1.一种城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，包括以下步骤：S1、确定微观跟驰模型，使用所述微观跟驰模型描述车辆的跟驰状态，所述车辆的跟驰状态包括车辆的速度、加速度和位置；

S2、获取混合交通流中车辆在通过冲突区域的上游监测点的时刻和速度，并用所述微观跟驰模型预测车辆在上游监测点与冲突终点之间的车辆初始轨迹；所述上游监测点与冲突起点之间有一定距离的路段；所述冲突起点位于所述上游监测点和所述冲突终点之间；

所述冲突起点和所述冲突终点之间的路段构成冲突区域；

S3、基于所述微观跟驰模型，针对十字交叉口的冲突类型，加入加速度约束、距离约束与安全约束建立冲突协同模型；所述十字交叉口的冲突类型包括交叉冲突和合流冲突；

S4、针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种无法顺利通过冲突区域的情况，拟制协同控制策略集；

S5、基于所述车辆初始轨迹，由所述冲突协同模型判断车辆是否可以顺利通过冲突区域；若判断结果为车辆可以顺利通过冲突区域，则车辆继续遵从所述微观跟驰模型的速度行驶；若判断结果为车辆无法顺利通过冲突区域，则需进一步判断车辆在通过冲突区域的过程中出现的具体情况，并依据所述车辆在通过冲突区域的过程中出现的具体情况对车辆做出所述步骤S4拟制的协同策略集中对应的协同控制策略，进而执行步骤S6；

S6、将参与车辆通过冲突区域的过程中的可优化控制的车辆确定为目标车辆，依据步骤S5所做出的协同控制策略对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间状态约束的最优控制问题，用动态规划的思想求解得到关于所述目标车辆的协同优化控制策略，并将关于所述目标车辆的协同优化控制策略作用于所述目标车辆，控制所述目标车辆的运行。

2.根据权利要求1所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述十字交叉口的冲突类型为交叉冲突；所述交叉冲突是指不同行驶方向的车辆以较大的角度互相交叉行驶；所述步骤S3具体包括：假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；

定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；

定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；

假设X路上的车辆k处于控制区域(XD，YD)～(XC，YC)，车辆k将通过Y路上的连续车流的两车辆之间的间隔；所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；

在t时刻，X路上的车辆k和Y路上的车辆k′之间的相对距离用lk，k′(t)表示，则：其中，xk(t)表示X路上的车辆k在t时刻的位置，yk′(t)表示Y路上的车辆k′在t时刻的位置；

冲突协同效用用Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；所述冲突协同效用Uk(t)表示如下：其中，|uk(t)|表示X路上车辆k在t时刻的加速度的绝对值； 表示Y路上的车辆k′2在t时刻的加速度的绝对值； 表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离； 表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离； 表示智能网联车辆的安全车身； 表示传统驾驶车辆的安全车身；bsafe表示最大允许减速度；

ΦA为智能网联车辆集；ΦH为传统驾驶车辆集；η1表示安全系数；η2表示礼貌系数；所述智能网联车辆为可优化控制的车辆，用字母A表示；所述传统驾驶车辆为不可优化控制的车辆，用字母H表示；

协同决策用Ik(t+τ)表示如下：

其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。

3.根据权利要求1所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述十字交叉口的冲突类型为合流冲突；所述合流冲突是指不同行驶方向的车辆以较小的角度向同一方向汇合行驶；所述步骤S3具体包括：假设X路和Y路都是单向单行车道，且X路与Y路的交叉点为(XC，YC)；

定义冲突区域：结合道路几何长度与所述微观跟驰模型确定冲突起点和冲突终点，X路上的冲突区域自冲突起点Xcs起，到冲突终点Xce止；Y路上的冲突区域自冲突起点Ycs起，到冲突终点Yce止，则冲突区域为(Xcs，Ycs)～(Xce，Yce)；

定义控制区域：X路上的控制区域自车辆距离冲突起点Xcs一定距离的控制起点XD起，到交叉点(XC，YC)止；Y路上的控制区域自车辆距离冲突起点Ycs一定距离的控制起点YD起，到交叉点(XC，YC)止，则控制区域为(XD，YD)～(XC，YC)；所述控制起点位于所述上游监测点和所述冲突起点之间；

假设X路上的车辆k处于控制区域(XD，YD)～(XC，YC)，车辆k将通过Y路上的连续车流的两车辆之间的间隔；所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；

在t时刻，X路上的车辆k和Y路上的车辆k′之间的相对距离用lk，k′(t)表示，则：当xk(t)＜XC-r时，

当 时，

当 时，

其中，xk(t)表示X路上的车辆k在t时刻的位置，yk′(t)表示Y路上的车辆k′在t时刻的位置；r表示车辆k在十字交叉口的转弯半径；

冲突协同效用用Uk(t)表示，用来反映X路上车辆k是否可以顺利通过冲突区域；所述冲突协同效用Uk(t)表示如下：其中，|uk(t)|表示X路上车辆k在t时刻的加速度的绝对值； 表示Y路上的车辆k′2在t时刻的加速度的绝对值； 表示在t时刻，X路上的车辆k和Y路上的车辆k′1之间的相对距离； 表示在t时刻，X路上的车辆k和Y路上的车辆k′2之间的相对距离； 表示X路上的车辆k与Y路上车辆k′1的安全距离，且X路上的车辆k为智能网联车辆； 表示X路上的车辆k与Y路上车辆k′1的安全距离，且X路上的车辆k为传统驾驶车辆； 表示X路上的车辆k与Y路上车辆k′2的安全距离，且X路上的车辆k为智能网联车辆； 表示X路上的车辆k与Y路上车辆k′2的安全距离，且X路上的车辆k为传统驾驶车辆；bsafe表示最大允许减速度；ΦA为智能网联车辆集；ΦH为传统驾驶车辆集；η1表示安全系数；η2表示礼貌系数；所述智能网联车辆为可优化控制的车辆，用字母A表示；所述传统驾驶车辆为不可优化控制的车辆，用字母H表示；

协同决策用Ik(t+τ)表示如下：

其中，Ik(t+τ)的值为1表示车辆k在t+τ时刻可以顺利通过冲突区域；Ik(t+τ)的值为0表示车辆k在t+τ时刻无法顺利通过冲突区域。

4.根据权利要求1所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述步骤S4具体包括：假定X路和Y路均为单向单行车道，X路上的车辆k将通过Y路上的连续车流的两车辆之间的间隔，所述Y路上的连续车流的两车辆分别用k′1和k′2表示，其中车辆k′1表示前车，车辆k′2表示后车；

针对混合交通流场景下车辆通过冲突区域的过程中可能出现的各种情况，基于所述微观跟驰模型将车辆k′1、车辆k、车辆k′2之间的关系分为可以顺利通过冲突区域与无法顺利通过冲突区域；所述无法顺利通过冲突区域又分为四种情况，第一种情况记为R1，表示车辆k与车辆k′1之间距离太近，不满足可顺利通过冲突区域的约束条件；第二种情况记为R2，表示车辆k与车辆k′2之间距离太近，不满足可顺利通过冲突区域的约束条件；第三种情况记为R3，表示车辆k与车辆k′1且与车辆k′2之间的距离均太近，不满足可顺利通过冲突区域的约束条件；第四种情况记为R4，表示车辆k与车辆k′1且与车辆k′2之间满足基本间隔要求，但通过冲突区域的过程不舒适；

针对无法顺利通过冲突区域的四种情况，需要对当中的可优化控制的车辆进行协同控制；用H表示传统驾驶车辆，为不可优化控制的车辆；用A表示智能网联车辆，为可优化控制的车辆；用N表示无前车参与或无后车参与；并规定车辆的组合顺序依次为车辆k′1、车辆k、车辆k′2；

基于不同的车辆组合、不同的车型组合，以及所述无法顺利通过冲突区域的四种情况，拟制协同控制策略集，如下表所示：上表中，所述无法优化是指车辆在对应的无法顺利通过冲突区域的情况下没有相应的控制策略；在所述无法优化的情况下，当所述十字交叉口的冲突类型为交叉冲突时，X路上的车辆k将以X路和Y路的交叉点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；

当所述十字交叉口的冲突类型为合流冲突时，X路上的车辆k将以X路和Y路的合流点作为一个停止的虚拟前车，遵循所述微观跟驰模型持续减速甚至停车等待，直到Y路上出现满足可通过冲突区域的车辆间隔，车辆k才通过冲突区域；所述X路和Y路的合流点是指X路车流汇合进入Y路车流的位置；

所述控制状态未知，是针对无法顺利通过冲突区域的情况R4而言，在这种情况下需要先判断车辆k、车辆k′1、车辆k′2在通过冲突区域的过程中是哪些对应车辆之间构成不舒适，再分别依据无法顺利通过冲突区域的情况R1、R2、R3采取对应的控制策略；

所述控制车辆k加速，是使t时刻车辆k的决策变量uk(t)满足：

且vk(t)+uk(t)τ≤ve；

所述控制车辆k减速，是使t时刻车辆k的决策变量uk(t)满足：

且vk(t)+uk(t)τ≥0；

所述不控制车辆k，是使t时刻车辆k的决策变量uk(t)满足：

即uk(t)＝0；

所述控制车辆k′1加速，是使t时刻车辆k′1的决策变量 满足：

且

所述不控制车辆k′1，是使t时刻车辆k′1的决策变量 满足：

即

所述控制车辆k′2减速，是使t时刻车辆k′2的决策变量 满足：

且

所述不控制车辆k′2，是使t时刻车辆k′2的决策变量 满足：

即

其中，uk(t)作为t时刻车辆k的决策变量，表示车辆k在t时刻的加速度；vk(t)是车辆k在t时刻的速度；vmic(Lk(t)，vk(t)， 是根据所述微观跟驰模型所预测的车辆k在t+τ时刻的安全跟驰速度； 作为t时刻车辆k′1的决策变量，表示车辆k′1在t时刻的加速度；

是车辆k′1在t时刻的速度； 是根据所述微观跟驰模型所预

测的车辆k′1在t+τ时刻的安全跟驰速度； 作为t时刻车辆k′2的决策变量，表示车辆k′2在t时刻的加速度； 是车辆k′2在t时刻的速度； 是根据所述微观跟驰模型所预测的车辆k′2在t+τ时刻的安全跟驰速度；τ是车辆驾驶的反应时间；ve是期望速度。

5.根据权利要求1-4任一所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，所述步骤S6具体包括：S6-1、基于所述微观跟驰模型预测目标车辆进入控制区域的时刻为t0，离开控制区域的时刻为tf；并将t0到tf的时间按离散时间间隔τ′平均分为N段，即N＝(tf-t0)/τ′，定义控制决策时刻为t0+τ′，t0+2τ′，t0+3τ′，t0+4τ′，...，t0+(N-1)τ′，tf；

S6-2、根据目标车辆在t0时刻的状态，计算目标车辆在t0+τ′时刻的容许状态集，以及目标车辆从t0时刻的状态到t0+τ′时刻的容许状态集中各个容许状态的转移成本；所述目标车辆在t0时刻的状态包括目标车辆在t0时刻的速度和位置；

S6-3、根据目标车辆在t0+τ′时刻的容许状态集，计算目标车辆在t0+2τ′时刻的容许状态集，以及目标车辆从t0+τ′时刻的状态到t0+2τ′时刻的容许状态集中各个容许状态的转移成本和累计成本；

S6-4、根据步骤S6-3的方法依次计算目标车辆在t0+3τ′，t0+4τ′，...，t0+(N-1)τ′，tf时刻的容许状态集，并计算得到tf时刻的容许状态集中的各个容许状态的累计成本；

S6-5、判断目标车辆在tf时刻的容许状态集中的各个容许状态是否满足可以顺利通过冲突区域的条件，并将满足条件的容许状态纳入最终容许状态集中；

S6-6、选择最终容许状态集中累计成本最小的容许状态作为tf时刻的最优状态；

S6-7、根据tf时刻的最优状态逆推得到t0+τ′，t0+2τ′，t0+3τ′，t0+4τ′，...，t0+(N-1)τ′，tf各时刻的最优状态，并将每个最优状态对应的控制决策纳入协同优化控制策略；

S6-8、根据所述协同优化控制策略对目标车辆在所述控制区域间的运行进行控制。

6.根据权利要求5任一所述的城市十字交叉口混合交通流协同优化底层控制方法，其特征在于，构建微观交通流仿真环境，对比不同交通情景下优化前后的仿真结果。