匝道合流的协同控制方法、装置、电子设备及存储介质

技术特征：
1.一种匝道合流的协同控制方法，其特征在于，包括以下步骤：获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息；将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型，其中，所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到；以及根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略，并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。2.根据权利要求1所述的方法，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，还包括：识别主路车辆和匝道车辆的当前行为模式，并基于所述当前行为模式计算主路车辆延误和匝道车辆延误；基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。3.根据权利要求2所述的方法，其特征在于，所述匝道合流区内所有车辆总延误最小化目标函数为：其中，w
m
为主路车辆延误权重，w
r
为匝道车辆延误权重；为让行车辆后第i辆主路车辆延误；为匝道车队中第j辆车延误；m为受让行影响的主路车辆的数量；n为匝道车队所含车辆数；r为协同汇入的实施频率。4.根据权利要求1或2所述的方法，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，还包括：构建所述匝道合流协同控制框架，并确定所述匝道合流协同控制框架下的优化变量，其中，所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。5.根据权利要求1-4任一项所述的方法，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，还包括：基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。6.一种匝道合流的协同控制装置，其特征在于，包括：获取模块，用于获取匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息；输入模块，用于将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型，其中，所述匝道合流的协同控制优化模型由匝道合流协同控制框架得到；以及控制模块，用于根据所述匝道合流的协同控制优化模型输出的优化变量求解结果生成
匝道合流协同控制策略，并按照所述匝道合流协同控制策略协调控制主路车辆和匝道车辆行驶在所述匝道合流区域内的驾驶行为。7.根据权利要求6所述的装置，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，所述输入模块，还用于：识别主路车辆和匝道车辆的当前行为模式，并基于所述当前行为模式计算主路车辆延误和匝道车辆延误；基于所述主路车辆延误和匝道车辆延误确定所述匝道合流的协同控制优化模型的匝道合流区内所有车辆总延误最小化目标函数。8.根据权利要求7所述的装置，其特征在于，所述匝道合流区内所有车辆总延误最小化目标函数为：其中，w
m
为主路车辆延误权重，w
r
为匝道车辆延误权重；为让行车辆后第i辆主路车辆延误；为匝道车队中第j辆车延误；m为受让行影响的主路车辆的数量；n为匝道车队所含车辆数；r为协同汇入的实施频率。9.根据权利要求6或7所述的装置，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，所述输入模块，还用于：构建所述匝道合流协同控制框架，并确定所述匝道合流协同控制框架下的优化变量，其中，所述优化变量包括匝道车队所含车辆数、主路车减速地点合流速度中的一项或多项。10.根据权利要求6-9任一项所述的装置，其特征在于，在将所述匝道合流区的实际道路信息、实际交通状态信息和实际车辆信息输入至预先构建的匝道合流的协同控制优化模型之前，所述输入模块，还用于：基于交通安全要求、交通流稳定性要求以及车辆动态性能要求生成所述匝道合流的协同控制优化模型的一个或多个匝道合流控制约束条件。11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的匝道合流的协同控制方法。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的匝道合流的协同控制方法。

技术总结
本申请涉及匝道合流区车路协同控制技术领域，特别涉及一种匝道合流的协同控制方法、装置、电子设备及存储介质，方法包括：将获取到的匝道合流区的实际道路、交通状态和实际车辆的信息输入至预先构建的匝道合流的协同控制优化模型中，该协同控制优化模型由匝道合流协同控制框架得到，并根据协同控制优化模型输出的优化变量求解结果生成匝道合流协同控制策略，从而协调控制主路车辆和匝道车辆行驶在匝道合流区域内的驾驶行为。解决了在连续交通流环境下的运行效率低以及匝道合流的协同控制效果差等问题，通过智能网联环境下的匝道合流协同控制方法，实现了车辆在合流区域内的协同控制，降低了车辆总延误，提升了合流效率及交通流运行的稳定性。通流运行的稳定性。通流运行的稳定性。


技术研发人员：曲小波 祝捷 严亚丹 李奥勇
受保护的技术使用者：清华大学
技术研发日：2022.04.14
技术公布日：2022/7/15