CN112116822A - 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法 - Google Patents

Abstract

本发明公开了基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，在网联自动驾驶车辆CAVs具有一定的市场渗透率的情况下，在高速公路上设置网联自动驾驶车辆专用车道，通过多因素的约束，建立整数非线性的车道动态分配模型；动态调整车道路权的分配以及车辆的行驶数据，输出高速公路的通行能力的变化曲线，选择优化解，反馈给交通控制平台，及时动态调整高速公路车道分配方案和车辆行驶数据管控，实现高速公路通行能力协同调控。本发明通过合理布设CAVs专用车道以分离混合交通流，同时考虑道路服务水平及合流区对道路的影响，使得高速公路基本路段设计通行能力满足实际交通需求，达到提高通行效率和交通安全的目的。

Description

基于CAVs混合交通流的车道动态分配的高速公路通行能力协 同调控方法

技术领域

本发明属于智能交通的技术领域，涉及基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法。

背景技术

近年，网联自动驾驶车辆(Connected and Automated vehicles，CAVs)已经陆续从试验场驶入实际道路，单一CAVs交通流可以提高高速公路的通行效率、安全性、燃料利用率已成为共识，但是CAVs的普及并非一蹴而就，期间需要经历一段较长时间的CAVs与HMVs混行的混合交通流(HMVs and CAVs)阶段。

混合交通流特性及其安全性尚不明晰，目前大多数关于混合交通流特性的研究是基于仿真实验或数值模型表现的，存在的缺点是不易表征车辆行驶的随机性，结果往往过于乐观。由于实际数据的缺乏，目前尚不清楚混合交通流中的CAVs如何影响高速公路通行能力，尤其是合流区路段。

受经典成功的传统车道管理如高占有率车道、公交专用车道、高占有率收费车道和货车专用车道等通过分离不同类型的车辆来提高道路通行效率和安全性的启发，近年来，已有基于车道管理的CAVs车道管理方法的研究进展，主要从路网和车道两个层面对CAVs专用车道的部署展开研究与分析。

在路网层面，大部分研究以交通流理论为基础建立解析模型，往往只考虑主线理想最大通行能力流，也忽略了合流影响，该类方法过于理想化，忽略了交通条件和环境，得到的结果往往过于乐观。

在车道层面，主要考虑CAVs渗透率、道路通行能力、CAVs技术(车头时距，编队强度等)对专用车道布设的影响。目前，基于车道管理(ML)的CAVs车道管理方法主要通过建立分析模型或者仿真分析CAVs对专用车道布设的影响。其中，分析模型主要是基于CAVs技术对专用车道展开研究的，但是割裂了MPRs、路网与车道之间的复杂关系。仿真分析方法可以得到CAVs专用车道部署对交通流的影响，但是缺乏合理的理论解释和系统的车道部署方案，不能为交通规划提供理论支撑。还有研究通过建立混合交通流基本图揭示CAVs的渗透率(MPRs)和交通需求对设置专用车道的利弊，再通过数值模型确定最佳车道数以获得最佳通行效率，但是仍然是基于理想状态建立的模型，大多围绕道路最大通行能力展开研究，忽略了实际交通条件对通行能力的影响，难以贴近实际状况。并且以往大多数研究忽略了匝道交通流，直接以主线交通流作为研究对象，实际情况下，匝道交通流是高速公路不可或缺的一部分，直接影响着高速公路的运行效率，匝道延误和拥堵会严重影响高速公路的服务水平。

综上，目前关于高速公路CAVs管理车道的研究相对较少，且处于初级探索阶段。现有技术中尚没有将CAVs的渗透率(MPRs)、CAVs车道管理(路网和车道)、交通状况的随机性等复杂状况综合起来建立的CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法。

因此，为了拓展混合交通流车道管理策略，弥补解析模型结果过于乐观的缺陷，需要提出一种CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，通过合理布设CAVs专用车道以分离混合交通流，同时考虑道路服务水平及合流区对道路的影响，使得高速公路基本路段设计通行能力满足实际交通需求，达到提高通行效率和交通安全的目的，为未来的高速公路混合交通流管理提供重要的技术指导，也可以为高速公路理论通行能力计算提供理论基础。

发明内容

为了达到上述目的，本发明提供一种基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，通过合理布设CAVs专用车道以分离混合交通流，同时考虑道路服务水平及合流区对道路的影响，使得高速公路基本路段设计通行能力满足实际交通需求，达到提高通行效率和交通安全的目的，为未来的高速公路混合交通流管理提供重要的技术指导，也可以为高速公路理论通行能力计算提供理论基础，解决了现有技术中存在的问题。

本发明所采用的技术方案是，基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，在网联自动驾驶车辆CAVs具有一定的市场渗透率的情况下，在高速公路上设置网联自动驾驶车辆专用车道，包括以下步骤：

步骤1：采集数据：基于车联网系统，采集高速公路主线和匝道的车道信息和车道上的车辆行驶信息；所述车道信息包括：车道的类型、数量和车道的基本通行能力；车道的类型包括CAVs专用车道、通用车道；

步骤2：基于步骤1采集的数据以及高速公路服务水平、车道饱和度的约束，建立整数非线性的车道动态分配模型；

步骤3：高速公路通行能力协同调控：

步骤31：根据当前主线和匝道的车道信息和车道上的车辆行驶信息，输入整数非线性的车道动态分配模型，输出高速公路的总通行能力；

步骤32：监控高速公路通行能力的变化，根据车道信息和车道上的车辆行驶信息，动态调整车道路权的分配，以及基于车联网系统调整车辆的行驶数据，输出高速公路的通行能力的变化曲线，选择优化解，反馈给交通控制平台，及时动态调整高速公路车道分配方案和车辆行驶数据管控，实现高速公路通行能力协同调控；

其中，步骤2中，所述整数非线性的车道动态分配模型为：

s.t：l_A+l_h＝L (2)；

Q_ramp≥d_r (3)；

Q_A≤(V/C_A)_B·C_A (4)；

Q_H≤(V/C_H)_B·C_H (5)；

l_A、l_h∈N^* (6)；

式中，ML表示车道管理；Q*表示高速公路的总通行能力；max表示最大值；l_A表示CAVs专用车道总数；Q_A表示CAVs专用车道的交通量；l_h表示通用车道总数；Q_H表示通用车道的交通量；Q_ramp表示匝道通行能力；L表示高速公路车道总数；d_r表示匝道交通需求；(V/C_A)_B表示服务水平为B级时，CAVs专用车道的饱和度；(V/C_H)_B表示服务水平为B级时，通用车道的饱和度；C_A表示CAVs专用车道基本通行能力；C_H表示通用车道基本通行能力；N*表示正整数。

进一步地，步骤1中，车辆行驶信息为CAVs车辆、HMVs车辆种类及其数量及其运行数据，包括：车辆当前时刻速度v，最小停车间距s₀，安全车头时距T，自由流速度v₀，车长l，匝道车辆可穿越最小间隙t_c，匝道车辆跟车时距t_g。

进一步地，整数非线性的车道动态分配模型，采取的路权分配方法为：CAVs车辆优先在CAVs车道行驶，当CAVs专用车道饱和度达到S_B时，将CAVs分配到通用车道，S_B表示服务水平为B级时的CAVs专用车道饱和度。

进一步地，CAVs专用车道的交通量Q_A为：

Q_A(l_A，p，d，S_B)＝min(pd，S_Bl_AC_A)；

式中，p表示CAVs总渗透率，d表示主线混合交通流需求，S_B表示服务水平为B级时的CAVs专用车道饱和度。

进一步地，通用车道的交通量Q_H为：

Q_H＝min(d-Q_A，(L-l_A)C_mix)：

式中，C_mix为通用车道基本通行能力，d表示主线混合交通流需求。

更进一步地，通用车道基本通行能力C_mix为：

；

式中，v为车辆当前时刻速度；p_h表示人工驾驶车辆的比例；s₀为最小停车间距；T为安全车头时距；v₀为自由流速度；l为车长；p_a表示ACC车辆的比例；t_a为ACC车辆期望保持的恒定车间时距；

为CAVs在通用车道的渗透率。

更进一步地，CAVs在通用车道的渗透率

为：

。

进一步地，匝道通行能力Q_ramp为：

；

式中，C_ramp表示匝道基本通行能力；i表示车辆数；Q_m表示虚拟交通量；P_i表示理论上出现允许i辆车穿越的间隙的概率。

更进一步地，理论上出现允许i辆车穿越的间隙的概率P_i为：

；

式中，λ₂为高速公路主线不同MPRs混合交通流的虚拟车辆到达率；t_c为匝道车辆可穿越最小间隙；t_g为匝道车辆跟车时距；P(k)表示混合交通流车头时距概率分布函数；k表示形成车队的车辆数量；Q_P表示形成车队的CAVs车辆总数；N_P表示CAVs车队的数量。

更进一步地，形成车队的CAVs车辆总数Q_P为：

；

式中，Q为高速公路主线交通量；

所述CAVs车队的数量N_P为：

。

本发明的有益效果是：

(1)本发明基于CAVs与HMVs的混合交通流特性提出了一种车道动态分配的高速公路通行能力协同调控方法，建立了同时兼顾混合交通流主线车道和匝道的通行能力理论计算模型，并同时考虑交通需求、服务水平、MPRs以及合流区对高速公路通行能力的影响，以总通行能力最大为目标提出了一个整数非线性规划模型，可以适应各种环境下的道路通行能力计算，使得高速公路基本路段设计通行能力满足实际交通需求，达到提高通行效率和交通安全的目的，帮助规划者快速确定各种环境下是否需要部署自动驾驶车道，何时何地部署、布设几条，为未来的高速公路混合交通流管理提供重要的技术指导，也可以为高速公路理论通行能力计算提供理论基础。

(2)本发明提出了一个动态的道路通行能力计算方法，与实际相符，符合未来自动驾驶车辆与传统车混行的大环境；本发明提出了通用车道可供CAVs和传统车共同使用的方法，并建立了路权分配模型，大大节约了道路资源。

(3)本发明设计了一个高速公路合流区场景，分别进行了数值案例分析与仿真，结果表明交通需求和渗透率两者共同影响专用车道的部署，CAVs渗透率在50％～70％时设置专用车道效果最佳，低渗透率和高渗透率下CAVs专用车道并不能提高道路通行能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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。

图1是采用本发明整数非线性的车道动态分配模型进行车道管理的理论通行能力结果图。

图2是采用本发明整数非线性的车道动态分配模型进行车道管理的仿真通行能力结果图。

图3是本发明不同CAVs渗透率下高速公路主线车辆车头分布特征示意图。

图4是本发明描述了不同CAVs渗透率和不同交通量下混合交通流车头时距大于8s的概率示意图。

图5是本发明匝道通行能力增益图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

第一部分：计算混合交通流(智能网联车辆与人工驾驶车辆混行)环境下的异质交通流密度-速度基本图，具体内容如下：

1、首先，基于人工驾驶车辆(HV)跟车模型和智能网联汽车跟车模型(协同自适应巡航控制跟车模型和自适应巡航控制跟车模型)，具体内容如下：

1.1、HV跟车模型：

式(7)中，

为目标加速度，单位是m/s²；v为当前时刻速度，单位是m/s；a为最大加速度，单位是m/s²；v₀为自由流速度，单位是m/s；s₀为最小停车间距，单位是m；T为安全车头时距，单位是m；Δv为前车与后车的速度差项，单位是m/s；b为舒适减速度，单位是m/s²；h为车头间距，单位是m；l为车长，单位是m。

1.2、协同自适应巡航控制跟车模型(CACC)：

e_k＝x_k-1-x_k-t_hwv_k (8)；

式(8)中：e_k为主车当前时刻的实际车间距与期望车间距误差，单位是s；x_k-1为前车当前时刻的位置，单位是m；x_k为主车当前时刻的位置，单位是m；t_hw为期望的车头时距，单位是s；v_k为主车当前时刻的速度，单位是m/s；t_hw的PATH实车实验的标定结果为0.6s。

式(₉)中：v_prev为主车当前时刻的速度，单位是m/s；k_p为车间距误差控制系数，k_d为车间距误差微分项控制系数，

为e_k对时间t的微分项。k_p、k_d的PATH实车实验的标定结果分别为0.45和0.25。

1.3、自适应巡航控制跟车模型(ACC)，即自动驾驶车辆前面没有车辆，无法跟车：

式(10)中：k₁，k₂为控制系数，k₁的单位是s^-2，k₂的单位是s^-1；t_a为ACC期望保持的恒定车间时距，即ACC车辆以瞬时速度行驶至前车车尾位移所期望的行驶时间，单位是s。k₁，k₂的PATH实车实验的标定结果分别为0.23s^-2和0.07s^-1，t_a的PATH实车实验的标定结果为1s。

2、然后，令式(7)～式(10)中加速度和速度差为零，即表示车流达到稳态，由此可分别计算出稳态下单一传统人工驾驶车辆车头间距(h_r)，纯ACC车辆车头间距(h_a)和纯CACC车辆车头间距(h_c)。

h_a＝vt_a+l+s₀ (12)；

h_c＝vt_c+l+s₀ (13)；

根据交通流密度计算公式：

式中k表示密度，单位是veh/km。

3、由此，根据式(11)～式(14)可以得到各类车型基本图：

传统人工驾驶车辆(HV)：

式(15)中，q为流量值，单位是veh/h。

ACC车辆

CACC车辆

4、综合式(15)～式(17)，以三种驾驶模式的车头间距平均值表示混合交通流车头间距，得到异质交通流密度-速度基本图：

CACC渗透率为p，实际CACC车辆的比例为p_c，ACC车辆的比例为p_a、人工驾驶车辆的比例为p_h：p_c＝p²，p_a＝p(1-p)，p_h＝1-p； (18)；

其中，p_c+p_a+p_h＝1，p_c+p_a＝p，p_a≤p_h，p_a≤p；

第二部分：确定CAVs专用车道路权，进而确定高速公路总的通行能力。本发明的高速公路车道管理策略为：传统车只能在通用车道上行驶，CAVs车辆优先在CAVs车道行驶，当CAVs专用车道饱和度达到S_B时，CAVs将分配到通用车道，优先保证CAVs的舒适度。基于上述高速公路车道管理策略建立下述各交通流分配模型：

1、CAVs专用车道总交通量：

Q_A(l_A，p，d，S_B)＝min(pd，S_Bl_AC_A) (20)；

式(20)中Q_A表示CAVs专用车道的交通量；l_A表示CAVs专用车道总数，p表示CAVs总渗透率，d为主线混合交通流需求(mixed traffic demand)，S_B表示服务水平为B级时的车道饱和度；C_A为CAVs专用车道基本通行能力。

2、通用车道交通量：

2.1、通用车道基本通行能力C_mix：

CAVs在通用车道的渗透率为：

式(21)中，

为CAVs在通用车道的渗透率，max(0，pd-S_Bl_AC_A)表示CAVs车辆总需求分配在专用车道外剩余车辆数，无多余车辆时用零表示；max(1，d-Q_A)表示通用车道交通量，使用max函数避免d＝Q_A。

通用车道基本通行能力为：

2.2、通用车道交通量为：

Q_H＝min(d-Q_A，(L-l_A)C_mix) (23)；

式(23)中L表示高速公路车道总数。

3、匝道通行能力

匝道通行能力(Q_ramp)由匝道车辆可穿越至主线的交通量(Q_c)和匝道基本通行能力(C_ramp)共同决定，两者之间的最小值为匝道实际通行能力，即

Q_ramp＝min(Q_c，C_ramp) (24)；

通常情况下C_ramp＞Q_c，因此匝道通行能力Q_ramp由Q_c确定。

匝道车辆可穿越至主线的交通量Q_c与高速公路主线可穿越车头时距密切相关：高速公路主线车辆密集时，车头时距较小，出现的可穿越车头时距较少，此时，高速公路主线交通流量大、匝道通行能力小。

传统交通流主线车头时距分布主要与交通量和车辆达到分布相关，但是混合交通流下车头时距还与MPRs密切相关。

3.1、混合交通流高速公路主线车头时距的确定：

3.1.1、传统单一交通流高速公路主线车头时距的确定：

根据以往高速公路交通流运行特性研究，可认为主线上的车辆进入道路到达服从泊松分布：

式(25)中，P(m)为t时间内到达m辆车的概率；λ为单位时间间隔内车辆的平均达到率(辆/s)；t为计数时间间隔的持续时间(s)；m为t时间内到达车的数量。

令式(25)中m＝0，即t时间没有车辆到达的概率为：

故可得到车头时距大于t的概率分布函数：

P(h≥t)＝P(0)＝e^-λt (27)；

由式(27)可得车头时距的密度概率函数P(t)，：

其中，h表示高速公路车流的车头时距。

式(28)表示车头时距小于t的密度概率函数，表示此时的车辆形成车队。

3.1.2、根据单一交通流车头时距的密度概率函数计算混合交通流的高速公路主线车头时距的密度概率函数：

混合交通流下车辆进入高速公路达到平衡后，同一条车道相邻的CAVs之间可能会形成车队。车队内车辆之间的车头时距显著小于传统车辆跟车时距，这使得异质交通流车头时距分布与传统单一交通流存在差异。

CAVs的市场渗透率为p；高速公路主线交通量为Q；CAVs形成车队需要满足两个条件：

1)CAVs连续出现；

2)形成跟车。

为简化建模过程，令当CAVs车辆之间的车头时距小于t_f时会跟车形成CAVs车队。

出现连续k辆车的概率为：

P_k＝p^k(1-p)k＝1，2……N^* (29)；

式(29)中，p表示CAVs的市场渗透率，k表示车队的长度，车队长度不能超过N辆车。

形成k辆CAVs跟车的概率为：

P_g＝[P(h＜t_f)]^kP(h≥t_f) (30)；

由式(29)、(30)可得形成k辆车长度的车队概率为：

P(k)＝p^k[P(h＜t_f)]^k∩[(1-p)∪P(h≥t_f)] (31)；

式(31)中，p表示CAVs的市场渗透率；P(h＜t_f)表示车头时距小于t_f的概率；P(h≥t_f)为车头时距大于t_f的概率。

由公式(31)可计算出形成车队的CAVs车辆总数Q_p和CAVs车队的数量N_p。

式(32)中，Q高速公路主线交通量，Q·P(k)表示k辆车形成车队；

当车流稳定时，车辆不再进行新的编队，由于CAVs车队车辆之间跟车时距较小(0.6s)，故可以把一个车队当作一辆“大车”，可得到新的交通量(Q_m)，本文定义为虚拟交通量。由式(32)～式(33)可得虚拟交通量，如下：

Q_m＝3600*λ-Q_p+N_P (34)；

式(34)中，λ为单位时间间隔内车辆的平均达到率；虚拟交通量Q_m的单位是veh/h。

根据式(28)和式(34)，可得高速公路主线不同MPRs混合交通流车头时距分布概率密度，如下：

其中，λ₂为单位时间间隔内虚拟车辆的平均达到率，计算方式如下：

综合式(25)～(36)可得虚拟交通量Q_m为：

混合交通流车头时距概率分布函数：

3.2单车道匝道通行能力

设匝道车辆均匀分布，车辆跟车时距为t_g(s)，t_c为可穿越最小间隙；匝道车辆只受主线最右侧车道的影响且汇入的目标车道为主线的最右侧车道。当t_c≤h＜t_c+t_g时，允许一辆车进入；当t_c+(i-1)t_g≤h＜t_c+it_g时，允许i辆车进入主线。则理论上出现允许i辆车穿越的间隙的概率P_i为：

式(38)中，t_f-c为CAVs车队内跟车时距。

由此可得单车道匝道通行能力。

式(39)中，Q_m表示虚拟交通量，C_ramp为单车道匝道基本通行能力。

因此可得高速公路总交通量：

Q＝Q_A+min(d-Q_A，(L-l_A)C_mix)+Q_ramp (40)；

第三部分：基于不同环境下的动态高速公路通行能力，考虑匝道和服务水平的约束，提出了一种自动驾驶车辆专用车道分配模型，实现车道的最优配置和高速公路通行能力协同调控。具体内容如下：

令CAVs专用车道(DL)通行能力(capacity)为Q_A，通用车道(GL)通行能力为Q_H，匝道通行能力为Q_ramp，则总通行能力(total highway throughput)Q＝Q_A+Q_H+Q_ramp。以往大量CAVs车道研究都围绕道路最大通行能力展开研究，忽略了实际交通条件对通行能力的影响。道路实际通行能力会受速度和合流的影响。故本发明考虑高速公路服务水平对主线交通流的约束，即每条车道分配的交通量具有阈值，超过阈值会导致车辆速度降低，乘客的舒适度也会下降。根据以上目标及约束条件，构建了一个整数非线性规划模型：

s.t：l_A+l_h＝L (2)；

Q_ramp≥d_r (3)；

Q_A≤(V/C_A)_B·C_A (4)；

Q_H≤(V/C_H)_B·C_H (5)；

l_A、l_h∈N^* (6)。

式(1)是目标函数，表示高速公路总通行能力最大；式(1)中，ML为车道管理；Q*为高速公路的总通行能力，单位是veh/h；

为数学符号，表示目标函数由l_A决定；l_A为CAVs专用车道总数；Q_A表示CAVs专用车道的交通量，单位是veh/h；l_h为通用车道的车道数，Q_H为通用车道的交通量，单位是veh/h；Q_ramp为匝道通行能力；N*表示正整数。

式(2)表示式(1)中CAVs专用车道总数l_A与通用车道总数l_h，满足两者之和等于车道总数L的条件。

式(3)表示式(1)中匝道通行能力Q_ramp要满足大于等于匝道交通需求d_r的条件。

式(4)表示式(1)中CAVs专用车道的交通量Q_A要满足小于等于服务水平为B级时CAVs专用车道的饱和度(V/C_A)_B与CAVs专用车道基本通行能力C_A的乘积。

式(5)表示式(1)中通用车道的交通量Q_H要满足小于等于服务水平为B级时通用车道的饱和度(V/C_H)_B与通用车道基本通行能力C_H的乘积。

式(4)～(5)分别表示主线车道的服务水平要高于B级(HCM)。

式(6)N*表示正整数。

数值与仿真分析

本发明设计了一个高速公路场景，包含四条主线车道和单车道匝道。

主线分析：

利用本文所提的整数非线性的车道动态分配模型，进行仿真分析，仿真的参数设置服务水平和车辆饱和度。在不同交通量下，对不同CAVs渗透率下的混合交通流进行车道管理，并对相应的高速公路通行能力结果进行分析，结果如图1、图2所示，图1为高速公路理论通行能力，图2为高速公路仿真通行能力。

如图1中的a所示，当交通量较小，交通需求为1600veh/h，CAVs渗透率提高对交通效率的提高影响不大，不同CAVs渗透率在设置一条CAVs专用车道的前提下，其理论通行能力相差很小，当设置两条CAVs专用车道时，其理论通行能力有所提升，且随着CAVs渗透率的提高，其理论通行能力有所提升，当设置超过两条CAVs专用车道时，其理论通行能力较设置两条CAVs专用车道时的理论通行能力下降。如图2中的a所示，上述低交通量时，有关CAVs车辆渗透率和车道管理的规律对理论通行能力的影响的仿真结果及变化规律与图1中的a一致。

如图1中的b、图1中的c所示，在道路通行能力满足交通需求下，设置多条CAVs专用车道可能会降低总通行能力，故不能盲目的设置专用车道。随着交通需求的持续增大，当主线通行能力不能满足交通需求是，CAVs渗透率的提高和专用车道的部署可以提高通行能力，缓解交通拥堵。图2中的b、图2中的c的仿真结果及规律与图1中的b、图1中的c一致。

如图1中的d所示，当CAVs的渗透率为10％时，设置一条专业车道并不能缓解交通拥堵，还会造成更为严重的拥堵，此时解决交通拥堵的方法是提高CAVs渗透率和增加车道。图2中的d的仿真结果及规律与图1中d一致。

如图1中的f所示，当D＝4800veh/h时，当渗透率为30％时，设置一条CAVs专用车道可以提高通行能力，渗透率大于50％时，无需设置专用车道。图2中的f的仿真结果与图1中的f一致。

如图1中的g所示，当交通量十分大时，例如D＝5600veh/h，渗透率为30％～50％，设置两条专用车道可以满足需求，渗透率为70％～90％，设置一条专用车道即可。图2中的g的仿真结果及规律与图1中的g一致。

结果显示，CAVs专用车道数量由CAVs渗透率和交通量共同决定，CAVs的渗透率高不代表需要更多的CAVs专用车道。

匝道分析：

混合交通流车头时距概率分布函数在宏观层面描述不同CAVs渗透率下高速公路主线车辆车头分布特征，对混合交通流特性分析和交通流管理有很大的益处。例如，当主线交通量为800veh/h、可穿越车头时距为8s时，如图3所示，随着CAVs渗透率的增加，车流车头时距出现大于8s的概率增大，这意味着匝道的通行能力有所提高，这对高速公路的设计有很大的帮助。混合交通流累计车头时距分布函数描述主线车辆车头时距大于某个值的概率，此函数的用处是可以分析合流的效率，可以为高速公路合流区的设计和管理提供理论指导。例如，假定可穿越车头时距为8s，图4描述了不同CAVs渗透率和不同交通量下混合交通流车头时距大于8s的概率，结果表明：CAVs渗透率较大时对主线车头时距的分布影响很大，低CAVs渗透率下主要由交通量决定函数值。

根据提及的案例和匝道通行能力计算模型得到表1结果。为了直观的获取MPRs对匝道通行能力的影响，绘制了通行能力增益图(图5)。如图5所示，低交通量(lightertraffic)下，渗透率对匝道的通行能力增益不大；当交通量中等时，渗透率可以显著提高通行能力；随着交通量的增大，车辆跟车概率增大，增大渗透率对通行能力的收益也逐渐降低。总体而言，在交通量适中时，渗透率的提高可以显著提升匝道通行能力。

表1不同主线交通量和CAVs渗透率对匝道通行能力的影响

上述主线分析和匝道分析基于本发明的整数非线性的车道动态分配模型，利用数值和仿真手段分析本发明的车道管理策略，分析车道管理策略对交通和效益的影响，得到下述有关于本发明的整数非线性的车道动态分配模型的结论：

(1)当CAVs渗透率为50％～70％时，部署CAVs专用车道的收益较高，当CAVs渗透率较低时，设置CAVs专用车道的效果会导致交通更为拥堵。

(2)当CAVs渗透率较高时，CAVs对传统车辆起到控制作用，可以减少整条道路上的车辆速度差，保证车辆安全性，但并不能提高速度，而合理的设置CAVs车道既可以提高通用车道的速度又能保证车辆能自由驾驶。

(3)匝道通行能力由主线的交通量和CAVs渗透率决定，适中的交通量下，通行能力对CAVs渗透率的敏感性较高。

本发明的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，通过监控高速公路通行能力的变化，根据车道信息和车道上的车辆行驶信息，动态调整车道路权的分配，以及基于车联网系统调整车辆的行驶数据，输出高速公路的通行能力的变化曲线，选择优化解，反馈给交通控制平台，及时动态调整高速公路车道分配方案和车辆行驶数据管控，实现高速公路通行能力协同调控。

本发明的车道管理/整数非线性的车道动态分配模型相较于现有的车道管理方法/模型的优势：

(1)本发明考虑匝道和高速公路主线的交互影响，深入剖析了不同网联自动驾驶车辆市场渗透率对两者的影响。

(2)以往道路管理用的通行能力都是经验值或者固定值，与实际不相符，本发明提出了一个动态的道路通行能力计算方法，符合未来自动驾驶车辆与传统车混行的大环境。

(3)以往的车道管理中CAVs仅在专用车道上拥有路权，本发明提出了通用车道可供CAVs和传统车共同使用的方法，并建立了路权分配模型，大大节约了道路资源。

需要说明的是，在本申请中，诸如第一、第二、第三等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，在网联自动驾驶车辆CAVs具有一定的市场渗透率的情况下，在高速公路上设置网联自动驾驶车辆专用车道，其特征在于，包括以下步骤：

步骤1：采集数据：基于车联网系统，采集高速公路主线和匝道的车道信息和车道上的车辆行驶信息；所述车道信息包括：车道的类型、数量和车道的基本通行能力；车道的类型包括CAVs专用车道、通用车道；

步骤2：基于步骤1采集的数据以及高速公路服务水平、车道饱和度的约束，建立整数非线性的车道动态分配模型；

步骤3：高速公路通行能力协同调控：

步骤31：根据当前主线和匝道的车道信息和车道上的车辆行驶信息，输入整数非线性的车道动态分配模型，输出高速公路的总通行能力；

步骤32：监控高速公路通行能力的变化，根据车道信息和车道上的车辆行驶信息，动态调整车道路权的分配，以及基于车联网系统调整车辆的行驶数据，输出高速公路的通行能力的变化曲线，选择优化解，反馈给交通控制平台，及时动态调整高速公路车道分配方案和车辆行驶数据管控，实现高速公路通行能力协同调控；

其中，步骤2中，所述整数非线性的车道动态分配模型为：

s.t：l_A+l_h＝L (2)；

Q_ramp≥d_r (3)；

Q_A≤(V/C_A)_B·C_A (4)；

Q_H≤(V/C_H)_B·C_H (5)；

l_A、l_h∈N^* (6)；

式中，ML表示车道管理；Q*表示高速公路的总通行能力；max表示最大值；l_A表示CAVs专用车道总数；Q_A表示CAVs专用车道的交通量；l_h表示通用车道总数；Q_H表示通用车道的交通量；Q_ramp表示匝道通行能力；L表示高速公路车道总数；d_r表示匝道交通需求；(V/C_A)_B表示服务水平为B级时，CAVs专用车道的饱和度；(V/C_H)_B表示服务水平为B级时，通用车道的饱和度；C_A表示CAVs专用车道基本通行能力；C_H表示通用车道基本通行能力；N*表示正整数。

2.根据权利要求1所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，步骤1中，所述车辆行驶信息为CAVs车辆、HMVs车辆种类及其数量及其运行数据，包括：车辆当前时刻速度v，最小停车间距s₀，安全车头时距T，自由流速度v₀，车长l，匝道车辆可穿越最小间隙t_c，匝道车辆跟车时距t_g。

3.根据权利要求1所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述整数非线性的车道动态分配模型，采取的路权分配方法为：CAVs车辆优先在CAVs车道行驶，当CAVs专用车道饱和度达到S_B时，将CAVs分配到通用车道，S_B表示服务水平为B级时的CAVs专用车道饱和度。

4.根据权利要求1所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述CAVs专用车道的交通量Q_A为：

Q_A(l_A，p，d，S_B)＝min(pdS_Bl_AC_A)；

式中，p表示CAVs总渗透率，d表示主线混合交通流需求，S_B表示服务水平为B级时的CAVs专用车道饱和度。

5.根据权利要求1所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述通用车道的交通量Q_H为：

Q_H＝min(d-Q_A，(L-l_A)C_mix)；

式中，C_mix为通用车道基本通行能力，d表示主线混合交通流需求。

6.根据权利要求5所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述通用车道基本通行能力C_mix为：

；

式中，v为车辆当前时刻速度；p_h表示人工驾驶车辆的比例；s₀为最小停车间距；T为安全车头时距；v₀为自由流速度；l为车长；p_a表示ACC车辆的比例；t_a为ACC车辆期望保持的恒定车间时距；

为CAVs在通用车道的渗透率。

7.根据权利要求6所述的基于优化高速公路通行能力的网联自动驾驶车辆专用车道分配方法，其特征在于，所述CAVs在通用车道的渗透率

为：

。

8.根据权利要求1所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述匝道通行能力Q_ramp为：

；

式中，C_ramp表示匝道基本通行能力；i表示车辆数；Q_m表示虚拟交通量；P_i表示理论上出现允许i辆车穿越的间隙的概率。

9.根据权利要求8所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述理论上出现允许i辆车穿越的间隙的概率P_i为：

；

式中，λ₂为高速公路主线不同MPRs混合交通流的虚拟车辆到达率；t_c为匝道车辆可穿越最小间隙；t_g为匝道车辆跟车时距；P(k)表示混合交通流车头时距概率分布函数；k表示形成车队的车辆数量；Q_P表示形成车队的CAVs车辆总数；N_P表示CAVs车队的数量。

10.根据权利要求9所述的基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法，其特征在于，所述形成车队的CAVs车辆总数Q_P为：

；

式中，Q为高速公路主线交通量；

所述CAVs车队的数量N_P为：

。

Images