一种智能网联车辆的匝道协同汇入控制方法及系统与流程

本发明涉及智能网联交通技术领域，特别是一种智能网联车辆的匝道协同汇入控制方法及系统。

背景技术：

随着我国机动车保有量的迅猛增长，当前高速公路的建设和发展状况，已经越来越难满足人们日益增长的出行需求。尤其是入口匝道周边区域，常因合流行为引起瓶颈路段。当高速公路主线道路上的车流较密集时，匝道车辆不得不减速以等待适宜的汇入间隙，由此导致了入口匝道处车辆的排队甚至回流现象。同时，部分匝道车辆在未寻得可接受间隙的情况下采取的汇入行为会迫使主线车辆进行减速甚至紧急制动，使主线车流的运行效率大大降低，并进一步加剧交通拥堵和交通事故等问题，严重影响了高速公路系统的高效、有序运作。

入口匝道控制作为管理进入高速公路主线的交通流的重要手段，在现有高速公路系统的运营过程中起到了突出作用。匝道控制系统根据主线交通流运行状况，限制由匝道汇入主线的交通流量，减少对主线车辆运行的影响，同时提高高速公路的通行能力。然而，我国如今采用的匝道控制方法主要利用主线道路上的固定检测器获取的交通流数据来估计可由匝道进入的交通流量。由固定检测器采集的交通数据精度不高，往往只能反映固定点在一段时间内的交通状况，无法满足实时性要求。此外，现有的匝道控制方法没有考虑单个车辆的运行特性，匝道车辆的不适宜汇入行为有时仍会对主线交通流造成较大影响。

技术实现要素：

本发明所要解决的技术问题是克服现有技术的不足而提供一种智能网联车辆的匝道协同汇入控制方法及系统，通过控制高速公路入口匝道处车辆的汇入数量和汇入顺序，减少对主线车辆运行的影响，提高高速公路交通流的运行效率。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种智能网联车辆的匝道协同汇入控制方法，具体步骤如下：

步骤1、当未经过汇入决策处理的匝道车辆到达协同汇入控制区域内的汇入决策点时，采集所有未处理的主线和匝道车辆当前的运行状态数据；

步骤2、根据实时的主线和匝道车辆的运行状态数据，以主线车辆行程时间最小和匝道车辆汇入数量最大为目标，优化确定允许汇入的匝道车辆数及其汇入主线的顺序；

步骤3、根据步骤2获得的最优化车辆汇入主线的顺序，当有匝道车辆被允许汇入主线时，记录决策过程中涉及的主线车辆、允许汇入的匝道车辆和未被允许汇入的匝道车辆，根据最优化车辆汇入主线的顺序向当前处理的车辆发送控制指令。

作为本发明所述的一种智能网联车辆的匝道协同汇入控制方法进一步优化方案，步骤1中运行状态数据包括加速度、速度和位置信息。

作为本发明所述的一种智能网联车辆的匝道协同汇入控制方法进一步优化方案，步骤2中采用遗传方法优化确定允许汇入的匝道车辆数及其汇入主线的顺序。

作为本发明所述的一种智能网联车辆的匝道协同汇入控制方法进一步优化方案，遗传方法中的基因编码由1表示主线车辆，由0表示匝道车辆，使遗传方法中的每一个体代表由当前m个主线车辆和r个匝道车辆构成一种车辆汇入顺序；设定种群大小为n，种群初始化使其表示n种车辆汇入顺序；计算种群中所有个体的适应度，经过选择运算、交叉运算和变异运算获得一个新的包含n种车辆汇入顺序的种群并重复之前操作；当执行完最大的遗传代数p后，获得最优化的允许汇入的匝道车辆数及其汇入主线的顺序。

作为本发明所述的一种智能网联车辆的匝道协同汇入控制方法进一步优化方案，遗传方法具体如下：

步骤5-1、遗传方法中的基因编码由1表示主线车辆，由0表示匝道车辆，使遗传方法中的每一个体代表由当前m个主线车辆和r个匝道车辆构成一种车辆汇入顺序；设定种群大小为n，种群初始化使其表示n种车辆汇入顺序；

步骤5-2、对于新种群中的个体，当一个个体中1的个数与当前实际的主线车辆数不符时，个体的适应度直接赋一极小的正数；当基因编码中1和0的个数完全与主线和匝道车辆数相对应时，适应度u的计算根据主线和匝道车辆通过汇入点时的虚拟队列分布，整合队列形成过程中主线车辆的行程时间和匝道车辆的汇入数量；具体步骤如下：

5-2-1、根据总的未经处理的匝道车辆数r和被剩下的匝道车辆数rl，计算标准化的匝道车辆汇入数量f1^*：

5-2-2、根据第i个主线车辆的行程时间tti、主线车辆数m、第i个主线车辆与汇入点之间的距离li、最小期望车速vimin和最大期望车速vimax，计算标准化的主线车辆行程时间

5-2-3、利用加权和方法，通过向标准化的主线车辆行程时间f1^*和匝道车辆汇入数量分别赋常系数w1和w2，计算适应度u：

步骤5-3、当获得一个种群中所有个体的适应度之后，通过选择运算、交叉运算和变异运算获得一个包含n种车辆汇入顺序的新种群；当遗传代数小于设定的最大遗传代数p时，转到步骤5-2，否则转到步骤5-4；

步骤5-4、当执行完最大的遗传代数p后，根据适应度最大的个体，确定最优化的车辆汇入主线的顺序。

作为本发明所述的一种智能网联车辆的匝道协同汇入控制方法进一步优化方案，步骤3中基于优化顺序，排在最后一辆主线车之后的匝道车辆不被允许汇入，仍作为未处理车辆留待进行下一次汇入决策过程，而其他车辆标记为已处理车辆；将车辆汇入顺序与车辆的运行状态数据整合起来，向每一辆当前处理的车辆发送控制指令，告知其虚拟队列前车的状态信息并引导车辆完成协同自适应巡航控制操作。

一种智能网联车辆的匝道协同汇入控制系统，包括路侧控制单元和dsrc无线通信设备，路侧控制单元布设在高速公路主线车道与入口匝道交汇处且位于协同汇入控制区域内，协同汇入控制区域由高速公路最右侧车道、入口匝道、加速车道、汇入点和汇入决策点构成，该区域的实际控制范围取决于路侧控制单元的通信范围；路侧控制单元包括信息检测系统、数据处理系统、数据存储系统和信息发布系统，其中，

dsrc无线通信设备，用于实时将路侧控制单元与通信范围内的智能网联车辆进行信息传输；

信息检测系统，用于当未经过汇入决策处理的匝道车辆到达协同汇入控制区域内的汇入决策点时，采集所有未处理的主线和匝道车辆当前的运行状态数据；

数据处理系统，用于优化确定允许汇入的匝道车辆数及其汇入主线的顺序；

数据存储系统，用于当有匝道车辆被允许汇入主线时，记录决策过程中涉及的主线车辆、允许汇入的匝道车辆和未被允许汇入的匝道车辆；

信息发布系统，根据最优化车辆汇入主线的顺序向当前处理的车辆发送控制指令。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

(1)本发明利用先进的信息检测技术、无线通信技术和智能控制技术，使车辆在进入协同控制区域后向路侧控制单元及周边车辆传输自身的运行状态，控制单元根据控制区域内的交通流情况，以匝道车辆的汇入数量最大化及主线车辆的运行时间最小化为目标，确定匝道汇入主线的车辆数及其汇入顺序；

(2)在传统的匝道控制方法中，匝道汇入主线的车流主要取决于主线上固定检测器采集的主线交通流运行特性数据，固定检测器数据精度不高而且信息比较滞后，难以满足汇入车流控制的实时性要求，而且传统方法的实施过程涉及的控制阈值不好确定，阈值的选择会对控制的结果造成很大的影响；在本发明中，协同汇入决策过程基于实时的主线和匝道车辆的状态信息，通过预测不同车辆汇入顺序下的虚拟队列运行特性来优化车辆汇入顺序，大大增强了控制方法的可靠性；

(3)在传统的匝道控制方法中，匝道汇入主线的交通流控制大多以主线交通流通行能力为目标，很少考虑入口匝道处的车辆排队和回流现象；在本发明中，控制单元充分考虑两条车道上当前的交通运行状况和预期的车流运行特性，优化目标函数同时涉及主线车辆和匝道车辆的预期结果，使匝道车辆的汇入与主线车辆进行充分的协同运作，在提高高速公路通行能力的基础上，提升主线及匝道交通流的运行效率；

(4)本发明根据高速公路入口匝道周边主线车辆和匝道车辆的实时状态信息，结合不同车辆汇入顺序下车流的预期运行特性来优化的匝道汇入车辆数和车辆汇入顺序，能够改善匝道周边主线和匝道车辆汇入冲突导致的交通拥堵和车辆碰撞等问题，实现高速公路交通系统运作的高效性和有序性。

附图说明

图1为本发明的智能网联车辆协同汇入控制区域示意图。

图2为本发明的智能网联车辆的匝道协同汇入控制方法的结构示意图。

图3为本发明的智能网联车辆的匝道协同汇入控制方法的流程示意图。

图4为本发明的利用遗传算法优化车辆汇入顺序的示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。

实施例：

本实施例基于以下假设：

(1)实施例中的协同汇入控制区域处于智能网联环境下，在主线与匝道交汇处配备有路侧控制单元，控制区域的实际覆盖范围取决于路侧单元装载的dsrc通信设备的传输范围；

(2)车辆进入控制区域后，能够与周边其他车辆及路侧单元进行实时的信息传输，并且完全遵循路侧控制单元的指令，跟随虚拟队列前车按给定的协同自适应巡航控制规律进行跟驰操作；

(3)协同汇入控制区域中，汇入点的位置固定，所有的匝道车辆在该点执行汇入操作；

(4)信息传输和数据处理的速度足够快，中间过程产生的延误可忽略。

具体的实施方法如下：

如图1所示为本发明的智能网联车辆协同汇入控制区域示意图。该区域由高速公路最右侧车道、入口匝道、加速车道、汇入点和汇入决策点构成，区域的实际控制范围取决于路侧控制单元的通信范围。

如图2所示本发明的智能网联车辆的匝道协同汇入控制方法的结构示意图。路侧控制单元中的信息检测系统对匝道车辆的运行状态进行实时监测，当有未经过汇入决策处理的匝道车辆到达控制区域内的汇入决策点时，信息检测系统采集所有未处理的主线和匝道车辆在当前时刻的加速度、速度和位置信息并传输给数据处理系统和信息发布系统；数据处理系统根据实时的主线和匝道车辆状态数据，以主线车辆行程时间最小和匝道车辆汇入数量最大为目标，基于遗传算法优化车辆的汇入顺序并将优化结果发送给数据存储系统；根据数据处理系统获得的最优化的车辆汇入顺序，当有匝道车辆被允许汇入主线时，涉及的所有主线车辆和允许汇入的匝道车辆全部被标记为已处理车辆，数据存储系统将处理后的结果传输给信息发布系统，由信息发布系统向涉及的每一辆车发送汇入控制指令，告知车辆虚拟队列前车的状态信息并引导车辆完成协同自适应巡航控制操作。

下面结合图3和图4对本实施例的匝道协同汇入控制策略详述如下，包括以下步骤：

步骤s1：基因编码时由“1”表示主线车辆，由“0”表示匝道车辆，使遗传算法中的每一个体代表由当前m个主线车辆和r个匝道车辆构成的一种可能的车辆汇入顺序；设定种群大小为n，种群初始化使其表示n种可能的车辆汇入顺序；

步骤s2：对于新种群中的个体，“1”的个数可能与当前实际的主线车辆数不符，此时个体的适应度直接赋一极小的正数；当基因编码中“1”和“0”的个数完全对应于主线和匝道车辆数时，适应度u的计算根据主线和匝道车辆通过汇入点时的虚拟队列分布，整合队列形成过程中主线车辆的行程时间和匝道车辆的汇入数量，具体步骤如步骤s21～步骤s23所示：

步骤s21：根据总的匝道车辆数r和被剩下的匝道车辆数rl，计算标准化的匝道车辆汇入数量f1^*：

步骤s22：根据主线车辆i的行程时间tti、主线车辆数m、主线车辆i与汇入点之间的距离li、最小期望车速vimin和最大期望车速vimax，计算标准化的主线车辆行程时间

步骤s23：利用加权和方法，通过向标准化的主线车辆行程时间f1^*和匝道车辆汇入数量分别赋常系数w1和w2，计算适应度u：

步骤s3：当获得一个种群中所有个体的适应度之后，通过选择运算、交叉运算和变异运算获得一个包含n种可能的车辆汇入顺序的新种群；当遗传代数小于设定的最大遗传代数p时，转到步骤s2否则转到步骤s4；

步骤s4：当执行完最大的遗传代数p后，根据适应度最大的个体，确定最优化的车辆汇入顺序。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。