【技术实现步骤摘要】
一种考虑无人驾驶车辆的路网混合流量日变预测方法
本专利技术属于交通领域，具体涉及一种考虑无人驾驶车辆的路网混合流量日变预测方法。
技术介绍
随着无人驾驶技术的日渐成熟，无人驾驶车辆将会成为一种重要的出行方式，且结合无人驾驶车辆的特性，其必然会对现有的城市交通系统产生重大影响，改变现有的出行方式及交通流模式。类似于传统的出行者(指非自动驾驶车辆)，无人驾驶车辆在日复一日的出行中也会逐渐调整出行选择，但其与传统的出行者不同，无人驾驶车辆不具有人类的偏好属性、风险态度，不对路径选择产生主观化的感知，而是根据计算机计算出的结果做出路径规划。因此无人驾驶车辆与出行者具有不同的路径选择规则，在逐日出行过程中表现出不同的流量演化情况。既有研究主要集中在无人驾驶车辆对出行者的吸引力及对城市交通拥堵的影响分析方面，均未从无人驾驶车辆投放后对传统路网流量的动态影响方面进行分析，而路网流量的变化会引起交通供给与交通需求的波动，从而影响整个交通网络的稳定性与可靠性。通过分析无人驾驶车辆的逐日动态演化过程，可以预测无人驾驶车辆投放后路网系统混...
【技术保护点】
1.一种考虑无人驾驶车辆的路网混合流量日变预测方法，其特征在于，包括下述步骤：/nS1：混合流量日变模型路段-路径流量关系确定，路网中的流量由无人驾驶流量和出行者流量两部分构成，路网中的两部分流量演化分别同时进行，当两者均达到均衡状态时，路网总流量随之均衡，路网中各部分流量分别等于各路径的流量之和；/nS2：路径-路段阻抗函数/行程时间确定，通过每次的实际出行时间对路网参数进行修正，结合第n-1天路径k的均值与第n天路径k的出行时间可以对第n天路径k的均值进行更新，第n天路径k的方差由第n-1天路径k的方差和第n天的均值及行程时间更新；/nS3：出行者流量日变前景值关系确定...
【技术特征摘要】
1.一种考虑无人驾驶车辆的路网混合流量日变预测方法，其特征在于，包括下述步骤：
S1：混合流量日变模型路段-路径流量关系确定，路网中的流量由无人驾驶流量和出行者流量两部分构成，路网中的两部分流量演化分别同时进行，当两者均达到均衡状态时，路网总流量随之均衡，路网中各部分流量分别等于各路径的流量之和；
S2：路径-路段阻抗函数/行程时间确定，通过每次的实际出行时间对路网参数进行修正，结合第n-1天路径k的均值与第n天路径k的出行时间可以对第n天路径k的均值进行更新，第n天路径k的方差由第n-1天路径k的方差和第n天的均值及行程时间更新；
S3：出行者流量日变前景值关系确定，出行者依据路径前景进行路径选择且路网处于非均衡状态时，流量会逐渐向路径前景较大的路径转移；当出行者流量满足随机用户均衡条件时，所有具有出行者流量的路径前景相等且等于最大前景值，所有没有出行者流量的路径前景不大于最大路径前景值；
S4：出行者流量逐日更新方法及条件，出行者在逐日出行中根据前一日的路径前景调整当日的出行路径，直至达到出行者流量均衡状态；
S5：无人驾驶流量日变模型最优流量分配确定，根据系统最优的均衡条件，当无人驾驶流量满足系统最优时，在所有具有无人驾驶流量的路径上增加一个出行单位时，该单位遇到的阻抗及该单位经过路径对原有流量产生的额外阻抗最小，即增加一个出行单位对网络总阻抗的边际贡献最小，所有没有无人驾驶流量的路径增加一个出行单位时，该增加的出行单位对路网总阻抗的边际贡献不小于最小边际阻抗，无人驾驶车辆在逐日的路径调整过程中遵循系统最优原则调整出行路径，直至达到路网中无人驾驶流量系统最优状态。
2.根据权利要求1所述考虑无人驾驶车辆的路网混合流量日变预测方法，其特征在于，所述步骤S1具体为：
假设路网G＝(N,A)，式中N表示节点集，A表示路段集，对于任意路段a∈A，r、s分别表示起讫点，R、S分别表示起讫点集合，有rs∈RS，k表示路径，K表示路径集，有k∈K，Krs表示连接OD对rs间所有路径的集合，qrs表示研究时段内起讫点间的交通需求量，u和z分别表示出行者和无人驾驶车辆；
路网中的流量的数学描述如下：
式中，分别表示起讫点rs间的出行者交通需求量与无人驾驶车辆交通需求量，分别表示第n天起讫点rs间路径k上的出行者流量与无人驾驶流量；
由路网总流量与两部分流量的关系可知，任意路径的流量等于两部分流量之和，即：
由路段与路径的关联关系可得路段-路径的流量函数关系，即：
3.根据权利要求1所述一种考虑无人驾驶车辆的路网混合流量日变预测方法，其特征在于，步骤S2中，路径-路段的阻抗函数关系为：
式中，表示第n天起讫点rs间路径k的流量，xa(n)表示第n天路段a的流量，表示标志变量，用以反映路段与路径是否关联，若a∈k，则该变量取1，否则取0，当表示第n天起讫点rs间路径k的行程时间，t(xa(n))表示第n天路段a的实际行程时间，ta0表示路段a的自由流行程时间，ca表示路段a的通行能力；
所述对第n天路径k的均值τk(n)进行更新和第n天路径k的方差(σk(n))2由第n-1天路径k的方差和第n天的均值及行程时间更新的方法为：
τk(n)＝[τk(n-1)·(n-1)+tk(n)]/n
(σk(n))2＝[(σk(n-1))2·(n-1)+(tk(n)-τk(n))2]/n式中，tk(n)表示第n天路径k的实际行程时间，当n＝1时，τk(1)＝tkfree，σk(1)＝0，tkfree表示路径k的自由流行程时间。
4.根据权利要求1所述一种考虑无人驾驶车辆的路网混合流量日变预测方法，其特征在于，步骤S3具体为：
采用路径前景来进行路径选择需要建立出行收益或者损失框架，假设参考点事先给定并不随时间变化，用e0表示；受自身历史出行经验和习惯影响，出行者的路径理解行程时间和实际行程时间往往不同，且实际行程时间是理解行程时间的基础，每一次实际出行的完成都会对理解行程时间造成影响，据此得到理解行程时间的逐日调整方程：
式中，etk(n)为理解行程时间，为参数，表示前一日理解行程时间对出行日的理解行程时间的影响权...
【专利技术属性】
技术研发人员：田晟，朱泽坤，肖佳将，冯宇鹏，许凯，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。