一种基于虚拟车队的混合交通匝道协同合并控制方法

本发明属于智能交通的，具体涉及一种基于虚拟车队的混合交通匝道协同合并控制方法。

背景技术：

1、随着城市化进程加快和机动车保有量持续增长，高速公路匝道合流区作为交通流转换的关键节点，已成为交通拥堵与事故高发区域。匝道车辆需要在有限空间内寻找主车道车流间隙汇入，主车道车辆往往被迫减速、变道或让行，易形成排队和拥堵激波向上游回溯，导致通行效率下降、燃油消耗增加及安全风险提升。

2、目前较为常见的匝道控制方式包括基于间隙接受理论的匝道信号灯控制、限速控制和局部纵向控制策略。此类方法多依赖宏观交通流模型或经验阈值，仅能在一定程度上调节匝道放行率和主车道速度，对车辆个体之间的时空关系考虑不够精细，在混合交通场景下难以充分发挥联网自动驾驶车辆的协同优势。

3、随着车联网v2x与自动驾驶技术的发展，部分研究通过车队控制、虚拟车道映射和模型预测控制等方法，对主车道与匝道的车辆进行协调控制。然而，现有方法大多假定车辆类型同质或cav渗透率较高，对于cav与hdv混合存在、hdv驾驶行为随机性强的现实交通环境适应性不足；同时，在高流量和复杂合流场景下，基于单车轨迹优化或全局协调的控制方法往往面临决策维度高、计算负担重、实时性不足等问题，难以实现工程化部署。

4、在电动化、网联化、智能化并行发展的大背景下，匝道合流控制不仅需要关注传统意义上的通行效率和安全约束，还需要兼顾燃油经济性和排放控制。在cav渗透率有限、hdv占比仍然较高的现实阶段，目前仍缺乏一种能同时兼顾异质驾驶特性、实时可解性与多目标协同的匝道汇流控制方法。虚拟车队技术通过将分散车辆编组，将复杂协调问题简化为车队跟随控制，为混合交通流匝道汇流提供了新思路，但现有虚拟车队研究多聚焦于编队组建，缺乏对合并顺序优化与多目标轨迹规划的系统性设计，难以应对动态变化的交通场景。因此，亟需一种能整合虚拟车队、多目标优化与动态协同的控制方法，解决混合流高速公路匝道汇流难题。

技术实现思路

1、本发明提供了一种基于虚拟车队的混合交通匝道协同合并控制方法，通过在主车道与匝道上动态组建“1+n”虚拟车队，采用虚拟车道映射技术将多车道空间冲突转化为一维车队序列问题，在策略层进行多目标合流序列优化，在战术层进行车队轨迹规划，实现cav与hdv的统一协调控制，在不同交通需求与需求分配条件下提升匝道合流效率并降低整体燃油消耗。

2、为实现上述目的，本发明提供了如下技术方案为：

3、一种基于虚拟车队的混合交通匝道协同合并控制方法，包括以下步骤：

4、步骤一、在高速公路的主车道和匝道上分别动态组建由一辆联网自动驾驶车辆领头、多辆人工驾驶车辆跟随的多个虚拟车队；

5、步骤二、将匝道上的虚拟车队映射到主车道上，组成初始合流车队序列，假设调整初始合流车队序列中某些虚拟车队的通行顺序，形成新的通行序列方案为候选通行方案，以任一候选通行方案中需调整的虚拟车队所需的目标纵向间距与初始合流车队序列中相邻的两个虚拟车队之间的实际纵向间距的总偏差最小化为目标构建目标模型，求解得到最优合流车队序列；

6、步骤三、对于最优合流车队序列，以任一虚拟车队的领头车辆的位置偏差、速度偏差和瞬时燃油消耗率最小为目标，构建多目标优化模型，求解获得对应虚拟车队的领头车辆的加速度信息；

7、步骤四、基于虚拟车队的纵向动力学模型，以各个领头车辆的加速度信息控制对应虚拟车队按照最优合流序列完成匝道合流。

8、进一步，在所述步骤二中，记所述初始合流车队序列，处于同一车道的相邻虚拟车队之间的目标纵向间距为即期望跟驰距离，处于不同车道的相邻虚拟车队之间的目标纵向间距为即期望合流距离，

9、先利用如下公式，计算相邻的两个虚拟车队之间的实际纵向间距和目标纵向间距，

10、

11、其中，为虚拟车队的领头车辆位置，为虚拟车队的总长度；

12、

13、其中，表示虚拟车队的车道标识，主车道内的车队取1，匝道内的车队取0，表示虚拟车队在初始合流车队序列中的顺序索引，表示处于第位虚拟车队之后的某一虚拟车队的顺序索引，表示任一候选通行方案中需调整的虚拟车队所需的目标纵向间距；

14、引入二值决策变量，定义如下：

15、

，

16、再构建目标模型，可行性约束条件为，然后采用非支配排序遗传算法nsga-ii进行搜索近似帕累托最优解，选取综合代价最小的方案作为最优合流车队序列。

17、进一步，记在最优合流车队序列中任一相邻的两个虚拟车队为车队、车队，且车队位于车队的前方，则这两个车队之间的目标纵向间距为，其中，，

18、利用如下公式，计算这两个车队之间的实际纵向间距，

19、

20、其中，表示车队中领头车辆在时刻的位置，表示车队中领头车辆在时刻的位置，表示车队的总长度；

21、若，则这两个车队维持原状；

22、若，则将车队并入车队，合并为一个虚拟车队，即控制车队领头车辆逐渐向车队靠拢，直至两者之间的实际纵向间距达到目标纵向间距。

23、进一步，将主车道和匝道上各个虚拟车队的领头车辆到合流点的距离按照由小到大的顺序进行排列，以将匝道上的虚拟车队映射到主车道上，组成初始合流车队序列。

24、进一步，在所述步骤三中，先利用如下公式，构建多目标优化模型，

25、

26、其中，表示预测时域的长度，为预测时域内的时间步，为车队索引，为时间折扣因子，用于抑制远期预测的不确定性，为损失系数，分别用于平衡位置与速度偏差在总目标中的相对权重，为位置与速度误差容差，用于对不同量纲的偏差进行归一化，权重系数分别对应效率与燃油经济性，满足，，且，表示瞬时燃油消耗率，、分别表示处于第位通行的虚拟车队的实际位置和速度，、分别表示第位通行的虚拟车队的理想位置和理想速度，其值由最优合流车队序列确定的车队拓扑跟随关系，基于前序虚拟车队的运动状态及安全阈值通过递推计算而得到；

27、再用非支配排序遗传算法 nsga-ii对多目标优化模型进行求解，以领头车辆在预测时域内的加速度序列为决策变量，在可行解空间中搜索近似帕累托最优解集。

28、进一步，在所述步骤一的组建虚拟车队中，对于任一进入编队区pz的车辆，首先计算其与前序虚拟车队的尾车之间的初始间距，

29、

30、其中，表示车辆到达编队区pz的时间，和分别表示时刻前序虚拟车队尾车和车辆的位置，为车辆的长度；

31、定义最小安全并入距离：

32、

33、其中，、分别表示前序虚拟车队中尾车和车辆在时刻的速度，表示前序虚拟车队中尾车到编队区pz终点的距离，为最大舒适加速度，为最大速度；

34、然后制定组建规则；

35、当车辆为hdv时，若，则车辆加入前方虚拟车队；否则，作为未编队hdv保持单车运行；

36、当车辆为cav时，若，则车辆作为新虚拟车队的领头车辆，用于组建虚拟车队；若，其后方最大车队长度内存在多辆hdv，且前序虚拟车队已经达到最大车队长度，把车辆作为新虚拟车队的领头车辆；否则就加入前序虚拟车队作为成员。

37、进一步，将主车道及匝道自上游至合流点依次划分为编队区pz、协同控制区cz和合流区mz，在所述编队区pz完成虚拟车队组建，在所述协同控制区cz完成步骤二和步骤三的计算。

38、与现有技术相比，本发明的有益效果是：

39、（1）提升混合交通适应性，通过“1+n”虚拟车队模型，以cavs引领hdvs，降低hdvs随机行为对交通流的干扰，在cavs渗透率30%-80%的混合场景下均能稳定运行，相较于无控制场景，总行驶时间最多缩短约 33.3%，显著缓解匝道汇入处的排队与拥堵。

40、（2）简化协同控制复杂度，虚拟车道映射技术将二维多车道协调转化为一维车队跟随问题，减少决策变量维度，降低合并冲突次数；结合nsga-ii算法优化合并顺序，确保全局最优性，显著提升汇流效率。

41、（3）实现多目标优化平衡，以总行驶时间与燃油消耗为优化目标，通过量化燃油消耗模型参数，在提升交通效率的同时，提升燃油经济性，兼顾效率与环保。

42、（4）增强行驶安全性，通过动态安全间距阈值与实时轨迹调整，避免车辆急加速、急减速与加塞行为，减小相邻车队速度差和间距波动;同时通过滚动优化机制,使控制框架能够在多种交通需求组合及随机初始条件下保持稳定的改善效果。