CN115083164A - 一种面向混合交通流的信号交叉口双层优化方法 - Google Patents

一种面向混合交通流的信号交叉口双层优化方法 Download PDF

Info

Publication number
CN115083164A
CN115083164A CN202210733253.4A CN202210733253A CN115083164A CN 115083164 A CN115083164 A CN 115083164A CN 202210733253 A CN202210733253 A CN 202210733253A CN 115083164 A CN115083164 A CN 115083164A
Authority
CN
China
Prior art keywords
vehicle
area
traffic flow
automatic driving
signalized intersection
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.)
Pending
Application number
CN202210733253.4A
Other languages
English (en)
Inventor
沈世全
刘欢
陈峥
申江卫
王青旺
刘玺
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.)
Kunming University of Science and Technology
Original Assignee
Kunming 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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202210733253.4A priority Critical patent/CN115083164A/zh
Publication of CN115083164A publication Critical patent/CN115083164A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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

本发明涉及一种面向混合交通流的信号交叉口双层优化方法,包括以下步骤：步骤1：建立包括由自动驾驶车辆和人为驾驶车辆组成的混合交通流的信号交叉口场景，将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，制定对应的行驶规则，并把自动驾驶车辆的状态分为四种状态，四种状态分别为非受控、计算、受控和重新计算，面向于混合交通流，提供了一种面向混合交通流下信号交叉口的双层优化方法，包括对交叉口信号灯的信号配时参数和车辆轨迹进行优化。

Description

一种面向混合交通流的信号交叉口双层优化方法
技术领域
本发明属于智能网联汽车车路协同技术领域，特别涉及一种面向混合交通流的信号交叉口双层优化方法。
背景技术
我国提出了“双碳目标”，正加快形成绿色低碳交通运输方式，推广新能源、智能化、数字化交通装备，鼓励引导绿色出行，让交通更加环保、出行更加低碳。面对诸多挑战，智能网联汽车融合了智能化、网联化的优点，为实现交通出行的节能减排、提升交通效率提供了前所未有的契机，可显著缓解我国所面临的能源与环境危机，并在一定程度上有效缓解日益严重的交通拥堵和道路安全问题。
现有技术对网联自动驾驶车辆的研究主要基于假定自动驾驶车辆的渗透率为100％的情况下，然而，自动驾驶随着智能汽车技术的持续深入发展，不同自动化等级的网联汽车并存的混合交通流将成为未来一段时间的必然趋势。现有的关于混合交通流交叉口的研究主要集中在交通状态的估计和交通信号的优化上。相比单纯的自动驾驶环境，混合交通流场景中人驾汽车与自动驾驶汽车之间的交互协作成为了一个更具实践意义的研究内容。然而，人工驾驶员行为的不确定性以及不同人工驾驶员之间的驾驶行为差异使得混合交通流的复杂性进一步增大。智能网联汽车必须在充分辨识人工驾驶员行为的基础上执行差异化的控制策略以确保混行环境下车辆行驶的安全和高效。智能交通环境下自动驾驶车辆与人为驾驶车辆之间的协同配合成为了研究重点所在。
因此，本发明以智能交通环境中的混合车流(自动驾驶车辆与人为驾驶车辆)为对象，将信号交叉口的主干道划分为自由行驶区、观察区、控制区和交汇区，并把自动驾驶车辆的状态分为四种状态，非受控、计算、受控和重新计算，以实现行驶区域内车流通行效率最优为目标，利用最优控制方法研究城市道路信号交叉口处混合车流多车协同节能驾驶策略。
发明内容
本发明所要解决的技术问题是提供一种面向混合交通流的信号交叉口双层优化方法来解决现有技术中交通信号配时死板，混合交通流中自动驾驶车辆与人为驾驶车辆协同配合困难的问题。
为解决上述技术问题，本发明的技术方案为：提供一种面向混合交通流的信号交叉口双层优化方法，包括以下步骤：
步骤1：建立包括由自动驾驶车辆和人为驾驶车辆组成的混合交通流的信号交叉口场景，将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，制定对应的行驶规则，并把自动驾驶车辆的状态分为四种状态，四种状态分别为非受控、计算、受控和重新计算，根据四种状态制定基于事件触发的规则来避免碰撞；
步骤2：当车辆驶入信号交叉口场景内的观察区时，通过车流检测器得到各车道的车流量，结合饱和流量和跟驰模型，以最大化平均交通效率为交通信号灯配时的优化目标，优化交通信号灯的信号配时；
步骤3：当自动驾驶车辆进入控制区后，中央控制器结合优化后的交通信号灯配时信息、车辆运动学模型和车辆当前时刻的速度和位置，以最大化平均交通效率为车辆轨迹优化模型的优化目标，通过伪谱法求解最优速度轨迹；
步骤4：自动驾驶车辆按照伪谱法求解出的最优速度轨迹行驶，在满足步骤3中车辆的最大和最小加速度的情况下，在绿灯相位下到达停车线，人为驾驶车辆通过跟驰模型跟随自动驾驶车辆平顺通过交叉口。
进一步的，所述的步骤1中将信号交叉口划分为自由行驶区、观察区、控制区和交汇区，具体步骤为：在信号交叉口场景中，停车线以内的区域为交汇区，停车线至停车线外320米之间的环形区域为控制区，停车线外860米至320米之间的环形区域为观察区，停车线外超过860米的区域为自由行驶区。
进一步的，所述的步骤1中制定的行驶规则具体为：车辆在自由行驶区时可在安全的前提下换道和加减速；车辆在观察区内完成换道；车辆在控制区时禁止换道；车辆在交汇区时严格遵循红绿灯规则，有序通行。
进一步的，所述步骤1中车辆状态的划分和所制定的基于事件触发的规则具体为：自动驾驶车辆到达控制区之前，处于非受控状态；自动驾驶车辆到达观察区和控制区的边界时，为计算状态；当自动驾驶车辆进入控制区后，判断自动驾驶车辆与前车是否保持安全距离，若没有保持足够的安全距离，有发生碰撞的可能性，则变为重新计算状态并判断是否有足够的空间来调整速度，若有足够的空间则减速，直到与前车保持足够的安全距离；若没有足够的空间，则变为受控状态并用跟驰模型使自动驾驶车辆跟随前车行驶，若有足够的安全距离，则保持正常状态行驶。
进一步的，对自动驾驶车辆与前车是否保持安全距离的具体判断为：通过中央控制器判断自动驾驶车辆与前车是否保持安全距离，安全距离为5米，若与前车距离少于5米，则为没有保持足够的安全距离，若与前车距离大于或等于5米，则保持了足够安全距离；对自动驾驶车辆是否有足够的空间来调整速度的判断为：通过中央控制器判断自动驾驶车辆与前车是否有可调整距离，可调整距离为3米，若与前车距离少于3米，则为没有足够的空间来调整速度，若与前车距离大于或等于3米，则有足够的空间来调整速度。
进一步的，所述步骤2中，车流检测器设置于观察区内，且靠近控制区的位置设置，车流检测器可实时测出各车道的车流量。
进一步的，所述步骤2中，所述的跟驰模型采用OVM跟驰模型，使用OVM跟驰模型来描述人为驾驶车辆的运动状态，OVM跟驰模型具体表达式如下：
Figure BDA0003714693190000041
其中，
Figure BDA0003714693190000042
表示车辆加速度，k表示驾驶员的灵敏性，vi表示当前速度，Vdes表示驾驶员在车头时距di处的期望速度，Vdes的具体表达式如下：
Vdes(di)＝V1+V2tanh[C1(di-Lveh)-C2]
其中，Lveh表示车身长度，V1、V2、C1、C2为参数，参数值分别为参数值分别为6.75m/s、7.91m/s、0.13、1.57。
进一步的，所述步骤2中以最小化平均行驶时间延迟来代表混合交通流的最大化平均交通效率，计算方法如下：
Figure BDA0003714693190000051
其中，ATTD表示平均行驶时间延迟，n表示车辆总数，
Figure BDA0003714693190000052
表示车辆i进入控制区的时刻，
Figure BDA0003714693190000053
表示车辆i离开控制区的时刻，即车辆花费
Figure BDA0003714693190000054
通过控制区，而在自由驾驶条件下，车辆花费Lctrl/vmax通过控制区，Lctrl表示控制区的长度,vmax表示车辆最大速度。
进一步的，所述步骤2中优化红绿灯信号配时的具体计算公式如下：
Figure BDA0003714693190000055
其中，Ej表示信号交叉口第j相位的绿灯时长；C表示信号交叉口周期时长；Lj表示信号交叉口第j相位对应的车道流量，n表示信号交叉口的相位总数；同时，考虑到车辆启动时间和驾驶人反应时间的实际情况，在此基础上设车道绿灯时长下限为10秒，且各相位的持续时间取为5的整数倍。
进一步的，所述步骤3中车辆运动学模型如下所示：
Figure BDA0003714693190000056
Figure BDA0003714693190000057
Figure BDA0003714693190000058
t1≤t≤tf,umin≤u(t)≤umax
其中，x(t)表示t时刻自动驾驶车辆距交叉口停车线的距离；v(t)表示t时刻自动驾驶车辆的速度；u(t)表示t时刻自动驾驶车辆的加速度；S表示初始时刻自动驾驶车辆距交叉口停车线的距离；v1表示初始时刻自动驾驶车辆的速度；v(tf)表示自动驾驶车辆越过停车线的速度；umin表示最小加速度；umax表示最大加速度。
和现有技术相比，本发明的有益效果为：
(1)面向于混合交通流，提供了一种面向混合交通流下信号交叉口的双层优化方法，包括对交叉口信号灯的信号配时参数和车辆轨迹进行优化。
(2)将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，并制定了对应的行驶规则。
(3)把自动驾驶车辆的状态分为四种状态，分别为：非受控、计算、受控和重新计算，并设计了一种基于事件触发的规则来避免碰撞。
(4)通过仅控制自动驾驶车辆来优化整个信号交叉口的通行效率，有效缓解了混合交通环境下交通拥堵的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明的方法流程图。
图2是本发明的场景构建示意图。
图3是本发明的信号灯相位示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图与具体实施方式对本发明作进一步的说明。
在本发明提供一种面向混合交通流的信号交叉口双层优化方法，如图1所示，包括以下步骤：
步骤1：建立包括由自动驾驶车辆和人为驾驶车辆组成的混合交通流的信号交叉口场景，如图2所示，并将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，具体划分步骤为：在信号交叉口场景中，停车线以内的区域为交汇区，停车线至停车线外320米之间的环形区域为控制区，停车线外860米至320米之间的环形区域为观察区，停车线外超过860米的区域为自由行驶区，其中，中央控制器可以实时接收到控制区内每辆车的速度和位置信息，并可以向自动驾驶车辆发送信息和指令。
对信号交叉口场景制定对应的行驶规则，行驶规则具体为车辆在自由行驶区时可在安全的前提下换道和加减速；车辆在观察区内完成换道；车辆在控制区时禁止换道；车辆在交汇区时严格遵循红绿灯规则，有序通行。
把自动驾驶车辆的状态分为四种状态，四种状态分别为非受控、计算、受控和重新计算，由于受控时的自动驾驶车辆根据中央控制器发送的指令来行驶，有可能与前车有发生碰撞的可能性，故根据四种状态制定基于事件触发的规则来避免碰撞。
车辆状态的划分和所制定的基于事件触发的规则具体为：自动驾驶车辆到达控制区之前，处于非受控状态；自动驾驶车辆到达观察区和控制区的边界时，为计算状态；当自动驾驶车辆进入控制区后，判断自动驾驶车辆与前车是否保持安全距离，若没有保持足够的安全距离，有发生碰撞的可能性，则变为重新计算状态并判断是否有足够的空间来调整速度，若有足够的空间则减速，直到与前车保持足够的安全距离；若没有足够的空间，则变为受控状态并用跟驰模型使自动驾驶车辆跟随前车行驶，若有足够的安全距离，则保持正常状态行驶。
优选的，本发明对自动驾驶车辆与前车是否保持安全距离的具体判断为：通过中央控制器判断自动驾驶车辆与前车是否保持安全距离，安全距离为5米，若与前车距离少于5米，则为没有保持足够的安全距离，若与前车距离大于或等于5米，则保持了足够安全距离；对自动驾驶车辆是否有足够的空间来调整速度的判断为：通过中央控制器判断自动驾驶车辆与前车是否有可调整距离，可调整距离为3米，若与前车距离少于3米，则为没有足够的空间来调整速度，若与前车距离大于或等于3米，则有足够的空间来调整速度。
步骤2：当车辆驶入信号交叉口场景内的观察区时，通过车流检测器得到各车道的车流量，结合饱和流量和跟驰模型，以最大化平均交通效率为交通信号灯配时的优化目标，优化交通信号灯的信号配时，其中信号相位如图3所示，左侧车道上的车辆仅左转，右侧车道车辆可以直行或左转，不更改信号相位，仅对各相位绿灯持续的时间进行优化。
本发明的车流检测器设置于观察区内，且靠近控制区的位置设置，车流检测器可实时测出各车道的车流量。
优选的，跟驰模型采用OVM跟驰模型，使用OVM跟驰模型来描述人为驾驶车辆的运动状态，OVM跟驰模型具体表达式如下：
Figure BDA0003714693190000091
其中，
Figure BDA0003714693190000092
表示车辆加速度，k表示驾驶员的灵敏性，本实施方式中取值为0.85s-1，vi表示当前速度，Vdes表示驾驶员在车头时距di处的期望速度，Vdes的具体表达式如下：
Vdes(di)＝V1+V2tanh[C1(di-Lveh)-C2]
其中，Lveh表示车身长度，本实施方式中取值为5米，V1、V2、C1、C2为参数，参数值分别为6.75m/s、7.91m/s、0.13、1.57。
本发明以最小化平均行驶时间延迟来代表混合交通流的最大化平均交通效率，计算方法如下：
Figure BDA0003714693190000093
其中，ATTD表示平均行驶时间延迟，n表示车辆总数，
Figure BDA0003714693190000094
表示车辆i进入控制区的时刻，
Figure BDA0003714693190000095
表示车辆i离开控制区的时刻，即车辆花费
Figure BDA0003714693190000096
通过控制区，而在自由驾驶条件下，车辆花费Lctrl/vmax通过控制区，Lctrl表示控制区的长度，为320米,vmax表示车辆最大速度，为17m/s。
优化红绿灯信号配时的具体计算公式如下：
Figure BDA0003714693190000097
其中，Ej表示信号交叉口第j相位的绿灯时长；C表示信号交叉口周期时长，本实施方式中取值为60s；Lj表示信号交叉口第j相位对应的车道流量，n表示信号交叉口的相位总数,值为4；同时，考虑到车辆启动时间和驾驶人反应时间的实际情况，在此基础上设车道绿灯时长下限为10秒，且各相位的持续时间取为5的整数倍。
步骤3：当自动驾驶车辆进入控制区后，中央控制器结合优化后的交通信号灯配时信息、车辆运动学模型和车辆当前时刻的速度和位置，以最大化平均交通效率为车辆轨迹优化模型的优化目标，通过伪谱法求解最优速度轨迹；其中，车辆运动学模型如下所示：
Figure BDA0003714693190000101
Figure BDA0003714693190000102
Figure BDA0003714693190000103
t1≤t≤tf,umin≤u(t)≤umax
其中，x(t)表示t时刻自动驾驶车辆距交叉口停车线的距离；v(t)表示t时刻自动驾驶车辆的速度；u(t)表示t时刻自动驾驶车辆的加速度；S表示初始时刻自动驾驶车辆距交叉口停车线的距离；v1表示初始时刻自动驾驶车辆的速度；v(tf)表示自动驾驶车辆越过停车线的速度；umin表示最小加速度,本实施方式中为-2.1m/s2；umax表示最大加速度，本实施方式中为2.0m/s2。
步骤4：自动驾驶车辆按照伪谱法求解出的最优速度轨迹行驶，在满足步骤3中车辆的最大和最小加速度的情况下，选择合适的目标时间窗，在绿灯相位下到达停车线，人为驾驶车辆通过跟驰模型跟随自动驾驶车辆平顺通过交叉口。

Claims (10)

1.一种面向混合交通流的信号交叉口双层优化方法,其特征在于，包括以下步骤：
步骤1：建立包括由自动驾驶车辆和人为驾驶车辆组成的混合交通流的信号交叉口场景，将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，制定对应的行驶规则，并把自动驾驶车辆的状态分为四种状态，四种状态分别为非受控、计算、受控和重新计算，根据四种状态制定基于事件触发的规则来避免碰撞；
步骤2：当车辆驶入信号交叉口场景内的观察区时，通过车流检测器得到各车道的车流量，结合饱和流量和跟驰模型，以最大化平均交通效率为交通信号灯配时的优化目标，优化交通信号灯的信号配时；
步骤3：当自动驾驶车辆进入控制区后，中央控制器结合优化后的交通信号灯配时信息、车辆运动学模型和车辆当前时刻的速度和位置，以最大化平均交通效率为车辆轨迹优化模型的优化目标，通过伪谱法求解最优速度轨迹；
步骤4：自动驾驶车辆按照伪谱法求解出的最优速度轨迹行驶，在满足步骤3中车辆的最大和最小加速度的情况下，在绿灯相位下到达停车线，人为驾驶车辆通过跟驰模型跟随自动驾驶车辆平顺通过交叉口。
2.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述的步骤1中将信号交叉口划分为自由行驶区、观察区、控制区和交汇区，具体步骤为：在信号交叉口场景中，停车线以内的区域为交汇区，停车线至停车线外320米之间的环形区域为控制区，停车线外860米至320米之间的环形区域为观察区，停车线外超过860米的区域为自由行驶区。
3.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述的步骤1中制定的行驶规则具体为：车辆在自由行驶区时可在安全的前提下换道和加减速；车辆在观察区内完成换道；车辆在控制区时禁止换道；车辆在交汇区时严格遵循红绿灯规则，有序通行。
4.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述步骤1中车辆状态的划分和所制定的基于事件触发的规则具体为：自动驾驶车辆到达控制区之前，处于非受控状态；自动驾驶车辆到达观察区和控制区的边界时，为计算状态；当自动驾驶车辆进入控制区后，判断自动驾驶车辆与前车是否保持安全距离，若没有保持足够的安全距离，有发生碰撞的可能性，则变为重新计算状态并判断是否有足够的空间来调整速度，若有足够的空间则减速，直到与前车保持足够的安全距离；若没有足够的空间，则变为受控状态并用跟驰模型使自动驾驶车辆跟随前车行驶，若有足够的安全距离，则保持正常状态行驶。
5.根据权利要求4所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，对自动驾驶车辆与前车是否保持安全距离的具体判断为：通过中央控制器判断自动驾驶车辆与前车是否保持安全距离，安全距离为5米，若与前车距离少于5米，则为没有保持足够的安全距离，若与前车距离大于或等于5米，则保持了足够安全距离；对自动驾驶车辆是否有足够的空间来调整速度的判断为：通过中央控制器判断自动驾驶车辆与前车是否有可调整距离，可调整距离为3米，若与前车距离少于3米，则为没有足够的空间来调整速度，若与前车距离大于或等于3米，则有足够的空间来调整速度。
6.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述步骤2中，车流检测器设置于观察区内，且靠近控制区的位置设置，车流检测器可实时测出各车道的车流量。
7.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述步骤2中，所述的跟驰模型采用OVM跟驰模型，使用OVM跟驰模型来描述人为驾驶车辆的运动状态，OVM跟驰模型具体表达式如下：
Figure FDA0003714693180000031
其中，
Figure FDA0003714693180000032
表示车辆加速度，k表示驾驶员的灵敏性，vi表示当前速度，Vdes表示驾驶员在车头时距di处的期望速度，Vdes的具体表达式如下：
Vdes(di)＝V1+V2tanh[C1(di-Lveh)-C2]
其中，Lveh表示车身长度，V1、V2、C1、C2为参数，参数值分别为参数值分别为6.75m/s、7.91m/s、0.13、1.57。
8.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法及***，其特征在于，所述步骤2中以最小化平均行驶时间延迟来代表混合交通流的最大化平均交通效率，计算方法如下：
Figure FDA0003714693180000041
其中，ATTD表示平均行驶时间延迟，n表示车辆总数，
Figure FDA0003714693180000042
表示车辆i进入控制区的时刻，
Figure FDA0003714693180000043
表示车辆i离开控制区的时刻，即车辆花费
Figure FDA0003714693180000044
通过控制区，而在自由驾驶条件下，车辆花费Lctrl/vmax通过控制区，Lctrl表示控制区的长度,vmax表示车辆最大速度。
9.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述步骤2中优化红绿灯信号配时的具体计算公式如下：
Figure FDA0003714693180000045
其中，Ej表示信号交叉口第j相位的绿灯时长；C表示信号交叉口周期时长；Lj表示信号交叉口第j相位对应的车道流量，n表示信号交叉口的相位总数；同时，考虑到车辆启动时间和驾驶人反应时间的实际情况，在此基础上设车道绿灯时长下限为10秒，且各相位的持续时间取为5的整数倍。
10.根据权利要求1所述的一种面向混合交通流的信号交叉口双层优化方法，其特征在于，所述步骤3中车辆运动学模型如下所示：
Figure FDA0003714693180000046
Figure FDA0003714693180000047
Figure FDA0003714693180000048
t1≤t≤tf,umin≤u(t)≤umax
其中，x(t)表示t时刻自动驾驶车辆距交叉口停车线的距离；v(t)表示t时刻自动驾驶车辆的速度；u(t)表示t时刻自动驾驶车辆的加速度；S表示初始时刻自动驾驶车辆距交叉口停车线的距离；v1表示初始时刻自动驾驶车辆的速度；v(tf)表示自动驾驶车辆越过停车线的速度；umin表示最小加速度；umax表示最大加速度。
CN202210733253.4A 2022-06-27 2022-06-27 一种面向混合交通流的信号交叉口双层优化方法 Pending CN115083164A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210733253.4A CN115083164A (zh) 2022-06-27 2022-06-27 一种面向混合交通流的信号交叉口双层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210733253.4A CN115083164A (zh) 2022-06-27 2022-06-27 一种面向混合交通流的信号交叉口双层优化方法

Publications (1)

Publication Number Publication Date
CN115083164A true CN115083164A (zh) 2022-09-20

Family

ID=83255506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210733253.4A Pending CN115083164A (zh) 2022-06-27 2022-06-27 一种面向混合交通流的信号交叉口双层优化方法

Country Status (1)

Country Link
CN (1) CN115083164A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115953903A (zh) * 2023-03-14 2023-04-11 武汉理工大学 一种基于物联网的交叉口直行车辆连续通行方法
CN116092310A (zh) * 2023-01-28 2023-05-09 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110718074A (zh) * 2019-11-06 2020-01-21 清华大学 混合交通交叉路口的信号灯与车辆的协同控制方法
CN110942645A (zh) * 2019-11-06 2020-03-31 清华大学 混合交通交叉路口的车辆控制方法
CN114495527A (zh) * 2022-02-23 2022-05-13 长安大学 一种混合交通环境下网联交叉口车路协同优化方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110718074A (zh) * 2019-11-06 2020-01-21 清华大学 混合交通交叉路口的信号灯与车辆的协同控制方法
CN110942645A (zh) * 2019-11-06 2020-03-31 清华大学 混合交通交叉路口的车辆控制方法
CN114495527A (zh) * 2022-02-23 2022-05-13 长安大学 一种混合交通环境下网联交叉口车路协同优化方法及***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116092310A (zh) * 2023-01-28 2023-05-09 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及***
CN116092310B (zh) * 2023-01-28 2023-07-18 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及***
CN115953903A (zh) * 2023-03-14 2023-04-11 武汉理工大学 一种基于物联网的交叉口直行车辆连续通行方法

Similar Documents

Publication Publication Date Title
CN111325981B (zh) 一种智能网联条件下的交叉***通流微观控制方法
CN115083164A (zh) 一种面向混合交通流的信号交叉口双层优化方法
CN108831143B (zh) 基于车路协同技术的信号交叉口车队速度引导方法
CN107730931B (zh) 一种车路协同环境下车辆编队控制及其信号优化方法
CN107933551B (zh) 一种智能车队换道方法
CN106448194B (zh) 交叉路***通信号和车辆协同控制方法及装置、车辆
WO2022142540A1 (zh) 基于智能网联信息的新能源汽车滑行控制***、方法及新能源汽车
CN114973733B (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
CN108986471A (zh) 混合交通条件下交叉口车辆引导方法
CN105035090A (zh) 基于交通信号灯的自主驾驶车辆轨迹预测控制方法
CN115273500B (zh) 一种信号交叉口网联车辆轨迹优化引导方法及***
CN113192347B (zh) 动态交通场景下智能网联车辆经济性驾驶控制方法
CN107730920A (zh) 一种基于道钉灯的动态可变车道控制方法
CN114419903B (zh) 一种智能网联汽车队列路口通行控制方法、装置及车辆
CN110910646A (zh) 用于交叉口的无人驾驶公交车辆的协同控制方法
CN113257007B (zh) 交叉口共享自动驾驶车道的信号控制方法及***
CN111243304A (zh) 基于acc车辆在v2i信号控制交叉口的控制方法
CN114120666B (zh) 一种基于车路协同的智能车速诱导***
CN115713863A (zh) 一种面向自动驾驶专用相位的轨迹规划与信号优化方法
CN114495547A (zh) 一种面向自动驾驶汽车的信号交叉口协同通行策略
CN114241757A (zh) 一种用于智能网联车辆的入口匝道协同汇流控制方法
CN114333364A (zh) 一种自动驾驶车辆通过信号交叉口生态驾驶方法
CN113223324B (zh) 高速匝道入口合流的控制方法
CN113034955B (zh) 一种自适应巡航车队通过信号路口的通行方法及装置
CN110364003A (zh) 基于车联网的交叉路口双线路有轨电车信号优先控制方法

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