申请/专利权人：北京交通大学

申请日：2023-04-27

公开（公告）日：2024-04-19

公开（公告）号：CN116702389B

主分类号：G06F30/18

分类号：G06F30/18;G08G1/01;G08G1/065;G06F17/15;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.09.22#实质审查的生效;2023.09.05#公开

摘要：本发明提供了一种针对混合交通流的嵌套流量计算方法。该方法包括：置自动驾驶车辆和人工驾驶车辆在普通路段上混合行驶，通过拓扑排序生成专用网络的路径集，根据扩展网络上的车辆的起始点需求，通过主估算算法求解用户最优的均衡原则的目标函数，获取自动驾驶车辆和人工驾驶车辆在扩展网络中的用户最优流量分布；基于专用网络的路径集，在主估算算法的求解过程中，通过子估算方法嵌套求解所有车辆遵循系统最优的均衡原则的目标函数，计算出专用网络中的系统最优流量分布。本发明方法提出了一种新型混合交通流量的嵌套估算方法。该方法可用于大规模城市道路网络和高速公路网络中的自动驾驶车辆和人工驾驶车辆的混合流量估计。

主权项：1.一种针对混合交通流的嵌套流量计算方法，其特征在于，包括：设置自动驾驶车辆和人工驾驶车辆在普通路段上混合行驶，在普通路段上遵循用户最优的均衡原则；仅自动驾驶车辆在自动驾驶专用路段上行驶，自动驾驶专用路段上的所有车辆遵循系统最优的均衡原则；定义自动驾驶专用路段中任意入节点和出节点之间由一条虚拟路段连接，利用所有虚拟路段和城市道路交通网络所有的节点构成扩展网络，利用所有普通路段构成专用网络；定义所有自动驾驶专用路段的首端点为入节点，定义所有自动驾驶专用路段的末节点为出节点；通过拓扑排序生成所述专用网络的路径集；根据所述扩展网络上的车辆的起始点需求，通过主估算算法求解所述用户最优的均衡原则的目标函数，获取自动驾驶车辆和人工驾驶车辆在所述扩展网络中的用户最优流量分布；基于所述专用网络的路径集，在所述主估算算法的求解过程中，通过子估算方法嵌套求解所述所有车辆遵循系统最优的均衡原则的目标函数，计算出所述专用网络中的系统最优流量分布；所述的根据所述扩展网络上的车辆的起始点需求，通过主估算算法求解所述用户最优的均衡原则的目标函数，获取自动驾驶车辆和人工驾驶车辆在所述扩展网络中的用户最优流量分布，包括：自动驾驶车辆和人工驾驶车辆在扩展网络中的用户最优的均衡原则的目标函数被定义如下： 其中，W表示OD对的集合，M表示出行类型的集合，M＝{A,C}，表示自动驾驶A和人工驾驶C，表示出行类型为m的车辆在起点-终点OD对w之间的路径集，表示车辆出行类型为m的车辆在OD对w之间的路径p上的流量，表示类型为m的车辆在OD对w之间的路径p上的均衡流量，表示车辆出行类型为m的车辆在OD对w之间的路径p上的成本，Ωf描述了混合交通流在扩展网络中流量分布的可行域，如式2-5所示： 其中，表示车辆出行类型为m的车辆在OD对w之间的出行需求，表示车辆出行类型为m的车辆在路段a上的流量，δa,p表示路段与路径的关系，如果路段a在路径p上，δa,p＝1；否则，δa,p＝0，p是路径，是路段a上的人工驾驶流量，路段a包括普通路段a1和虚拟路段a2；通过主估算算法求解上述公式1-5所示的目标函数的求解过程如下：步骤31、初始化扩展网络根据自由流走行时间，分别计算两种类型的车辆在扩展网络中的初始最短路径，并将该初始最短路径添加到路径集合中，更新扩展网络中的路段流量和普通路段的成本；步骤32、更新虚拟路段成本，根据自动驾驶车辆在虚拟路段的流量分布，更新各入节点-出节点EE对之间的出行需求，计算任意EE对之间的最短路径，并将所有的出行需求加载到该最短路径上，更新扩展网络中的路段流量和路段成本，并更新虚拟路段a2∈Γd的成本；步骤33：列更新，对于任意OD对w∈W和任意车辆类型m∈M，计算扩展网络中的最短的路径p，如果最短的路径令步骤34：自适应内循环，令I＝0，步骤4.1：如果I％IF＝0，执行此步骤；否则，执行步骤4.2，对于任意OD对w∈W和任意车辆出行类型m∈M，根据式10计算相对间隙函数如果将w,m添加到集合W1中，并根据式11调整类型为m的车辆在OD对w之间的路径流量，更新扩展网络中的路段流量和普通路段的成本，执行子估算方法并更新虚拟路段a2∈Γd的成本；步骤4.2：令对于任意w,m∈W1，根据式10计算相对间隙函数如果将w,m添加到集合W2中，并根据式11调整车辆出行类型为m的车辆在OD对w之间的路径流量，更新扩展网络中的路段流量和普通路段的成本，令W1＝W2；步骤4.3：内循环终止条件，如果I＝IM或终止自适应内循环；否则，令I＝I+1并返回步骤4.1；步骤35：执行子估算方法并更新虚拟路段a2∈Γd的成本；步骤36：收敛性检验，根据式16计算间隙函数Δ，如果满足收敛性指标Δ≤ε，结束；否则，令返回步骤33；在所述主估算算法中，I表示当前自适应内循环的迭代步数，IM＝1000表示内循环的最大迭代步数，IF＝100表示所有车辆类型中所有OD对的检验频率，ε＝1×10-12表示收敛精度，式10为相对间隙函数，定义如下： 式11为路径流量更新公式： 为下降方向，如下式所示： 式11中的βn为步长，被定义为： 用表示车辆出行类型为m的车辆在OD对w之间的最小路径成本，主估算算法中的间隙函数Δ被定义为： 所述的基于所述专用网络的路径集，在所述主估算算法的求解过程中，通过子估算方法嵌套求解所述所有车辆遵循系统最优的均衡原则的目标函数，计算出所述专用网络中的系统最优流量分布，包括：自动驾驶车辆在专用网络中的系统最优的均衡原则的目标函数被定义如下： s.t. 其中，代表入节点-出节点EE对的集合，表示EE对之间的出行需求，表示自动驾驶专用路段上的流量，表示路段的出行成本，表示自动驾驶车辆在EE对之间的路径p上的流量，表示在EE对之间由自动驾驶专用路段组成的路径集合，Γd表示虚拟路段的集合，Γr表示自动驾驶专用路段的集合，表示普通路段的集合；通过子估算方法求解上述公式6-9所示的目标函数的过程如下：步骤1：初始化，根据自动驾驶车辆在虚拟路段的流量分布，更新各EE对之间的出行需求，计算集合中所有路径的出行成本，并找到最短的路径p，将所有出行需求加载到最短的路径p上，令活跃路径集并将最短的路径p添加到路径集中，更新专用网络中所有路段的流量和成本；步骤2：主循环，对于任意EE对执行步骤2.2和步骤2.3；步骤2.1：列生成，枚举中的路径得到当前的最短的路径p，如果令步骤2.2：路径流量调整，根据式11调整活跃路径集中，所有自动驾驶车辆的路径流量，更新专用网络中的所有路段流量和成本；步骤3：自适应内循环，令I＝0；步骤3.1：对于任意EE对根据式17计算EE间隙函数如果根据式11调整活跃路径集中，所有自动驾驶车辆的路径流量，并更新专用网络中的所有路段流量和成本；步骤3.2：停止条件检验，如果I＝IM或对任意EE对成立，停止自适应内循环；否则，令I＝I+1并返回步骤3.1；步骤4：收敛性检验，根据式18计算间隙函数如果满足收敛性指标结束；否则，令返回步骤2； 为子估算方法中的收敛精度，取值为EE间隙函数被定义为： 子估算方法中的间隙函数被定义为： 所述子估算方法在主估算方法的步骤35和步骤4.1中被反复执行。

全文数据：

权利要求：

百度查询： 北京交通大学 一种针对混合交通流的嵌套流量计算方法

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