CN116153065A - 车路协同环境下交叉***通信号精细化优化方法及装置 - Google Patents

车路协同环境下交叉***通信号精细化优化方法及装置 Download PDF

Info

Publication number
CN116153065A
CN116153065A CN202211708401.3A CN202211708401A CN116153065A CN 116153065 A CN116153065 A CN 116153065A CN 202211708401 A CN202211708401 A CN 202211708401A CN 116153065 A CN116153065 A CN 116153065A
Authority
CN
China
Prior art keywords
vehicle
fleet
vehicles
intersection
motorcade
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
Application number
CN202211708401.3A
Other languages
English (en)
Other versions
CN116153065B (zh
Inventor
戴荣健
周童
王旭
薛冰冰
高艳艳
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202211708401.3A priority Critical patent/CN116153065B/zh
Publication of CN116153065A publication Critical patent/CN116153065A/zh
Application granted granted Critical
Publication of CN116153065B publication Critical patent/CN116153065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/091—Traffic information broadcasting
    • G08G1/093—Data selection, e.g. prioritizing information, managing message queues, selecting the information to be output
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于车路协同交通控制领域，提供了一种车路协同环境下交叉***通信号精细化优化方法及装置。其中，该方法包括初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态；根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征；基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。

Description

车路协同环境下交叉***通信号精细化优化方法及装置
技术领域
本发明属于车路协同交通控制领域，尤其涉及一种车路协同环境下交叉***通信号精细化优化方法及装置。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着交通需求的快速增长，交叉口拥堵日益严重，严重制约城市交通网络的总体通行效率。交叉口是不同方向交通流汇聚和分离的区域，各交通要素之间存在复杂的交互，交通信号作为城市交叉口的主要调控手段，按照一定的次序向不同方向的车流分配路权，在避免车辆冲突的基础上尽可能提升车辆的通行效率，其控制策略合理与否直接决定了交叉口的运行效率。
传统交叉***通信号控制方法主要包括固定信号控制、感应信号控制和自适应信号控制。固定信号控制主要依据历史流量数据制定信号控制策略，因而无法适应交通状况的随机变化；而感应控制和自适应控制则根据车辆检测实时采集的交通状态数据动态地调整信号配时方案，能够适应交通状态的动态变化。然而，发明人发现，感应信号控制和自适应控制通常在一定规则下调整相位时长，不能从全局角度出发实现对相位开始时间、相位次序等各项参数进行精细化调整。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种车路协同环境下交叉***通信号精细化优化方法及装置，其根据实时的车辆轨迹数据，考虑车辆跟驰行为及交通信号的影响，得到车队的详细特征，包括车队到达时间、车队车头时距，在此基础上，优化相位组合、相位次序、相位开始时间及相位时长等参数，能够进一步提升交叉口资源的利用效率，进而改善交叉口运行状况。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种车路协同环境下交叉***通信号精细化优化方法。
一种车路协同环境下交叉***通信号精细化优化方法，其包括：
初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态；
根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征；
基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。
作为一种实施方式，所述车辆的初始状态包括车队中车辆的数量、每辆车的初始位置、距离交叉口的距离和初始速度。
作为一种实施方式，各条车道上的车队划分，遵循的原则为：
在一个控制周期中每条车道只考虑一个车队；
每条车道上的车队只能包含已经进入控制区域的车辆；
车队中的车辆之间的车头时距小于给定的阈值。
作为一种实施方式，交通信号优化模型以最小化车辆总行程时间为目标函数：
Figure BDA0004026562610000031
其中，T为交叉口所有车辆的总行程时间；α1和α2为权重系数，α1+α2＝1；κ(i,j)为车队中车辆的数量；S(i,j)为各相位开始时间；Η(i,j)为车队车头时距；π(i,j)为浪费绿灯时长；Φ为交叉口车队的集合。
本发明的第二个方面提供一种车路协同环境下交叉***通信号精细化优化装置。
一种车路协同环境下交叉***通信号精细化优化装置，其包括：
车队划分模块，其用于初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态；
车队特征构建模块，其用于根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征；
参数优化模块，其用于基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。
作为一种实施方式，所述车辆的初始状态包括车队中车辆的数量、每辆车的初始位置、距离交叉口的距离和初始速度。
作为一种实施方式，各条车道上的车队划分，遵循的原则为：
在一个控制周期中每条车道只考虑一个车队；
每条车道上的车队只能包含已经进入控制区域的车辆；
车队中的车辆之间的车头时距小于给定的阈值。
作为一种实施方式，交通信号优化模型以最小化车辆总行程时间为目标函数：
Figure BDA0004026562610000041
其中，T为交叉口所有车辆的总行程时间；α1和α2为权重系数，α1+α2＝1；κ(i,j)为车队中车辆的数量；S(i,j)为各相位开始时间；Η(i,j)为车队车头时距；π(i,j)为浪费绿灯时长；Φ为交叉口车队的集合。
本发明的第三个方面提供一种计算机可读存储介质。
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述所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
本发明的第四个方面提供一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
与现有技术相比，本发明的有益效果是：
(1)本发明提供了一种网联环境下交叉***通信号精细化优化方法，采用基于运动的信号配时方案，通过构建信号配时优化模型，根据实时的车辆轨迹数据实现对相位组合、相位次序、相位时长、相位开始时间等各项参数的优化，客服了传统信号控制方法调控参数较单一及灵活性较差的问题，能够进一步提升交叉口资源的利用效率，进而改善交叉口运行状况。
(3)本发明考虑到交通信号精细化控制可能带来的模型复杂、计算效率低等问题，通过将车辆划分到虚拟车队，并基于对车辆间、车辆与交通信号的交互关系，建立了车队特征与信号配时参数之间的解析关系，使提供的模型复杂度不受车辆数量的影响，大幅提升了模型的计算效率。
本发明附加方面的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，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例的交叉口示意图。
图2为本发明实施例的车队划分示意图。
图3为本发明实施例的信号配时方案示意图。
图4为本发明实施例的车辆行程时间对比情况。
图5为本发明实施例的信号周期变化情况对比图。
图6为本发明实施例的交叉口的信号配时方案执行示意图。
图7为本发明实施例的车路协同环境下交叉***通信号精细化优化方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
图1是本发明实施例的交叉口示意图。结合图7，本实施例所提出的交叉***通信号优化方法，具体包括以下步骤：
步骤1：初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，使用(i,j)表示由进口道i驶入出口道j的车队，使用n表示车队中的车辆编号；根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态。
在具体实施过程中，对每条车道上的车辆进行车队划分，每条车道只考虑一个车队，车队中车辆间的车头时距不应大于给定的阈值
Figure BDA0004026562610000065
如图2所示；根据车队划分结果，采集当前控制周期考虑的车队信息及车辆的初始状态，包括车队(i,j)中车辆的数量κ(i,j)、每辆车的初始位置xn(0)、距离交叉口的距离/>
Figure BDA0004026562610000061
和初始速度/>
Figure BDA0004026562610000062
步骤2：根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距Η(i,j)。
根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达时间
Figure BDA0004026562610000063
和
Figure BDA0004026562610000064
并计算每个车队紧密跟驰状态下的车队车头时距，得到车队特征。
步骤3：基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序、相位组合以及各相位开始时间和持续时长。
以车队特征为输入，通过信号配时优化模型计算得到信号配时方案的各项参数，包括相位次序以及各相位开始时间S(i,j)和持续时长G(i,j)。执行计算得到的信号配时方案直至结束，进入下一个控制周期。
本实施例所述的交叉口采用如表1所示的交通流量，清空时间ε＝2s，使用本发明所提出的信号配时优化方法，其中一个控制周期中优化得到的信号配时方案如图3所示。
表1基础交通流量
Figure BDA0004026562610000071
结合图2，本实施例所提出的交通信号优化方法中的交叉口车队划分方法具体如下：
以典型的4进口道交叉口为例进行说明，为了实现高效的信号控制，本发明不考虑左转直行车道，但是允许存在直行右转车道，车辆在进入控制区域前已经换道至相应的车道，即交叉口控制区域内为渠化区，不允许车辆超车和换道，控制区域的长度为L，车辆编号n由靠近交叉口向上游递增编号，n＝1表示车队的头车，xn(t)表示车辆n在t时刻的位置，车辆刚进入控制区域时刻的位置为0，到达交叉口停车线的位置为L；
在每个控制周期开始时刻，控制器会识别出需要在当前控制周期中考虑的车辆，实现各条车道上的车队划分，需要遵循以下原则：
(1)在一个控制周期中每条车道只考虑一个车队；
(2)每条车道上的车队只能包含已经进入控制区域的车辆；
(3)车队中的车辆之间的车头时距应小于给定的阈值
Figure BDA00040265626100000813
以各条车道上的车队为分析对象，一种基于车辆轨迹数据的车队特征分析方法，车队特征主要包括车队到达时间和车队车头时距，具体如下：
每条车道上考虑的车辆组成车队，车队中车辆集合用
Figure BDA0004026562610000081
表示，车队到达交叉口的时间为车队头车到达交叉口的时间，在不考虑交通信号和前方车辆的影响的情况下，任意车辆/>
Figure BDA0004026562610000082
总是倾向于以最快的方式到达交叉口；
若车辆n与交叉口的初始距离
Figure BDA0004026562610000083
较大时，其首先以最大加速度/>
Figure BDA0004026562610000084
加速至最大速度
Figure BDA0004026562610000085
之后保持最大车速/>
Figure BDA0004026562610000086
匀速行驶直至到达交叉口，加速段和匀速段的行驶时间分别为t1和t2，则最早到达时间等于两段行驶时间之和，/>
Figure BDA0004026562610000087
可以通过以下方程组求解得到；
Figure BDA0004026562610000088
当初始距离
Figure BDA0004026562610000089
较小时，车辆n无法加速至最大车速/>
Figure BDA00040265626100000810
车辆以最大加速度/>
Figure BDA00040265626100000811
保持加速，直至到达交叉口，综合以上两种情况，可以任意车辆/>
Figure BDA00040265626100000812
的最早到达时间；
Figure BDA0004026562610000091
不考虑车队到达交叉口前的绿灯时长损失，车队通过交叉口所需的绿灯时长等于车队中第一辆车(n＝1)和最后一辆车(n＝κ)在交叉口处的车头时距，用H表示，车队的车头时距与车队中的车辆数量κ以及车队中车辆的跟驰状态有关，而车辆的跟驰状态同时受交通流量水平和交通信号的影响；
使用Υ(1)表示车队头车通过交叉口的时间，其与车队到达交叉口处时的信号灯状态有关；
当车队在绿灯期间到达交叉口时，即
Figure BDA0004026562610000092
车队头车通过交叉口的时间等于其最早到达时间，/>
Figure BDA0004026562610000093
但是此时存在绿灯时长的浪费，浪费绿灯时长等于车队到达时间和绿灯开始时间的差值，/>
Figure BDA0004026562610000094
当车队在红灯期间到达交叉口处时，即
Figure BDA0004026562610000095
车队需要停车等待，此时车队头车通过交叉口的时间等于绿灯开始时间S，Υ(1)＝S，此时不存在浪费绿灯时长，π＝0；/>
综合以上两种情况，可以得到以下统一的表达形式：
Υ(1)＝S+π
Figure BDA0004026562610000096
当所有车辆具有相同的动力性能时，车辆受到前车影响时说明车队前方的车辆已经受到交通信号的影响，否则，后车无法追上前方车辆，因此车队通过交叉口的状态只有紧密跟驰状态和稀疏自由流状态两种情况；
当车队以稀疏交通流状态通过交叉口时，最后一辆车能够以自由流状态通过交叉口，其到达交叉口的时间为最早到达时间
Figure BDA0004026562610000097
此时，车队的车头时距可以表示为
Figure BDA0004026562610000101
当车队以紧密跟驰状态通过交叉口时，车队的车头时距为Η，等于紧密跟驰状态下车辆间车头时距的总和，可以通过Newell跟驰模型计算得到，此时一定有
Figure BDA0004026562610000102
综合以上两种情况，可以得到车队车头时距的统一表达形式：
Figure BDA0004026562610000103
交叉口车辆行程时间的计算过程，具体包括：
每个控制周期的开始时间初始化为0时刻，则车辆的行程时间等于其通过交叉口的时间；
Figure BDA0004026562610000104
表示从进口道i驶入出口道j的车队中的车辆集合，车队头车的行程时间等于γ(1)，对任意跟随车辆/>
Figure BDA0004026562610000105
n属于去除元素1的从进口道i驶入出口道j的车队中的车辆集合。其通过交叉口的时间γ(n)等于前方车辆通过交叉口的时间γ(n-1)与二者之间的车头时距之和，可以得到以下递推关系：
Figure BDA0004026562610000106
其中，hn′为车辆n与车辆n-1的车头时距，不小于二者紧密跟驰状态下的车头时距；
车队
Figure BDA0004026562610000107
的总行程时间Τ(i,j)等于所有车辆的行程时间的总和：
Figure BDA0004026562610000108
公式右侧第二项为车队中所有车辆的车头时距的和，取其一个上限：
Figure BDA0004026562610000109
交叉口车队的集合为Φ，进而可以得到交叉口所有车辆的总行程时间T：
Figure BDA0004026562610000111
交通信号优化模型以最小化车辆总行程时间为目标函数，可以得到一个等效的目标函数：
Figure BDA0004026562610000112
其中，α1和α2为权重系数，用于还原两部分的相对大小关系，其中α1+α2＝1，可以通过仿真测试合理取值；
图4是本实施例的车辆行程时间对比情况，图5是本实施例的信号周期变化情况对比图。本实施例提供的信号配时优化模型以交叉口车辆总行程时间最小化为目标函数，优化模型还应满足一些约束条件，包括相位时长约束、冲突相位次序约束、清空时间约束。
根据图6可知，本实施例要求每个控制周期中考虑的车队能够在当前控制周期内通过交叉口，所需的绿灯时长应不小于车队车头时距和浪费绿灯时长的和，车队车头时距和浪费绿灯时长分别有下式给出：
Figure BDA0004026562610000113
Figure BDA0004026562610000114
Figure BDA0004026562610000115
对于冲突相位u＝(i,j)∈Φ和v＝(k,l)∈Φ，其绿灯相位之间不能存在重叠，对应的绿灯相位的次序应满足：
Figure BDA0004026562610000116
式中，Φw为冲突相位的集合，Λu,v和Λv,u为0-1变量，表示两个相位的次序，Λu,v＝1表示相位u在相位v之前；反之，次序相反。
冲突相位之间应预留一定的清空时间以避免车辆冲突，清空时间通过以下约束来保证：
Figure BDA0004026562610000121
Figure BDA0004026562610000122
其中，M为一个很大的正数，ε为清空时间。
实施例二
本实施例提供了一种车路协同环境下交叉***通信号精细化优化装置，其包括：
(1)车队划分模块，其用于初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态。
其中，所述车辆的初始状态包括车队中车辆的数量、每辆车的初始位置、距离交叉口的距离和初始速度。
在一些具体实施例中，各条车道上的车队划分，遵循的原则为：
在一个控制周期中每条车道只考虑一个车队；
每条车道上的车队只能包含已经进入控制区域的车辆；
车队中的车辆之间的车头时距小于给定的阈值。
(2)车队特征构建模块，其用于根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征。
(3)参数优化模块，其用于基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。
其中，交通信号优化模型以最小化车辆总行程时间为目标函数：
Figure BDA0004026562610000131
其中，T为交叉口所有车辆的总行程时间；α1和α2为权重系数，α1+α2＝1；κ(i,j)为车队中车辆的数量；S(i,j)为各相位开始时间；Η(i,j)为车队车头时距；π(i,j)为浪费绿灯时长；Φ为交叉口车队的集合。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了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述所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
实施例四
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
本发明是参照本发明实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车路协同环境下交叉***通信号精细化优化方法，其特征在于，包括：
初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态；
根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征；
基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。
2.如权利要求1所述的车路协同环境下交叉***通信号精细化优化方法，其特征在于，所述车辆的初始状态包括车队中车辆的数量、每辆车的初始位置、距离交叉口的距离和初始速度。
3.如权利要求1所述的车路协同环境下交叉***通信号精细化优化方法，其特征在于，各条车道上的车队划分，遵循的原则为：
在一个控制周期中每条车道只考虑一个车队；
每条车道上的车队只能包含已经进入控制区域的车辆；
车队中的车辆之间的车头时距小于给定的阈值。
4.如权利要求1所述的车路协同环境下交叉***通信号精细化优化方法，其特征在于，交通信号优化模型以最小化车辆总行程时间为目标函数：
Figure FDA0004026562600000011
其中，T为交叉口所有车辆的总行程时间；α1和α2为权重系数，α1+α2＝1；κ(i,j)为车队中车辆的数量；S(i,j)为各相位开始时间；Η(i,j)为车队车头时距；π(i,j)为浪费绿灯时长；Φ为交叉口车队的集合。
5.一种车路协同环境下交叉***通信号精细化优化装置，其特征在于，包括：
车队划分模块，其用于初始化当前控制周期的开始时刻为0时刻，基于进入控制区域内车辆的状态，对每条车道上的车辆进行车队划分，根据车队划分结果，得到当前控制周期考虑的车队信息及车辆的初始状态；
车队特征构建模块，其用于根据车辆初始状态信息，计算每个车队头车和最后一辆车的最早到达交叉口时间以及每个车队紧密跟驰状态下的车队车头时距，形成车队特征；
参数优化模块，其用于基于车队特征及信号配时优化模型，得到当前控制周期的信号配时方案的参数；所述信号配时方案的参数包括相位次序以及各相位开始时间和持续时长。
6.如权利要求5所述的车路协同环境下交叉***通信号精细化优化装置，其特征在于，所述车辆的初始状态包括车队中车辆的数量、每辆车的初始位置、距离交叉口的距离和初始速度。
7.如权利要求5所述的车路协同环境下交叉***通信号精细化优化装置，其特征在于，各条车道上的车队划分，遵循的原则为：
在一个控制周期中每条车道只考虑一个车队；
每条车道上的车队只能包含已经进入控制区域的车辆；
车队中的车辆之间的车头时距小于给定的阈值。
8.如权利要求5所述的车路协同环境下交叉***通信号精细化优化装置，其特征在于，交通信号优化模型以最小化车辆总行程时间为目标函数：
Figure FDA0004026562600000031
其中，T为交叉口所有车辆的总行程时间；α1和α2为权重系数，α1+α2＝1；κ(i,j)为车队中车辆的数量；S(i,j)为各相位开始时间；Η(i,j)为车队车头时距；π(i,j)为浪费绿灯时长；Φ为交叉口车队的集合。
9.一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时实现如权利要求1-4中任一项所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的车路协同环境下交叉***通信号精细化优化方法中的步骤。
CN202211708401.3A 2022-12-29 2022-12-29 车路协同环境下交叉***通信号精细化优化方法及装置 Active CN116153065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211708401.3A CN116153065B (zh) 2022-12-29 2022-12-29 车路协同环境下交叉***通信号精细化优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211708401.3A CN116153065B (zh) 2022-12-29 2022-12-29 车路协同环境下交叉***通信号精细化优化方法及装置

Publications (2)

Publication Number Publication Date
CN116153065A true CN116153065A (zh) 2023-05-23
CN116153065B CN116153065B (zh) 2024-06-04

Family

ID=86350030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211708401.3A Active CN116153065B (zh) 2022-12-29 2022-12-29 车路协同环境下交叉***通信号精细化优化方法及装置

Country Status (1)

Country Link
CN (1) CN116153065B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108831143A (zh) * 2018-06-15 2018-11-16 合肥工业大学 基于车路协同技术的信号交叉口车队速度引导方法
CN110085037A (zh) * 2019-03-25 2019-08-02 合肥工业大学 一种车路协同环境下交叉口信号控制及车速引导***
CN110910663A (zh) * 2019-10-16 2020-03-24 清华大学 一种车路协同环境下多智能车交叉口通行协调控制方法
CN111275990A (zh) * 2020-01-16 2020-06-12 深圳市城市交通规划设计研究中心股份有限公司 一种交通信号控制方法、装置、可读存储介质及终端设备
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN113034899A (zh) * 2021-03-03 2021-06-25 山东大学 一种信控交叉口协调优化控制方法及***
WO2021189668A1 (zh) * 2020-03-27 2021-09-30 江苏智通交通科技有限公司 基于排队消散时间的路***通信号方案优化方法
CN113538936A (zh) * 2021-05-28 2021-10-22 东南大学 一种车路协同环境下的信号协同控制方法、装置及存储介质
CN113593258A (zh) * 2021-07-23 2021-11-02 广州市交通规划研究院 基于车路协同的信号配时与车速动态协调控制优化方法
WO2021227502A1 (zh) * 2020-05-14 2021-11-18 同济大学 一种信号交叉***通信号灯和车辆轨迹控制方法
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***
WO2022121510A1 (zh) * 2020-12-11 2022-06-16 多伦科技股份有限公司 基于随机策略梯度的交通信号控制方法、***及电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108831143A (zh) * 2018-06-15 2018-11-16 合肥工业大学 基于车路协同技术的信号交叉口车队速度引导方法
CN110085037A (zh) * 2019-03-25 2019-08-02 合肥工业大学 一种车路协同环境下交叉口信号控制及车速引导***
CN110910663A (zh) * 2019-10-16 2020-03-24 清华大学 一种车路协同环境下多智能车交叉口通行协调控制方法
CN111275990A (zh) * 2020-01-16 2020-06-12 深圳市城市交通规划设计研究中心股份有限公司 一种交通信号控制方法、装置、可读存储介质及终端设备
WO2021189668A1 (zh) * 2020-03-27 2021-09-30 江苏智通交通科技有限公司 基于排队消散时间的路***通信号方案优化方法
WO2021227502A1 (zh) * 2020-05-14 2021-11-18 同济大学 一种信号交叉***通信号灯和车辆轨迹控制方法
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
WO2022121510A1 (zh) * 2020-12-11 2022-06-16 多伦科技股份有限公司 基于随机策略梯度的交通信号控制方法、***及电子设备
CN113034899A (zh) * 2021-03-03 2021-06-25 山东大学 一种信控交叉口协调优化控制方法及***
CN113538936A (zh) * 2021-05-28 2021-10-22 东南大学 一种车路协同环境下的信号协同控制方法、装置及存储介质
CN113593258A (zh) * 2021-07-23 2021-11-02 广州市交通规划研究院 基于车路协同的信号配时与车速动态协调控制优化方法
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***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGHAI LI, RONGJIAN DAI: "The merging control method of on-ramp vehicles based on cooperative vehicle infrastructure system for highway entering ramp", THIRD INTERNATIONAL CONFERENCE ON TRAFFIC ENGINEERING AND TRANSPORTATION SYSTEMS (ICTETS 2019), vol. 688, 31 December 2019 (2019-12-31) *
张汝华, 杨晓光, 严海: "智能交通信息特征分析与处理***设计", 交通运输***工程与信息, no. 04, 31 August 2003 (2003-08-31) *

Also Published As

Publication number Publication date
CN116153065B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
CN108510764B (zh) 一种基于q学习的多路口自适应相位差协调控制***及方法
CN113781806B (zh) 一种用于智能网联环境下的混合交通流通行方法
CN114495527B (zh) 一种混合交通环境下网联交叉口车路协同优化方法及***
Chen et al. An improved adaptive signal control method for isolated signalized intersection based on dynamic programming
CN109410561B (zh) 一种高速路车辆匀异质编队行驶控制方法
CN111583675A (zh) 一种区域路网交通信号灯协调控制***和方法
CN107016858A (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
CN109284527B (zh) 一种城市路段交通流仿真的方法
CN112037540B (zh) 一种潮汐交通状态干线信号协调设计方法与装置
CN109523808B (zh) 一种移位左转交叉口的渠化优化方法
CN113312752A (zh) 一种主路优先控制交叉***通仿真方法及装置
CN112258864B (zh) 基于顺序选择的自动驾驶车辆路口调度方法及***
CN112767715B (zh) 一种交叉路***通信号灯与智能网联汽车的协同控制方法
CN116189462B (zh) 一种面向混合交通流的车辆轨迹与交通信号协同控制方法
CN113593226A (zh) 一种混合交通流环境下自动驾驶专用道交叉口控制方法
WO2023035666A1 (zh) 一种基于预期收益估计的城市路网交通信号灯控制方法
CN115565390A (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
CN113223324B (zh) 高速匝道入口合流的控制方法
CN116863729A (zh) 一种基于深度强化学习算法的多智能体道路交通信号控制方法
CN113724507B (zh) 基于深度强化学习的交通控制与车辆诱导协同方法和***
CN113538932A (zh) 一种车路协同环境下的无信号交叉口资源调度方法
CN116153065B (zh) 车路协同环境下交叉***通信号精细化优化方法及装置
CN116935673A (zh) 网联环境下考虑行人过街的信号交叉口车辆通行方法
CN114187771B (zh) 基于协同式自适应巡航控制的公交车驾驶控制方法及***
CN113409567B (zh) 一种公交与自动驾驶车辆混行车道的交通评估方法和***

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