[发明专利]一种使道路通行能力最优的智能车比例获取方法

说明书

本发明公开了一种使道路通行能力最优的智能车比例获取方法，根据统计物理中的相关理论，通过重整化建模，在复杂交通运输系统中，分层整合微观离散信息，模拟宏观上交通系统的道路通行能力，总结出一个反映微观车辆数和宏观通行能力关系的公式，该结果能够以较少的噪音有效地直接拟合到数值计算模型中，进而在此模型基础上提出一种使道路通行能力最优的智能车比例求取方法，相比于仿真方法更高效快捷，具有一定的现实意义。

技术领域

本发明属于交通管理技术领域，涉及一种智能车比例获取方法，具体是一种使道路通行能力最优的智能车比例获取方法。

背景技术

世界各大城市的大部分地区交通繁忙，因拥挤、堵塞等状况造成的损失惨重。而造成交通拥挤的原因很多，如道路的形状，意外的车祸，道路通行能力的限制等，道路通行能力对解决交通拥堵的困境至关重要。

而在特定参数道路系统中，如何配置智能汽车所占的比例，才能使得系统的道路通行能力最优，是本领域技术人员面临的主要问题。

其中，特定参数道路系统是指，有两种类型汽车——普通汽车与智能汽车——同时行驶的道路交通系统。普通汽车是指由驾驶员操作而行驶的汽车；智能汽车是一种配备了合作系统的自动驾驶汽车，它可与其他智能汽车实时通讯，分享即时状态，并能根据环境和其他车辆的行驶信息做出瞬间决策，调整行驶方式。

现有技术通常用仿真的方式计算目标变量，当数据集很大时会消耗巨大的计算资源，而且仿真的计算结果近似收敛于从假设分布中抽取的随机样本，准确性不高。

发明内容

本发明的目的在于提供一种使道路通行能力最优的智能车比例获取方法，从统计物理的角度，提出重整化方法建立描述系统当前平均道路通行能力的物理模型，进而得出使得系统道路通行能力最优的智能车比例。

本发明的目的可以通过以下技术方案实现：

一种使道路通行能力最优的智能车比例获取方法，具体包括以下步骤：

步骤S1，对当前平均道路通行能力PACR进行建模；

步骤S2，以步骤S1中的模型为基础，确定智能汽车最低比例；

步骤S3，获取任意路段的最大车辆密度；

步骤S4，对步骤S3中的路段，确定道路通行能力值对应的智能车比例；

步骤S5，计算使道路通行能力最优的智能车比例。

进一步地，所述步骤S1中对PACR进行建模时，将道路分割为多个局部路段，对各局部路段分别分析再进行整合；在局部路段中，采用重整化方法对PACR建模，把智能车和前面的车组合为一个车队，当所有车都在普通车打头的车队中时，重整化结束；

此时，PACR通过下式描述：

式中，Ψ(λ,ρ₀)为当前平均道路通行能力PACR，λ为智能车所占比例；ρ₀为初始车辆密度；d_c为智能车与前车间的距离，由于智能车能连续获知前车状态并立即做出改变，所以它们和前车能保持最小的安全距离d_s；v(·)表示车辆的平均速度，是车辆密度的函数，d(·)表示前后两车的距离，是速度的函数。

进一步地，所述步骤S2中，对任意路段计算出所有路段的当前车流量Φ_i0，i＝1,2,…,n，求出一个智能汽车比例λ，使所有路段都满足：

Φ_i0≤Ψ(λ,ρ_i)_max

此时λ＝λ₀即为智能汽车最低比例。