具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明提供的是一种广义上的公交-自动驾驶车辆混行车道的交通评估方法和系统，在实际应用过程中可以结合具体情况做出相应修正。主要的思路是充分利用公交车道、快速公交车道，力图避免繁杂且无序可寻的人为驾驶随机事件，保证自动驾驶车辆的可靠、高效运行。

本发明提供一种用于公交车与自动驾驶车辆混行车道的交通评估方法，如图1所示，该方法包括：

S1.基于公交车到达每个路段的时间刻画公交车；

S2.根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；

S3.基于自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；

S4.计算自动驾驶车辆在各不同路段上的通行时间；

S5.计算一个周期内各个路段上所有自动驾驶车辆的通行时间。

在本发明中，将城市快速公交专用车道的使用权开放给自动驾驶车辆，构建快速公交与自动驾驶车辆的混行车道；利用公交系统的周期性，准确描述公交车的微观通行状态，并刻画自动驾驶车辆所有可行的时空轨迹；根据公交车在车站的停靠时间，计算混行车道各路段的最大车辆通行量，以限制使用混行车道的自动驾驶车辆数；根据自动驾驶车辆的出发点和目的点，在各路段上为自动驾驶车辆分配时空轨迹，实现车辆总体延误的最小化；根据自动驾驶车辆的时空轨迹，评估在不同交通场景、不同交通需求下的混行车道的平均通行效率。

首先，从空间和时间维度上对公交、自动驾驶车辆的特性进行刻画。

在空间上，公交车的运行具有固定的线路，并且要在特定的公交站停靠一定时间间隔。

自动驾驶车辆的行驶过程则包括进入混行车道、在混行车道上行驶和离开混行车道的过程；在混行车道上，自动驾驶车辆会受到公交车行驶的干扰，以及公交车站的类型是否允许超车行为的影响，图2给出了公交车站允许超车的一个例子。

根据自动驾驶车辆的行驶特性，本发明将道路分为不同的类型，包括进口路段出口路段允许超车路段不允许超车路段和普通路段如图3所示。

从时间上，由于同一线路的公交车的发车间隔相等，公交车到达各个路段的时间间隔也相等，即系统具有周期性。基于时间的周期性，本方法提出“局部坐标”的概念，为每个路段定义各自的时间坐标，不同路段之间的时间关系用“相位”来刻画，图4为系统的时空特性示意图。根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，包括：设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。

在本发明定义的时空坐标里，自动驾驶车辆的行驶轨迹可以被完全刻画，包括起始点、目的点、出发时间点和到达时间点四个元素。考虑路段是否允许超车以及系统的周期性，自动驾驶车辆的轨迹分为了可行轨迹与不可行轨迹，图5绘制了自动驾驶车辆的部分轨迹。

下面具体说明自动驾驶车辆的时空轨迹的规划方法，这一规划问题可以表示为：

s.t.

下面对上述数学规划问题做详细说明：

在本问题中，决策变量有三个：和与分别表示起终点为mn在时间点p到达路段a和离开路段a的车流量，表示起终点为mn在时间点p到达路段a并在时间点离开路段a的车流量。本方法通过对决策变量的优化，实现自动驾驶车辆的时空轨迹规划。

式(1)给出了本发明所提数学规划问题的目标函数,式表示一个周期内各个路段上所有自动驾驶车辆的通行时间之和，而该规划问题的优化目标为最小化系统的总体通行时间。

式(2)和(3)分别为路段内部、相邻路段间的车流量守恒的约束条件；式(4)和(5)分别为路段上到达车流量和离开车流量等于交通需求的约束条件，其中表示自动驾驶车辆的交通需求；式(6)为路段上总的车流量等于各个起终点车流量的总和的约束条件；式(7)为路段上总的车流量不超过路段通行能力的约束条件，其中需要考虑公交车的停车过程对通行能力的影响，表示路段的有效通行能力；式(8)和(9)为同一路段上先到达的车辆先离开的约束条件，其中式(8)限制了除允许超车路段，自动驾驶车辆在通行过程中不允许超过公交车，式(9)限制了自动驾驶车辆在通行过程中不允许超过其他自动驾驶车辆；式(10)为决策变量均非负的约束条件。

由于式(9)为互补约束条件，该数学规划问题难以直接求解。

作为一种具体实施方式，本方法进一步提出了序贯优化算法，将原问题转化为一系列的易于求解的子问题，从而消除互补约束条件。在序贯优化算法中，每一个子问题只针对一个路段上的自动驾驶车辆进行轨迹规划，求得的结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆继续进行轨迹规划。其中，每个子问题均为线性规划问题，可以高效地求得最优解。即在对自动驾驶车辆进行时空轨迹规划时，逐路段地进行时空轨迹规划，前一路段的规划结果作为后一路段规划的初始值或者基础。

根据自动驾驶车辆的时空轨迹，结合下面的通行时间，可评估在不同交通场景、不同交通需求下的混行车道的平均通行效率。

下面具体说明自动驾驶车辆在不同类型路段上的通行时间的计算方法。

步骤一：根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差：

步骤二：计算普通路段上自动驾驶车辆的通行时间：

步骤三：计算进口与出口路段上自动驾驶车辆的通行时间：

步骤四：计算允许超车路段上自动驾驶车辆的通行时间：

步骤五：计算不允许超车路段上自动驾驶车辆的通行时间：

步骤六：计算各路段自动驾驶车辆实际通行时间：

其中，T为公交车的周期，为公交车在路段a上的通行时间，ω_i，j为路段ij上的相位差，p为自动驾驶车辆的到达时间点，为自动驾驶车辆的离开时间点，l_a为路段a的长度，v_AV为自动驾驶车辆的自由流行驶速度，η_a(p)为自动驾驶车辆的最早离开路段a的时间，为自动驾驶车辆在路段a上的实际通行时间。

该方法还包括：通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。

通过对自动驾驶车辆的通行时间进行判断，可反馈当时自动驾驶车辆辆的通行效率。

本发明还提供一种用于公交车与自动驾驶车辆混行车道的评估系统，该系统包括：

公交车描述单元，用于基于公交车到达每个路段的时间刻画公交车；

路段描述单元，用于根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；

时空轨迹规划单元，用于根据自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；

第一时间计算单元，用于计算自动驾驶车辆在各不同路段上的通行时间；

第二时间计算单元，用于计算一个周期内各个路段上所有自动驾驶车辆的通行时间。

可选的，该系统还包括：路段通行量计算单元，用于根据公交车在车站的停靠时间，计算各路段的最大通行量。

可选的，所述路段描述单元，设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。

可选的，该系统还包括：时空轨迹优化单元，用于通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。

可选的，所述时空轨迹规划单元只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆进行时空轨迹规划。

下面利用数值实验对本发明所提出的混行车道的性能进行验证。图6给出了实验路网图，表1与表2分别给出了混行车道的公交站和进出口路段参数设置情况。由于公交站是否允许超车直接影响了混行车道的交通效率，为了考察本方法的适用性，在实验共考虑了两种情况：(1)实验一：所有公交站均允许超车；(2)实验二：仅部分公交站允许超车。

表1.混行车道公交车站设置

表2.混行车道进出口路段设置

表3给出了自动驾驶车辆的交通流量设置情况，包括长距离和短距离的通行需求，β₁为调节流量大小的参数。为探究交通流量和公交车周期对实验结果的影响，β₁的取值范围为1～8(间隔为1)，公交车周期的取值范围为60秒～360秒(间隔为30秒)。为了评估本发明提出的方法的性能，选择车辆的平均行驶速度作为技术指标。

表3.自动驾驶车辆交通流量设置

图7和图8分别给出了实验一和实验二的结果。观察可得，车辆的平均行驶速度在各种场景下均随着公交车周期的增大而增大，随着交通流量的增大而减小。相同参数设置的情况下，实验二的平均速度低于实验一的结果；此外，实验二中出现了流量超负荷的情况(空白值)，这表明在实验二中，由于部分公交车站不允许自动驾驶车辆超车，使得混行车道的有效通行能力下降。

下面通过仿真实验来说明本发明提出的交通评估方法的可行性和准确性。

为了验证本发明提出的交通评估方法的准确性，本步骤给出了与仿真实验对比的结果。

本实验利用SUMO(Simulation ofUrban Mobility)仿真平台得到仿真结果。同时，为了验证本发明提出的序贯求解算法的性能，在对比中给出了规划模型最优解的上界作为参照。具体来说，将规划模型中的互补约束条件(9)移除，从而将原模型转化为线性规划模型(LP-O)，求解该模型可以得到原问题最优解的上界值。

仿真实验的场景与混行车道性能验证实验中的实验二的设置相同。为了验证本发明提出的评价方法的鲁棒性，本实验考虑了两种情况：(1)实验三：公交车的发车间隔相等；(2)实验四：公交车的发车间隔服从随机分布。同时，为了观察公交车的通行效率，选择公交车的平均延误作为评价实验结果的另一个技术指标。

图9和表4给出了实验三的结果，图10给出了实验四的结果。图中SOM表示本发明提出的序贯求解算法的求解结果，LP-O表示线性规划模型的求解结果，Simulation表示SUMO仿真平台得到的仿真结果。结果对比表明：(1)在不同的实验场景下，本发明提出的交通评估方法得到的结果均与仿真结果非常接近，验证了该交通评估方法的准确性；(2)公交车的车辆延误很小，说明自动驾驶车辆的驶入对公交车正常运行的影响有限，保证了公共交通的服务水平；(3)公交车的到达时间不影响评估结果的准确性，说明了本发明提出的方法具有较强的鲁棒性。

表4.实验三公交车平均车辆延误(秒)

本发明基于自动驾驶与车联网的环境下，提出了城市快速公交与自动驾驶车辆混行车道性能的交通评估方法，在不影响公交车运行的情况下，提高了自动驾驶车辆的安全性和通行效率。该方法利用了混行交通系统的周期性，对自动驾驶车辆的行驶轨迹进行规划以及对交通流量进行管理与控制，实现了混行交通性能的准确评估。

本申请提供的技术方案，至少具有如下技术效果或优点：该交通评估方法、系统充分利用了公交专用车道的道路资源以及自动驾驶技术的优势，在保障公共交通服务水平的同时，提高了自动驾驶车辆的通行效率和安全性，并给出了混行车道的交通效率的有效交通评估方法、系统。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。