基于车辆冲突关系图的多车道匝道协同汇入优化调度方法

1.本技术涉及智能网联汽车控制技术领域，特别涉及一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法。


背景技术：

2.多车道匝道合流场景是高速公路典型的瓶颈区域，由于道路资源有效，车辆在合流后不可避免地导致车流密度增加，此外，行驶在不同车道的车辆在行驶意图、行驶速度等方面存在差异，若不对匝道区域的车辆进行有效地协调，车辆间的行为冲突将存在碰撞风险，同时车流的启停效应也会使得交通通行效率降低。
3.相关技术中，通过采用直接求解非线性整数规划问题的方法，应用求解器进行在线求解，解决局部车辆的次序协同或轨迹规划问题，以缓解车辆间的行为冲突存在的碰撞风险。
4.然而，相关技术中仅针对局部车辆的次序协同或轨迹规划，难以处理多车道混合车流的匝道协同汇入问题，算法求解效率低，车辆通行延迟和交通整体通行效率有待进一步提升。


技术实现要素：

5.本技术提供一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，以解决相关技术中仅针对局部车辆的次序协同或轨迹规划、难以处理多车道混合车流的匝道协同汇入问题，本技术将充分发挥边缘云广域协同的优势，实现车辆行驶性能与交通流整体性能的综合提升。
6.本技术第一方面实施例提供一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，包括以下步骤：
7.步骤1：通过路侧设备采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆组的实时数字映射，在信息空间生成车辆组冲突关系图vcn，其中，所述车辆组冲突关系图如式(1)所示：
8.vcn＝g(nodes,edges)；(1)
9.其中，nodes为冲突关系图中的节点，描述车辆组自身属性，包括车辆组长度sizep、车辆组类型typep、车辆组当前状态信息state
t0
和车辆组期望状态信息state
tf
；edges为冲突关系图中的边，描述车辆组间的关系属性，包括车辆组的通行次序l、车辆组安全性约束safetycons、边损失loss；冲突关系图g的决策目标是使得所有车辆组节点nodes可被k条通行次序线顺序相连，每个节点都被包含中其中一条通行次序中，且k条通行次序线中所边代价之和j最小；k为汇入后的主道车道数目；
10.步骤2：根据车辆组换道原则划分换道车辆组集合，对所述车辆组冲突关系图g按照汇入后车道数目进行解耦，为每条汇入后主道生成对应的车辆组冲突关系子图gi，所述车辆组冲突关系图g等于各冲突关系子图的并集，如式(2)所示：
11.g＝g1∪
…
∪gi∪
…
∪gk,i∈{1,
…
,k}；
ꢀꢀ
(2)
12.其中，所述冲突关系图g的代价j为各冲突关系子图gi的代价jii之和，如式(3)所示：
13.j＝j1+
…
+ji+
…
+jk,i∈{1,
…
,k}；
ꢀꢀꢀ
(3)
14.步骤3：对于任一车辆组冲突关系子图gi，为冲突关系子图gi中包含的所有车辆组领航车按照效率最优行驶策略生成不同汇入条件下的终端状态相图s；终端状态相图确定领航车辆在不同汇入条件下稳定终端状态的可行区域，利用终端状态相图可为领航车辆规划最优轨迹并计算对应的通行延迟，其中，领航车vehlm的效率最优行驶策略中的控制量按如下式(4)计算得到：
[0015][0016]
其中，j
min
、j
max
分别为领航车vehlm在满足舒适性要求下加加速度的下界与上界，为领航车vehlm加速度的协态；
[0017]
步骤4：对于任一车辆组冲突关系子图gi，采用具有启发式剪枝规则的深度优先树搜索策略对当前车道内车辆组进行最优汇入次序搜索，在搜索过程中依据领航车vehlm的终端状态相图sm和前车vehl
m-1
的终端状态相图s
m-1
并结合安全性条件计算树节点的损失，其中，安全性条件如下式(5)所示：
[0018]
t
m,con
》t
f,m-1
+δt
m-1,inner
×
(n
m-1-1)+δt
adj
；
ꢀꢀꢀꢀ
(5)
[0019]
其中，t
m,con
为领航车vehlm在满足与前车的安全性约束下经过匝道区域所需的最短时间，t
f,m-1
为前车vehl
m-1
在当前树搜索中的终态时间，δt
m-1,inner
为前车组内部车辆的安全时距，n
m-1
为前车组长度，δt
adj
为相邻两车组间的安全时距；
[0020]
步骤5：对不同换道车辆组集合下的各冲突关系子图进行最优次序搜索，得到各冲突关系子图的损耗ji，选取各冲突关系子图代价总和最小的换道车辆组集合作为最终换道车组，并根据最优冲突子图中各车辆节点的最优终端状态结合车辆的终端状态相图为车辆组规划纵向速度调整策略与横向换道策略，其中，最优协同汇入策略的损耗j
*
如下式(6)所示：
[0021][0022]
其中，为各冲突关系子图在车辆组最优通行次序下的最小代价。
[0023]
可选的，在本技术的一个实施例中，所述车辆组冲突关系图g在不同通行次序下的代价由车辆组的总加权通行时间延迟计算得到，并作为匝道区域内交通效率的评价指标与优化目标，其中，车辆组的总加权通行时间延迟如下式(7)所示：
[0024][0025]
其中，t
m,f
为车辆组vehlm通过该段匝道区域的实际时间，t
m,desired
为车辆组vehlm在加速度、加加速度限制下通过该段匝道区域的期望时间，sizepm为车辆组vehlm的长度；αi为
车道权重，车辆行驶速度越高的车道具有越大的权重。
[0026]
可选的，在本技术的一个实施例中，车辆组换道的基本原则是需为匝道车辆的汇入提供安全的车间距离且尽量降低对相邻车道的影响，车辆组换道的具体要点包括：优先考虑长度sizep较短的车辆组进行换道，仅考虑纯智能网联汽车组成的车辆组进行协同换道，不考虑混合队列的协同换道，车辆组相同长度sizep时优先考虑位置更靠近匝道区域的车辆组进行换道，长度sizep》n
lim
的车辆组为了提升安全性不进行换道，在车辆组换道原则约束下，不同换道车辆组集合的总数目n
lc
根据下式(8)计算得到：
[0027][0028]
其中，nk为车道k中包含的车辆组数目，l为换道车组数目，运算符
‘
！’为累乘运算。
[0029]
可选的，在本技术的一个实施例中，效率最优行驶策略中加速度的协态根据庞特里亚金最小值原理计算得到，如下式(9)所示：
[0030][0031]
其中，xm为车辆的状态向量，xm：＝{pm,vm,am}，分别表示领航车vehlm的位置、速度、加速度，为拉格朗日函数，计算式如下式(10)所示：
[0032][0033]
其中，λ
p
、λv、λa分别为位置、速度、加速度的协态，v
max
为车辆的最大限速，η
v+
、η
v-为与车辆速度约束有关的拉格朗日乘子，a
max
、a
min
分别为车辆的最大加速度与最小减速度，η
a+
、η
a-分别为与车辆加速度约束有关的拉格朗日乘子。
[0034]
可选的，在本技术的一个实施例中，采用启发式剪枝策略加速通行次序树的搜索，启发式剪枝规则包括：当车辆vehlm的终态相图sm的可行域无法满足与前车vehl
m-1
的安全性约束时，则车辆vehlm所处节点下方的子树被剪枝；当所述车辆vehlm所处节点的代价j》j
*
，且当前节点的深度小于次序树的最大深度时，则车辆vehlm所处节点下方的子树同样被剪枝。
[0035]
可选的，在本技术的一个实施例中，根据最优冲突子图对车辆组进行纵向速度规划与横向换道策略规划时，需要确保换道车辆组vehself与当前车道的前车组vehfront、后车组vehback与相邻车道的父车组vehparent保持安全距离，并据此计算出换道车辆的换道时刻t
m,lc
和换道位置p
m,lc
，其中，换道车辆组vehself与周车的安全性约束如下式(11)所示：
[0036][0037]
其中，gap
parent
()、gap
front
()、gap
back
()分别为换道车组与同车道前车组、同车道后车组、邻车道父车组的车间距离。
[0038]
本技术实施例可以采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆
组的实时数字映射，以在信息空间生成车辆冲突关系图，并且根据车辆组换道原则划分车辆组集合，对车辆冲突关系图解耦，生成对应合流后每一车道的车辆组冲突关系子图，对任一冲突关系子图中的所有车辆，基于效率最优行驶策略生成不同汇入条件下的终端状态相图，并且采用具有启发式剪枝规则的深度优先树搜索策略对每一冲突关系子图进行最优次序搜索，从而结合车辆的终端状态相图生成车辆规划纵向速度调整策略与横向换道策略，进而可以在复杂场景下充分发挥边缘云广域协同的优势，综合提升车辆通行延迟和道路整体效率。由此，解决了相关技术中仅针对局部车辆的次序协同或轨迹规划，难以处理多车道混合车流的匝道协同汇入问题，算法求解效率低，车辆通行延迟和交通整体通行效率有待进一步提升的技术问题。
[0039]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0040]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0041]
图1为根据本技术实施例提供的一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法的流程图；
[0042]
图2为本技术一个具体实施例的匝道区域边缘云中数字映射与云端控制的示意图；
[0043]
图3为本技术一个具体实施例的多车道混合交通匝道汇入场景示意图；
[0044]
图4为本技术一个具体实施例的车辆组冲突关系图；
[0045]
图5为本技术一个具体实施例的不同换道车辆集合下的车辆组冲突关系图与冲突关系子图的示意图；
[0046]
图6为本技术一个具体实施例的效率最优行驶策略下对应的相轨迹的示意图；
[0047]
图7为本技术一个具体实施例的领航车在不同汇入条件下的终端状态相图的示意图；
[0048]
图8为本技术一个具体实施例的两车组换道情况下的两个冲突关系子图的深度优先树搜索结果示意图；
[0049]
图9为本技术一个具体实施例的换道车辆组数目为2时的最优车辆组冲突关系图决策结果示意图；
[0050]
图10为本技术一个具体实施例的换道车辆组数目为1时的最优车辆组冲突关系图决策结果示意图；
[0051]
图11为本技术一个具体实施例的换道车辆组数目为0时的最优车辆组冲突关系图决策结果示意图；
[0052]
图12为本技术一个具体实施例的车辆组换道过程场景示意图；
[0053]
图13为本技术一个具体实施例的换道车辆组与同车道前车组、同车道后车组与邻车道父车组的安全距离关系图；
[0054]
图14为本技术一个具体实施例的车辆组决策的纵向速度调整策略示意图。
具体实施方式
[0055]
下面详细描述本技术的实施例，所述实施例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例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0056]
下面参考附图描述本技术实施例的基于车辆冲突关系图的多车道匝道协同汇入优化调度方法。针对上述背景技术中心提到的相关技术中仅针对局部车辆的次序协同或轨迹规划，难以处理多车道混合车流的匝道协同汇入问题，算法求解效率低，车辆通行延迟和交通整体通行效率有待进一步提升的技术问题，本技术提供了一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，在该方法中，可以采集匝道区域内车辆组信息，在边缘云实现物理空间中车辆组的实时数字映射，以在信息空间生成车辆冲突关系图，并且根据车辆组换道原则划分车辆组集合，对车辆冲突关系图解耦，生成对应合流后每一车道的车辆组冲突关系子图，对任一冲突关系子图中的所有车辆，基于效率最优行驶策略生成不同汇入条件下的终端状态相图，并且采用具有启发式剪枝规则的深度优先树搜索策略对每一冲突关系子图进行最优次序搜索，从而结合车辆的终端状态相图生成车辆规划纵向速度调整策略与横向换道策略，进而可以在复杂场景下充分发挥边缘云广域协同的优势，综合提升车辆通行延迟和道路整体效率。由此，解决了相关技术中仅针对局部车辆的次序协同或轨迹规划，难以处理多车道混合车流的匝道协同汇入问题。
[0057]
具体而言，图1为本技术实施例所提供的一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法的流程示意图。
[0058]
如图1所示，该基于车辆冲突关系图的多车道匝道协同汇入优化调度方法包括以下步骤：
[0059]
在步骤s101中，通过路侧设备采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆组的实时数字映射，在信息空间生成车辆组冲突关系图vcn，其中，车辆组冲突关系图如式(1)所示：
[0060]
vcn＝g(nodes,edges)；(1)
[0061]
其中，nodes为冲突关系图中的节点，描述车辆组自身属性，包括车辆组长度sizep、车辆组类型typep、车辆组当前状态信息state
t0
和车辆组期望状态信息state
tf
；edges为冲突关系图中的边，描述车辆组间的关系属性，包括车辆组的通行次序、车辆组安全性约束safetycons、边损失loss；冲突关系图g的决策目标是使得所有车辆组节点nodes可被条通行次序线顺序相连，每个节点都被包含中其中一条通行次序中，且条通行次序线中所边代价之和最小；k为汇入后的主道车道数目；
[0062]
可以理解的是，本技术实施例可以采集匝道区域内车辆组的车辆组信息，例如，通过路侧设备采集匝道区域内车辆组信息，并在边缘云实现对物理空间中车辆组的实时数字映射，以在信息空间生成下述步骤中的车辆冲突关系图vcn，从而有效的提升了多车道匝道协同汇入优化调度的可执行性。
[0063]
例如，如图2所示，为匝道区域边缘云中数字映射与云端控制的示意图，物理空间中的车辆组由路侧设备采集信息后，在信息空间实现数字映射，信息空间对车辆组的通行次序和行驶轨迹进行决策，并由云端下发控制信号，指导匝道区域车辆组的高效通行。
[0064]
又例如，如图3所示，为多车道混合交通匝道汇入场景示意图，包含一条匝道和两
条主道，可以分别命名为
‘
r0’、
‘
m1’与
‘
m2’，其中，
‘
r0’车道初始位置的限速设置为v
min,
＝10m/s，
‘
m1’车道与
‘
m2’车道中车辆组的期望行驶速度设置为v
des,1
＝20m/s与v
des,
＝25m/s，各车道中的车辆组以
‘
车道名_车辆id’命名，如
‘
m1_1’表示
‘
m1’车道中id号为1的车辆组。
[0065]
举例而言，如图4所示，为车辆组冲突关系图vcn，nodes为冲突关系图中的节点，可以描述车辆组自身属性，包括但不限于车辆组长度sizep、车辆组类型typep、车辆组当前状态信息state
t0
和车辆组期望状态信息state
tf
，其中，车辆组长度sizep为车辆组中包含的车辆数目，车辆组类型typep包含由全智能网联汽车组成的智能网联队列(cavs platoon)和由智能网联汽车和人类驾驶汽车共同组成的混合队列(mixed platoon)，车辆组的状态信息包含车辆的位置p、速度v、加速度、最低速度v
min
、期望速度v
des
等。
[0066]
另外，edges为冲突关系图中的虚线边，可以描述车辆组间的关系属性，包括但不限于车辆组的通行次序、车辆组安全性约束safetycons、边损失loss，其中，冲突关系图中节点的所有关系边组成一个复杂的冲突关系网络。
[0067]
其中，冲突关系图g的决策目标可以使得所有车辆组节点nodes被条通行次序线顺序相连，每个节点都被包含在其中一条通行次序中，且条通行次序线中所边代价之和最小，k为汇入后的主道车道数目，例如，汇入后的主道数目为＝2时，则冲突关系图中的所有节点被两条通行次序线顺序相连。
[0068]
另外，车辆组冲突关系图g在不同通行次序下的代价可以由车辆组的总加权通行时间延迟计算得到，并作为匝道区域内交通效率的评价指标与优化目标，其中，车辆组的总加权通行时间延迟根据下式(7)计算得到：
[0069][0070]
其中，t
m,f
为车辆组vehlm通过该段匝道区域的实际时间，t
m,desired
为车辆组vehlm在加速度、加加速度限制下通过该段匝道区域的期望时间，sizepm为车辆组vehlm的长度，αi为车道权重。
[0071]
例如，如图3所示，由于车辆行驶速度越高的车道具有越大的权重，r0、m1与m2车道的权重根据车辆行驶速度可分别设置为1、1.2与1.3。
[0072]
在步骤s102中，根据车辆组换道原则划分换道车辆组集合，对车辆组冲突关系图g按照汇入后车道数目进行解耦，为每条汇入后主道生成对应的车辆组冲突关系子图gi，车辆组冲突关系图g等于各冲突关系子图的并集，如式(2)所示：
[0073]
g＝g1∪
…
∪gi∪
…
∪gk,∈{1,
…
,k}；(2)
[0074]
其中，冲突关系图g的代价为各冲突关系子图gi的代价ji之和，如式(3)所示：
[0075]
j＝j1+
…
+i+
…
+k,∈{1,
…
,k}；(3)
[0076]
可以理解的是，本技术实施例可以根据车辆组换道原则划分车辆组集合，以对车辆冲突关系图解耦，例如，可以对车辆组冲突关系图g按照汇入后车道数目进行解耦，生成对应合流后每一车道的车辆组冲突关系子图，例如，可以为每条汇入后主道生成对应的车辆组冲突关系子图gi，从而有效的提升了车辆组换道原则划分的准确性，提升调度方法的可靠性。
[0077]
举例而言，假设汇入后的主道数目为＝2，因此，车辆冲突关系图g为两个冲突关系子图的并集，根据下式(12)计算得到：
[0078]
g＝g1∪g2；(12)
[0079]
另外，冲突关系图g的代价为各冲突关系子图gi的代价ji之和，则优选实施例中冲突关系图g的代价根据下式(13)计算得到：
[0080]
j＝j1+2；(13)
[0081]
其中，在本技术的一个实施例中，车辆组换道的基本原则是需为匝道车辆的汇入提供安全的车间距离且尽量降低对相邻车道的影响，车辆组换道的具体要点包括：优先考虑长度sizep较短的车辆组进行换道，仅考虑纯智能网联汽车组成的车辆组进行协同换道，不考虑混合队列的协同换道，车辆组相同长度sizep时优先考虑位置更靠近匝道区域的车辆组进行换道，长度sizep》n
lim
的车辆组为了提升安全性不进行换道，在车辆组换道原则约束下，不同换道车辆组集合的总数目n
lc
根据下式(8)计算得到：
[0082][0083]
其中，nk为车道k中包含的车辆组数目，l为换道车组数目，运算符
‘
！’为累乘运算。
[0084]
例如，如图3所示，m1车道中的车辆组进行协同换道以促进r0车道中的车辆组实现汇入，同时设置n
lim
＝2，则在车辆组换道原则约束下，不同换道车辆集合的总数目n
lc
＝4，根据下式(14)计算得到：
[0085][0086]
又例如，如图5所示，为不同换道车辆集合下的车辆组冲突关系图与冲突关系子图，其中，图5(a)为换道车辆组数目为0时的示意图，图5(b)(c)为换道车辆组数目为1时的示意图，图5(d)为换道车辆组数目为2时的示意图。
[0087]
需要说明的是，本技术实施例考虑纯智能网联汽车组成的车辆组进行协同换道，无需考虑混合队列的协同换道，车辆组换道的基本原则可以为匝道车辆的汇入提供安全的车间距离，且降低对相邻车道的影响。
[0088]
在步骤s103中，对于任一车辆组冲突关系子图gi，为冲突关系子图gi中包含的所有车辆组领航车按照效率最优行驶策略生成不同汇入条件下的终端状态相图s；终端状态相图确定领航车辆在不同汇入条件下稳定终端状态的可行区域，利用终端状态相图可为领航车辆规划最优轨迹并计算对应的通行延迟，其中，领航车vehlm的效率最优行驶策略中的控制量按如下式(4)计算得到：
[0089][0090]
其中，j
min
、j
mxa
分别为领航车vehlm在满足舒适性要求下加加速度的下界与上界，为领航车vehlm加速度的协态；
[0091]
可以理解的是，本技术实施例可以对任一车道的车辆组冲突关系子图gi，为冲突关系子图gi中的所有车辆组领航车按照效率最优行驶策略生成不同汇入条件下的终端状态相图s，可以基于终端状态相图s确定领航车辆在不同汇入条件下稳定终端状态的可行区
域，利用终端状态相图s为领航车辆规划最优轨迹并计算对应的通行延迟，大幅度提升计算效率。
[0092]
举例而言，如图6所示，为效率最优行驶策略下对应的相轨迹的示意图，其中，图7为领航车在不同汇入条件下的终端状态相图s，本技术实施例可以基于终端状态相图s确定领航车辆在不同汇入条件下稳定终端状态的可行区域，以降低车辆通行延迟。
[0093]
可选的，在本技术的一个实施例中，效率最优行驶策略中加速度的协态根据庞特里亚金最小值原理计算得到，如下式(9)所示：
[0094][0095]
其中，xm为车辆的状态向量，xm：＝{pm,vm,am}，分别表示领航车vehlm的位置、速度、加速度，为拉格朗日函数，计算式如下式(10)所示：
[0096][0097]
其中，λ
p
、λv、λa分别为位置、速度、加速度的协态，v
max
为车辆的最大限速，η
v+
、η
v-为与车辆速度约束有关的拉格朗日乘子，a
max
、a
min
分别为车辆的最大加速度与最小减速度，η
a+
、η
a-分别为与车辆加速度约束有关的拉格朗日乘子。
[0098]
在步骤s104中，对于任一车辆组冲突关系子图gi，采用具有启发式剪枝规则的深度优先树搜索策略对当前车道内车辆组进行最优汇入次序搜索，在搜索过程中依据领航车vehlm的终端状态相图sm和前车vehl
m-1
的终端状态相图s
m-1
并结合安全性条件计算树节点的损失，其中，安全性条件如下式(5)所示：
[0099]
t
m,con
》t
f,m-1
+δt
m-1,inner
×
(n
m-1-1)+δt
adj
；(5)
[0100]
其中，t
m,con
为领航车vehlm在满足与前车的安全性约束下经过匝道区域所需的最短时间，t
f,m-1
为前车vehl
m-1
在当前树搜索中的终态时间，δt
m-1,inner
为前车组内部车辆的安全时距，n
m-1
为前车组长度，δt
adj
为相邻两车组间的安全时距；
[0101]
可以理解的是，本技术实施例可以采用下述步骤中具有启发式剪枝规则的深度优先树搜索策略对每一车道的车辆组冲突关系子图进行最优次序搜索，得到各冲突关系子图的损耗，可以对于任一车辆组冲突关系子图gi，采用具有启发式剪枝规则的深度优先树搜索策略对当前车道内车辆组进行最优汇入次序搜索，在搜索过程中依据领航车vehlm的终端状态相图sm和前车vehl
m-1
的终端状态相图s
m-1
，并结合安全性条件计算树节点的损失，从而有效的降低车辆间的行为冲突存在的碰撞风险，提升车辆的安全性和可靠性。
[0102]
可选的，在本技术的一个实施例中，采用启发式剪枝策略加速通行次序树的搜索，启发式剪枝规则包括：当车辆vehlm的终态相图sm的可行域无法满足与前车vehl
m-1
的安全性约束时，则车辆vehlm所处节点下方的子树被剪枝；当车辆vehlm所处节点的代价j》j
*
，且当前节点的深度小于次序树的最大深度时，则车辆vehlm所处节点下方的子树同样被剪枝。
[0103]
举例而言，如图8所示，为两车组换道情况下的两个冲突关系子图的深度优先树搜索结果示意图，图中带箭头的粗实线表示树搜索得到的最优车辆通行次序，分别表示
两冲突关系子图的最小代价，图中的符号
′×′
表示根据启发式剪枝规则对次序树进行的剪枝操作，以加快求解的效率。
[0104]
在步骤s105中，对不同换道车辆组集合下的各冲突关系子图进行最优次序搜索，得到各冲突关系子图的损耗ji，选取各冲突关系子图代价总和j最小的换道车辆组集合作为最终换道车组，并根据最优冲突子图中各车辆节点的最优终端状态结合车辆的终端状态相图为车辆组规划纵向速度调整策略与横向换道策略，其中，最优协同汇入策略的损耗j
*
如下式(6)所示：
[0105][0106]
其中，为各冲突关系子图在车辆组最优通行次序下的最小代价。
[0107]
可以理解的是，本技术实施例可以根据下述步骤中各冲突关系子图的损耗结合终端状态相图生成车辆规划纵向速度调整策略与横向换道策略，可以对不同换道车辆组集合下的各冲突关系子图进行最优次序搜索，得到各冲突关系子图的损耗ji,选取各冲突关系子图代价总和最小的换道车辆组集合，以作为最终换道车组，并根据最优冲突子图中各车辆节点的最优终端状态结合车辆的终端状态相图为车辆组规划纵向速度调整策略与横向换道策略，从而有效的提升交通通行效率，满足多车道匝道协同汇入优化调度的需求，有效的降低车辆间的碰撞风险，并且提升用户的驾乘体验。
[0108]
举例而言，如图9、10、11所示，分别为换道车辆组数目为2、1、0时的最优车辆组冲突关系图决策结果示意图，总代价分别为14.3s、24.5s、39.4s，可以选取总代价最小的换道车辆组集合作为最终换道车辆组，则换道车辆组集合包括m1_3与m1_5，汇入后m1车道与m2车道的冲突关系子图代价分别为12.5s与1.8s。
[0109]
其中，在本技术的一个实施例中，根据最优冲突子图中各车辆节点的最优终端状态结合终端状态相图为最终换道车组规划纵向速度调整策略与横向换道策略，包括：确保换道车辆组与当前车道的前车组、后车组与相邻车道的父车组保持安全距离，并计算换道车辆的换道时刻和换道位置。
[0110]
例如，如图12所示，本技术实施例可以确保换道车辆组vehself与当前车道的前车组vehfront、后车组vehback与相邻车道的父车组vehparent保持安全距离。
[0111]
接着，如图13所示，本技术实施例可以根据换道车辆与的前车组vehfront、后车组vehback与相邻车道的父车组vehparent的间距计算换道车辆的换道时刻t
m,lc
和换道位置p
m,lc
，从而有效的降低车辆间的碰撞风险，降低车辆通行延迟并提升道路整体通行效率。
[0112]
可选的，在本技术的一个实施例中，根据最优冲突子图对车辆组进行纵向速度规划与横向换道策略规划时，需要确保换道车辆组vehself与当前车道的前车组vehfront、后车组vehback与相邻车道的父车组vehparent保持安全距离，并据此计算出换道车辆的换道时刻t
m,lc
和换道位置p
m,lc
，其中，换道车辆组vehself与周车的安全性约束如下式(11)所示：
[0113][0114]
其中，gap
parent
()、gap
front
()、gap
back
()分别为换道车组与同车道前车组、同车道
后车组、邻车道父车组的车间距离。
[0115]
例如，如图14所示，为车辆组决策的纵向速度调整策略示意图，图14(a)、(b)中的圆点对应换道车辆的换道时刻与换道位置，从而有效的降低车辆间的碰撞风险，降低车辆通行延迟并提升道路整体通行效率。
[0116]
根据本技术实施例提出的基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，可以采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆组的实时数字映射，以在信息空间生成车辆冲突关系图，并且根据车辆组换道原则划分车辆组集合，对车辆冲突关系图解耦，生成对应合流后每一车道的车辆组冲突关系子图，对任一冲突关系子图中的所有车辆，基于效率最优行驶策略生成不同汇入条件下的终端状态相图，并且采用具有启发式剪枝规则的深度优先树搜索策略对每一冲突关系子图进行最优次序搜索，从而结合车辆的终端状态相图生成车辆规划纵向速度调整策略与横向换道策略，进而可以在复杂场景下充分发挥边缘云广域协同的优势，综合提升车辆通行延迟和道路整体效率。由此，解决了相关技术中仅针对局部车辆的次序协同或轨迹规划，难以处理多车道混合车流的匝道协同汇入问题，算法求解效率低，车辆通行延迟和交通整体通行效率有待进一步提升的技术问题。

技术特征：
1.一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，其特征在于，包括以下步骤：步骤1：通过路侧设备采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆组的实时数字映射，在信息空间生成车辆组冲突关系图vcn，其中，所述车辆组冲突关系图如式(1)所示：vcn＝g(nodes,edges)；
ꢀꢀ
(1)其中，nodes为冲突关系图中的节点，描述车辆组自身属性，包括车辆组长度sizep、车辆组类型typep、车辆组当前状态信息state
t0
和车辆组期望状态信息state
tf
；edges为冲突关系图中的边，描述车辆组间的关系属性，包括车辆组的通行次序、车辆组安全性约束safetycons、边损失loss；冲突关系图g的决策目标是使得所有车辆组节点nodes可被条通行次序线顺序相连，每个节点都被包含中其中一条通行次序中，且条通行次序线中所边代价之和最小；k为汇入后的主道车道数目；步骤2：根据车辆组换道原则划分换道车辆组集合，对所述车辆组冲突关系图g按照汇入后车道数目进行解耦，为每条汇入后主道生成对应的车辆组冲突关系子图g
i
，所述车辆组冲突关系图g等于各冲突关系子图的并集，如式(2)所示：g＝g1∪
…
∪g
i
∪
…
∪g
k
,i∈{1,
…
,k}；
ꢀꢀ
(2)其中，所述冲突关系图g的代价j为各冲突关系子图g
i
的代价j
i
之和，如式(3)所示：j＝j1+
…
+j
i
+
…
+j
k
,i∈{1,
…
,k}；
ꢀꢀ
(3)步骤3：对于任一车辆组冲突关系子图g
i
，为冲突关系子图g
i
中包含的所有车辆组领航车按照效率最优行驶策略生成不同汇入条件下的终端状态相图；终端状态相图确定领航车辆在不同汇入条件下稳定终端状态的可行区域，利用终端状态相图可为领航车辆规划最优轨迹并计算对应的通行延迟，其中，领航车vehl
m
的效率最优行驶策略中的控制量按如下式(4)计算得到：其中，j
min
、j
max
分别为领航车vehl
m
在满足舒适性要求下加加速度的下界与上界，为领航车vehl
m
加速度的协态；步骤4：对于任一车辆组冲突关系子图g
i
，采用具有启发式剪枝规则的深度优先树搜索策略对当前车道内车辆组进行最优汇入次序搜索，在搜索过程中依据领航车vehl
m
的终端状态相图s
m
和前车vehl
m-1
的终端状态相图s
m-1
并结合安全性条件计算树节点的损失，其中，安全性条件如下式(5)所示：t
m,con
＞t
f，m-1
+δt
m-1，inner
×
(n
m-1-1)+δt
adj
；
ꢀꢀ
(5)其中，t
m,con
为领航车vehl
m
在满足与前车的安全性约束下经过匝道区域所需的最短时间，t
f，m-1
为前车vehl
m-1
在当前树搜索中的终态时间，δt
m-1，inner
为前车组内部车辆的安全时距，n
m-1
为前车组长度，δt
adj
为相邻两车组间的安全时距；步骤5：对不同换道车辆组集合下的各冲突关系子图进行最优次序搜索，得到各冲突关系子图的损耗j
i
，选取各冲突关系子图代价总和j最小的换道车辆组集合作为最终换道车
组，并根据最优冲突子图中各车辆节点的最优终端状态结合车辆的终端状态相图为车辆组规划纵向速度调整策略与横向换道策略，其中，最优协同汇入策略的损耗j
*
如下式(6)所示：其中，为各冲突关系子图在车辆组最优通行次序下的最小代价。2.根据权利要求1所述的方法，其特征在于，所述车辆组冲突关系图g在不同通行次序下的代价由车辆组的总加权通行时间延迟计算得到，并作为匝道区域内交通效率的评价指标与优化目标，其中，车辆组的总加权通行时间延迟如下式(7)所示：其中，t
m,f
为车辆组vehl
m
通过该段匝道区域的实际时间，t
m,desired
为车辆组vehl
m
在加速度、加加速度限制下通过该段匝道区域的期望时间，sizep
m
为车辆组vehl
m
的长度；α
i
为车道权重，车辆行驶速度越高的车道具有越大的权重。3.根据权利要求1所述的方法，其特征在于，车辆组换道的基本原则是需为匝道车辆的汇入提供安全的车间距离且尽量降低对相邻车道的影响，车辆组换道的具体要点包括：优先考虑长度sizep较短的车辆组进行换道，仅考虑纯智能网联汽车组成的车辆组进行协同换道，不考虑混合队列的协同换道，车辆组相同长度sizep时优先考虑位置更靠近匝道区域的车辆组进行换道，长度sizep＞n
lim
的车辆组为了提升安全性不进行换道，在车辆组换道原则约束下，不同换道车辆组集合的总数目n
lc
根据下式(8)计算得到：其中，n
k
为车道k中包含的车辆组数目，l为换道车组数目，运算符
‘
！’为累乘运算。4.根据权利要求1所述的方法，其特征在于，效率最优行驶策略中加速度的协态根据庞特里亚金最小值原理计算得到，如下式(9)所示：其中，x
m
为车辆的状态向量，x
m
：＝{p
m
，v
m
，a
m
)，分别表示领航车vehl
m
的位置、速度、加速度，为拉格朗日函数，计算式如下式(10)所示：其中，λ
p
、λ
v
、λ
a
分别为位置、速度、加速度的协态，v
max
为车辆的最大限速，η
v+
、η
v-为与车辆速度约束有关的拉格朗日乘子，a
max
、a
min
分别为车辆的最大加速度与最小减速度，η
a+
、η
a-分别为与车辆加速度约束有关的拉格朗日乘子。5.根据权利要求1所述的方法，其特征在于，采用启发式剪枝策略加速通行次序树的搜索，启发式剪枝规则包括：当车辆vehl
m
的终态相图s
m
的可行域无法满足与前车vehl
m-1
的安全性约束时，则车辆
vehl
m
所处节点下方的子树被剪枝；当所述车辆vehl
m
所处节点的代价j＞j
*
，且当前节点的深度小于次序树的最大深度时，则车辆vehl
m
所处节点下方的子树同样被剪枝。6.根据权利要求1所述的方法，其特征在于，根据最优冲突子图对车辆组进行纵向速度规划与横向换道策略规划时，需要确保换道车辆组vehself与当前车道的前车组vehfront、后车组vehback与相邻车道的父车组vehparent保持安全距离，并据此计算出换道车辆的换道时刻t
m,lc
和换道位置p
m,lc
，其中，换道车辆组vehself与周车的安全性约束如下式(11)所示：其中，gap
parent
(t)、gap
front
(t)、gap
back
(t)分别为换道车组与同车道前车组、同车道后车组、邻车道父车组的车间距离。

技术总结
本申请公开一种基于车辆冲突关系图的多车道匝道协同汇入优化调度方法，包括：采集匝道区域内车辆组信息，在边缘云实现对物理空间中车辆组的实时数字映射，在信息空间生成车辆冲突关系图；根据车辆组换道原则划分车辆组集合，对车辆冲突关系图解耦，生成对应合流后每一车道的车辆组冲突关系子图；对任一冲突关系子图中的所有车辆，基于效率最优行驶策略生成不同汇入条件下的终端状态相图；采用具有启发式剪枝规则的深度优先树搜索策略对每一冲突关系子图进行最优次序搜索，结合车辆的终端状态相图生成车辆规划纵向速度调整策略与横向换道策略。本申请实施例可以在复杂场景下充分发挥边缘云广域协同优势，降低车辆通行延迟并提升道路整体通行效率。提升道路整体通行效率。提升道路整体通行效率。


技术研发人员：罗禹贡 石佳 李克强 李鹏飞 杨皓宇 陈一鹤 胡耘浩 关书睿 周俊宇
受保护的技术使用者：清华大学
技术研发日：2022.12.28
技术公布日：2023/5/24