Nothing Special   »   [go: up one dir, main page]

CN114743398B - 拥塞可容忍的路径引导方法及装置、设备及存储介质 - Google Patents

拥塞可容忍的路径引导方法及装置、设备及存储介质 Download PDF

Info

Publication number
CN114743398B
CN114743398B CN202210256150.3A CN202210256150A CN114743398B CN 114743398 B CN114743398 B CN 114743398B CN 202210256150 A CN202210256150 A CN 202210256150A CN 114743398 B CN114743398 B CN 114743398B
Authority
CN
China
Prior art keywords
congestion
vehicle
road section
time
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210256150.3A
Other languages
English (en)
Other versions
CN114743398A (zh
Inventor
朱威龙
朱春生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern University of Science and Technology
Original Assignee
Southern University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southern University of Science and Technology filed Critical Southern University of Science and Technology
Priority to CN202210256150.3A priority Critical patent/CN114743398B/zh
Publication of CN114743398A publication Critical patent/CN114743398A/zh
Application granted granted Critical
Publication of CN114743398B publication Critical patent/CN114743398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种拥塞可容忍的路径引导方法及装置、设备及存储介质，该方法包括：判断车辆的预定轨迹中拥塞路段的拥塞类型；若为规则性拥塞，按预定轨迹行驶，若否，则规划替代路径并计算额外时间；计算拥塞路段中的车辆的数量及最大承载能力，根据拥塞路段中的车辆数量以及最大承载能力判断车辆能否进入拥塞路段；若能，则根据拥塞路段的拥塞类型计算拥塞时间，对比拥塞时间与额外时间，根据对比结果选择合适路径。通过该方法，具有普遍适用性，且该方法在保持拥塞可控的基础上，通过权衡拥塞时长和额外时间，为车辆做出更加合理的决策，虽然在一定程度上牺牲了车辆行驶的流畅性，但是可有效降低车辆的平均通行时间、平均功耗及二氧化碳排放。

Description

拥塞可容忍的路径引导方法及装置、设备及存储介质
技术领域
本发明涉及交通路线引导技术领域，尤其涉及一种拥塞可容忍的路径引导方法及装置、设备及存储介质。
背景技术
目前，随着人们生活水平的不断提高，车辆的数量不断增长，随之而来的是越来越严重的交通拥塞。交通拥塞不仅会给用户带来较差的出行体验，而且还会大大降低交通效率。为了有效地缓解交通拥塞，提高交通系统的效率，智能交通系统被提出并不断发展。智能交通系统涉及的两个核心技术是拥塞感知和路径引导策略。当车辆在自己的预定路径上感知到交通拥塞时，最有效的缓解交通拥堵策略是避让优先的路径引导策略(简称：AP-RGS)。AP-RGS的基本思想：如果一个运行中的车辆在其预定轨迹上感知到拥塞存在，AP-RGS会首先选择去寻找一条无拥塞的替代路径来避免进入拥塞路段；如果不存在无拥塞的替代路径，AP-RGS才会选择进入拥塞路段进行等待。当交通系统中出现拥塞时，这种策略优先选择让车辆避开拥塞，可以防止拥塞恶化，有助于拥塞的解除。
然而在实际环境中，交通拥塞的情形多种多样，拥塞对车辆造成的影响程度也不尽相同。如果对待所有交通拥塞都采用避让优先的路径引导策略，会让车辆产生很多不必要的额外开销。例如情况一：在实际交通系统中，一条道路上所有等待红灯的车辆整体上会表现为“处在拥塞状态”，不考虑红绿灯状态的拥塞感知算法会将该现象视为交通拥塞。实际上这种由交通灯引起的规则性拥塞是一种假性拥塞，在现实生活中是一种正常现象，对这种交通拥塞采取避让策略会让车辆产生更多的开销。情况二：交通拥塞的持续时间各不相同，实际中大部分的交通拥塞都是小规模的拥塞，它们的拥塞持续时间相对较短。当交通拥塞对车辆造成的时间开销小于替代路径带来的时间开销时，车辆选择进入拥塞路段是一种更合理的选择。通常情况下我们更加注重通行时间和功耗的这两个指标，短时间的拥塞是可以接受的。
有鉴于此，有必要提出对目前的拥塞可容忍的路径引导方法进行进一步的改进。
发明内容
为此，本发明目的在于至少一定程度上解决现有技术中的不足，从而提出一种拥塞可容忍的路径引导方法及装置、设备及存储介质。
第一方面，本发明提供了一种拥塞可容忍的路径引导方法，所述方法包括：
判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；
若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；
计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；
若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
第二方面，本发明提供了一种拥塞可容忍的路径引导装置，所述装置包括：
判断模块：用于判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；
选择模块：用于若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；
计算模块：用于计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；
决策模块：用于若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
第三方面，本发明还提供了一种拥塞可容忍的路径引导设备，包括存储器、处理器、以及存储在所述存储器中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计算机程序时，实现如第一方面所述的拥塞可容忍的路径引导方法中的各个步骤。
第四方面，本发明还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的拥塞可容忍的路径引导方法中各个步骤。
本发明提供了一种拥塞可容忍的路径引导方法及装置、设备及存储介质，该方法包括：判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。通过本发明提供的方法，将拥塞复杂的交通拥塞划分成四种基本的拥塞类型，这四种基本类型通过拥塞的连锁反应可以统一所有的拥塞情形，具有普遍适用性，且该方法在保持拥塞可控的基础上，通过权衡拥塞的持续时长和选择替代路径产生的额外时间开销，为车辆做出更加合理的决策，这种策略允许小规模拥塞的存在，虽然在一定程度上牺牲了车辆行驶的流畅性，但是可以有效降低交通系统中车辆的平均通行时间、平均功耗以及二氧化碳排放。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明的拥塞可容忍的路径引导方法的流程示意图；
图2为本发明的拥塞可容忍的路径引导方法的子流程示意图；
图3为本发明的拥塞可容忍的路径引导方法的又一子流程示意图；
图4为本发明的拥塞可容忍的路径引导方法的另一子流程示意图；
图5为本发明的拥塞可容忍的路径引导方法的引导策略流程示意图；
图6为本发明的拥塞可容忍的路径引导装置的程序模块示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参照图1，图1是本申请实施例的拥塞可容忍的路径引导方法的流程示意图，在本实施例中，上述拥塞可容忍的路径引导方法包括：
步骤101、判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞。
在本实施例中，车辆在行驶的过程中，判断车辆在预定轨迹上的拥塞路段中拥塞的类型，其中车辆在行程过程中遇到的拥塞类型至少包括规则性拥塞，规则性拥塞(TLI)为交通信号灯引起的拥塞，即车辆在行驶的过程中等待交通灯时而引起的拥塞。
步骤102、若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间。
在本实施例中，若车辆在行程过程中，确定到预定轨迹中的拥塞类型为规则性拥塞的情况下，车辆将会将规则性拥塞视为交通系统的正常时间，会按照预定轨迹继续行驶；当车辆在行驶过程中，确定预定轨迹中的拥塞类型是事件性拥塞、车道减少拥塞以及道路汇聚拥塞中的一种时，则会会车辆规划另外一条没有拥塞的替代路径，并计算该替代路径所要花费的额外时间。
在本实施例中，在实际交通系统中，一条道路上所有等待红灯的车辆整体上会表现为“处在拥塞状态”，不考虑红绿灯状态的拥塞感知算法会将该现象视为交通拥塞。实际上这种由交通灯引起的规则性拥塞是一种假性拥塞，在现实生活中是一种正常现象，对这种交通拥塞采取避让策略会让车辆产生更多的开销。所以当确定拥塞路段的拥塞类型为规则性拥塞时，仍然会选择预定轨迹继续行驶。
步骤103、计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段。
在本实施例中，计算原本所行使的预定轨迹中拥塞路段中所拥塞的所有车辆的数量以及该拥塞路段中的最大承载能力，根据预定轨迹中该段拥塞路段中的所有车辆的数量以及该段拥塞路段最大的承载能力之间的关系，判断车辆是否还能进入拥塞路段中。因为在实际应用的过程中，道路的承载能力是有限的，为了保证道路的拥塞在一个可控范围内，通常会对进入拥塞道路的车辆数目进行控制。
步骤104、若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
在本实施例中，当计算了拥塞路段中的拥塞的车辆数量以及拥塞路段的最大承受能力之后，车辆能进入该拥塞路段的情况下，则通过拥塞持续时间预测模型预测当前拥塞的持续时间，将得到的拥塞的持续时间与选择替代路径的额外时间进行比较，得到对比结果后，再根据对比结果为车辆选择合适的路径，从而可从整体上降低车辆的平均行驶时间，并起到提高交通系统的效率的作用。其中，通过对拥塞类型的划分以及对拥塞持续时间和重新规划路径产生的额外时间的权衡，该方法可以为车辆提供更加合理的动态路径规划。
本申请实施例提供了一种拥塞可容忍的路径引导方法，该方法包括：判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。通过本发明提供的方法，将拥塞复杂的交通拥塞划分成四种基本的拥塞类型，这四种基本类型通过拥塞的连锁反应可以统一所有的拥塞情形，具有普遍适用性，且该方法在保持拥塞可控的基础上，通过权衡拥塞的持续时长和选择替代路径产生的额外时间开销，为车辆做出更加合理的决策，这种策略允许小规模拥塞的存在，虽然在一定程度上牺牲了车辆行驶的流畅性，但是可以有效降低交通系统中车辆的平均通行时间、平均功耗以及二氧化碳排放。
进一步地，请参照图2，图2为本申请实施例中的拥塞可容忍的路径引导方法的子流程示意图，所述若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径，具体包括：
步骤201、若所述拥塞时间大于所述额外时间，则为所述车辆选择所述替代路径；
步骤202、若所述拥塞时间小于所述额外时间，则为所述车辆选择所述预定轨迹。
在本实施例中，当拥塞路段拥塞所持续的拥塞时间大于替代路径所要花费的额外时间时，则控制该车辆选择替代路径，若拥塞路段所持续的时间小于替代路径所要花费的额外时间时，则控制该车辆选择预定轨迹，并驶入该拥塞路段中，等待拥塞解除后再通行。
进一步地，所述若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，还包括：
若所述车辆不能进入所述拥塞路段，则选择所述替代路径。
在本实施例中，当计算拥塞路段中的所有车辆的数量以及拥塞路段最大的承载能力车辆之间的关系之后，该车辆不能进入拥塞路段的情况下，则控制该车辆选择替代路径。
进一步地，请参阅图3，图3为本申请实施例中的拥塞可容忍的路径引导方法中的又一子流程示意图，所述计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段，具体包括：
步骤301、计算所述拥塞路段中的所有车辆的数量以及最大承载能力，若所述所有车辆的数量+1大于所述最大承载能力的百分之八十，所述车辆则不能进入所述拥塞路段；
步骤302、若所述车辆的数量+1小于所述最大承载能力的百分之八十，所述车辆能进入所述拥塞路段。
在本实施例中，通过计算拥塞路段中所有车辆的数量以及该拥塞路段的最大承载能力之间的关系，若拥塞路段中已经存在的车辆的数量再加上该车辆大于该拥塞路段的最大承载能力的百分之八十的情况下，即如果当前车辆进入拥塞路段，拥塞路段中的车辆会超过拥塞路段的最大承载能力的百分之八十，为了防止拥塞不可控，则该车辆不能进入该拥塞路段，控制该车辆选择无拥塞的替代路径。
在本实施例中，通过计算拥塞路段中所有车辆的数量以及该拥塞路段的最大承载能力之间的关系，若拥塞路段中已经存在的车辆的数量再加上该车辆小于该拥塞路段的最大承载能力的百分之八十的情况下，即如果当前车辆进入拥塞路段，拥塞路段中的车辆并不会超过拥塞路段的最大承载能力的百分之八十，此时拥塞路段允许当前车辆进入。
进一步地，请参阅图4，图4为本申请实施例中的拥塞可容忍的路径引导方法中的另一子流程示意图，所述判断车辆的预定轨迹中拥塞路段的拥塞类型，之前还包括：
步骤401、基于所述车辆通过传统的道路拥塞感知算法判断所述预定轨迹是否存在拥塞；
步骤402、若是，则判定所述预定轨迹中所述拥塞路段的拥塞类型，若否，则沿所述预定轨迹行驶。
在本实施例中，车辆在预定轨迹行驶的过程中，利用传统的道路拥塞感知算法感知预定轨迹的前方道路是否存在拥塞，若感知到预定轨迹的前方道路中存在拥塞，则进一步判断预定轨迹中的拥塞路段的拥塞类型，若并未感知到预定轨迹的前方道路中存在拥塞，则沿预定轨迹继续行驶。
进一步地，所述拥塞类型还包括事件性拥塞、车道减少拥塞和道路汇聚拥塞；所述规则性拥塞的判断公式为：
其中，路径网络中的节点用N＝{N1,N2,N3,...,Nn}表示，表示两个节点之间的道路，每条道路的长度用表示，TLstate为所述预定轨迹前方的红绿灯状态，/>表示所述预定轨迹处于拥塞状态，为拥塞感知的结果；
所述事件性拥塞的判断公式为：
其中，路径网络中的节点用N＝{N1,N2,N3,...,Nn}表示，表示两个节点之间的道路，每条道路的长度用表示，TAstate为交通事故的状态变量，为True时表示出现了交通事故，为False时表示未出交通事故；
所述车道减少拥塞的判断公式为：
其中，和/>为节点直接相连的两条道路，/>和/>分别为/>和的车道数，/>是与/>唯一相连的道路或/>中的车辆都要通过/>
所述道路汇聚拥塞的判断公式为：
其中，Nj为道路交汇节点，SUMRi是车辆驶入节点的道路总数，SUMRo为车辆驶出节点的道路总数。
在本实施例中，将交通拥塞分为了四个最基本的拥塞类型，分别为规则性拥塞、事件性拥塞、车道减少拥塞和道路汇聚拥塞。规则性拥塞(TLI)为交通信号灯引起的拥塞，事件性拥塞(TAI)为交通事故引起的，车道减少拥塞(LDI)为车道减少所引起的拥塞，道路汇聚拥塞(RCI)为道路汇聚至一起所引起的拥塞。
在本实施例中，实际生活中，交通拥塞的规模差别是非常大的，但是任何交通拥塞都可以由这四种基本拥塞类型组合而成，我们称之为拥塞的连锁反应。比如情形1:在一个由四条道路(分别是R1，R2，R3，R4)连接的交通路口，车辆从其中的两条道路(R1，R2)驶入，从另外两条道路(R3，R4)驶出；当R3发生短时间无法解除的交通事故(产生TAI)时，车辆只能从另一条无拥塞的道路R4通行。当R1和R2的车流量大于R4的通行能力时，车辆会在交通路口以及R1和R2这两条道路上形成拥塞(产生RCI)；如果R1和R2车道上持续有车辆进入，而且车辆在R4上的车流疏散能力小于进入R1和R2的车流量，拥塞会在R1和R2中持续恶化；当R1和R2都达到饱和之后，继而会影响到其他路段，形成区域性的拥塞。
且对四个最基本的拥塞类型分别作出公式判断，上述分别有规则性拥塞的判断公式、事件性拥塞的判断公式、车道减少拥塞的判断公式以及道路汇聚拥塞的判断公式。
在本实施例中，当车辆在道路上行驶时，车辆通过传统的道路拥塞感知法感知前方道路是否存在拥塞，将前路道路以及车辆的各种参数分别代入至上述公式中，从而判断出是何种拥塞类型。
进一步地，所述事件性拥塞时的拥塞时间的预测公式为：
其中，{E1,E2,...,EM}是救援车辆的行驶路线，是路线中每个路口红灯的持续时间，Tprocess是事故的预计处理时间，/>是每条道路允许的最大通行速度；
所述车道减少拥塞时的拥塞时间的预测公式为：
其中，是车辆k距离节点Nj的距离，/>是车辆加速过程中的行驶距离，其中车辆到达节点都能加速到道路允许的最大速度/>则/> 是车辆的反应时间，KP为道路中/>中的车辆数，KQ为道路中/>中的车辆数，/>为对应道路的车道数；
所述道路汇聚拥塞时的拥塞时间的预测公式为：
其中，SUMi是驶入交汇节点Nj的所有道路的车道总和，SUMo是驶出交汇节点Nj的所有车道总和。
在本实施例中，判断出拥塞的类型之后，再将车辆、道路的各种参数代入至各种拥塞类型判断公式的拥塞时间预测模型中，计算出拥塞将会持续的时间，上述分别与事件性拥塞、车道减少拥塞、道路汇聚拥塞的拥塞时间预测模型。其中，当发生的拥塞规则性拥塞时，车辆将会直接驶入发生规则性拥塞的拥塞路段中，并不需要对其预测拥塞时间。
进一步地，请参阅图5，图5为本申请实施例中的拥塞可容忍的路径引导方法的引导策略流程示意图，拥塞可容忍的路径引导方法的步骤分别为：
步骤1-1：车辆在行驶的过程中利用传统的道路拥塞感知算法感知拥塞的存在；
步骤1-2：当感知到了存在拥塞之后，再判断拥塞的类型，其中，定义了四种基本的拥塞类型，分别为规则性拥塞、事件性拥塞、车道减少拥塞、道路汇聚拥塞，上述列出了四种拥塞的判断方法，分别通过上述四种拥塞类型的判断公式，判断出车辆在预定轨迹上的拥塞路段所拥塞的类型。
步骤1-3：如果通过公式判断出的拥塞类型是规则性拥塞(TLI)，则车辆选择按预定轨迹行驶。
步骤1-4：如果拥塞类型不是规则性拥塞(TLI)，而是事件性拥塞、车道减少拥塞、道路汇聚拥塞中的其中一种，则为车辆规划一条无拥塞的替代路径并计算该路径产生的额外时间Tr。
步骤1-5：计算当前拥塞路段中所有车辆的数量Nc以及拥塞路段的最大承载能力Nm。
步骤1-6：判断Nc+1和Nm的关系。
步骤1-7：如果Nc+1达到Nm的百分之八十，即如果当前车辆进入拥塞路段，拥塞路段中的车辆数会超过道路承载能力的百分之八十，为了防止拥塞不可控，车辆不能再进入拥塞路段，选择无拥塞的替代路径行驶。
步骤1-8：如果Nc+1小于Nm的百分之八十，此时拥塞路段允许车辆进入。
步骤1-9：在拥塞路段允许进入的前提下对拥塞持续时间通过拥塞持续预测模型进行预测，上述列出了事件性拥塞、车道减少拥塞、道路汇聚拥塞三种拥塞类型的拥塞持续时间预测模型，并通过上述三种拥塞时间持续预测模型得到拥塞时间。
步骤1-10：通过上述拥塞时间预测模型算出的拥塞时间若小于额外时间，则控制车辆进入拥塞路段进行等待，即控制该车辆选择预定轨迹行驶；若拥塞时间大于额外时间，则控制车辆选择无拥塞的替代路径行驶。
进一步地，为了提高交通系统的效率，本发明提出了一种拥塞可容忍的路径引导策略(简称：CT-RGS)。该策略不是采用传统的拥塞避让优先的交通引导策略，而是通过权衡拥塞对车辆造成的额外开销(注：额外开销包括行驶时间和功耗，通常行驶时间和功耗存在正相关的关系，模型中着重考虑行驶时间这一指标)和重新规划路径给车辆带来的额外开销，实现动态环境下车辆的智能决策，从而降低交通系统中车辆的平均运行时间，平均能耗以及平均二氧化碳排放量。
拥塞可容忍的路径引导方法(CT-RGS)首先根据拥塞的形成机制为每种拥塞类型提供了拥塞持续时间预测模型，当一辆运行中的车辆在其轨迹上感知到拥塞之后，车辆会首先确定当前拥塞的类型。情况1：当前的拥塞是规则性拥塞(TLI)，车辆将该类拥塞视为交通系统的正常事件，继续按照预定轨迹运行。情况2：当前的拥塞是其他类型的，车辆会通过拥塞持续时间预测模型预测当前拥塞的持续时间Tc，然后再估计选择一条无拥塞的替代路径产生的额外时间开销Tr。如果Tc>Tr，CT-RGS会控制车辆选择无拥塞的替代路径；如果Tc<Tr，CT-RGS会控制车辆进入拥塞路段，等待拥塞解除后再通行。实际应用的过程中，由于道路的承载能力是有限的，为了保证道路的拥塞在一个可控范围，通常会对进入拥塞道路的车辆数目进行控制。
进一步地，本申请实施例还提供了一种拥塞可容忍的路径引导装置500，图6为本申请实施例中拥塞可容忍的路径引导装置的程序模块示意图，在本实施例中，上述拥塞可容忍的路径引导装置500包括：
判断模块501：用于判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；
选择模块502：用于若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；
计算模块503：用于计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；
决策模块504：用于若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
本申请还提供了一种拥塞可容忍的路径引导装置500，可以实现：判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞；若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。通过本发明提供的方法，将拥塞复杂的交通拥塞划分成四种基本的拥塞类型，这四种基本类型通过拥塞的连锁反应可以统一所有的拥塞情形，具有普遍适用性，且该方法在保持拥塞可控的基础上，通过权衡拥塞的持续时长和选择替代路径产生的额外时间开销，为车辆做出更加合理的决策，这种策略允许小规模拥塞的存在，虽然在一定程度上牺牲了车辆行驶的流畅性，但是可以有效降低交通系统中车辆的平均通行时间、平均功耗以及二氧化碳排放。
进一步地，本申请还提供了一种拥塞可容忍的路径引导设备，包括存储器、处理器、以及存储在所述存储器中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计算机程序时，实现如上述的拥塞可容忍的路径引导方法中的各个步骤。
进一步地，本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的处理拥塞可容忍的路径引导方法中的各个步骤。
在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，本发明的说明书技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种拥塞可容忍的路径引导方法，其特征在于，所述方法包括：
判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞，所述规则性拥塞为车辆在行驶的过程中等待交通灯时而引起的拥塞；
若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；
计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；
若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
2.根据权利要求1所述的方法，其特征在于，所述若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径，具体包括：
若所述拥塞时间大于所述额外时间，则为所述车辆选择所述替代路径；
若所述拥塞时间小于所述额外时间，则为所述车辆选择所述预定轨迹。
3.根据权利要求1所述的方法，其特征在于，所述若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，还包括：
若所述车辆不能进入所述拥塞路段，则选择所述替代路径。
4.根据权利要求1所述的方法，其特征在于，所述计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段，具体包括：
计算所述拥塞路段中的所有车辆的数量以及最大承载能力，若所述所有车辆的数量+1大于所述最大承载能力的百分之八十，所述车辆则不能进入所述拥塞路段；
若所述所有车辆的数量+1小于所述最大承载能力的百分之八十，所述车辆能进入所述拥塞路段。
5.根据权利要求1所述的方法，其特征在于，所述判断车辆的预定轨迹中拥塞路段的拥塞类型，之前还包括：
基于所述车辆通过传统的道路拥塞感知算法判断所述预定轨迹是否存在拥塞；
若是，则判定所述预定轨迹中所述拥塞路段的拥塞类型，若否，则沿所述预定轨迹行驶。
6.根据权利要求1所述的方法，其特征在于，所述拥塞类型还包括事件性拥塞、车道减少拥塞和道路汇聚拥塞；
所述规则性拥塞的判断公式为：
其中，路径网络中的节点用表示，/>表示两个节点之间的道路，每条道路的长度用/>表示，/>为所述预定轨迹前方的红绿灯状态，/>表示所述预定轨迹处于拥塞状态，为拥塞感知的结果；
所述事件性拥塞的判断公式为：
其中，路径网络中的节点用表示，/>表示两个节点之间的道路，每条道路的长度用/>表示，/>为交通事故的状态变量，为1时表示出现了交通事故，为0时表示未出交通事故；
所述车道减少拥塞的判断公式为：
其中，和/>为节点直接相连的两条道路，/>和/>分别为/>和的车道数，/>是与/>唯一相连的道路或/>中的车辆都要通过/>；
所述道路汇聚拥塞的判断公式为：
其中，为道路交汇节点，/>是车辆驶入节点的道路总数，/>为车辆驶出节点的道路总数。
7.根据权利要求6所述的方法，其特征在于，所述事件性拥塞时的拥塞时间的预测公式为：
其中，是救援车辆的行驶路线，/>是路线中每个路口红灯的持续时间，/>是事故的预计处理时间，/>是每条道路允许的最大通行速度；
所述车道减少拥塞时的拥塞时间的预测公式为：
其中，是车辆k距离节点/>的距离，/>是车辆加速过程中的行驶距离，其中车辆到达节点都能加速到道路允许的最大速度/>，则/>；/>是车辆的反应时间，KP为道路/>中的车辆数，KQ为道路/>中的车辆数，/>为对应道路的车道数；
所述道路汇聚拥塞时的拥塞时间的预测公式为：
其中，是驶入交汇节点/>的所有道路的车道总和，/>是驶出交汇节点/>的所有车道总和。
8.一种拥塞可容忍的路径引导装置，其特征在于，所述装置包括：
判断模块：用于判断车辆的预定轨迹中拥塞路段的拥塞类型，其中所述拥塞类型至少包括规则性拥塞，所述规则性拥塞为车辆在行驶的过程中等待交通灯时而引起的拥塞；
选择模块：用于若所述拥塞类型为所述规则性拥塞，则选择所述预定轨迹行驶，若否，则为所述车辆规划替代路径并计算所述替代路径的额外时间；
计算模块：用于计算所述拥塞路段中的所有车辆的数量以及最大承载能力，根据所述拥塞路段中的车辆数量以及最大承载能力判断所述车辆能否进入所述拥塞路段；
决策模块：用于若所述车辆能进入所述拥塞路段，则根据所述拥塞路段的拥塞类型计算拥塞时间，并对比所述拥塞时间与所述额外时间，得到对比结果，根据所述对比结果，为所述车辆选择合适路径。
9.一种拥塞可容忍的路径引导设备，包括存储器，处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-7任一项所述的拥塞可容忍的路径引导方法中的各个步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的拥塞可容忍的路径引导方法中的各个步骤。
CN202210256150.3A 2022-03-15 2022-03-15 拥塞可容忍的路径引导方法及装置、设备及存储介质 Active CN114743398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210256150.3A CN114743398B (zh) 2022-03-15 2022-03-15 拥塞可容忍的路径引导方法及装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210256150.3A CN114743398B (zh) 2022-03-15 2022-03-15 拥塞可容忍的路径引导方法及装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114743398A CN114743398A (zh) 2022-07-12
CN114743398B true CN114743398B (zh) 2023-09-19

Family

ID=82277867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210256150.3A Active CN114743398B (zh) 2022-03-15 2022-03-15 拥塞可容忍的路径引导方法及装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114743398B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11311533A (ja) * 1998-04-28 1999-11-09 Xanavi Informatics Corp 経路探索装置
CN102207394A (zh) * 2011-03-10 2011-10-05 深圳市凯立德科技股份有限公司 导航方法及导航设备
DE102010013596A1 (de) * 2010-03-31 2011-10-06 Jochen Hennes Navigationsgerät
CN103459982A (zh) * 2011-02-03 2013-12-18 通腾发展德国公司 产生堵塞相关区段数据
WO2015128466A1 (en) * 2014-02-27 2015-09-03 Tomtom International B.V. Method for associating a hazard with a zone of a digital map
CN106208048A (zh) * 2016-08-15 2016-12-07 上海电机学院 一种基于图论形式的阻塞管理方法
CN106530694A (zh) * 2016-11-07 2017-03-22 深圳大学 一种基于交通拥堵传播模型的交通拥堵预测方法及系统
CN108248611A (zh) * 2016-12-29 2018-07-06 华为技术有限公司 一种自动驾驶的方法、汽车控制设备、汽车及系统
CN108417069A (zh) * 2018-04-20 2018-08-17 东北大学 一种车辆速度及路径规划系统及方法
WO2019091395A1 (en) * 2017-11-07 2019-05-16 Neutron Holdings, Inc. Systems and methods for vehicle parkinhg management
CN109931941A (zh) * 2019-03-09 2019-06-25 河南工业大学 基于路段状态相关性的路径规划方法
CN110310480A (zh) * 2019-06-25 2019-10-08 电子科技大学 一种基于拥塞控制的实时路径规划方法
JP2019184343A (ja) * 2018-04-05 2019-10-24 トヨタ自動車株式会社 情報処理装置および情報処理方法
CN110567479A (zh) * 2019-10-21 2019-12-13 合肥工业大学 一种考虑拥堵中换道的最短路径获取方法
AU2017417952A1 (en) * 2017-06-09 2019-12-19 Prannoy Roy Predictive traffic management system
CN111060120A (zh) * 2018-10-17 2020-04-24 上海博泰悦臻网络技术服务有限公司 导航方法、装置及车辆
CN112543956A (zh) * 2020-04-24 2021-03-23 华为技术有限公司 提供道路拥堵原因的方法和装置
CN112614338A (zh) * 2020-12-04 2021-04-06 程东 一种基于大数据的交通拥堵预测控制系统
CN112985433A (zh) * 2019-12-13 2021-06-18 现代自动车株式会社 车辆导航设备和车辆导航方法
CN113066298A (zh) * 2021-03-17 2021-07-02 北京航迹科技有限公司 车辆行驶控制方法、装置、车辆、服务器、存储介质
DE102020110875A1 (de) * 2020-04-22 2021-10-28 Audi Aktiengesellschaft Verfahren und Prozessorschaltung zum Koordinieren eines Fahrbetriebs eines Kraftfahrzeugs mit einer Verkehrsampel sowie Kraftfahrzeug mit einer solchen Prozessorschaltung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9035797B2 (en) * 2011-03-09 2015-05-19 Maya Varma Intelligent traffic alerting and control system
CN103017783B (zh) * 2012-12-05 2016-06-01 中兴通讯股份有限公司 导航方法及系统、地图数据管理云端及其数据更新方法
US20190186929A1 (en) * 2016-09-27 2019-06-20 Aisin Aw Co., Ltd. Route searching device, route searching system, and computer program

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11311533A (ja) * 1998-04-28 1999-11-09 Xanavi Informatics Corp 経路探索装置
DE102010013596A1 (de) * 2010-03-31 2011-10-06 Jochen Hennes Navigationsgerät
CN103459982A (zh) * 2011-02-03 2013-12-18 通腾发展德国公司 产生堵塞相关区段数据
CN102207394A (zh) * 2011-03-10 2011-10-05 深圳市凯立德科技股份有限公司 导航方法及导航设备
WO2015128466A1 (en) * 2014-02-27 2015-09-03 Tomtom International B.V. Method for associating a hazard with a zone of a digital map
CN106208048A (zh) * 2016-08-15 2016-12-07 上海电机学院 一种基于图论形式的阻塞管理方法
CN106530694A (zh) * 2016-11-07 2017-03-22 深圳大学 一种基于交通拥堵传播模型的交通拥堵预测方法及系统
CN108248611A (zh) * 2016-12-29 2018-07-06 华为技术有限公司 一种自动驾驶的方法、汽车控制设备、汽车及系统
AU2017417952A1 (en) * 2017-06-09 2019-12-19 Prannoy Roy Predictive traffic management system
WO2019091395A1 (en) * 2017-11-07 2019-05-16 Neutron Holdings, Inc. Systems and methods for vehicle parkinhg management
JP2019184343A (ja) * 2018-04-05 2019-10-24 トヨタ自動車株式会社 情報処理装置および情報処理方法
CN108417069A (zh) * 2018-04-20 2018-08-17 东北大学 一种车辆速度及路径规划系统及方法
CN111060120A (zh) * 2018-10-17 2020-04-24 上海博泰悦臻网络技术服务有限公司 导航方法、装置及车辆
CN109931941A (zh) * 2019-03-09 2019-06-25 河南工业大学 基于路段状态相关性的路径规划方法
CN110310480A (zh) * 2019-06-25 2019-10-08 电子科技大学 一种基于拥塞控制的实时路径规划方法
CN110567479A (zh) * 2019-10-21 2019-12-13 合肥工业大学 一种考虑拥堵中换道的最短路径获取方法
CN112985433A (zh) * 2019-12-13 2021-06-18 现代自动车株式会社 车辆导航设备和车辆导航方法
DE102020110875A1 (de) * 2020-04-22 2021-10-28 Audi Aktiengesellschaft Verfahren und Prozessorschaltung zum Koordinieren eines Fahrbetriebs eines Kraftfahrzeugs mit einer Verkehrsampel sowie Kraftfahrzeug mit einer solchen Prozessorschaltung
CN112543956A (zh) * 2020-04-24 2021-03-23 华为技术有限公司 提供道路拥堵原因的方法和装置
CN112614338A (zh) * 2020-12-04 2021-04-06 程东 一种基于大数据的交通拥堵预测控制系统
CN113066298A (zh) * 2021-03-17 2021-07-02 北京航迹科技有限公司 车辆行驶控制方法、装置、车辆、服务器、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于交通网络规律连续变化路径规划研究;杨阳;《自动化应用》;20220131(第1期);第14-17页 *
基于离散时空网络的多自动引导车路径规划问题;徐翔斌;《科学技术与工程》;第21卷(第33期);第14209-14219页 *
考虑动态拥堵的多车型绿色车辆路径问题优化;狄卫民等;《计算机工程与设计》;20210930;第42卷(第9期);第2614-2620页 *

Also Published As

Publication number Publication date
CN114743398A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN110362910B (zh) 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
Ding et al. Multivehicle coordinated lane change strategy in the roundabout under internet of vehicles based on game theory and cognitive computing
CN108694841B (zh) 一种基于v2x技术的智能车辆通行路口红绿灯方法
Xu et al. A general framework for decentralized safe optimal control of connected and automated vehicles in multi-lane signal-free intersections
CN113628437A (zh) 基于云控平台的无人矿车交叉路口安全通行方法
CN114265398A (zh) 自动驾驶车辆轨迹规划方法、装置、电子设备及存储介质
Zhang et al. A cruise control method for connected vehicle systems considering side vehicles merging behavior
CN117012030A (zh) 基于三维宏观基本图的城市机非混行交通信号控制方法
CN112071095B (zh) 一种基于v2x技术的应急车辆通过交叉口的信号配时方法
JP2018085113A (ja) 車両制御装置及びその動作方法
Younes et al. Towards a sustainable highway road-based driving protocol for connected and self-driving vehicles
CN116935671A (zh) 一种基于投影式约束策略优化的自动道路交叉口管理方法
CN115050183B (zh) 一种生成模拟交通流的方法
CN114743398B (zh) 拥塞可容忍的路径引导方法及装置、设备及存储介质
JP2011238177A (ja) 車両走行制御装置
CN113120003A (zh) 无人驾驶车辆运动行为决策方法
Zhang et al. Combined dynamic route guidance and signal timing optimization for urban traffic congestion caused by accidents
Zou et al. Vehicle trajectory control and signal timing optimization of isolated intersection under V2X environment
Shiomi et al. A lane-change maneuver of automated vehicles for improving traffic flow on highways with multiple lanes
CN116811854A (zh) 汽车运行轨迹确定方法、装置、汽车和存储介质
Wang et al. Performance analysis of road intersections based on game theory and dynamic level-k model
CN114637283B (zh) 一种基于动态避障的车辆路径规划方法及装置
Kamal et al. Cooperative Look-ahead Lane Change System for Improving Driving Intelligence of Automated Vehicles in Critical Scenarios
Guo et al. Traffic lane-changing modeling and scheduling with game theoretical strategy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant