一种基于智能网联汽车渗透率监测的高速公路CAV车辆专用车道管控算法与系统的制作方法

一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法与系统
技术领域
1.本发明涉及智能交通技术领域，具体涉及一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法与系统。


背景技术：

2.近年来，智能网联自动驾驶汽车(connected autonomousvehicle,cav车辆)获得了政府、行业和学术界前所未有的关注。由人工驾驶汽车(human-driven vehicle,hv)和cav车辆组成的混合交通流将不可避免地存在。cav车辆混合交通流改变了传统交通流的构成，带来了新的交通特性。受到cav车辆技术发展和不同混入比例的影响，cav车辆混合交通流运行规律存在诸多不确定性。为了充分发挥cav车辆优势的同时解决混合交通流复杂性，设置cav车辆专用道成为了重要的技术趋势和管理选择。设置cav车辆专用道有助于 cav车辆节省出行时间，更好的组织混合交通流。另一方面，效率优先的cav车辆专用道设置没有兼顾cav车辆对交通环境和公平性的影响。cav车辆专用道如何优化设置一直是业内面临的重要技术问题。


技术实现要素：

3.针对现有技术的缺陷，本发明提供一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，实时监测智能网联车辆 cav车辆的渗透率，建立智慧高速cav车辆专用车道通行能力和cav 车辆与hv混合车道通行能力评估模型，以高速公路通行车流量最大为目标函数求解cav车辆专用车道数量最优评估模型，确定cav车辆专用车道管控策略，并输出此策略信息，具体包括如下步骤：
4.一方面，本技术提供一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，其中，包括：
5.获取目标路段中cav车辆的渗透率；
6.于cav车辆的渗透率匹配预定值的状态下，开启cav车辆专用车道；并计算cav车辆专用车道通行能力；
7.计算cav车辆与hv车辆混合车道的通行能力；
8.根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型。
9.优选地，上述的一种基于智能网联汽车渗透率监测的高速公路 cav车辆专用车道管控算法，其中，获取当前cav车辆的渗透率具体包括：
10.获取目标路段的基础数据和与目标路段匹配的实时数据，根据基础数据和实时数据计算cav车辆流量和hv车辆流量；
11.根据cav车辆流量和hv车辆流量形成当前cav车辆的渗透率。
12.上述的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算
法，其中，于cav车辆的渗透率匹配预定值的状态下，触发开启cav车辆专用车道策略；并计算cav车辆专用车道通行能力；
13.具体包括：
14.于cav车辆的渗透率匹配预定值的状态下，触发开启cav车辆专用车道策略；
15.建立cav车辆跟车速度更新模型以预判cav车辆于下一个时刻的速度；
16.根据cav车辆于下一个时刻的速度计算获取cav车辆于下一个时刻的位置信息；
17.根据cav车辆于下一个时刻的速度、cav车辆于下一个时刻的位置信息计算当前cav车辆与前车之间的车头间距；根据车头间距形成当前cav车辆的车头时距，根据所有的cav车辆的车头时距形成根据 cav车辆专用车道平均车头时距；根据cav车辆专用车道平均车头时距计算cav车辆专用车道通行能力。
18.上述的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，其中，根据cav车辆专用车辆平均车头时距计算 cav车辆专用车道通行能力具体为：
[0019][0020]
其中：为cav车辆专用车道平均车头时距，
[0021]
q1为cav车辆专用车道通行能力。
[0022]
优选地，上述的一种基于智能网联汽车渗透率监测的高速公路 cav车辆专用车道管控算法，其中，计算cav车辆与hv车辆混合车道的通行能力，具体包括：
[0023]
计算cav车辆与hv车辆混合车道未启动cav车辆编队状态下， cav车辆与hv车辆混合车道的通行能力；
[0024]
计算cav车辆与hv混合车道启动cav车辆编队状态下，cav车辆与hv车辆混合车道通行能力。
[0025]
上述的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，其中，根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型具体包括：
[0026]
于所述渗透率匹配第一阈值的状态下，cav车辆与hv车辆混合车道未启动cav车辆编队状态下，构建未编队状态下cav车辆专用车道数量最优评估模型，根据未编队状态下cav车辆专用车道数量最优评估模型；
[0027]
于所述渗透率匹配第二阈值的状态下，cav车辆与hv混合车道启动cav车辆编队状态下，构建编队状态下cav车辆专用车道数量最优评估模型，根据编队状态下cav车辆专用车道数量最优评估模型。
[0028]
上述的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，其中，于所述渗透率匹配第一阈值的状态下，cav 车辆与hv车辆混合车道未启动cav车辆编队状态下，构建未编队状态下cav车辆专用车道数量最优评估模型，根据未编队状态下cav车辆专用车道数量最优评估模型；具体地：
[0029]
根据未编队状态下cav车辆专用车道数量最优评估模型：
[0030]
[0031][0032][0033][0034]
r＝k1+k0[0035]
其中，k1为cav车辆专用车道数，
[0036]
k0为cav车辆与hv混合车道数，
[0037]
π为cav车辆专用车道与cav车辆专用车道与hv混合车道允许的服务水平，服务水平指的是cav专用车道和hv车道都不能出现拥堵状态，用服务水平的阈值来约束。
[0038]qi,t
为时刻t高速路段车道i监测的流量，
[0039]qj,t,1
为时刻t高速路段车道j中cav车辆的流量，
[0040]qj,t,0
为时刻t高速路段车道j中hv车辆的流量，
[0041]
上述的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法，其中，于所述渗透率匹配第二阈值的状态下，cav 车辆与hv混合车道启动cav车辆编队状态下，构建编队状态下cav 车辆专用车道数量最优评估模型，根据编队状态下cav车辆专用车道数量最优评估模型；具体地，
[0042]
根据编队状态下cav车辆专用车道数量最优评估模型为：
[0043][0044][0045][0046][0047][0048]
r＝k1+k0+k
01
[0049]
r＝r1∪r0∪r
01
[0050]
其中，k1为cav车辆专用车道数，
[0051]
r1为cav车辆专用车道集合，
[0052]
k0为cav车辆与hv混合车道未启动cav专用车道数，
[0053]
r0为cav车辆与hv混合车道未启动cav专用车道集合，
[0054]k01
为cav车辆与hv混合车道启动cav专用车道数，
[0055]r01
为cav车辆与hv混合车道启动cav专用车道集合，
[0056]
π为cav车辆专用车道与cav车辆专用车道与hv混合车道允许的服务水平。
[0057]
另一方面，本技术提供一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控系统，其中：包括：
[0058]
渗透率计算单元，用以获取当前cav车辆的渗透率；
[0059]
cav专用车道控制单元，于cav车辆的渗透率匹配预定值的状态下，开启cav车辆车道；并计算cav车辆专用车道通行能力；计算 cav车辆与hv车辆混合车道的通行能力；根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道
数量最优控制参数；
[0060]
输出单元，用以输出所述优控制参数。
[0061]
最后，本技术再提供一种设备，其中，部署在智慧高速云控平台中，执行上述任一项所述的基于智能网联汽车渗透率监测的高速公路 cav车辆专用车道管控算法。
[0062]
与现有技术相比，本发明的有益效果是：
[0063]
本发明基于高速公路智能网联汽车渗透率监测的cav车辆专用车道管控方法。例如基于智慧高速云控基础平台实现对入网的智能网联车辆实时监管，掌握在高速公路上行驶的智能网联车辆的渗透率情况，基于车道管理的理念构建cav车辆专用车道通行能力评估模型、 cav车辆与hv车辆混合车道通行能力评估模型，以高速公路通行车流量最大为目标函数求解cav车辆专用车道数量最优评估模型，确定 cav车辆专用车道管控策略，包括是否满足开启cav车辆专用车道的条件以及开启cav车辆专用车道的数量，以达到最大化高速公路通行能力的目的，提高经济效益。
附图说明
[0064]
图1为本发明实施例提供的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法的流程图；
[0065]
图2为本发明实施例提供的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法的流程图；
[0066]
图3为本发明实施例提供的一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法的流程图；
[0067]
图4为一种设备的结构示意图。
具体实施方式
[0068]
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0069]
实施例一
[0070]
如图1所示，一种基于智能网联汽车渗透率监测的高速公路cav 车辆专用车道管控算法，其中，包括：
[0071]
步骤s110、获取目标路段中cav车辆的渗透率，示意性地，例如，
[0072]
步骤s1101、获取目标路段的基础数据和与目标路段匹配的实时数据，根据基础数据和实时数据计算cav车辆流量和hv车辆流量，
[0073]
例如通过智慧高速云控平台登记入网车辆的信息形成所述基础数据，登记入网的信息至少包括入网车辆的id，入网车辆的vin码，入网车辆的类型，入网车辆的类型包括智能网联的cav车辆、人工驾驶的hv车辆；
[0074]
通过高速公路路侧安装的超视距毫米波雷达实时上传至云控基础平台的车道级交通流量数据形成所述实时数据，实时数据为：
[0075]
q＝[q1,q2,
…
,q
t
]；
[0076]qt
＝[q
1,t
,q
2,t
,
…
,q
r,t
]；
[0077]
其中，q
t
为时刻t高速路段所有车道监测的流量，高速路段所有车道数为r，t∈[1,t]，
[0078]qi,t
为时刻t高速路段车道i监测的流量，
[0079]qi,t
＝q
i,t,1
+q
i,t,0
，
[0080]qi,t,1
、q
i,t,0
分别为智能网联车辆cav车辆和人工驾驶车辆hv。
[0081]
步骤s1102、根据智能网联车辆cav车辆流量和人工驾驶车辆hv 流量形成当前cav车辆的渗透率。
[0082][0083]
其中，pe
i,t
时刻t高速路段车道i的cav车辆渗透率。
[0084]
步骤s120、于cav车辆的渗透率匹配预定值的状态下，开启cav 车辆专用车道；计算cav车辆专用车道通行能力。具体地：
[0085]
如图2所示，步骤s1201、于cav车辆的渗透率匹配预定值的状态下，开启cav车辆专用车道；于cav车辆的渗透率不小于预定值的状态下判定当前状态适合开启cav车辆专用车道，该预定值可以根据实际应用场合确定，此处不做具体限制。
[0086]
步骤s1202、建立cav车辆跟车速度更新模型以预判cav车辆于下一个时刻的速度；
[0087][0088]
其中，vn为cav车辆车位当前时刻的速度；
[0089]vn+1
为cav车辆下一个时刻的速度；
[0090]
a为云控基础平台下发至cav车辆的下一时刻的加速度，
[0091]vmax
为高速公路的最大通行速度，
[0092]
为高速公路智能网联v2x环境下rsu下发的cav车辆附近所有车辆的平均速度，
[0093]vsafe
为云控基础平台下发至cav车辆的安全行驶速度。
[0094]
步骤s1203、根据cav车辆于下一个时刻的速度计算获取cav车辆于下一个时刻的位置信息；具体地，
[0095]
x
n+1
＝xn+h*v
n+1
[0096]
其中，xn为cav车辆当前时刻的位置；
[0097]
h为时间步长；也可以理解为当前时刻与下一个时刻之间的时间差，步长可以根据实际情况设置，此次不做具体限制。
[0098]
x
n+1
为cav车辆下一个时刻的位置。
[0099]
步骤s1204、根据cav车辆于下一个时刻的速度、cav车辆于下一个时刻的位置信息计算当前cav车辆与前车之间的车头间距；根据车头间距形成当前cav车辆的车头时距，根据所有的cav车辆的车头时距形成根据cav车辆专用车道平均车头时距；根据cav车辆专用车道平均车头时距计算cav车辆专用车道通行能力，
[0100][0101]
其中：为cav车辆专用车道平均车头时距，
[0102]
q1为cav车辆专用车道通行能力。
[0103]
步骤s130、计算cav车辆与hv车辆混合车道的通行能力，具体地，
[0104]
步骤s1301、计算cav车辆与hv车辆混合车道未启动cav车辆编队状态下，cav车辆与hv车辆混合车道的通行能力，
[0105][0106]
式中：为hv平均车头时距，q0为cav车辆与hv车辆混合车道的通行能力
[0107]
步骤s1302、计算cav车辆与hv混合车道启动cav车辆编队， cav车辆与cav车辆编队行驶，hv车辆与hv车辆跟随行驶，cav车辆与hv车辆混合车道通行能力：
[0108][0109]
式中：为hv平均车头时距，为cav车辆平均车头时距；
[0110]q01
为cav车辆与hv车辆混合车道通行能力。
[0111]
步骤s140、根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型，具体包括：
[0112]
步骤s1401、于所述渗透率匹配第一阈值的状态下，cav车辆与 hv车辆混合车道未启动cav车辆编队状态下，构建未编队状态下cav 车辆专用车道数量最优评估模型，根据未编队状态下cav车辆专用车道数量最优评估模型；其中第一阈值可根据实际情况确定，示意性地，第一阈值可为30％～50％，当渗透率小于第一阈值的状态下认为所述渗透率匹配第一阈值，具体地：
[0113]
根据未编队状态下cav车辆专用车道数量最优评估模型：
[0114][0115][0116][0117][0118]
r＝k1+k0[0119]
其中，k1为cav车辆专用车道数，
[0120]
k0为cav车辆与hv混合车道数，
[0121]
π为cav车辆专用车道与cav车辆专用车道与hv混合车道允许的服务水平，其中服务水平指的是cav专用车道和hv车道都不能出现拥堵状态，用服务水平的阈值来约束。
[0122]qi,t
为时刻t高速路段车道i监测的流量，
[0123]qj,t,1
为时刻t高速路段车道j中cav车辆的流量，
[0124]qj,t,0
为时刻t高速路段车道j中hv车辆的流量，
[0125]
步骤s1402、于所述渗透率匹配第二阈值的状态下，cav车辆与 hv混合车道启动
cav车辆编队状态下，构建编队状态下cav车辆专用车道数量最优评估模型，根据编队状态下cav车辆专用车道数量最优评估模型；其中第二阈值可根据实际情况确定，第一阈值与第二阈值可以完全独立，也可以设置有相应的交际，示意性地，第二阈值可为51％，当渗透率不小于第二阈值的状态下认为所述渗透率匹配第二阈值，具体地，
[0126]
根据编队状态下cav车辆专用车道数量最优评估模型为：
[0127][0128][0129][0130][0131][0132]
r＝k1+k0+k
01
[0133]
r＝r1∪r0∪r
01
[0134]
其中，k1为cav车辆专用车道数，
[0135]
r1为cav车辆专用车道集合，
[0136]
k0为cav车辆与hv混合车道未启动cav专用车道数，
[0137]
r0为cav车辆与hv混合车道未启动cav专用车道集合，
[0138]k01
为cav车辆与hv混合车道启动cav专用车道数，
[0139]r01
为cav车辆与hv混合车道启动cav专用车道集合，
[0140]
π为cav车辆专用车道与cav车辆专用车道与hv混合车道允许的服务水平。
[0141]
上述的一种基于智能网联汽车渗透率监测的高速公路cav专用车道管控算法，基于高速公路智能网联汽车渗透率监测的cav车辆专用车道管控方法。例如基于智慧高速云控基础平台实现对入网的智能网联车辆实时监管，掌握在高速公路上行驶的智能网联车辆的渗透率情况，基于车道管理的理念构建cav车辆专用车道通行能力评估模型、 cav车辆与hv车辆混合车道通行能力评估模型，以高速公路通行车流量最大为目标函数求解cav车辆专用车道数量最优评估模型，确定 cav车辆专用车道管控策略，包括是否满足开启cav车辆专用车道的条件以及开启cav车辆专用车道的数量，以达到最大化高速公路通行能力的目的，提高经济效益。
[0142]
实施例二
[0143]
本发明再提供一种基于智能网联汽车渗透率监测的高速公路cav 专用车道管控系统，其中：包括：
[0144]
渗透率计算单元，用以获取当前cav车辆的渗透率；
[0145]
cav专用控制单元，于cav车辆的渗透率匹配预定值的状态下，开启cav车道；并计算cav专用车道通行能力；计算cav车辆与hv 车辆混合车道的通行能力；根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型；
[0146]
输出单元，用以输出所述优控制参数。
[0147]
上述的一种基于智能网联汽车渗透率监测的高速公路cav专用车道管控系统，其
工作原理与一种基于智能网联汽车渗透率监测的高速公路cav专用车道管控算法的工作原理相同，其获取的有益效果相同，此处不做赘述。
[0148]
实施例三
[0149]
一种设备，其中，包括存储介质和处理器，存储介质用于存储计算机程序，处理器用于执行计算机程序，实现权利要求上述实施例一的一种基于智能网联汽车渗透率监测的高速公路cav专用车道管控算法，具体包括：
[0150]
获取目标路段中cav车辆的渗透率；
[0151]
于cav车辆的渗透率匹配预定值的状态下，开启cav专用车道；并计算cav专用车道通行能力；
[0152]
计算cav车辆与hv车辆混合车道的通行能力；
[0153]
根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型。
[0154]
控制装置具体包括：一个或多个处理器410，图4中以一个处理器410为例；存储器420，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器410执行，使得一个或多个处理器410实现本发明任意实施例所述的混合现实交互方法。处理器410与存储器 420可以通过总线或其他方式连接，图4中以通过总线连接为例。
[0155]
存储器420，作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的混合现实交互方法对应的程序指令(例如，各方向上信号的接收与场强的测量以及单程时延的确定和ta信息的采集)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的混合现实交互方法。
[0156]
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0157]
实施例四
[0158]
最后，本技术再提供一种计算机可读存储介质，该计算机可读存储介质上存储有基于智能网联汽车渗透率监测的高速公路cav专用车道管控算法的程序，基于智能网联汽车渗透率监测的高速公路cav 专用车道管控算法的程序被处理器执行时实现上述实施例一的一种基于智能网联汽车渗透率监测的高速公路cav专用车道管控算法，具体包括：
[0159]
获取目标路段中cav车辆的渗透率；
[0160]
于cav车辆的渗透率匹配预定值的状态下，开启cav专用车道；并计算cav专用车道通行能力；
[0161]
计算cav车辆与hv车辆混合车道的通行能力；
[0162]
根据cav车辆专用车道通行能力、cav车辆与hv车辆混合车道的通行能力形成cav车辆专用车道数量最优评估模型。
[0163]
当然，本发明实施例所提供的一种计算机可读存储介质，其计算机可执行指令不
限于如上所述的方法操作，还可以执行本发明任意实施例所提供的混合现实交互方法中的相关操作。
[0164]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
[0165]
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0166]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。