一种针对混合交通流的嵌套流量计算方法技术

本发明专利技术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。本发明专利技术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。计。计。

【技术实现步骤摘要】
一种针对混合交通流的嵌套流量计算方法


[0001]本专利技术涉及交通流量计算
，尤其涉及一种针对混合交通流的嵌套流量计算方法。

技术介绍

[0002]自动驾驶是一项变革性的技术，有潜力显著提升现有道路交通系统性能。已有研究表明，自动驾驶在缓解道路交通拥堵、改善居民出行体验方面具有诸多优势。然而，自动驾驶技术的推广是一个长期的渐进的过程，自动驾驶车辆的普及也需要花费很长时间。在可预见的未来，道路交通网络将是由自动驾驶车辆和人工驾驶车辆组成的新型混合交通环境。
[0003]相较于传统的人工驾驶车辆环境，包含自动驾驶车辆的新型混合交通流主要包含以下三个特性。第一，自动驾驶车辆装备了丰富的传感器，可以缩小车头时距，从而显著提升道路通行能力。第二，由于自动驾驶车辆装备了车间通信和车路协同等功能，其可以被系统集中控制。第三，混合交通流中的自动驾驶车辆可以使用自动驾驶专用设施，例如自动驾驶专用车道。以上混合交通流的特性为道路交通系统的管理和政策制定既带来机遇，也带来挑战。一方面，合理地设置专用设施和管控策略，并充分提高混合交通流中的自动驾驶车辆的比例，有利于提升路网性能，进而缩短车辆平均出行时间。另一方面，管理措施的应用和交通政策的制定会使车辆的驾驶行为更具有多样性，造成车辆出行路径的预测和混合交通量估计的困难。因此，充分研究新型混合交通流运行特性，并科学合理地估算大规模城市路网中混合交通流的流量至关重要。
[0004]现有对交通流量估计的研究主要采用交通分配的方法。一类研究通过选择动态交通分配方法来刻画交通网络中逐年、逐日或每时每刻的流量变化。然而，这类方法面临着加载效率低、计算耗时长等问题。另一类研究则通过静态交通分配的方法宏观地估计全网流量。一方面，可以借助商业求解器精确地求解静态交通分配问题。精确类的方法难以胜任大规模网络中的流量估计。另一方面，可以利用启发式的估算方法，这类方法适合用于大规模网络。但是，用流量估算方法准确地刻画大规模网络中复杂的交通现象非常困难。随着城市规模的日益扩大，城市道路网络中的交通设施更加完善，交通运营管理政策也呈现出精细化的发展趋势。因此，车辆的出行行为将受到更多因素的影响。目前，符合实际地描述包含自动驾驶车辆的新型混合交通流的出行特性仍然是一个新颖且亟待解决的难题。急需提出一种高效、准确、合理的新型混合交通量估算方法用于城市交通网络的管理和政策的制定。
[0005]根据对现有文献的调研，尚未有研究考虑以上三种新型混合交通流的特性，提出面向大规模城市道路交通网络的新型混合交通流量估算方法。本专利技术提出一种嵌套的估算方法来弥补现有研究的空白。

技术实现思路

[0006]本专利技术的实施例提供了一种针对混合交通流的嵌套流量计算方法，以实现有效地
计算混合交通环境中的自动驾驶车辆和人工驾驶车辆的混合流量。
[0007]为了实现上述目的，本专利技术采取了如下技术方案。
[0008](和权利要求书相互对应)
[0009]由上述本专利技术的实施例提供的技术方案可以看出，本专利技术方法针对的是包含自动驾驶车辆和人工驾驶车辆的新型混合交通环境，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。
[0010]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0011]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本专利技术实施例提供的一种面向新型混合交通环境的道路交通网络示意图；
[0013]图2为本专利技术实施例提供的一种面向新型混合交通环境的道路交通运行场景图；
[0014]图3为本专利技术实施例提供的一种道路交通扩展网络示意图；
[0015]图4为本专利技术实施例提供的一种嵌套估算方法中主估算方法的流程图；
[0016]图5为本专利技术实施例提供的一种验证方法有效性的大规模芝加哥骨干网络示意图。
具体实施方式
[0017]下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0018]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0019]本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0020]为便于对本专利技术实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本专利技术实施例的限定。
[0021]本专利技术首先构建一种面向新型混合交通环境的道路交通网络，并且描述了以上新型混合交通流的特性，提出了一种针对混合交通流的嵌套流量计算方法。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。
[0022]本专利技术实施例的针对混合交通流的嵌套流量计算方法通过以下技术思路来实现：
[0023]第一，根据新型混合交通流的特点，定义了符合未来城市发展方向的道路交通网络环境，并根据新型混合交通流的特性对该网络进行了扩展。具体方法如下：
[0024]首先，定义了一个面向新型混合交通流的城市道路交通网络G＝(N，Γ)，如图1所示。其中，N和Γ分别表示道路交通网络中节点和路段的集合。假设网络G中存在一个系统控制中心，其控制范围由图1中的虚线线圈表示。为提升城市道路网络的通行能力，系统控制范围内设有自动驾驶专用路段，如图1中虚线所示。用Γ
r
和分别表示自动驾驶专用路段和普通路段的集合，即
[0025]其次，由自动驾驶和人工驾驶两种车辆组成的新型混合交通流遵循混合路径均衡出行规则。具体地，两种车辆在普通路段上混合行驶，并遵循用户最本文档来自技高网...

【技术保护点】

【技术特征摘要】
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；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。2.根据权利要求1所述的方法，其特征在于，所述的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，包括：定义面向混合交通流的城市道路交通网络G＝(N，Γ)，N和Γ分别表示道路交通网络中节点和路段的集合，在网络G中设置系统控制中心，用Γ
r
和分别表示自动驾驶专用路段和普通路段的集合，即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，所述用户最优的均衡原则表示每个出行个体都期待自身利益最大化的均衡原则，所述系统最优的均衡原则表示通过牺牲某些出行个体的利益，达到系统整体效率最佳的均衡原则。3.根据权利要求2所述的方法，其特征在于，所述的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，包括：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，定义任意入节点和出节点之间由一条虚拟路段连接，定义扩展网络由所有的节点和虚拟路段构成，表示系统控制范围内所有节点的集合，Γ
d
表示虚拟路段的集合，利用所有普通路段构成专用网络4.根据权利要求3所述的方法，其特征在于，所述的通过拓扑排序生成所述专用网络的路径集，包括：生成所述专用网络中入节点
‑
出节点对之间的有效路径集的具体步骤如下：步骤1：在专用网络上，计算任意节点到该入节点
‑
出节点对的出节点e
x
之间的
最短距离k
i
；步骤2：对于任意一条自动驾驶专用路段判断该路段是否满足位于有效路径上的条件，即k
i
＞k
j
，如果满足条件，将路段添加到专用网络的一个子网络步骤3：对于子网络中的任意路段，如果该路段和EE对的入节点e
n
和出节点e
x
都连通，则将该路段添加到的子网络中；步骤4：是一个无环子网络，其节点被定义为网络中所有路段的首端点和末端点；步骤5：对子网络中的节点和路段做拓扑排序，顺序生成有效路径；步骤6：删除有效路径中，自由流成本大于的路径，λ是一个大于1的常数；上述步骤5的具体过程如下：步骤51：令集合新建队列p，并将入节点e
n
添加到队列p中，再将队列p添加到集合中；步骤52：对于集合中的任意一个队列p，如果队列p中的末元素p(
‑
1)为出节点e
x
，更换下一个队列；否则，执行步骤53；步骤53：对于网络中以p(
‑
1)为首端点的任意路段，首先将队列p复制到新队列q，其次将该路段的末端点添加到队列q的末尾，再将队列q添加到集合中；步骤54：将队列p从集合中删除；步骤55：停止条件判断，如果集合中的所有队列都满足其末端点为出节点e
x
，结束；否则，返回步骤52。5.根据权利要求3或者4所述的方法，其特征在于，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，表示类型为m的车辆在起点
‑
终点OD对w之间的路径集，和分别表示类型为m的车辆在OD对w之间的路径p上的流量和成本，为m的车辆在OD对w之间的路径p上的流量和成本，为路径流量的矢量，W表示OD对的集合，M表示出行方式的集合，M＝{A，C}，表示自动驾驶A和人工驾驶车辆C，表示方式为m的车辆在OD对w之间的路径p上的流量，表示方式为m的车辆在OD对w之间的路径p上的均衡流量，表示方式为m的车辆在OD对w之间的路径p上的成本，f
m
表示路径流量的矢量；Ω
f
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，表示类型为m的车辆在OD对w之间的出行需求，表示类型为m的车辆在路段a上的流量，δ
a，p
表示路段与路径的关系，如果路段a在路径p上，δ
a，p
＝1；否则，δ
...

【专利技术属性】
技术研发人员：贾斌，王婷，刘家林，周成栋，高自友，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：