本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種智能網(wǎng)聯(lián)車的交叉口延遲時(shí)間優(yōu)化與速度引導(dǎo)方法。

背景技術(shù)：

1、智能網(wǎng)聯(lián)車交叉口，作為城市道路交通網(wǎng)絡(luò)中的核心節(jié)點(diǎn)，其高效運(yùn)作直接關(guān)系到整個(gè)交通系統(tǒng)的流暢性和安全性。這些交叉口不僅是連接不同路段的關(guān)鍵樞紐，還常因高密度的交通流量而成為交通事故的易發(fā)區(qū)域。傳統(tǒng)上，交叉口管理依賴于定時(shí)控制、感應(yīng)控制和自適應(yīng)控制等信號(hào)控制手段，但在面對(duì)日益復(fù)雜的交通環(huán)境和不斷增長(zhǎng)的交通需求時(shí)，這些傳統(tǒng)方法往往難以實(shí)時(shí)適應(yīng)，從而導(dǎo)致了不必要的車輛等待時(shí)間延長(zhǎng)、交通擁堵加劇，甚至在極端情況下出現(xiàn)死鎖現(xiàn)象。

2、隨著感知技術(shù)、通信技術(shù)、定位技術(shù)以及輔助駕駛技術(shù)的飛速發(fā)展，智能網(wǎng)聯(lián)車輛應(yīng)運(yùn)而生，為交叉口管理帶來(lái)了變革。在智能網(wǎng)聯(lián)環(huán)境下，交叉口控制實(shí)現(xiàn)了質(zhì)的飛躍，變得更加智能化、靈活化和高效化。通過(guò)無(wú)信號(hào)交叉口的設(shè)計(jì)，利用總控制中心和子控制中心之間的高效信息交互，實(shí)現(xiàn)對(duì)智能網(wǎng)聯(lián)車輛的實(shí)時(shí)調(diào)度和精確控制。通過(guò)先進(jìn)的感知技術(shù)，系統(tǒng)能夠?qū)崟r(shí)獲取交叉口各方向的車流信息、車輛位置及速度等關(guān)鍵數(shù)據(jù)，結(jié)合智能算法進(jìn)行綜合分析，為每輛智能網(wǎng)聯(lián)車輛提供最優(yōu)的行駛速度和通過(guò)時(shí)間建議。這樣，車輛能夠在保證安全和避免死鎖的前提下，以最優(yōu)的速度通過(guò)交叉口，有效減少等待時(shí)間，緩解交通擁堵。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足之處，提出了一種智能網(wǎng)聯(lián)車的交叉口延遲時(shí)間優(yōu)化與速度引導(dǎo)方法，有效減少車輛在交叉口的等待時(shí)間，避免不必要的交通延誤，從而緩解交通擁堵，提升通行效率，進(jìn)而實(shí)現(xiàn)交叉口路權(quán)資源的最大化利用，為智能交通系統(tǒng)下的交叉口車輛通行提供一套可靠的調(diào)速策略。

2、本發(fā)明為實(shí)現(xiàn)上述發(fā)明目的，采取的技術(shù)方案如下：一種智能網(wǎng)聯(lián)車的交叉口延遲時(shí)間優(yōu)化與速度引導(dǎo)方法，包括以下步驟：

3、步驟1)(建模)：針對(duì)交叉口內(nèi)部的空間資源分配以及車輛連續(xù)穿越交叉口過(guò)程中對(duì)這些資源的動(dòng)態(tài)占用情況，構(gòu)建無(wú)信號(hào)交叉口系統(tǒng)的petri網(wǎng)模型(p,t,f,m0)，其中p為有限庫(kù)所集；t為有限變遷集合；f＝(p×t)∪(t×p)為有向弧集；m0初始標(biāo)識(shí)集合。

4、步驟2)：獲取無(wú)信號(hào)交叉口區(qū)域內(nèi)車輛信息，包括車輛數(shù)、速度以及車道編號(hào)。

5、步驟3)(編碼與解碼)：由于編碼反應(yīng)了車輛的通行序列，粒子的位置和速度，所以根據(jù)智能網(wǎng)聯(lián)車系統(tǒng)和粒子群算法的特性，對(duì)車輛通行序列進(jìn)行編碼，具體步驟如下：

6、步驟3-1)：車輛編號(hào)為兩個(gè)整數(shù)ab，a表示車輛行駛路徑，b表示車輛行駛的優(yōu)先級(jí)。

7、步驟3-2)：對(duì)車輛進(jìn)行從小到大排序，然后按照每輛車所需通過(guò)的變遷數(shù)進(jìn)行序列擴(kuò)展,得到擴(kuò)展之后的車輛序列為car_sequence。

8、步驟3-3)：將擴(kuò)展得到的車輛通行序列car_sequence解碼為變遷序列tran。

9、步驟4)(檢測(cè)死鎖并修復(fù))：根據(jù)步驟3解碼得到的變遷序列不一定是可行的通行序列，需要對(duì)其進(jìn)行死鎖檢測(cè)和修復(fù)。利用現(xiàn)有技術(shù)中的死鎖避免算法，對(duì)每一個(gè)粒子的變遷序列進(jìn)行檢測(cè)與修復(fù)，保證變遷序列中的每個(gè)變遷都能依次引發(fā)。在對(duì)粒子修復(fù)的過(guò)程中，粒子的位置和速度保持不變。

10、步驟5)(優(yōu)化delaytime):通過(guò)步驟4獲得修復(fù)好的粒子，計(jì)算每一代所有粒子延遲時(shí)間delaytime,通過(guò)粒子群算法調(diào)整粒子序列，優(yōu)化delaytime，最后得到所有代中最好的粒子序列和最優(yōu)的delaytime，具體步驟如下：

11、步驟5-1)：計(jì)算每一代粒子中每個(gè)粒子的start_times與end_times列表，將每一輛車占用每一個(gè)資源的開始時(shí)間start_time存放在start_times中，結(jié)束時(shí)間end_time存放在end_times中。

12、步驟5-2)：判斷車輛占用當(dāng)前資源的end_time與下一個(gè)占用資源的start_time是否相等，如果相同，則此時(shí)的delaytime＝0，否則delaytime＝delaytime_pre+start_time-end_time。直到所有車輛判斷結(jié)束。

13、步驟5-3)：輸出這一代粒子群中最優(yōu)的粒子序列和其對(duì)應(yīng)的bestdelaytime。

14、步驟5-4)：將每一代的粒子群作為粒子群算法的輸入，通過(guò)粒子群算法對(duì)當(dāng)前粒子群進(jìn)行優(yōu)化，獲得優(yōu)化之后的粒子群。

15、步驟5-5)：獲得每一代優(yōu)化之后的粒子，優(yōu)化的內(nèi)容包括車輛序列，車輛的序列對(duì)應(yīng)的變遷序列，以及最優(yōu)delaytime值。

16、步驟5-6)：將優(yōu)化之后獲得的粒子，再次進(jìn)行步驟5-1、步驟5-2、步驟5-3、步驟5-4，直至完成最后一輪的迭代，輸出所有輪迭代完成之后最優(yōu)粒子和其對(duì)應(yīng)的bestdelaytime。

17、步驟6)(調(diào)整速度):通過(guò)步驟5完成迭代并確定最優(yōu)粒子及其對(duì)應(yīng)的最佳延遲時(shí)間(bestd?elaytime)后，為了更貼近現(xiàn)實(shí)世界的動(dòng)態(tài)特性，需要對(duì)速度模型進(jìn)行優(yōu)化。當(dāng)前的速度設(shè)定僅限于勻速和靜止兩種狀態(tài)，這在實(shí)際應(yīng)用中顯得較為理想化。因此，計(jì)劃引入減速、勻速以及加速三種速度模式，構(gòu)建一個(gè)更加符合物理規(guī)律的運(yùn)動(dòng)過(guò)程，具體步驟如下：

18、步驟6-1)：獲取最優(yōu)粒子中車輛不連續(xù)的車輛序列，存放在nocontinuoucar列表中。

19、步驟6-2)：找到不連續(xù)車輛占用當(dāng)前資源的開始時(shí)間為t1，結(jié)束時(shí)間為t2，以及占用下一個(gè)資源的開始時(shí)間t3，則延遲時(shí)間(delay)為t3-t2。

20、步驟6-3)：在總時(shí)間，總路程不變的條件下，利用拋物線擬合速度調(diào)整，并輸出調(diào)整之后的速度值。

21、步驟6-4)：將總時(shí)間total_time劃分為100份，每一個(gè)時(shí)間點(diǎn)計(jì)算一次速度，將計(jì)算出的速度存放在adjusted_speeds列表中，并畫出最后速度調(diào)整圖像。

22、作為本發(fā)明的優(yōu)選技術(shù)方案，步驟5-3輸出這一代粒子群中最優(yōu)的粒子序列和其對(duì)應(yīng)的bestdelaytime，同時(shí)計(jì)算粒子群的適應(yīng)度值adapt，對(duì)于adapt的計(jì)算采用慣性權(quán)重自適應(yīng)調(diào)節(jié)函數(shù)，具體公式如下所示：

23、

24、其中w(t)為第gen次迭代中慣性權(quán)重取值；maxgen為最大迭代次數(shù)；p(t)為種群個(gè)體適應(yīng)度更新率。update(gen)為種群個(gè)體第gen次迭代中適應(yīng)度提高個(gè)數(shù)；adapt[i]為第gen次更新后的適應(yīng)度值，adapt[i-1]為第gen次的適應(yīng)度值，ri為[0,1]間的隨機(jī)數(shù)，adaptbest為最優(yōu)的適應(yīng)度值，nd為[1,2]之間的隨機(jī)整數(shù)，adaptmean為粒子群適應(yīng)度均值。

25、作為本發(fā)明的優(yōu)選技術(shù)方案，步驟5-4通過(guò)粒子群算法對(duì)當(dāng)前粒子群進(jìn)行優(yōu)化，獲得優(yōu)化之后的粒子群，具體優(yōu)化過(guò)程中自適應(yīng)公式如下：

26、

27、其中favg為粒子群平均適應(yīng)度值，fmax為粒子群中最大適應(yīng)度值，fi為當(dāng)前粒子適應(yīng)度值，pc1為0.8，pc2為0.5。

28、作為本發(fā)明的優(yōu)選技術(shù)方案，步驟6-1中將最優(yōu)粒子中車輛不連續(xù)的車輛序列，存放在nocontinuoucar列表中，具體步驟如下：

29、計(jì)算最優(yōu)粒子中每一輛車占用當(dāng)前資源的end_time與下一個(gè)占用資源的start_time是否相等，如果相同，則此時(shí)的車輛行駛連續(xù)，否則車輛不連續(xù)，將不連續(xù)的車輛序列存放在到nocontinuoucar列表中。

30、作為本發(fā)明的優(yōu)選技術(shù)方案，步驟6-3中在總時(shí)間，總路程不變的條件下，利用拋物線擬合速度調(diào)整，具體速度調(diào)整公式如下：

31、

32、對(duì)于t≤mid_time，如果當(dāng)前計(jì)算出的speed<c，則使當(dāng)前的速度speed設(shè)置為時(shí)間范圍內(nèi)最后一個(gè)大于零的speed值。對(duì)于mid_time<t≤total_time，如果當(dāng)前計(jì)算出的speed>0，則使當(dāng)前的速度speed＝c。公式中的speed1指的是在t≤mid_time，最后計(jì)算出的速度。

33、本發(fā)明所述的一種智能網(wǎng)聯(lián)車的交叉口延遲時(shí)間優(yōu)化與速度引導(dǎo)方法，采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

34、(1)本發(fā)明通過(guò)引入慣性權(quán)重自適應(yīng)調(diào)節(jié)函數(shù)來(lái)計(jì)算adapt值，顯著提升了解決特定研究主題時(shí)的適應(yīng)度計(jì)算精度與效率。該方法的核心在于其能夠動(dòng)態(tài)地根據(jù)搜索過(guò)程中的粒子行為及環(huán)境反饋，自動(dòng)調(diào)整慣性權(quán)重，從而更加精準(zhǔn)地引導(dǎo)粒子向最優(yōu)解區(qū)域移動(dòng)。

35、(2)本發(fā)明通過(guò)引入改進(jìn)的自適應(yīng)公式可以快速地得到最優(yōu)或較優(yōu)調(diào)度策略，從而提高交叉口的通行效率。

36、(3)本發(fā)明找到最優(yōu)粒子中車輛不連續(xù)的序列，同時(shí)可視化不連續(xù)車輛，揭示了延遲車輛行駛過(guò)程的內(nèi)在邏輯，便利了后續(xù)的驗(yàn)證工作。

37、(4)本發(fā)明通過(guò)應(yīng)用車輛速度調(diào)控機(jī)制，實(shí)現(xiàn)了對(duì)車輛行駛過(guò)程中潛在不合理情況的即時(shí)識(shí)別與響應(yīng)。發(fā)現(xiàn)車輛行駛速度不符合預(yù)設(shè)標(biāo)準(zhǔn)或?qū)嶋H情況，對(duì)車輛速度進(jìn)行調(diào)整，確保每一輛車的行駛都能符合道路安全及交通流暢性的要求。