一种城市十字交叉口混合交通流协同优化底层控制方法技术

本发明专利技术提供了一种城市十字交叉口混合交通流协同优化底层控制方法，属于交通工程领域。该方法包括：确定微观跟驰模型；预测车辆初始轨迹；针对十字交叉口的冲突类型建立冲突协同模型；拟制协同控制策略集；判断车辆是否可以顺利通过冲突区域；若车辆可以顺利通过，则车辆继续遵从微观跟驰模型的速度行驶；若车辆无法顺利通过，则需判断车辆在通过冲突区域的过程中出现的具体情况，并做出对应的协同控制策略；依据所做出的协同控制策略对目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于目标车辆的协同优化控制策略，并将其作用于目标车辆，控制目标车辆的运行。

A bottom control method for collaborative optimization of mixed traffic flow at urban intersections

The invention provides a bottom control method for collaborative optimization of mixed traffic flow at urban intersections, which belongs to the field of traffic engineering. This method includes: determining the micro following model; predicting the initial trajectory of the vehicle; establishing the conflict coordination model for the type of conflict at the intersection; preparing the cooperative control strategy set; determining whether the vehicle can smoothly pass the conflict area; if the vehicle can smoothly pass, the vehicle continues to follow the speed of the micro following model; if the vehicle can not smoothly pass, the vehicle needs to be judged In the process of vehicle passing through the conflict area, the specific situation occurs, and the corresponding cooperative control strategy is made; according to the cooperative control strategy, the driving trajectory of the target vehicle is optimized, and the optimization problem is reduced to the optimal control problem with discrete-time state constraints, and the cooperative optimal control strategy about the target vehicle is obtained by using the idea of dynamic planning, and It acts on the target vehicle and controls the operation of the target vehicle.

【技术实现步骤摘要】
一种城市十字交叉口混合交通流协同优化底层控制方法
本专利技术涉及一种城市十字交叉口混合交通流协同优化底层控制方法，属于交通工程领域。
技术介绍
随着智能网联技术研发的不断推进，如今已能实现智能网联车辆上路行驶，加之其“智能”“安全”的特性，以后智能网联车辆必将会广泛普及，但传统手动驾驶车辆很长一段时间内也不会被完全取代，因此，未来的道路交通状况，必定会是智能网联车辆与传统手动驾驶车辆混合的一种交通情形。与此同时，随着智能网联系统的迅猛发展，有关智能网联车辆的研究越来越受到关注。平面交叉口是道路交通网络的冲突节点和瓶颈所在，交叉口交通流控制一直是交通组织管理的核心。由于城市道路中趋于饱和的车流以及没有十分切实有效的交叉口交通控制模式，使得一些平面交叉口成为了城市交通的拥堵发生地和事故多发点。现有的有关智能网联车辆的研究大多只考虑假设的100％的CAV渗透率(即所有车辆都是智能网联车辆)，但至少在不久的将来，这种假设是不现实的。同时，现有的协同决策研究大多考虑高速公路或城市特快路的情景，而对城市无信号交叉口的交通情景的研究较少。因此，研究混合交通流环境下城市交叉路口冲突协同优化控制具有重要意义。
技术实现思路
将车辆轨迹优化控制问题定义为底层问题。该底层问题的求解需要根据场景以及优化目标来考虑具体的约束条件，包括道路几何约束、安全约束、车辆类型约束。本专利技术为解决城市十字交叉路口在传统驾驶车辆(即人类驾驶车辆)和智能网联车辆(即自动驾驶车辆)混行交通状态下存在的该底层问题，提出一种城市十字交叉口混合交通流协同优化底层控制方法，该方法适用于无交通信号灯指示情况下的城市十字交叉口。传统驾驶车辆为不可优化控制的车辆，智能网联车辆为可优化控制的车辆。本专利技术为实现上述专利技术目的所采取的技术方案如下：一种城市十字交叉口混合交通流协同优化底层控制方法，包括以下步骤：S1、确定微观跟驰模型，使用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；S3、基于所述微观跟驰模型，针对十字交叉口的冲突类型，加入加速度约束、距离约束与安全约束建立冲突协同模型；所述十字交叉口的冲突类型包括交叉冲突和合流冲突；S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步判断车辆在通过冲突区域的过程中出现的具体情况，并依据所述车辆在通过冲突区域的过程中出现的具体情况对车辆做出所述步骤S4拟制的协同策略集中对应的协同控制策略，进而执行步骤S6；S6、将参与车辆通过冲突区域的过程中的可优化控制的车辆确定为目标车辆，依据步骤S5所做出的协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行。优选的，所述十字交叉口的冲突类型为交叉冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述步骤S3具体包括：假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；假设X路上的车辆k处于控制区域(XD，YD)～(XC，YC)，车辆k将通过Y路上的连续车流的两车辆之间的间隔；所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；在t时刻，X路上的车辆k和Y路上的车辆k′之间的相对距离用lk,k′(t)表示，则：其中，xk(t)表示X路上的车辆k在t时刻的位置，yk′(t)表示Y路上的车辆k′在t时刻的位置；冲突协同效用用Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；所述冲突协同效用Uk(t)表示如下：其中，|uk(t)|表示X路上车辆k在t时刻的加速度的绝对值；表示Y路上的车辆k′2在t时刻的加速度的绝对值；表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离；表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离；表示智能网联车辆的安全车身；表示传统驾驶车辆的安全车身；bsafe表示最大允许减速度；ΦA为智能网联车辆集；ΦH为传统驾驶车辆集；η1表示安全系数；η2表示礼貌系数；所述智能网联车辆为可优化控制的车辆，用字母A表示；所述传统驾驶车辆为不可优化控制的车辆，用字母H表示；礼貌系数η2的表达式如下：其中，vth是给定的阈值速度，β1和β2为常数。协同决策用Ik(t+τ)表示如下：其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。优选的，所述十字交叉口的冲突类型为合流冲突；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；所述步骤S3具体包括：假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；假设X路上的车辆k处于控制区域(XD，本文档来自技高网...

【技术保护点】
1.一种城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，包括以下步骤：/nS1、确定微观跟驰模型，使用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；/nS2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；/nS3、基于所述微观跟驰模型，针对十字交叉口的冲突类型，加入加速度约束、距离约束与安全约束建立冲突协同模型；所述十字交叉口的冲突类型包括交叉冲突和合流冲突；/nS4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；/nS5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步判断车辆在通过冲突区域的过程中出现的具体情况，并依据所述车辆在通过冲突区域的过程中出现的具体情况对车辆做出所述步骤S4拟制的协同策略集中对应的协同控制策略，进而执行步骤S6；/nS6、将参与车辆通过冲突区域的过程中的可优化控制的车辆确定为目标车辆，依据步骤S5所做出的协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行。/n...

【技术特征摘要】
1.一种城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，包括以下步骤：
S1、确定微观跟驰模型，使用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；
S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；所述冲突起点和所述冲突终点之间的路段构成冲突区域；
S3、基于所述微观跟驰模型，针对十字交叉口的冲突类型，加入加速度约束、距离约束与安全约束建立冲突协同模型；所述十字交叉口的冲突类型包括交叉冲突和合流冲突；
S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；
S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步判断车辆在通过冲突区域的过程中出现的具体情况，并依据所述车辆在通过冲突区域的过程中出现的具体情况对车辆做出所述步骤S4拟制的协同策略集中对应的协同控制策略，进而执行步骤S6；
S6、将参与车辆通过冲突区域的过程中的可优化控制的车辆确定为目标车辆，依据步骤S5所做出的协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行。


2.根据权利要求1所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述十字交叉口的冲突类型为交叉冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述步骤S3具体包括：
假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；
定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；
定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；
假设X路上的车辆k处于控制区域(XD，YD)～(XC，YC)，车辆k将通过Y路上的连续车流的两车辆之间的间隔；所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
在t时刻，X路上的车辆k和Y路上的车辆k′之间的相对距离用lk，k′(t)表示，则：



其中，xk(t)表示X路上的车辆k在t时刻的位置，yk′(t)表示Y路上的车辆k′在t时刻的位置；
冲突协同效用用Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；所述冲突协同效用Uk(t)表示如下：



其中，|uk(t)|表示X路上车辆k在t时刻的加速度的绝对值；表示Y路上的车辆k′2在t时刻的加速度的绝对值；表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离；表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离；表示智能网联车辆的安全车身；表示传统驾驶车辆的安全车身；bsafe表示最大允许减速度；ΦA为智能网联车辆集；ΦH为传统驾驶车辆集；η1表示安全系数；η2表示礼貌系数；所述智能网联车辆为可优化控制的车辆，用字母A表示；所述传统驾驶车辆为不可优化控制的车辆，用字母H表示；
协同决策用Ik(t+τ)表示如下：



其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。


3.根据权利要求1所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述十字交叉口的冲突类型为合流冲突；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；所述步骤S3具体包括：
假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；
定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；
定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；
假设X路上的车辆k处于控制区域(XD，YD)～(XC，YC)，车辆k将通过Y路上的连续车流的两车辆之间的间隔；所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；
在t时刻，X路上的车辆k和Y路上的车辆k′之间的相对距离用lk，k′(t)表示，则：
当xk(t)＜XC-r时，



当时，



当时，



其中，xk(t)表示X路上的车辆k在t时刻的位置，yk′(t)表示Y路上的车辆k′在t时刻的位置；r表示车辆k在十字交叉口的转弯半径；
冲突协同效用用Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；所述冲突协同效用Uk(t)表示如下：



其中，|uk(t)|表示X路上车辆k在t时刻的加速度的绝对值；表示Y路上的车辆k′2在t时刻的加速度的绝对值；表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离；表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离；表示X路上的车辆k与Y路上车辆k′1的安全距离，且X路上的车辆k为智能网联车辆；表示X路上的车辆k与Y路上车辆k′1的安全距离，且X路上的车辆k为传统驾驶车辆；表示X路上的车辆k与Y路上车辆k′2的安全距离，且X路上的车辆k为智能网联车辆；表示X路上的车辆k与Y路上车辆...

【专利技术属性】
技术研发人员：孙湛博，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51