一种车路协同环境下的应急车辆诱导方法与流程

本发明主要涉及到智慧化交通技术领域，特指一种车路协同环境下的应急车辆诱导方法。

背景技术：

由于城市交通拥堵问题严重、社会车辆避让意识不强以及应急车道的缺乏，导致应急车辆通常在社会车辆后跟车行驶，不能在第一时间到达事故点。故需要采取一系列措施来诱导应急车辆行驶，提高通行效率。

目前，随着百度、高德等电子地图兴起，电子地图在车辆动态导航、寻找目标建筑与停车场等地方具有快捷方便、精准定位等特点，其高精准的定位有助于应急车辆的诱导。但是针对运用百度、高德地图导航应急路线，在智能交通领域，由于内容和完整性等方面的缺失，现有的商用导航地图已不能满足应急车辆的行驶需求，并且电子地图没有对常规社会交通流的影响等因素进行考虑，车辆之间缺乏沟通，导航出来的路线很有可能不是最优路线。

有从业者提出公交车专用道的设计理念，但是目前对公交车专用道的研究较多，往往提出的是公交车与社会车辆的交通分配方案，进行公交专用道布设，研究公交专用道规划及设置条件，使公交专用道形成网，最大程度的发挥公交专用道的性能。先进的公交车道布设与路径规划在执行方面有实际困难。通过研究开发高效的路径优化算法，可以产生特殊的解决方案。基于最优路径的主要研究方法有：dijkstra最短路算法、k最短路径模型、a*算法、地理信息系统网络、基于gis的dijkstra最短路算法等。但是现阶段因为成本限制，用户单一，商用规划软件不使用这些最先进的技术，商用系统更依赖于简单的启发式。这是因为对于行业而言，开发简单的优化系统来解决诸如快递、物流和卡车运输等各种问题，比开发针对特定路径问题的复杂解决方案更有效，但简单的算法(如：dijkstra最短路算法、k最短路径模型等)计算量大，准确率不高。

另有从业者提出的为交通信号配时与应急车辆配合的诱导系统，即通过进行信号配时及车速引导，以达到应急车辆优先通行的目的。在这个方面，现阶段极少有考虑到应急车道布置的问题。从交叉口信号优先控制与路径诱导两方面进行统一考虑，建立了应急车辆路径诱导策略，体现了应急车辆在交叉口的信号优先权，提高应急车辆的救援效率，但这种应急车辆抢占信号优先权的行为，会对社会车辆造成很大的影响，需注意各类车辆的动态交通分配。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、适用性广、实用性好的车路协同环境下的应急车辆诱导方法。

为解决上述技术问题，本发明采用以下技术方案：

一种车路协同环境下的应急车辆诱导方法，其步骤包括：

步骤s1：圈定路网内应急车辆路径搜索空间，构建动态交通路网；

步骤s2：获取应急车辆优先通行请求；

步骤s3：确定路径规划备选方案集；

步骤s4：构建双层规划模型；其中，上层为应急车道布设位置和应急车辆最优路径的优化，采用多目标优化模型，目标包括应急车辆行程时间最短，社会车辆、公交车运行效率最高；下层为路网多用户交通均衡配流，即在交通分配过程中，以车辆间相互影响最小为目标，建立多用户均衡模型，最终达到网络的均衡；

步骤s5：利用遗传算法求解模型；采用遗传算法求解双层应急路径规划模型的上层模型，并在模型中内嵌f-w算法求解下层模型；

步骤s6：生成应急车道与路径规划组合优化最优方案。

作为本发明方法的进一步改进：所述步骤s1包括：

步骤s101：对物理路网进行抽象描述，以有向图g(n,a)来表示路网，n＝{ni}为节点集合，a为道路网络有向弧集，o为起点集合，d为讫点集合,故o,d∈n为起讫点集，有向链路集a＝{link1,link2,link3,...,link15,link16}

＝{(node1,node2),(node2,node3)(node1,node4),...(node5,node8),(node8,node9)}

其中，部分链路中某些车道符合设置应急车道的要求被设置为应急车道，则该链路表示为一对并行链路，h表示这些链路对的集合，即：

h＝{(link2,link13),(link3,link14),(link9,link15),(link12,link16)}，在该集合中选择路段是否布设应急车道，即其不符合布设条件的路段用集合b来表示，该集合中路段不考虑应急车道布设问题，只进行交通分配；

步骤s102：引入应急车道与路径关联系数

若路径p上不存在应急车道l；

若应急车道l在路径p上，c＝{link13,link14,link15,link16}，c为应急车道备选集。

作为本发明方法的进一步改进：所述步骤s2中基于车路协同方法，路侧单元与车载单元之间建立无线通信，获得模型建立所需参数；即首先根据od信息来确定应急车辆行驶路径的搜索空间；当应急车辆进入应急车辆搜索范围时，路侧单元与车载单元之间建立无线通信连接，进行信息交互；路侧单元根据得到的应急车辆的od信息，路况信息数据来计算应急车辆在各车道的行驶时间，将信息发送给远程服务端；车载单元获得到车辆车速、车辆位置，并与路侧终端进行信息交流，同时车载单元向远程服务端发送路径规划要求。

作为本发明方法的进一步改进：所述步骤s3中，分析路网状态，对应急车辆进行路径诱导，确定空间内路径规划的备选方案集；首先在正常状态下，默认应急车辆走应急车道比不走应急车道快，而应急车道的设置是动态的，将具有应急车道设置条件的车道临时设置为动态应急车道，进而得到适用于布设应急车道的路段备选集c。

作为本发明方法的进一步改进：所述步骤s3中，汇总所有具有设置应急车道条件的车道的路径，得到备选路径集ni，

ni＝{(①-②-③-⑥-⑨),(①-②-③-⑥-⑤-⑧-⑨),(①-④-⑤-⑧-⑨)...}。

作为本发明方法的进一步改进：所述步骤s4中，上层为多目标优化模型，即：求解变量—路网内应急车道的布设；优化目标—应急车辆行程时间最短，社会车辆、公交车运行效率最高。

作为本发明方法的进一步改进：所述步骤s4中，下层模型为多用户均衡模型，即同类型的车辆在同一个交通路网中行驶时会对彼此产生不对称的影响；对涉及两种车辆进行交通分配：公交车和社会车辆，分别用b,c表示，其中m＝b,c；对任意时段，运用以下交通配流模型，来得到平衡条件下的路段交通流量，对于任意类别的用户，同时出发的各类用户有最小的相同旅行成本，其他未被利用路径各类用户的旅行成本大于或等于最小旅行成本。

作为本发明方法的进一步改进：所述步骤s5包括：

步骤s501：初始化，设定编码方案及各参数；

步骤s502：运用f-w算法求解下层模型，初步分配路网交通流量，得到平衡状态下的各类车辆流量；

步骤s503：在路网中选择备选方案中的一定系列节点，组成一个初试种群，来计算上层模型目标函数值；

步骤s504：计算每个节点的个体适应度，按照适应度的大小进行选择，适应度大的个体选择性小，反之，适应度小的选择性大；选出优良的个体，组成新的种群；

步骤s505：对新的种群执行交叉及变异操作,产生新的后代；

步骤s506：反复迭代，生成最优解。

与现有技术相比，本发明的优点在于：

1、本发明的车路协同环境下的应急车辆诱导方法，原理简单、适用性广、实用性好，用来布设应急车道专供应急车辆通行，解决了现存的应急车辆的空间优先问题，提高应急车辆的通行效率的同时又能尽量降低对社会车辆与公交车辆运行状况的影响。

2、本发明的车路协同环境下的应急车辆诱导方法，利用一些具备设置应急车道条件的车道，将其短暂的转化为应急车道以供应急车辆通行，可以解决应急车辆通行问题所引起的道路资源利用及路径规划不合理的现象，通过设立应急车道，把社会车辆等和应急车辆隔开，提高应急车辆通行效率，进而提高了城市应急时间，减少应急事件带来的经济损失与人员伤亡。

3、本发明的车路协同环境下的应急车辆诱导方法，基于车路协同的路径诱导，在路侧与应急车辆内部分别设置了路侧单元与车载单元，使得信息交流更迅速精准、安全性更高、路网流量更加均衡、车辆通行能力增大，解决了现存的信息交流不畅。

附图说明

图1是本发明方法的流程示意图。

图2是本发明在具体实施例中的应急车道路网拓扑示意图。

图3是本发明在具体实施例中的应急车辆路径诱导系统框架结构示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

如图1所示，本发明的一种车路协同环境下的应急车辆诱导方法，其步骤包括：

步骤s1：圈定路网内应急车辆路径搜索空间，构建动态交通路网；

步骤s2：获取应急车辆优先通行请求；

步骤s3：确定路径规划备选方案集；

步骤s4：构建双层规划模型；如图1和图2所示，根据路网，建立双层规划模型来规划应急最优路径；其中，上层为应急车道布设位置和应急车辆最优路径的优化问题，设计为多目标优化模型，目标包括应急车辆行程时间最短，社会车辆、公交车运行效率最高。下层为路网多用户交通均衡配流问题：在交通分配过程中，以车辆间相互影响最小为目标，建立多用户均衡模型，最终达到网络的均衡。

步骤s5：利用遗传算法求解模型；采用遗传算法求解双层应急路径规划模型的上层模型，并在模型中内嵌f-w算法求解下层模型。令车路协同在整个社会普及，车车、车路相互交流快捷方便。

步骤s6：生成应急车道与路径规划组合优化最优方案。

由上可知，本发明建立了一个多智体系统，这个系统能在在应急路径诱导过程中，全程智能诱导，并与社会车辆等进行信息传递，社会车辆接到信息，自觉避让，完成应急车辆的诱导过程。通过采用了上述方案，本发明创新性的提出了将一些具备应急车道设置条件的车道规划成为动态应急车道专供应急车辆通行，制定基于车路协同的应急车辆路径规划方案，采用双层模型规划路径，让应急车辆在最短时间内到达应急目的地。

在具体应用实例中，步骤s1的详细流程包括：

步骤s101：如图2所示，对物理路网进行抽象描述，以有向图g(n,a)来表示路网，n＝{ni}为节点集合，a为道路网络有向弧集，o为起点集合，d为讫点集合,故o,d∈n为起讫点集，有向链路集a＝{link1,link2,link3,...,link15,link16}

＝{(node1,node2),(node2,node3)(node1,node4),...(node5,node8),(node8,node9)}

其中，部分链路中某些车道符合设置应急车道的要求被设置为应急车道，则该链路可以表示为一对并行链路，h表示这些链路对的集合，即：

h＝{(link2,link13),(link3,link14),(link9,link15),(link12,link16)}，在该集合中选择路段是否布设应急车道，即其不符合布设条件的路段用集合b来表示，该集合中路段不考虑应急车道布设问题，只进行交通分配，符合布设条件的路段用集合c来表示。

步骤s102：引入应急车道与路径关联系数

若路径p上不存在应急车道l。

若应急车道l在路径p上，如图2中c＝{link13,link14,link15,link16}，c为应急车道备选集。

如图3所示，在具体应用实例中，基于车路协同方法，路侧单元与车载单元之间建立无线通信，迅速准确的获得模型建立所需参数。所述步骤s2的详细流程为：首先根据od信息来确定应急车辆行驶路径的搜索空间。当应急车辆进入应急车辆搜索范围时，路侧单元与车载单元之间建立无线通信连接，进行信息交互。路侧单元根据得到的应急车辆的od信息，路况信息(路段长度、车流密度、车道数等)等数据来计算应急车辆在各车道的行驶时间，将信息发送给远程服务端；车载单元获得到车辆车速、车辆位置等，并与路侧终端进行信息交流，同时车载单元向远程服务端发送路径规划要求。

在具体应用实例中，步骤s3的详细流程包括：如图2所示，分析路网状态，对应急车辆进行路径诱导，确定空间内路径规划的备选方案集。首先在正常状态下，默认应急车辆走应急车道比不走应急车道快，而应急车道的设置是动态的，本发明将如图2中的具有应急车道设置条件(流量、道路通行能力、车道数等指标符合)的车道临时设置为动态应急车道，进而得到适用于布设应急车道的路段备选集c。

进一步，本发明还可以汇总所有具有设置应急车道条件的车道的路径，得到备选路径集ni。

如ni＝{(①-②-③-⑥-⑨),(①-②-③-⑥-⑤-⑧-⑨),(①-④-⑤-⑧-⑨)...}。

在具体应用实例中，在步骤s4中，所述上层模型应急车道布设问题中，应急车道设置是动态的，具有临时性的特征，需要进一步建立模型来确定应急车道的布设，通过成本、流量等约束条件，在备选集c中选择符合约束的应急车道备选方案。

在具体应用实例中，在步骤s4中，所述下层模型的多用户动态交通流分配是对上层模型进行反馈，应急车道的开放说明路段通行能力减少，社会车辆的路径行程时间会发生变化。同时，社会车辆、公交车在剩余车道上，将进行一次车道间的交通流分配达到均衡状态；而不符合应急车道布设条件的路段，只进行交通分配，不考虑应急车道布设问题。

作为较佳的实施例，在步骤s4中，上层(多目标优化模型)：求解变量—路网内应急车道的布设；优化目标—应急车辆行程时间最短，社会车辆、公交车运行效率最高。下层(多用户均衡模型)：求解变量—路网内公交车、社会车辆的分配流量与行驶路径；优化目标—交通分配过程中，车辆间相互影响最小，最终达到网络的均衡。

作为较佳的实施例，进一步在步骤s4中，上层模型包括应急车辆路径规划和应急车道布设两部分。

1、目标函数；

上式表达的是上层模型的目标函数，也是整个模型的要达到的最优目标。分别为公交车、社会车辆在路段车流量，分别为公交车、社会车辆在路段的实时阻抗,q1、q2分别表示路段上公交车、社会车辆折合成应急车辆的流量系数。表示公交车辆的最短行驶时间，表示社会车辆的最短行驶时间，表示社会车辆的最短行驶时间。

2、约束条件：

式(4)-(7)是路网中应急车辆路线规划约束，式(4)表达了流量守恒约束，γ^-1表示路段(i,j)上游节点，γ¹表示路段(i,j)下游节点；式(5)中应急路线p是否在路段(i,j)上的0/1变量，式(6)表示路段(i,j)的通行能力约束，式(7)表示非负约束。

nij≥2(8)

公式(8)至(11)表示为路网中的应急车道的设置约束。其中(8)保证应急车辆是双向四车道及以上，nij为路段(i,j)上的车道数,(9)保证应急车辆的走行时间成本不超过规范规定时间。公式(10)确保只有应急车辆可以使用应急车道，公式(11)定义了应急车道设置变量为0/1变量，设置时变量为1，否则为0。

本发明通过上述成本、流量等约束条件，在备选集c中选择符合约束的应急车道备选方案。

作为较佳的实施例，进一步在步骤s4中，下层模型为多用户均衡模型。即，同类型的车辆在同一个交通路网中行驶时会对彼此产生不对称的影响。因此，本发明涉及两种车辆进行交通分配，公交车和社会车辆，分别用b,c表示，其中m＝b,c。

其中，多用户动态平衡条件：

对任意时段，运用以下交通配流模型，来得到平衡条件下的路段交通流量，对于任意类别的用户，同时出发的各类用户有最小的相同旅行成本，其他未被利用路径各类用户的旅行成本大于或等于最小旅行成本。

公式(12)为交通分配模型的目标函数，即交通分配过程中，各类车辆旅行成本最低，最终达到网络的均衡。

约束条件：

式(12)至(15)为车辆种类不同的多用户路径选择动态最优模型。式(13)为非负约束；式(14)为交通流量守恒约束，表示多用户根据时间的交通需求，公式(15)是流量转化约束，是关于路段与路径之间的关系描述，能够应用路径交通流量来表达任意路段的交通流入率,公式(16)为社会车出行成本函数，式(17)为公交车出行成本函数,分别为公交车、社会车辆流量标准化折算系数，α,β为常数，通常情况下分别取0.15和4。

在具体应用实例中，所述步骤s5中，交通组织下的双层应急路径规划模型是一个非确定性多项式困难(np-hard)问题，算法较为复杂且很难得到最优解。本发明采用遗传算法求解双层应急路径规划模型的上层模型，并在模型中内嵌f-w算法求解下层模型。即包括：

步骤s501：初始化，设定编码方案及各参数；

步骤s502：运用f-w算法求解下层模型，初步分配路网交通流量，得到平衡状态下的各类车辆流量；

步骤s503：在路网中选择备选方案中的一定系列节点，组成一个初试种群，来计算上层模型目标函数值；

步骤s504：计算每个节点的个体适应度，按照适应度的大小进行选择，适应度大的个体选择性小，反之，适应度小的选择性大。选出优良的个体，组成新的种群；

步骤s505：对新的种群执行交叉及变异操作,产生新的后代；

步骤s506：反复迭代，生成最优解。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，应视为本发明的保护范围。