摘要
随着车辆网联化、智能化和共享化的不断发展以及5G通信和蜂窝车联网（CellularVehicletoEverything,C-V2X）时代来临，具有信息交互、协同控制能力的网联自动驾驶车辆（ConnectedandAutonomousVehicle,CAV）已成为全球智能交通领域的研究热点。可预见将会有越来越多的CAV冲击传统的交通网络，与网联人工驾驶车辆（ConnectedHuman-drivenVehicle,CHV）形成混行的交通环境，而道路的通行状况势必会受到CAV、CHV的人与非人的控制差异而导致冲突增多、效率下降。CAV可基于C-V2X感知周围环境、共享车辆信息和应用适当的控制策略来提高道路的交通效率和稳定性，但目前缺乏合理统一的CAV混行车流集聚控制策略和指导理论，现存的单一化模型及策略与未来实际混行交通联系不够紧密。因此，为未来城市区域的混行交通构建合理统一的集聚控制策略以及增强策略的实用性是目前亟待解决的重要难题。本文依托国家重点研发计划“车路协同系统要素耦合机理与协同优化方法”（编号：2018YFB1600500），系统研究了智能网联环境下CAV混行车流集聚控制策略，并结合不同控制需求在三种典型集聚场景验证所提策略的有效性。主要研究内容如下： （1）针对混行路段集聚场景，提出了基于多智能体系统（Multi-AgentSystem,MAS）的CAV混行车流集聚控制策略。首先以混行车流中集聚车队的形成和保持为切入点，有效结合了MAS理论和车队集聚思想，构建了混行车流的关键Agent和集聚控制框架，考虑到CHV驾驶员的不确定性，提出了CAV集聚车队控制策略和CHV混行集聚车队控制策略。仿真实验表明，该策略在密度处于50veh/km~80veh/km、MPR为40%~60%时控制效果最佳，能显著降低混行车流的不确定性，提高混行环境下的道路通行能力。 （2）针对混行交叉口集聚场景，提出了基于预信号控制的交叉口集聚策略。创新设计了动态虚拟预信号（Pre-TrafficLight,PTL），结合集聚车队的车流信息和PTL相位信息，对车队进行基于时空同步机制的PTL速度诱导，随后根据主信号（MainTrafficLight,MTL）给予的建议速度行驶，结合MTL-PTL协同配时策略，能够使得车队以最大可能性不停车通过交叉口。仿真实验表明，该策略可以优化集聚车队的行驶轨迹，减少燃油消耗和二氧化碳排放，同时降低了车辆的停车次数和平均延误，缓解了交叉口的拥堵问题。 （3）针对连续交叉口集聚场景，提出了基于双层协同控制的连续交叉口集聚策略。上层为基于集聚车队控制的速度诱导策略，下层为交叉口信号配时优化策略，即对集聚车队速度诱导的同时，对连续交叉口的信号配时进行协同优化。仿真实验表明，该策略不仅保证集聚车队以更大的巡航速度完整通过交叉口，而且减少了13.64%的平均延误，同时使领航车和跟随车的油耗分别降低了30.58%和58.80%，能够在燃油经济性较高的情况下提高连续交叉口的通行效率。 综上所述，本文针对不同控制需求从“混行路段－信号交叉口－连续交叉口”三种典型集聚场景，验证了所提策略的可行性和高效性，丰富了交通流理论，为未来混行环境下的交通管控提供技术支撑。
NETL