【技术实现步骤摘要】
本专利技术涉及智能交通控制，尤其是涉及一种面向高载客率车辆优先的隧道瓶颈管控系统及其方法。
技术介绍
1、快速路在承担长距离交通出行和运输中发挥着重要作用，随着城市机动化水平的逐步提升，快速路上的交通拥堵和供需不匹配现象也日渐严重。快速路上的隧道由于照明条件和速度限制等因素，往往易造成通行能力突变下降，成为快速路上交通流通行的瓶颈并产生严重的交通拥堵。快速路隧道瓶颈管理则是通过调节瓶颈上游交通需求，以匹配快速路隧道瓶颈处的通行能力，进而实现隧道瓶颈缓堵的目标
2、现有的快速路隧道瓶颈管理方法主要包括：可变限速和设置高载客率车辆优先车道两种策略，通过对交通需求进行相应的管控，以减轻交通需求无序性造成的隧道瓶颈拥堵程度加深，其中，可变限速是通过调节上游车辆速度以尽可能匹配下游隧道瓶颈通行能力；高载客率车辆优先车道的方法则是在快速路上开放一条专用的优先车道，为高载客率车辆通过提供优先路权。然而，在实际应用过程中，还存在以下问题：一方面传统的可变限速控制策略仅仅关注以车辆为主体的效益提升，难以兼顾出行者效益，易造成交通出行的公平性欠佳；另一方面现有的高载客率车辆优先车道策略虽然兼顾了出行者效益，但优先车道的设置难以精准地匹配动态与随机的交通需求变化，造成路权空间资源使用效率低下，隧道瓶颈管控效果不佳。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种面向高载客率车辆优先的隧道瓶颈管控系统及其方法，基于网联自动驾驶技术，针对快速路隧道瓶颈路段通行能力
2、本专利技术的目的可以通过以下技术方案来实现：一种面向高载客率车辆优先的隧道瓶颈管控系统，包括依次连接的数据采集模块、决策生成模块和控制执行模块，所述数据采集模块用于采集快速路隧道瓶颈上游cav(connected-automated vehicle，网联自动驾驶车辆)和chv(connected human-driven vehicle，网联人类驾驶车辆)的运行状态信息，并输出给决策生成模块；
3、所述决策生成模块用于对cav轨迹进行优化决策，并输出相应决策信息给控制执行模块；
4、所述控制执行模块用于将决策信息转化为车辆控制指令、并下发给路网中的cav执行。
5、进一步地，所述数据采集模块包括路侧检测器和车载检测器。
6、一种面向高载客率车辆优先的隧道瓶颈管控方法，包括以下步骤：
7、s1、数据采集模块采集上游控制区域和隧道瓶颈区域内cav和chv的运行状态信息，并传输至决策生成模块；
8、s2、决策生成模块首先对车辆到达隧道瓶颈的时间进行预测，并对chv轨迹进行预测，之后判断chv是否在dhl(dynamic high-occupancy-vehicle lane，动态高载客车道)临近的常规车道上以及chv在dhl上是否能够获得速度增益，以确定chv是否需要申请cav向dhl换道；
9、s3、若存在向dhl换道的申请，则判断前方是否存在可换道的cav以及hov(high-occupancy vehicle，高载客率车辆)车道是否能提供相应路权，若均判断为是、则为cav进行换道轨迹优化决策，否则cav不进行换道、为cav进行车辆巡航轨迹优化决策；
10、s4、根据换道轨迹优化决策或车辆巡航轨迹优化决策，由控制执行模块将优化决策信息转化生成对应的cav轨迹控制指令、并下发给路网中的cav执行，从而控制cav的驾驶行为。
11、进一步地，所述步骤s2具体包括以下步骤：
12、s21、对车辆到达隧道瓶颈的时间进行预测，针对该预测到达时间的结果进行chv轨迹预测；
13、s22、判断目标chv是否在dhl临近的常规车道上，若判断为是，则执行步骤s23，否则不向前方cav发送向dhl换道的申请；
14、s23、判断dhl车道较之于目标chv当前车道是否具有速度增益，若判断为是，则向前方cav发送向dhl换道的申请，否则不向前方cav发送向dhl换道的申请。
15、进一步地，所述步骤s21中具体是根据以下公式以对快速路隧道瓶颈上游路段所有车辆到达隧道瓶颈的时间进行预测：
16、
17、
18、其中，n是交通流中车辆标号索引，n是车辆标号索引集合，k是车道标号索引，k是车道索引集合(k＝1,2,3)，是车道k上的车辆n在不考虑前车情况下最早到达隧道瓶颈处的时间，t0是当前时间步所对应的时间，l、vop和amax分别代表快速路隧道瓶颈上游控制区域的长度、车辆预期通过隧道瓶颈的最优速度和车辆的最大加速度，是车道k上的车辆n初始速度，是车道k上的车辆n-1到达隧道瓶颈的预测时间，th是期望的车辆安全时距；
19、并根据以下公式进行chv到达快速度隧道瓶颈过程的轨迹进行预测：
20、
21、
22、
23、
24、其中，m是交通流中网联人类驾驶车辆标号索引，nm是所有网联人类驾驶车辆标号索引集合，t为时间步标号索引，t为时间步标号索引集合，s0为车辆行驶的安全间距，和分别代表时间步t时刻车道k上网联人类驾驶车辆m的位置和速度，和分别代表时间步t时刻车道k上网联人类驾驶车辆m在前方有车条件下的加速度以及时间步t时刻车道k上网联人类驾驶车辆m在前方无车条件下的加速度，为车道k上网联人类驾驶车辆m和前车的最小期望间距，车道k上网联人类驾驶车辆m和前车的实际间距，为在前方无车条件下网联人类驾驶车辆m的最小期望间隔，代表网联人类驾驶车辆m与前车的速度差值，ad为网联人类驾驶车辆m的期望减速度。
25、进一步地，所述步骤s3中为cav进行换道轨迹优化决策以及为cav进行车辆巡航轨迹优化决策，均是依据设定的优化决策目标和约束进行，所述优化决策目标包括行程时间、油耗以及隧道瓶颈处最佳通行状态，所述约束包括运动学约束、车辆避撞约束、车道管理约束、求解边界约束和动态车道路权分配约束。
26、进一步地，所述优化决策目标具体为：
27、
28、
29、其中，c是交通流中网联自动驾驶车辆标号索引，nc是所有网联人类驾驶车辆标号索引集合，α，β和μ为权重系数，τc为网联自动驾驶车辆c从上游控制区域的起始位置到达隧道瓶颈的行程时间，为网联自动驾驶车辆c在时间步t时的加速度，和分别为车道k上网联自动驾驶车辆c在预测到达隧道瓶颈时刻的位置和速度。
30、进一步地，所述运动学约束具体为：
31、
32、
33、
34、
35、其中，和分别代表车道k上网联自动驾驶车辆c在时间步t时刻的位置、速度和加速度，vmin、vmax、amin和amax分别为车辆最小速度、最大速度、最小加速度和最大加速度，δt为单位时间步间隔。
本文档来自技高网...【技术保护点】
1.一种面向高载客率车辆优先的隧道瓶颈管控系统，其特征在于，包括依次连接的数据采集模块(1)、决策生成模块(2)和控制执行模块(3)，所述数据采集模块(1)用于采集快速路隧道瓶颈上游CAV和CHV的运行状态信息，并输出给决策生成模块(2)；
2.一种应用如权利要求1所述面向高载客率车辆优先的隧道瓶颈管控系统的隧道瓶颈管控方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种隧道瓶颈管控方法，其特征在于，所述步骤S2具体包括以下步骤：
4.根据权利要求2所述的一种隧道瓶颈管控方法，其特征在于，所述步骤S21中具体是根据以下公式以对快速路隧道瓶颈上游路段所有车辆到达隧道瓶颈的时间进行预测：
5.根据权利要求4所述的一种隧道瓶颈管控方法，其特征在于，所述步骤S3中为CAV进行换道轨迹优化决策以及为CAV进行车辆巡航轨迹优化决策，均是依据设定的优化决策目标和约束进行，所述优化决策目标包括行程时间、油耗以及隧道瓶颈处最佳通行状态，所述约束包括运动学约束、车辆避撞约束、车道管理约束、求解边界约束和动态车道路权分配约束。
6.
7.根据权利要求6所述的一种隧道瓶颈管控方法，其特征在于，所述运动学约束具体为：
8.根据权利要求7所述的一种隧道瓶颈管控方法，其特征在于，所述车辆避撞约束具体为：
9.根据权利要求8所述的一种隧道瓶颈管控方法，其特征在于，所述车道管理约束具体为：设定动态高载客率车道标号为k＝3，其余车道为常规车道(k＝1，2)，则有
10.根据权利要求9所述的一种隧道瓶颈管控方法，其特征在于，所述求解边界约束用于缩小求解范围，提高对车辆轨迹控制方案的求解效率，具体为：
...【技术特征摘要】
1.一种面向高载客率车辆优先的隧道瓶颈管控系统，其特征在于，包括依次连接的数据采集模块(1)、决策生成模块(2)和控制执行模块(3)，所述数据采集模块(1)用于采集快速路隧道瓶颈上游cav和chv的运行状态信息，并输出给决策生成模块(2)；
2.一种应用如权利要求1所述面向高载客率车辆优先的隧道瓶颈管控系统的隧道瓶颈管控方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种隧道瓶颈管控方法，其特征在于，所述步骤s2具体包括以下步骤：
4.根据权利要求2所述的一种隧道瓶颈管控方法，其特征在于，所述步骤s21中具体是根据以下公式以对快速路隧道瓶颈上游路段所有车辆到达隧道瓶颈的时间进行预测：
5.根据权利要求4所述的一种隧道瓶颈管控方法，其特征在于，所述步骤s3中为cav进行换道轨迹优化决策以及为cav进行车辆巡航轨迹优化决策，均...
【专利技术属性】
技术研发人员：赖金涛，张振，徐恬，赖金豪，付暄翔，张明宇，杨晓光，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。