智能網(wǎng)聯(lián)汽車協(xié)同控制技術(shù)（第2版）課件 第1-9章 智能網(wǎng)聯(lián)汽車相關(guān)技術(shù)發(fā)展過程-智能網(wǎng)聯(lián)汽車動力學(xué)模型

智能網(wǎng)聯(lián)汽車協(xié)同控制技術(shù)第2版“十四五”時(shí)期國家重點(diǎn)出版物出版專項(xiàng)規(guī)劃項(xiàng)目新基建核心技術(shù)與融合應(yīng)用叢書智能網(wǎng)聯(lián)汽車技術(shù)系列本書匯總了作者及團(tuán)隊(duì)在車路協(xié)同體系下智能網(wǎng)聯(lián)汽車領(lǐng)域研究的相關(guān)科研成果，探討了交通運(yùn)行狀態(tài)的感知與評價(jià)、實(shí)時(shí)路徑?jīng)Q策方法和速度引導(dǎo)方法，研究了智能網(wǎng)聯(lián)汽車動力學(xué)模型、編隊(duì)控制模型及編隊(duì)切換控制技術(shù)、時(shí)空軌跡優(yōu)化方法、主動安全控制技術(shù)、數(shù)據(jù)交互系統(tǒng)，以及智能網(wǎng)聯(lián)汽車編隊(duì)控制模型及硬件在環(huán)仿真技術(shù)等。本書匯總的這些前沿關(guān)鍵技術(shù)可以為優(yōu)化城市干線車流行駛狀態(tài)、緩解城市干線擁堵、提高道路通行能力提供新的技術(shù)手段和解決方案。簡介戰(zhàn)略意義《交通強(qiáng)國建設(shè)綱要》《中國制造2025》《2018年智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)工作要點(diǎn)》《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）》2020年，《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》2022年，《“十四五”現(xiàn)代綜合交通運(yùn)輸體系發(fā)展規(guī)劃》智能網(wǎng)聯(lián)汽車已成為國家大力支持的未來交通系統(tǒng)的重點(diǎn)發(fā)展方向智能網(wǎng)聯(lián)汽車6種關(guān)鍵技術(shù)1）環(huán)境感知技術(shù)2）智能決策技術(shù)3）協(xié)同控制技術(shù)4）V2X通信技術(shù)5）云平臺與大數(shù)據(jù)技術(shù)6）信息安全技術(shù)本書研究重點(diǎn)1）設(shè)計(jì)了面向智能網(wǎng)聯(lián)汽車的高實(shí)時(shí)性車路協(xié)同體系2）定義了車輛與路側(cè)智能設(shè)備間的數(shù)據(jù)交互方式與交互軟件系統(tǒng)實(shí)現(xiàn)方案3）提出了一種基于多源信息融合的交通狀態(tài)評價(jià)方法第1章

智能網(wǎng)聯(lián)汽車相關(guān)技術(shù)發(fā)展過程1.1車路協(xié)同技術(shù)1.2智能網(wǎng)聯(lián)汽車技術(shù)1.3車輛編隊(duì)技術(shù)利用最新的科技手段解決交通安全問題1.1車路協(xié)同技術(shù)車路協(xié)同系統(tǒng)·采用先進(jìn)的無線通信和新一代互聯(lián)網(wǎng)等技術(shù)·全方位實(shí)施車車、車路動態(tài)實(shí)時(shí)信息交互·在全時(shí)空動態(tài)交通信息采集與融合的基礎(chǔ)上開展車輛主動安全控制和道路協(xié)同管理·充分實(shí)現(xiàn)人車路的有效協(xié)同·保證交通安全，提高通行效率，從而形成安全、高效和環(huán)保的道路交通系統(tǒng)1.1車路協(xié)同技術(shù)1.1車路協(xié)同技術(shù)1.2智能網(wǎng)聯(lián)汽車技術(shù)智能網(wǎng)聯(lián)汽車·搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，融合現(xiàn)代網(wǎng)絡(luò)通信技術(shù)的一種新型智能汽車·實(shí)現(xiàn)車與X（人、車、路、云端等）智能信息交換共享·擁有復(fù)雜的環(huán)境感知、智能決策、協(xié)同控制和執(zhí)行等功能·保障車輛安全、舒適、節(jié)能、高效行駛，并最終可替代駕駛?cè)藢?shí)現(xiàn)自動駕駛1.3車輛編隊(duì)技術(shù)車輛編隊(duì)控制技術(shù)目的在于充分利用道路條件，保證道路交通安全與高效行駛的條件下，將一系列車輛進(jìn)行統(tǒng)一車輛隊(duì)列管理，使具有相同行駛路徑的車輛能夠根據(jù)交通狀況，以協(xié)同合作的方式完成車輛隊(duì)列巡航、跟隨、組合與拆分、換道等相關(guān)控制策略1.3車輛編隊(duì)技術(shù)第2章面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)2.1車路協(xié)同技術(shù)特征分析2.2面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)設(shè)計(jì)2.3車路數(shù)據(jù)交互軟件系統(tǒng)車路協(xié)同技術(shù)目的：實(shí)現(xiàn)交通智能化管理、動態(tài)交通信息服務(wù)等智能交通系統(tǒng)職能基礎(chǔ)：車內(nèi)網(wǎng)、車際網(wǎng)和車載互聯(lián)網(wǎng)遵循一定通信協(xié)議與交互標(biāo)準(zhǔn)，在相互獨(dú)立交通元素個體之間進(jìn)行通信與數(shù)據(jù)傳輸?shù)拇笙到y(tǒng)網(wǎng)絡(luò)技術(shù)是傳統(tǒng)物聯(lián)網(wǎng)與傳感網(wǎng)絡(luò)技術(shù)在交通領(lǐng)域的延伸第2章面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)2.1車路協(xié)同技術(shù)特征分析通過先進(jìn)通信網(wǎng)絡(luò)將人、車、路三個基本交通要素綁在一起，定制化開發(fā)各要素上的終端軟硬件，實(shí)現(xiàn)對要素?cái)?shù)據(jù)與指令的交互2.1車路協(xié)同技術(shù)特征分析為傳統(tǒng)交通帶來的變革（1）近場自組織通信支持各節(jié)點(diǎn)在通信范圍內(nèi)自動組網(wǎng)（2）高實(shí)時(shí)性穩(wěn)定傳輸?shù)脱舆t、低丟包率，更穩(wěn)定的數(shù)據(jù)傳輸（3）多源異構(gòu)節(jié)點(diǎn)交互各智能設(shè)備或終端能夠自由發(fā)送具有自身特征的數(shù)據(jù)包2.2面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)設(shè)計(jì)面對的問題：一是受技術(shù)條件和成本限制；二是研究成果場景不符合交通實(shí)際。2.2.1系統(tǒng)設(shè)計(jì)目的解決的方法：更豐富、準(zhǔn)確、高實(shí)時(shí)性的車輛數(shù)據(jù)匯總進(jìn)行評估分析，大大提高評價(jià)精度。2.2面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)設(shè)計(jì)兩部分：車載終端；路側(cè)終端。2.2.2車路信息交互場景2.2面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)設(shè)計(jì)兩個核心功能：（1）智能網(wǎng)聯(lián)汽車信息交互（2）基于車輛數(shù)據(jù)的實(shí)時(shí)交通狀態(tài)感知2.2.2車路信息交互場景2.2面向智能網(wǎng)聯(lián)汽車的車路協(xié)同系統(tǒng)設(shè)計(jì)車輛離開上一個交叉口（點(diǎn)A）時(shí)，系統(tǒng)開始記錄所需行車數(shù)據(jù)，在離開下一個交叉口（點(diǎn)D）時(shí)將在路段上生成的數(shù)據(jù)發(fā)送給RSU2。從點(diǎn)A到點(diǎn)D間的時(shí)間間隔即為車輛在路段上的通過時(shí)間；當(dāng)車輛進(jìn)入RSU2的通信范圍（點(diǎn)B）時(shí)，雙方將建立穩(wěn)定的V2X通信。2.2.3車路數(shù)據(jù)實(shí)時(shí)交互方法2.3車路數(shù)據(jù)交互軟件系統(tǒng)兩項(xiàng)主要開發(fā)內(nèi)容：（1）基于安卓系統(tǒng)的深度開發(fā)（2）高實(shí)時(shí)性的數(shù)據(jù)采集與通信功能設(shè)計(jì)2.3.1車路數(shù)據(jù)交互軟件系統(tǒng)總體目標(biāo)兩個主要創(chuàng)新點(diǎn)：（1）采用智能網(wǎng)聯(lián)汽車行駛數(shù)據(jù)代替?zhèn)鹘y(tǒng)檢測器數(shù)據(jù)（2）面向智能網(wǎng)聯(lián)汽車建立車路信息交互機(jī)制2.3車路數(shù)據(jù)交互軟件系統(tǒng)（1）檢測數(shù)據(jù)方案本方案采用OBD無線傳輸數(shù)據(jù)2.3.2車路數(shù)據(jù)交互軟件系統(tǒng)方案論證2.3車路數(shù)據(jù)交互軟件系統(tǒng)（2）協(xié)同通信方案本方案采用LTE-V模塊2.3.2車路數(shù)據(jù)交互軟件系統(tǒng)方案論證2.3車路數(shù)據(jù)交互軟件系統(tǒng)（3）車載終端系統(tǒng)方案本方案采用Android系統(tǒng)2.3.2車路數(shù)據(jù)交互軟件系統(tǒng)方案論證2.3車路數(shù)據(jù)交互軟件系統(tǒng)車載終端程序包括如下三部分：●系統(tǒng)層，在Linux系統(tǒng)下完成Android源碼的編譯和燒錄?！耱?qū)動層，Android系統(tǒng)中間件的程序開發(fā)?！駪?yīng)用層，基于AndroidStudio工具的AndroidApp開發(fā)。2.3.3車載終端軟件系統(tǒng)實(shí)現(xiàn)2.3車路數(shù)據(jù)交互軟件系統(tǒng)車載終端程序包括如下三部分：●系統(tǒng)層，在Linux系統(tǒng)下完成Android源碼的編譯和燒錄?！耱?qū)動層，Android系統(tǒng)中間件的程序開發(fā)?！駪?yīng)用層，基于AndroidStudio工具的AndroidApp開發(fā)。2.3.3車載終端軟件系統(tǒng)實(shí)現(xiàn)2.3車路數(shù)據(jù)交互軟件系統(tǒng)路側(cè)終端沒有操作系統(tǒng)。路側(cè)終端程序包括如下三部分：●初始化程序，時(shí)鐘、引腳配置、模塊驅(qū)動、通信參數(shù)設(shè)置?！裰餮h(huán)程序，車載終端數(shù)據(jù)交互、計(jì)算車輛與路口的間距、評價(jià)的道路運(yùn)行狀態(tài)?！裰袛喑绦?，接受中斷和定時(shí)中斷。2.3.4路側(cè)終端軟件系統(tǒng)實(shí)現(xiàn)第3章基于車路信息融合的交通狀態(tài)感知與預(yù)測技術(shù)3.1交通狀態(tài)感知與預(yù)測的現(xiàn)狀分析3.2基于V2X通信的多源車路信息融合系統(tǒng)3.3基于V2X通信的交通狀態(tài)感知場景3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型3.5實(shí)驗(yàn)測試與分析第3章

基于車路信息融合的交通狀態(tài)感知與預(yù)測技術(shù)

針對城市交叉口場景，提出了一種基于車路信息融合的交通狀態(tài)感知與預(yù)測的方法。3.1交通狀態(tài)感知與預(yù)測的現(xiàn)狀分析各項(xiàng)研究成果表明，在V2X通信環(huán)境中，交通管理方基于多種交通傳感器建立交通數(shù)據(jù)集，可以實(shí)時(shí)感知當(dāng)前道路的交通狀態(tài)；同時(shí)，基于多源融合數(shù)據(jù)實(shí)時(shí)預(yù)測交通運(yùn)行狀況，可以大幅提高交叉口的通行效率，提高道路安全性?，F(xiàn)有理論方法存在以下問題：一、基于V2X通信交通狀態(tài)感知方法從車載端獲取的交通流數(shù)據(jù)集規(guī)模較??；

二、歷史交通數(shù)據(jù)存在一定的滯后和冗余，導(dǎo)致預(yù)測結(jié)果實(shí)時(shí)性差、預(yù)測精度不高。本章提出一種基于圖嵌入長短期記憶神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)城市交叉口交通狀態(tài)的實(shí)時(shí)動態(tài)預(yù)測。其特點(diǎn)如下：●深度游走（DeepWalk）算法捕捉交通流的空間特征●長短期記憶神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)時(shí)間特征的動態(tài)捕捉3.2基于V2X通信的多源車路信息融合系統(tǒng)基于V2X通信的多源車路信息融合系統(tǒng)：1）交通感知層2）網(wǎng)絡(luò)傳輸層3）數(shù)據(jù)處理層

4）信息服務(wù)層多源信息融合的目的是將來自路側(cè)傳感器數(shù)據(jù)、交通信號機(jī)的控制數(shù)據(jù)及來自V2X通信的OBU數(shù)據(jù)進(jìn)行特征級數(shù)據(jù)融合，以構(gòu)建一個立體、精準(zhǔn)的交叉口狀態(tài)感知數(shù)據(jù)集合。3.2.1交通感知層3.2基于V2X通信的多源車路信息融合系統(tǒng)3.2.1交通感知層3.2基于V2X通信的多源車路信息融合系統(tǒng)

LTE-V2X通信是基于LTE蜂窩網(wǎng)絡(luò)的車與外界信息交互技術(shù)，是對現(xiàn)有蜂窩網(wǎng)絡(luò)技術(shù)的延伸，借助無線網(wǎng)絡(luò)帶寬優(yōu)勢，可實(shí)現(xiàn)高可靠性、低延時(shí)、大容量的車輛通信。LTE-V2X通信主要有兩種通信方式：廣域蜂窩式（即LTE-V-Cell）短程直通式（即LTE-V-Direct）3.2.2網(wǎng)絡(luò)傳輸層3.2基于V2X通信的多源車路信息融合系統(tǒng)對應(yīng)兩種互補(bǔ)的網(wǎng)絡(luò)通信接口：●PC5接口●Uu接口3.2.2網(wǎng)絡(luò)傳輸層3.2基于V2X通信的多源車路信息融合系統(tǒng)1.點(diǎn)云與圖像數(shù)據(jù)的融合處理過程3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)路側(cè)傳感器融合主要包括兩種組合：●基于激光雷達(dá)與攝像機(jī)的融合（主流）；●基于攝像機(jī)與毫米波雷達(dá)的融合。本書采用的多源傳感器融合方案為，激光雷達(dá)與高清攝像機(jī)的融合。1.點(diǎn)云與圖像數(shù)據(jù)的融合處理過程3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)

首先，對激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理其次，對圖像的原始數(shù)據(jù)進(jìn)行去畸變處理

3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)

最后，對兩類識別框進(jìn)行匹配融合計(jì)算3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)多源傳感器在數(shù)據(jù)采集過程中分別有著獨(dú)立的坐標(biāo)系和采集頻率，因此需要將多源傳感器的坐標(biāo)系變換到同一坐標(biāo)系下進(jìn)行配準(zhǔn)，才能實(shí)現(xiàn)多源傳感器的融合。3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)1）將激光雷達(dá)坐標(biāo)變換為攝像機(jī)坐標(biāo)3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)2）將攝像機(jī)坐標(biāo)變換為圖像坐標(biāo)3）將圖像坐標(biāo)變換為像素坐標(biāo)3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)2.基于V2X通信的車路信息融合處理過程3.2.3數(shù)據(jù)處理層3.2基于V2X通信的多源車路信息融合系統(tǒng)收集到的信息分為●車輛信息數(shù)據(jù)●道路信息數(shù)據(jù)3.2.4信息服務(wù)層3.2基于V2X通信的多源車路信息融合系統(tǒng)●利用圖像處理技術(shù)進(jìn)行交通事件識別●利用激光雷達(dá)、車載V2X通信單元等先進(jìn)的技術(shù)手段進(jìn)行交通參與者的目標(biāo)識別與跟蹤3.2.4信息服務(wù)層3.2基于V2X通信的交通狀態(tài)感知場景基于V2X通信的實(shí)時(shí)交通流量感知模型●統(tǒng)計(jì)車流信息●道路交叉口的車流量3.3.1基于V2X通信的城市單交叉口場景3.3基于V2X通信的交通狀態(tài)感知場景利用V2X通信技術(shù)低延時(shí)性、高可靠性和高安全性的優(yōu)勢，設(shè)計(jì)的基于V2X通信的城市單交叉口感知場景3.3.1基于V2X通信的城市單交叉口場景3.3基于V2X通信的交通狀態(tài)感知場景主要研究目的：實(shí)現(xiàn)OBU、RSU及路側(cè)傳感器數(shù)據(jù)之間的接收與轉(zhuǎn)發(fā)3.3.2城市單交叉口圖模型3.3基于V2X通信的交通狀態(tài)感知場景根據(jù)真實(shí)的測試場景的選擇，對交叉口道路網(wǎng)絡(luò)進(jìn)行建模3.3.2城市單交叉口圖模型3.3基于V2X通信的交通狀態(tài)感知場景基于V2X通信路側(cè)傳感器感知的范圍（帶底紋區(qū)域），表示為加權(quán)有向圖3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型圖嵌入-長短期記憶（GE-SLTM）模型3.4.1基于圖嵌入提取道路空間特征3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型采用圖嵌入DeepWalk算法學(xué)習(xí)節(jié)點(diǎn)之間的相互作用以提取空間特征3.4.1基于圖嵌入提取道路空間特征3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型優(yōu)化問題可以表示為交通流的方向?yàn)閱蜗?，只考慮右側(cè)窗口內(nèi)的節(jié)點(diǎn)，則優(yōu)化問題表示為3.4.1基于圖嵌入提取道路空間特征3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型根據(jù)獨(dú)立假設(shè)對式（3-5）中的條件概率進(jìn)行因式分解利用softmax函數(shù)來近似概率分布，得到概率3.4.2基于神經(jīng)網(wǎng)絡(luò)捕獲時(shí)間特征3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型網(wǎng)絡(luò)單元中，傳遞到下一個網(wǎng)絡(luò)的運(yùn)算過程：其中3.4.2基于神經(jīng)網(wǎng)絡(luò)捕獲時(shí)間特征3.4V2X通信環(huán)境下的交通狀態(tài)預(yù)測模型網(wǎng)絡(luò)預(yù)測輸出：3.5.1基于多源車路信息融合的智能邊緣計(jì)算平臺3.5實(shí)驗(yàn)測試與分析路側(cè)激光雷達(dá)，32線束，最高采樣頻率30Hz路側(cè)高清攝像機(jī)，分辨率1080p，采樣頻率10Hz機(jī)械激光雷達(dá)，采樣頻率設(shè)置為10Hz激光雷達(dá)測程可達(dá)300m，測量精度精確至±2cm，120°水平視場角，測點(diǎn)速率高達(dá)每秒鐘42.6萬次實(shí)驗(yàn)路段：北京市石景山區(qū)阜石路一處典型交叉口3.5.1基于多源車路信息融合的智能邊緣計(jì)算平臺3.5實(shí)驗(yàn)測試與分析3.5.2模型參數(shù)設(shè)置3.5實(shí)驗(yàn)測試與分析兩種常用的預(yù)測評價(jià)指標(biāo)：方均根誤差（RMSE）；平均絕對誤差（MAE）3.5.2模型參數(shù)設(shè)置3.5實(shí)驗(yàn)測試與分析兩種常用的預(yù)測評價(jià)指標(biāo)：方均根誤差（RMSE）；平均絕對誤差（MAE）3.5.2模型參數(shù)設(shè)置3.5實(shí)驗(yàn)測試與分析實(shí)驗(yàn)數(shù)據(jù)集分兩組：第一組為訓(xùn)練數(shù)據(jù)，70%；第二組為測試數(shù)據(jù)，30%。3.5.3測試結(jié)果分析3.5實(shí)驗(yàn)測試與分析3.5.3測試結(jié)果分析3.5實(shí)驗(yàn)測試與分析平均交通流量10min、15min、30min的預(yù)測結(jié)果3.5.3測試結(jié)果分析3.5實(shí)驗(yàn)測試與分析平均速度容量流量10min、15min、30min的預(yù)測結(jié)果3.5.4對比實(shí)驗(yàn)結(jié)果分析3.5實(shí)驗(yàn)測試與分析3.5.4對比實(shí)驗(yàn)結(jié)果分析3.5實(shí)驗(yàn)測試與分析3.5.5實(shí)驗(yàn)結(jié)果總結(jié)3.5實(shí)驗(yàn)測試與分析1）本章基于于V2X實(shí)時(shí)通信，融合智能OBU與路側(cè)交通傳感器的實(shí)時(shí)信息，實(shí)現(xiàn)交叉口場景下對交通環(huán)境和車輛等目標(biāo)的精準(zhǔn)感知。通過分析交通狀態(tài)數(shù)據(jù)的時(shí)空特征，實(shí)現(xiàn)對城市交叉口交通狀態(tài)實(shí)時(shí)感知與預(yù)測。2）本章以實(shí)際場景中實(shí)時(shí)采集的多源融合數(shù)據(jù)作為模型的輸入，并引入其他神經(jīng)網(wǎng)絡(luò)預(yù)測模型作對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本章所提模型的預(yù)測誤差值最小，其誤差值最大可以減少87.4%,，證明了模型預(yù)測的準(zhǔn)確性。3）本章提出方法的優(yōu)勢在于構(gòu)建的交叉口路網(wǎng)圖模型除了考慮到路網(wǎng)節(jié)點(diǎn)中所有車輛的空間依賴關(guān)系；同時(shí)，也考慮到實(shí)際交通流的行駛方向，并通過設(shè)置模型合理的約束條件來有效地從圖中提取節(jié)點(diǎn)特征，以提高預(yù)測的精度。4）在后續(xù)研究中，可通過將本章所研究的單交叉口場景感知擴(kuò)展至城市區(qū)域網(wǎng)內(nèi)實(shí)現(xiàn)對其的交通感知，本技術(shù)應(yīng)用后可為車路協(xié)同環(huán)境下全息路網(wǎng)感知和交通資源組織高效分配提供數(shù)據(jù)支持和實(shí)施方案。第4章基于車路信息融合的交通運(yùn)行狀態(tài)評價(jià)方法4.1車路信息融合技術(shù)分析4.2基于信息融合的交通運(yùn)行狀態(tài)模糊評價(jià)方法研究4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.1車路信息融合技術(shù)分析融合過程：1）像素級融合最低層2）特征級融合中間層3）決策級融合最高層4.2車路信息融合技術(shù)分析4.2.1目前常用的交通評價(jià)方法4.2車路信息融合技術(shù)分析4.2.2多級模糊綜合方法結(jié)構(gòu)設(shè)計(jì)該方法首先根據(jù)模糊數(shù)學(xué)的隸屬度理論把交通狀態(tài)定性評價(jià)轉(zhuǎn)化為具有強(qiáng)對比性的定量評價(jià)，對受到動靜態(tài)交通因素制約的對象得出當(dāng)前交通狀態(tài)的評價(jià)結(jié)果，用于解決交通狀態(tài)評價(jià)中非確定性問題。4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間模糊評價(jià)集合評價(jià)矩陣評價(jià)矩陣降半柯西型的隸屬度函數(shù)4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間取隸屬度函數(shù)分布區(qū)間界限0.25i為兩個相鄰評語的中間隸屬度，對應(yīng)隸屬度關(guān)系如圖：4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間第一級交通評價(jià)空間給定一個模糊向量那么，第一級交通評價(jià)模型為4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間實(shí)時(shí)交通數(shù)據(jù)在一級模型間的流向4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間4.2車路信息融合技術(shù)分析4.2.3一級模糊評價(jià)空間4.2車路信息融合技術(shù)分析4.2.4基于樣本數(shù)據(jù)的層次分析法●對評價(jià)指標(biāo)的權(quán)重進(jìn)行科學(xué)配比●挖掘三個評價(jià)指標(biāo)的相互強(qiáng)弱關(guān)系●權(quán)威指標(biāo)比例：平均通過時(shí)間6平均停車次數(shù)2平均停息時(shí)間34.2車路信息融合技術(shù)分析4.2.4基于樣本數(shù)據(jù)的層次分析法分析法計(jì)算步驟●步驟1根據(jù)表4-6得出判斷矩陣●步驟2對判斷矩陣的列進(jìn)行歸一化處理4.2車路信息融合技術(shù)分析4.2.4基于樣本數(shù)據(jù)的層次分析法分析法計(jì)算步驟●步驟3計(jì)算矩陣各行之和●步驟4對步驟3的和進(jìn)行歸一化處理4.2車路信息融合技術(shù)分析4.2.4基于樣本數(shù)據(jù)的層次分析法分析法計(jì)算步驟●步驟5計(jì)算一致性指標(biāo)●步驟6計(jì)算一致性比例4.2車路信息融合技術(shù)分析4.2.5二級模糊評價(jià)空間新的模糊子集新的模糊關(guān)系給定一個模糊向量第二級模糊向量權(quán)重矩陣4.2車路信息融合技術(shù)分析4.2.5二級模糊評價(jià)空間第二級模糊向量權(quán)重矩陣第二級交通評價(jià)空間評價(jià)指數(shù)的集合最后的道路評價(jià)得分4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.1實(shí)驗(yàn)設(shè)計(jì)●車載OBU●RSU智能終端●LTE-V短程自組網(wǎng)模塊實(shí)現(xiàn)兩者間的V2X自組網(wǎng)4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.2實(shí)驗(yàn)流程●實(shí)驗(yàn)道路：北京市石景山區(qū)蘋果園南路部分路段●實(shí)驗(yàn)道路靜態(tài)參數(shù)：4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.2實(shí)驗(yàn)流程●實(shí)驗(yàn)參數(shù)4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.3實(shí)驗(yàn)結(jié)果與分析●377條有效數(shù)據(jù)●小時(shí)間隔對全部有效數(shù)據(jù)進(jìn)行整理4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.3實(shí)驗(yàn)結(jié)果與分析4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.3實(shí)驗(yàn)結(jié)果與分析4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.3實(shí)驗(yàn)結(jié)果與分析4.3交通狀態(tài)評價(jià)方法實(shí)驗(yàn)驗(yàn)證4.3.3實(shí)驗(yàn)結(jié)果與分析●評價(jià)得分在一定范圍內(nèi)浮動，得分具有較為明顯的周期特征，周一和周五的交通狀態(tài)較差?！衿椒鍟r(shí)段實(shí)驗(yàn)路段，東向西方向比西向東方向運(yùn)行好；高峰時(shí)段則相似。相關(guān)結(jié)論與實(shí)驗(yàn)過程中觀察到的實(shí)際交通狀態(tài)一致，發(fā)揮了分值評價(jià)方法在交通狀態(tài)對比與分析過程中的作用。●當(dāng)評價(jià)得分與歷史同期數(shù)據(jù)有較大差異時(shí)，系統(tǒng)可及時(shí)判斷是否存在交通異常事件。這為城市車路協(xié)同環(huán)境下交通狀態(tài)判斷與事件檢測提供了依據(jù)。第5章智能網(wǎng)聯(lián)汽車實(shí)時(shí)路徑?jīng)Q策方法5.1路徑規(guī)劃算法分析5.2智能網(wǎng)聯(lián)汽車實(shí)時(shí)路徑規(guī)劃系統(tǒng)設(shè)計(jì)5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證第5章智能網(wǎng)聯(lián)汽車實(shí)時(shí)路徑?jīng)Q策方法本章重點(diǎn)：建立基于車路協(xié)同系統(tǒng)的新型區(qū)域路徑實(shí)時(shí)決策方法?！窀鶕?jù)實(shí)時(shí)情況，動態(tài)計(jì)算當(dāng)前路段路阻?！襁x擇行程時(shí)間最少的路線?！襁x取北京市望京地區(qū)的典型區(qū)域路網(wǎng)數(shù)據(jù)進(jìn)行驗(yàn)證。5.1路徑規(guī)劃算法分析研究現(xiàn)狀●先進(jìn)的路徑規(guī)劃系統(tǒng)需依靠海量實(shí)時(shí)交通數(shù)據(jù)實(shí)現(xiàn)?！袼脭?shù)據(jù)主要通過車輛行駛軌跡、手機(jī)信令和檢測器等間接獲取，與真實(shí)場景存在一定的差異，導(dǎo)致計(jì)算精度和實(shí)時(shí)性不足?！裢ǔ２豢紤]車輛在燈控信號影響下轉(zhuǎn)向時(shí)間，與實(shí)際環(huán)境存在路阻差異。5.1路徑規(guī)劃算法分析本章方法優(yōu)點(diǎn)1）考慮所處相位可能遇到的信號燈控事件。2）考慮燈控信號影響下不同轉(zhuǎn)向行程的時(shí)間差異。3）微觀視角下的行程時(shí)間預(yù)測，實(shí)時(shí)性高。5.2智能網(wǎng)聯(lián)汽車實(shí)時(shí)路徑規(guī)劃系統(tǒng)設(shè)計(jì)5.2.1車路協(xié)同場景描述及路徑規(guī)劃系統(tǒng)設(shè)計(jì)目的●遠(yuǎn)程服務(wù)端用于匯總區(qū)域內(nèi)的實(shí)時(shí)路網(wǎng)信息并提供路徑規(guī)劃服務(wù)?！裰悄苘囕d信息終端與路側(cè)終端建立V2X網(wǎng)絡(luò)通信，根據(jù)車輛總線和傳感器信息向路側(cè)終端上報(bào)數(shù)據(jù)，向遠(yuǎn)程服務(wù)發(fā)送路徑規(guī)劃請求?！衤穫?cè)終端根據(jù)同時(shí)段內(nèi)同向的所有上報(bào)數(shù)據(jù)來計(jì)算各車道的行程時(shí)間，上報(bào)遠(yuǎn)程服務(wù)端，并根據(jù)行程時(shí)間和所采集的信號機(jī)控制信息實(shí)時(shí)向車載終端返回所需信息和指令。5.2智能網(wǎng)聯(lián)汽車實(shí)時(shí)路徑規(guī)劃系統(tǒng)設(shè)計(jì)5.2.2智能網(wǎng)聯(lián)汽車路徑規(guī)劃策略分階段的區(qū)域路網(wǎng)最優(yōu)規(guī)劃方法的路網(wǎng)分層分級思路——降低運(yùn)算復(fù)雜度，提高可靠度。規(guī)劃策略步驟：（1）車載終端發(fā)送路徑規(guī)劃請求（2）遠(yuǎn)程服務(wù)端計(jì)算最優(yōu)（3）尋找重合路段（4）規(guī)劃路線發(fā)至車載終端（5）區(qū)域最優(yōu)規(guī)劃（6）以節(jié)點(diǎn)2為起點(diǎn)重新計(jì)算5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.1車路信息交互過程（1）點(diǎn)A表示車輛尚未駛?cè)氡緱l道路（2）點(diǎn)B表示車輛剛剛駛離上游節(jié)點(diǎn)的交叉口區(qū)域（3）點(diǎn)C表示車輛從路段區(qū)域駛?cè)虢徊婵趨^(qū)域（4）點(diǎn)D表示車輛駛離交叉口區(qū)域5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.1車路信息交互過程交叉口路側(cè)終端主要功能（計(jì)算路阻前）：（1）數(shù)據(jù)匯總（2）數(shù)據(jù)分揀（3）數(shù)據(jù)清洗5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.1車路信息交互過程交叉口路側(cè)終端主要功能（計(jì)算路阻前）：（1）數(shù)據(jù)匯總（2）數(shù)據(jù)分揀（3）數(shù)據(jù)清洗5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.2路阻計(jì)算方法●路阻值：預(yù)測任意一輛即將進(jìn)入路段的車輛駛離前方交叉口時(shí)所需的行程時(shí)間?！衩枯v車路阻值均是獨(dú)立的。6輛網(wǎng)聯(lián)汽車駛?cè)肽骋宦范蔚穆纷栌?jì)算三種情形：①有停車（1、2、3號車）②無停車有減速（4號車）③勻速行駛（5、6號車）5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.2路阻計(jì)算方法計(jì)算路阻排隊(duì)消散時(shí)間當(dāng)當(dāng)5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.2路阻計(jì)算方法最大延誤時(shí)間排隊(duì)長度考慮車輛在行駛過程中的勻速和減速過程，有5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.2路阻計(jì)算方法分別計(jì)算對于三種情形下進(jìn)入路段的車輛的具體駛出時(shí)間5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.2路阻計(jì)算方法5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.3路徑選擇策略路網(wǎng)結(jié)構(gòu)以拓?fù)鋱D的形式存儲于遠(yuǎn)程服務(wù)器5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.3路徑選擇策略節(jié)點(diǎn)3記載的信息5.3基于車路協(xié)同的路徑規(guī)劃優(yōu)化方法研究5.3.3路徑選擇策略方案2的平均行駛速度較低，但在當(dāng)前時(shí)刻下排隊(duì)時(shí)間較短，最終實(shí)際時(shí)間將優(yōu)于方案1。該微觀優(yōu)化方法更有優(yōu)勢。5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.1實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)路段：北京市望京地區(qū)的典型路網(wǎng)區(qū)域——OD信息為望京地鐵站B口至利澤西街與望京西路交叉口西方向出口。三個時(shí)段：6:00—8:008:00—10:0010:00—12:005.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.1實(shí)驗(yàn)設(shè)計(jì)二次開發(fā)后的導(dǎo)航系統(tǒng)得到的三次路徑規(guī)劃結(jié)果相同5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.1實(shí)驗(yàn)設(shè)計(jì)5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.1實(shí)驗(yàn)設(shè)計(jì)假定150輛以固定定8s車頭時(shí)距從點(diǎn)O駛?cè)?，以上?jié)路阻計(jì)算方法分別計(jì)算每輛車選擇1、2、3號路線時(shí)到達(dá)點(diǎn)點(diǎn)的預(yù)測行程時(shí)間及預(yù)測排隊(duì)次數(shù)并以此為評價(jià)指標(biāo)。5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析5.4優(yōu)化方法實(shí)驗(yàn)驗(yàn)證5.4.2實(shí)驗(yàn)結(jié)果與分析通過進(jìn)一步計(jì)算，在150組實(shí)驗(yàn)過程中，不同時(shí)段下按本方法計(jì)算所得最優(yōu)路線的用時(shí)平均比常規(guī)導(dǎo)航系統(tǒng)推薦最優(yōu)路線的用時(shí)分別短9.52s、13.93s及20.65s，證明了路徑?jīng)Q策方法的有效性。第6章智能網(wǎng)聯(lián)汽車速度引導(dǎo)方法6.1基于車路協(xié)同的交通控制系統(tǒng)概述6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法6.3基于VISSIM/MATALB的車速引導(dǎo)仿真驗(yàn)證第6章智能網(wǎng)聯(lián)汽車速度引導(dǎo)方法本章重點(diǎn)：提出一種面向城市干線的網(wǎng)聯(lián)汽車車速引導(dǎo)方法，包括干線路段頭車車速引導(dǎo)、干線路段跟隨車車速引導(dǎo)及自適應(yīng)配時(shí)優(yōu)化方法。

本章內(nèi)容：●分析城市干線車路協(xié)同系統(tǒng)中智能網(wǎng)聯(lián)汽車的行駛狀態(tài)；●提出多車車速引導(dǎo)模型，優(yōu)化交叉口的綠信比，提高交叉口整體通行能力。

仿真結(jié)果表明，本章方法可使干線交叉口整體延誤降低14%，干線車流的停車時(shí)間減少56%,，停車次數(shù)減少48%。該方法顯著減少了城市干線車流的停車時(shí)間及次數(shù)，提高了交叉口整體通行效率，為智能網(wǎng)聯(lián)汽車技術(shù)實(shí)際應(yīng)用提供了理論依據(jù)。6.1基于車路協(xié)同的交通控制系統(tǒng)概述研究現(xiàn)狀：以車速引導(dǎo)為基礎(chǔ)，來解決單點(diǎn)信號交叉口通行能力問題。

存在問題：面向城市干線多交叉口環(huán)境，如何充分發(fā)揮智能網(wǎng)聯(lián)汽車群體智能優(yōu)勢，提高道路通行能力。

本章研究主要面向城市干線交通系統(tǒng)，利用車路協(xié)同及智能網(wǎng)聯(lián)汽車技術(shù)來實(shí)現(xiàn)對多車車速引導(dǎo)，實(shí)現(xiàn)車流動態(tài)優(yōu)化；同時(shí)，根據(jù)車輛隊(duì)列長度及車輛運(yùn)行狀態(tài)，來優(yōu)化干線交叉口的信號配時(shí)方案，從而提高干線交叉口的通行能力。6.1基于車路協(xié)同的交通控制系統(tǒng)概述本章方法是基于車路協(xié)同的交通信號控制系統(tǒng)實(shí)現(xiàn)的。該控制系統(tǒng)主要包括，智能路側(cè)單元、交通信號控制單元、車路通信單元，以及車路信息融合處理中心。6.1基于車路協(xié)同的交通控制系統(tǒng)概述●智能網(wǎng)聯(lián)汽車，在行駛過程中通過車路通信網(wǎng)絡(luò)實(shí)時(shí)上傳速度、加速度、車距、高精度定位信息?！裰悄苈穫?cè)單元，實(shí)時(shí)采集并上傳當(dāng)前交通信號配時(shí)信息、交通流量等信息?！褴嚶沸畔⑷诤咸幚碇行?，將車輛及路側(cè)實(shí)時(shí)數(shù)據(jù)融合處理，計(jì)算出當(dāng)前路段車輛最優(yōu)行駛車速、車隊(duì)規(guī)模和配時(shí)優(yōu)化信息，并下發(fā)至智能路側(cè)單元進(jìn)行信息共享。6.1基于車路協(xié)同的交通控制系統(tǒng)概述城市干線路段劃分為緩沖區(qū)和引導(dǎo)區(qū)：●緩沖區(qū)，車輛完成車路組網(wǎng)，并根據(jù)OD信息決定直行或換道?！褚龑?dǎo)區(qū)，車輛根據(jù)當(dāng)前交叉口交通信號配時(shí)信息及車輛狀態(tài)計(jì)算最優(yōu)行駛車速。6.1基于車路協(xié)同的交通控制系統(tǒng)概述緩沖區(qū)長度和引導(dǎo)區(qū)長度

6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法確定當(dāng)前信號周期最后一輛車進(jìn)入引導(dǎo)區(qū)后，以該區(qū)域所有車輛停車時(shí)間最小為目標(biāo)，確定車速引導(dǎo)方法。6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法因車輛初始狀態(tài)不同，車速引導(dǎo)方法有兩種模式：●不停車通過交叉口——模式1●停車時(shí)間最短——模式26.2.1車路協(xié)同環(huán)境下的單車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法1.模式1（1）無引導(dǎo)階段（區(qū)域A）（2）車速調(diào)整階段1（區(qū)域B）（3）勻速行駛階段（區(qū)域C）（4）車速調(diào)整階段段（區(qū)域D）（5）最優(yōu)車速模型階（模式1）約束條件計(jì)算（略）6.2.1車路協(xié)同環(huán)境下的單車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法2.模式2（1）無引導(dǎo)階段（區(qū)域A）（2）車速調(diào)整階段1（區(qū)域B）（3）勻速行駛階段（區(qū)域C）（4）車速調(diào)整階段段（區(qū)域D）（5）最優(yōu)車速模型（模式2）約束條件計(jì)算（略）6.2.1車路協(xié)同環(huán)境下的單車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法目標(biāo)函數(shù)：多車車速引導(dǎo)的目的在于占用較少的道路交通資源，實(shí)現(xiàn)交叉口通行能力最大，所以單個車輛需要在最短的時(shí)間內(nèi)加入隊(duì)列。6.2.2車路協(xié)同環(huán)境下多車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法約束條件：1）車距條件2）一致性條件3）車速約束條件6.2.2車路協(xié)同環(huán)境下多車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法多車車速引導(dǎo)模型

約束條件6.2.2車路協(xié)同環(huán)境下多車車速引導(dǎo)模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法干線車流有三部分

6.2.3面向智能網(wǎng)聯(lián)汽車的干線信號優(yōu)化模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法東西直行相位和南北左轉(zhuǎn)相位應(yīng)當(dāng)以相鄰的次序放行

6.2.3面向智能網(wǎng)聯(lián)汽車的干線信號優(yōu)化模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法交叉口j

－1出發(fā)末尾被引導(dǎo)車輛的編號和位置信息

6.2.3面向智能網(wǎng)聯(lián)汽車的干線信號優(yōu)化模型6.2車路協(xié)同環(huán)境下車速引導(dǎo)方法通過交叉口j

所需要的綠燈時(shí)長交叉口j＋1出發(fā)的車輛全部通過交叉口所需時(shí)間干線相位綠燈時(shí)間非干線相位的綠燈時(shí)間6.2.3面向智能網(wǎng)聯(lián)汽車的干線信號優(yōu)化模型6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證實(shí)驗(yàn)場景：北京市昌平區(qū)以南環(huán)路—南環(huán)東路為干線的五個相鄰交叉口6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證VISSIM進(jìn)行二次開發(fā)。仿真實(shí)驗(yàn)于第600s開始，第4200s結(jié)束，仿真時(shí)長3600s。6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證在自由行駛模式下，部分智能網(wǎng)聯(lián)汽車可能會因?yàn)樗俣炔灰恢掳l(fā)生排隊(duì)現(xiàn)象（見圖6-12），同時(shí)在停止線停車，造成交叉口通行效率降低。車流進(jìn)行車速引導(dǎo)后，智能網(wǎng)聯(lián)汽車的車速、車距可保持一致通過停止線（見圖6-13），大幅度提升交叉口通行效率。6.3.1交通仿真驗(yàn)證場景6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證實(shí)驗(yàn)路段為交叉口2和交叉口3之間西向東的直行路段6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析6.3基于VISSIM/MATLAB的車速引導(dǎo)仿真驗(yàn)證6.3.2仿真數(shù)據(jù)分析通過車路協(xié)同系統(tǒng)對智能網(wǎng)聯(lián)汽車進(jìn)行車速引導(dǎo)：●車輛啟動及啟動波所導(dǎo)致的延誤大幅減少●優(yōu)化后的延誤時(shí)間、停車時(shí)間及停車次數(shù)與優(yōu)化前相比均得到有效改善，尤其是停車時(shí)間和停車次數(shù)的優(yōu)化更為明顯?？偨Y(jié)：車速引導(dǎo)和信號優(yōu)化相結(jié)合，可有效減少干線車流的停車次數(shù)，減少交叉口延誤時(shí)間，提高道路通行能力。第7章面向城市道路的智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化方法7.1時(shí)空軌跡優(yōu)化算法現(xiàn)狀分析7.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化的典型城市多車道場景7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.4基于先進(jìn)先出算法的協(xié)同換道方法7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法7.6基于MySQL數(shù)據(jù)庫的時(shí)空軌跡匹配方法7.7基于雙尾配對T檢驗(yàn)算法的系統(tǒng)分析方法7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證第7章面向城市道路的智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化方法本章主要內(nèi)容：智能網(wǎng)聯(lián)汽車多車道時(shí)空軌跡優(yōu)化方法?！窠⒁环N基于車輛信息耦合的智能網(wǎng)聯(lián)汽車狀態(tài)向量計(jì)算方法；●基于龐特里亞金極大值原理和強(qiáng)化學(xué)習(xí)，對軌跡問題的求解方法進(jìn)行優(yōu)化；

●通過仿真軟件對典型單向四車道交叉口進(jìn)行仿真實(shí)驗(yàn)，并采集24小時(shí)的數(shù)據(jù)進(jìn)行分析。

結(jié)果：相比先進(jìn)的滑翔式應(yīng)用（GPPA）方法，智能網(wǎng)聯(lián)汽車多車道時(shí)空軌跡優(yōu)化方法使車輛燃油效率提高32%，污染物排放減少17%。7.1時(shí)空軌跡優(yōu)化算法現(xiàn)狀分析研究主要集中于，軌跡優(yōu)化的數(shù)學(xué)模型和經(jīng)驗(yàn)實(shí)驗(yàn)。1.基于信號交叉口的時(shí)空軌跡

2.車輛換道時(shí)空軌跡優(yōu)化

本章方法優(yōu)點(diǎn)：●基于V2X通信技術(shù)的多車道路段場景，設(shè)計(jì)智能網(wǎng)聯(lián)汽車多車道時(shí)空軌跡優(yōu)化方法，結(jié)合車輛當(dāng)前的狀態(tài)信息、車輛附近的環(huán)境信息及路段下游的信號配時(shí)信息等，生成基于V2X通信的智能網(wǎng)聯(lián)汽車時(shí)空軌跡，并通過強(qiáng)化學(xué)習(xí)進(jìn)行優(yōu)化；●基于V2X通信的在線車輛協(xié)同時(shí)空軌跡優(yōu)化方法，以減少智能網(wǎng)聯(lián)汽車換道過程對時(shí)空軌跡的影響。7.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化的典型城市多車道場景7.2.1基于V2X通信的多車道路段場景●路段上游為該路段的場景入口，以駛?cè)朐撀范蔚能囕v及其車輛狀態(tài)信息作為系統(tǒng)輸入；●路段下游為該路段的場景出口，以駛?cè)胄盘柦徊婵诘能囕v及其車輛狀態(tài)信息作為系統(tǒng)輸出；●采用LTE-V2X通信方式建立模塊化的多車道路段區(qū)域。7.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化的典型城市多車道場景7.2.1基于V2X通信的多車道路段場景●三個連續(xù)的單信號交叉口●目標(biāo)車輛（紅色車）由場景入口駛?cè)搿窕诒菊碌能壽E優(yōu)化算法完成多次變道●最終通過三個連續(xù)的交叉口駛出場景7.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化的典型城市多車道場景7.2.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化系統(tǒng)架構(gòu)基于V2X通信的多車道時(shí)空軌跡優(yōu)化方法主要包括兩部分：●離線軌跡生成●在線軌跡優(yōu)化7.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化的典型城市多車道場景7.2.2智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化系統(tǒng)架構(gòu)7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.1智能網(wǎng)聯(lián)汽車的狀態(tài)向量智能網(wǎng)聯(lián)汽車狀態(tài)向量當(dāng)前車輛方向加速度車輛目標(biāo)車道信號配時(shí)信息相鄰車道m(xù)+1和m－1交通流信息7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.1智能網(wǎng)聯(lián)汽車的狀態(tài)向量平均交通流速度平均交通流密度7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.2系統(tǒng)成本函數(shù)的定義成本函數(shù)固定成本包括行駛距離為路段長度，駛出路段下游出口為期望速度和路段行駛時(shí)間與期望目標(biāo)時(shí)刻相符合等固定項(xiàng)的成本7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.2系統(tǒng)成本函數(shù)的定義可變成本包括車輛行駛過程中縱向的加減速和橫向的加減速等變化的成本智能網(wǎng)聯(lián)汽車縱向加速度的赫維賽德函數(shù)7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.2系統(tǒng)成本函數(shù)的定義無限制自由駛出路段的時(shí)間駛出路段的目標(biāo)時(shí)刻7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.2系統(tǒng)成本函數(shù)的定義駛出路段的候選時(shí)刻保證車輛通行的最大效率，定義車輛駛出的期望速度為駛出下游出口處限速7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.2系統(tǒng)成本函數(shù)的定義成本函數(shù)7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.3智能網(wǎng)聯(lián)汽車行駛約束條件影響車輛行駛狀態(tài)的7類約束條件：●初始車輛狀態(tài)●車間距●車輛速度●車輛加速度●車輛加加速度●信號配時(shí)●無線通信7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.3智能網(wǎng)聯(lián)汽車行駛約束條件（1）初始車輛狀態(tài)（2）車間距保證一定量的空間位移和時(shí)間位移的安全約束7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.3智能網(wǎng)聯(lián)汽車行駛約束條件（3）車輛速度最大速度為路段內(nèi)限速，最小速度為0車輛偏轉(zhuǎn)角約束車輛的橫向約束7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.3智能網(wǎng)聯(lián)汽車行駛約束條件（4）車輛加速度加速度約束（5）車輛加加速度加加速度約束7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.3智能網(wǎng)聯(lián)汽車行駛約束條件（6）信號配時(shí)在紅燈亮起禁止通行時(shí)越過停止線并繼續(xù)行駛（7）無線通信無線通信相關(guān)參數(shù)約束7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.4基于最大值原理的求解方法漢密爾頓函數(shù)成本函數(shù)的最小值優(yōu)化輸入必須滿足其漢密爾頓函數(shù)在最小值狀態(tài)

必要條件7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.4基于最大值原理的求解方法時(shí)空軌跡優(yōu)化問題的漢密爾頓函數(shù)代入后必要條件7.3面向智能網(wǎng)聯(lián)汽車的多車道時(shí)空軌跡生成方法7.3.4基于最大值原理的求解方法過程狀態(tài)向量7.4基于先進(jìn)先出算法的協(xié)同換道方法協(xié)同換道過程7.4基于先進(jìn)先出算法的協(xié)同換道方法7.4基于先進(jìn)先出算法的協(xié)同換道方法7.4基于先進(jìn)先出算法的協(xié)同換道方法7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法基于強(qiáng)化學(xué)習(xí)算法的時(shí)空軌跡優(yōu)化算法快速匹配最優(yōu)軌跡：●時(shí)空軌跡的優(yōu)化

輸入-車輛當(dāng)前位置、速度及目標(biāo)駛出車道、時(shí)段

輸出-車輛加速度的集合●多車道協(xié)同換道的優(yōu)化

輸入-車輛當(dāng)前位置、速度及目標(biāo)車道威脅車位置、速度

輸出-車輛加速度的集合7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法當(dāng)前狀態(tài)各狀態(tài)之間轉(zhuǎn)移的概率矩陣狀態(tài)值函數(shù)動作值函數(shù)7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法最優(yōu)狀態(tài)值函數(shù)最優(yōu)動作值函數(shù)最優(yōu)策略可用Q-learning算法計(jì)算7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法7.5基于強(qiáng)化學(xué)習(xí)的優(yōu)化方法利用后繼狀態(tài)估計(jì)當(dāng)前值函數(shù)對最優(yōu)動作函數(shù)進(jìn)行更新7.6基于MySQL數(shù)據(jù)庫的時(shí)空軌跡匹配方法匹配方法：●將歷史數(shù)據(jù)離散化處理后存入MySQL數(shù)據(jù)庫●確定輸入車輛駛?cè)肼范纬跏紶顟B(tài)及使出路段狀態(tài)●將最優(yōu)軌跡輸出到車輛應(yīng)用7.6基于MySQL數(shù)據(jù)庫的時(shí)空軌跡匹配方法（1）離散化歷史數(shù)據(jù)從兩個維度離散●最優(yōu)時(shí)空軌跡時(shí)間●最優(yōu)時(shí)空軌跡距離7.6基于MySQL數(shù)據(jù)庫的時(shí)空軌跡匹配方法（2）輸入車輛狀態(tài)車輛駛?cè)肼范蔚臓顟B(tài)7.6基于MySQL數(shù)據(jù)庫的時(shí)空軌跡匹配方法（3）輸出離線最優(yōu)時(shí)空軌跡MySQl數(shù)據(jù)庫的數(shù)據(jù)集7.7基于雙尾配對T檢驗(yàn)算法的系統(tǒng)分析方法交叉口平均吞吐量收益車輛燃油消耗收益車輛二氧化碳排放量收益7.7基于雙尾配對T檢驗(yàn)算法的系統(tǒng)分析方法不同場景下皮爾遜相關(guān)系數(shù)皮爾遜相關(guān)性檢驗(yàn)的兩項(xiàng)變量7.7基于雙尾配對T檢驗(yàn)算法的系統(tǒng)分析方法7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證●模擬是時(shí)間離散和空間連續(xù)的，并且在內(nèi)部描述每個車輛的位置?！褴囕v的模型是無碰撞的，所以模擬中不允許模型不完整造成的變異出現(xiàn)?！癫煌煌ㄐ枨蟮能囕v通過Dijkstra算法分配適當(dāng)路線。7.8.1基于SUMO軟件的測試平臺7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證●通過SUMO軟件中的NETEDITOR搭載出多車道路段實(shí)驗(yàn)場景?！駥?shí)驗(yàn)路段為，交叉口西側(cè)、西向東方向進(jìn)入交叉口的4車道路段。7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證●基準(zhǔn)場景、GPPA場景及MSTTOM場景?！耧柡投葹?.6、0.8及1.0的三種車流量情況。7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證1）基準(zhǔn)場景。傳統(tǒng)人為駕駛的車輛模型，無受控車輛、無網(wǎng)聯(lián)通信。2）GPPA測試場景。交通流的全部車輛為網(wǎng)聯(lián)智能車輛，都受GPPA的優(yōu)化系統(tǒng)控制。3）MSTTOM場景。所有車輛皆為智能網(wǎng)聯(lián)汽車，所有車輛都將應(yīng)用本章提出的時(shí)空軌跡生成算法及車輛協(xié)同換道算法。7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證三種場景均采用KRAUSS跟車模型模擬跟車情況7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證SUMO軟件中仿真場景簡化：1）車輛均為相同的型號、尺寸及運(yùn)動學(xué)特征。2）無特殊天氣影響且道路附著系數(shù)保持恒等。3）均為平直道路，且無匝道、非機(jī)動車道或停車位等情況導(dǎo)致了車輛駛?cè)牖蝰偝觥?）路段水平且無傾角變化，即車輛不會處在上坡或下坡的情況。5）車輛的到達(dá)概率具有隨機(jī)性且符合泊松分布。7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證●西向東方向紅色車輛為主視角；●該紅色車輛車從最外側(cè)車道企圖在該相位綠燈時(shí)間內(nèi)直行通過交叉口；●該紅色車輛與內(nèi)側(cè)車道的車輛完成多車道協(xié)同換道。7.8.2基于SUMO軟件的測試方案7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證測試道路路段車道上的車輛時(shí)空軌跡：●虛線為車輛在外側(cè)車道上運(yùn)行的時(shí)空軌跡；●實(shí)線為車輛在內(nèi)側(cè)車道上運(yùn)行的時(shí)空軌跡。7.8.3測試結(jié)果分析7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證●點(diǎn)畫線為基準(zhǔn)場景中的測試統(tǒng)計(jì)結(jié)果；●虛線為GPPA場景中的測試統(tǒng)計(jì)結(jié)果；●實(shí)線為MSTTOM場景中內(nèi)側(cè)車道的測試統(tǒng)計(jì)結(jié)果。多車道系統(tǒng)優(yōu)化的車輛損失時(shí)間顯著低于基準(zhǔn)場景中的車輛損失時(shí)間，且更快地達(dá)到飽和車頭時(shí)距，增大了信號交叉口的有效綠燈時(shí)間。7.8.3測試結(jié)果分析7.8基于SUMO軟件二次

開發(fā)的模型仿真驗(yàn)證多車道優(yōu)化系統(tǒng)能有效改善車輛燃油效率，降低車輛燃油消耗。MSTTOM場景與GPPA橫向?qū)Ρ?，在改善交通機(jī)動性、提升車輛燃油效率和降低污染物排放量方面有優(yōu)勢。7.8.3測試結(jié)果分析7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證系統(tǒng)計(jì)算時(shí)間，與優(yōu)化時(shí)間跨度的長短呈正比，與迭代時(shí)間步長呈反比。0.93s的最大計(jì)算時(shí)間出現(xiàn)在優(yōu)化時(shí)間跨度為50s、迭代時(shí)間步長為0.2s。所有智能網(wǎng)聯(lián)汽車的優(yōu)化時(shí)間跨度均小于50s，迭代時(shí)間步長均大于0.2s，因此系統(tǒng)計(jì)算時(shí)間小于1s，即系統(tǒng)時(shí)間有效性能滿足實(shí)時(shí)優(yōu)化的需求。7.8.3測試結(jié)果分析7.8基于SUMO軟件二次開發(fā)的模型仿真驗(yàn)證1）實(shí)現(xiàn)了隨機(jī)車流狀態(tài)下多車道協(xié)同換道。2）相比于基準(zhǔn)場景，改善了路段范圍內(nèi)車輛的機(jī)動性，提高了車輛燃油效率，降低了污染物的排放量。3）橫向?qū)Ρ容^為先進(jìn)的的GPPA場景，在車輛燃油消耗方面收益提高32%，具有一定的先進(jìn)性。4）能平滑消除由于交叉口信號控制引發(fā)的交通波動，使路段內(nèi)交通流通行更為合理。5）對于交通隨機(jī)性具有良好的魯棒性，對于隨機(jī)車流的情況可以保持平穩(wěn)的效果。6）計(jì)算時(shí)間均低于1s，分布主要集中于0.3～0.7s，滿足實(shí)時(shí)優(yōu)化的需求。7.8.4實(shí)驗(yàn)結(jié)果總結(jié)第8章面向城市路網(wǎng)的智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化方法8.1最優(yōu)路徑相關(guān)算法的研究現(xiàn)狀8.2基于V2X通信的城市路網(wǎng)場景8.3城市路網(wǎng)環(huán)境下的系統(tǒng)架構(gòu)改進(jìn)8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成8.5路網(wǎng)承載力分析模型8.6面向城市路網(wǎng)的路徑?jīng)Q策模型8.7仿真實(shí)驗(yàn)第8章

面向城市路網(wǎng)的智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化方法本章重點(diǎn)：

針對實(shí)際交通路網(wǎng)具有隨機(jī)性、時(shí)變性的特點(diǎn)，以第7章所述信號交叉口場景下的多車道時(shí)空軌跡優(yōu)化系統(tǒng)為基礎(chǔ)，實(shí)現(xiàn)城市道路環(huán)境內(nèi)多節(jié)點(diǎn)的時(shí)空軌跡路徑?jīng)Q策與優(yōu)化。

主要內(nèi)容：●搭建城市路網(wǎng)場景，并完成系統(tǒng)架構(gòu)改進(jìn)；●生成考慮信號交叉口的子節(jié)點(diǎn)拓?fù)鋱D，并計(jì)算路網(wǎng)承載力；

●針對時(shí)空軌跡優(yōu)化方法，設(shè)計(jì)路網(wǎng)環(huán)境下的路徑規(guī)劃算法和求解方法，實(shí)現(xiàn)路網(wǎng)環(huán)境下多車道時(shí)空軌跡優(yōu)化方法，提高城市路網(wǎng)交叉口通行效率并改善環(huán)保性能。8.1最優(yōu)路徑相關(guān)算法的研究現(xiàn)狀在最優(yōu)路徑規(guī)劃問題中，Dijkstra算法作為路徑規(guī)劃方法的基礎(chǔ)，可以通過搜索大量節(jié)點(diǎn)來精確計(jì)算路徑，但高復(fù)雜性和高難度阻礙了該算法的推廣應(yīng)用。研究人員提出了眾多解決方法。8.2基于V2X通信的城市路網(wǎng)場景場景：●3×3的“九宮格”城市路網(wǎng)；●以3條橫向主干道路和3條縱向主干道路及相交而成的9個十字信號交叉口；●紅色目標(biāo)車輛由場景入口駛?cè)搿?.2基于V2X通信的城市路網(wǎng)場景8.3城市路網(wǎng)環(huán)境下的系統(tǒng)架構(gòu)改進(jìn)●對實(shí)際路網(wǎng)進(jìn)行了拓?fù)浠幚?，針對?shí)際交叉口車流流向特點(diǎn)，設(shè)計(jì)了基于有項(xiàng)加權(quán)圖算法的多子節(jié)點(diǎn)拓?fù)鋱D生成方法；●考慮了各信號交叉口、各路段飽和狀態(tài)下將影響路徑?jīng)Q策，設(shè)計(jì)了基于優(yōu)劣解距法和重力模型法完成路網(wǎng)承載力的分析模型；●基于D*算法實(shí)現(xiàn)了城市路網(wǎng)路徑?jīng)Q策，進(jìn)而形成連續(xù)的多信號交叉口路徑可通過多車道時(shí)空軌跡優(yōu)化方法提升實(shí)際路網(wǎng)交通效率。8.3城市路網(wǎng)環(huán)境下

的系統(tǒng)架構(gòu)改進(jìn)8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成路網(wǎng)模型8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成邊上的數(shù)值表示，通過極限學(xué)習(xí)機(jī)（ELM）方法估算當(dāng)前節(jié)點(diǎn)對其子節(jié)點(diǎn)的時(shí)間成本。8.4基于有向加權(quán)圖方法的多子節(jié)點(diǎn)拓?fù)鋱D生成基于拓?fù)涔?jié)點(diǎn)圖，累計(jì)各子節(jié)點(diǎn)間的時(shí)間成本，即可得到最優(yōu)的路徑集合。通過路徑搜尋算法實(shí)現(xiàn)最優(yōu)路徑。8.5路網(wǎng)承載力分析模型●基于優(yōu)劣解距離法，設(shè)計(jì)路網(wǎng)節(jié)點(diǎn)承載力分析方法；●基于重力模型法的路段承載力評價(jià)，共同構(gòu)建路網(wǎng)承載力分析模型。8.5路網(wǎng)承載力分析模型基于優(yōu)劣解距離法（TOPSIS）的路網(wǎng)節(jié)點(diǎn)承載力分析方法：根據(jù)各路網(wǎng)子節(jié)點(diǎn)實(shí)際交通情況和需求設(shè)定評價(jià)維度及評價(jià)指標(biāo)屬性，結(jié)合各子節(jié)點(diǎn)交通通行數(shù)據(jù)，實(shí)現(xiàn)子節(jié)點(diǎn)交通承載力分析。8.5.1基于優(yōu)劣解距離法的節(jié)點(diǎn)承載力分析節(jié)點(diǎn)n在第t個維度的評價(jià)權(quán)重值趨勢一致化指標(biāo)數(shù)值無量綱化后指標(biāo)數(shù)值8.5路網(wǎng)承載力分析模型8.5.1基于優(yōu)劣解距離法的節(jié)點(diǎn)承載力分析采用層次分析法構(gòu)造判斷特征矩陣8.5路網(wǎng)承載力分析模型8.5.1基于優(yōu)劣解距離法的節(jié)點(diǎn)承載力分析得加權(quán)后的指標(biāo)數(shù)值當(dāng)前子節(jié)點(diǎn)樣本最優(yōu)歐幾里得距離

最劣歐幾里得距離當(dāng)前子節(jié)點(diǎn)樣本與最優(yōu)子節(jié)點(diǎn)樣本間可連通性距離的表征節(jié)點(diǎn)承載力8.5路網(wǎng)承載力分析模型8.5.1基于優(yōu)劣解距離法的節(jié)點(diǎn)承載力分析8.5路網(wǎng)承載力分析模型節(jié)點(diǎn)承載力吸引量初始路段承載力優(yōu)化承載力模型8.5.2基于重力模型法的路段承載力評價(jià)8.6面向城市路網(wǎng)的路徑?jīng)Q策模型具體的決策過程：●基于D*算法的路徑搜索算法完成路網(wǎng)路徑?jīng)Q策數(shù)學(xué)模型構(gòu)建；

●基于遺傳算法的求解方法，實(shí)現(xiàn)高緯度問題的快速求解過程；●形成連續(xù)的多信號交叉口路徑并通過多車道時(shí)空軌跡優(yōu)化方法提升實(shí)際路網(wǎng)交通效率。8.6面向城市路網(wǎng)的路徑?jīng)Q策模型D*算法是一種基于A*算法的啟發(fā)式算法：●增加成本評估函數(shù)對下一節(jié)點(diǎn)或子節(jié)點(diǎn)開展成本評估；●從后繼節(jié)點(diǎn)篩選評價(jià)指標(biāo)最優(yōu)的子節(jié)點(diǎn)擴(kuò)展至路徑集合。優(yōu)點(diǎn)：●相比Dijkstra算法，不失準(zhǔn)確度又減少時(shí)間的浪費(fèi)（BSF算法啟發(fā)函數(shù)優(yōu)化）。

●相比BSF算法，有障礙物干擾的情況下更準(zhǔn)確地選擇最優(yōu)路徑。8.6.1基于D*算法的城市路徑規(guī)劃8.6面向城市路網(wǎng)的路徑?jīng)Q策模型節(jié)點(diǎn)n的估價(jià)函數(shù)相容性條件啟發(fā)函數(shù)啟發(fā)函數(shù)滿足相容性條件8.6.1基于D*算法的城市路徑規(guī)劃8.6面向城市路網(wǎng)的路徑?jīng)Q策模型D*算法5步驟：1）預(yù)處理

2）初始化3）更新目標(biāo)節(jié)點(diǎn)4）節(jié)點(diǎn)選擇5）判斷終止條件8.6.1基于D*算法的城市路徑規(guī)劃8.6面向城市路網(wǎng)的路徑?jīng)Q策模型路網(wǎng)環(huán)境內(nèi)全局多車多點(diǎn)的路徑?jīng)Q策方案，主要采用爬山算法和遺傳算法相結(jié)合的方式，對路徑?jīng)Q策方案進(jìn)行快速求解。本章算法結(jié)合爬山算法和遺傳算法在局部和全局的優(yōu)勢，對路網(wǎng)內(nèi)多車多點(diǎn)的路徑?jīng)Q策方案進(jìn)行優(yōu)化。對路網(wǎng)內(nèi)多車多點(diǎn)的路徑?jīng)Q策方案建立數(shù)學(xué)模型。

【模型描述】從某起點(diǎn)由智能網(wǎng)聯(lián)汽車經(jīng)過多次路徑?jīng)Q策，最大路網(wǎng)負(fù)載由上節(jié)路網(wǎng)承載力分析計(jì)算，要求合理安排智能網(wǎng)聯(lián)汽車路線，優(yōu)化目標(biāo)函數(shù)。8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型路徑?jīng)Q策數(shù)學(xué)模型8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型過程：1）編碼方式的確定直接生成1至L

個互不重復(fù)的自然數(shù)排列。2）初始群體的確定隨機(jī)算法、最近鄰算法、Solomon插入法及Impact算法分別產(chǎn)生1/4的可行解，將四個部分的解放在一起混合為初始群體。8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型3）適應(yīng)度評估的確定適應(yīng)度4）選擇操作選擇概率累計(jì)選擇概率8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型5）交叉操作兩點(diǎn)交叉運(yùn)算8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型6）變異操作通過隨機(jī)方法產(chǎn)生交換次數(shù)J，連續(xù)J次對隨機(jī)位置的需要變異的個體基因進(jìn)行對換8.6.2基于混合遺傳算法的求解方法8.6面向城市路網(wǎng)的路徑?jīng)Q策模型7）爬山操作●應(yīng)用基因連鎖互換算子完成爬山操作；●若適應(yīng)值在爬山操作后增加則將換位后的個體取代原個體；●重復(fù)這個步驟直到達(dá)到交換次數(shù)。8）終止條件的判定循環(huán)過程達(dá)到設(shè)置的最大迭代次數(shù)

，或者個體適應(yīng)度已經(jīng)在最大迭代次數(shù)迭代沒有改善，將止循環(huán)并輸出最佳路徑。8.6.2基于混合遺傳算法的求解方法8.7仿真實(shí)驗(yàn)SUMO軟件仿真驗(yàn)證●選取實(shí)際城市路網(wǎng)場景，搭建了仿真實(shí)驗(yàn)環(huán)境；●設(shè)置算法各項(xiàng)參數(shù)，配置軟件實(shí)驗(yàn)環(huán)境參數(shù)；●驗(yàn)證本章算法?！掘?yàn)證分析】本章的面向城市道路的智能網(wǎng)聯(lián)汽車時(shí)空軌跡優(yōu)化方法，在通行高效性、環(huán)保經(jīng)濟(jì)性上具有一定的實(shí)用性和先進(jìn)性，可有效提高城市路網(wǎng)交叉口通行效率并改善環(huán)保性能。。8.7仿真實(shí)驗(yàn)仿真實(shí)驗(yàn)環(huán)境——北京市昌平區(qū)部分區(qū)域城市道路●東西向——由北至南分別是龍錦二街、龍錦三街、回龍觀東大街；●南北向——由西至東分別是文華西路、文華路、文華東路；【特點(diǎn)】6條路網(wǎng)內(nèi)貫穿性的城市道路組成上面算法涉及的3×3城市道路路網(wǎng)，9個城市信號交叉口。8.7.1場景選擇與搭建8.7仿真實(shí)驗(yàn)8.7.1場景選擇與搭建8.7仿真實(shí)驗(yàn)通過Neteditor軟件對SUMO軟件中仿真場景設(shè)置進(jìn)行簡化，簡化條件如下：①仿真環(huán)境內(nèi)車輛均為相同的型號、尺寸及運(yùn)動學(xué)特征。②對于設(shè)有中央隔離帶的回龍觀東大街，簡化中央隔離帶并合并兩條單向車道為一條雙向車道。③仿真環(huán)境內(nèi)無特殊天氣影響且道路附著系數(shù)保持恒等。④仿真環(huán)境內(nèi)道路優(yōu)化為平直道路，且路段道路保持水平，無傾角變化，即車輛不會處在上坡或下坡的情況。8.7.1場景選擇與搭建8.7仿真實(shí)驗(yàn)⑤仿真環(huán)境內(nèi)取消子路段、匝道、非機(jī)動車道或停車位等情況，使路網(wǎng)內(nèi)車輛無法額外的駛?cè)牖蝰偝觥＂薹抡姝h(huán)境內(nèi)車輛的到達(dá)概率具有隨機(jī)性且符合泊松分布。⑦仿真環(huán)境內(nèi)車輛無超速等違法行為。⑧仿真環(huán)境內(nèi)車輛安全具有最高優(yōu)先級，網(wǎng)聯(lián)汽車可根據(jù)實(shí)際仿真環(huán)境判斷最優(yōu)時(shí)空軌跡是否滿足安全，并允許車輛在軌跡優(yōu)化方法和自適應(yīng)巡航控制鍵切換。8.7.1場景選擇與搭建8.7仿真實(shí)驗(yàn)8.7.2參數(shù)設(shè)置8.7仿真實(shí)驗(yàn)8.7.2參數(shù)設(shè)置8.7仿真實(shí)驗(yàn)8.7.2參數(shù)設(shè)置8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)1.通行高效性分析8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析2.通行高效性分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.3仿真實(shí)驗(yàn)結(jié)果分析8.7仿真實(shí)驗(yàn)8.7.4實(shí)驗(yàn)總結(jié)【總結(jié)】1）考慮車道通行能力差異，提出針對道路環(huán)境的信號交叉口子節(jié)點(diǎn)拓?fù)淠Ｐ徒⒎椒?，將?shí)際道路交通特性數(shù)字化構(gòu)建數(shù)學(xué)模型。2