第10章 高速干道智能网联协同控制方法

第10章高速干道智能网

联协同控制方法10.1优化背景网联交通环境下，高速干道实施车辆编队控制可以将道路上的无序车辆进行编队组合，作为一个整体进行控制。核心是将车队中行驶路线相同车辆的运行状态(包括速度、加速度、车距等)统一起来，简化高速干道上的控制对象并增强车辆行驶的安全性。车辆编队行驶，是指沿道路同一方向行驶的两辆或多辆汽车，通过保持固定的车距和相同的速度，以列队形式行进。车队编队技术是自动驾驶技术在实践中的一项重要应用，涉及车辆间的通信、多车协同控制以及避障策略等多方面技术。目前，各国的学者和企业都在积极研究和探索车辆编队的方式。如2019年12月30日，奥迪中国研发团队在延崇高速公路的一段封闭路段进行了乘用车编队的L4自动驾驶及网联汽车相关演示，涵盖了7个高速公路驾驶场景，再次在自动驾驶领域取得了里程碑式的进展。1.车辆编队行驶(a)车队变道(b)车队跟驰匝道出入口往往是高速公路交通运行的瓶颈点。其中，入口匝道合流区因两车道车辆合流极易发生交通冲突导致交通拥堵的产生。出口匝道分流区因分流车辆驶出主线时的换道行为会与直行车辆产生冲突，导致分流区内交通紊乱。此外，交通拥堵还容易引发交通事故，进一步加剧交通拥堵，形成恶性循环。因此，对匝道出入口内的交通流进行优化控制来避免交通拥堵产生、提高主线通行效率、保证行车安全具有十分重要的现实意义。传统出入口匝道控制主要从宏观层面对整体交通流进行优化调节，因调节的精度不够，控制效果并不理想。近年来，随着智能网联技术的兴起，与传统汽车相比，CAV轨迹的可控性和CHV速度的可诱导性，使得基于智能网联环境的车辆协同优化控制成为破解匝道出入口通行效率地下、安全性低等问题的突破口。2.出入口匝道(a)入口匝道合流区(b)出口匝道分流区10.1优化背景10.2路段协同控制策略在高速干道上实施车辆队列行驶，尤其是CAV的编队控制，面临诸多挑战。其中一个核心问题是混合交通条件下的协调控制。CAV不得不与HV共享道路，而HV与CAV编队之间的交互可能因人类驾驶员反应时间长或驾驶行为不稳定，增加事故发生的可能性。此外，当CAV渗透率较低时，编队难度加大，因为HV的存在干扰了CAV的队列效益。即使CAV渗透率较高，HV的插队行为或驾驶失误依然可能破坏CAV队列的稳定性，导致安全隐患。因此，在高速干道上设置CAV专用车道成为提高编队效率和减少CAV与HV相互干扰的关键措施。通过专用车道配置，CAV可以更有效地形成队列，并减少与HV的潜在冲突。1.高速干道车道配置方法(1)高速干道跟车模式在高速干道上，包含CAV和HV的情况下，共有五种跟车模式：①HV跟随HV-HV：引导车辆和跟随车辆为HV。在交通流稳定状态下，车头时距为hHH。HV-CAV：引导车辆为CAV，跟随车辆为HV。在交通流稳定状态下，车头时距为hHC。②CAV跟随CAV-HV：引导车辆为HV，跟随车辆为CAV。在交通流稳定状态下，车头时距为hCH。CAV-CAV：当引导车辆的车队已经形成CAV最大队列时，引导车辆和跟随车辆均为CAV，这种跟车模式定义为队间跟车。在交通流稳定状态下，车头时距为hCC。CAVs-CAV：在CAV队列中，引导车辆和跟随车辆都为CAV，这种跟车模式定义为队内跟车。在交通流稳定状态下，车头时距为hCSC。基于上述分析，高速干道内呈现出五种差异化的车头时距。依据现有研究成果，这些车头时距的大小为：hCSC<hCC<hCH<hHH<hHC。1.高速干道车道配置方法10.2路段协同控制策略(2)车道管理策略①CAV专用车道此策略下，仅CAV享有该车道通行权，HV则被限制通行，该车道呈现出纯CAV交通流。1.高速干道车道配置方法在CAV专用车道上，仅存在两种特定的跟车模式：CAV-CAV及CAVs-CAV。若设定道路上允许连续跟随的最大CAV数量为N，则此数值直接定义了最大车队规模，即车队中成员的上限为N。当CAV严格遵循这一最大成员数量限制时，基于条件概率，CAV专用车道上CAV-CAV及CAVs-CAV跟车模式的概率为：式中，N—CAV车队的最大成员数量；PCC—CAV-CAV跟车模式的概率；PCSC—CAVs-CAV跟车模式的概率。10.2路段协同控制策略CAV专用车道的通行能力可依据其平均车头时距来推算。其中，CAV专用车道平均车头时距仅与CAV-CAV及CAVs-CAV跟车模式的概率相关。基于此，CAV专用车道的平均车头时距和通行能力为：1.高速干道车道配置方法式中，

hDL—CAV专用车道平均车头时距；CDL—CAV专用车道通行能力。10.2路段协同控制策略②

混合车道该策略允许CAV与HV共享同一车道。1.高速干道车道配置方法混合车道上，共存在五种跟车模式：CAV-CAV、CAVs-CAV、HV-HV、HV-CAV、CAV-HV。鉴于混合车道的特性，CAV的渗透率并未达到100%，这意味着CAV-CAV和CAVs-CAV这两种跟车模式的出现概率将受到CAV渗透率的直接影响，呈现出与纯CAV车道不同的概率分布特征。因此CAV-CAV和CAVs-CAV跟车模式的概率为：式中，Pcav—CAV渗透率。

10.2路段协同控制策略基于条件概率，HV-HV、HV-CAV和CAV-HV跟车模式的概率分别为：1.高速干道车道配置方法式中，PHH—HV-HV跟车模式的概率；PHC—HV-CAV跟车模式的概率；PCH—CAV-HV跟车模式的概率。混合车道的通行能力同样可依据其平均车头时距来推算。其中，混合车道的平均车头时距与五种跟车模式的概率相关。基于此，混合车道的平均车头时距和通行能力为：式中，

hML—混合车道平均车头时距；CML—混合车道通行能力。10.2路段协同控制策略(3)CAV专用车道配置优化模型高速干道CAV专用车道优化配置的核心：在既定交通需求下，实现高速干道整体吞吐量的最大化。若该路段共有L条车道，I={1,2，…，L}，从最内侧车道开始依次编号为i，Ɐi∈I。因此，优化目标可表示为：1.高速干道车道配置方法式中，f—路段总的吞吐量；fi—第i条车道的吞吐量。约束条件如下：①

管理策略限制高速干道上的每条车道都应有相应的车道管理策略(CAV专用车道管理策略或混合车道管理策略)且只能使用一种策略。则有：式中，αi、βi—决策变量，αi=1表示第i条车道为CAV专用车道，βi=1表示第i条车道为混合车道。10.2路段协同控制策略②

通行能力与交通需求限制每条车道的吞吐量fi不能超过其通行能力，且路段的总吞吐量应小于交通需求。则有：1.高速干道车道配置方法式中，d—交通需求。③

专用车道使用意愿限制使用专用车道的CAV数量应受到专用车道使用意愿的限制。其中，CAV使用专用车道的意愿O由选择使用专用车道的CAV车辆数与CAV总数的比值表示，O∈[0,1]。则有：式中，ρ—混合车道中CAV的渗透率；O—CAV使用专用车道的意愿。10.2路段协同控制策略④

车辆在吞吐量中的比例限制车辆在吞吐量中的比例应受到限制，以确保HV和CAV在道路使用方面的公平性。吞吐量由两个部分组成：CAV和HV。CAV的总数应受到渗透率的限制，且CAV和HV的吞吐量不应超过交通需求中每种类型的车辆数量。则有：1.高速干道车道配置方法⑤

车道空间分布限制根据现有研究，CAV专用车道应当从内侧开始设置，且为了确保车道功能的连续性和高速行驶的安全性，CAV专用车道必须连续设置。则有：其中，约束车道的空间分布并不影响吞吐量。10.2路段协同控制策略协议设计是实施CAV队列合并和拆分操作的第一步，负责构建管理这些复杂操作的总体流程框架。它不仅确立了操作执行的逻辑顺序，还涉及高层运营管理层面的战略决策，如判断是否、何时以及何地执行合并或拆分操作，以确保整个过程的顺畅与高效。车辆队列管理协议有集中式和分散式两种。集中式协议和分散式协议定义为制定运营管理决策的两种方法，而不是两种通信拓扑结构。2.车辆编队协议设计(1)

集中式管理协议在集中式协议中，车队的领航车(即引领前行的头车)担当核心管理角色，专责统筹合并与拆分操作。领航车定期汇总车队内部车辆信息，并据此为车队内全体车辆制定高层决策。任何车辆意图融入或脱离车队，均须先征得领航车的许可。(a)车队合并(b)车队拆分10.2路段协同控制策略(2)

分散式管理协议在分散式协议中，车队运作摒弃了领航车的概念，转而采用局部化策略，将高层操作决策直接分布在能够相互通信的车辆之间。任何车辆意图融入或脱离车队时，仅需获得邻近跟随车辆的单一许可，以协调空间分配，无须车队其他成员的额外批准。尽管如此，涉及车队合并与拆分的车辆仍可选择性地通知其他车辆寻求协助，比如通过最近的前后车辆协同调整位置，共同创造所需的操作空间。2.车辆编队协议设计(a)车队合并(b)车队拆分10.2路段协同控制策略(3)合并/拆分的位置合并/拆分的位置是协议设计中需要做出的高层决策之一，主要包括车队尾部、中部和头部位置。不同位置进行合并/拆分操作各有其优点，具体如下：①车队尾部当合并/拆分的位置是车队尾部时，原车队结构能够完整保留，从而避免了车队被分割成多个部分的情况。这不仅有效减轻了通信负荷，还提升了燃油效率。若采用集中式管理协议，有助于维持领航车角色的连续性，省去了新旧领航车之间的信息交接过程。②

车队中部当合并/拆分的位置是车队中部时，则允许前往同一目的地的车辆在车队内保持相邻编队，这种安排比在车队尾部的拆分或合并更具灵活性。若采用集中式管理协议，能规避领航车频繁更迭的问题，从而确保车队运行的稳定性。③

车队头部为实现最高级别的操作灵活性，也可以在车队头部进行合并和拆分操作。当合并/拆分的位置是车队头部时，新加入的车辆或紧随拆分车辆之后的车辆将自动晋升为新的领航车。这种机制显著提升了车队应对突发情况和快速调整编队的能力。2.车辆编队协议设计10.2路段协同控制策略在合并操作中，合并位置的选择完全依据实际需求确定。在采用集中式管理协议时，若领航车旨在最大限度地减少信息交互及对现有车队成员的干扰，则车辆可在车队尾部进行合并。反之，若目标是在维持车队规模稳定的同时提升操作灵活性，那么车辆可在车队中部进行合并。至于拆分操作，拆分车辆的具体位置并非可选项，而是由车辆既定的行驶路线决定，即当车辆接近其目的地至一定距离时，拆分行为即告发生。若管理协议允许车辆在车队的任何位置(即头部、中部和尾部)进行拆分，那么拆分车辆仅需一次操作即可顺利脱离车队。反之，则可能需执行多次拆分操作方能达成目的。下图展示了当拆分操作仅允许在车队尾部进行时，如何在原车队的中间位置拆分一辆车的过程。2.车辆编队协议设计10.2路段协同控制策略(1)轨迹规划概述轨迹规划是指为车辆生成随时间变化的位置、速度及加速度的路径，以指导车队的行动。合并操作的初始状态是一组具有不同速度、位置和跟车间隙的分散车辆，而结束状态是一个具有相同速度和跟车间隙的车队。相反，拆分操作的初始状态是一个具有相同速度、位置和跟车间隙的车队，而结束状态是一组具有不同速度和跟车间隙的分散车辆。合并与拆分操作均受到严格的运动学及安全性约束。具体而言，车辆速度受到最大速度和最小速度的约束，加速度受到最大加速度和最小加速度的约束。此外，为确保行驶安全，连续车辆间的跟车间隙需满足最小安全距离要求，即不小于最小间隙加上一辆车在反应时间内可能行驶的距离。这是确保连续行驶的车辆在运行过程中不会发生碰撞的必要条件。轨迹规划的核心是设计出合适的轨迹，指导车辆在指定的时间范围T=[0,T]内从初始状态平稳过渡到目标状态。所生成的轨迹通常是车辆位置xi(t)、速度vi(t)或加速度ai(t)的时间序列。目前已有集中式和分散式两种方法来规划车队合并和拆分操作的轨迹。其中，集中式管理协议可同时采用集中式或分散式轨迹规划，而分散式管理协议只适用于分散式轨迹规划。3.车辆编队轨迹规划10.2路段协同控制策略3.车辆编队轨迹规划(a)车队合并操作中的轨迹规划(b)车队拆分操作中的轨迹规划

10.2路段协同控制策略(2)集中式轨迹规划车辆运动由车队领航车或控制中心协调。集中式轨迹规划的设计策略分为同时运行两个车辆组和同时运行多个车辆组。同时运行两个车辆组的策略是将两个车辆组(一个组可以是一辆车，也可以是一个短车队)合并为一个车队，或将一个车队拆分为两个组。虽然两组的操作在计算上简单，但如果操作涉及多组，则必须多次重复轨迹规划。这样做的计算效率可能会很低，而且得到的轨迹也不是系统最优的。因此，很多研究提出了同时运行多个车辆组的策略。尽管参与操作的组的数量很多，但大多数集中式轨迹规划策略将轨迹规划问题公式化成了优化模型。决策变量可以是车辆位置、速度、加速度和颠簸。优化模型的目标函数、约束和求解方法因所研究的问题而异。3.车辆编队轨迹规划10.2路段协同控制策略①目标函数目标函数表示在车队合并或拆分操作中要优化的成本/收益，通常公式化为：3.车辆编队轨迹规划式中，fi(t)表示车辆i在t时刻的成本/效益；K为轨迹规划中的车辆子集；T为时间长度。函数fi(t)的具体形式取决于优化目标。最基本的目标是确保操作安全，如最小化车辆速度与最大速度的偏差和横摆率与最大横摆率的偏差的加权和。此外，常见的优化目标还包括降低油耗、提高驾驶舒适性、增加交通吞吐量及提升交通机动性。根据目标函数的公式形式，现有集中式轨迹规划方法可归纳为四种类型。10.2路段协同控制策略根据目标函数的公式形式，四种集中式轨迹规划方法如下：3.车辆编队轨迹规划10.2路段协同控制策略②约束条件车队的合并与拆分通常受到车辆运动学和安全约束限制，表示为以下线性不等式：3.车辆编队轨迹规划此外，另一类需考虑的约束为边界条件。初始边界约束规定了操作开始时的车辆状态，而结束边界约束则描述了车队操作完成后的车辆状态。这些约束可表示为以下线性方程：10.2路段协同控制策略③求解方法现有许多商业求解器可用于求解优化模型。对于LP和MLP问题，CPLEX和Gurobi是两个常用选择。Gurobi还广泛应用于求解QP问题，此外还有许多其他非线性编程求解器，如SNOPT。然而，随着问题规模的增长，商业求解器的求解效率往往迅速下降，可能无法满足实时应用的需求，而实时应用需要在毫秒级内完成计算以进行车辆控制。为解决这一问题，可采用遗传算法、迭代程序、轨迹降维等启发式算法。3.车辆编队轨迹规划这些启发式算法针对具体问题设计，因此能够在显著缩短求解时间的同时，达到最优或近似最优解，具备很高的实用价值。然而，定制的启发式算法往往缺乏通用性，当用于其他类型问题时，可能无法取得理想的效果。10.2路段协同控制策略(3)分散式轨迹规划车辆的运动并不依赖于车队领航车或控制中心的协调。大多数分散式轨迹规划方法假定每辆车根据对环境的实时感知(例如前一辆车的状态)自主调整其运动。这类规划通常只涉及一步，即利用当前时间步的信息来确定下一时间步的轨迹。与追求系统级最优轨迹的集中式轨迹规划策略不同，分散式轨迹规划策略更注重计算效率，通常不采用复杂的优化模型，而是通过数学公式描述系统输入(如前一辆车的状态、合并/拆分车辆的信息等)与响应变量(如车辆的轨迹、位置、速度或加速度)之间的关系。这些方程不仅描述车辆的运动学特性，还体现车辆间的相互作用，确保合并和拆分操作的安全性。因此，大多数分散式轨迹规划策略基于一套规则来确定响应变量。根据数学方程的表述方式，分散式轨迹规划规则一般分为线性和非线性两种。3.车辆编队轨迹规划10.2路段协同控制策略①线性规则线性规则将响应变量(即车辆轨迹)描述为系统输入的线性函数。设定K为可获取信息的车辆集合，线性轨迹规划规则通常可描述为：3.车辆编队轨迹规划式中，θi为第i辆车的轨迹规划输出(或响应变量)，如车辆速度或加速度；∆xij为合并/拆分车辆和第j辆车之间的位置差；∆vij为合并/拆分车辆和第j辆车之间的速度差；∆aij为合并/拆分车辆和第j辆车之间的加速度差；αij、βij、γij分别是相应的系数。10.2路段协同控制策略因线性规则简单，这些规则被广泛采用，如一般物理运动定律、自适应巡航控制(ACC)、协同自适应巡航控制(CACC)、弹簧-质量-阻尼器系统。3.车辆编队轨迹规划10.2路段协同控制策略②非线性规则虽然线性规则简单，但可能导致较差的轨迹质量，比如因速度跳变引起的平滑度下降及车队的不稳定性。因此，提出了非线性规则，例如通过速度边界曲线、牛顿力学模型、多项式方程、贝塞尔曲线和比例-积分-微分(PID)速度控制器等方法，来生成合并和拆分车辆的轨迹及车队间距。这些非线性规则差异较大，难以提取出通用的公式。3.车辆编队轨迹规划10.2路段协同控制策略车辆控制是CAV车队合并与拆分操作的最后一步，其核心任务在于将理论轨迹转化为实际受干扰环境中的车辆运动，确保车辆尽可能精确地遵循预设轨迹。目前，在车辆控制的现场实验中，广泛采用反馈控制机制来调节车辆运动。这种机制操作简便，具有良好的适应性，能够自动补偿模型偏差、控制误差以及无法测量的扰动，从而确保车辆行驶的稳定性。类似于单个车辆的控制，车辆队列的协同控制也分为纵向控制和横向控制两个方面。横向控制主要用于确保队列中的车辆保持在同一车道上安全行驶，并在需要变道时进行统一的换道操作，从而保障整体的行驶秩序。而纵向控制则集中于管理车辆队列的速度、加速度和车距，通过统一控制这些状态变量来确保队列的安全性和稳定性。两者结合能够实现车辆队列在复杂交通环境中高效、安全地运行。4.车辆编队控制模型10.2路段协同控制策略(1)纵向控制在车辆编队过程中，需要通过车辆纵向控制来确保其在完成合并或拆分操作时，能够遵循指定的纵向轨迹。不同的纵向控制策略依赖不同的控制输入和输出：在输入层面，有些策略以速度偏差作为输入，而另一些则采用距离/位置误差；在输出层面，有的策略直接生成调整后的加速度，另一些则倾向于直接生成调整后的速度。一般车辆纵向控制模型为：4.车辆编队控制模型式中，ω为调整后的转向角；fo(ϵo)为车辆方向误差。式中，φ为车辆控制输出，例如调整后的车辆速度/加速度；fx(ϵx)为位置控制误差；fv(ϵv)为速度控制误差；g(v,a)是关于车辆速度和加速度的函数。(2)横向控制在车辆编队过程中，还需通过车辆横向控制来确保其在完成合并或拆分操作时，能够沿预设轨迹稳定行驶。一般车辆横向控制模型为：10.2路段协同控制策略(3)控制器大多数通过两个独立的控制器实现纵向和横向控制；而少数采用一个集成控制器同时处理纵向和横向的控制。在这些研究中，车辆控制所需操作的期望轨迹是特定时间的二维曲线。4.车辆编队控制模型(a)独立反馈控制器(b)二维反馈控制器10.2路段协同控制策略控制器主要分为SISO和MIMO，它们的区别如下：4.车辆编队控制模型现有研究大多采用SISO控制器(如PID)，通过单输入输出的方式来调节车辆运动。相比之下，MIMO控制器(如模型预测控制MPC)需要参考输入的时间序列，例如在短时间窗口内的车辆速度/加速度，并生成输出的时间序列。尽管MIMO控制器具有更高的控制精度，但在车辆编队实验中并未得到广泛应用，主要因为它需要未来目标轨迹作为控制输入，而现有研究大多采用基于规则的方法来逐步规划车辆轨迹，无法获取到未来轨迹。因此，SISO控制器在实际应用中占据主导地位。10.2路段协同控制策略具备通信功能的CAV在高速公路行驶时，可以形成多种聚合形式。出于成本考虑，车队通常只需一辆领航车，因此是否固定领航车便产生了两种不同的车队配置策略：固定车队配置策略和灵活车队配置策略。(1)固定车队配置策略固定车队配置策略(Fixed-PCS)中离散的CAVs只能加入车队的队尾，领航车保持不变。这一策略的主要优势在于提升了车队的安全性，因为固定的领航车能够持续提供稳定的引导，确保车队在行驶中的协调性和整体稳定性。具体运行过程如下：Step1：将一辆CAV作为领航车，设定巡航速度并确定感知范围L；Step2：在总实验时间内，随机生成其他CAV的合并时间；Step3：查询每辆离散CAV的位置xi与车队尾部位置xw。当满足条件0<xw−xi<L且车队长度未达到最大值时，CAV会执行加入车队的指令。如果有多辆车满足条件，首先比较离散CAVs的y坐标，最接近车队所在车道的车辆优先变道加入车队。若y坐标相同，则比较离散CAVs的xw−xi，其中值最小的车辆优先变道加入车队。5.车辆编队策略10.2路段协同控制策略5.车辆编队策略固定车队配置策略(Fixed-PCS)的运行流程如下：10.2路段协同控制策略(2)灵活车队配置策略灵活车队配置策略(Flexible-PCS)中离散的CAVs可以自由选择加入车队的头部或尾部，领航车可以更换。当一辆离散的CAV加入车队的头部时，将成为新的领航车。由于领航车可以随意更换，所有车辆都必须具备领导车队的能力。然而，更换领航车可能引发安全风险。当新CAV加入车队的尾部时，领航车保持不变。具体运行过程如下：Step1：将一辆CAV作为领航车，设定巡航速度并确定感知范围L；Step2：在总实验时间内，随机生成其他CAV的合并时间；Step3：查询每辆离散CAV的位置xi、车队头部位置xs和车队尾部位置xw。当满足条件0<xw−xi<L或0<xi−xs<L且车队长度未达到最大值时，CAV会执行加入车队的指令。如果有多辆车满足条件，首先比较离散CAVs的y坐标，最接近车队所在车道的车辆优先变道加入车队。若y坐标相同，则比较离散CAVs的xw−xi和xi−xs，其中值最小的车辆优先变道加入车队。5.车辆编队策略10.2路段协同控制策略5.车辆编队策略灵活车队配置策略(Flexible-PCS)的运行流程如下：10.2路段协同控制策略(3)队内车辆位置调整当车辆进入车队后，需要根据不同的速度和环境实时进行调整，以确保车队安全紧凑。通过不断地调整，车队逐渐趋于稳定，具体过程如下：Step1：查询当前车队中所有车辆的速度和位置，并计算相邻车辆间的车头时距。Step2：根据当前领航车的速度确定最佳跟车距离。Step3：比较车队中所有车辆的当前跟车距离与最佳跟车距离。如果当前跟车距离小于最佳跟车距离，车辆将减速以增大距离；如果当前跟车距离大于最佳跟车距离，车辆将加速以缩短距离。5.车辆编队策略10.2路段协同控制策略10.3出入口匝道协同控制方法(1)网联自动驾驶协同控制方法传统的合流区车辆控制方法都是从宏观层面对车流进行整体调控，没有考虑微观车辆运动特性，且无法实现对单车的精准控制，导致车辆合流效率低、存在安全隐患。网联自动驾驶环境下，可以对合流车辆进行精准控制使其相互协作完成合流，以保障合流安全、提升合流效率。为协调来自主线和匝道的车辆安全高效地完成合流，匝道合流区协同控制方法分为车辆合流序列(MergingSequence,MS)优化和车辆轨迹规划(PathPlanning)两种。1.入口匝道(1)网联自动驾驶协同控制方法①.合流序列优化车辆合流序列的确定是协同合流的核心问题。目前对合流区网联自动驾驶车辆合流序列的优化方法有基于规则的方法、基于优化的方法和基于博弈论的方法等。a.基于规则的方法基于规则的方法是指通过设定一定规则来协调车辆完成合流。现有的基于规则的合流方法主要包括先进先出(First-In-First-Out,FIFO)规则、基于FIFO的调整规则以及基于分组的方法等。FIFO规则表示先进入匝道合流区的车辆将较早完成合流，合流序列由到达匝道合流区的时间确定。类似的，还有基于速度的规则，即通过预测车辆到达合流点的时间来判定汇入顺序。基于FIFO的调整规则是指在FIFO合流次序基础上进行优化，以此提升交通效率、减少合流成本。其核心思想是在可能的情况下允许来自一个方向的多辆车先通过，然后允许来自另一个方向的一组车辆后通过，以避免交替合流，减少冲突风险。1.入口匝道10.3出入口匝道协同控制方法基于FIFO的调整规则的示例，如下图所示：1.入口匝道(a)车辆合并顺调整案例1(b)车辆合并顺序调整案例2(c)车辆合并顺序调整案例3(d)车辆合并顺序调整案例410.3出入口匝道协同控制方法基于分组的策略可看作是基于规则策略的一种改进，其核心思想是将车头时距小于设定阈值的车辆组成车辆队列，将其看作一辆特殊的CAV，再进行最优通行次序求解，指示车辆以分组的形式通过冲突区域。分组可降低问题求解的时间复杂度。1.入口匝道尽管基于规则的方法易于实施，但基于规则的合流序列无法保证合流区处于最佳状态。此外，基于规则的方法较少考虑乘客的舒适性需求。10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法c.基于博弈的方法近年来博弈论成为研究CAV决策的重要理论，车辆间因路权争夺产生的竞争关系可以用博弈论中的博弈主体关系来描述。在匝道车辆汇入过程中多辆车参与合流过程，涉及多辆车的决策，且每辆车的决策都可能受到其他车行为的影响，从而产生交互作用。每辆CAV都希望找到一个最优策略以实现安全快速合流。例如，匝道车辆选择等待或合流，而主线车辆通过屈服(减速)或阻止变道(加速)来响应匝道车辆。这表明每个参与者的决定取决于其他参与者的反应，两个参与者之间存在密切的相互作用。这种相互作用形成了一个博弈场景，博弈论明确地考虑了交互作用的影响，使得每个博弈参与者的决定取决于其他参与者的行动，因而能有效处理交互作用问题。基于博弈论确定合流系列的核心思想是：将合流冲突车辆定义为博弈参与者，通过定义博弈成本函数，计算不同博弈策略下的博弈成本进而选择成本最小的博弈策略，即最优合流顺序。在合流过程中，主线车辆和匝道车辆之间存在协作和约束，需要相互合作完成合流，因此属于合作博弈。合作博弈由以下要素组成：参与者(N)、策略(S)、行动(Ac)、支付(P)、信息(I)和均衡。其中，参与者是合流车辆；支付是动作的成本，由成本函数计算；每个参与者都希望选择最佳策略，以最小化合流成本；每辆车的策略是选择不同的合流顺序。最终对系统而言，形成策略集R(t)，最优策略集就是最佳合流序列。1.入口匝道10.3出入口匝道协同控制方法合流区合作博弈优化框架如下：1.入口匝道10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法1.入口匝道潜在合流序列：10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法②.轨迹优化车辆合流的另一个重点是车辆轨迹规划。现有研究中常用的轨迹优化方法有：简单运动规划、基于反馈控制的轨迹优化、基于最优控制的轨迹优化等。a.简单运动规划包括三种情况：加速和巡航、减速及巡航、巡航。虽然简单运动规划很容易实现，但需注意加速或减速过程中加速度的变化，急加速或急减速都会影响乘客乘坐舒适性。b.基于反馈控制的轨迹优化该方法的核心为“虚拟队列(VirtualPlatoon)”的应用，于1999年由Uno等人首次提出。该方法以合流点为基准，通过车-车通信将匝道车辆映射到主线车道，从而构成虚拟车队，此时合流任务被转化为跟车任务。虚拟序列示意图如下所示：1.入口匝道10.3出入口匝道协同控制方法虚拟车辆概念的引入将匝道车辆到达合流点前的控制问题转化成为整体队列的控制问题。借助CAV对复杂环境的感知能力、不断优化的决策能力、先进的车辆控制技术以及车联网技术的发展，整体队列的轨迹规划方法可以是基于线性反馈控制器的协同自适应巡航控制(CooperativeAdaptiveCruiseControl,CACC)方法。CACC是一种基于车-车通信技术的控制方法，队列中的车辆通过信息交互进行耦合控制。在智能网联交通环境下，多车队列控制是一个重要的研究方向。多车队列控制是一种典型的协同式运动控制方法。车辆根据其周围车辆的状态信息，自动调整运动状态，以达到所有车辆速度一致并实现期望的队列几何构型。在保证安全的同时，缩短了跟驰间距，减小了队列中车辆速度的波动，在缓解交通拥堵、改善交通效率、增强驾驶安全性和提高燃油经济性等方面有着巨大的潜力。典型项目如美国PATH、欧洲SARTRE、日本EnergyITS等，这些项目的研究均已完成或推进到了实车验证阶段。近年来CACC被认为是一个有前景的CAV应用系统，将CACC应用到高速公路匝道合流场景中，可有效解决高速公路的交通拥堵问题。在合流场景中，主要运用到多车队列控制方法，其基本思想是将主线/匝道上的车辆编成队列，目的是最大限度地提高道路通行能力和交通流量。在此控制中，车辆通过感知周围车辆的状态信息(包括虚拟车辆)，自动调整运动状态以跟随领航车辆，直到所有车辆形成的队列达到稳定的期望状态，并保持这样的状态巡航驾驶。1.入口匝道10.3出入口匝道协同控制方法c.基于最优控制的轨迹优化目前，合流轨迹优化控制应用最多的是基于最优控制的车辆轨迹规划方法。最优控制问题可以求解满足一定约束条件下，系统从初态到末态使得目标最小的最优控制策略。而在匝道合流过程中，车辆受到自身动力约束，合流过程可以抽象为车辆从初始状态行驶到末端状态过程中带有约束的最优控制问题。建立合理的数学模型是求解最优控制问题的第一步。最优控制问题的数学模型主要包含以下四个方面：ⅰ).受控系统的数学模型受控系统的数学模型即系统的状态方程，要求能反映动态系统在运动过程中所遵循的物理规律。一般说来，动态系统可以用一组一阶常微分方程描述：其中，t是自变量；x(t)表示n维状态向量；u(t)是r维控制向量；f(﹒)是n维函数向量。根据函数f(﹒)的不同取法，可以将受控系统的数学模型概括为定常非线性系统、线性时变系统以及线性定常系统等。1.入口匝道10.3出入口匝道协同控制方法ⅱ).边界条件系统的边界条件即系统的初始状态和终端状态。为了确定动态系统在状态空间的运行轨线，需要给定系统的边界条件，即给初态和终态施加约束。一般说来，初始时刻和初始状态通常是已知的，终端时刻和终端状态可以限定，也可以自由。对终端的限定可以通过终端等式或不等式约束来实现。ⅲ).容许控制受客观条件限制，实际控制问题中的控制量需满足一定的约束条件，由控制约束条件所规定的集合来描述，称为控制域。容许控制是指：定义在区间、取值于控制域的控制函数。ⅳ).性能指标性能指标是衡量控制系统控制效果的一个量，对不同的问题有不同的表征，如时间最短、油耗最小等。对连续系统时间函数性能指标可归纳为以下三种类型：综合型(Bolza型)性能指标:其中，L和Φ均为标量函数，分别称为动态性能指标和终端性能指标。1.入口匝道10.3出入口匝道协同控制方法积分型(Lagrange型)性能指标:不计终端性能指标，只强调系统的过程要求。终端型(Mager型)性能指标:性能指标是一个泛函，其取值与状态转移过程中整个控制向量和状态向量有关。解决最优控制问题的主要数学工具有变分法、极小值原理和动态规划法等。其中，极小值原理是基于最优控制的轨迹优化问题最常用的求解方法。1.入口匝道10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法经过求解，最优解的结果为：其中：边界条件如下：通过边界条件，可以求得上述最优解中的8个常数。1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法纯网联自动驾驶的落地需要漫长的时间，混合交通场景(即道路上同时存在CAVs和HDVs)是智能网联交通发展过程中不可避免的阶段。在混合交通条件下，有必要设计既能适应CAVs又能适应HDVs的协同控制策略。协同合流策略旨在解决主线车辆和匝道车辆安全高效通过合流区的问题，针对混合交通流，现有优化思想大致分为两类，一类是基于合流车辆组的协作合流控制方法，一类是基于博弈的车辆合流控制方法。①

基于合流车辆组的协作合流控制方法是指通过判断协作合流的车辆组及其类型，采取不同的控制策略来实现匝道车辆安全并线。a.协作合流控制框架协作合流控制框架包含两个模块，一个是车辆合流序列调度算法，另一个是车辆协作合流算法。其中，合流序列算法主要用于确定车辆组通过合流区的顺序，由于HDV驾驶行为具有随机性，且高密度环境下协作车辆的加减速会对后续车辆的状态产生影响，因此针对不同合流车辆类型实时动态确定合流序列。协作合流算法主要包括速度控制模型和速度引导模型，速度控制模型用于CAV-CAV、CAV-HDV之间的协作合流，通过控制CAV的速度，实现匝道车辆平滑地汇入主线。速度引导模型用于HDV-HDV之间的合流，通过智能可变速度指示牌提示HDV按照该速度行驶。1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法基于分组的协作合流控制框架如下：1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法b.基于合流车辆类型的动态合流序列确定方法为确定车辆通过合流点的最佳顺序，在“先进先出”“主线优先”规则的基础上，考虑到车辆状态动态变化，采用实时确定合流序列的方法。当匝道车辆进入协作控制区时，开始计算车辆到达合流点的时间，并与协作控制区内主线车辆到达合流点的时间相比较。同时依据制定的规则，确定匝道车辆在合流序列中的位置。当主线车辆和匝道车辆均为HDV时，根据“主线优先”原则，主线车辆获得优先通行权。同时，为减少HDV波动性影响，合流序列将适时进行调整，即每隔一段时间更新一次合流序列。1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法合流序列确定流程图：1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法c.协作合流控制方法ⅰ).

CAV-CAV协作合流根据合流序列，合流车辆组为CAV-CAV时，可分为下述两种情况：a)主线CAV合流序列在匝道CAV之后，主线CAV让行匝道CAV；b)匝道CAV合流序列在主线CAV之后，匝道CAV让行主线CAV。这两种情况的控制思路相同：即通过计算两CAV到达合流点的时刻是否满足最小安全合流间距，当不满足时，控制后车减速行驶，保障两车安全合流。ⅱ).

CAV-HDV协作合流根据合流序列，合流车辆组为CAV-HDV时，其协作合流可分为：a)主线CAV让行匝道HDV；b)匝道CAV让行主线HDV。此合流车辆组的控制思路为：根据合流序列以及路侧单元的部署，当匝道车辆即将到达合流区时，路侧单元将相关信息传递给该车辆周围的CAV，通过控制CAV的加减速，与前车创造安全间隙，优化合流过程。1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法ⅲ).

HDV-HDV合流主线HDV合流控制算法：行驶在主线上的车辆将其前车视为引导车，并遵循跟驰模型，直到它到达合流区。一旦进入合流区，车辆驾驶员将评估前方是否有车辆合流；如果有车辆合流，考虑将合流车辆作为其新的引导车。匝道HDV合流控制算法：在匝道上行驶的HDV将其前车视为引导车，直到到达协作控制区。到达后，路侧单元依据匝道HDV服从“主路优先”的原则确定HDV合流控制策略，驾驶员通过车载广播及路侧可变限速标识等方法，接收路侧单元传递的加减速信息，进行车速控制引导。1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法②基于博弈论的协作合流控制方法在混合交通环境下，自动驾驶汽车精心规划的合并顺序或速度轨迹可能会被人工驾驶车辆打断，因此自动驾驶汽车与人工驾驶汽车之间的相互作用不容忽视。博弈论可对人类驾驶员如何决定与其他车辆竞争或合作进行建模，从而分析他们之间的相互作用，通过计算不同合流策略的成本选择最优的合流策略，为混合交通中每辆CAV提供最优合并顺序和相关速度轨迹。合流过程中，当合流区存在潜在冲突时，主线和匝道车辆中至少有一辆车需根据一定的合并顺序调整其速度。采用博弈论对CAV进行评估，找出最优的合并策略。以下示例采用二人非零和博弈，通过为博弈中的每个参与者提供一个合并序列来处理冲突。具体博弈过程如下：1.入口匝道10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法(2)网联混合交通流协同控制方法当CAV与HDV冲突时，则形成非合作的二人博弈，在这种博弈中，CAV会采取自私的策略，因为它只能优化自己的成本。为了避免碰撞，CAV车辆不会选择与冲突车辆采取相同的行动。因此，两冲突车辆同时担任领导者或追随者的成本被设置为无穷大。在每个时间步长，CAV车辆将选择成本最小的行动：非合作博弈的决策表如下：1.入口匝道10.3出入口匝道协同控制方法

1.入口匝道10.3出入口匝道协同控制方法为缓解分流区交通拥堵、提高通行效率、保证行车安全，智能网联环境下高速公路分流区交通流控制方法主要包括可变限速(VariableSpeedLimit,VSL)控制和换道(Lane-Changing,LC)控制。(1)可变限速控制是指根据不同道路条件下的交通流状态对路段可变限速值进行调整，控制路段平均行驶速度和平均密度，减少车速的离散性，优化交通流行驶状态。当分流车辆流量较大无法及时进入匝道，从而在匝道分流区出口匝道处发生拥堵排队时，通过可变限速控制可降低车辆速度，控制上游路段车辆到达率，降低车流密度，有效防止匝道排队溢出影响主线车流的正常运行。可变限速控制又分为基于反馈的可变限速控制和基于模型预测控制(ModelPredictiveControl,MPC)的可变限速控制。2.出口匝道10.3出入口匝道协同控制方法(1)可变限速控制①

基于反馈的可变限速控制流程如下：a.通过对匝道出口处的交通流数据进行采集，计算该区域的拥堵程度。b.根据计算的拥堵程度与可变限速控制启动条件相比，判断是否启动可变限速控制。c.若需启动可变限速控制，根据匝道出口处的拥堵程度确定可变限速取值大小。d.持续一段时间后，重复步骤①至步骤③。基于反馈的可变限速控制的核心是“反馈”，针对高速公路分流区，出口匝道处的拥堵程度常被当作反馈条件，来判断是否启动可变限速控制。2.出口匝道10.3出入口匝道协同控制方法

2.出口匝道10.3出入口匝道协同控制方法

2.出口匝道10.3出入口匝道协同控制方法(1)可变限速控制基于MPC的可变限速控制流程：2.出口匝道10.3出入口匝道协同控制方法(1)可变限速控制基于反馈的可变限速控制策略具有一定的延迟性，因为只有当出口匝道处交通拥堵的程度达到一定条件时，才会启动可变限速控制，而且可变限速控制区域一般设置在匝道出口上游一定距离外，存在一定的延迟性。基于MPC的可变限速控制策略在得到当前道路的交通流数据后，通过优化算法能及时得到最优限速值，从而有效避免了反馈方法的延迟性。此外，MPC基于模型预测、滚动优化等思想，具有较强的鲁棒性和稳定性，对模型精度要求不高且具备处理多变量、多约束复杂问题的能力。因此，基于MPC的可变限速控制是目前应用较多的方法。2.出口匝道10.3出入口匝道协同控制方法(2)换道控制在分流准备阶段，分流车辆产生换道意图并寻找合适的换道间隙进行换道，若分流车辆在临近匝道出口处仍未换至外侧车道，车辆将会强制换道或者排队等候伺机换道，该车后面的主线车辆为了避免发生碰撞，将刹车减速，减速波将会向上游蔓延，从而降低该路段行车速度。因此，换道控制是出口匝道分流区控制的核心方法。现有自动驾驶汽车换道决策模型主要包括基于规则的方法、基于优化的方法和基于学习的方法。基于规则的方法试图通过为自动驾驶汽车设置一些规则来制定换道决策，即通过引入多条规则，综合考虑目标地点和周边交通状况，判断换道的必要性和可行性。如Dong等人开发了一个五步流程，用于自动驾驶汽车的换道决策，包括环境感知、安全间隙计算、测量间隙排名、测量间隙分类和间隙选择。基于优化的方法则通过构建目标函数建立最优换道决策模型，评估每种选择的驾驶增益来确定自动驾驶汽车的最优换道位置。如Cao等人提出了一种以出行时间最小为目标函数的最优强制换道决策模型，确定了自动驾驶汽车接近城市主干道交叉口时的最优换道位置。基于学习的方法包括基于深度学习的方法、基于强化学习的方法和基于决策树的方法。其核心思想是通过使用人类换道数据训练模型来对CAV的换道位置选择进行建模，从而为CAV提供类似人类的控制模型。如Hart、Rychly和Knoll提出了一种基于随机策略的强化学习方法来解决AV的合并问题。2.出口匝道10.3出入口匝道协同控制方法(2)换道控制智能网联环境下，高速公路分流区换道控制流程可归纳为：(1)通过V2X获取车辆信息；(2)分辨需要换道的分流车辆；