留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

车路协同系统下区域路径实时决策方法

王庞伟 邓辉 于洪斌 李振华 王力

王庞伟, 邓辉, 于洪斌, 等 . 车路协同系统下区域路径实时决策方法[J]. 北京航空航天大学学报, 2019, 45(7): 1349-1360. doi: 10.13700/j.bh.1001-5965.2018.0613
引用本文: 王庞伟, 邓辉, 于洪斌, 等 . 车路协同系统下区域路径实时决策方法[J]. 北京航空航天大学学报, 2019, 45(7): 1349-1360. doi: 10.13700/j.bh.1001-5965.2018.0613
WANG Pangwei, DENG Hui, YU Hongbin, et al. Real-time regional path decision method in cooperative vehicle infrastructure system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2019, 45(7): 1349-1360. doi: 10.13700/j.bh.1001-5965.2018.0613(in Chinese)
Citation: WANG Pangwei, DENG Hui, YU Hongbin, et al. Real-time regional path decision method in cooperative vehicle infrastructure system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2019, 45(7): 1349-1360. doi: 10.13700/j.bh.1001-5965.2018.0613(in Chinese)

车路协同系统下区域路径实时决策方法

doi: 10.13700/j.bh.1001-5965.2018.0613
基金项目: 

国家重点研发计划 2018YFB1600504

国家自然科学基金 61603004

北京市自然科学基金 4174088

北京市科技新星计划 Z181100006218076

北方工业大学毓杰人才支持计划 18XN154-003

详细信息
    作者简介:

    王庞伟  男, 博士, 副教授。主要研究方向:车路协同控制系统、车联网与智能驾驶技术

    邓辉  女, 硕士研究生。主要研究方向:车路协同控制系统

    于洪斌  男, 硕士, 助理研究员。主要研究方向:交通大数据、交通规划

    李振华  男, 博士研究生, 高级工程师。主要研究方向:车路协同系统、交通大数据分析

    王力  男, 博士, 教授。主要研究方向:智能交通系统、交通信号控制

    通讯作者:

    王庞伟, E-mail: wpw@ncut.edu.cn

  • 中图分类号: U491.2

Real-time regional path decision method in cooperative vehicle infrastructure system

Funds: 

National Key R & D Program of China 2018YFB1600504

National Natural Science Foundation of China 61603004

Beijing Natural Science Foundation 4174088

Beijing Nova Program Z181100006218076

Yujie Talent Support Project of NCUT 18XN154-003

More Information
  • 摘要:

    为解决车辆行驶数据缺失和滞后造成路径规划系统不稳定问题,建立了基于车路协同系统(CVIS)的新型区域路径实时决策方法。首先,通过获取网联车辆的实时行驶数据,结合交通信号配时和路径转向信息,并考虑车辆在途经交叉口时可能遇到的非自由流行驶情况,动态计算当前路段路阻值;其次,根据当前时刻各路段的路阻统计数据,以及区域路网拓扑结构,实时预测各备选路线的行程时间,选择行程时间最少的路线作为车辆最优行驶路径;最后,选取北京市望京地区的典型区域路网数据进行验证。在150组实验过程中,计算得出不同时段下按所提方法得到的最优路线用时平均比常规导航系统推荐最优路线用时分别短9.52 s、13.39 s及20.65 s,证明了所提方法的有效性。

     

  • 图 1  车路协同系统下路径决策方法特征

    Figure 1.  Characteristics of path decision method in CVIS

    图 2  车路协同系统下路径决策方法策略

    Figure 2.  Strategy of path decision method in CVIS

    图 3  两阶段通信流程划分

    Figure 3.  Division of two-phase communication process

    图 4  路阻计算中的3种情形

    Figure 4.  Road resistance calculation in 3 situations

    图 5  车路协同系统下路网模型建立

    Figure 5.  Road network model established in CVIS

    图 6  路网拓扑结构

    Figure 6.  Structure of road network topology

    图 7  细化路线方案

    Figure 7.  Route refinement plan

    图 8  路线优化方案

    Figure 8.  Route optimization plan

    图 9  实验设计路线方案

    Figure 9.  Route plan in experimental design

    图 10  06:00—08:00时段行程时间

    Figure 10.  Travel time from 06:00 to 08:00

    图 11  06:00—08:00时段排队次数

    Figure 11.  Queue number from 06:00 to 08:00

    图 12  06:00—08:00时段最大优化时间

    Figure 12.  Maximum optimization time from 06:00 to 08:00

    图 13  08:00—10:00时段行程时间

    Figure 13.  Travel time from 08:00 to 10:00

    图 14  08:00—10:00时段排队次数

    Figure 14.  Queue number from 08:00 to 10:00

    图 15  08:00—10:00时段最大优化时间

    Figure 15.  Maximum optimization time from 08:00 to 10:00

    图 16  10:00—12:00时段行程时间

    Figure 16.  Travel time from 10:00 to 12:00

    图 17  10:00—12:00时段排队次数

    Figure 17.  Quene number from 10:00 to 12:00

    图 18  10:00—12:00时段最大优化时间

    Figure 18.  Maximum optimization time from 10:00 to 12:00

    表  1  车载及路侧单元采集数据

    Table  1.   Data collected in OBU and RSU

    数据类型 数据含义
    平均行驶速度v 一定时间内该路段上所有车辆的平均行驶速度
    平均排队车辆数N 一定时间内该路段上每个周期平均排队车辆数
    信号控制周期C 该交叉口对应信号控制周期
    相位绿灯起始时间Ps 在信号周期中该路段所处相位绿灯起亮时间
    相位绿灯持续时间Pd 在信号周期中该路段所处相位绿灯持续时间
    当前所处时间c 目前已处于信号控制的第几秒
    下载: 导出CSV

    表  2  实验路线参数

    Table  2.   Parameters of experimental route

    路线编号 途经灯控交叉口/个 行驶里程/km 预测行程时间/min 行驶路线
    06:00—08:00 08:00—10:00 10:00—12:00
    路线1 5 2.0 9 7 6
    路线2 5 2.1 10 9 7
    路线3 5 2.2 10 9 7
    下载: 导出CSV

    表  3  路侧终端采集数据

    Table  3.   Data collected in RSU

    路段 平均行驶速度v/(km·h-1) 平均排队车辆数N 路段长度
    L/m
    信号控制
    周期C/s
    绿灯起止时
    Ps~Pd/s
    06:00—08:00 08:00—10:00 10:00—12:00 06:00—08:00 08:00—10:00 10:00—12:00
    24 28 38 15 14 12 431 150 0~42
    26 32 43 9 8 6 374 150 0~88
    22 30 38 7 6 5 415 150 52~76
    20 28 34 6 5 4 368 60 28~54
    21 33 37 9 8 7 443 90 48~84
    20 26 33 9 8 6 431 150 49~69
    15 19 24 8 7 6 418 70 0~38
    14 20 25 0 0 0 422 70 0~70
    16 22 27 7 6 5 387 70 0~36
    12 15 22 9 8 7 430 90 0~32
    24 28 38 15 14 12 431 150 0~42
    18 25 31 11 10 7 374 150 0~88
    12 15 19 10 9 8 381 80 0~39
    13 18 21 0 0 0 502 70 0~70
    12 15 22 9 8 7 430 90 0~32
    下载: 导出CSV

    表  4  路阻计算参数

    Table  4.   Calculation parameters of road resistance

    参数 典型值
    a/(m·s-2) 3
    dl/m 4.3
    dp/m 0.5
    dg/m 6
    下载: 导出CSV

    表  5  06:00—08:00路线结果对比

    Table  5.   Comparison of route results from 06:00 to 08:00

    路线 平均预测
    行程时间/s
    平均预测
    排队次数
    平均预测
    排队时间/s
    最优路线
    次数
    路线1 510.54 4.28 306.61 126
    路线2 556.37 3.99 261.19 20
    路线3 611.48 3.69 298.61 4
    下载: 导出CSV

    表  6  08:00—10:00路线结果对比

    Table  6.   Comparison of route results from 08:00 to 10:00

    路线 平均预测
    行程时间/s
    平均预测排
    队次数
    平均预测
    排队时间/s
    最优路线
    次数
    路线1 440.84 3.63 236.91 127
    路线2 478.31 4 183.13 22
    路线3 497.64 3.11 184.77 1
    下载: 导出CSV

    表  7  10:00—12:00路线结果对比

    Table  7.   Comparison of route results from 10:00 to 12:00

    路线 平均预测
    行程时间/s
    平均预测
    排队次数
    平均预测
    排队时间/s
    最优路线
    次数
    路线1 392.62 3.45 188.69 105
    路线2 416.05 3.89 120.87 23
    路线3 411.66 2.74 98.79 22
    下载: 导出CSV
  • [1] 葛艳, 王健, 孟友新, 等.车辆导航动态路径规划的研究进展[J].公路交通科技, 2010, 27(11):113-117. doi: 10.3969/j.issn.1002-0268.2010.11.021

    GE Y, WANG J, MENG Y X, et al.Research progress on dynamic route planning of vehicle navigation[J].Journal of Highway and Transportation Research and Development, 2010, 27(11):113-117(in Chinese). doi: 10.3969/j.issn.1002-0268.2010.11.021
    [2] 孙海鹏, 翟传润, 战兴群, 等.基于实时交通信息的动态路径规划技术[J].微计算机信息, 2007, 23(24):177-178. doi: 10.3969/j.issn.1008-0570.2007.24.068

    SUN H P, ZHAI C R, ZHAN X Q, et al.Dynamic route planning techniques based on real time traffic information[J].Microcomputer Information, 2007, 23(24):177-178(in Chinese). doi: 10.3969/j.issn.1008-0570.2007.24.068
    [3] 向冬梅, 陈树辉.基于动态交通的最短时间路径规划方法研究[J].微计算机信息, 2012, 28(9):317-319. http://www.cnki.com.cn/Article/CJFDTOTAL-WJSJ201209129.htm

    XIANG D M, CHEN S H.Research on the shortest time path planning based on dynamic traffic[J].Microcomputer Information, 2012, 28(9):317-319(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-WJSJ201209129.htm
    [4] 李露蓉, 王蕾, 高应波, 等.基于优化蚁群算法的动态路径规划问题研究[J].广西大学学报(自然科学版), 2013, 38(2):359-367. doi: 10.3969/j.issn.1001-7445.2013.02.018

    LI L R, WANG L, GAO Y B, et al.A dynamic path planning model based on the optimal ant colony algorithm[J].Journal of Guangxi University(Natural Science Edition), 2013, 38(2):359-367(in Chinese). doi: 10.3969/j.issn.1001-7445.2013.02.018
    [5] 刘微, 朱征宇, 刘琳, 等.基于行程时间多步预测的实时路径导航算法[J].计算机应用研究, 2013, 30(2):346-349. doi: 10.3969/j.issn.1001-3695.2013.02.006

    LIU W, ZHU Z Y, LIU L, et al.Realtime navigation algorithm based on multistep travel time prediction[J].Application Research of Computers, 2013, 30(2):346-349(in Chinese). doi: 10.3969/j.issn.1001-3695.2013.02.006
    [6] 周明秀, 程科, 汪正霞.动态路径规划中的改进蚁群算法[J].计算机科学, 2013, 40(1):314-316. doi: 10.3969/j.issn.1002-137X.2013.01.073

    ZHOU M X, CHENG K, WANG Z X.Improved ant colony algorithm with planning of dynamic path[J].Computer Science, 2013, 40(1):314-316(in Chinese). doi: 10.3969/j.issn.1002-137X.2013.01.073
    [7] 周申培, 朱泽雨, 吴涛.基于Android平台的实时路径规划应用开发[J].信息通信, 2016(5):110-112. doi: 10.3969/j.issn.1673-1131.2016.05.050

    ZHOU S P, ZHU Z Y, WU T.Real-time path planning application development based on the Android platform[J].Information & Communications, 2016(5):110-112(in Chinese). doi: 10.3969/j.issn.1673-1131.2016.05.050
    [8] SEN S, PILLAI R, JOSHI S, et al.A mean-variance model for route guidance in advanced traveler information systems[J].Transportation Science, 2001, 35(1):37-49. doi: 10.1287/trsc.35.1.37.10141
    [9] WU X, NIE Y.Modeling heterogeneous risk-taking behavior in route choice:A stochastic dominance approach[J].Transportation Research Part A:Policy and Practice, 2011, 45(9):896- 915. doi: 10.1016/j.tra.2011.04.009
    [10] XING T, ZHOU X.Finding the most reliable path with and without link travel time correlation:A Lagrangian substitution based approach[J].Transportation Research Part B:Methodological, 2011, 45(10):1660-1679. doi: 10.1016/j.trb.2011.06.004
    [11] CHEN B Y, LAM W H K, SUMALEE A, et al.Finding reliable shortest paths in road networks under uncertainty[J].Networks and Spatial Economics, 2013, 13(2):123-148. doi: 10.1007/s11067-012-9175-1
    [12] BACKFRIEDER C, OSTERMAYER G, MECKLENBRÄUKER C F.Increased traffic flow through node-based bottleneck prediction and V2X communication[J].IEEE Transactions on Intelligent Transportation Systems, 2017, 18(2):349-363. doi: 10.1109/TITS.2016.2573292
    [13] LIU J, WAN J, WANG Q, et al.A survey on position-based routing for vehicular ad hoc networks[J].Telecommunication Systems, 2016, 62(1):15-30. doi: 10.1007/s11235-015-9979-7
    [14] ZHU T, SONG Z, WU D, et al.A novel freeway traffic speed estimation model with massive cellular signaling data[J].International Journal of Web Services Research, 2016, 13(1):69-87. doi: 10.4018/IJWSR
    [15] QIN Q, FENG M, SUN J, et al.Prediction of road resistance based on historical/real-time information and road quality[C]//International Conference on Fuzzy Systems and Knowledge Discovery.Piscataway, NJ: IEEE Press, 2016: 1073-1077.
    [16] WANG Z, CHEN Y, CHEN N, et al.The research on control strategy of urban expressway under CVIS[J].International Journal of Simulation:Systems, Science and Technology, 2016, 16(1):30-34.
    [17] 王庞伟, 余贵珍, 王云鹏, 等.基于滑模控制的车车协同主动避撞算法[J].北京航空航天大学学报, 2014, 40(2):268-273. https://bhxb.buaa.edu.cn/CN/abstract/abstract12860.shtml

    WANG P W, YU G Z, WANG Y P, et al.Cooperative active collision avoidance algorithm based on sliding mode control[J].Journal of Beijing University of Aeronautics and Astronautics, 2014, 40(2):268-273(in Chinese). https://bhxb.buaa.edu.cn/CN/abstract/abstract12860.shtml
    [18] 章权, 温惠英, 孙博.适于配送车辆导航路径规划的遍历模型的改进型粒子群优化算法[D].华南理工大学学报, 2011, 39(8): 110-117.

    ZHANG Q, WEN H Y, SUN B.Improved particle swarm optimization algorithm of ergodic model for routing planning of delivery vehicle navigation[D].Journal of South China University of Technology, 2011, 39(8): 110-117(in Chinese).
    [19] JANCHIV A, BATSAIKHAN D, KIM B S, et al.Time-efficient and complete coverage path planning based on flow networks for multi-robots[J].International Journal of Control, Automation, and Systems, 2013, 11(2):369-376. doi: 10.1007/s12555-011-0184-5
    [20] ADLER J L, SATAPATHY G, MANIKONDA V, et al.A multi-agent approach to cooperative traffic management and route guidance[J].Transportation Research Part B:Methodological, 2005, 39(4):297-318. doi: 10.1016/j.trb.2004.03.005
    [21] PAZ A, PEETA S.On-line calibration of behavior parameters for behavior-consistent route guidance[J].Transportation Research Part B:Methodological, 2009, 43(4):403-421. doi: 10.1016/j.trb.2008.07.007
  • 加载中
图(18) / 表(7)
计量
  • 文章访问数:  468
  • HTML全文浏览量:  6
  • PDF下载量:  426
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-10-23
  • 录用日期:  2019-02-16
  • 刊出日期:  2019-07-20

目录

    /

    返回文章
    返回
    常见问答