关键词:
智能网联无车道划分高速公路
元胞传输模型
内边界控制
匝道控制
通行能力陡降
上游流量抑制
二次规划
摘要:
作为人驾驶环境交通规则的重要组成部分,车道划分与设置无疑有益于交通安全,但也带来负面影响,如降低道路横向空间资源的利用率。在高等级网联自动驾驶环境下行车安全可以得到保证,因此可以考虑采用智能网联无车道交通模式,不仅能消除车道划分的负面影响,还能充分发挥智能网联的技术优势,催生一种全新交通控制形式,内边界控制。在传统人驾驶模式下道路总空间资源一般在对向交通流之间等分或定分,无法灵活应对道路资源与交通需求的失配。在智能网联无车道模式下,道路双向交通流之间的硬隔离可以“软化”。通过高精度调控内边界,可以调度全部双向道路资源,实现各向交通需求和道路通行能力的最佳匹配,优化交通效率。本文聚焦智能网联无车道划分高速公路场景,研究内边界控制模型与策略,探索内边界控制的优势和局限,及其与传统高速公路控制方式的关联,并研究内边界与入口匝道的协同控制。本文主要研究内容和成果如下:(1)智能网联无车道交通流模型构建:既有宏观交通流模型都是针对传统有车道模式的,无法表征智能网联无车道模式下的内边界动态特性。本文首先构建了高速公路内边界动态模型,表征基于内边界位置系数的通行能力、临界密度、阻塞密度等关键参数的动态特性。其次,将内边界动态模型和具有通行能力陡降复现能力的一阶宏观交通流模型CTM相结合,建立适于智能网联无车道划分高速公路管控研究的可变内边界宏观交通流模型。仿真研究表明,该模型能够较好复现通行能力陡降,并能通过内边界动态设置使交通流按相应内边界传播。(2)内边界最优控制模型与控制策略设计:基于上述宏观交通流模型,以路网整体效率最优为目标,综合考虑控制稳定性、用户权利均衡等因素,构建智能网联无车道划分高速公路内边界最优控制模型。考虑计算效率,将非线性约束线性松弛,并通过强化目标函数消除线性松弛带来的上游流量抑制问题。仿真研究表明,内边界控制能很好应对对向交通流需求失衡导致的拥堵问题。(3)内边界和入口匝道协同控制模型与控制策略设计:当双向交通需求总和超过道路总通行能力时,单纯的内边界控制无法避免交通拥堵,因此需要引入额外的控制手段。本论文探索内边界和入口匝道协同控制的可行性及相关控制模型构建与控制策略设计。仿真研究表明,针对给定的不失一般性的高速公路场景,内边界控制能充分利用道路空间资源应对各向交通需求,使得路网总行程时间TTS下降41.8%,但无法避免高峰期入匝瓶颈发生通行能力陡降;匝道控制能保证入匝汇流区规避通行能力陡降,使得TTS下降16.1%,但无法处理各向通行能力与交通需求的失配;而内边界与匝道协同控制兼具二者优势,使得TTS下降43.5%,还能够在匝道空间有限的情况下实现对向匝道排队空间的共享。