交叉口交通信号优化与互联车辆速度控制的协同方法外文翻译资料

 2022-08-09 04:08

英语原文共 14 页,剩余内容已隐藏,支付完成后下载完整资料


外文翻译

交叉口交通信号优化与互联车辆速度控制的协同方法

摘要:信号交叉口在城市交通运输效率和车辆燃油经济性方面起着重要的作用。本文提出了一种交通信号控制与车速优化相结合的互联自动车辆协调控制方法,实现了交通信号配时与车速轨迹的同步优化。该方法包括两个层次,即路边交通信号优化和车上车速控制。前者计算出最优的交通信号配时和车辆到达时间,以最小化所有车辆的总行驶时间,后者通过优化发动机功率和刹车力度,使车辆的燃料消耗达到最小。通过仿真研究将该方法与传统方法进行了比较。结果表明,该方法显著提高了运输效率和燃油经济性。

关键词:交通信号优化;车速控制;智能网联车辆;车路协同;智能交通系统;行程时间;燃料消耗。

  1. 介绍

城市交通对商业、人们的日常生活和当地经济都至关重要,但同时也会导致严重的交通拥堵以及相关的能源使用和排放问题。美国能源情报署(US Energy Information Administration)报告称,2016年美国消耗的石油总量中,汽车占了50%左右的惊人比例。此外,德州交通研究所报告表面,在2014年,因为交通堵塞浪费了31亿加仑的燃料,在美国各城市浪费了69亿小时。汽车燃油经济性和运输效率受到道路通行能力和基础设施设计等诸多因素的影响。在这些因素中,城市区域的信号交叉口起着重要的作用,它会影响交通流量,导致车辆减速和空转。这进一步加剧了交通堵塞,降低了车辆的燃油经济性。

研究人员为提高信号交叉口的交通效率和车辆燃油经济性做出了很大的努力。在交通运输领域,交通信号控制及优化一直是固定时长和激励信号控制等各类信号控制的广泛研究领域。更先进的方法,如自适应信号控制,也被提出和部署。在车辆控制领域,研究了车辆发动机控制、启动控制和速度控制,以提高运输效率和车辆燃油经济性。Chen等人研究了发动机空转时自动关闭发动机的启动/停止系统的控制策略,以减少燃料消耗。Wang等人提出了一种信号交叉口的启动辅助系统,帮助车辆以更少的延迟启动,提高了运输效率。Li等人演示了一个生态驾驶系统,该系统旨在优化车辆在信号交叉口的发车速度,并在此期间降低燃油消耗。

最近在自动网联车辆(CAVs)方面的技术发展已经展现出极大的潜力,可以显著提高城市交通的机动性、燃油经济性和安全性。特别是车辆对车辆(V2V)和车辆对基础设施(V2I)通信和车辆自动化,也为交通信号控制和车辆控制在信号交叉口提供了新的机会。首先,利用车车通信和车路通信,交通信号控制器可以实时获取接近车辆的更准确的位置和运动信息,从而对交通信号进行更有效的控制。李等人从被连接车辆中获取车辆状态,从而估计到达交叉口控制所需的行驶时间,与被驱动信号控制相比,提高了车辆的平均速度,降低了总延误。Priemer和Bernhard设计了一种基于V2I数据的估计队列长度和交通流的分散自适应交通信号控制方法。仿真结果表明,当渗透量超过20%时,该方法的控制效果优于TRANSYT-7F信号控制。Goodall等人通过V2I获得车辆位置和速度信息后,利用仿真方法预测队列长度和延迟,进而优化交通信号配时。仿真结果表明,与协调驱动信号控制相比,该方法能够在不同饱和率下提高交通流的移动性。Zhao等人研究了一种基于车路协同的信号配时优化方法,该方法考虑了单个车辆的油耗特性,仿真结果表明该方法具有改善交叉口附近车辆燃油经济性的潜力。Feng等人提出了一种利用网联车数据,最小化车辆延迟和队列长度的双层自适应信号控制算法,仿真结果表明,与驱动控制相比,该算法显著降低了车辆总延迟和渗透率。准确获取车辆运动信息的能力可以提高交通信号控制中队列长度、车辆行驶时间、车辆油耗的估计精度,从而优化信号控制水平。

其次,临近车辆还可以通过车车/车路实时通信获取交通信号相位/时间和交通状况,从而优化和控制车辆的速度轨迹,以减少油耗或达到其他理想的目标。由于推荐的车辆速度轨迹可以作为自动化算法的一部分来实现,因此这种单独的车辆控制可以更容易地部署到CAVs中。Asadi和Vahidi提出了一种信号交叉口的预测巡航控制方法,其目的是使车辆以预先设定的速度行驶,以最小的制动时间在绿灯相位内到达。Jin等人提出了一种基于功率的内燃机车辆纵向最优控制方法,该方法考虑了制动/油耗关系图、交通信号和道路坡度等因素,从而优化了内燃机车辆的速度分布。Wu等人对电动汽车在信控主干道上的速度分布进行了优化。Xu等人使用分支定界算法优化相邻信号交叉口的车速分布。He等人提出了一种考虑交通信号和十字路口排队长度的多阶段优化控制方法来优化车辆速度。HomChauduri等人提出了一种基于分散模型预测控制的网联车速度优化方法,该方法在车辆通过信号交叉口时是有效的。在欧洲,eCoMove项目建立了一个汽车能效和机动性的原型系统,该系统能够通过人机界面提供驾驶辅助,以避免车辆在交通信号灯处停车。

总之,基于智能网联汽车的交通信号控制有很大应用前景来提高运输效率和燃料经济系统中所有车辆(本文定义为宏观交通水平),而智能网联车辆速度优化可以在个体层面提高通行效率和减少燃料的使用 (定义为微观车辆级别)。预计将宏观和微观层面的控制相结合,将有助于进一步提高运输效率,降低燃料消耗。为此,Li等人提出了交通信号调整与车速联合优化的方法,该方法可以减少不同交通需求下的出行时间。然而,他们没有考虑即将到来的车辆的燃料消耗。此外,车辆速度优化是基于一定规则的,这可能不会得出最优的速度轨迹。

除了交通信号控制和车辆控制外,还有其他基于智能网联车辆的交叉口管理方法。Dresner和Stone设计了一种基于预约的方法来协调智能网联车队在没有信号的十字路口的移动。Lee和Park提出了一种车辆协同交叉口控制方法来控制单个网联车的机动,以避免车辆在无信号交叉口发生碰撞。Tachet等提出了基于容量优化的网联车交叉口管理系统,该系统在考虑安全约束的情况下分配车辆的通行时间。Yang等人提出了一种优化交叉口车辆出发顺序和轨迹的方法,该方法在应用于传统车辆、网联车辆和自动车辆的混合交通环境中具有最小的交通延迟。这些方法中,大部分通过完全消除交通信号,只能在智能网联车辆分布达到100%,且在十字路口没有行人或自行车的情况下运行。然而,这在短时间内无法实现。此外,他们没有分离冲突的交通流,为确保十字路口的交通安全,对车辆控制的稳定性要求很高。本文提出了一种交通信号优化与车速控制相结合的方法,可以同时优化交通信号配时和车速轨迹。其目的是提高运输效率,降低智能网联车辆的油耗。该方法由交通优化和车辆最优控制两部分组成。交通优化根据车辆的初始速度和位置信息,按周期计算出最优的交通信号配时和车辆到达时间。在这里,我们应用信号设计的最佳方法,即信号设计的双环图(见下图1.1)。这种方法已被证明是有效的,可以确保安全(例如,分隔冲突的运动和提供适当的间隙时间),同时最大限度地提高了车辆通过信号交叉口的效率。将车辆最优控制应用于每辆车,根据交通优化计算的最优到达时间,获得最优轨迹,使车辆油耗最小化。这里我们假设所有的车辆都装备了网联车车载终端,这样车辆就可以自动计算和执行最优的速度轨迹,而不需要人工干预。

图1.1

本文的主要研究成果如下:

  1. 针对交通信号配时(宏观层面)与车辆控制(微观层面)的同步优化问题,综合考虑交通效率和车辆油耗两个方面,提出了一种协同优化方法。
  2. 综合考虑宏观层面的信号控制下的运输效率和微观层面的车辆控制下的燃油经济性。这也意味着,提出该方法的主要目标是确保所有车辆的通行效率,同时要尽量减少车辆的燃料消耗。并且这两个目标是相互关联的:更高的效率通常会导致更少的燃料消耗。

本文的结构如下:

在第二部分,我们给定了本文研究的问题。第三部分介绍了交通信号优化和车辆速度控制的方法。第四部分给出了求解交通优化问题的枚举法和求解车辆最优控制问题的伪谱法。第五部分给出了仿真结果,第六部分得出了一些结论。

2、问题描述

我们考虑一个典型的双向四车道(每个方向)信号交叉口,该交叉口的每一个进口道的两条车道分别为左转车道和直行/右转车道。在这里,我们假设不同目的地的车辆已经在相应的车道上,因此我们不需要考虑变道行为。因此,同一方向的车辆也将遵循先进先出(FIFO)原则,不会出现车辆超车现象。研究区域由车联网的通信范围决定,通常半径为几百米。

我们假设车辆一旦出现在研究区域,就可以在交通信号的有效绿灯间隔时间内通过停车线。但这并不意味着车辆必须在到达停车线的同一周期内通过十字路口。它们可能会在接下来的几个信号周期中通过交叉口,这本质上表明了由于交通需求大而出现的过饱和现象。信号间隙时间的设计将确保在有效绿灯时间结束时通过停车线的车辆在间隙时间内能够被清除,这是标准的信号方案设计。

3、研究方法

3.1方法概述

该方法由交通优化和车辆控制两大部分组成。流量优化位于流量控制器处。它从接近的车辆获取速度和位置信息,计算最优的交通信号配时,并计划车辆的到达时间,目的是在宏观上减少所有车辆的总行驶时间。然后将优化后的车辆到达时间发送到每个对应的车辆。车载控制通过考虑到达时间的约束,在微车水平上确定车辆的最优速度轨迹,以优化发动机功率和车辆制动水平,使车辆整个行程的燃油消耗最小化。

值得注意的是,交通优化和车辆控制都是采用水平滚动法进行的。在交通优化中,对每个信号周期的末端进行交通信号配时和车辆到达时间的优化,即其控制周期为一个信号周期。计算出的最优信号配时被用于下一个周期的交通信号。对于车辆控制,控制周期要短得多。

3.2交通优化

3.2.1交通模型

假设所有车辆都是自动化车辆,本文使用一些基本规则来建立交通模型。具体来说,当车辆接近交叉口时,它们必须

(1)在相应阶段的绿灯相位内到达停车线;

(2)保持安全的车头时距避免碰撞。从数学上讲,如果车辆(L,i)满足上述第一个条件,我们有:

其中tau;L(i)是车辆的到达时间(L,i),它是车辆从初始位置到停止线的行驶时间,而gL是交通运动的交通信号绿色间隔的并集 L。因此,该等式意味着车辆的到达时间属于绿色间隔的并集。

给定NBL(北行左转),SBT(向南直行),WBL(西行左转),EBT(向东直行),SBL(南行左转),NBT(向北直行),EBL(东行左转)和WBT(向西直行)的相位时间为tNBL,tSBT,tWBL,tEBT,tSBL,tNBT,tEBL和tWBT,则可以写出周期开始时的有效绿色间隔,如

其中R表示清除时间,k表示循环数,K表示该方法考虑的循环总数,并且已预设。这里,我们以(4)为例来解释这些方程。 如(4)所示,gNBL是在K个周期中几个绿色间隔的并集,其中kC是第k个周期中绿色间隔的开始时间,而kC (tNBL-R)bNBL是第k个周期中绿色间隔的结束时间。这意味着车辆可以在K个周期的任何绿色间隔通过交叉路口。 另外,不同阶段的时间分配必须满足双环约束的要求:

在(15)中,gmin表示最小绿灯时间,gmax表示最大绿灯时间。注意,可以跳过相位L,在这种情况下,tL为零。信号时序是通过下图中的双环图建模的。

以上约束确保确保不会发生移动冲突,但如果需要,兼容的移动可以同时发生。

另外,为了确保安全,车辆(L,i)必须与前车(L,i -1)保持安全车头时距。

其中THWmin表示最小安全时间,我们可以将其设置为2s。需要注意的是在交通优化中,行进约束(16)只能确保避免连续两辆车辆发生整体碰撞,特别是在停车线处。车辆在到达停车线之前仍可能发生碰撞。在“车辆最佳控制”中将进一步考虑这一点,并施加安全距离约束,以确保两个连续车辆的轨迹不会发生碰撞。

3.2.2车辆运动学模型

汽车是一个复杂的非线性动力系统,包括发动机和变速器等许多非线性部件。在交通优化模型中,由于模型需要考虑所有到达的车辆,因此我们建立了一个简单的车辆运动学模型来描述车辆的运动。在车辆控制模型中,为了更准确地控制单个车辆的速度,需要建立更详细的车辆模型。假设车辆在通过交叉口时倾向于加速到期望的速度,保持匀速运动。基于此假设,车辆模型可表示为:

其中t、d、v和a分别为到达交叉口的时间和距离,以及车辆的速度和加速度。而Vt表示目标速度。在本文中,我们假设最大目标速度是道路限速。考虑到最高限速vmax和最大舒适加速度amax,我们可以计算车辆最低到达时间tau;L(i),min和距离dL(i)以及速度v L(i)

当车辆之间的距离足够远时车辆在到达交叉口前可以加速到限速(如下图a)

最小到达时间为:

另一种情况下,当距离不够远时(如下图b)

此时最小到达时间为:

很明显,车辆的到达时间不能小于其最小到达时间。这些最小到达时间约束考虑了车辆的运动学约束,保证了优化的到达时间满足车辆运动学约束。

3.2.3目标函数

在交通信号控制中,通常以车辆延误最小为

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[238954],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。