车路协同环境下交叉口可变导向车道、信号灯及车辆轨迹优化模型

摘要

本发明公开了一种车路协同环境下可变导向车道与信号灯、车辆轨迹的协同优化模型，优化目标为最小化所有车辆在交叉口的通行时间，具体包括：在智能交叉口控制系统检测到车辆位置、速度、加速度、车辆数等信息后，对车辆轨迹进行优化，同时会依据当前交叉口的道路及交通条件，对可变导向车道的类型进行判定，同时调整交叉口信号配时方案，实现可变导向车道、车辆轨迹及信号灯三者协同优化，以达到减小交叉口总延误、提高通行能力的目的。

说明书

技术领域

本发明属于道路交通控制领域，具体涉及车路协同环境下交叉口可变导向车道、信号灯及车辆轨迹三者协同优化。

背景技术

随着社会经济的快速发展，城市小汽车的保有量也急剧增加，随之也带来了许多交通问题，例如交通拥堵严重，交通事故频发等。而城市交叉口往往又是造成交通拥堵的关键节点，同时也是事故多发之地，因此对交叉口进行控制及优化以提高交叉口通行效率、减少车辆在交叉口的通行延误是非常必要的。

可变导向车道是一种动态的交通管理与控制方法，它可以根据实时交叉口进口道不同流向的车流量进行车道的动态变化，以适应交通流量的变化。在车路协同环境下，可以实现对车辆的轨迹控制与优化，也可以实现对交叉口信号灯的配时调控，因此考虑在车路协同环境下，将可变导向车道、车辆轨迹及信号配时三者协同优化，以最大化交叉口车辆通行效率，降低车辆通行时间。

因此本发明基于车路协同环境，结合可变导向车道、车辆轨迹及信号配时优化，提出了交叉口可变导向车道优化的方法。

发明内容

本发明的目的是提出一种车路协同环境下基于可变导向车道的车辆轨迹及信号配时优化方法，在可变导向车道的基础上，协同车辆轨迹及信号配时，使交叉口进口道各流向车流饱和度控制在一定范围，减少不同车流不均衡现象的发生，同时减少交叉口延误，以提高交叉口的通行能力。

本发明采用的技术方案为：车路协同环境下交叉口可变导向车道、信号灯及车辆轨迹优化模型，具体包括：

1)收集车辆数据

将交叉口分为两个区域，分别为区域一和区域二，当车辆进入区域二时，智能交叉口控制系统会接收到车辆的位置、速度、加速度等信息，基于这些信息，车辆将形成不同的队列；当车辆进入区域一时，智能交叉口控制系统会对车辆轨迹进行控制，同时会结合当前交叉口各进口道不同车辆车道数以及车辆数对信号灯进行优化；

2)确定优化目标

假设一个四进口道交叉口，i代表交叉口第i个进口道，i＝1,2,3,4；m代表车流转向，m＝1代表左转车流，m＝2代表直行车流，m＝3代表右转车流；则设P(i，m)代表交叉口进口道某股车流；

优化目标为使每个P(i，m)都可以在绿灯时通过而无需在交叉口停止线等待通行，但是当多个P(i，m)距离停止线的距离都很近或多个P(i，m)到达停止线的时间间隔很短时，此优化目标无法实现，因此将优化目标设为最小化所有车辆的行程时间；

3)确定输入变量及决策变量

设t＝0为当智能交叉口控制系统首次接收到所有车队列的信息时，此时v_i,m—t＝0时P(i，m)的速度；d_i,m—t＝0时P(i，m)距离交叉口停止线的距离；n_i,m—P(i，m)的车辆数；v_f—车辆的自由流速度；N_i,m—第i个进口道第m股车流的车道数；N_i,L—交叉口第i个进口道左转车道个数；N_i,T—交叉口第i个进口道直行车道个数；N_i,R—交叉口第i个进口道右转车道个数；N_i,V—交叉口第i个进口道可变导向车道个数；N_i—第i个进口道总车道数；STA_i,m—P(i，m)的绿灯开始时间；G_i,m—P(i，m)的绿灯持续时间；v′_i,m—P(i，m)在停止线的速度；t′_i,m—P(i，m)到达停止线的时间；α—可变导向车道类型，α＝0代表直行，α＝1代表左转；

4)确定车道约束

每个交叉口进口道不同流向车道数之和应该等于此进口道总车道数，即：

当可变导向车道为直行车道时，直行车流总车道数应该等于专用直行车道数加可变导向车道数：

N_i,2＝N_i,T+N_i,V(2)

当可变导向车道为左转车道时，左转车流总车道数应该等于专用左转车道数加可变导向车道数：

N_i,1＝N_i,L+N_i,V(3)

5)车辆轨迹及信号约束

5.1)车辆行程时间约束

在车路协同环境下，可以保证P(i，m)的加减速度保持恒定不变，当P(i，m)到达交叉口停止线时车辆速度应满足：

v′_i,m≥0(4)

P(i，m)减速直到到达交叉口停止线时速度为0的时间应满足：

P(i，m)到达停止线的最短时间应满足：

P(i，m)到达停止线的时间应介于最短与最长时间之间，即：

5.2)最小绿灯时间约束

假定P(i，m)以饱和流率穿过交叉口，则每一辆车的通行时间加车头时距为一常数，设为h，则交叉口第i个进口道第m股车流所需绿灯持续时间需满足：

5.3)两种场景约束

P(i，m)车流存在两种不同的情形，第一种情形是P(i，m)到达的太早以至于它必须在停止线等待直到信号灯变为绿灯，第二种情形是P(i，m)到达停止线当信号灯已经变为绿灯，此时P(i，m)将无延误通过交叉口；

针对场景一，P(i，m)的绿灯开始时间需要晚于P(i，m)减速直到到达交叉口停止线时速度为0的时间，即：

此时，从t＝0到P(i，m)完全通过交叉口的时间为车辆行程时间、等待时间及穿过交叉口时间之和，即：

针对场景二，P(i，m)需要在绿灯开始前到达，即：

由于有一部分绿灯时间被浪费，因此剩余绿灯时间需满足以下约束：

此时，从t＝0到P(i，m)完全通过交叉口的时间为：

设所有车队列为，场景一车队列为，场景二车队列为，则所有车辆通行时间总和为：

由于目标函数为最小化所有车辆行程时间，而式(14)中的第三部分可视为常数，因此公式可等价于：

将式(11)带入式(15)，可得：

在车路协同环境下，智能交叉口控制系统可以控制P(i，m)车队速度使得成为可能，因此最小化所有车辆行程时间相当于最小化所有车队的绿灯开始时间总和，即：

6)避免冲突约束

处于安全考虑，有必要设置约束避免车辆冲突，设两个相冲突的车流(i.m)和(i’,m’)，为一个0-1变量，当＝0时代表(i’,m’)车流在(i.m)车流绿灯结束之后才开始运行，当＝1时代表(i,m)车流在(i’,m’)车流绿灯结束之后才开始运行，约束条件如下：

因此，在车路协同环境下对可变导向车道、车辆轨迹及信号灯的协同优化模型为：

S.t.(1)-(9),(11),(12),(18).

1、本发明提出了车路协同环境下基于可变导向车道的车辆轨迹及信号配时协同优化模型，可以实现当进口道车流分布不均衡时对车道、车辆轨迹及信号灯进行优化调控，从而达到减小交叉口车辆延误、提高通行能力的效果。

附图说明

图1为车路协同环境下交叉口可变导向车道、车辆轨迹及信号灯协同优化流程图；

图2为常规十字交叉口示意图。

具体实施方案

下面结合附图和具体实施方式对本发明做进一步说明。

针对存在可变导向车道的交叉口，将交叉口分为区域一与区域二，当车辆进入区域二时，智能交叉口控制系统会接收到车辆的位置、速度、加速度等信息，基于这些信息，车辆将形成不同的队列；当车辆进入区域一时，智能交叉口控制系统会对车辆轨迹进行控制，同时会结合当前交叉口各进口道不同车辆车道数以及车辆数对信号灯进行优化，如图1所示。

以常规四进口道十字交叉口为例，如图2所示：

交叉口南进口道存在可变导向车道，可变导向车道在专用左转车道与专用直行车道之间，可在左转与直行之间进行转换，且四个进口道均包括专用左转车道，专用直行车道以及专用右转车道；

步骤一：获取车辆位置、速度及加速度信息，检测当前交叉口各进口道车道类型及车道数；

步骤二：将获取到的数据输入优化模型，模型具体为：

1)确定优化目标

假设一个四进口道交叉口，i代表交叉口第i个进口道，i＝1,2,3,4；m代表车流转向，m＝1代表左转车流，m＝2代表直行车流，m＝3代表右转车流；则设P(i，m)代表交叉口进口道某股车流；

优化目标为使每个P(i，m)都可以在绿灯时通过而无需在交叉口停止线等待通行，但是当多个P(i，m)距离停止线的距离都很近或多个P(i，m)到达停止线的时间间隔很短时，此优化目标无法实现，因此将优化目标设为最小化所有车辆的行程时间；

2)确定输入变量及决策变量

设t＝0为当智能交叉口控制系统首次接收到所有车队列的信息时，此时v_i,m—t＝0时P(i，m)的速度；d_i,m—t＝0时P(i，m)距离交叉口停止线的距离；n_i,m—P(i，m)的车辆数；v_f—车辆的自由流速度；N_i,m—第i个进口道第m股车流的车道数；N_i,L—交叉口第i个进口道左转车道个数；N_i,T—交叉口第i个进口道直行车道个数；N_i,R—交叉口第i个进口道右转车道个数；N_i,V—交叉口第i个进口道可变导向车道个数；N_i—第i个进口道总车道数；STA_i,m—P(i，m)的绿灯开始时间；G_i,m—P(i，m)的绿灯持续时间；v′_i,m—P(i，m)在停止线的速度；t′_i,m—P(i，m)到达停止线的时间；α—可变导向车道类型，α＝0代表直行，α＝1代表左转；

3)确定车道约束

每个交叉口进口道不同流向车道数之和应该等于此进口道总车道数，即：

当可变导向车道为直行车道时，直行车流总车道数应该等于专用直行车道数加可变导向车道数：

N_i,2＝N_i,T+N_i,V

当可变导向车道为左转车道时，左转车流总车道数应该等于专用左转车道数加可变导向车道数：

N_i,1＝N_i,L+N_i,V

4)车辆轨迹及信号约束

4.1)车辆行程时间约束

在车路协同环境下，可以保证P(i，m)的加减速度保持恒定不变，当P(i，m)到达交叉口停止线时车辆速度应满足：

v′_i,m≥0

P(i，m)减速直到到达交叉口停止线时速度为0的时间应满足：

P(i，m)到达停止线的最短时间应满足：

P(i，m)到达停止线的时间应介于最短与最长时间之间，即：

4.2)最小绿灯时间约束

假定P(i，m)以饱和流率穿过交叉口，则每一辆车的通行时间加车头时距为一常数，设为h，则交叉口第i个进口道第m股车流所需绿灯持续时间需满足：

5.3)两种场景约束

P(i，m)车流存在两种不同的情形，第一种情形是P(i，m)到达的太早以至于它必须在停止线等待直到信号灯变为绿灯，第二种情形是P(i，m)到达停止线当信号灯已经变为绿灯，此时P(i，m)将无延误通过交叉口；

针对场景一，P(i，m)的绿灯开始时间需要晚于P(i，m)减速直到到达交叉口停止线时速度为0的时间，即：

此时，从t＝0到P(i，m)完全通过交叉口的时间为车辆行程时间、等待时间及穿过交叉口时间之和，即：

针对场景二，P(i，m)需要在绿灯开始前到达，即：

由于有一部分绿灯时间被浪费，因此剩余绿灯时间需满足以下约束：

此时，从t＝0到P(i，m)完全通过交叉口的时间为：

设所有车队列为，场景一车队列为，场景二车队列为，则所有车辆通行时间总和为：

由于目标函数为最小化所有车辆行程时间，而式(14)中的第三部分可视为常数，因此公式可等价于：

将式(11)带入式(15)，可得：

在车路协同环境下，智能交叉口控制系统可以控制P(i，m)车队速度使得成为可能，因此最小化所有车辆行程时间相当于最小化所有车队的绿灯开始时间总和，即：

5)避免冲突约束

处于安全考虑，有必要设置约束避免车辆冲突，设两个相冲突的车流(i.m)和(i’,m’)，为一个0-1变量，当＝0时代表(i’,m’)车流在(i.m)车流绿灯结束之后才开始运行，当＝1时代表(i,m)车流在(i’,m’)车流绿灯结束之后才开始运行，约束条件如下：

Ω_i',m',i,m+Ω_i,m,i',m'＝1

STA_i,m+M·Ω_i',m',i,m≥STA_i',m'+G_i',m'

步骤三：模型将输出可变车道类型，各相位绿灯开始时间以及车辆通行时间总和，通过模型输出结果，对车道、信号灯及车辆轨迹进行调整优化，从而达到所有车辆通行时间最小的效果。

下面结合具体仿真实例做具体说明：

以典型十字交叉口为仿真背景，如图2所示。

该交叉口东、西、北向进口道均为4车道，均有1条左转，2条直行，1条右转车道；南进口道为设有可变导向车道的目标进口道，其中第二条车道设为直行/左转可变导向车道，其余为1条左转车道，1条直行车道和1条右转车道，右转车辆不单独设置绿灯时间，可随时通行，且设可变导向车道初始为直行状态。

交叉口初始条件各流向车流各数据如表1所示：

表1交叉口各流向车流初始数据

由于南进口道设置了可变导向车道，因此考虑南进口道左转及直行车流的车辆数为动态变化，同时车道数也动态变化，分为四种情况考虑，分别是初始状态，仅增大直行车流，仅增大左转车流以及同时增大直行左转车流，四种情况下南进口道左转及直行车流数据如表2所示：

表2四种情况下南进口左转及直行车流数据

将车辆及车道数据带入到优化模型中，使用Gurobi进行求解，可以得到不同情况下的车道类型、车辆通行时间总和及信号周期等信息，可与不设可变导向车道下的情况进行对比分析，具体结果如表3所示：

表3四种情况下优化前后结果

可以发现，通过协同优化，可以有效的缩短所有车辆通行时间，同时也可以减少交叉口信号周期，有效的提高车辆通行效率。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。