申请/专利权人：东北林业大学

申请日：2023-11-21

公开（公告）日：2024-04-12

公开（公告）号：CN117877247A

主分类号：G08G1/01

分类号：G08G1/01;G08G1/085

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种智能车路协同环境下可变导向车道的智能控制方法。从时间与空间两个维度考虑，构建了以绿灯利用率最大和车道空间占有率最小为目标的时空资源做目标规划模型，并结合车速诱导策略与信号协同控制方法改进车辆运行过程。之后，利用带精英策略的非支配排序遗传算法与模糊推理系统组合求解该模型，比较帕累托最优解集与模糊集中的目标适配值，选出基于车道数与绿信比限制的最优可行解。依托优化模型，提出了具体的智能控制方法与操作流程，得到车道分配方案及其信号配时方案的最佳组合。本发明能够有效提高可变导向车道的选用概率，解决流向供需失衡与可变导向车道利用率低等问题。

主权项：1.智能车路协同环境下可变导向车道的智能控制方法，其特征在于该方法包括以下步骤：A获取初始数据及方案在智能车路协同环境下利用检测设备获取各种初始交通数据，读取交通信号控制机内的信号配时方案和可变信息指示牌内的可变导向车道转向信息，生成初始时空资源配置方案；B生成最优分配方案根据各进口车道的初始时空资源分配情况，将数据信息导入时空资源分配模型，并利用带精英策略的非支配排序遗传算法与模糊推理系统组合求解得到帕累托最优解集，再对接近车流采取车速诱导策略以及信号协同控制方法，得到最优分配方案；a建立时空资源分配模型以绿灯利用率χ最大和车道空间占有率Rs最小作为优化目标构建目标函数，从车道数量、交通流量和信号配时角度进行约束控制；a中构建的优化模型目标函数为： 式中：Nim为方向i转向m的进口车道数；Sim为车道i转向m车道的设计饱和流量；γim为控制方向i流向m的车道数变化的二元变量，γim∈Γ＝{-1,1}，当γim＝1时表示方向i流向m的车道数增加；当γim＝-1时表示方向i流向m的车道数减少；φim为控制方向i是否设置流向为m的可变导向车道的二元变量，φim∈Φ＝{0,1}，当φim＝1时表示方向i设有车道功能为m可变导向车道；当φim＝0时表示方向i未设置可变导向车道；ge,im为方向i转向m的有效绿灯时间；Limk为方向i转向m第k个行驶网联车辆占据车道的长度；Li为通信区域内方向i的车道长度；a中的约束条件概述为：1车道数量约束：进口车道Ni和出口车道Ei需满足约束条件为： 2交通流量约束：到达交通流量Qim需满足约束条件为： 式中：CAPim为方向i转向m的设计通行能力；CAP'im为优化后的方向i转向m的设计通行能力；3信号配时约束：信号周期时间需满足约束条件为： 各相位的有效绿灯时间需满足约束条件为： 绿信比需满足约束条件为： 式中：Tc为最佳周期时间；Tcmin为最小周期时间；Tcmax为最大周期时间；I为总损失时间；yim为方向i转向m的临界流量比；gmin,im为方向i转向m的最小绿灯时间；λim为方向i转向m的绿信比；Y为总临界流量比；b车速诱导策略车辆从位置t＝0到达交叉口遇到如下六种情况；1当t0≤tntg时，信号灯为绿灯，剩余时间足够车辆匀速通过；2当t0≤tntY时，绿灯即将结束并变为黄灯，需根据判断车辆是否进入两难区，若是，则执行情况3；若无，则保持车速通过交叉路口： 3当tg≤tntge时，信号灯为绿灯且剩余时间较短，到达车辆已经进入两难区，但无法以当前速度通过交叉口，此时若车辆进入车速诱导感知区域，可适当延长当前相位的绿灯时间，确保车辆通过交叉口的延长绿灯时间tge为： 式中：vn是车辆n的到达速度，单位为ms；ln是到达车辆n与停车线之间的距离；当进入车速诱导感知区域的车辆数量增加时，需确定延长绿灯时间最大值，在达到最大绿灯时间之前，需满足条件为：Δtge＝maxΔtge,1,Δtge,2,...,Δtge,k；根据道路的实际情况，在尽量减少交叉口车辆放行影响的前提下，将相位持续时间的25％作为推荐值，最大延长绿灯信号时间Δtg,max为：Δtg,max＝25％tge；4当tge≤tntr时，信号灯为绿灯并增至最大绿灯时间，在到达两难区前且不超过当前车道设计限速vlimit的情况下，可采用加速引导策略，保证在红灯启亮前通过交叉口，车辆n的到达速度vn满足条件为：0＜vn≤vlimit；5当tr≤tn时，信号灯为红灯，但剩余时间较短，可采取减速策略，使到达车辆在下一个周期的绿灯时间内无需停车即可通过；6当tr≤tn时，信号灯为红灯且剩余时间较长，引导车辆减速至停止；结合第4-6种情况下的车速诱导策略，可判断车辆是否加速、减速或停止，驶过交叉路口的诱导速度方程为： 式中：vG,n为车辆n的诱导速度；td为驾驶员加速的反应时间；a+vn为车辆在速度诱导过程中所需的加速度，单位为ms2；c信号协同控制方法当饱和度xC大于0.9时，转向车道将会堵塞，需执行当前交通状况下的临界绿灯时间tgc,j，饱和度xC和非延时相位j的临界绿灯时间tgc,j为： 式中：trj为j相位的绿灯间隔时间；Qj为过去5分钟内关键车道上j相位的平均流量，单位为vehh；Sj为关键车道上j相位的饱和流量，单位为vehh；d模型求解方法由于本发明的时空资源最优分配模型是一个多目标问题，所以采用了基于模糊推理系统和带精英策略的非支配排序遗传算法的组合方法求解最优解，分为以下两个步骤：1采用模糊推理系统得到输出变量精确值：11车道数与有效绿灯时间或绿信比在不同交通需求下具有最佳平衡关系，基于优化目标选定情况，设计Q-λ-χ和Q-N-Rs的多输入单输出模糊推理系统；12在经过模糊化处理后，模糊推理以"IFAandBandC,Then,DandE"的语句形式表达，使用Mamdani方法表示模糊规则，输出权重均设为1，共设置40条规则；13根据不同的模糊规则，处理并得到去模糊化后输出变量的精确值；2在模糊推理系统基础上，选择带精英策略的非支配排序遗传算法作为多目标优化算法求解：21生成初始种群，并完成快速非支配排序；22针对初始种群执行多项遗传算法的操作流程，包括选择、交和突变等，生成子代种群；23将初始种群与子代种群合并，执行快速非支配排序与拥挤度计算操作，并重复上述操作，直至迭代次数达到最大值，得到帕累托最优解集；24根据从模糊推理系统中所得目标值的适应度值和模糊关系，将帕累托解集与模糊集的目标适配值进行比较，筛选得到最优解；C评估方案有效性根据优化前后的两套方案，评价优化目标的效益是否提升或降低；D实施优化方案以效益评估结果是新方案为前提，将新配置方案，包括切换车道功能、调整信号配时和相位等，保存至数据库并下发至路侧单元、车载单元、交通信号控制机和可变信息指示牌等。

全文数据：

权利要求：

百度查询： 东北林业大学 智能车路协同环境下可变导向车道的智能控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD