基于宏观城市交通流的智能车辆行驶速度及时间预测方法技术

本发明专利技术提出一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，首先选取行驶环境下的道路和环境相关变量进行量化；其次建立智能车辆自主驾驶的GIS数据库；其次，结合回归分析法，提出行驶环境下各关键变量的组合法则，得到城市交通网络中智能车辆行驶车速大小与道路设计参数、交通条件、实时路况的多元线性关系。再次，基于梯形密度-流量基本图的宏观城市交通流理论的VLM模型，得到路段的VLM模型的动态和稳态特征，给出城市宏观交通流的速度和时间评价函数。最后，结合路段在不同的车流量密度以及初始状态下的多元线性车速模型，得到城市道路网络中智能车辆的行驶车速约束方程，进而求得满足目标函数的最优行驶车速及其行程时间。

【技术实现步骤摘要】
基于宏观城市交通流的智能车辆行驶速度及时间预测方法
本专利技术属于城市交通中的智能车辆模型研究，涉及一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法。
技术介绍
交通流理论是描述所研究的道路网络中交通车辆的运动规律，阐述交通现象形成的机理，为城市道路与公路的规划设计和营运管理提供理论指导。在智能交通系统(ITS)的研究中，建立合适的城市交通网络的交通流模型是交通控制中至关重要的研究内容。宏观交通流模型是将真实的动态交通忽略个别车辆的细节并进行相应的简化后的近似。Carlos(2011)提出一种变量限速架构下的单元可变长度模型(VLM)用于高速交通网络建模，通过将路段分割为两个尺寸可变的单元来有效描述交通情况和道路拥堵程度，用于包含拥堵路段的可变限速研究中。VLM模型对路段进行可变长度的分段研究，能够充分兼顾交通流的微观特性，关注少数车辆之间的交通状态传递，且对未饱和交通流、饱和乃至过饱和交通流均有良好的描述效果。车辆在道路网络中运行，其行驶速度除了受到交通流的影响外，还受到道路级别、坡度、平曲线率、车道数、车道宽、路段限速、匝道及互通区、交通组成及交通限速等城市公路路型设计因素的影响。同时，这些因素也会对路段的交通容量产生影响，从而影响其交通流的实时分布和建模分析的准确性。针对各种线形条件、道路设施及道路结构物等不同路况条件下的安全高效行驶，针对性地提出路段交通流模型，并由此建立准确合理的车辆行驶速度及时间模型，更适用于实际的城市交通道路网络中的交通情况有效描述和分析。地理信息系统(GIS)集地理时空数据的管理、存储和可视化于一体，且对大量数据进行分析和处理的能力十分出色，被广泛应用于智能车辆的导航与路径规划、城市公共设施的选址与方案评估、环境与资源的演变与保护研究等。GIS对于车辆的路径规划和行驶控制中具有至关重要的作用，尤其在地面无人车辆(UGV)和智能车辆中的先进辅助驾驶系统(ADAS)中是不可或缺的重要组成部分。通行速度和行程时间是智能交通系统(ITS)的许多应用系统如路径诱导系统(RGS)和先进交通管理系统(ATMS)的关键参数。随着ITS研究的深入，通行速度和行程时间预测已经成为国内外广泛关注的课题。由于交通流具有非线性、时变性和不确定性等特性，交通流模型须能准确简洁地描述实时道路交通流演变过程，对于通行速度和行程时间的预测才能更加实时和准确。首先，选取行驶环境下的道路和环境相关变量进行收集和测定，对关键变量进行量化。其次，建立智能车辆自主驾驶的GIS数据库，分为静态经验场、动态实时场及车本体场，为行驶速度及时间模型提供经验数据和实时道路环境信息。其次，结合回归分析法，提出行驶环境下各关键变量的组合法则，得到城市交通网络中智能车辆行驶车速大小与道路设计参数、交通条件、实时路况的多元线性关系。再次，基于梯形密度-流量基本图的宏观城市交通流理论的VLM模型，得到路段的VLM模型的动态和稳态特征，给出城市宏观交通流的速度和时间评价函数。最后，结合路段在不同的车流量密度以及初始状态下的多元线性车速模型，得到城市交通道路网络中智能车辆的行驶车速约束方程，进而求得满足目标函数的最优行驶车速及其行程时间，从而为智能车辆在城市道路中的自主驾驶和路径选择提供行驶参考。本专利技术中建立的智能车辆行驶速度及时间模型，可获得与实际交通现况相符的道路通行性能评价结果，包括路段最高通行效率的行驶速度、逼近实时交通情况的道路通行时间等；可用于指导城市智能交通网络中的地面无人车辆(UGV)和其他智能车辆的先进辅助驾驶系统(ADAS)，以最优参考行驶速度在城市路网中行驶，制定经济高效的交通出行计划；提高不同路型和交通条件下的城市交通道路的行驶安全，实现对宏观交通流快速有效地调节，同时保证交通流的稳定和道路的高效通行；充分发挥道路设施的潜在功能和作用，减小事故发生的可能性。
技术实现思路
本专利技术的目的是提出一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，适用于城市交通道路网络中各种典型路型和实际交通流场景，能有效地评价智能车辆在城市道路环境中的行驶状况，反映道路交通网络的通行效率和运行规律，为地面无人车辆(UGV)和车辆的先进辅助驾驶系统(ADAS)的自主驾驶和路径规划提供驾驶参考，也有效提高其在城市交通道路网络中行驶的安全性和高效性。一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，包括以下步骤：步骤一、选取智能车辆各种行驶环境下，对智能车辆行驶车速和行程时间产生影响的道路关键变量，进行智能车辆城市道路行驶环境变量信息的测定；步骤二、对步骤一中选取和测定的道路属性及城市交通道路交通网络信息，进行量化处理；步骤三、设定智能车辆本体与行驶速度相关的性能参数及配置，以及在行驶过程中的实时行驶位置、行驶环境信息的检测；步骤四、建立用于智能车辆自主驾驶的城市交通道路网络GIS数据库，对城市交通道路网络中不同路段的道路信息和城市交通道路网络进行存储和管理；步骤五、分析影响行驶车速的道路属性的参数特点及其对行驶车速的作用，采用广义线性回归方法，得到道路属性参数和运行速度之间的多元线性关系，获得各影响车速的道路属性要素的组合法则，建立道路属性-运行速度模型；步骤六、采用基于交通密度-流量基本图的宏观交通流单元长度可变模型描述城市交通道路网络中交通实况和道路拥堵程度，对城市交通道路网络中的不同路段单元交通流建立符合路段特性的优化VLM模型；步骤七、求解所述的优化VLM模型的微分方程组的解函数，得到各路段中自由流路段和拥堵路段的车流密度，及拥堵长度随时间和车辆行驶速度的函数关系；根据交通流密度-流量基本图及优化VLM模型的微分方程组分析行驶速度的相关约束方程，从而建立不同路段单元中交通流的宏观行驶速度模型；步骤八、根据交通流密度-流量基本图及优化VLM模型的微分方程组，分析得到行驶速度的相关约束方程，满足此约束方程的行驶车速值，均是智能车辆在道路上可实现的行驶车速，并得到在当前行驶车速下的行程时间模型；步骤九、基于城市交通道路网络的道路属性信息GIS数据库、城市公路设计原则对速度影响的行驶速度回归模型和城市交通道路网络的宏观交通流的优化VLM模型，建立道路条件、交通实况和交通流影响下的城市交通道路网络的车辆交通性能评价矩阵，并根据评价模型目标函数，求得最优行驶速度和路段行程时间。步骤一中所述的道路关键变量包括：①城市交通道路网络中公路、道路线性设计的参数，包括起止节点、路段长度、曲率半径、斜坡长度、路段梯度、车道数、车道宽、路肩宽；②车辆运行环境下与行驶车速有关的主要道路网路中各路段道路属性信息和交通规则相关信息，包括路口处的红绿灯、道路级别、路段限速、交通占有量、摩擦阻力参数；③道路网路交通实况和历史信息数据，包括交通容量、交通需求、拥塞程度、出入口密度、匝道流量、通行时间、路段交通熵、路线交叉密度。步骤二中所述的量化处理采用以下方法：起止节点S_Node，E_Node，以其地理位置坐标表示，存储在GIS数据库中；将曲率半径R<＝1000m的路段作为圆曲线路段，记为曲率半径R＝实际曲率半径值，曲率半径R>1000m路段作为直线路段，记为曲率半径R＝9999；将路段坡度G<3％作为平缓路段，记为路段坡度本文档来自技高网...

【技术保护点】
一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，其特征在于，包括以下步骤：步骤一、选取智能车辆各种行驶环境下，对智能车辆行驶车速和行程时间产生影响的道路关键变量，进行智能车辆城市道路行驶环境变量信息的测定；步骤二、对步骤一中选取和测定的道路属性及城市道路交通网络信息，进行量化处理；步骤三、设定智能车辆本体与行驶速度相关的性能参数及配置，以及在行驶过程中的实时行驶位置、行驶环境信息的检测；步骤四、建立用于智能车辆自主驾驶的城市交通道路网络GIS数据库，对城市道路网络中不同路段的道路信息和城市道路网络进行存储和管理；步骤五、分析影响行驶车速的道路属性的参数特点及其对行驶车速的作用，采用广义线性回归方法，得到道路属性参数和运行速度之间的多元线性关系，获得各影响车速的道路属性要素的组合法则，建立道路属性‑运行速度模型；步骤六、采用基于梯形交通流基本图的宏观交通流单元长度可变模型描述城市道路网络中交通实况和道路拥堵程度，对城市交通道路网络中的不同路段单元交通流建立符合路段特性的优化VLM模型；步骤七、求解所述的优化VLM模型的微分方程组的解函数，得到各路段中自由流路段和拥堵路段的车流密度，及拥堵长度随时间和车辆行驶速度的函数关系；根据交通流密度‑流量基本图及VLM模型方程分析行驶速度的相关约束方程，从而建立不同路段单元中交通流的宏观行驶速度模型；步骤八、根据交通流密度‑流量基本图及VLM模型方程，分析得到行驶速度的相关约束方程，满足此约束方程的行驶车速值，均是智能车辆在道路上可实现的行驶车速，并得到在当前行驶车速下的行程时间模型；步骤九、基于城市交通网络的道路属性信息GIS数据库、城市公路设计原则对速度影响的行驶速度回归模型和城市道路网络的宏观交通流VLM模型，建立道路条件、交通实况和交通流影响下的城市道路网络的车辆交通性能评价矩阵，并根据评价模型目标函数，求得最优行驶速度和路段行程时间。...

【技术特征摘要】
1.一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，其特征在于，包括以下步骤：步骤一、选取智能车辆各种行驶环境下，对智能车辆行驶车速和行程时间产生影响的道路关键变量，进行智能车辆城市道路行驶环境变量信息的测定；步骤二、对步骤一中选取和测定的道路属性及城市交通道路网络信息，进行量化处理；步骤三、设定智能车辆本体与行驶速度相关的性能参数及配置，以及在行驶过程中的实时行驶位置、行驶环境信息的检测；步骤四、建立用于智能车辆自主驾驶的城市交通道路网络GIS数据库，对城市交通道路网络中不同路段的道路信息和城市交通道路网络进行存储和管理；步骤五、分析影响行驶车速的道路属性的参数特点及其对行驶车速的作用，采用广义线性回归方法，得到道路属性参数和运行速度之间的多元线性关系，获得各影响车速的道路属性要素的组合法则，建立道路属性-运行速度模型；步骤六、采用基于交通流密度-流量基本图的宏观交通流单元长度可变模型描述城市交通道路网络中交通实况和道路拥堵程度，对城市交通道路网络中的不同路段单元交通流建立符合路段特性的优化VLM模型；步骤七、求解所述的优化VLM模型的微分方程组的解函数，得到各路段中自由流路段和拥堵路段的车流密度，及拥堵长度随时间和车辆行驶速度的函数关系；根据交通流密度-流量基本图及优化VLM模型的微分方程组分析行驶速度的相关约束方程，从而建立不同路段单元中交通流的宏观行驶速度模型；步骤八、根据交通流密度-流量基本图及优化VLM模型的微分方程组，分析得到行驶速度的相关约束方程，满足此约束方程的行驶车速值，均是智能车辆在道路上可实现的行驶车速，并得到在当前行驶车速下的行程时间模型；步骤九、基于城市交通道路网络的道路属性信息GIS数据库、城市公路设计原则对速度影响的行驶速度回归模型和城市交通道路网络的宏观交通流的优化VLM模型，建立道路条件、交通实况和交通流影响下的城市交通道路网络的车辆交通性能评价矩阵，并根据评价模型目标函数，求得最优行驶速度和路段行程时间。2.如权利要求1所述的一种基于宏观城市交通流的智能车辆行驶速度及时间预测方法，其特征在于，步骤一中所述的道路关键变量包括：①城市交通道路网络中公路、道路线性设计的参数，包括起止节点、路段长度、曲率半径、斜坡长度、路段梯度、车道数、车道宽、路...

【专利技术属性】
技术研发人员：王美玲，张叶青，潘允辉，王新平，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11