一种基于IVCPS的合流区车辆队列协同控制策略设计方法

本发明属于智能交通管理与控制领域，涉及一种基于ivcps的合流区车辆队列协同控制策略设计方法。

背景技术：

1、据统计，合流区作为城市快速路或高速公路车辆汇入主线的重要节点，是交通事故的高发区域。一方面，车辆在合流区变道、加速和减速造成的冲突和潜在危险是交通安全面临的重大挑战之一。另一方面，由于合流区的车流需求和路网容量不匹配，会引起短暂的交通堵塞，频繁的启停也会导致能耗上升。因此，需要对合流区车辆进行相应控制，保证交通的安全畅通。

2、随着计算、控制、通信技术的发展，传统的单点技术不能适应新一代信息化与网络化的需求，信息物理系统(cyber physical systems,cps)应运而生。cps与交通运输系统的深度融合，将人、车、路等物理实体与信息、应用联为一体，使传统的交通系统具有了感知、判断、控制和决策，促进了交通运行安全和效率等性能的综合提升。

3、在智能网联车辆高速发展的背景下，智能网联车辆具有可以通过v2x技术实现与路侧设备、云端进行信息交互的特性，故在智能网联汽车信息物理系统(intelligentvehicles cyberphysical systems,ivcps)下构建的车辆协同控制框架，设计车辆队列的协同控制策略，通过车辆协同决策的方式实现功能的涌现，能有望集中解决合流区车辆在高交通流量下通行效率低，以及车辆频繁的启停导致能耗上升的问题。

4、现有的车辆进行协同决策时，还存在以下不足：

5、(1)现有的研究未充分利用ivcps的特性，而是孤立地关注车队稳定性或合流区的效率。这导致了缺乏一个能从多个尺度综合考虑的协同设计框架，从而无法全面优化交通流的整体性能。

6、(2)车辆合流次序是协同合流的核心问题。然而现有的研究大部分是在fifo基础上进行研究，未考虑匝道和主干道的速度差异。针对合流次序的研究主要分为最优策略和次优策略，最优策略在交通流量大时计算复杂度会急剧上升，次优策略的求解结果只对当前优化对象是较优的，不一定有益于整体交通运行。

7、(3)车辆的实际行驶环境复杂多变，匝道车辆汇入时，主干道外侧车辆不仅受匝道车辆影响，还需综合考虑整体交通情况与其他车道的车辆状况。在合流区车俩协同决策的研究中，大多未考虑周围交通是动态变化的，且未考虑横向协同的可能性。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于icvps的合流区车辆队列协同控制策略设计方法，降低计算复杂度，优化通行效率，并提升燃油经济性。。

2、为达到上述目的，本发明提供如下技术方案：

3、一种基于ivcps的合流区车辆队列协同控制策略设计方法，具体地：

4、对于车道合流区内的车辆，根据车辆的初始间距划分为若干车辆队列；

5、依据车队到达合流点的距离，基于虚拟映射的方式将匝道内的车队映射到主干道形成虚拟队列，并依据车队到达合流点的距离对虚拟队列中的车队进行编号；

6、以车辆队列为基础规划合流区的合流次序，通过混合整数线性规划分配合流次序，各车队按照合流次序依次通过合流点；

7、在ivcps视角下，合流次序相邻的两车队中若存在匝道车队，则主干道车队根据博弈策略集进行博弈，根据博弈结果控制主干道车队为需要合流的匝道车队预留汇入间隙；其中，若合流次序相邻的两车队均为主干道车队，则不进行博弈。

8、进一步的，根据车间距阈值划分车辆队列，所述车间距阈值表示为：

9、

10、式中，vmax、amax分别表示车辆的最大速度和最大加速度，vi表示车辆i的速度，lp表示车辆编队区的长度；则若第i辆车的初始车辆间距di,i-1(t0)＞dt时，将第i辆车作为新形成的车辆队列的领导车，反之，将其划分为前方车辆队列的跟随车。

11、进一步的，以车辆队列为基础规划合流区的合流次序，将合流次序描述为一个milp问题，定义该问题的目标函数为：

12、

13、式中，分别表示虚拟控制区每个车队lpi分配的通过该区域的时间和最小通过时间；该目标函数表示最小化所有车队通过合流点的延迟时间。

14、基于所述目标函数，结合速度、安全及合流并道约束构建milp问题：

15、

16、

17、

18、

19、c4:si＝{0,1}

20、式中，分别为队列lpi驶出合流区的最长时间和最短时间，si为二值判断参数，si＝1时表示车队lpi为主干道车队，否则si＝0；vi′表示车队lpi的速度，v′max、v′min分别表示车队lpi的最大速度和最小速度，a′max、a′min分别表示车队lpi的最大加速度和最小加速度，lc表示车队距离合并点的距离，li表示当前车队的长度，pi表示车队中领航车的当前位置；根据求解milp问题得到的通行时间确定合流次序。

21、进一步的，所述博弈策略集如下表所示：

22、

23、其中，lpo表示主干道中靠近匝道一侧的车道中的车队，lpi表示与lpo相邻的车道中的车队；ok表示车队lpo的策略，k＝1,2；il表示车队lpi的策略，l＝1,2,3；

24、表示车队lpo中车辆i的收益函数，εi、δi分别表示车队lpo中车辆i的安全收益、时间收益、稳定性收益，αi、βi、λi分别表示安全收益因子、时间收益因子、稳定性收益因子，αi+βi+λi＝1；

25、表示车队lpi中车辆j的收益函数，εj、分别表示车队lpi中车辆j的安全收益、时间收益，αj、βj分别表示安全收益因子、时间收益因子，表示安全收益、时间收益的权重，且αj+βj＝1。

26、根据所述博弈策略集，计算车队lpo中车辆i换道前、换道后的收益比较和的大小选择车辆i的执行策略；换道目标车道的车队lpi中的车辆j则根据车辆i的策略，计算收益针对车队lpi和车辆i，采用stackelberg博弈求解两者的纵向控制策略。

27、其中，采用stackelberg博弈求解车队lpi和车辆i的纵向控制策略的过程包括：

28、1)确定领导者和追随者的收益函数：所述领导者为车队lpo中的车辆i，收益函数为ui(il,in)，表示车队lpi选择策略in时，车辆i在选择策略il时车辆i的收益；所述追随者为车队lpi，收益函数为ui(il,in)，表示车队lpo的车辆i选择策略ok时，车队lpi中的车辆j在选择策略il时车辆j的收益；

29、2)设计追随者的最优反应策略为：

30、

31、3)设计领导者的最优化函数，以在追随者最优反应下选择一个最大化收益的策略，领导者的最优化函数表示为：

32、

33、4)将追随者最优反应策略in中的il替换为领导者的最优化函数得到追随者的最终最优反应策略，即从而和组成的策略构成领导者和追随者的最优纵向控制决策。

34、本发明的有益效果在于：

35、(1)本发明针对合流区场景的特征以及智能网联汽车信息物理系统的动态性、涌现性等特征，基于ivcps多尺度视角设计了车辆协同控制架构，在不同尺度与架构层提出了相应的设计方案。通过ivcps下不同结构层的协同感知与决策，结合车路云一体化技术的多尺度赋能，可以有效应对合流区车辆在高交通流量下通行效率低以及车辆频繁启停导致的能耗上升问题。

36、(2)本发明从系统级尺度出发，针对高交通流量下确定合流次序时难以实现决策最优与计算效率平衡的问题，基于车辆编队的思想，构造多个车辆队列进行协同决策缩小求解范围，以混合整数线性规划对车队通行优化，降低了决策计算的复杂度。

37、(3)本发明从单元级尺度出发，针对动态交通环境下车辆协同控制存在车辆相互竞争关系的问题，基于优化后的合流次序，实时考虑周围交通参与者与交通环境对车队决策产生的影响，考虑匝道合流区交通环境的动态性，以优化通行效率为目标，提出了车队的协同决策博弈设计方案，使车队中每辆车采用相应的策略实现通行能力的提升，使匝道车队的汇入最小程度减小对主干道的影响。

38、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。