1.一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,包括以下步骤:S1,基于网联交通信号灯和智能网联汽车建立分层解耦式交通优化模型;
S2,通过网联交通信号灯获取车辆状态信息,结合交通流模型、车辆运动学模型,以最小化交叉口交通延误为分层解耦式交通优化模型的优化目标,优化交通信号配时;
S3,智能网联汽车结合优化后的交通信号配时、车辆能耗模型与车辆运动学模型,以最小化燃油消耗为分层解耦式交通优化模型的优化目标,获取优化车辆加速度同时调整车辆行驶轨迹,实现网联交叉口车路协同优化。
2.根据权利要求1所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,构建信号交叉口场景,场景包括由网联人驾车辆与智能网联车辆组成的混合交通流。
3.根据权利要求1所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,基于车辆纵向运动学特性建立车辆运动学模型,如式(1)~(6)约束:
0≤v(t)≤vmax,t0≤t≤t1 (5)amin≤a(t)≤amax,t0≤t≤t1 (6)其中,x(t)代表t时刻车辆与交叉口停止线的距离;
v(t)代表t时刻车辆速度;
a(t)代表t时刻车辆加速度;
t0代表初始时刻;
l代表t0时刻车辆距离交叉口停止线距离;
v0代表t0时刻车辆速度;
t1代表越过停止线时间;
v1代表越过停止线时速度;
vmax代表车辆最大速度;
amin和amax分别代表车辆最大制动加速度和最大加速度。
4.根据权利要求3所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,采用IDM跟驰模型对场景中的CHV进行建模,具体模型表达式如式(7)所示:其中,an,t表示第n辆车在t时刻的加速度;
amax表示最大加速度;
vn,t表示第n辆车t时刻速度;
vexp表示期望车速;
δ表示加速度指数;
sn,t表示跟驰间距;
*
期望最小车间距s(vn,t,dn,t)可表示为式(8):其中,s0为静止安全距离;
s1为系数;
TI为安全车头时距;
Δv表示车辆与前车的速度差;
b为舒适制动加速度绝对值。
5.根据权利要求1所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,CAV采用协同式自适应巡航模型,如式(9)~(11)所示:其中,e为实际车间距与期望车间距的误差;
xn为第n辆车的位移;
vn为第n辆车的速度;
vnp为第n辆车前一时刻速度;
kp、kd为控制系数。
6.根据权利要求1所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,车路协同优化包括交通信号优化和车辆轨迹优化,采用遗传算法进行交通信号优化,优化时间间隔记为ΔTs;在最优配时方案下,以最小化燃油消耗为目标,进行车辆轨迹优化,优化时间间隔记为ΔTv;其中,ΔTs>ΔTv。
7.根据权利要求6所述的一种混合交通环境下网联交叉口车路协同优化方法,其特征在于,获取网联信号灯通信范围内所有车队状态信息与未来可行轨迹,以所有车队状态信息与未来可行轨迹作为交通信号配时优化输入,以相位组合与配时方案为控制量,建立以最小化交通延误为目标函数的优化模型,如(12)所示:其中,m代表交叉口车道数量;
Ωi代表第i条车道的车队集合;
ttravel代表车辆旅行时间;
代表自由流下的旅行时间。
8.一种混合交通环境下网联交叉口车路协同优化系统,其特征在于,预处理模块和协同优化模块;
预处理模块用于通过网联交通信号灯获取车辆状态信息,结合交通流模型、车辆运动学模型,以最小化交叉口交通延误为分层解耦式交通优化模型的优化目标,优化交通信号配时;
协同优化模块用于以智能网联汽车结合优化后的交通信号配时、车辆能耗模型与车辆运动学模型,以最小化燃油消耗为分层解耦式交通优化模型的优化目标,获取优化加速度同时调整车队行驶轨迹,实现网联交叉口车路协同优化。
9.一种终端设备,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权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。