一种混合交通流环境高速公路瓶颈路段动态限速控制方法

1.本发明属于交通安全和智能交通控制领域，具体涉及一种混合交通流环境高速公路瓶颈路段动态限速控制方法。

背景技术：

2.随着交通需求的提高，高速公路车流量不断增加，高速公路交通拥堵的发生也越来越频繁。众所周知，交通拥堵会导致道路服务水平和交通安全性下降增加。近年来，自动驾驶技术迅猛发展，自动驾驶车辆从车辆微观层面改善车辆动态特性、缩短跟车距离，有望从根本上改变传统交通流的基本属性，为提升交通安全和通行效率提供新思路。然而，从人工驾驶时代进化到完全自动驾驶时代需要一个漫长的发展过程，在今后很长一段时间内，人工驾驶和自动驾驶车辆同时在道路上行驶将成为未来交通系统的一个重要特征。
3.高速公路上因事故、施工等事件产生的瓶颈路段是交通拥堵的重点区域，高速公路瓶颈路段交通流存在车辆频繁加减速等不良特性，混合交通流环境下，交通流特性更加复杂，可能会对高速公路行车安全会造成严重影响。因此，寻在人工-自动驾驶混合交通流环境下合理、有效的高速公路瓶颈路段控制方法对于提高瓶颈路段的行车安全具有一定意义。
4.在传统交通流环境下，使用动态限速控制的方法来缓解高速公路交通拥堵的应用非常广泛，并取得了较好的反馈结果。现有的动态限速方法多是基于传统宏观或微观交通流模型设计的，对于大多数专注于高速公路路段的动态限速控制系统，宏观模型将更适用于提供更短的控制间隔。传统宏观交通流模型未考虑自动驾驶车辆的行驶特性，在人工和自动驾驶车辆混合的环境下，高速公路的交通流特性发生根本改变，基于传统交通流模型的瓶颈路段动态限速方法难以继续适用。因此，需要开发一种适用于人工自动驾驶混合交通流环境下的高速公路瓶颈路段动态限速控制方法，来提高高速公路的瓶颈路段的行车安全及效率。

技术实现要素：

5.为了解决现有技术中动态限速的主要手段未考虑混合交通流环境而导致限速值不合理的技术问题，本发明的目的在于提供一种混合交通流环境高速公路瓶颈路段动态限速控制方法。
6.为了实现上述发明目的，本发明采用如下所述的技术方案：
7.一种混合交通流环境高速公路瓶颈路段动态限速控制方法，包括如下步骤：
8.s1、在人工-自动驾驶混合交通流环境下，利用交通事件检测设备或施工作业上报系统对高速公路瓶颈路段进行识别；
9.s2、识别完成后，设置限速控制周期及模型预测周期，模型预测周期一般为限速控制周期的整数倍，限速控制周期为5-10min；
10.s3、根据瓶颈路段所在区域划分控制路段，一般将瓶颈路段上游500-700m记为缓
冲路段；将缓冲路段上游5-20km设置为限速路段，限速路段分段间隔1-5km；
11.s4、利用交通流监测设备对高速公路待控制路段的交通流数据进行采集，包括人工、自动驾驶车辆比例、车道占用情况、速度、流量、密度和当前限速值，采集频率一般根据模型控制周期设置，需小于或等于模型控制周期；
12.s5、根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型，基于采集的实时交通流数据，预测混合交通流环境下各限速方案控制下下一周期内的交通流数据；
13.s6、根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布；
14.s7、重复s4、s5、s6步再次确定最优限速值，实现混合交通流环境高速公路瓶颈路段动态限速控制。
15.进一步的，在步骤s5中，所述根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型，包括：
16.根据元胞传输模型要求将瓶颈路段、缓冲路段及限速路段记为控制路段m，将m路段以单位长度lm为单位划分为nm个元胞；
17.(1)搭建人工-自动驾驶混合交通流元胞传输模型，即mctm模型
18.人工驾驶跟驰模型中，车头间距sr与平均车速v之间的关系式为：
19.sr＝trv+dr20.tr为人工驾驶反应延时；dr为人工驾驶位移差项；
21.自动驾驶跟驰模型中，ta为自动驾驶期望车头时距；da为自动驾驶拥挤状态车头间距，交通流约束关系为：
22.sa＝tav+da23.人工驾驶和自动驾驶混合状态下的交通流可通过平均所有车辆车头间距的方式来分析不同自动驾驶车辆比例下的混合交通流基本图特性，使用p＝(p1,p2)分别为两类交通流的比例，p1+p2＝1，各类车型比例为p时，阻塞密度表示为：
[0024][0025]
临界密度表示为：
[0026][0027]
反向波速表示为：
[0028][0029]
最大通行能力表示为：
[0030]
[0031]
元胞传输模型需要对交通流进行时空离散化处理，将m路段以单位长度lm为单位划分为nm个元胞，在混合交通流情况下，元胞i∈{1,2,
…
,nm}在第k∈{0,1,2,
…
,k}个时间间隔(时间间隔为δt)的交通流参数包括：平均速度v
m,i
(k)、元胞驶入流率q
m,i-1
(k)、驶出流率q
m,i
(k)、车流密度ρ
m,i
(k)，根据元胞传输模型，平均速度可表示为：
[0032][0033]
使用λm表示车道数，流出速率可表示为：
[0034]qm,i
(k)＝ρ
m,i
(k)v
m,i
(k)λm[0035]
元胞i的车辆数可表示为：
[0036]nm,i
(k+1)＝n
m,i
(k)+y
m,i-1
(k)-y
m,i
(k)
[0037]
其中，n
m,i
(k)为元胞内原有车辆数，y
m,i-1
(k)为流入车辆数、y
m,i
(k)为流出车辆数，驾驶该路段无流入流出匝道，流入量和流出量计算公式为：
[0038]ym,i
(k)＝q
m,i
(k)δt
[0039]
根据交通流理论，元胞i的车辆数也可表示为：
[0040]nm,i
(k+1)＝ρ
m,i
(k+1)lmλm[0041]
元胞i在k+1时刻的密度可表示为：
[0042][0043]
根据上述公式推导，可计算出不同人工和自动驾驶车辆比例情况下，混合交通流当前元胞在下一时刻的车辆数、密度等交通流参数，再遍历整个元胞层与时间层，可计算混合交通流的时空交通状态演化，完成mctm建模；
[0044]
(2)搭建动态限速mctm模型，即dmctm模型
[0045]
使用v
dsl
表示动态限速值，平均速度可表示为：
[0046][0047]
动态限速条件下,最大通行能力与临界密度之间的关系可表示为：
[0048][0049]
流入元胞的流率可表示为：
[0050][0051]
密度根据车辆数守恒推导获得，根据上述dmctm模型公式可递推得到任一时空交通流基本参数；
[0052]
(3)搭建瓶颈路段mctm模型，即bmctm模型
[0053]
瓶颈路段的流出量：
[0054][0055]
其中，γ为通行能力下降幅度，根据交通流理论，瓶颈路段的交通流速度v
m,i
(k)表示为：
[0056][0057]
mctm、dmctm及bmctm可表示混合交通流环境下正常路段、动态限速路段及瓶颈路段的交通流的时空演变过程，即可用来预测未来时刻不同限速方案的交通流参数。
[0058]
进一步的，在步骤s6中，所述根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布，包括：
[0059]
(1)确定目标函数
[0060]
主要目标为高速公路瓶颈路段行车安全与通行效率，安全方面，使用相邻元胞之间同一时刻的速度差之和的最小化为行车安全目标：
[0061][0062]
效率方面，使用总通行交通量最大为通行效率目标：
[0063][0064]
采用线性加权的方法将多目标问题转化为单目标问题，为了消除评价指标值量纲不统一对结果的影响，分别对两个评价指标值进行归一化处理，将处理后的评价指标进行加权组合成，目标函数：
[0065][0066]
其中，α1，α2分别为两个目标的权值，α1+α2＝1；分别为两个目标归一化后的取值。
[0067]
(2)确定约束条件
[0068]
(2.1)最大化、最小化约束，限速元胞的最大限速不能大于路段的最大安全车速，一般为路段的最大限速值120km/h或100km/h，最小限速不能小于最小通行效率所对应的最小通行速度，一般为20km/h；
[0069]
(2.2)时间变化约束，为了减少速度变化对减小速度变化对驾驶操作和车流稳定性带来的不利影响，同一个元胞的限速值相邻控制周期的变化不能超过10km/h；
[0070]
(2.3)空间变化约束，为了使速度平滑下降，减少速度剧烈变化带来的安全隐患，相邻两元胞之间限速值之差小于20km/h，上游元胞限速值需大于或等于下游元胞；
[0071]
(2.4)显示方便约束，限速值为10的倍数；
[0072]
(3)求解优化模型
[0073]
根据优化模型目标函数及约束条件，对限速控制模型进行求解，其实质是到各个限速元胞在控制周期最优限速值，使得总目标函数达到最佳；
[0074]
(4)下达限速方案
[0075]
将最优限速值通过动态限速控制系统进行发布，时间持续一个控制周期。
[0076]
进一步的，上述动态限速控制系统包括检测设备、后台中心计算机、电子情报板、自动驾驶车辆obu和第三方导航软件。
[0077]
由于采用上述技术方案，本发明具有以下有益效果：
[0078]
本发明在人工-自动驾驶混合交通流环境下，基于实时检测获取的高速公路交通流数据，运用改进的元胞传输模型及动态限速优化算法，通过路侧可变限速板、自动驾驶车载终端及第三方出行软件实时显示当前限速值，实现了高速公路瓶颈区域动态控制车辆的行驶速度，从而提高车辆的行车安全及通行效率，缓解交通拥堵。
[0079]
本发明有效实现了对人工-自动驾驶混合交通流环境下的动态速度控制，防止限速值突变，造成交通事故的发生，提高了混合交通流环境下高速公路瓶颈区域的安全性和便捷性。
附图说明
[0080]
图1为本发明的控制流程图；
[0081]
图2为本发明的高速公路控制路段划分示意图；
具体实施方式
[0082]
下面结合附图及实施例对本发明的技术方案作进一步详细的说明。
[0083]
一种基于改进的元胞传输模型的混合交通流环境高速公路瓶颈路段动态限速控制方法，包括以下步骤：
[0084]
s1、在人工-自动驾驶混合交通流环境下，利用交通事件检测设备或施工作业上报系统对高速公路瓶颈路段进行识别；
[0085]
s2、识别完成后，设置限速控制周期及模型预测周期均为5分钟(限速值5分钟更新一次，模型预测下一个时刻的长度为5分钟)；
[0086]
s3、根据瓶颈路段所在区域划分控制路段，将瓶颈路段上游500m记为缓冲路段；将缓冲路段上游20km设置为限速路段，限速路段分段间隔5km，划分示意如图2所示；
[0087]
s4、利用交通流监测设备对高速公路待控制路段的交通流数据进行采集，包括人工、自动驾驶车辆比例、车道占用情况、速度、流量、密度和当前限速值，采集频率为5分钟一次；
[0088]
s5、根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型，基于采集的实时交通流数据，预测混合交通流环境下各限速方案控制下下一周期内的交通流数据：
[0089]
(1)搭建人工-自动驾驶混合交通流元胞传输模型，即mctm模型人工驾驶跟驰模型中，车头间距sr与平均车速v之间的关系式为：
[0090]
sr＝trv+dr[0091]
tr为人工驾驶反应延时；dr为人工驾驶位移差项，根据相关研究对newell人工驾驶跟驰模型的标定，tr＝1.61s，dr＝8.53m；
[0092]
自动驾驶跟驰模型中，ta为自动驾驶期望车头时距；da为自动驾驶拥挤状态车头间距，交通流约束关系为：
[0093]
sa＝tav+da[0094]
根据path实验室自动驾驶车辆跟驰模型，参数标定结果为ta＝0.6s，da＝7m；
[0095]
人工驾驶和自动驾驶混合状态下的交通流可通过平均所有车辆车头间距的方式来分析不同自动驾驶车辆比例下的混合交通流基本图特性，使用p＝(p1,p2)分别为两类交通流的比例，p1+p2＝1，各类车型比例为p时，阻塞密度表示为：
[0096][0097]
临界密度为：
[0098][0099]
反向波速为：
[0100][0101]
最大通行能力为：
[0102][0103]
平均速度可表示为：
[0104][0105]
使用λm表示车道数，流出速率可表示为：
[0106]qm,i
(k)＝ρ
m,i
(k)v
m,i
(k)λm[0107]
元胞i的车辆数可表示为：
[0108]nm,i
(k+1)＝n
m,i
(k)+y
m,i-1
(k)-y
m,i
(k)
[0109]
其中，n
m,i
(k)为元胞内原有车辆数，y
m,i-1
(k)为流入车辆数、y
m,i
(k)为流出车辆数，驾驶该路段无流入流出匝道，流入量和流出量计算公式为：
[0110]ym,i
(k)＝q
m,i
(k)δt
[0111]
根据交通流理论，元胞i的车辆数也可表示为：
[0112]nm,i
(k+1)＝ρ
m,i
(k+1)lmλm[0113]
元胞i在k+1时刻的密度可表示为：
[0114][0115]
(2)搭建动态限速mctm模型，即dmctm模型
[0116]
根据dmctm，使用v
dsl
表示动态限速值，平均速度可表示为：
[0117][0118]
最大通行能力与临界密度之间的关系可表示为：
[0119][0120]
流入元胞的流率可表示为：
[0121][0122]
密度可根据车辆数守恒推导获得，与mctm一致。
[0123]
(3)搭建瓶颈路段mctm模型，即bmctm模型
[0124]
根据bmctm，瓶颈路段的流出量：
[0125][0126]
其中，γ为通行能力下降幅度，根据交通流理论，瓶颈路段的交通流速度v
m,i
(k)可表示为：
[0127][0128]
mctm、dmctm及bmctm可表示混合交通流环境下正常路段、动态限速路段及瓶颈路段的交通流的时空演变过程，根据上述改进的元胞传输模型及采集的实时交通流数据，即可预测未来时刻不同限速方案的交通流参数；
[0129]
s6、根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布，包括：
[0130]
(1)确定目标函数
[0131]
主要目标为高速公路瓶颈路段行车安全与通行效率，安全方面，使用相邻元胞之间同一时刻的速度差之和的最小化为行车安全目标：
[0132]
[0133]
效率方面，使用总通行交通量最大为通行效率目标：
[0134][0135]
采用线性加权的方法将多目标问题转化为单目标问题；为了消除评价指标值量纲不统一对结果的影响，分别对两个评价指标值进行归一化处理，将处理后的评价指标进行加权组合成，目标函数：
[0136][0137]
其中，α1，α2分别为两个目标的权值，α1+α2＝1；分别为两个目标归一化后的取值；
[0138]
(2)确定约束条件
[0139]
在实际应用中，需要添加一些约束条件，保证动态限速策略的顺利实施；
[0140]
(2.1)最大化、最小化约束；限速元胞的最大限速不能大于路段的最大安全车速，一般为路段的最大限速值120km/h或100km/h。最小限速不能小于最小通行效率所对应的最小通行速度，一般为20km/h；
[0141]
(2.2)时间变化约束，为了减少速度变化对减小速度变化对驾驶操作和车流稳定性带来的不利影响，同一个元胞的限速值相邻控制周期的变化不能超过10km/h；
[0142]
(2.3)空间变化约束，为了使速度平滑下降，减少速度剧烈变化带来的安全隐患，相邻两元胞之间限速值之差小于20km/h，上游元胞限速值需大于或等于下游元胞；
[0143]
(2.4)显示方便约束，限速值为10的倍数；
[0144]
(3)求解优化模型
[0145]
根据优化模型目标函数及约束条件，对限速控制模型进行求解，其实质是到各个限速元胞在控制周期最优限速值，使得总目标函数达到最佳，可采用遗传算法求解；
[0146]
(4)下达限速方案
[0147]
将最优限速值通过动态限速控制系统进行发布，时间持续一个控制周期；
[0148]
s7、重复s4、s5、s6步骤再次确定最优限速值，实现混合交通流环境高速公路瓶颈路段动态限速控制。
[0149]
本发明未详述部分为现有技术，尽管结合优选实施方案具体展示和介绍了本发明，具体实现该技术方案方法和途径很多，以上所述仅是本发明的优选实施方式，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

技术特征：

1.一种混合交通流环境高速公路瓶颈路段动态限速控制方法，其特征在于，包括以下步骤：s1、在人工-自动驾驶混合交通流环境下，利用交通事件检测设备或施工作业上报系统对高速公路瓶颈路段进行识别；s2、识别完成后，设置限速控制周期及模型预测周期，模型预测周期为限速控制周期的整数倍，限速控制周期为5-10min；s3、根据瓶颈路段所在区域划分控制路段，将瓶颈路段上游500-700m设置为缓冲路段；将缓冲路段上游5-20km设置为限速路段，限速路段分段间隔1-5km；s4、利用交通流监测设备对高速公路待控制路段的交通流数据进行采集，包括人工、自动驾驶车辆比例、车道占用情况、速度、流量、密度和当前限速值，采集频率根据模型控制周期设置，需小于或等于模型控制周期；s5、根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型，基于采集的实时交通流数据，预测混合交通流环境下各限速方案控制下下一周期内的交通流数据；s6、根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布；s7、重复s4、s5、s6步再次确定最优限速值，实现混合交通流环境高速公路瓶颈路段动态限速控制。2.根据权利要求1所述混合交通流环境高速公路瓶颈路段动态限速控制方法，其特征在于，在步骤s5中，所述根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型，包括：根据元胞传输模型要求将瓶颈路段、缓冲路段及限速路段记为控制路段m，将m路段以单位长度l
m
为单位划分为n
m
个元胞；(1)搭建人工-自动驾驶混合交通流元胞传输模型，即mctm模型人工驾驶跟驰模型中，车头间距s
r
与平均车速v之间的关系式为：s
r
＝t
r
v+d
r
t
r
为人工驾驶反应延时；d
r
为人工驾驶位移差项；自动驾驶跟驰模型中，t
a
为自动驾驶期望车头时距；d
a
为自动驾驶拥挤状态车头间距，交通流约束关系为：s
a
＝t
a
v+d
a
人工驾驶和自动驾驶混合状态下的交通流可通过平均所有车辆车头间距的方式来分析不同自动驾驶车辆比例下的混合交通流基本图特性，使用p＝(p1，p2)分别为两类交通流的比例，p1+p2＝1，各类车型比例为p时，阻塞密度表示为：临界密度表示为：
反向波速表示为：最大通行能力表示为：元胞传输模型需要对交通流进行时空离散化处理，将m路段以单位长度l
m
为单位划分为n
m
个元胞，在混合交通流情况下，元胞i∈{1，2，
…
，n
m
}在第k∈{0，1，2，
…
，k}个时间间隔(时间间隔为δt)的交通流参数包括：平均速度v
m，i
(k)、元胞驶入流率q
m，i-1
(k)、驶出流率q
m，i
(k)、车流密度ρ
m，i
(k)，根据元胞传输模型，平均速度可表示为：使用λ
m
表示车道数，流出速率可表示为：q
m，i
(k)＝ρ
m，i
(k)v
m，i
(k)λ
m
元胞i的车辆数可表示为：n
m，i
(k+1)＝n
m，i
(k)+y
m，i-1
(k)-y
m，i
(k)其中，n
m，i
(k)为元胞内原有车辆数，y
m，i-1
(k)为流入车辆数、y
m，i
(k)为流出车辆数，驾驶该路段无流入流出匝道，流入量和流出量计算公式为：y
m，i
(k)＝q
m，i
(k)δt根据交通流理论，元胞i的车辆数也可表示为：n
m，i
(k+1)＝ρ
m，i
(k+1)l
m
λ
m
元胞i在k+1时刻的密度可表示为：根据上述公式推导，可计算出不同人工和自动驾驶车辆比例情况下，混合交通流当前元胞在下一时刻的车辆数、密度等交通流参数，再遍历整个元胞层与时间层，可计算混合交通流的时空交通状态演化，完成mctm建模；(2)搭建动态限速mctm模型，即dmctm模型使用v
dsl
表示动态限速值，平均速度可表示为：动态限速条件下，最大通行能力与临界密度之间的关系可表示为：流入元胞的流率可表示为：
密度根据车辆数守恒推导获得，根据上述dmctm模型公式可递推得到任一时空交通流基本参数；(3)搭建瓶颈路段mctm模型，即bmctm模型瓶颈路段的流出量：其中，γ为通行能力下降幅度，根据交通流理论，瓶颈路段的交通流速度v
m，i
(k)表示为：mctm、dmctm及bmctm可表示混合交通流环境下正常路段、动态限速路段及瓶颈路段的交通流的时空演变过程，即可用来预测未来时刻不同限速方案的交通流参数。3.根据权利要求1所述混合交通流环境高速公路瓶颈路段动态限速控制方法，其特征在于，所述步骤s6中，所述根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布，包括：(1)确定目标函数主要目标为高速公路瓶颈路段行车安全与通行效率，安全方面，使用相邻元胞之间同一时刻的速度差之和的最小化为行车安全目标：效率方面，使用总通行交通量最大为通行效率目标：采用线性加权的方法将多目标问题转化为单目标问题，为了消除评价指标值量纲不统一对结果的影响，分别对两个评价指标值进行归一化处理，将处理后的评价指标进行加权组合成，目标函数：其中，α1，α2分别为两个目标的权值，α1+α2＝1；分别为两个目标归一化后的取值。(2)确定约束条件
(2.1)最大化、最小化约束，限速元胞的最大限速不能大于路段的最大安全车速，一般为路段的最大限速值120km/h或100km/h，最小限速不能小于最小通行效率所对应的最小通行速度，一般为20km/h；(2.2)时间变化约束，为了减少速度变化对减小速度变化对驾驶操作和车流稳定性带来的不利影响，同一个元胞的限速值相邻控制周期的变化不能超过10km/h；(2.3)空间变化约束，为了使速度平滑下降，减少速度剧烈变化带来的安全隐患，相邻两元胞之间限速值之差小于20km/h，上游元胞限速值需大于或等于下游元胞；(2.4)显示方便约束，限速值为10的倍数；(3)求解优化模型根据优化模型目标函数及约束条件，对限速控制模型进行求解，其实质是到各个限速元胞在控制周期最优限速值，使得总目标函数达到最佳；(4)下达限速方案将最优限速值通过动态限速控制系统进行发布，时间持续一个控制周期。4.根据权利要求1所述混合交通流环境高速公路瓶颈路段动态限速控制方法，其特征在于：所述动态限速控制系统包括检测设备、后台中心计算机、电子情报板、自动驾驶车辆obu和第三方导航软件。

技术总结

本发明公开了一种混合交通流环境高速公路瓶颈路段动态限速控制方法，包括：S1利用交通事件检测设备或施工作业上报系统对高速公路瓶颈路段进行识别；S2设置限速控制周期及模型预测周期；S3根据瓶颈路段所在区域划分控制路段，S4利用交通流监测设备对高速公路待控制路段的交通流数据进行采集；S5根据采集的交通流数据和混合交通流环境下高速公路正常、限速及瓶颈路段的交通流特性对元胞传输模型进行优化，得到改进元胞传输模型；S6根据改进的元胞传输模型选出最优限速值，将最优限速值通过动态限速控制系统进行发布。动态限速控制系统进行发布。动态限速控制系统进行发布。