混合交通流下交叉口车辆轨迹与信号配时协同优化研究.pdf

摘要

信号交叉口是城市道路交通网络中的关键节点，其控制区域内存在频繁的车

辆加减速行为，会导致交通拥堵、车辆油耗增加等问题。智能网联技术的发展为提

高交叉口运行效率提供技术支持，但目前相关研究大多基于纯网联自动驾驶的环

境，且较少将车辆轨迹与信号配时结合研究。因此，为发挥基础设施和智能网联汽

车群体交互的智能优势，本文以人工驾驶车辆和网联自动驾驶车辆组成的混合交

通流为研究对象，进行车辆轨迹与信号配时的协同优化研究。主要工作概括如下：

（1）对车路协同环境及关键技术进行定义，明确车辆运行场景。划分研究车

辆的类别，分析人工驾驶车辆和网联自动驾驶车辆的建模特征，并明确混合交通流

中的车辆排列方式，针对每种排列规则制定相应的车辆跟驰模式。进行车辆跟驰模

型的建模分析，通过对多种跟驰模型的比选，选取适用的跟驰模型。

（2）考虑前车、次前车的速度和位置影响，以及紧邻前车的加速度影响构建

跟驰模型，通过线性稳定性分析得到改进跟驰模型的稳定性条件，分析加速度影响

系数等参数对跟驰模型的影响。构建车辆启动场景，通过数值仿真分析不同影响系

数对混合交通流运行的影响，结果表明，改进的模型能够更快的完成车辆启动过程，

车辆的运行效率和稳定性更高，且在考虑前车影响时交通流稳定性有所提高。

（3）针对混合交通流中不同类型车辆的排列方式，划分多种车辆到达交叉口

的场景，分别对车队中的头车和后方车辆制定相应的车辆轨迹优化策略，用粒子群

算法求解得到最优的车辆运行轨迹。运用数值仿真分析车辆轨迹优化策略的效果，

结果表明，应用车辆轨迹优化策略后混合交通流车队的行程时间更短，策略能有效

减少车辆的燃油消耗，且随着网联车渗透率的提高优化效果更明显。

（4）提出信号配时优化策略，基于车辆延误和通行能力构建综合评价指标，

根据车辆实时到达情况调整信号配时方案。随后引入滚动优化策略，提出车辆轨迹

与信号配时协同优化系统框架，并设计算法求解。仿真分析结果表明：协同优化方

法能够提高混合交通流的通行能力，降低车辆延误和燃油消耗。网联车渗透率为

50%的条件下，实施协同优化策略后道路通行能力提高7.07%，车辆平均延误降低

9.23%。且网联车渗透率分别为50%、70%、100%时对应的车辆平均行程时间下降

率分别为6.94%、9.46%、12.5%，对应的油耗下降率分别为7.76%、11.31%、15.65%，

验证了协同优化策略的优化效果，为协同优化策略的应用提供理论依据。

关键词：混合交通流；跟驰模型；车辆轨迹；信号配时；协同优化

Abstract

Thesignalintersectionsarecriticalnodesintheurbanroadtrafficnetwork,butthey

sufferfromtrafficcongestionandincreasedfuelconsumptionduetothefrequent

accelerationanddecelerationbehaviorsofvehiclesintheircontrolareas.The

developmentofintelligentandconnectedtechnologyprovidestechnicalsupportfor

improvingtheefficiencyofintersectionoperations.However,mostofthecurrentresearch

hasbeenconductedintheenvironmentofpurelyconnectedandautonomousvehicles,

andlessofithascombinedvehicletrajectoriesandsignaltimingforoptimization.In

ordertotakeadvantageoftheinteractionbetweeninfrastructureandgroupsofintelligent

networkedvehicles,thispapercond