智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止,从而造成延误时间过长的问题,提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型,其中,第1 阶段优化车辆进入匝道口的时序;第2 阶段基于第1 阶段的最优时序,优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序,然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性,将所提出的方法应用到20 min 随机到达的车流,进行仿真实验.实验结果表明,与先进先出的方法相比,本文所提出的方法能够使总延误减少59.7%,总油耗减少10.5%,说明该方法能够实现车辆以较高的速度通过匝道冲突区域,有效地减少了车辆汇入延误,同时也节约了油耗.     

智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止，从而造成延误时间过长的问题，提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型，其中，第1 阶段优化车辆进入匝道口的时序；第2 阶段基于第1 阶段的最优时序，优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序，然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性，将所提出的方法应用到20 min 随机到达的车流，进行仿真实验.实验结果表明，与先进先出的方法相比，本文所提出的方法能够使总延误减少59.7%，总油耗减少10.5%，说明该方法能够实现车辆以较高的速度通过匝道冲突区域，有效地减少了车辆汇入延误，同时也节约了油耗.     

智能网联环境下单交叉口车辆轨迹优化

为了提高信号灯前车辆的通行效率,改善交通流整体运行水平,本文从减少车辆延误和降低燃油消耗两个角度入手,在智能网联环境下,提出了一种车辆编组识别算法和针对编组头车的多目标线性轨迹优化模型(MOLP-pl)。首先对智能驾驶员跟驰模型（IDM）进行改进,调整车辆状态,减少车辆随机到达状态下车辆速度和车头时距分布的差异,同时为后续MOLP-pl轨迹优化模型的运行提供先决条件。在此基础上,以车辆编组为优化单元,通过车辆编组识别算法识别编组头车和跟随车辆,将编组头车的行驶轨迹作为优化对象并建立相应的数学模型。为了提高车辆轨迹优化模型的求解效率和精度,对其进行线性化重构,采用线性求解器计算编组头车加速度,构建编组头车最佳时空轨迹,然后,利用IDM跟驰模型计算跟随车辆的行驶速度,从而使编组车辆最大效率的通过交叉口。最后,利用SUMO构建的仿真实验表明：本研究提出的车辆轨迹优化算法可显著提高信号灯前车辆的通行效率,在三种不同的交通饱和度条件下,相对于无速度引导场景,车辆延误分别降低了8.56%、12.42%、64.79%,燃油消耗分别降低了17.21%、18.34%、12.64%;相对于逻辑控制场景,延...     

基于有效绿灯时间利用率的自适应控制策略研究

为了优化单点交叉口信号控制方案,使其适应各个进口道方向交通流动态变化,提高交叉口通行效率,根据交叉口进口道排队车辆数建立有效绿灯利用率模型,提出了一种交叉口自适应控制策略.有效绿灯时间利用率模型以交叉口通行能力最大为控制参数,实时优化确定出最佳相位放行方案以及最优相位切换方案,根据进口道排队车辆最大流向的排队车辆数和车辆到达预测确定相位放行绿灯时间.利用VISSIM交通仿真软件对该自适应控制策略仿真运行,与定时控制以及感应控制对比,评价分析不同车辆到达情况下交叉口通行情况.结果表明:该自适应控制策略能有效降低车均延误,提高交叉口服务水平.     

考虑城市干道车队运行特点的交通信号协调控制算法

为建立交通信号协调控制算法并确定其适用条件,考虑车队离散、车辆转出、下游交叉口排队长度3个因素,在分析罗伯逊离散模型的基础上,提出了交叉口协调相位车流到达图式的预测方法,并根据车流到达时刻与协调相位绿灯启亮、结束时刻的关系,建立了协调相位车流延误的计算模型;以交通控制子区内各交叉口协调相位车流总延误最小为优化目标,以相位差为优化变量,设计了信号协调方案优化算法.仿真结果表明:与改进数解法相比,该算法降低了协调相位车流延误7.4%;随着交叉口间距、转出车辆数、下游排队长度的增加,信号协调控制效益逐渐下降.      

城市主干道短距离交叉口信号优化控制

城市主干道短距离交叉口受进口道长度的限制,交通流量较大,极易发生排队溢出,影响上游路口的车辆通行。为解决该问题,本研究先从交通流运行和交通波传播的角度,分析短距离进口道内车辆的到达-排队-驶离过程,提出滞留排队的概念,得到最长排队长度和滞留排队长度的计算公式。再据此和车辆到达驶离图得到短距离进口道单位周期延误的计算方法,修正交叉口车均延误公式。然后,以交叉口车均延误最小化为目标,以短距离车道的最长排队长度不得超过路段长度和禁止车辆二次排队为约束条件,建立短距离交叉口信号控制的优化模型,并运用遗传算法对其进行求解。最后,以长沙市的芙蓉路-城南路交叉口为例,利用Vissim 4.3软件进行信号优化前后的仿真验证。研究结果表明:与优化前的信号控制方案相比,优化后的信号控制方案的短距离进口道平均排队长度降低了36.9%,最长排队长度减少了42.3%,交叉口车均停车次数减少了21.2%,通过车辆数增加了19.8%,车均延误减少了25.8%,这些结果均说明该方案能有效地防止短距离进口道的排队溢出,大幅提高短距离交叉口的通行能力与运行效率。     

设置移位左转车道的不对称交通流信号交叉口设计及优化

常规的交通组织与信号控制处理不对称车流的效果不理想,会造成时间、道路资源的浪费。针对不对称交通流的特性,提出设置移位左转车道的不对称交通流交叉口信号控制优化方案。以直行车辆与左转车辆车均延误最小为目标,建立移位左转交叉口时空资源优化模型与车辆延误计算模型。通过研究交通流不对称程度与移位左转车道长度对左转车辆延误的影响,分析不对称交通流移位左转车道的适应性,并运用VISSIM软件对优化方案进行仿真。仿真结果表明：与交叉口现状相比,方案2中车辆的平均延误降低27.2%,平均排队长度降低29.7%,说明移位左转车道信号控制方案能极大改善不对称交通流交叉口车辆的行驶情况,减少车均延误时间,使车流运行更加顺畅。     

连续流交叉口信号协调配时及延误模型

为解决连续流交叉口车辆二次停车和人-车冲突问题,防止车辆排队溢出,破坏连续流交叉口稳定的运行状态,提出人-车信号协调优化控制策略。根据车流运行特征,协调主、预信号配时,优化信号相位方案,以车均延误最小为目标构建优化模型。通过仿真对比可知,本文模型计算的延误估算误差在5%以内。通过案例分析可知,现状方案南北左转车均延误和车均停车次数是优化方案的2倍以上,说明优化方案避免了车辆二次停车;从整个交叉口来看,优化方案在两种流量场景下,车均延误分别降低了27.8%、18.5%,提升了交叉口运行效率。通过敏感性分析发现,移位左转车道长度在100 m时,综合效益最佳。     

基于轨迹数据的过饱和信号路口排队长度分析

针对交通过饱和情况，利用网联车轨迹数据提供的车辆到达和停车位置等信息，提出一种基于交通冲击波的周期初始队列长度和最大排队长度的估计方法。基于网联车车辆轨迹确定车辆到达时刻、排队时刻、启动时刻及驶离时刻4个临界点的时空数据，并根据时空信息建立到达率估计模型，运用冲击波理论对每个周期初始队列长度及最大排队长度进行估计，应用微观交通仿真软件SUMO对模型进行仿真验证。实验结果表明：在网联车渗透率不低于20%的情况下，当v/c=1.0(v为实际交通流量，c为道路通行能力)时，初始队列长度MAE值小于6.5 m,MAPE值小于10%，最大排队长度的MAE值小于16.0 m,MAPE值小于11%，说明基于车辆轨迹的交叉口排队长度估计模型能够较为有效地估计过饱和交叉口的最大排队长度和初始队列长度。     

考虑二次排队的智能网联车生态驾驶策略

为避免车辆在交叉口的急加减速与启停现象,减少车辆燃油消耗和污染物排放,提出了一种考虑二次排队的智能网联车生态驾驶策略。首先构建了考虑驾驶员反应的交叉口处排队车辆的改进IDM跟驰模型,通过信号配时、车辆排队长度等信息估计排队车辆消散时间;其次,依据交叉口处是否出现车辆二次排队,将生态驾驶策略分类为“前方车辆在绿灯时间清空”和“前方车辆二次排队”两种情况,结合智能网联车与交叉口的距离等信息优化车辆行驶轨迹;最后将提出的生态驾驶策略与自由驾驶在不同排队长度场景下进行对比仿真实验。仿真结果表明：相较于自由驾驶,生态驾驶策略能够有效减少车辆的急加减速与停车行为,随着交叉口排队长度的增加,生态驾驶策略的优化效果更加明显;当排队车辆在第一个绿灯时间消散时,采用生态驾驶策略的车辆的总体油耗降低了9.98%,CO₂、CO、HC、NOx平均排放量分别降低了11.69%、20.14%、1.66%和29.09%;当交叉口处出现车辆二次排队时,采用生态驾驶策略的车辆总体油耗降低了15.0%,CO₂、CO、HC、NOx平均排放量分别降低了15.42%、27.51%、2....     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。      

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。     

基于VISSIM仿真的信号交叉口优化方法研究

传统信号交叉口配时往往只考虑车辆延误指标,存在一些不足。故此,建立了考虑延误和停车次数的信号配时优化模型,提出应用VISSIM仿真软件与信号配时相结合的信号交叉口优化方法,并将该优化方法应用于交叉口优化实例中,仿真评价结果表明：采用该方法优化交叉口效果显著,平均排队长度、平均延误指标下降明显,能够很好地从时间和空间两方面改善交叉口的性能。     

基于VISSIM仿真的信号交叉口优化方法研究

传统信号交叉口配时往往只考虑车辆延误指标,存在一些不足.故此,建立了考虑延误和停车次数的信号配时优化模型,提出应用VISSIM仿真软件与信号配时相结合的信号交叉口优化方法,并将该优化方法应用于交叉口优化实例中,仿真评价结果表明:采用该方法优化交叉口效果显著,平均排队长度、平均延误指标下降明显,能够很好地从时间和空间两方面改善交叉口的性能.     

车联网环境下信号交叉口车速控制策略

为了减轻城市道路上信号交叉口对交通流的阻断,针对车联网环境下个体车辆可 以与路侧设施及交叉口中心控制系统实时信息交互的特征,提出了信号交叉口车速控制策 略,在提高交叉口通行效率的基础上兼顾驾驶舒适性与环境友好性.为验证车速控制模型的有 效性,基于多智能体技术建立了车联网环境下信号交叉口车速控制仿真系统,以典型十字交 叉口为例,模拟对比分析了传统驾驶和车联网2 种环境下车辆通过交叉口的行程时间、燃料消 耗与污染物排放.结果表明,该速度控制策略下车辆通过交叉口的平均行程时间减少了约 60%,燃料消耗减少了约40%,污染物的排放也有显著减少.