CN115641734B - 高速公路施工场景主线交通控制方法和*** - Google Patents

Abstract

本发明实施例公开了一种高速公路施工场景主线交通控制方法和***，其中，方法包括：所述路端传感器实时获取高速公路的交通状态，并上传至所述云控平台；所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；所述云控平台根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；所述路侧单元根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；所述车辆将所述控制信息显示在车内的虚拟情报板。本实施例以虚拟情报板为载体，在车路协同环境下对高速公路施工区域进行精准有效的控制。

Description

高速公路施工场景主线交通控制方法和***

技术领域

本发明实施例涉及智能交通领域，尤其涉及一种高速公路施工场景主线交通控制方法。

背景技术

高速公路作为平均速度高、机动性强的连续交通流设施，承载着数量庞大的出行和运输需求。高速公路需要进行养护维修，养护维修期间的交通安全问题以及道路拥堵问题会对高速公路正常运行造成极大地不利影响。

现有的高速公路施工区域交通控制策略通常以固定的交通设施为载体，如设置在龙门架上的可变情报板、设置在路侧的标志牌等。因高速公路建设预算、道路条件等原因，这些交通设施往往存在布设密度较低、间距不均匀、时效性差、遵从率低等特点，无法充分满足智慧高速精准有效管控的需要。同时，现有技术中的交通控制策略通常以高速公路宏观交通参数作为影响控制的因素，难以考虑车辆的微观信息并对车辆进行精准控制。

发明内容

本发明实施例提供一种高速公路施工场景主线交通控制方法，以虚拟情报板为载体，在车路协同环境下对高速公路施工区域进行精准有效的控制。

第一方面，本发明实施例提供了一种高速公路施工场景主线交通控制方法，应用于高速公路施工场景主线交通控制***，所述控制***包括：路端传感器、云控平台、路侧单元和车辆；所述方法包括：

所述路端传感器实时获取高速公路的交通状态，并上传至所述云控平台；

所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；

所述云控平台根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；

所述路侧单元根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；

所述车辆将所述控制信息显示在车内的虚拟情报板。

第一方面，本发明实施例提供一种高速公路施工场景主线交通控制***，包括：路端传感器、云控平台、路侧单元和智能网联车辆；

所述路端传感器用于实时获取高速公路的交通状态，并上传至所述云控平台；

所述云控平台用于根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；并根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；

所述路侧单元用于根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；

所述车辆将所述控制信息显示在车内的虚拟情报板。

本发明实施例在高速公路主线出现占道施工事件后，通过云控平台施工事件信息整合由路段传感器获取的交通状态数据，计算施工场景下需要进行控制的高速公路时空范围；并通过模型预测最优限速值，生成交通控制范围内的最优控制指令；随后将控制指令通过路侧单元发送至智能网联车辆中，针对单个车辆进行控制指令的传达；车内通过虚拟情报板向驾驶员传达控制信息，从而引导施工位置上游来车提前减速与变换车道，保障交通安全并提高高速公路施工区域通行能力。与传统控制方法相比，本发明摆脱了通过固定可变情报板发出控制指令的限制，能够在合适的时空范围内对车辆进行控制指令的精准下发，保障了高速公路施工区域的安全性，提高了高速公路主线交通控制的效率。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种高速公路施工场景主线交通控制***的示意图。

图2是本发明实施例提供的一种高速公路施工场景主线交通控制方法的示意图。

图3是本发明实施例提供的一种的高速公路设备布设的示意图。

图4是本发明实施例提供的一种最优限速值的计算流程图。

图5是本发明实施例提供的一种根据车道变换控制指令生成显示标志的流程图。

图6是本发明实施例提供的一种根据车道状态控制指令生成显示标志的流程图。

图7是本发明实施例提供的一种生成提示文字的流程图。

图8是本发明实施例是各类虚拟情报板模板的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本申请提供一种高速公路施工场景主线交通控制方法。为了说明该方法，优先介绍应用该方法的高速公路施工场景主线交通控制***。图1是本发明实施例提供的一种高速公路施工场景主线交通控制***的示意图，如图1所示，所述控制***包括：路端传感器、云控平台、路侧单元和车辆。其中，路段传感器、云控制平台和路侧单元均来自于车路协同环境下智慧高速公路***。车辆为智能网联车辆，需要具备与路侧单元进行信息交互的功能。

基于图1的控制***，图2是本发明实施例提供的一种高速公路施工场景主线交通控制方法的流程图。该方法适用于在高速公路上存在施工事件时进行车流量控制的情况。该方法由图1所示的控制***执行，如图2所示，具体包括如下步骤。

S110、所述路端传感器实时获取高速公路的交通状态，并上传至所述云控平台。

路端传感器用于采集路段交通流数据和车辆运行数据。在图3所示的具体实施方式中，路端传感器为布设在高速公路上的多个毫米波雷达，布设间距为1000米，精确检测范围为500米，采集数据间隔为30秒，安装于道路横断面上方的龙门架，可检测龙门架两侧路段的交通状态信息。

可选的，定义路段长度为毫米波雷达向某方向的检测范围，即路段长度为500米，相邻龙门架之间包含2个路段，数据采集以路段为单位。高速公路在某路段某采集时间的交通状态S_i,t＝[Q_i,t,K_i,t,V_mean,i,t,V_std,i,t]，其中i表示路段编号，t表示数据采集时间，Q表示路段平均流量(单位：veh/h/lane)，K表示路段平均密度(单位：veh/km/lane)，V_mean表示路段所有车辆的平均行驶速度(单位：km/h)，V_std表示路段所有车辆行驶速度的标准差(单位：km/h)。

S120、所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围。

所述施工事件信息由施工部门预先发布在云控平台中，包括：施工的开始时间和结束时间，以及施工占用的路段和车道。进一步的，施工事件信息包括施工计划开始时间T_begin、施工计划结束时间T_end，以及施工区域的纵向影响范围D_vertical和横向影响范围D_horizontal。纵向影响范围以施工占用的路段为基本元素，即D_vertical＝{Section_i,…,Section_i+k}，表示施工区域纵向影响范围包含路段i至路段i+k。横向影响范围以施工占用的路段和车道为基本元素，即D_horizontal＝{Section_i:lane_a,lane_b}，表示施工区域横向影响范围在路段i内包含车道a和车道b。在图3所示的具体实施方式中，施工事件信息为D_vertical＝{Section₅,Section₆,Section₇}，D_horizontal＝{Section₅:lane₃,Section₆:lane₃,Section₇:lane₃}，T_begin＝11:00，T_end＝17:00。

具体的，所述云控平台获取所述交通状态和施工事件信息后，执行如下步骤：

步骤一、根据所述开始时间和结束时间，以及施工准备时间，确定是施工现场交通控制的时间范围。施工场景下的交通控制范围表示该控制方法生效的范围，分为时间范围和空间范围。在计算时间范围时，需要考虑前置时间T_advance，该时间用于进行施工前的准备工作。确定的时间范围为T_control＝[T_begin-T_advance,T_end]。在图3所示的具体实施方式中，T_advance＝0.5h，T_control＝[T_begin-T_advance,T_end]＝[10:30,17:00]。

步骤二、根据所述施工占用的路段和车道，以及所述施工占用的路段前的至少一个路段的车流量，动态确定施工现场交通控制的空间范围。在计算空间范围时，需要设置前置路段数m，且根据流量变化动态调整空间范围。可选的，当路段Section_i-m,…,Section_i-2内的15分钟平均流量Q₁₅均需大于关键流量，即Q_15,i-m,…,Q_15,i-2≥Q_15,critical时，所述交通控制的空间范围为D_control＝[Section_i-m,…,Section_i-2,Section_i-1,D_vertical](m≥1)。在图3所示的具体实施方式中，设定前置路段数m恒等于1，且路段Section₄内的15分钟平均流量Q₁₅均大于关键流量，则交通控制的空间范围为D_control＝[Sect n₄,Section₅,Section₆,Section₇]。

步骤三、构建如下预测模型，用于预测交通控制范围内任一路段未来的平均车密度和平均车速：

其中，i表示路段编号，k表示离散的时间片段索引，每个时间片段的长度为T；Q_i,k表示路段i在时间段[(k-1)T,kT]内的平均车流量，ρ_i,k表示路段i在时间索引k处的平均车密度，ρ_i,k+1表示路段i在时间索引k+1处的平均车密度，v_i,k表示路段i在时间索引k处的平均车速，v_i,k+1表示路段i在时间索引k+1处的平均车速；λ_i表示路段i的车道数，L_i表示路段i的长度(km)，q_i,k表示在时间段[(k-1)T,kT]内，从路段i流向路段i+1的平均车速；τ、κ和υ均表示标定好的模型参数；V_SL,i,k表示路段i在时间索引k处的限速值；Q_max,i+1表示路段i+1所能容纳的最大流量，ω_i+1表示路段i+1的交通波速度，ρ_jam,i+1表示路段i+1的拥堵密度，θ_i+1表示路段i+1的缩减量。

步骤四、构建基于路段整体特征的第一目标函数：

其中，i∈D_control表示位于交通控制范围内的路段；v_{veh_i,x,j}表示车辆veh_i在时刻j、位置x处的车速；Std.(v_veh__i,x,j)表示在时间片段索引j时，在section_i内的车速标准差。从整体角度而言，需要通过减小路段内速度标准差和车辆数，来保证高速公路施工场景下的交通控制范围内的安全性，即第一目标函数的优化方向是min J。

步骤五、构建车辆个体特征的第二目标函数：

其中，v_free,i表示路段i的自由流速度，v_{veh_i,x,j}＝min{v_{desire,veh_i,x,j},V_SL,i,j}，v_{desire,veh_i,x,j}表示车辆veh_i在时刻j、位置x处的期望速度，Np为自然数。对个体车辆而言，需要通过减小每辆车的延误来提高通行效率，保证尽快通过施工区域，即第二目标函数的优化方向是min L。其中，所述限速值V_SL,i,k和期望速度v_{desire,veh_i,x,j}的计算方式如下：

其中，

表示路段i的关键密度，distance_{veh_i}表示车辆veh_i距离施工区域起点的距离，α,β为速度参数。

在无控制条件下，通过实测数据标定路段i的属性参数Q_max,i、ω_i、ρ_jam,i、

θ_i、α和β；在无控制条件下，采用顺序二次规划算法，根据实测数据标定预测控制模型参数τ、κ和υ，标定过程需在满足预测值与真实值误差小于设定范围时时收敛。在图3所示的具体实施方式中，各参数表1和表2所示：

表1

模型参数	参数值	模型参数	参数值
				T	10s	υ	60km2/h
λ	3	Qmax	2000veh/h/lane
				L	500m	ω	11.5km/h
τ	18s	ρjam	180veh/lane/km
				κ	40veh/lane/km	θ	15％

表2

预测模型和目标函数构建完毕后，当时间进入所述时间范围后，所述云控平台执行如下步骤，如图4所示：

步骤一、初始化当前时间片段之后Nc个时间片段的限速值，设置第Nc+1个时间片段到第Np个时间片段的限速值为与第Nc个时间片段的限速值相等，Nc<Np；将所述当前时间片段之后Np个时间片段的限速值代入所述预测模型，预测所述N_P个时间片段的平均车密度和平均车速。在时间t进入T_control范围内后，对时间进行离散化处理，启动预测控制模型；根据实时获取交通状态S_i,t和车辆状态v_{veh_i,x,j}，预测当前时间索引后的N_P个时间段内的交通状态。

步骤二、根据所述预测结果，计算所述第一目标函数和所述第二目标函数；根据设定规则迭代更新所述Np个时间片段的限速值，返回所述平均车密度和平均车速的预测步骤，直到所述第一目标函数和所述第二目标函数满足最小化条件。可选的，迭代计算可以采用遗传算法、蚁群算法、随机森林等，各算法对应不同的设定规则，在此不再赘述。此外，根据预测控制理论，当预测步长大于一定值时，预测结果将会趋于稳定，因此在最优限速值的计算中，设置第Nc+1个时间片段到第Np个时间片段的限速值为与第Nc个时间片段的限速值相等，以减少迭代计算中的参数量。

步骤三、将满足最小化条件的限速值作为所述当前时间片段的下一时间片段的最优限速值。将模型输出的限速值V_SL,i,j运用在当前索引之后的一个时间片段中，判断时间t是否超出T_control，若是，则结束计算，否则回到步骤一。在图3所示的具体实施方式中，N_P＝42＝7min，N_C＝6＝3min。

S130、所述云控平台根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元。

所述交通控制指令包括限速控制指令、车道变换控制指令、车道状态控制指令和文字提示指令中的至少一个。在图3所示的具体实施方式中，路侧单元的布设间隔为250米，控制指令的计算与发送频率Δt＝30s。根据交通控制指令的种类，本实施例以下几种可选实施方式：

第一种可选实施方式，根据所述交通控制范围内每个路段的限速值，生成每个路段的限速控制指令，并下发至每个路段的路侧单元。具体的，首先在时间t进入T_conol范围内后，实时计算任一路段在当前时间后的Np个时间片段的最优限速值，根据该最优限速值生成当前时间后的一个时间片段的限速控制指令(具体过程如图4所示)，并在所述一个时间片段下发至每个路段的路侧单元。

第二种可选实施方式，对于所述施工占用的路段之外的其余路段，根据所述施工占用的车道，生成车道变换控制指令。具体的，对于在交通控制区内但在施工区域纵向影响范围外的路段，即Section_i∈(D_control\D_vertical)，提取该路段在横向影响范围D_horizontal中对应的车道编号，根据该车道编号计算路段内每条车道的显示标志，形成车道变换控制指令。以图3的具体实施方式为例，施工区域横向影响范围D_horizontal＝{Section₅:lane₃,Section₆:lane₃,Section₇:lane₃}。对于在交通控制区内但在施工区域纵向影响范围外的路段，即Section_i∈(D_control\D_vertical)，提取Section_i在D_horizontal中对应的车道编号，根据该编号计算路段内每条车道的显示标志，形成车道变换控制指令。

可选的，如果所述施工占用的路段之外的其余路段中的任一车道为施工占用的车道，判断所述车道两侧是否存在车道；如果任一侧存在车道且不是施工占用的车道，生成向所述一侧车道变道的车道变换指令。此外，还可以生成每条车道的显示标志，所述显示标志用于显示所述车道变换指令。具体的，对路段道路横断面的每条车道lane_i，判断车道是否与施工占用车道匹配。若lane_i∈D_horizontal，判断车道lane_i左侧是否存在车道lane_i,left，若存在且

则该车道显示白色左指示箭头；否则，判断车道lane_i右侧是否存在车道lane_i,right，若存在且/>

则该车道显示白色右指示箭头；否则，该车道显示黄色警告标志。若/>

则该车道显示白色前向箭头。当前车道判断完毕后，转至下一车道重复以上操作，如图5所示。

以图3的具体实施方式为例，对路段道路横断面的每条车道lane_i，判断车道是否与施工占用车道匹配。若lane_i＝lane₃，则判断车道lane_i左侧是否存在车道lane_i,left，若存在且lane_i,left≠lane₃，则该车道显示白色左指示箭头，并转至下一车道；否则，判断车道lane_i右侧是否存在车道lane_i,right，若存在且lane_i,right≠lane₃，则该车道显示白色右指示箭头；否则，该车道显示黄色警告标志。若lane_i≠lane₃，则该车道显示白色前向箭头。当前车道判断完毕后，转至下一车道重复以上操作。

第三种可选实施方式，对于所述施工占用的路段，根据所述施工占用的车道，生成车道状态控制指令。具体的，对于在交通控制区内且在施工区域纵向影响范围内的路段，即Section_i∈D_vertical，根据施工区域横向影响范围D_horizontal，生成路段内每条车道的显示标志，用于显示车道状态控制指令。包括如下操作：对路段道路横断面的每条车道lane_i，判断车道是否与施工占用车道匹配，若lane_i∈D_horizontal，则该车道显示红色叉号，否则该车道显示白色前向箭头，如图6所示。

以图3的具体实施方式为例，施工区域横向影响范围D_horizontal＝{Section₅:lane₃,Section₆:lane₃,Section₇:lane₃}。对于在交通控制区内且在施工区域纵向影响范围内的路段，即Section_i∈{Section₅,Section₆,Section₇}，根据施工区域横向影响范围D_horizontal，生成路段内每条车道的显示标志。对路段道路横断面的每条车道lane_i，判断车道是否与施工占用车道匹配，若lane_i＝lane₃，则该车道显示红色叉号，否则该车道显示白色前向箭头。

第四种实施方式，对于所述控制范围内的路段，生成文字提示指令，用于提示告知前方施工区距离和提示车辆减速慢行。具体的，对于在交通控制区内但在施工区域纵向影响范围外的路段，即Section_i∈(D_control\D_vertical)，输出“前方x公里处占道施工，请减速慢行”文字信息，其中x(km)表示车辆距离D_vertical起点的距离。对于在交通控制区内且在施工区域纵向影响范围内的路段，即Section_i∈D_vertical，输出“施工区域，减速慢行”文字信息，如图7所示。

以图3的具体实施方式为例，对于在交通控制区内但在施工区域纵向影响范围外的路段，即Section_i∈(D_control\D_vertical)，输出“前方x公里处占道施工，请减速慢行”文字信息，其中x(km)表示车辆距离Section₅起点的距离。对于在交通控制区内且在施工区域纵向影响范围内的路段，即Section_i∈{Section₅,Section₆,Section₇}，输出“施工区域，减速慢行”文字信息。

需要说明的是，根据交通控制指令包括的种类，上述四种可选实施方式可以单独存在或组合存在，均属于本实施例的保护范围。

S140、所述路侧单元根据所述交通控制指令，向距离最近的车辆发布对应的控制信息。路侧单元向智能网联车发送控制信息的范围在时间上需满足T_control,在空间上满足D_control，发送频率为Δτ。

S150、所述车辆将所述控制信息显示在车内的虚拟情报板。

智能网联车辆终端根据控制信息，计算在相应的虚拟情报板展示模板内需填充的信息，将完整的虚拟情报板显示在智能网联车内。可选的，如图8所示，限速虚拟情报板模板包含1个显示面板，显示当前车辆限速值，限速值的取值为5的倍数，最大值为120km/h，最小值为20km/h；车道状态虚拟情报板模板需要包含λ_{veh_i,x}个分块板，λ_{veh_i,x}表示智能网联车辆veh_i在道路桩号x处的车道数量(图8中λ_vehi,x＝3，与图3的具体实施方式对应)，每块分块板按顺序对应车道的开启或关闭状态，开启状态由白色前向箭头表示，关闭状态由红色叉号表示；提示变道虚拟情报板模板要包含λ_{veh_i,x}分块板，每块分块板按顺序对应车道的变道提示，分块板可显示4种图形，分别为白色左指示箭头、白色右指示箭头、白色前向箭头和黄色警告标志，表示向左换道、向右换道、直行不变换车道和前方施工警示；文字信息虚拟情报板模板包含1个显示面板，显示文字信息。

具体的，车辆根据控制信息，计算在相应的虚拟情报板展示模板内需填充的信息，将完整的虚拟情报板显示在智能网联车内，具体包括：填充限速值，车辆veh_i在时间t，位置在x时，填充限速值V_SL,i,t，其中x∈Section_i；填充车道变换信息，若接收到路侧单元发送的控制信息，即按控制信息填充，否则不显示车道变换信息；填充车道状态信息，若接收到路侧单元发送的控制信息，即按控制信息填充，否则不显示车道状态信息；填充文字信息，若接收到路侧单元发送的控制信息，即按控制信息填充，否则不显示文字信息。

需要说明的是，S120-S150均是在当前时间属于所述交通控制的时间范围内进行的。如果当前时间还没有进入所述时间范围，或已经超出所述时间范围，则S120-S150停止执行。

在本实施例中，当高速公路主线出现占道施工事件后，云控平台施工事件信息整合由路段传感器获取的交通状态数据，计算施工场景下需要进行控制的高速公路时空范围，并通过模型预测控制方法，以交通***安全性最优与车辆延误最低为目标进行双层规划，生成交通控制范围内的最优控制指令；随后将控制指令通过路侧单元发送至智能网联车辆中，针对单个车辆进行控制指令的传达；车内通过虚拟情报板向驾驶员传达控制信息，从而引导施工位置上游来车提前减速与变换车道，保障交通安全并提高高速公路施工区域通行能力。与传统控制方法相比，本发明摆脱了通过固定可变情报板发出控制指令的限制，能够在合适的时空范围内对车辆进行控制指令的精准下发，保障了高速公路施工区域的安全性，提高了高速公路主线交通控制的效率。

本发明实施例还提供一种高速公路施工场景主线交通控制***，如图1所示，该控制***包括：路端传感器、云控平台、路侧单元和智能网联车辆。所述路端传感器用于实时获取高速公路的交通状态，并上传至所述云控平台；所述云控平台用于根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；并根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；所述路侧单元用于根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；所述车辆将所述控制信息显示在车内的虚拟情报板。

可选的所述交通控制指令包括车道变换控制指令和/或车道状态控制指令；所述虚拟情报板包括显示面板和/或多个分块板；所述显示面板用于最大限速和/或提示文字；每个分块板对应一个车道，用于显示所述车道的车道变换控制指令和/或车道状态控制指令。

本实施例提供的控制***用于实现上述任一实施例所述的控制方法，并具有相应的技术效果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims (7)

1.一种高速公路施工场景主线交通控制方法，应用于高速公路施工场景主线交通控制***，其特征在于，所述控制***包括：路端传感器、云控平台、路侧单元和车辆；

所述方法包括：

所述路端传感器实时获取高速公路的交通状态，并上传至所述云控平台；

所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；

所述云控平台根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；

所述路侧单元根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；

所述车辆将所述控制信息显示在车内的虚拟情报板；

其中，所述交通状态包括：所述高速公路中每个路段的平均车流量、平均车密度，以及所有车辆的平均车速和车速标准差；

在所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值之前，还包括：

构建如下预测模型，用于预测交通控制范围内任一路段未来的平均车密度和平均车速：

其中，i表示路段编号，k表示离散的时间片段索引，每个时间片段的长度为T；Q_i,k表示路段i在时间段[(k-1)T,kT]内的平均车流量，ρ_i,k表示路段i在时间索引k处的平均车密度，ρ_i,k+1表示路段i在时间索引k+1处的平均车密度，v_i,k表示路段i在时间索引k处的平均车速，v_i,k+1表示路段i在时间索引k+1处的平均车速；λ_i表示路段i的车道数，L_i表示路段i的长度，单位km，q_i,k表示在时间段[(k-1)T,kT]内，从路段i流向路段i+1的平均车速；τ、κ和υ均表示标定好的模型参数；V_SL,i,k表示路段i在时间索引k处的限速值；Q_max,i+1表示路段i+1所能容纳的最大流量，ω_i+1表示路段i+1的交通波速度，ρ_jam,i+1表示路段i+1的拥堵密度，θ_i+1表示路段i+1的缩减量；

构建基于路段整体特征的第一目标函数：

其中，i∈D_control表示位于交通控制范围内的路段；v_{veh_i,x,j}表示车辆veh_i在时刻j、位置x处的车速；Std.(v_{veh_i,x,j})表示在时间片段索引j时，在section_i内的车速标准差；

构建车辆个体特征的第二目标函数：

/>

其中，v_free,i表示路段i的自由流速度，v_{veh_i,x,j}＝min{v_{desire,veh_i,x,j},V_SL,i,j}，v_{desire,veh_i,x,j}表示车辆veh_i在时刻j、位置x处的期望速度，Np为自然数；

所述限速值V_SL,i,k和期望速度v_{desire,veh_i,x,j}的计算方式如下：

其中，

表示路段i的关键密度，distance_{veh_i}表示车辆veh_i距离施工区域起点的距离，α,β为速度参数；

所述施工事件信息包括：施工的开始时间和结束时间，以及施工占用的路段和车道；

所述根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，包括：

在当前时间属于所述时间范围的情况下，初始化当前时间片段之后N_c个时间片段的限速值，设置第N_c+1个时间片段到第N_p个时间片段的限速值为与第N_c个时间片段的限速值相等，N_c<N_p；

将所述当前时间片段之后N_p个时间片段的限速值代入所述预测模型，预测所述N_p个时间片段的平均车密度和平均车速；

根据所述预测结果，计算所述第一目标函数和所述第二目标函数；

根据设定规则迭代更新所述N_p个时间片段的限速值，返回所述平均车密度和平均车速的预测步骤，直到所述第一目标函数和所述第二目标函数满足最小化条件；

将满足最小化条件的限速值作为所述当前时间片段的下一时间片段的最优限速值。

2.根据权利要求1所述的方法，其特征在于，所述施工事件信息包括：施工的开始时间和结束时间，以及施工占用的路段和车道；

所述根据所述交通状态和预先存储的施工事件信息，实时预测施工场景下交通控制范围内的限速值，包括：

根据所述开始时间和结束时间，以及施工准备时间，确定是施工现场交通控制的时间范围；根据所述施工占用的路段和车道，以及所述施工占用的路段前的至少一个路段的车流量，动态确定施工现场交通控制的空间范围。

3.根据权利要求1所述的方法，其特征在于，所述构建施工场景下交通控制范围内任一路段未来的平均车密度和平均车速的预测模型之前，还包括：

在无控制条件下，通过实测数据标定路段i的属性参数Q_max,i、ω_i、ρ_jam,i、

θ_i、α和β；在无控制条件下，采用顺序二次规划算法，根据实测数据标定预测控制模型参数τ、κ和υ，标定过程需在满足预测值与真实值误差小于设定范围时时收敛。

4.根据权利要求1所述的方法，其特征在于，所述施工事件信息包括：施工的开始时间和结束时间，以及施工占用的路段和车道；所述交通控制指令包括限速控制指令、车道变换控制指令、车道状态控制指令和文字提示指令中的至少一个；

所述根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述路侧单元，包括：

根据所述交通控制范围内每个路段的限速值，生成每个路段的限速控制指令；

对于所述施工占用的路段之外的其余路段，根据所述施工占用的车道，生成车道变换控制指令；

对于所述施工占用的路段，根据所述施工占用的车道，生成车道状态控制指令；

对于所述控制范围内的路段，生成文字提示指令，用于告知前方施工区距离和提示车辆减速慢行。

5.根据权利要求4所述的方法，其特征在于，所述对于所述施工占用的路段之外的其余路段，根据所述施工占用的车道，生成车道变换控制指令，包括：

如果所述施工占用的路段之外的其余路段中的任一车道为施工占用的车道，判断所述车道两侧是否存在车道；

如果任一侧存在车道且不是施工占用的车道，生成向所述一侧车道变道的车道变换指令。

6.一种高速公路施工场景主线交通控制***，其特征在于，包括：路端传感器、云控平台、路侧单元和智能网联车辆；

所述路端传感器用于实时获取高速公路的交通状态，并上传至所述云控平台；

所述云控平台用于根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，其中，所述控制范围包括时间范围和空间范围；并根据所述最优限速值和所述施工事件信息，生成交通控制指令，并下发至所述控制范围内的路侧单元；

所述路侧单元用于根据所述交通控制指令，向距离最近的车辆发布对应的控制信息；

所述车辆将所述控制信息显示在车内的虚拟情报板；

其中，所述交通状态包括：所述高速公路中每个路段的平均车流量、平均车密度，以及所有车辆的平均车速和车速标准差；

在所述云控平台根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值之前，还包括：

构建如下预测模型，用于预测交通控制范围内任一路段未来的平均车密度和平均车速：

其中，i表示路段编号，k表示离散的时间片段索引，每个时间片段的长度为T；Q_i,k表示路段i在时间段[(k-1)T,kT]内的平均车流量，ρ_i,k表示路段i在时间索引k处的平均车密度，ρ_i,k+1表示路段i在时间索引k+1处的平均车密度，v_i,k表示路段i在时间索引k处的平均车速，v_i,k+1表示路段i在时间索引k+1处的平均车速；λ_i表示路段i的车道数，L_i表示路段i的长度，单位为km，q_i,k表示在时间段[(k-1)T,kT]内，从路段i流向路段i+1的平均车速；τ、κ和υ均表示标定好的模型参数；V_SL,i,k表示路段i在时间索引k处的限速值；Q_max,i+1表示路段i+1所能容纳的最大流量，ω_i+1表示路段i+1的交通波速度，ρ_jam,i+1表示路段i+1的拥堵密度，θ_i+1表示路段i+1的缩减量；

构建基于路段整体特征的第一目标函数：

其中，i∈D_control表示位于交通控制范围内的路段；v_{veh_i,x,j}表示车辆veh_i在时刻j、位置x处的车速；Std.(v_{veh_i,x,j})表示在时间片段索引j时，在section_i内的车速标准差；

构建车辆个体特征的第二目标函数：

其中，v_free,i表示路段i的自由流速度，v_{veh_i,x,j}＝min{v_{desire,veh_i,x,j},V_SL,i,j}，v_{desire,veh_i,x,j}表示车辆veh_i在时刻j、位置x处的期望速度，Np为自然数；

所述限速值V_SL,i,k和期望速度v_{desire,veh_i,x,j}的计算方式如下：

其中，

表示路段i的关键密度，distance_{veh_i}表示车辆veh_i距离施工区域起点的距离，α,β为速度参数；

所述施工事件信息包括：施工的开始时间和结束时间，以及施工占用的路段和车道；

所述根据所述交通状态和预先存储的施工事件信息，实时计算施工场景下交通控制范围内的最优限速值，包括：

在当前时间属于所述时间范围的情况下，初始化当前时间片段之后N_c个时间片段的限速值，设置第N_c+1个时间片段到第N_p个时间片段的限速值为与第N_c个时间片段的限速值相等，N_c<N_p；

将所述当前时间片段之后N_p个时间片段的限速值代入所述预测模型，预测所述N_p个时间片段的平均车密度和平均车速；

根据所述预测结果，计算所述第一目标函数和所述第二目标函数；

根据设定规则迭代更新所述N_p个时间片段的限速值，返回所述平均车密度和平均车速的预测步骤，直到所述第一目标函数和所述第二目标函数满足最小化条件；

将满足最小化条件的限速值作为所述当前时间片段的下一时间片段的最优限速值。

7.根据权利要求6所述的***，其中，所述交通控制指令包括车道变换控制指令和/或车道状态控制指令；

所述虚拟情报板包括显示面板和/或多个分块板；所述显示面板用于最大限速和/或提示文字；每个分块板对应一个车道，用于显示所述车道的车道变换控制指令和/或车道状态控制指令。

Images