预防拥堵发生。
根据本申请实施例的匝道合流的协同控制方法,将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
其次参照附图描述根据本申请实施例提出的匝道合流的协同控制装置。
图5是本申请实施例的匝道合流的协同控制装置的方框示意图。
如图5所示,该匝道合流的协同控制装置10包括:获取模块100、输入模块200和控制模块300。
其中,获取模块100用于获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息;
输入模块200用于将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,匝道合流的协同控制优化模型由匝道合流协同控制框架得到;以及
控制模块300用于根据匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,输入模块200,还用于:
识别主路车辆和匝道车辆的当前行为模式,并基于当前行为模式计算主路车辆延误和匝道车辆延误;
基于主路车辆延误和匝道车辆延误确定匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
进一步地,在一些实施例中,匝道合流区内所有车辆总延误最小化目标函数为:
其中,wm与wr分别表示主路车辆延误与匝道车辆延误权重;表示让行车辆后第i辆主路车辆延误(秒);表示匝道车队中第j辆车延误(秒);m表示受让行影响的主路车辆的数量(辆);n表示匝道车队所含车辆数(辆);r表示协同汇入的实施频率(次/小时)。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,输入模块,还用于:
构建匝道合流协同控制框架,并确定匝道合流协同控制框架下的优化变量,其中,优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
进一步地,在一些实施例中,在将匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,输入模块,还用于:
基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
根据本申请实施例的匝道合流的协同控制装置,将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中,该协同控制优化模型由匝道合流协同控制框架得到,并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题,通过智能网联环境下的匝道合流协同控制方法,实现了车辆在合流区域内的协同控制,降低了车辆总延误,提升了合流效率及交通流运行的稳定性。
图6为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的匝道合流的协同控制方法。
进一步地,电子设备还包括:
通信接口603,用于存储器601和处理器602之间的通信。
存储器601,用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现,则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器601、处理器602及通信接口603,集成在一块芯片上实现,则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的匝道合流的协同控制方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种匝道合流的协同控制方法,其特征在于,包括以下步骤:
获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息;
将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到;以及
根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。
2.根据权利要求1所述的方法,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
识别主路车辆和匝道车辆的当前行为模式,并基于所述当前行为模式计算主路车辆延误和匝道车辆延误;
基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
4.根据权利要求1或2所述的方法,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
构建所述匝道合流协同控制框架,并确定所述匝道合流协同控制框架下的优化变量,其中,所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
5.根据权利要求1-4任一项所述的方法,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,还包括:
基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
6.一种匝道合流的协同控制装置,其特征在于,包括:
获取模块,用于获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息;
输入模块,用于将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型,其中,所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到;以及
控制模块,用于根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略,并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。
7.根据权利要求6所述的装置,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
识别主路车辆和匝道车辆的当前行为模式,并基于所述当前行为模式计算主路车辆延误和匝道车辆延误;
基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。
9.根据权利要求6或7所述的装置,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
构建所述匝道合流协同控制框架,并确定所述匝道合流协同控制框架下的优化变量,其中,所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。
10.根据权利要求6-9任一项所述的装置,其特征在于,在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前,所述输入模块,还用于:
基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。
11.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的匝道合流的协同控制方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的匝道合流的协同控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393196.XA CN114758513B (zh) | 2022-04-14 | 2022-04-14 | 匝道合流的协同控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393196.XA CN114758513B (zh) | 2022-04-14 | 2022-04-14 | 匝道合流的协同控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114758513A true CN114758513A (zh) | 2022-07-15 |
CN114758513B CN114758513B (zh) | 2023-05-05 |
Family
ID=82331734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210393196.XA Active CN114758513B (zh) | 2022-04-14 | 2022-04-14 | 匝道合流的协同控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114758513B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190279502A1 (en) * | 2018-03-07 | 2019-09-12 | Here Global B.V. | Method, apparatus, and system for detecting a merge lane traffic jam |
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 |
CN113345234A (zh) * | 2021-06-07 | 2021-09-03 | 哈尔滨工业大学(深圳) | 面向应急疏散场景的快速路入口匝道协同控制方法及装置 |
CN113362619A (zh) * | 2021-06-04 | 2021-09-07 | 东南大学 | 混合交通环境下智能网联车辆匝道协同合流控制方法及装置 |
CN113947900A (zh) * | 2021-10-15 | 2022-01-18 | 苏州科技大学 | 一种智能网联快速路匝道协同控制*** |
-
2022
- 2022-04-14 CN CN202210393196.XA patent/CN114758513B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190279502A1 (en) * | 2018-03-07 | 2019-09-12 | Here Global B.V. | Method, apparatus, and system for detecting a merge lane traffic jam |
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 |
CN113362619A (zh) * | 2021-06-04 | 2021-09-07 | 东南大学 | 混合交通环境下智能网联车辆匝道协同合流控制方法及装置 |
CN113345234A (zh) * | 2021-06-07 | 2021-09-03 | 哈尔滨工业大学(深圳) | 面向应急疏散场景的快速路入口匝道协同控制方法及装置 |
CN113947900A (zh) * | 2021-10-15 | 2022-01-18 | 苏州科技大学 | 一种智能网联快速路匝道协同控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN114758513B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An improved adaptive signal control method for isolated signalized intersection based on dynamic programming | |
JP5083388B2 (ja) | 交通制御システムおよび交通管制システム | |
CN107016858B (zh) | 一种交叉口多流向候驶区和错位式停车线的预信号控制方法 | |
WO2019080841A1 (zh) | 一种车辆合流的方法及装置 | |
CN108873905A (zh) | 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质 | |
Awal et al. | An efficient cooperative lane-changing algorithm for sensor-and communication-enabled automated vehicles | |
CN108364486B (zh) | 多场景车辆优先自适应交通信号控制***及其工作方法 | |
Hassan et al. | A fully-distributed heuristic algorithm for control of autonomous vehicle movements at isolated intersections | |
CN110782682B (zh) | 一种标准十字路口车辆快速通过方法和装置以及设备 | |
CN110361028A (zh) | 一种基于自动驾驶循迹的路径规划结果生成方法及*** | |
CN115565390B (zh) | 智能网联汽车多车道队列通行控制方法、***及计算机可读存储介质 | |
Wang et al. | Connected variable speed limits control and vehicle acceleration control to resolve moving jams | |
Younes et al. | A vehicular network based intelligent lane change assistance protocol for highways | |
WO2013007079A1 (zh) | Od旅行时间的计算方法及装置 | |
CN109584554A (zh) | 一种道路交叉口通行控制方法和*** | |
CN109979186B (zh) | 一种基于gps***的公交车停靠泊位实时分配方法 | |
CN114333354B (zh) | 路口调度方法和*** | |
CN108389404B (zh) | 道路交通拥堵治理方法 | |
Wang et al. | Conditional transit signal priority optimization at stop-to-stop segments to improve brt on-time performance | |
CN114758513A (zh) | 匝道合流的协同控制方法、装置、电子设备及存储介质 | |
CN115810263B (zh) | 一种紧急车辆避让方法及装置 | |
CN114694397A (zh) | 道路预警的方法、装置、电子设备及介质 | |
Wang et al. | Adaptive urban traffic signal control system that prioritizes bus. | |
CN115620541B (zh) | 智能车辆汇入方法、装置及智慧公路信息物理*** | |
Alanazi et al. | Improving the performance of unsignalized t-intersections within CAVs mixed 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Qu Xiaobo Inventor after: Yan Yadan Inventor after: Li Aoyong Inventor before: Qu Xiaobo Inventor before: Zhu Jie Inventor before: Yan Yadan Inventor before: Li Aoyong |