判断网联自动驾驶环境下的混行交通流状态的方法及装置制造方法及图纸

本发明专利技术公开了一种判断网联自动驾驶环境下的混行交通流状态的方法及装置。其中方法包括，建立混行交通流的匝道元胞自动机模型；根据安全换道和行车最小化跟车时间，确定混行交通流的换道方法；基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系；并根据上述关系，判断混行交通流交通状态。本发明专利技术研究在匝道瓶颈处自动驾驶车和人工驾驶车混行交通流的换道和跟车规则，据此对下游匝道车流的合理疏导，在接近临界车辆密度时能够显著提高车辆通行效率。通行效率。通行效率。

【技术实现步骤摘要】
判断网联自动驾驶环境下的混行交通流状态的方法及装置


[0001]本专利技术涉及交通
，更具体地，涉及一种判断网联自动驾驶环境下的混行交通流状态的方法及装置。

技术介绍

[0002]随着五峰山长江大桥南北公路接线工程的交工建成验收，标志着全国首条“面向未来的高速公路”正式建成完工，此项工程全力打造基于5G通信技术的车路协同技术。可以看出自动驾驶汽车是未来智慧城市交通的重要组成部分，尽管该系统仍处于开发阶段，但在不久的将来，自动驾驶汽车和人工驾驶的汽车将在交通系统中共存。
[0003]现阶段研究匝道瓶颈处的通行规律需要涉及以下两个部分技术：
[0004]第一，需要考虑自动驾驶车和人工驾驶特性的异质交通流模型。在国内，目前广州、长沙、上海、武汉、沧州、北京等6个城市已允许载人测试。根据相关行业发展调研显示，至2030年，自动驾驶车的销量占比为10.8％，据此测算，到2050年，自动驾驶车的市场占有率将达24.8％。因而，在以后数十年的时间里，自动驾驶车以及人工驾驶的车辆将会一起在路上驰骋，针对自动驾驶车和人工驾驶车混行交通流的研究就变得非常关键。除此之外，目前自动驾驶车受到多种因素制约能够获得的实测数据较少，我们需要借助微观仿真技术来研究自动驾驶车在匝道瓶颈处的通行状态。
[0005]第二，需要建立能够对应真实道路场景的自动驾驶车匝道换道和跟车规则。在现实生活中，匝道瓶颈道路包括了换道和跟车的复杂道路场景，我们通过对匝道瓶颈处混行交通流特征进行研究，分析车辆密度区间、出匝道比例以及匝道设施对城市道路通行效率的影响。
[0006]现有技术尚未对此有充分考虑。

技术实现思路

[0007]为了解决
技术介绍
中存在的上述缺陷，本专利技术公开一种判断网联自动驾驶环境下的混行交通流状态的方法及装置。
[0008]本专利技术的第一方面，提供了一种判断网联自动驾驶环境下的混行交通流状态的方法，所述方法包括：
[0009]建立混行交通流的匝道元胞自动机模型；
[0010]基于所述混行交通流的匝道元胞自动机模型，根据安全换道和行车最小化跟车时间，确定混行交通流的换道方法；
[0011]基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系；
[0012]根据所述在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，或道路占有率、自动驾驶车的比例、自动驾驶
车通信能力约束和交通流量之间的关系，判断混行交通流交通状态。
[0013]本专利技术的第二方面，提供了一种判断网联自动驾驶环境下的混行交通流状态的装置，其包括处理器，所述处理器配置为，建立混行交通流的匝道元胞自动机模型；
[0014]基于所述混行交通流的匝道元胞自动机模型，根据安全换道和行车最小化跟车时间，确定混行交通流的换道方法；
[0015]基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系；
[0016]根据所述在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，或道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系，判断混行交通流交通状态。
[0017]本专利技术的第三方面，提供了一种存储有指令的非暂时性计算机可读存储介质，当所述指令由处理器执行时，执行根据本专利技术各个实施例所述的判断网联自动驾驶环境下的混行交通流状态的方法。
[0018]本专利技术实施例提供的判断网联自动驾驶环境下的混行交通流状态的方法及装置，基于元胞自动机的自动驾驶车和人工驾驶车混行的匝道瓶颈通行模型，研究匝道缓冲区对交通流的影响。该实施方法充分考虑了自动驾驶车的跟车和换道特点，进而发现不同的混行车辆比例、自动驾驶车通信能力约束、匝道缓冲区出车道的设置和道路车辆密度对路网中交通流的影响。
附图说明
[0019]在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
[0020]图1示出了根据本专利技术实施例的判断网联自动驾驶环境下的混行交通流状态的方法的流程图；
[0021]图2示出了根据本专利技术实施例的无出车道匝道换道模型；
[0022]图3示出了根据本专利技术实施例的有出车道的匝道换道模型；
[0023]图4示出了根据本专利技术实施例的有出车道模型中间车道换道模型；
[0024]图5示出了根据本专利技术实施例的未发生拥堵时混行车流状态理论图解；
[0025]图6示出了根据本专利技术实施例的无出车道匝道瓶颈处交通流仿真模型；
[0026]图7示出了根据本专利技术实施例的考虑随机慢化概率下，上游主干道交通流基本图理论解与仿真解对比图；
[0027]图8示出了根据本专利技术实施例的考虑随机慢化概率下，下游主干道交通流基本图理论解与仿真解对比图；
[0028]图9示出了根据本专利技术实施例的考虑随机慢化概率下，下游匝道交通流基本图理论解与仿真解对比图；
[0029]图10示出了根据本专利技术实施例的判断网联自动驾驶环境下的混行交通流状态的装置的硬件框图。
具体实施方式
[0030]为使本领域技术人员更好的理解本专利技术的技术方案，下面结合附图和具体实施方式对本专利技术作详细说明。下面结合附图和具体实施例对本专利技术的实施例作进一步详细描述，但不作为对本专利技术的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
[0031]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0032]图1所示为根据本专利技术实施例的判断网联自动驾驶环境下的混行交通流状态的方法的流程图。
[0033]如图1所示，本专利技术实施例的判断网联自动驾驶环境下的混行交通流状态的方法始于步骤S100，建立混行交通流的匝道元胞自动机模型；
[0034]需要注意的是，本文中所述的混行交通流并非仅仅包含人工驾驶车和自动驾驶车的交通流，还包含只有人工驾驶车或者自动驾驶车的交通流，即，此时，其中的一个车辆类型占比为0，另一个车辆类型占比为1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，所述判断网联自动驾驶环境下的混行交通流状态的方法包括以下步骤：建立混行交通流的匝道元胞自动机模型；基于所述混行交通流的匝道元胞自动机模型，根据安全换道和行车最小化跟车时间，确定混行交通流的换道方法；基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系；根据所述在匝道瓶颈处，道路占有率和交通流量之间的关系，或道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，或道路占有率、自动驾驶车的比例、自动驾驶车通信能力约束和交通流量之间的关系，判断混行交通流交通状态。2.如权利要求1所述的判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，所述建立混行交通流的匝道元胞自动机模型，包括：获取t时刻每个车辆的行驶速度和位置；对于每辆人工驾驶车，根据以下公式更新的行驶速度：其中，是第n+1辆车在t时刻时的行驶速度，是第n辆车在t时刻时的行驶速度，v
max
为当前道路允许行驶的最大车辆速度，表示第n辆车与前车之间的车间距大小；对于每辆自动驾驶车，根据以下公式更新的行驶速度：其中，是第n+1辆车在t时刻时的行驶速度，是第n辆车在t时刻时的行驶速度，v
max
为当前道路允许行驶的最大车辆速度，表示第n辆车与前车之间的车间距大小，为第n+1辆车根据μ
‑
1辆车速度获得的虚拟行驶速度，μ表示自动驾驶车通信能力约束，当第n
‑
1辆车为人工驾驶车时，3.如权利要求2所述的判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，对于每辆人工驾驶车，根据以下公式更新的行驶速度：其中，是第n+1辆车在t时刻时的行驶速度，q为慢化概率。4.如权利要求1或2或3所述的判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，所述基于所述混行交通流的匝道元胞自动机模型，根据安全换道和行车最小化跟车时间，确定混行交通流的换道方法，包括：在当前车辆有超车行驶需求时，判断与待进入车道的前车间距是否满足行车时间最小，以及与后车的间距是否符合安全性换道距离，若满足，则换道。5.如权利要求4所述的判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率和交通流量之间的关系，包括：
在混行交通流中只有人工驾驶车的情况下，获取车道占有率α；确定所述车道占有率α是否达到第一阈值；在所述车道占有率α低于第一阈值的情况下，平均交通流量分别为：其中，v
max
为当前道路允许行驶的最大车辆速度，α为车道占有率，平均交通流量，q为慢化概率；而在所述车道占有率α达到第一阈值的情况下，平均交通流量为：其中，为平均交通流量，v为每辆车的行驶速度，q为慢化概率。6.如权利要求4所述的判断网联自动驾驶环境下的混行交通流状态的方法，其特征在于，基于所述混行交通流的匝道元胞自动机模型，获得在匝道瓶颈处，道路占有率、自动驾驶车通信能力约束和交通流量之间的关系，包括：在混行交通流中只有自动驾驶车的情况下，获取车道占有率α；确定所述车道占有率α是否达到第二阈值；在所述车道占有率α低于第二阈值的情况下，临界交通流量为：F
aver
＝v
max
α其中，F

【专利技术属性】
技术研发人员：陈博奎，胡凯，缪立新，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：