不同路侧单元部署特性下的混合交通速度控制方法

1.本发明属于速度控制技术领域，涉及一种不同路侧单元部署特性下的混合交通速度控制方法。


背景技术：

2.随着社会发展，智能交通系统（intelligent traffic system，its）得到更多的实践与应用，其中道路基础设施逐步完善、自动驾驶技术快速发展。在道路基础设施中，路侧单元（roadside unit，rsu）在通信基站由4g向5g转变过程中得到更有效的应用，与此同时，v2i（vehicle to infrastructure）正面向更大的应用范围；在自动驾驶技术中，现阶段已出现大量l2级的自动驾驶车辆（automated vehicle，av），并出现小范围的l3级av，然而局限于技术发展瓶颈与政策适配速度，未来将在较长时间内存在av与人工车辆（human vehicle，hv）的混合交通流。在基础设施趋于完善以及混合交通存在的环境下，构建差异化路侧单元部署下混合交通速度控制方案将具有实际的应用价值。
3.在实现本发明的过程中，发明人发现现有技术存在交通基础设施部署非均衡性与混合交通流速度控制发展的滞后矛盾，在此矛盾的基础上，使得已有的速度控制方案无法适应客观环境需求，从而降低通行效率，加剧交通风险。


技术实现要素：

4.为了解决上述问题，本发明提供一种不同路侧单元部署特性下的混合交通速度控制方法，构建路侧单元部署特性的量化函数，并将其引入传统混合交通速度控制模型，考虑了路侧单元部署特性与混合交通速度控制的耦合，使得速度控制方法适应路侧单元发展趋势下的需求，并提高了车辆运行状态的稳定性及有效性，有效提升了混合交通流的通行效率、交通安全，解决了现有技术中存在的问题。
5.本发明所采用的技术方案是，一种不同路侧单元部署特性下的混合交通速度控制方法，具体按照以下步骤进行：步骤s1，通过相邻两个路侧单元间距与相邻两个路侧单元辐射半径和的差值对路侧单元的部署特性进行量化表达；步骤s2，将传统的混合交通速度控制模型与路侧单元部署特性耦合关联，建立不同路侧单元部署特性下的混合交通速度控制模型，如式（14）所示：
ꢀꢀ
（14）其中，k1，k2均为控制系数，k1单位s
‑2，k2单位s
‑1；t
a
为av在未考虑路侧单元因素下的期望车间时距，单位s；h为目标av与前车的车头间距，单位m；l为av的车长，单位m；s0为av在未考虑路侧单元因素下的最小停车间距，单位m；v为av当前时刻车速，单位m
•
s
‑1；为考虑路侧单元的当前时刻av的加速度，单位m
•
s
‑2；δv为当前时刻目标av与后车速度差，单位
m
•
s
‑1；t
total
(i,i+1)表示总传输时延，当相邻两个路侧单元间距与相邻两个路侧单元辐射半径和的差值小于等于0时，t
total
(i,i+1)等于传输时延t(i,i+1)；当相邻两个路侧单元间距与相邻两个路侧单元辐射半径和的差值大于0时，t
total
(i,i+1)等于盲区时延t
b
(i,i+1)与传输时延t(i,i+1)之和。
6.进一步的，所述步骤s1，具体为：在人、车、路、环境交互的智能网联环境下，av能够与路侧单元实现信息交互，hv为闭环信息体；路侧单元布置在路侧，第i个路侧单元为x
i
，i=1，2，3
…
，根据式（1）得到相邻两个路侧单元间距与相邻两个路侧单元辐射半径和的差值d
i,i+1
：
ꢀꢀ
（1）其中，相邻两个路侧单元间距为d
i,i+1
，单位m，i=1，2，3
…
，第i个路侧单元的辐射半径为r
i
，单位m，第i+1个路侧单元的辐射半径为r
i+1
，相邻的两个路侧单元的辐射半径和为r
i
+r
i+1
。
7.进一步的，所述步骤s2中，第i个路侧单元与第i+1个路侧单元的传输时延t(i,i+1)根据式（3）确定：（3）其中：β为在检测区域内连续两辆自动驾驶车辆间距小于等于r
i
与r
i+1
的平均值的概率；d
i,i+1
为第i个路侧单元与第i+1个路侧单元的部署间距，单位m；t
basic
为相邻路侧单元信息传输的基础时延；r
i
为第i个路侧单元辐射半径，单位m；r
i+1
为第i+1个路侧单元辐射半径，单位m；为第i个路侧单元至第i+1个路侧单元区间内所有车辆的平均车速，单位m
•
s
‑1；当且仅当d
i,i+1
小于等于0时，相邻两个路侧单元出现通信全覆盖，即在路段内不出现通信盲区；当d
i,i+1
大于0时，相邻两个路侧单元出现通信盲区，盲区时延为t
b
(i,i+1)。
8.进一步的，所述盲区时延t
b
(i,i+1)根据式（4）确定：
ꢀꢀ
（4）其中：为相邻两个路侧单元间目标av通过通信盲区时的平均车速，单位m
•
s
‑1。
9.一种不同路侧单元部署特性下的混合交通速度控制设备，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现上述不同路侧单元部署特性下的混合交通速度控制方法。
10.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现上述不同路侧单元部署特性下的混合交通速度控制方法。
11.本发明的有益效果是：（1）本发明充分考虑未来一定阶段内rsu部署以及混合交通流发展趋势，将rsu延迟特性与速度控制模型相结合，提供切实可行的速度控制方法，并提出了适配于控制方法
的效用函数，有效提升了通行效率、交通安全，保障稳定性，为相应的工程应用提供可靠的技术支持。
12.（2）本发明将rsu部署特性的量化指标引入改进的混合交通速度控制模型，将混合交通速度控制模型与路侧单元部署特性耦合关联，建立不同路侧单元部署特性下的混合交通速度控制模型，从而提出了优化的混合交通速度控制方法，并且通过数值仿真评估了本发明实施例相较于传统方法的优越性，解决了路侧单元部署非均衡性与混合交通流发展的滞后矛盾，填补了相关研究领域的空白，为混合交通速度控制提供一定的理论基础与技术应用，为提升交通效率与主动安全提供切实可行的工程方案。
13.（3）本发明提出了通信延迟计算方法，并结合速度控制方法创新性地将交通中基础设施与车辆因素建立联系，更好地实现了交通环境下的因素融合和信息交互。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
15.图1是本发明应用场景图。
16.图2是本发明实施例n=50，t=0.1速度更新频率下的轨迹变化图。
17.图3是本发明实施例n=100，t=0.05速度更新频率下的轨迹变化图。
18.图4是本发明实施例n=200，t=0.025速度更新频率下的轨迹变化图。
19.图5是本发明实施例n=500，t=0.01速度更新频率下的轨迹变化图。
20.图6是本发明实施例不同速度更新频率下期望横向加速度变化图。
21.图7是本发明实施例不同速度更新频率下期望纵向加速度变化图。
22.图8是本发明实施例不同速度更新频率下期望角度变化图。
23.图9是本发明实施例不同速度更新频率下角加速度变化图。
24.图10是本发明实施例中使用现有速度控制模型下的空间占有率分布图。
25.图11是本发明实施例中使用实施例1提出的速度控制模型下的空间占有率分布图。
26.图12是本发明实施例中使用现有速度控制模型下的平均车速分布热力图。
27.图13是本发明实施例中实施例1提出的速度控制模型下的平均车速分布热力图。
28.图14是本发明实施例的优化效益函数图。
29.图15是本发明实施例的结构框图。
具体实施方式
30.下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.本发明实施例的基本构思：
现有更多研究是从车辆本身出发，希望将车辆打造得更智能更自动化，然而忽略了道路基础设施更新迭代下对交通流的影响；本技术实施例考虑路侧单元的速度控制经过试验验证是行之有效的改善措施。首先，对现阶段路侧单元进行线性表达并提出适配的效率函数；其次，将传统的混合交通速度控制模型与路侧单元特性建立线性耦合关联，得到改进速度控制方案；最终，开展对应的数值仿真分析，从单车及混合交通流视角来多层次评估不同路侧单元部署特性下的混合交通速度控制适应方案的可行性。
32.实施例1，一种不同路侧单元部署特性下的混合交通速度控制方法，如图15所示，具体按照以下步骤进行：步骤s1，通过相邻两个路侧单元间距d
i,i+1
与其辐射半径之和r
i
+r
i+1
的差d
i,i+1
对路侧单元的部署特性进行量化表达；在人、车、路、环境交互的智能网联环境下，avs（自动驾驶车辆）能够通过车载单元与路侧单元实现信息交互，为avs提供准确可靠的交通数据；hvs（人工车辆）由于缺乏相应的智能设备，实质上为闭环信息体；在该场景中存在2类单元：路侧单元非均匀分布在高速公路路侧，用于采集与发送经过辐射区域车辆的运行状态信息；av配备智能车载单元，用于接收路侧单元发射的车辆运行状态信息，通过本技术实施例的速度控制方法执行对车辆的速度控制。
33.如图1所示，根据工程设计，路侧单元布置在路侧，为了明确路侧单元部署特性，做了如下的参数设置：第i个路侧单元为x
i
（i=1，2，3
…
）；相应路侧单元的辐射半径分别为r
i
（i=1，2，3
…
）；第i个路侧单元与第i+1个路侧单元的间距为d
i,i+1
（i=1，2，3
…
），高速公路单车道宽为3.75m。根据线性关系式（1）得到相邻两个路侧单元间距d
i,i+1
与其辐射半径之和r
i
+r
i+1
的差d
i,i+1
：
ꢀꢀ
（1）充分考虑各个路侧单元的辐射半径并非固定值，存在差异性，更适用于国内现有路侧单元的部署现状，适用性更强。
34.由于受到路侧单元部署情况的影响，因此d
i,i+1
存在如下情况：
ꢀꢀ
（2）当d
i,i+1
大于0时，相邻两个路侧单元存在通信盲区，即导致车车交互出现短暂的停滞；当d
i,i+1
小于等于0时，相邻两个路侧单元保障通信畅通，此时通信效率较高；本发明实施例主要考虑出现通信盲区时的速度控制。在路侧单元部署及通信半径的基础上，进一步确定高速公路直行路段路侧单元通信时延。
35.步骤s2，将传统的混合交通速度控制模型与路侧单元部署特性耦合关联，建立不同路侧单元部署特性下的混合交通速度控制模型。
36.步骤s21、当且仅当d
i,i+1
小于等于0时，相邻两个路侧单元才会出现通信全覆盖，即在路段内不出现通信盲区，第i个路侧单元与第i+1个路侧单元的传输时延t(i,i+1)根据式（3）确定：
ꢀꢀ
（3）其中：β为在检测区域内连续两辆自动驾驶车辆间距小于等于r
i
与r
i+1
的平均值的概率；d
i,i+1
为第i个路侧单元与第i+1个路侧单元的部署间距，单位m；t
basic
为相邻路侧单元信息传输的基础时延，t
basic
=0.1s；r
i
为第i个路侧单元辐射半径，单位m；r
i+1
为第i+1个路侧单元辐射半径，单位m；为第i个路侧单元至第i+1个路侧单元区间内所有车辆（包括av和hv）的平均车速，单位m
•
s
‑1。
37.当d
i,i+1
大于0时，相邻两个路侧单元出现通信盲区，即此时还存在由于通信盲区导致的时延，即盲区时延t
b
(i,i+1)，盲区时延t
b
(i,i+1)根据式（4）确定：
ꢀꢀ
（4）其中：为相邻两个路侧单元间目标车辆av通过通信盲区时的平均车速，单位m
•
s
‑1。此时的总传输时延t
total (i,i+1) 等于盲区时延t
b
(i,i+1)与传输时延t(i,i+1)之和，如式（5）所示： （5）步骤s22、设定两辆av车辆的间距为x，单位m；av车辆通信半径为r，单位m；hv比例为p（0<p<1），av比例为1
‑
p（渗透率），当且仅当两辆车均为av时才具备通信条件；根据混合交通流特性设定2个相邻路侧单元之间的相邻车辆距离服从指数分布。那么将出现两种具备通信的情况。情况1：av
‑
av。前后车均为自动驾驶车辆，并且两车的间距小于等于2r，r为av通讯半径；情况2：av
‑
m辆hv
‑
av。av之间存在m辆hv，但av之间的间距依旧小于等于2r。p1表示情况1的通信效率，p2表示情况2的通信效率；表达式如下：
ꢀꢀ
（6） （7）式中，m代表hv的数量，λ为指数分布系数，λ取值为1。
38.进一步，根据av
‑
av与av
‑
m辆hv
‑
av的比例，得到满足两项条件下的通信概率p：
ꢀꢀ
（8）当相邻路侧单元之间出现通信盲区，即d
i,i+1
>0时，此时在高速公路路段部署的路侧单元的最佳数目根据式（9）
‑
（10）确定：
ꢀꢀ
（9）
ꢀꢀ
（10）其中：l为检测路段长度，单位m；为路侧单元平均辐射半径，单位m；n为实际路侧单元的个数。
39.因此，得到路侧单元部署效率e
rsu
如式（11）所示：
ꢀꢀ
（11）其中：n为实际路侧单元部署数量。
40.考虑车辆间通信效率与路侧单元部署效率，根据式（10）构建综合效用函数：
ꢀꢀ
（12）式（12）中：u为综合效用函数；α为部署效率的影响因子，α=0.625
×
e
rsu
，即在部署效率e
rsu
为0.8时，α达到0.5，并且e
rsu
越大，α取值就会越大。式（9）、（11）、（12）能够评估本发明实施例中速度控制模型的效益。
41.步骤s23、路侧单元的部署特性及综合效用分析为基础，建立路侧单元部署特性与传统速度控制方法的关联模型，并通过路侧单元部署特性与av渗透率得到适配关联模型的优化效用函数，从而建立“路侧单元
‑
混合交通
‑
综合效用
‑
速度控制”的匹配关系，以适应实际应用中多变的路侧单元部署及混合交通变化情况，以达到优化交通效率的目标；在混合交通流中同时存在av与hv，av可以通过车端单元与路侧单元收集与发射讯息，实现与其他av的信息交互，hv则无法实现信息交互。因此，在混合交通流中主要针对于av的速度控制，从而达到对整个交通流的间接控制。式（13）所示速度控制模型能够客观反映行驶特性：
ꢀꢀ
（13）其中：k1，k2为控制系数；t
a
为av期望保持的车间时距，单位s；h为车头间距，单位m；l为车长，单位m；s0为最小停车间距，单位m；v0为未考虑路侧单元的当前时刻车速，单位m
•
s
‑1，为未考虑路侧单元的当前时刻车辆的加速度，单位m
•
s
‑2；δv0为前车与后车速度差，单位m
•
s
‑1；其中，k1=0.23s
‑2，k2=0.07s
‑1，t
a
的取值及接受比例见表1。
42.表1 车间时距t
a
取值及接受比例混合交通流在相邻路侧单元x
i
与x
i+1
之间受到路侧单元部署影响，使得式（13）无法满足客观道路发展需求，因此需要对该公式进行优化来适应不同情况下的路侧单元部署。由于受到路侧单元的部署条件，由此可能存在通信盲区，从而产生传输时延。
43.基于混合交通流在相邻路侧单元之间受到路侧单元部署影响，建立不同路侧单元部署特性下的混合交通速度控制模型，如式（14）所示。
[0044] （14）其中， k1（单位s
‑2），k2（单位s
‑1）为控制系数；t
a
为av在未考虑路侧单元因素下的期望车间时距，单位s；h为目标av与前车的车头间距，单位m；l为av的车长，单位m；s0为av在未考虑路侧单元因素下的最小停车间距，单位m；v为av当前时刻车速，单位m
•
s
‑1；为考虑路侧单元的当前时刻av的加速度，单位m
•
s
‑2；δv为当前时刻目标av与后车速度差，单位m
•
s
‑1；t
total
(i,i+1)表示总传输时延，当d
i,i+1
小于等于0时，t
total
(i,i+1)等于传输时延t(i,i+1)；当d
i,i+1
大于0时，t
total
(i,i+1)等于盲区时延t
b
(i,i+1)与传输时延t(i,i+1)之和。
[0045]
考虑到是否存在通信盲区，从而得到两种现象下的优化控制模型。
[0046]
当且仅当d
i,i+1
小于等于0时，相邻两个rsu不存在通信盲区。将式（14）与式（3）相结合得到如下公式：（15）当d
i,i+1
大于0时，相邻两个rsu出现通信盲区。将式（16）与式（5）相结合得到如下公式：（16）在工程设计当中，设定满足条件即d
i,i+1
小于等于0的比例为q（0<q<1），那么满足d
i,i+1
大于0的比例为1
‑
q。因此，当混合交通流中出现av车辆时，围绕对应的条件，根据式（15）或（16）进行速度控制。
[0047]
在考虑了路侧单元部署情况的基础上，本实施例进一步考虑混合交通流中av不同渗透率对速度控制方法的影响。已知路侧单元部署不存在通信盲区的概率为q，相邻两辆车均为智能车辆概率为(1
‑
p)2，在满足两项条件下的通信概率如式（17）示：（17）p
′
表示考虑路侧单元通信盲区时满足两项条件下的通信概率。
[0048]
进一步将式（17）与式（11）相结合，构建考虑路侧单元通信盲区的综合效用函数
u
′
：
ꢀꢀ
（18）技术效果验证：实施例2，对实施例1所得到的速度控制模型，即式（15）或式（16），开展数值仿真实验，通过数值实验评估该速度控制模型在应用过程中速度值变化频率对车辆稳定性的影响程度。
[0049]
在本发明实施例1所提速度控制模型下开展数值分析，针对av在运行过程中的轨迹变化情况进行采集。由于在实验中轨迹采集受测试次数n与测试时间间隔t的影响，由此得到如下的n/t参数设置表：表2 n/t参数设置表n=50、t=0.1代表1组；n=100、t=0.05代表2组，n=200、t=0.025代表3组，n=500、t=0.01代表4组。速度更新的频率以及实际轨迹与预测轨迹的差距如图2~5所示，由图2~ 5可知，随着受测试次数n的上升，车辆运行轨迹逐渐趋于平稳，以致在4组时可以实现完成拟合的目标。同时，不同的更新频率下，车辆轨迹未发生较大的变化，说明该模型可以有效适应在不同状态下的速度控制需求。
[0050]
为了更加直观评估在不同速度更新频率下的车辆参数变化。实施例围绕期望横向加速度、期望纵向加速度、期望角度以及角加速度来评估模型的有效性。由图6可知，在不同速度更新频率下，均在时间步长为0.5min时出现最低值，在时间步长区域[1.1,1.6]出现曲线交织的现象，此时逐渐出现加速度更替现象。2组、3组、4组均在2min开始逐渐趋于稳定值，且稳定值相差较小，而1组在3.5min才开始趋于稳定，且加速度值比前者大0.165m
•
s
‑
2 。
[0051]
由图7可知，四组曲线具有较高的拟合性。在2.5min之前，1组对应的期望纵向加速度最大，最小的是4组。在2.5min后发生排序变化，此时4组仍在逐渐上升并最终加速度大于0m
•
s
‑2，而其他三组已趋于稳定值0m
•
s
‑2，相较于横向加速度，纵向加速度波动性要更小。
[0052]
由图8可知，行驶角度在最初具备较大的波动，其中1组、2组、3组曲线接近，在0.25min时角度达到最大值，此后持续下降直至角度为0，此时车辆趋于直线稳定行驶。而4组从0min开始就持续下降。同时，在时间步长[0.8min,1.4min]出现曲线交织，在此之后，4组的期望角度始终大于其他三组。
[0053]
由图9可知，4组是所有组别中最稳定的。4组的角加速度始终小于0m
•
s
‑2，并在最终趋于0m
•
s
‑2。对于其他三组，在时间步长[0.5min,1min]出现最低值，在1min后角加速度逐步上升，并在3min之后趋于稳定。
[0054]
综上，通过对1
‑
4组试验数据分析，在4组的条件设置下的车辆稳定性最高，同时所有组别的参数变化过程均能保持在可控的区间内，进一步证实了该模型的稳定性。
[0055]
实施例3，对实施例1所得到的速度控制模型，开展路段仿真实验，从量化角度评估速度控制模型对于提升混合交通流通行效率的有效性。
[0056]
路侧单元部署特性最终可以归咎于通信延迟，混合交通流特性最终可以归咎于av渗透率，因此在开展实验时的变量最终归咎于通信延迟与av渗透率。在sumo仿真中，通信延迟通过反应时间tau/s来设置。av渗透率通过交通量vehsperhour/pcu
•
h
‑1来设置。具体场景设置见表3：表3 sumo仿真场景参数设置定义取值定义取值最大减速度
‑
3m
•
s
‑2最大加速度3m
•
s
‑2av遵循度sigma1.0hv遵循度sigma0.8车道数1————tau（反应时间=驾驶员自身反应时间+通信延迟产生的反应时间）。由于受到路侧单元通信延迟的影响，因此hv与av均存在反应时间，根据已有研究显示，设置t
driver
=0.9s。由此得到hv与av对应的tau公式如下所示： （19）
ꢀꢀ
（20）式（19）~（20）中：tau
hv
为hv的总反应时间，单位s；为驾驶员的反应时间，单位s；为rsu延迟时间，单位s；tau
av
为av的总反应时间，单位s。
[0057]
sumo仿真实验主要开展两个模式：一种是使用现有速度控制模型进行速度控制，一种是通过本发明实施例1速度控制模型进行速度控制。
[0058]
表4 仿真实验组合设计表4中每组tau
hv
、tau
av
中分别在1
‑
p为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9时进行试验，共得到在不同通信延迟与不同渗透率下的45组实验结果。
[0059]
分别通过现有速度控制模型和本发明实施例1速度控制模型进行速度控制，计算出优化速度值，根据所计算出的优化速度值开展上述45组实验。
[0060]
围绕上述两组实验，从单车及混合交通流视角多层次评估不同路侧单元部署特性下的混合交通速度控制方法的可行性。
[0061]
从混合交通流角度评估差异化av渗透率、通信延迟时间对模型进行深入评估，如图10
‑
11所示。随着av渗透率的增加，对应空间占有率均出现上升的现象。其中当通信延迟时间为0.2s时上升幅度最大，1.0s时上升幅度最小，说明在相同av渗透率下通信延迟时间越小，相应空间占有率影响越大。其次，横向比较使用本发明实施例1的速度控制模型与未使用模型，发现相同的av渗透率与通信延迟时间下，使用本发明实施例1的速度控制模型的空间占有率较高；说明本发明实施例1的速度控制模型具备优化道路通行效率的作用。
[0062]
为了进一步量化本发明实施例1的速度控制模型在通行效率的优化程度，试验结
果见表5，可知av渗透率越大，对应优化率越小；通信延迟时间越短，对应优化率越大。同时，对于任意条件下，使用本发明实施例1所提模型后的空间占有率均能优于未使用模型的空间占有率，且优化率不低于20%。因此，进一步证实了本发明实施例1的速度控制方法提升了混合交通流通行效率的可行性。
[0063]
表5 使用本发明速度控制方法的空间占有率优化率从混合交通流平均速度来分析。由图12、图13可知，在未使用模型情况下，混合交通流主要分布在[16.43m
•
s
‑1,17.32m
•
s
‑1)，[17.32m
•
s
‑1,19.12m
•
s
‑1)，[19.12m
•
s
‑1,20.01m
•
s
‑1]三个区间内，其中第二区间占比最大，其次是第一区间，最小的为第三区间，在任意条件下，平均速度均保持在较低水准，即无法有效优化通行效率；在使用本发明实施例1的速度控制模型的情况下，混合交通流主要分布在[23.50m
•
s
‑1,23.81m
•
s
‑1)，[23.81m
•
s
‑1,24.12m
•
s
‑1)两个区间内，其中第一区间占比最大。同时，此时的速度变化不仅保持在较小的波动区间内，平均速度值也相较于未使用模型情况有了显著的提升。因此，进一步证实了本发明实施例1在优化通行效率方面的优势。
[0064]
对仿真结果进行整理，根据公式（18）计算不同渗透率、不同通信延迟情况下的综合效用，如图14所示，x、y、z轴分别代表av渗透率、通信效率影响因子α及综合效用。随着av渗透率的上升，综合效用值出现了相应的提升。其次，α值越大，代表部署效率影响越大，在使用本发明实施例1所提速度控制方法，能够提高α值，从而使得综合效用值呈上升趋势，说明本发明实施例能够有效适应路侧单元部署的变化。本发明实施例通过路段仿真实验进一步量化评估所提出速度控制模型能够提升混合交通流通行效率的有效性。
[0065]
本发明实施例1充分考虑路侧单元的通信延迟、通信半径以及部署位置特征的相互关联，将速度控制与效用函数相结合；本发明实施例2
‑
4分别利用数值分析与交通仿真进行单车及混合交通流的双向评估。实施例2
‑
3证实了采用本发明实施例1控制方法，提高了车辆运行状态的稳定性及有效性。实施例4则从混合交通流通行效率进行多维评估，对比分析有无使用模型下的交通效益。从多视角、多维度进行评估，证明本发明实施例1提出的控制方法具备投入应用的价值；在大面积布设路侧单元的环境下，在边缘计算更加普遍与需求的情况下，在混合交通的趋势更加明显的环境下，本发明实施例的速度控制方法能够更好地适应交通发展的趋势。
[0066]
本发明实施例所述不同路侧单元部署特性下的混合交通速度控制方法如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存
储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器或者网络设备等）执行本发明施例所述不同路侧单元部署特性下的混合交通速度控制方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0067]
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。