一种车路协同环境下快速道路重叠交通激波消散方法和系统
申请人信息
- 申请人:东南大学
- 申请人地址:210018 江苏省南京市玄武区四牌楼2号
- 发明人: 东南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种车路协同环境下快速道路重叠交通激波消散方法和系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311563906.X |
| 申请日 | 2023/11/22 |
| 公告号 | CN117636628A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G08G1/01 |
| 权利人 | 东南大学 |
| 发明人 | 徐铖铖; 佟昊; 王长帅; 任卫林; 彭畅 |
| 地址 | 江苏省南京市玄武区四牌楼2号 |
摘要文本
本发明公开了一种车路协同环境下快速道路重叠交通激波消散方法和系统，建立基于冲击波理论的交通激波模型，计算得到智能网联车辆到达交叉口的最优时间，然后基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体，训练得到最优车辆轨迹优化控制器，对智能网联车辆进行控制。本发明采用深度强化学习框架对网联自动驾驶车辆进行多目标轨迹优化控制，引导上游交通以目标轨迹缓慢进入交通激波影响范围，进而抑制交通激波向上游的传播。本发明能够减少车辆在交叉口的排队停车时间，有利于提高城市干道的整体通行效率，降低交叉口的潜在交通事故风险和燃油消耗，在缓解城市交叉口的交通拥堵问题上具有实际的工程应用价值和意义。
专利主权项内容
1.一种车路协同环境下快速道路重叠交通激波消散方法，其特征在于，包括以下步骤：S1、采集目标路段的环境数据，包括交通信号系统数据以及车辆运行数据，然后生成车辆之间的信息传递数据、车辆与交通信号系统的信息传递数据；S2、根据车辆之间的信息传递数据、车辆与交通信号系统的信息传递数据构建基于冲击波理论的交通激波模型，计算得到交通预测状态，即智能网联车辆到达交叉口的最优时间；S3、基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体，具体是：以状态空间为输入，/>包括交通信号状态、交通预测状态、前车状态以及自车状态；以车辆加速度/>为控制动作为输出，智能体优化目标包括：车辆速度、车辆运行安全、车辆到达时间、轨迹平顺性；基于强化学习控制器包括行动者、评论家神经网络模型，行动者模型用于依据环境状态/>输出智能体的控制动作，评论家模型输出智能体策略的价值用于评价行动者模型；S4、构建智能体历史经验数据集，包括：状态空间车辆加速度/>下一状态空间/>下一时刻奖励/>以历史经验数据集训练基于强化学习控制器，得到最优车辆轨迹优化控制器；然后利用最优车辆轨迹优化控制器对智能网联车辆进行控制。 搜索马 克 数 据 网