一种基于宏观模型的近信号区混合交通可变限速控制方法技术

本发明专利技术公开了一种基于宏观模型的近信号区混合交通可变限速控制方法，包括以下步骤：对近信号区路段进行功能和长度上的划分；将各路段的交通流信息周期性反馈给控制区域内的车辆；基于宏观模型构建适用于近信号区的混合交通可变限速模型；根据控制目标确定目标函数和约束条件，设计基于宏观模型的混合交通可变限速控制方法；控制设定时间间隔内每一控制路段内的车辆按照计算最优的速度执行速度调节过程。本发明专利技术给出了一种在新型混合交通条件下对近信号区混合车群有效控制的可变限速控制方法，为缓解近信号区内信号灯周期性调控和车辆换道带来的不利影响提供了新途径。辆换道带来的不利影响提供了新途径。辆换道带来的不利影响提供了新途径。

【技术实现步骤摘要】
一种基于宏观模型的近信号区混合交通可变限速控制方法


[0001]本专利技术属于智能交通信息
，具体涉及一种基于宏观模型的近信号区混合交通可变限速控制方法。

技术介绍

[0002]近信号区指的是在道路交叉口上游受到信号灯调控影响的所有区域，它对于城市交通系统的正常运行起着重要作用。在这一区域内，车辆由于受信号灯周期性调控和车辆换道行为的影响，极易出现频繁加减速和启停现象，常常导致该区域发生交通拥堵，严重影响整体交通效率。随着智能网联汽车的发展，由网联自动车和传统人驾车组成的新型混合交通场景将共存很长一段时间，如何充分利用网联自动车来约束和引导传统人驾车，进而对交通整体进行优化，是值得研究和探讨的课题。
[0003]通过查阅相关的文献和专利，现有的关于近信号区前方交叉口区域的研究工作较为成熟，主要集中于信号灯的集中式控制和网联车辆的协同控制。专利公开文献CN110164152A共开了一种用于单交叉路口的交通信号灯控制系统，利用机器视觉的技术对路口的交通流信息进行获取，并结合神经网络算法对信号灯进行了智能调控，这在一定程度上可以提高交叉口的通行效率，但在交通流量过大条件下调控能力也随之减弱；专利公开文献CN115985119A公开了一种在全网联条件下的交叉口车辆控制和信号优化方法，利用车辆的网联通信能力及时地对车辆行为进行调整，能够有效降低交叉口的车辆能耗和提高通行效率，但这无法适应混合交通条件下传统人驾车辆存在的感知和信息传递层面的局限性问题。
[0004]因此，亟需一种能够有效抑制近信号区瓶颈负效应的混合车群速度控制方法。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种基于宏观模型的近信号区混合交通可变限速控制方法，包括以下步骤：
[0006]S1.将近信号区往上游延伸设定距离的道路，按照从上游到下游的顺序依次划分为控制区和释放区；
[0007]控制区：位于近信号区上游的虚线可换道区域；
[0008]释放区：位于近信号区下游的实线禁止换道区域；
[0009]S2.根据车辆类型将控制区路段分别划分为不同的控制长度；
[0010]S3.设定时间间隔，获取时间间隔内近信号区各路段和车辆的交通状态信息；
[0011]S4.根据近信号区内实时的路段与车辆交通状态信息，基于宏观模型构建适用于近信号区的混合交通可变限速模型；
[0012]S5.根据控制目标设计目标函数和约束条件，设计基于宏观模型的混合交通可变限速控制方法；
[0013]S6.控制设定时间间隔内每一控制路段内的车辆按照计算最优的速度执行速度调
节过程。
[0014]进一步，所述步骤S1中，控制区的长度为200～1000m，释放区的长度为40～100m。
[0015]进一步，所述步骤S2中，车辆类型分为网联自动车CAV和传统人驾车HV，网联自动车CAV的控制长度为L
cav
，传统人驾车HV的控制长度为L
hv
。
[0016]进一步，所述步骤S3中，路段交通状态信息包括路段i的交通流平均速度v
i
、交通流密度ρ
i
、流量q
i
以及信号灯的相位信息μ；车辆交通状态信息包括车辆类型p、网联自动车渗透率β、当前所属车道c、目标转向车道c
t
。
[0017]进一步，所述步骤S4包括以下子步骤：
[0018]S4.1根据t时刻路段i的密度信息ρ
i
(t)、流量信息q
i
(t)，以及前一路段i
‑
1的流量信息q
i
‑1(t)，确定路段i在t+1时刻的期望密度ρ
i
(t+1)，用公式表示为：
[0019][0020]式中，T表示预测时间步长，λ
i
表示路段i的车道数量，L
i
表示路段i的长度；
[0021]S4.2根据t时刻路段i与前一路段i
‑
1的的平均车速信息v
i
(t)和v
i
‑1(t)，以及路段i与后一路段i
‑
1的密度信息ρ
i
(t)和ρ
i+1
(t)，确定路段i在t+1时刻的期望速度v
i
(t+1)，用公式表示为：
[0022][0023]式中，η表示速度密度关系系数，τ表示驾驶员速度调整函数，ξ表示补偿系数，s
l，i
表示车道l上路段i的流量转移率；另外H[ρ
i
(t)]表示期望速度函数，用公式表示为：
[0024]H[ρ
i
(t)]＝βV[ρ
i
(t)]CAV
+(1
‑
β)V[ρ
i
(t)]HV
[0025][0026][0027]式中，V[ρ
i
(t)]CAV
表示网联自动车的期望速度函数，V[ρ
i
(t)]HV
表示传统人驾车的期望速度函数，μ是当前信号灯相位的强度反应系数，v
f
表示路段畅行速度，p
c
表示临界交通流密度，α
i
表示模型参数，v
max
表示车辆最大行驶速度，p表示当前路段与信号灯所在路段的间隔路段数，ρ0表示安全密度，ρ
s
表示信号区域的交通流密度；
[0028]S4.3根据t时刻计算的路段i在t+1时刻的期望密度和期望速度，确定路段i在t+1时刻的期望流量，用公式表示为：
[0029]q
i
(t+1)＝λ
i
ρ
i
(t+1)v
i
(t+1)。
[0030]进一步，所述步骤S5包括以下子步骤：
[0031]S5.1从通行量、燃油消耗和行程时间三个方面确定控制目标，三个控制目标的权
重分配为2∶1∶1，归一化后目标函数最终表示为：
[0032]min J＝TFC+TTT
‑
TTC
[0033]其中，TFC表示在时间间隔内的燃油消耗，TTT表示行程时间，TTC表示通行量；
[0034]S5.2设定目标函数的约束条件：
[0035]①
求得的限速值不超过近信号区最高限速值；
[0036]②
相邻路段和相邻步长内的发布限速差值不超过10km/h；
[0037]③
将求得的发布限速值取为5km/h的整数倍；
[0038]S5.3设置路侧可变信息板，路侧可变信息板每隔60s更新一次限速值对通过的传统人驾车HV进行路段级的速度引导；通过V2X通信技术每隔0.1s对网联自动车CAV更新一次车道级的控制指令。
[0039]进一步，所述步骤S6包括以下子步骤：
[0040]S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宏观模型的近信号区混合交通可变限速控制方法，其特征在于，包括以下步骤：S1.将近信号区往上游延伸设定距离的道路，按照从上游到下游的顺序依次划分为控制区和释放区；控制区：位于近信号区上游的虚线可换道区域；释放区：位于近信号区下游的实线禁止换道区域；S2.根据车辆类型将控制区路段分别划分为不同的控制长度；S3.设定时间间隔，获取时间间隔内近信号区各路段和车辆的交通状态信息；S4.根据近信号区内实时的路段与车辆交通状态信息，基于宏观模型构建适用于近信号区的混合交通可变限速模型；S5.根据控制目标设计目标函数和约束条件，设计基于宏观模型的混合交通可变限速控制方法；S6.控制设定时间间隔内每一控制路段内的车辆按照计算最优的速度执行速度调节过程。2.根据权利要求1所述的一种基于宏观模型的近信号区混合交通可变限速控制方法，其特征在于：所述步骤S1中，控制区的长度为200～1000m，释放区的长度为40～100m。3.根据权利要求1所述的一种基于宏观模型的近信号区混合交通可变限速控制方法，其特征在于：所述步骤S2中，车辆类型分为网联自动车CAV和传统人驾车HV，网联自动车CAV的控制长度为L
cav
，传统人驾车HV的控制长度为L
hv
。4.根据权利要求1所述的一种基于宏观模型的近信号区混合交通可变限速控制方法，其特征在于：所述步骤S3中，路段交通状态信息包括路段i的交通流平均速度v
i
、交通流密度ρ
i
、流量q
i
以及信号灯的相位信息μ；车辆交通状态信息包括车辆类型p、网联自动车渗透率β、当前所属车道c、目标转向车道c
t
。5.根据权利要求4所述的一种基于宏观模型的近信号区混合交通可变限速控制方法，其特征在于：所述步骤S4包括以下子步骤：S4.1根据t时刻路段i的密度信息ρ
i
(t)、流量信息q
i
(t)，以及前一路段i
‑
1的流量信息q
i
‑1(t)，确定路段i在t+1时刻的期望密度ρ
i
(t+1)，用公式表示为：式中，T表示预测时间步长，λ
i
表示路段i的车道数量，L
i
表示路段i的长度；S4.2根据t时刻路段i与前一路段i
‑
1的的平均车速信息v
i
(t)和v
i
‑1(t)，以及路段i与后一路段i
‑
1的密度信息ρ
i
(t)和ρ
i+1
(t)，确定路段i在t+1时刻的期望速度v
i
(t+1)，用公式表示为：
式中，η表示速度密度关系系数，τ表示驾驶员速度调整函数，ξ表示补偿系数，s
l,i
表示车道l上路段i的流量转移率；另外H[ρ
...

【专利技术属性】
技术研发人员：孙棣华，赵敏，何清妍，
申请(专利权)人：重庆大学，
类型：发明
国别省市：