第4章 CAV专用相位优化控制方法

第4章CAV专用相位优化

控制方法4.1优化背景CAV的最大优势在于其行驶轨迹可控且单车道的通行能力是CHV的好几倍。人机混合驾驶环境下，一般交叉口(进口车道数少、交通需求不大)采用传统的信号相位固然也能实现分离交通冲突、保障通行安全的目的，但无法发挥CAV的优势，交叉口信号控制效率难以得到有效提升，好比人工驾驶环境下小型交叉口低交通需求时停车控制优于信号控制、许可相位优于专用相位一样。4.2蓝色相位Rey与Levin(2019)提出了人机混合驾驶环境下信号交叉口新的控制策略。假设所有车辆在交通网络上的路径选择、转向比例已知，各个交叉口进口车道排队定期可测，提出了一种分散的、基于压力的算法来优化交通网络的通行量。有别于传统的绿色相位，交叉口增加了一个仅适用于CAVs的蓝色相位。为此，交叉口布设有两种类型的车道：人工驾驶车道(CHVs和CAVs均可使用)和CAV专用车道(仅限CAVs使用)。在蓝色相位期间，所有CAV专用车道上的CAVs均可进入交叉口，采用冲突点模型来协调CAVs的通行。在交叉口的各个时段[t,t+∆t]，基于交通网络的当前状态，采用基于混合压力的策略来激活各个相位。4.2蓝色相位绿灯期间，所控车道的CAVs和CHVs均可进入交叉口。绿灯相位模型基于以下三条假设建立：(1)交叉口所有车流划分为两类：优先通行车流P和让行车流Y；(2)两股冲突的优先通行车流禁止同时放行；(3)两股冲突的让行车流禁止同时放行。设βab(t)为时间t时交叉口的激活矩阵，βab(t)=1表示时间t允许车流(a,b)从车道a(进口车道)行驶至车道b(出口车道)；而βab(t)=0表示禁止车流(a,b)通行，βab(t)∈{0,1}。αab(t)为时间t时车流(a,b)的服务能力矩阵，αab(t)=1对应车流(a,b)的最大服务能力，也表明车流(a,b)不受冲突车流的影响；而αab(t)=0意味着车流(a,b)的服务能力为0。αab(t)既能刻画车流(a,b)是否存在潜在的交通冲突，同时又能量化车流(a,b)的通行能力，0≤αab(t)≤1。αab(t)与βab(t)之间存在约束关系，即αab(t)≤βab(t)，该约束确保只有激活的车流(a,b)，即βab(t)=1时，才能提供通行服务。对于高优先级的车流(a,b)，如紧急车流，令αab(t)=βab(t)，意味着激活的优先车流(a,b)具有完全服务水平。令sab代表车流(a,b)的通行能力，取决于车流(a,b)的服务能力和饱和流率。1.绿灯相位模型4.2蓝色相位1.绿灯相位模型4.2蓝色相位1.绿灯相位模型4.2蓝色相位1.绿灯相位模型4.2蓝色相位2.蓝色相位模型4.2蓝色相位2.蓝色相位模型4.3白色相位1.优化原理Niroumand等人(2020)基于蓝色相位的思想提出了白色相位及其信号配时优化方法，但交叉口进口道不再设置CAV专用车道将两类车(CAVs和CHVs)分离通行。同样，绿灯期间，所控车道上的两类车辆均可进入交叉口；当出现CAV领队的CHVs时，将它们视为一个CAV车辆组，插入一个白色相位，通过优化领队CAV的运动轨迹和进入交叉口的时间，使CAV车辆组安全通过交叉口。4.3白色相位2.优化方法假设所有车辆均为网联车，且可以实时获得其速度和位置信息，以优化信号配时方案。当插入白色相位时，通过优化CAV轨迹来安全控制车辆组中所有车辆在交叉口内的通行。优化模型中的决策变量为车辆加速度和信号配时参数。4.3白色相位2.优化方法4.3白色相位2.优化方法4.3白色相位3.轨迹时空图4.4适用性分析1.蓝色相位(1)适用于交叉口几何条件简单(进口车道数少)的交通场景，总的交通需求不高；面对多车道等复杂交叉口、高CAV渗透率，求解问题的计算规模呈级数上升，难以满足信号控制实时性的处理要求；(2)采用固定的蓝色相位时，低CAV渗透率会增加人工驾驶车辆的延误；而采用动态插入蓝色相位时，高CAV渗透率会频繁中断正常的信号相位、加大信号控制系统的不稳定性和驾驶人的不适应性，存在安全风险；没有界定蓝色相位的启动条件；(3)低CAV渗透率可以兼容行人和非机动车的通行需求，而高CAV渗透率则加大了行人和非机动车的过街难度；(4)低CAV渗透率时，CAV专用车道的利用效率不高，反而制约了整个交叉口控制效率的提升。4.4适用性分析2.白色相位(1)随着CAV渗透率的增加，信号相位方案会陷入混乱难以估计，加大了信号控制系统的不稳定性和驾驶人的不适应性。(2)适用于交叉口几何条件简单(进口车道数少)的交通场景，总的交通需求不高，以简化大规模CAVs行驶轨迹和信号控制参数联合优化的难题；面对多车道等复杂交叉口，该方法优化的难度和求解问题的计算规模呈级数上升，很难满足信号控制实时性的处理要求；(3)白色相位期间采取优化领队CAV的行驶轨迹策