一种基于事故风险的快速路车速和匝道协同控制方法
技术领域
本发明涉及快速路交通安全控制领域，尤其是涉及一种基于事故风险的快速路车速和匝道协同控制方法。
背景技术
提高快速路交通安全的有效方法之一是主动交通管理，它可以根据当前和预测的交通状况对道路设施进行动态管理，如匝道控制、可变限速控制、动态路肩等。对于快速路的控制策略，比较常用的是可变限速和匝道控制。可变限速的控制对象是快速路主线的限速值，而匝道控制的对象为上匝道的汇入流量值。以往的研究表明可变限速能够显著降低车辆间的速度差，平滑交通流，具有改善交通安全降低事故风险的潜力。匝道控制能够降低高峰时期或事故高风险状态下匝道车流对主线车流的影响，从而改善交通安全。
目前很多可变限速和匝道控制方法主要针对经过某个路段上发生事故可能性或发生事故之后实施控制，而且目前可变限速和匝道控制的方法更多是单点、单策略。单点实施控制策略，可能会使事故风险从上游转移到下游；单策略控制，也可能无法更好地发挥策略的效益。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于事故风险的快速路车速和匝道协同控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于事故风险的快速路车速和匝道协同控制方法，包括以下步骤：
1)在每个控制步长内计算事故风险指数CI，当事故风险指数CI超过事故风险指数的阈值时激活车速和匝道协同控制策略；
2)进行多匝道协调控制策略，确定要控制的匝道和匝道控制的启动时刻，并计算融合匝道调节率h′i(k)；
3)进行可变限速策略，获得车群下游路段的限速值显示值，并据此调整匝道调节率、主线期望速度和下一时段的路段主线速度，以下一时段车群事故风险最小为目标，得到下一时段的要经过路段的最优限速值组合和匝道调节率。
所述的步骤1)中，事故风险指数CI在METANET模型交通流预测基础上计算得到，其表达式为：
其中，βr为第r个变量的系数，xr为第r个变量，R为变量总数。
所述的变量以及对应的含义和系数如下表所示：
。
所述的步骤2)中，控制匝道为车群在1min内要经过的下游匝道，下游匝道控制的启动时刻为车群到达匝道处的时刻，下游第一个匝道的调节率采用改进的ALINEA算法与基于METANET模型的匝道汇入模型融合计算，且下游多个匝道的调节率与要经过的下游第一个匝道的调节率一致，则有：
其中，h′i(k)为融合匝道调节率，di(k)为i路段对应匝道的k时段需求，wi(k)为i路段对应匝道的k时段排队长度，T为控制步长，取值为1min，Qi(k)为匝道通行能力，ρmax,i为i路段对应主线的最大密度，ρi(k)为i路段对应主线的密度，ρcrit,i为主线关键密度，ri(k)为k时段的i路段对应匝道的匝道调节率，ri(k-1)为k-1时段的匝道调节率，KR为主线占有率调节参数，KS为安全因素调节参数，
所述的步骤3)中，获得车群下游路段的限速值显示值具体包括以下步骤：
31)根据车群当前的平均速度以及约束条件生成该车群下一时段要经过的路段对应的多个设置限速值组合；
32)计算每个设置限速值组合下对应的事故风险指数，以事故风险指数最低作为目标函数选择最优的设置限速值组合；
33)根据参考该车群上一控制步长的实际驾驶员遵守率，对最优的设置限速值进行调整，得到调整后的设置路段限速值，即限速值显示值，并在该控制步长内以调整后的设置路段限速值进行控制后返回步骤1)进行下一控制步长。
所述的步骤31)中，生成该车群下一时段要经过的路段对应的多个设置限速值组合具体为：
由车群当前的速度通过增加或减去操作，得到初步限速值组合，并且从所有初步限速值组合中剔除不符合交通效率约束、时间变化约束和空间变化约束条件的组合，最终得到多个设置限速值组合，约束条件具体包括：
交通效率约束：
时间变化约束：
VVSL,i(k+1)-VVSL,i(k)|≤spddiff,t
空间变化约束：
VVSL,i+1(k)-VVSL,i(k)|≤spddiff,s
其中，Li为i路段的长度，νi(k+1)为限速下i路段平均速度，ν’i(k+1)为无限速下i路段平均速度，tm为行程时间增加率，VVsL,i(k)为i路段k时段的设置限速值，VVSL,i(k+1)为i路段k+1时段的设置限速值，spddiff,t为同一路段相邻时段限制速度差值阈值，VVSL,i+1(k)为i+1路段k时段的设置限速值，spddiff,s为同一时段相邻控制路段限制速度差值阈值。
所述的步骤32)中，目标函数表达式为：
其中，CIij(k+1)为i路段上游第j个车群在第k+1时段内的事故风险指数，aij为i路段上游第j个车群事故风险的权重，n为i路段上游需要考虑的车群个数。
所述的步骤33)中，调整后的设置路段限速值的表达式为：
其中，
所述的步骤32)中，根据限速值显示值调整融合后的匝道调节率、主线期望速度和下一时段的路段主线速度，并根据调节后的下一时段的路段主线速度获取变量xr的值进而计算事故风险指数，具体为：
(1)对于主线期望速度：
以步骤31)得到的i路段k时段的不同组合下的设置限速值VVsL,i(k),作为可变限速控制下的自由流速度
其中，V’(ρi(k))为调整后的主线期望速度，vfree,i(k)为i路段k时段无限速控制下的自由流速度，om为无限速条件下的参数，
(2)对于匝道调节率：
调整融合后的匝道调节率具体为：
h″i(k)＝min{h′i(k)，qcap-qi(k)}
qcap＝λiV’(ρcrit(k))*ρcrit(k)
其中，h″i(k)为调整后的融合匝道调节率，qcap为可变限速下主线通行能力，qi(k)为k时段i路段对应主线的流量，λi为主线车道数，V’(ρcrit(k))为在关键密度为ρcrit(k)时可变限速下主线期望速度，ρcrit(k)为设定的主线关键密度；
(3)对于下一时段的路段主线速度：
Δv1＝V’(ρi(k))-νi(k)
Δv2＝vi(k)-vi-1(k)
其中，
该方法还包括：
4)协同控制策略实施1个控制步长后，当事故风险指数低于事故风险指数的阈值时，通过设置过渡限速，用以避免车群速度变化过大，并且在两个路段后恢复正常限速，则有：
其中，
与现有技术相比，本发明具有以下优点：
(1)动态调整控制策略：本发明以车群事故风险为控制策略实施基础，可以根据车群实时以及预测的交通状态实施管控，从而提前避免了事故的发生，可根据车群的事故风险动态调整控制策略，可变限速和匝道控制持续的时间和实施距离也会降低。
(2)提高车群安全性：将车路协同技术引入到控制策略中，通过直接向网联车发布可变限速信息，进而影响周围车辆，改变路段上的车辆的行驶速度，提高车群的安全，而且在车路协同环境下，道路设施与车辆通信，下游匝道可以得知车群的到达时间，交互式开启匝道控制策略，将为以后车联网环境下交通管理与控制提供思路。
(3)多路段可变限速、多匝道协调控制：采用多路段可变限速、多匝道协调控制以及二者协同控制，且是基于多车群的事故风险。可防止车群事故风险再次升高，更加有效地改善快速路交通安全。
附图说明
图1为快速路可变限速和匝道协同控制示意图。
图2为多匝道协调策略流程图。
图3为多路段可变限速策略流程图。
图4为速路可变限速和匝道协同控制流程图。
具体实施方式
当前的基于事故风险的可变限速和匝道控制方法更多是单点、单策略。单点实施控制策略，可能会使事故风险从上游转移到下游；单策略控制，也可能无法更好地发挥策略的效益。采取多路段可变限速和多匝道协调控制可防止持续降低车群的事故风险，防止高事故风险车群转移，而且可变限速是对主线交通实施控制，匝道控制则是针对匝道交通，二者协同控制，可能将更好地发挥出它们的技术优势。另外，以往的研究多是在无网联车的环境下，可变限速和匝道控制主要基于路段发生事故的可能性或发生事故之后启动控制。本发明是在车路协同情况下，可变限速和匝道控制可以针对的是经过该路段的一个车群，与针对路段事故风险相比，可以实时监控车群的事故风险，根据车群的事故风险动态调整控制策略，可变限速和匝道控制持续的时间和实施距离也会降低。
下面结合附图和具体实施例对本发明进行详细说明。
如图1和4所示，本发明提供一种基于事故风险的快速路车速和匝道协同控制方法，包括以下步骤：
本发明基于车群的事故风险实现对车群多路段可变限速、多匝道协调控制、车速和匝道协同控制，可以根据车群实时以及预测的交通状态实施管控，从而提前避免了事故的发生，具体步骤包括：
(1)首先是车群事故风险的实时计算，通过追溯车群0-4min前交通流量、速度等数据计算事故风险指数来表征车群的事故风险，当车群的事故风险指数高于阈值时，激活控制策略。
其中：
CI：事故风险指数；
βr：第r个变量的系数；
xr：第r个变量的值；
R：变量总数。
表1计算事故风险指数的变量
(2)然后是多匝道协调控制策略，如图2所示，确定要控制的匝道、匝道调节率和匝道控制的开启时刻的计算。控制匝道为车群1min要经过的下游匝道，下游匝道控制的启动时刻为车群到达匝道处的时刻，将改进的ALINEA算法与METANET模型的匝道汇入模型融合计算下游第一个匝道的调节率，下游多个匝道的调节率同要经过的第一个下游匝道调节率一样，然后匝道调节率输入到第(4)步协同控制。
下游匝道控制启动时刻计算：
考虑上游多个车群的事故风险改进的AILINEA算法：
MEATANET模型的匝道汇入模型：
下游第一个匝道的调节率计算：
表2匝道控制模型参数
(3)接着是可变限速策略，如图3所示，计算车群下游路段的限速值。由车群当前的速度减去或加上5km/h，10km/h，15km/h，设置车群1个步长(1min)要经过的路段的限速值，限速值取5的整倍数，得到下游路段的初步限速值组合，考虑限速值的交通效率约束、时间变化、空间变化等约束，剔除不符合约束条件的组合，得到多个设置限速值组合，将不同的设置限速值组合输入到第(4)步协同控制策略。
交通效率约束：避免采取的限速值很低导致交通效率很低，可变限速与无可变限速的行程时间相比，行程时间增加比例不超过tm(取值0.05)。
时间变化约束：考虑到驾驶员安全性和舒适性，同一路段相邻时段限制速度值不能变化过大，不能超过spddiff,tkm/h(取10km/h)，对于路段i有
VVSL,i(k+1)-VVSL,i(k)|≤spddiff,t (7)
空间变化约束：同一时段相邻控制路段的限制速度差值也不应过大，不超过spddiff,skm/h(取20km/h)，则有
VVSL,i+1(k)-VVSL,i(k)|≤pddiff,s (8)
可变限速与无可变限速相比平均出行时间增加比例不会太高(交通效率约束)；相邻的两个路段同一时段的限制值差最大为20km/h(空间约束)；同一个路段连续两个控制时间步长限速值差最大为10km/h(时间约束)；
表3可变限速模型参数
(4)然后是协同控制。
首先考虑可变限速对主线期望速度的影响，将得到的i路段k时段的不同组合下的设置限速值VVSL,i(k),作为可变限速控制下的自由流速度
其中，V’(ρi(k))为调整后的主线期望速度，vfree,i(k)为i路段k时段无限速控制下的自由流速度，om为无限速条件下的参数，
根据可变限速下的主线期望速度调整的匝道调节率。可变限速值变化时，影响主线的通行能力，进而影响匝道调节率，调整后的匝道调节率h″i(k)为：
h″i(k)＝min{h′i(k)，qcap-qi(k)}
qcap＝λiV’(ρcrit(k))*ρcrit(k)
其中，qcap：可变限速下主线通行能力，veh/h；qi(k)：i路段的k时段的流量，veh/h；V’(ρcrit(k))：可变限速时关键密度下的主线期望速度，km/h；ρcrit(k)：主线关键密度，veh/km/lane，取值为33.3veh/km/lane。
匝道流量对主线速度的折减项的计算。匝道汇入主线的流量降低，匝道对主线速度的折减项也会降低。匝道车流对下一时段主线速度的折减项为：
其中，δ：匝道汇入影响系数，取0.0122；h″i(k)：k时段i路段对应的匝道调节率，veh/h；vi(k)：k时段主线速度，km/h；λi：主线车道数，车道数；ρi(k)：k时段主线密度，veh/km/lane；σ：补偿系数。
进一步的，利用METANET宏观交通流模型，计算下一时段的路段的流量、密度和速度参数。
对于路段i，下一时段的密度ρi(k+1)：
对于路段i，下一时段的速度νi(k+1)：
Δv1＝V’(ρi(k))-vi(k)
Δv2＝vi(k)-vi-1(k)
对于路段i，下一时段的流量qi(k+1)：
qi(k+1)＝ρi(k+1)·vi(k+1)·λi
其中，si(k)是i路段对应的出口匝道流量，若无，则取值为0，vi(k)、vi-1(k)分别为k时段的i路段和i-1路段主线速度，Δv1、Δv2分别为中间参量，τ为驾驶员调整延迟系数，T为控制步长，η为速度密度敏感系数，Li为i路段对应主线长度，ρi(k)、ρi+1(k)分别为i路段和i+1路段的主线密度，σ为补偿系数。
根据下一时段的路段的流量、密度和速度参数进而得到表1中事故风险预测的变量xr，然后预测匝道调节率和不同设置限速组合值下的车群事故风险。
进一步的，当预测的下一时段车群事故风险最小时，即得到下一时段的要经过路段的限速值和匝道调节率。
目标函数：下一时段多个车群事故风险最小。
其中，
CIij(k+1)：i路段上游第j个车群，第k+1时段时的事故风险指数；
aij：i路段，上游第j个车群事故风险的权重；
n：i路段上游需要考虑的车群个数。
将得到的最优设置限速值组合进行调整，考虑前1min的该车群驾驶员实际遵守率，调整该车群下一时段要经过的路段限速值显示值，当该车群前一时段的平均速度大于可变限速值时，下一时段降低该车群的限速值显示值，反之升高，且显示值取5的整倍数。
其中，
进一步的，将限速值显示值发布给网联车辆，匝道调节率传输到下游匝道的控制器。
(5)控制策略实施1个步长(1min)后，计算车群的事故风险指数，若高于阈值，返回步骤1，继续实施控制。若低于阈值，设置过渡限速，两个路段后恢复正常限速。
VSLi(k+1)＝[vi(k)+10]5 (15)
其中，
VSLi(k+1)：下游路段k+1时段限速值；
vi(k)+10：下游路段k时段速度；
[]5：限速值取5的整倍数。
实施例
本例以车群j为例，包括以下步骤：
1.每步长(1min)追溯车群j进入某路段0-4min前的轨迹，由轨迹沿线检测器数据的流量差、速度差等交通参数计算车群j的事故风险。
2. 8点05分车群j要进入里程标志8.8-9.2路段，由步骤1计算的事故风险指数高于阈值，转入第三步，计算下游匝道调节率、匝道控制的开启时刻、限速值，若低于阈值则不进行控制。
3.然后是多匝道协调控制策略，包括确定要控制的匝道、匝道调节率和匝道控制的开启时刻的计算。控制匝道为车群1min要经过的下游匝道，下游匝道控制的启动时刻为车群到达匝道处的时刻，将改进的ALINEA算法与METANET模型的匝道汇入模型融合计算下游第一个匝道的调节率，下游多个匝道的调节率同要经过的第一个下游匝道调节率一样，然后匝道调节率输入到第5步协同控制策略。
4.可变限速策略，计算车群下游路段的限速值。由车群当前的速度减去或加上5km/h，10km/h，15km/h，设置车群1个步长(1min)要经过的路段的限速值，限速值取5的整倍数，考虑限速值的交通效率约束、时间变化、空间变化等约束，将不同限速值组合输入到第5步协同控制策略。
5.考虑匝道车流和主线车流的相互作用，利用METANET宏观交通流模型预测不同匝道调节率和限速值下的车群事故风险。进一步的，当预测的下一时段车群事故风险最小时，即得到下一时段的要经过路段的限速值和匝道调节率。
6.控制策略实施1个步长(1min)后，计算车群j的事故风险指数，若高于阈值，返回步骤1，考虑车群j前1一分钟的驾驶员遵守率，继续实施控制。若低于阈值，设置过渡限速，两个路段后恢复正常限速。
