一种智能网联环境下城市路网车道级时空资源分配方法

本发明涉及智能交通控制，尤其涉及一种智能网联环境下城市路网车道级时空资源分配方法。

背景技术：

1、城市交通智慧化程度的提高能够提升人民的出行体验，促进经济可持续发展。而交通安全又是重中之重，随着城市化进程的加快，城市交通流量不断增加，特别是在高峰时段，交通拥堵现象日益严重。如何挖掘在途车辆与交通基础设施的协同感知潜力，提高路网通行效率、降低交通污染，成为现阶段城市交通智慧化发展亟待解决的重要问题。

2、现有的城市路网时空资源分配主要涉及智能网联技术、城市路网建模技术、城市路网短时交通流预测技术、城市路网时空资源分配技术。通过合理的时空资源分配，可以缓解交通拥堵，从而提高道路通行效率。

3、这些技术存在以下不足，包括：(1)现有城市路网时空资源分配主要针对特定的城市路网，对车道级时空资源分配的研究存在缺失，尚未有方法细化路网资源；(2)现有的城市路网时空资源分配方案中针对路网整体的规划方案和车辆局部的规划方案耦合性差，导致时空资源利用不充分，无法兼顾环保与通行效率。(3)现有城市路网模型通常以固定和静态的数据为基础来完成路网建模，未结合实时动态的轻量化数据进行实时分析；(4)短时交通流预测模型的预测效果不理想，训练时间长，容易累积误差影响短时交通流预测的准确率。

技术实现思路

1、为此，本发明提供一种智能网联环境下城市路网车道级时空资源分配方法，用以克服现有技术中城市路网时空分配时未细化到车道级，并且时空资源利用不充分、实时性不强，短时交通流预测准确率较低的问题。

2、为实现上述目的，一方面，本发明提供一种智能网联环境下城市路网车道级时空资源分配方法，包括：

3、步骤s1，基于若干信号交叉口和若干路段构建城市路网模型，其中，所述若干信号交叉口为若干路网节点，所述若干路段为若干边；

4、步骤s2，基于所述城市路网模型，分别确定若干边的污染承载力和资源承载力，基于所述污染承载力和所述资源承载力确定若干边的单边承载力以及城市路网承载力；

5、步骤s3，基于单位时间内的预设可通行车流量、所述单边承载力和路网承载力对城市路网空间资源进行车道级空间资源预分配；

6、步骤s4，获取所述预设可通行车流量中的若干车辆的实时自身车道流量数据、历史自身车道流量数据、实时相邻车道流量数据、历史相邻车道流量数据并结合路网环境事件数据构建混合交通流数据集，基于所述混合交通流数据集预测城市路网的短时车道级可通行状态；

7、步骤s5，基于所述车道级空间资源预分配的结果和所述短时车道级可通行状态实现对车道级时空资源的最优分配。

8、进一步地，在所述步骤s1中，包括：

9、步骤s11，确定若干车辆在任意两个路网节点之间的车辆行驶时间；

10、步骤s12，基于所述车辆行驶时间预测任意两个路网节点之间的车辆平均行驶时间；

11、其中，所述车辆平均行驶时间为车辆通过任意两个路网节点之间的时间成本。

12、进一步地，在所述步骤s3中，包括：

13、步骤s31，基于预设比例系数和预设分配次数确定单位时间内的城市路网可分配总量，并基于所述预设分配次数确定每份od数据；

14、步骤s32，基于预设分配次数按顺序迭代所述每份od数据，将迭代od数据与单位时间下的城市路网承载力进行比较，根据比较结果调整所述城市路网可分配总量并对城市路网空间资源进行预分配。

15、进一步地，在步骤s32中，在每一次迭代时，包括：

16、确定若干车辆当前位置，基于若干车辆的当前位置和最大转移概率确定若干车辆的目标路网节点；

17、确定所述若干车辆从当前位置到目标路网节点的单边承载力；

18、将单份od数据与所述单边承载力进行比较，根据比较结果确定目标路网节点类型；

19、根据目标路网节点类型调整若干车辆的目标路网节点。

20、进一步地，在步骤s4中，确定若干车辆的相邻车道，包括：

21、基于若干车辆实时行驶路段确定若干车辆的相关车道集；

22、分别计算所述相关车道集中车道和若干车辆自身车道的相关系数；

23、将所述相关系数与预设相关阈值进行比较，根据比较结果确定若干车辆的相邻车道。

24、进一步地，在步骤s4中，基于所述混合交通流数据集预测短时车道级可通行状态，包括：

25、基于预设时间段，预测短时车道级通行流量；

26、基于所述短时车道级通行流量和东西南北四个方向确定单个路网节点的车道级可通行状态；

27、基于所述车道级可通行状态确定短时车道级可通行状态。

28、进一步地，确定所述单个路网节点的节点权重矩阵，包括：

29、基于所述单个路网节点的上游车道平均车速和下游车道平均车速确定所述单个路网节点的通行成本；

30、基于所述单个路网节点的通行状态和通行时间代价确定所述单个路网节点的信控成本；

31、基于所述通行成本和信控成本确定所述单个节点的节点权重矩阵；

32、其中，所述通行状态包括红灯状态和绿灯状态。

33、进一步地，在步骤s5中，包括：基于所述车道级空间资源预分配结果和城市路网内若干车辆的时变od向量确定车道级时空资源优化中间状态矩阵。

34、进一步地，基于所述车道级时空资源优化中间状态矩阵确定若干车辆的最优通行目标。

35、进一步地，将基于一般性规则约束和最优通行约束作为所述最优通行目标的约束条件。

36、与现有技术相比，本发明的有益效果在于，通过构建精细化的城市路网模型，综合考虑污染承载力与资源承载力以评估城市路网承载能力，进而实现车道级空间资源的预分配。同时，结合车辆实时自身车道流量数据、历史自身车道流量数据、实时相邻车道流量数据、历史相邻车道流量数据并结合路网环境事件数据构建混合交通流数据集提供数据支撑，以精准预测短时车道级可通行状态，最终优化车道级时空资源分配，有效优化城市道路交通运行模态，降低污染，利用多源融合技术的优势，结合轻量性交通数据集为城市路网提供微观的分配与优化方案，提升自主式交通系统下的路网通行效率和不同自主化等级主体间的交互能力。

37、进一步地，本发明基于预设比例系数和预设分配次数确定单位时间内的城市路网可分配总量，并基于所述预设分配次数确定每份od数据，按顺序迭代所述每份od数据，基于城市路网承载力和迭代结果的比较结果调整城市路网可分配总量并对城市路网空间资源进行预分配，从而进一步优化城市道路交通运行模态，方便后续与时间特征进行结合，利用多源融合技术的优势，结合轻量性交通数据集为城市路网提供微观的分配与优化方案，提升自主式交通系统下的路网通行效率和不同自主化等级主体间的交互能力。

38、进一步地，本发明从车道与车道之间的关系出发，基于混合交通流数据集确定若干车辆实时行驶自身车道和相关车道集合中车道的相关系数，通过相关系数和预设相关阈值比较结果确定若干车辆的相邻车道，考虑了时变的轻量化数据集，从而进一步通过短时预测车道级的通行流量构建时变的车道级路网可通过性模型，进一步提升自主式交通系统下的路网通行效率和不同自主化等级主体间的交互能力。

39、进一步地，本发明结合单个路网节点的上游车道与下游车道的平均车速来评估通行成本，以及根据路网节点的通行状态和通行时间代价来计算信控成本，进而构建出单个路网节点的节点权重矩阵，有助于全面且精准地量化路网节点在交通流中的影响力，识别出交通拥堵的热点区域，从而显著降低通行延误，提升道路通行能力和整体交通运行效率，进一步提升自主式交通系统下的路网通行效率和不同自主化等级主体间的交互能力。

40、进一步地，本发明将基于一般性规则约束和最优通行约束作为所述最优通行目标的约束条件，在确保车辆在城市路网通行的基本条件下，对道路通行合理性和安全性进行限制，从而实现最优通行目标，进一步求出时变的车道级路网可通过性模型的最优解，进一步提升自主式交通系统下的路网通行效率和不同自主化等级主体间的交互能力。