基于车路协同的高速公路入口匝道车辆汇入引导方法

为提高高速公路入口匝道区域交通安全和通行效率,提出了基于车路协同的高速公路入口匝道车辆汇入引导方法和模型.根据车路协同系统获取的各车辆实时位置和速度信息,在主线外侧车道上搜寻合适的匝道车辆汇入间隙,或通过调节主线外侧车道的车速形成合适的汇入间隙,在此基础上确定匝道车辆汇入时间、汇入位置、汇入车速等,并引导匝道车辆顺利汇入主线.利用Vissim交通仿真软件的COM接口,编程实现了车路协同环境下高速公路入口匝道车辆汇入引导功能,并针对主线和匝道流量分别处于低峰、平峰和高峰的情况进行了仿真实验.结果表明,与无车辆汇入引导情况相比,在主线交通流量处于低峰、平峰、高峰三种情况下,该方法可使入口匝道交通延误分别降低15.6%,20.9%和19.2%,并使交通冲突数分别降低17.9%,23.5%和32.3%,可有效改善高速公路入口匝道区域交通运行状况.

基于深度强化学习的自动驾驶车辆专用道汇入引导

为满足自动驾驶车辆(CAV)与人工驾驶车辆混行过程中安全和效率的需求,自动驾驶车辆专用道应运而生。当高速公路内侧车道设为自动驾驶车辆专用道时,引导自动驾驶车辆从普通车道汇入至专用道的策略研究具有重要的理论意义和实际价值。首先,设计专用道入口并提出车辆控制规则;其次,以使更多自动驾驶车辆换道至专用道为目标,基于深度强化学习,选择换道信号动作引导车辆换道;最后,通过Python语言编译进行数值仿真验证。结果表明:在自动驾驶车辆渗透率、到达专用道自动驾驶车辆比例等不同因素构建的9种场景下,本文算法能够快速收敛;能够有效引导自动驾驶车辆汇入专用道,保证通行效率;相较无信号控制情况,渗透率为20%~40%时,第2车道交通拥堵显著减少;在两段式专用道入口场景下,CAV换道至专用道的比例比单入口场景明显提高。所提出的策略具有较好的适用性,能为工程建设提供参考借鉴。