原文传递
智能网联混行环境下交叉口信号配时与车辆自动驾驶行为协同优化
| 论文题名： | 智能网联混行环境下交叉口信号配时与车辆自动驾驶行为协同优化 |
| 关键词： | 城市交叉口;信号配时;车辆自动驾驶行为;协同优化算法;智能网联混行 |
| 摘要： | 随着智能网联技术和自动驾驶技术的快速发展，智能网联自动驾驶车辆(Connected and Automated Vehicle,CAV)的出现开启了智能网联环境下微观交通管控这一前沿研究领域。城市交叉口是交通管理的重点和难点，合理的信号配时设计以及车辆自动驾驶行为控制，对于提高交叉口通行效率、减少能源消耗等方面具有重大意义。然而，CAV与人工驾驶车辆(Human-Driven Vehicle,HDV)将长期共存，研究CAV与HDV混行条件下的交叉口信号配时与车辆自动驾驶行为协同优化是必要的。 针对智能网联混行环境下交叉口信号配时与车辆自动驾驶行为协同优化，本文主要研究的内容包括: (1)车辆轨迹构建模型。本文提出了智能网联混行环境下的射击启发式算法(Mixed-traffic Shooting Heuristic,MSH)用于构建车辆轨迹。该算法充分考虑了 HDV与CAV的混行情形，并针对CAV跟驰CAV、CAV跟驰HDV、HDV跟驰CAV以及HDV跟驰HDV四种不同的情况，分别采用不同的方法构建车辆轨迹。 (2)交叉口信号配时优化模型。本文首先基于深度Q网络(Deep Q Network,DQN)算法优化信号配时，然后将MSH算法作为动态规划(Dynamic Programming,DP)算法的子算法，同时考虑应急车辆对信号配时的影响，提出了 DP-MSH算法优化信号配时;最后分析两种算法的优化效果和各自适用场景。 (3)基于轨迹综合评价指标体系的车辆自动驾驶行为最优化模型。本文首先基于平均停车次数、最大排队长度、驾驶危险度和能源消耗量构建车辆轨迹综合评价指标体系，然后基于轨迹综合评价指标体系建立了车辆自动驾驶行为最优化模型，最后基于改进的Adam算法求解最优化模型得到最优的车辆自动驾驶行为控制参数。 (4)智能网联混行环境下交叉口信号配时与车辆自动驾驶行为协同优化算法。本文在交叉口信号配时优化和车辆自动驾驶行为优化的基础上，首先通过引入反馈机制获得协同优化方案，然后分析算法在多场景下的优化效果，最后进行算法的灵敏度分析。 仿真结果表明，相对于传统的自适应信号控制模型，本文提出的协同优化算法最多能够减少19.48％的平均旅行时间，并且车辆的安全性、节能性和通行效率最多能提升41.51％。在长度为800米的重度拥堵路段，当CAV占比由10％提升到100％时，平均旅行时间的减少幅度由5.75％提升到18.44％,车辆的安全性、节能性和通行效率的提升幅度由11.57％提升到36.71％。说明在不同CAV占比下，本文提出的协同优化算法在提升交叉口通行效率、降低能耗和提高交通安全水平等方面皆有显著的效果。 |
| 作者： | 吴祥 |
| 专业： | 电子信息 |
| 导师： | 邹难 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
