协同高速公路匝道区重型车辆影响的能耗优化控制研究

《JOURNAL OF INTERACTIVE MARKETING》：Energy impacts of heavy vehicles in cooperative highway merging areas

本文针对高速公路匝道区重型车辆引发的能耗问题，基于中国实际交通数据构建了考虑驾驶员异质性和重型车辆影响因子的博弈论协同控制模型。通过车路协同（CAV/RSU）技术优化车辆编队引导策略，显著提升通行效率（平均车速提高15-22%），降低能耗（7.3-13.1%）与污染物排放（4.1-16.4%），为智能交通系统（ITS）的能效管理提供新思路。

　　

Highlight

重型车辆在匝道合并区域的负面影响会加剧车辆能耗和污染物排放。基于中国高速公路合并区域采集的真实车辆运行数据，本文分析了重型车辆影响下的驾驶员行为差异，并建立了驾驶员行为模型。通过引入驾驶员异质性因子和重型车辆影响因子，改进了合并车辆的换道博弈收益函数。提出了适应中国路况的编队车辆引导与分配优化模型，旨在优化交通效率并最小化能耗。

Mirror-traffic data processing

Mirror-Traffic数据集由清华大学苏州汽车研究院与江苏智能网联汽车创新中心联合发布，包含中国真实道路交通场景采集的高速公路合并数据。视频数据于2020年3月在中国某城市高速公路合并段采集，天气条件为多云。道路呈东西走向，设计限速为80公里/小时。

Model construction

在高速公路合并区域协同合并控制优化领域，现有研究可大致分为基于规则和基于优化的方法。基于规则的方法通常采用预定义的合并规则实现车辆协同合并，但缺乏灵活性。相比之下，基于优化的方法从全局最优视角出发，利用预定义目标函数协调调度合并区域内的车辆。

Basic assumptions

协同自适应巡航控制（CACC）跟车模型主要用于模拟交通流中的车辆驾驶行为。通过车对车（V2V）和车对基础设施（V2I）通信，CACC模型实现车辆间及车路间的高效信息共享与协同控制，从而快速响应突发事件，减少追尾事故。同时，STCA换道模型...

Conclusion

1）为减轻重型车辆对高速公路合并区域通行车辆的负面影响，提升合并效率并降低能耗与污染物排放，本研究基于中国高速公路合并区域真实车辆轨迹数据集，分析了不同车型下各类驾驶员的驾驶行为特征。通过引入重型车辆影响因子和驾驶员类型因子，构建了合并间隙接受模型...