本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種基于cps的多交叉口信號(hào)配時(shí)與車(chē)輛速度協(xié)同控制方法。

背景技術(shù)：

1、交叉口作為城市道路的交匯點(diǎn)，是多個(gè)方向車(chē)流的匯聚地，車(chē)輛在交叉口處競(jìng)爭(zhēng)道路資源，形成沖突區(qū)，使得交叉口成為城市交通中的瓶頸，容易造成擁堵。目前，城市道路交叉口控制的研究主要集中在兩種核心方法上，即基于智能交通信號(hào)(路端)的控制方法和基于智能汽車(chē)(車(chē)端)的控制方法，同時(shí)也有少部分將研究重點(diǎn)轉(zhuǎn)移到兩者的協(xié)同控制。智能信號(hào)控制充分結(jié)合車(chē)車(chē)通信(vehicle?to?vehicle,v2v)、車(chē)路通信(vehicle?toinfrastructure,v2i)以及專(zhuān)用短程通信(dedicated?short?range?communications,dsrc)等網(wǎng)絡(luò)通信技術(shù)，采用更準(zhǔn)確和復(fù)雜的模型來(lái)預(yù)測(cè)未來(lái)較長(zhǎng)時(shí)間范圍內(nèi)車(chē)輛數(shù)量、速度或隊(duì)列長(zhǎng)度等關(guān)鍵信息，并求解最優(yōu)控制方案以提升信號(hào)交叉口通行能力。

2、智能網(wǎng)聯(lián)汽車(chē)的發(fā)展并非一蹴而就，未來(lái)很長(zhǎng)一段時(shí)間將是cav與hdv構(gòu)成的混合交通共享道路資源的場(chǎng)景。此外，城市交通系統(tǒng)通常由多個(gè)交叉口連接組成交通網(wǎng)，各個(gè)交叉口之間存在車(chē)流的傳遞關(guān)系，單個(gè)交叉口的控制策略往往無(wú)法直接應(yīng)用于交通網(wǎng)。隨著網(wǎng)聯(lián)技術(shù)的發(fā)展，多個(gè)交叉口之間可以通過(guò)網(wǎng)絡(luò)通信進(jìn)行協(xié)調(diào)，實(shí)現(xiàn)更好的城市交通控制效果，提升交通運(yùn)輸效率。目前，已經(jīng)有一些學(xué)者注意到混合交通的城市交通管制能夠有效提升交通通行能力，降低燃油消耗，并進(jìn)行了混合車(chē)群建模、控制優(yōu)化等一系列的研究。然而，這些研究沒(méi)有充分考慮交叉口停止線(xiàn)處等候隊(duì)列對(duì)混合交通控制的影響，在實(shí)際應(yīng)用中可能造成方案不可行或次優(yōu)。此外，很少有研究考慮了混合交通流條件下cav和hdv的相互作用對(duì)通行能力、效率和安全的影響，不能充分發(fā)揮cav的潛在優(yōu)勢(shì)帶來(lái)更大的交通優(yōu)化效益。

3、智能交通系統(tǒng)是一類(lèi)典型的信息物理系統(tǒng)，研究基于信息物理系統(tǒng)的城市信號(hào)交叉口控制有助于解決城市交通擁堵、環(huán)境污染以及安全性問(wèn)題。面對(duì)復(fù)雜、強(qiáng)耦合的城市交通系統(tǒng)，有必要從信息物理系統(tǒng)的視角和技術(shù)出發(fā)，結(jié)合智能網(wǎng)聯(lián)汽車(chē)、云計(jì)算以及先進(jìn)信息通信技術(shù)，研究城市交通信息因素與物理因素復(fù)雜交互和融合的作用機(jī)制，設(shè)計(jì)高效、環(huán)保的城市交通控制框架和算法。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于cps的多交叉口信號(hào)配時(shí)與車(chē)輛速度協(xié)同控制方法。

2、為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于cps的多交叉口信號(hào)配時(shí)與車(chē)輛速度協(xié)同控制方法，包括以下步驟：

4、s1.構(gòu)建典型網(wǎng)聯(lián)環(huán)境和混合交通流下多個(gè)相鄰信號(hào)交叉口場(chǎng)景，場(chǎng)景內(nèi)車(chē)輛由cav和hdv共同組成；

5、其中，節(jié)點(diǎn)級(jí)cav具備dsrc或v2x通信功能，能夠獲取信號(hào)燈狀態(tài)、接受邊緣云下發(fā)控制指令；子系統(tǒng)級(jí)邊緣云能夠通過(guò)網(wǎng)絡(luò)通信獲取cav的速度、位置以及加速度；hdv僅能通過(guò)固定傳感器獲取hdv進(jìn)入控制區(qū)域時(shí)的初始速度和位置，信息物理系統(tǒng)的控制決策層無(wú)法直接對(duì)hdv進(jìn)行控制；系統(tǒng)級(jí)區(qū)域云能夠與各個(gè)交叉口進(jìn)行網(wǎng)絡(luò)通信，并協(xié)調(diào)各個(gè)交叉口；

6、s2.構(gòu)建混合隊(duì)列模型，設(shè)計(jì)“1+n”邏輯子群、領(lǐng)航cav速度控制模型、跟馳hdv速度預(yù)測(cè)模型、等候隊(duì)列長(zhǎng)度和消散時(shí)間估計(jì)模型；

7、s3.設(shè)計(jì)基于信息共享的分布式多交叉口云控制算法模型；

8、s4.建立混合交通環(huán)境下多個(gè)交叉口與車(chē)輛速度協(xié)同控制綜合模型，并求解。

9、進(jìn)一步，所述步驟s2中，1+n”邏輯子群，即一個(gè)可控的cav作為領(lǐng)航車(chē)輛，領(lǐng)航車(chē)輛后的hdv保持跟馳行為；

10、在每一個(gè)“1+n”邏輯子群中，作為領(lǐng)航車(chē)的cav通過(guò)協(xié)同控制策略進(jìn)行控制，作為跟馳車(chē)的hdv按跟車(chē)模型跟隨前方車(chē)輛行駛。

11、進(jìn)一步，所述步驟s2的領(lǐng)航cav速度控制模型，對(duì)于第ζ個(gè)子群中的領(lǐng)航cav，狀態(tài)空間表示為：

12、

13、式中，以及分別表示第ζ個(gè)子群中領(lǐng)航cav在t時(shí)刻的位置、速度以及加速度；為控制輸入；表示第ζ-1個(gè)子群的尾車(chē)在t時(shí)刻的速度；

14、式中的系數(shù)矩陣為：

15、

16、如果第ζ個(gè)邏輯子群的前車(chē)是cav，即邏輯子群的特殊情形，那么上式可以表示為：

17、

18、使用mpc優(yōu)化車(chē)輛速度，在滾動(dòng)時(shí)域內(nèi)不斷修正偏差。

19、進(jìn)一步，所述步驟s2的跟馳hdv速度預(yù)測(cè)模型，將信號(hào)交叉口紅燈建模為虛擬車(chē)輛以模擬跟隨車(chē)輛在交叉口處的減速行為，當(dāng)信號(hào)燈狀態(tài)為紅燈時(shí)，虛擬車(chē)輛位于停止線(xiàn)處并且保持靜止；當(dāng)信號(hào)燈變?yōu)榫G燈時(shí)，虛擬車(chē)輛被移除；

20、引入二進(jìn)制變量在控制中確定車(chē)輛的實(shí)際跟馳對(duì)象，當(dāng)車(chē)輛i-1為虛擬車(chē)輛時(shí)，的值為1，否則為0，引入大數(shù)m，車(chē)輛跟馳模型定義如下式所示：

21、

22、式中，表示距離車(chē)輛i最近的前方交叉口停止線(xiàn)位置；和分別為kf時(shí)刻車(chē)輛i的位置、前方真實(shí)車(chē)輛i-1的位置；

23、在確定車(chē)輛i前方的車(chē)輛是真實(shí)車(chē)輛或者虛擬車(chē)輛后，控制中需要根據(jù)的值更新跟隨目標(biāo)的狀態(tài)：

24、

25、在idm跟馳模型中，車(chē)輛i與前車(chē)的距離和相對(duì)速度的計(jì)算表達(dá)式如下：

26、

27、車(chē)輛i的行駛速度通過(guò)idm估計(jì)加速度進(jìn)行預(yù)測(cè)：

28、

29、式中，li-1,j表示車(chē)輛i-1的車(chē)長(zhǎng)，當(dāng)前車(chē)為虛擬車(chē)輛時(shí)，li-1,j的值為0。

30、進(jìn)一步，所述步驟s2的等候隊(duì)列長(zhǎng)度和消散時(shí)間估計(jì)模型，基于宏觀交通流基本圖，結(jié)合沖擊波理論建立，用于信號(hào)交叉口信號(hào)配時(shí)和車(chē)輛速度的優(yōu)化；

31、當(dāng)車(chē)輛到達(dá)信號(hào)交叉口并遇到紅燈時(shí)，會(huì)產(chǎn)生停止波ac，相應(yīng)的波速公式為：

32、

33、式中，qa和ka分別表示自由交通流狀態(tài)下的流量和密度；kc表示阻塞交通狀態(tài)下的密度；當(dāng)信號(hào)燈變?yōu)榫G色，交叉口處的等候隊(duì)列開(kāi)始消散，并產(chǎn)生啟動(dòng)波bc，相應(yīng)的波速為：

34、

35、式中，qb和kb分別為飽和狀態(tài)下的車(chē)輛流量和密度；

36、得到停止波和啟動(dòng)波的波速后，對(duì)交叉口處等候隊(duì)列消散時(shí)間進(jìn)行估計(jì)：

37、tp＝td+δt+τ

38、

39、

40、

41、

42、式中，ld為交叉口處排隊(duì)等候隊(duì)列長(zhǎng)度；td為隊(duì)列的消散時(shí)間；δt表示等候隊(duì)列達(dá)到最長(zhǎng)的時(shí)間，與停止波和消散波的波速相關(guān)；dx為車(chē)輛與交叉口之間的距離，t0為車(chē)輛進(jìn)入控制區(qū)域的時(shí)刻，t1為剩余綠燈時(shí)間，t2為紅燈結(jié)束時(shí)刻，tp為紅燈等效延遲時(shí)間；τ為車(chē)輛之間的安全車(chē)頭時(shí)距；nd表示等候隊(duì)列中的車(chē)輛數(shù)；s為飽和流量；ts表示信號(hào)燈由紅燈變?yōu)榫G燈之后第一輛車(chē)通過(guò)交叉口的相對(duì)時(shí)間，一般為2～3秒；tr表示紅燈時(shí)長(zhǎng)；cap表示通行能力；λ表示綠信比；tg表示綠燈時(shí)長(zhǎng)；tc表示信號(hào)燈周期時(shí)長(zhǎng)；ti表示直行車(chē)輛通過(guò)交叉口的時(shí)間；v0表示不同需求交通流量下車(chē)輛的行駛速度。

43、進(jìn)一步，所述步驟s3包括以下子步驟：

44、s3.1采用基于信息共享的分布式控制思想，實(shí)時(shí)共享信號(hào)燈配時(shí)計(jì)劃以及控制區(qū)域內(nèi)車(chē)輛的狀態(tài)信息，以便控制信號(hào)交叉口的交通信號(hào)；

45、將交通網(wǎng)絡(luò)中每個(gè)交叉口的信號(hào)燈控制器嵌入邊緣云中，具備完整的信號(hào)燈配時(shí)決策能力，能夠獨(dú)立完成單個(gè)交叉口信號(hào)燈與車(chē)輛速度協(xié)同控制，同時(shí)交通網(wǎng)絡(luò)中任意信號(hào)交叉口之間通過(guò)區(qū)域云完成信息交換；

46、對(duì)于特定的交叉口子系統(tǒng)級(jí)智能汽車(chē)信息物理系統(tǒng)能夠分析獲取未來(lái)一定時(shí)間范圍內(nèi)附近所有車(chē)輛的位置序列和信號(hào)相位，并能通過(guò)網(wǎng)絡(luò)實(shí)時(shí)傳輸?shù)较噜徑徊婵谑沟媚軌蛟诳紤]未來(lái)一段時(shí)間內(nèi)交通流量變化趨勢(shì)的情況下生成最佳信號(hào)相位；

47、s3.2優(yōu)化交叉口的信號(hào)燈配時(shí)；

48、在時(shí)刻ks，的相鄰信號(hào)交叉口獲取通信范圍內(nèi)車(chē)輛狀態(tài)，并求解交叉口的子系統(tǒng)級(jí)多尺度問(wèn)題q1，從而得到預(yù)測(cè)時(shí)域[ks,ks+ts]內(nèi)車(chē)輛的關(guān)鍵位置序列；

49、

50、式中，分別表示子系統(tǒng)級(jí)時(shí)間尺度下信號(hào)交叉口的車(chē)道j上車(chē)輛i進(jìn)入控制范圍的時(shí)刻、位置；ts表示預(yù)測(cè)時(shí)域步長(zhǎng)數(shù)；表示交叉口的車(chē)道j上第i輛車(chē)在kf時(shí)刻是否通過(guò)信號(hào)交叉口停止線(xiàn)；δts表示交通信號(hào)燈優(yōu)化時(shí)間間隔；

51、獲得車(chē)輛的位置序列，協(xié)調(diào)網(wǎng)絡(luò)內(nèi)的各個(gè)信號(hào)交叉口，求解最優(yōu)的信號(hào)燈配時(shí)，優(yōu)化信號(hào)控制方案。

52、進(jìn)一步，所述步驟s4包括以下內(nèi)容：

53、交叉口等候隊(duì)列的長(zhǎng)度和消散時(shí)間估計(jì)，車(chē)輛在交叉口不停車(chē)通過(guò)交叉口需滿(mǎn)足下式：

54、

55、式中，表示被控cav前方的等候隊(duì)列長(zhǎng)度；l表示車(chē)輛長(zhǎng)度：

56、對(duì)于所有的交叉口在特定的子系統(tǒng)級(jí)尺度時(shí)刻ks首先通過(guò)系統(tǒng)級(jí)區(qū)域云收集相鄰交叉口在ks-1時(shí)刻產(chǎn)生的車(chē)輛位置序列然后收集控制區(qū)內(nèi)所有cav車(chē)輛的狀態(tài)信息，并根據(jù)優(yōu)化過(guò)的idm模型估計(jì)hdv的狀態(tài)，在預(yù)測(cè)時(shí)域ts內(nèi)求解q1得到交叉口的最優(yōu)相位計(jì)劃和控制區(qū)內(nèi)車(chē)輛的軌跡序列對(duì)于控制區(qū)內(nèi)的每輛cav，在節(jié)點(diǎn)級(jí)尺度時(shí)刻kf依據(jù)上層計(jì)算得到軌跡序列，在預(yù)測(cè)時(shí)域tf內(nèi)求解下層車(chē)輛速度優(yōu)化問(wèn)題，得到車(chē)輛最優(yōu)速度；以滾動(dòng)時(shí)域的形式重復(fù)上述過(guò)程，直至優(yōu)化完成。

57、有益效果：

58、1、本發(fā)明針對(duì)現(xiàn)有交叉口控制方法無(wú)法持續(xù)顯著提升混合交通和多交叉口環(huán)境下交通效率和燃油經(jīng)濟(jì)性的問(wèn)題，從系統(tǒng)層面研究節(jié)點(diǎn)級(jí)、子系統(tǒng)級(jí)和系統(tǒng)級(jí)三個(gè)尺度下的信號(hào)燈與交通流的協(xié)同控制問(wèn)題。從信息物理的視角，將多個(gè)相鄰信號(hào)交叉口納入物理層，擴(kuò)大了子系統(tǒng)級(jí)信號(hào)燈和節(jié)點(diǎn)級(jí)cav的感知范圍，為云控系統(tǒng)分析和決策提供更為豐富、準(zhǔn)確的數(shù)據(jù)值和信息流。

59、2、針對(duì)混合交通所帶來(lái)的復(fù)雜性和多樣性，以及多個(gè)信號(hào)交叉口的相互影響，設(shè)計(jì)混合交通流“1+n”邏輯子群、領(lǐng)航cav速度控制模型、跟馳hdv速度預(yù)測(cè)模型、等候隊(duì)列長(zhǎng)度和消散時(shí)間估計(jì)模型以及基于信息共享的分布式交叉口控制方法。有效彌補(bǔ)了現(xiàn)有研究沒(méi)有考慮混合交通流條件下cav和hdv的相互作用以及交叉口停止線(xiàn)處等候隊(duì)列對(duì)混合交通控制的影響對(duì)通行能力、效率和安全的影響，不能充分發(fā)揮cav的潛在優(yōu)勢(shì)帶來(lái)更大的交通優(yōu)化效益的問(wèn)題。

60、3、考慮到一個(gè)信號(hào)交叉口的信號(hào)燈配時(shí)變化將影響相鄰交叉口的車(chē)流量變化，設(shè)計(jì)的基于信息共享的分布式協(xié)調(diào)控制解決了多個(gè)信號(hào)交叉口的交通信號(hào)控制問(wèn)題，交通網(wǎng)絡(luò)中任意信號(hào)交叉口之間通過(guò)區(qū)域云完成信息交換。子系統(tǒng)級(jí)智能汽車(chē)信息物理系統(tǒng)信號(hào)控制問(wèn)題的解給出了在一定的未來(lái)時(shí)間范圍內(nèi)附近所有車(chē)輛的位置序列和信號(hào)相位，考慮相鄰交叉口共享的車(chē)輛信息，充分協(xié)調(diào)網(wǎng)絡(luò)內(nèi)的各個(gè)信號(hào)交叉口，不斷將信號(hào)控制方案推向最優(yōu)，得到當(dāng)前信號(hào)燈配時(shí)下的最優(yōu)車(chē)輛速度，提升車(chē)輛的燃油經(jīng)濟(jì)性。

61、本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究，對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)來(lái)實(shí)現(xiàn)和獲得。