新型混合交通流粒流一致性控制

RCCA mixed traffic flows consist of regular vehicles (RVs), connected vehicles (CVs), and connected and automated vehicles (CAVs). The existing studies focus on the control of either traffic flows or vehicle trajectories. This project aims to study the control mechanism of the mixed flows at isolated intersections, eliminating the disagreement between the system and individual benefits. The mutual interactions of the components of the mixed flows are analyzed. The control of CAV trajectories is explored under the uncertain environment. The impacts of CAV trajectory control are investigated for the control of the arrival patterns of the mixed flows. Combing signal and CAV trajectory control, the traffic control at isolated intersections is studied for the agreement between the system and individual benefits. The proposed project is of both theoretical and practical values to the development of the traffic control system of the mixed flows and the application of the automated driving techniques to traffic engineering.

常规车辆、网联车辆和网联自动驾驶车辆组成的新型混合交通流将成为常态。既有研究多聚焦于交通流（流）控制或车辆个体（粒）轨迹控制的单一问题。面向交通流总体效益与车辆个体效益的一致化需求，本项目研究新型混合交通流环境下的交叉口控制理论与方法：解析新型混合交通流各组成的相互影响机理，研究不确定环境下网联自动驾驶车辆的轨迹控制机制，实现流中控粒；解析网联自动驾驶车辆轨迹控制对新型混合交通流时空分布的作用机理，研究混合交通流到达模式的调控机制，实现以粒控流；解析新型混合交通流效益与车辆个体效益的一致性控制机理，研究信号控制与网联自动驾驶车辆轨迹控制的协同机制，实现粒流协控；构建面向新型混合交通流的仿真环境，实验分析粒流控制效果及其鲁棒性和容错性。研究成果对于发展新型混合交通流控制系统及推进自动驾驶技术在交通领域的应用具有重要理论意义和实用价值。

网联通信和自动驾驶技术的发展催生了网联车辆（Connected Vehicle, CV）和网联自动驾驶车辆（Connected and Automated Vehicle, CAV）。在可预见的未来数十年之内，CV和CAV将与常规车辆（Human-driven Vehicle, HV）共存。这种新型混合交通流环境下的交通控制已成为国内外研究前沿。项目聚焦新型混合交通流环境下的交叉口控制难题，按照机理解析、系统建模、算法优化、仿真实验的思路展开研究。首先，解析了新型混合交通流各组成的相互影响机理，构建了信号控制交叉口场景下的CAV纵向加速度曲线和横向换道策略的优化模型，设计了高效的分布式求解算法，进一步扩展到施工区、合流区等瓶颈路段的CAV横纵向耦合轨迹规划场景，实现了流中控粒。然后，基于势能场理论，构建了面向交叉口管控策略的响应式CAV自组织编队方法，建立了基于CAV轨迹规划的路段交通流到达模式控制模型，并提出了基于动态CAV专用车道的新型混合交通流控制方法，实现了以粒控流。其次，提出了基于时间帧的交叉口背景信号配时方案优化模型，构建了车辆轨迹数据驱动的动态信号配时方法，建立了共享相位-专用车道交叉口的CAV轨迹和信号配时的协同控制方法，实现了粒流协控。最后，搭建了基于SUMO二次开发的仿真实验环境，仿真结果验证了模型及算法的有效性。研究成果对车路协同环境下的交通管控具有一定的应用价值。依托上述研究成果，项目共发表论文14篇（其中SCI/SSCI论文10篇，EI论文4篇）；申请发明专利5项（其中授权3项）；联合培养5名博士/硕士研究生（含在读）；获中国交通运输协会科技进步奖一等奖。