本发明公开了一种基于交通仿真的多类型专用道控制方法，包括获取道路交通基本信息；设定多类型专用道的参照策略S0；确定多类型专用道的所有控制策略集合S；再根据道路交通基本信息，利用交通仿真系统模拟所有多类型专用道控制策略下的交通场景，预测所有车道的交通流运行状态，最后计算每种多类型专用控制策略的综合效能提升程度，确定最优控制策略。该方法综合考虑所有多类型专用道控制策略以及道路交通综合效能，输出的最优控制策略更为准确科学，能够有效提升未来交通系统的智慧化水平。
1.一种基于交通仿真的多类型专用道控制方法，其特征在于：包括如下步骤：步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N；
步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0；其中，多类型专用道参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：T
步骤2A、当QCAV≥0.8QMDV时， 且B0＝(vmax、vmax、…、vmax) ；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号；
步骤2B、当0.4QMDV≤QCAV<0.8QMDV时， 且B0＝(vmax、vmax、…、vmax) ；
步骤2C、当QCAV<0.4QMDV时， 且B0＝(vmax、vmax、…、vmax‑10) ；
步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定；其中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}T
Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；
Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍；
步骤4、预测所有车道的交通流运行状态，具体包括如下步骤：
步骤4A、预测参照策略S0下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态；参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数 在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第i辆车在t时刻的车头时距 其中， 1≤k≤N；
步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数 在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第i辆车在t时刻的车头时距 其中， 1≤k≤N；
步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤：步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：步骤5A1、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的效率指标步骤5A2、根据步骤4A中预测得到的车头时距 计算得到参照策略S0下的安全指标步骤5A3、根据步骤4A中预测得到的加速度 计算得到参照策略S0下的能耗指标步骤5A4、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的排放指标步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：步骤5B1、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的效率指标步骤5B2、根据步骤4B中预测得到的车头时距 计算得到控制策略Sm下的安全指标步骤5B3、根据步骤4B中预测得到的加速度 计算得到控制策略Sm下的能耗指标步骤5B4、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的排放指标步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标 安全指标 能耗指标 和排放指标 分别与步骤5A获取的效率指标 安全指标 能耗指标 和排放指标 相比较，得到控制策略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m；
步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数；
步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
2.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤3中，所有控制策略的总数量M的计算公式为：N N
式中，h为多类型专用道中车辆速度v的可能取值个数；车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍；其中，vmin为多类型专用道的最低限速。
3.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤5A中，效率指标 安全指标 能耗指标 和排放指标 的计算公式分别为：其中：
式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号； 表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值； 表示参照策略S0下车道k内车辆i在t时刻的加速度评价值； 表示参照策略S0下车道k内车头时距阈值。
4.根据权利要求3所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤5B中，效率指标 安全指标 能耗指标 和排放指标 的计算公式分别为：其中：
式中， 表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；
表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值； 表示控制策略Sm下车道k内车头时距阈值。
5.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤6中，效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m的计算公式分别为：式中，wk为车道k的权重系数。
6.根据权利要求5所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤6中，车道k的权重系数wk需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
7.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤7中，效率指标、安全指标、能耗指标、排放指标的权重系数wE、wS、wF和wP均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
8.根据权利要求1所述的基于交通仿真的多类型专用道控制方法，其特征在于：步骤4中的统计时段设为TTJ小时，则TTJ＝0.5N，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
一种基于交通仿真的多类型专用道控制方法
技术领域
[0001] 本发明涉及智能交通控制领域，特别是一种基于交通仿真的多类型专用道控制方法。
背景技术
[0002] 专用道是指规定只允许某种车辆行驶或只限某种用途使用的车道，较为常见的是公交车专用道。当专用道设置合理，能够实现提高运行速度、降低事故风险、节能减排等效果，反之，会降低交通系统运行效能，破坏道路资源分配的公平性。
[0003] 随着物联网和计算机技术的飞速发展，智能汽车的发展突飞猛进。智能汽车旨在通过增强安全性，优化路线，减少污染并提高可用性来改善交通基础设施。当智能车辆的交通需求日益增长，与手动驾驶车辆混行时，将对高速公路的通行能力和交通安全造成严重影响。专用道能够为智能车辆或手动驾驶车辆构建独立行驶空间，减少两者冲突，降低两者的相互干扰，充分发挥智能车辆可观、可控、低延时、高稳定性等优势，进而提升道路设施的通行效率和交通安全。
[0004] 然而，如何基于效率、安全、能耗、排放，进行综合效能评价，如何确定最优的多类型专用道的控制策略，却少有研究。
发明内容
[0005] 本发明要解决的技术问题是针对上述现有技术的不足，而提供一种基于交通仿真的多类型专用道控制方法，该基于交通仿真的多类型专用道控制方法获取道路交通基本信息，设定多类型专用道属性矩阵和限速矩阵，确定所有多类型专用道控制策略和参照策略，再利用交通仿真系统模拟所有多类型专用道控制策略下的交通场景，预测所有车道的交通流运行状态，最后基于效率、安全、能耗、排放指标，计算每种多类型专用控制策略的综合效能提升程度，确定最优控制策略，进而提高道路交通系统的服务水平。
[0006] 为解决上述技术问题，本发明采用的技术方案是：
[0007] 一种基于交通仿真的多类型专用道控制方法，包括如下步骤。
[0008] 步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N。
[0009] 步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0。
[0010] 步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定。
[0011] 步骤4、预测所有车道的交通流运行状态，具体包括如下步骤。
[0012] 步骤4A、预测参照策略S0下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态；参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第i辆车在t时刻的车头时距
其中， 1≤k≤N。
[0013] 步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数 在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第
i辆车在t时刻的车头时距 其中， 1≤k≤N。
[0014] 步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤。
[0015] 步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：
[0016] 步骤5A1、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的效率指标
[0017] 步骤5A2、根据步骤4A中预测得到的车头时距 计算得到参照策略S0下的安全指标
[0018] 步骤5A3、根据步骤4A中预测得到的加速度 计算得到参照策略S0下的能耗指标
[0019] 步骤5A4、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的排放指标
[0020] 步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：
[0021] 步骤5B1、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的效率指标
[0022] 步骤5B2、根据步骤4B中预测得到的车头时距 计算得到控制策略Sm下的安全指标
[0023] 步骤5B3、根据步骤4B中预测得到的加速度 计算得到控制策略Sm下的能耗指标
[0024] 步骤5B4、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的排放指标
[0025] 步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标 安全指标 能耗指标 和排放指标 分别与步骤5A获取的效率指标 安全指标 能耗指标 和排放指标 相比较，得到控制策
略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m。
[0026] 步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：
[0027] Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m
[0028] 式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数。
[0029] 步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
[0030] 步骤2中，多类型专用道参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：T
[0031] 步骤2A、当QCAV≥0.8QMDV时， 且B0＝(vmax、vmax、…、vmax) ；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号。T
[0032] 步骤2B、当0.4QMDV≤QCAV<0.8QMDV时， 且B0＝(vmax、vmax、…、vmax) 。T
[0033] 步骤2C、当QCAV<0.4QMDV时， 且B0＝(vmax、vmax、…、vmax‑10)。
[0034] 步骤3中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：
[0035]
[0036] amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}
[0037] Bm＝(bm1、bm2、…、bmk、…、bN)T
[0038] Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道。
[0039] Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍。
[0040] 步骤3中，所有控制策略的总数量M的计算公式为：
[0041] M＝(3N‑1)·hN
[0042] 式中，h为多类型专用道中车辆速度v的可能取值个数，车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍，其中vmin为多类型专用道的最低限速。
[0043] 步骤5A中，效率指标 安全指标 能耗指标 和排放指标 的计算公式分别为：
[0044]
[0045]
[0046]
[0047]
[0048] 其中：
[0049]
[0050]
[0051] 式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号；表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值； 表示参照策略S0下车道k内车辆i在t时刻的加速度评价值； 表示参照策略S0下车道k内车头时距阈值。
[0052] 步骤5B中，效率指标 安全指标 能耗指标 和排放指标 的计算公式分别为：
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059] 式中， 表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值； 表示控制策略Sm下
车道k内车头时距阈值。
[0060] 步骤6中，效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m的计算公式分别为：
[0061]
[0062]
[0063]
[0064]
[0065] 式中，wk为车道k的权重系数。
[0066] 步骤6中，车道k的权重系数wk需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
[0067] 步骤7中，效率指标、安全指标、能耗指标、排放指标的权重系数wE、wS、wF和wP均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
[0068] 步骤4中的统计时段设为TTJ小时，则TTJ＝0.5N，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
[0069] 本发明具有如下有益效果：
[0070] 本发明能弥补现有交通控制策略难以在实践中验证的不足，首先基于路段实际交通信息与交通仿真系统产生模拟的交通信息，接着综合效率、安全、能耗、排放等综合指标进行评价，确定最优的多类型专用道，从而为智慧交通系统的管理与控制提供科学有效的理论和实践基础。
附图说明
[0071] 图1是本发明一种基于交通仿真的多类型专用道控制方法的流程图。
具体实施方式
[0072] 下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
[0073] 本发明的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
[0074] 如图1所示，一种基于交通仿真的多类型专用道控制方法，包括如下步骤。
[0075] 步骤1、获取道路交通基本信息：获取多类型专用道的道路交通基本信息；其中，道路交通基本信息包括智能车辆流量QCAV、手动驾驶车辆流量QMDV、智能车辆的平均车头时距TCAV、手动驾驶车辆的平均车头时距TMDV、路段车道最高限速vmax、路段长度L、道路宽度W、车道数量N。
[0076] 在本实施例中，道路交通基本信息的具体值优选为：智能车辆流量QCAV＝1000veh/h、手动驾驶车辆流量QMDV＝2000veh/h，智能车辆的平均车头时距TCAV＝1.5s、手动驾驶车辆的车头时距TMDV＝2.7s、车头时距阈值为1.5s，路段最低限速vmin＝60km/h、最高限速vmax＝100km/h，路段长度L＝10km、道路宽度W＝3.75m、车道数量N＝3。
[0077] 步骤2、设定多类型专用道的参照策略S0：根据步骤1中获取的智能车辆流量QCAV和手动驾驶车辆流量QMDV，设定多类型专用道的参照策略S0＝{A0,B0}，其中，A0和B0的具体设定方法为：
[0078] 步骤2A、当QCAV≥0.8QMDV时， 且B0＝(vmax、vmax、…、vmax)T；矩阵A0中，共N行，且行号对应车道号；第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道；元素0表示不设置专用道，元素1表示设置专用道；矩阵B0中，共N行，且行号对应车道号。
[0079] 在本实施例中，由于N＝3，故而：T
[0080] 当QCAV≥0.8QMDV时， 且B0＝(100 100 100) 。T
[0081] 步骤2B、当0.4QMDV≤QCAV<0.8QMDV时， 且B0＝(vmax、vmax、…、vmax)。
[0082] 在本实施例中，则为：T
[0083] 当0.4QMDV≤QCAV<0.8QMDV时， 且B0＝(100 100 100) 。
[0084] 步骤2C、当QCAV<0.4QMDV时， 且B0＝(vmax、vmax、…、vmax‑10)T。
[0085] 在本实施例中，则为：
[0086] 当QCAV<0.4QMDV时， 且B0＝(100 100 90)T。
[0087] 步骤3、确定多类型专用道的所有控制策略集合S：其中，所有控制策略集合S＝{S1，S2，S3，……Sm，……，SM}；其中，m＝1、2、3、……、M；M为所有控制策略的总数量，具体根据步骤1获取的车道数量N和路段车道最高限速vmax进行确定，具体计算公式为：
[0088] M＝(3N‑1)·hN
[0089] 式中，h为多类型专用道中车辆速度v的可能取值个数，车辆速度v的取值范围为[vmin,vmax]，且为10的整数倍。
[0090] 在本实施例中，由于路段最低限速vmin＝60km/h、最高限速vmax＝100km/h；故而，车辆速度v的可能取值为60km/h、70km/h、80km/h、90km/h和100km/h，也即h＝5，故而：
[0091] M＝(33‑1)·53＝3250。
[0092] 步骤3中，控制策略Sm＝{Am,Bm}，其中，Am和Bm的表达式分别为：
[0093]
[0094] amk1+amk2+amk3＝1且amk1＝{0,1}，amk2＝{0,1}，amk3＝{0,1}
[0095] Bm＝(bm1、bm2、…、bmk、…、bN)T
[0096] Am中的元素0表示不设置专用道，元素1表示设置专用道；Am中第1列表示智能车辆专用道，第2列表示混合车道，第3列表示手动驾驶车辆专用道。
[0097] Bm中元素bmk表示控制策略Sm下车道k的限速，取值范围为(0,vmax]，且为10的整数倍。
[0098] 步骤4、预测所有车道的交通流运行状态，具体包括如下步骤。
[0099] 步骤4A、预测参照策略S0下所有车道的交通流运行状态
[0100] 根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟参照策略S0下的交通场景，预测参照策略S0下所有车道的交通流运行状态。
[0101] 上述交通仿真系统为现有技术，优选型号为PTV VISSIM 2020版本，输入为道路长度L、车道数量N、车道宽度W、智能车辆流量QCAV、手动驾驶汽车流量QMDV、每车道限速vmax、每车道属性(智能车辆专用道、混合车道、手动驾驶车辆专用道)；输出为每车道内每辆车的速度、加速度、车头时距。
[0102] 参照策略S0下所有车道的交通流运行状态包括第k车道内车辆总数 在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第i辆车在t时刻的车头时距 其中，1≤k≤N。
[0103] 上述统计时段设为TTJ小时，则优选为TTJ＝0.5N＝1.5小时，交通仿真系通在仿真开始前的10分钟为预热时间，不计算在统计时段内。
[0104] 步骤4B、预测所有控制策略集合S中第m种控制策略Sm下所有车道的交通流运行状态：根据步骤1获取的道路交通基本信息，利用交通仿真系统模拟控制策略Sm下的交通场景，预测控制策略Sm下所有车道的交通流运行状态；控制策略Sm下所有车道的交通流运行状态包括第k车道内车辆总数 在统计时段内第i辆车在第k车道内被统计的次数 第k车道内第i辆车的平均速度 第k车道内第i辆车在t时刻的加速度 和第k车道内第
i辆车在t时刻的车头时距 其中， 1≤k≤N。
[0105] 步骤5、分车道统计效率、安全、能耗、排放指标，具体包括如下步骤。
[0106] 步骤5A、分车道统计参照策略S0下的效率、安全、能耗、排放指标，具体为：
[0107] 步骤5A1、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的效率指标 具体计算公式为：
[0108]
[0109] 步骤5A2、根据步骤4A中预测得到的车头时距 计算得到参照策略S0下的安全指标 具体计算公式为：
[0110]
[0111] 其中：
[0112]
[0113] 式中，j表示在统计时段内第i辆车在第k车道内被统计次数的次序号；表示参照策略S0下车道k内车辆i在t时刻的车头时距评价值； 表示参照策略S0下车道k内车头时距阈值。在本实施例中，在参照策略S0下，智能车辆专用道、混合车道、手动驾驶车辆专用道的车头时距阈值优选分别为1.0s、2.0s、2.5s。
[0114] 步骤5A3、根据步骤4A中预测得到的加速度 计算得到参照策略S0下的能耗指标 具体计算公式为：
[0115]
[0116] 其中：
[0117]
[0118] 表示参照策略S0下车道k内车辆i在t时刻的加速度评价值。
[0119] 步骤5A4、根据步骤4A中预测得到的平均速度 和车辆总数 计算得到参照策略S0下的排放指标 具体计算公式为：
[0120]
[0121] 步骤5B、分车道统计所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标，具体为：
[0122] 步骤5B1、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的效率指标 具体计算公式为：
[0123]
[0124] 步骤5B2、根据步骤4B中预测得到的车头时距 计算得到控制策略Sm下的安全指标 具体计算公式为：
[0125]
[0126] 其中：
[0127]
[0128] 式中， 表示控制策略Sm下车道k内车辆i在t时刻的车头时距评价值；表示控制策略Sm下车道k内车头时距阈值。
[0129] 步骤5B3、根据步骤4B中预测得到的加速度 计算得到控制策略Sm下的能耗指标 具体计算公式为：
[0130]
[0131] 其中：
[0132]
[0133] 式中， 表示控制策略Sm下车道k内车辆i在t时刻的加速度评价值。
[0134] 步骤5B4、根据步骤4B中预测得到的平均速度 和车辆总数 计算得到控制策略Sm下的排放指标 具体计算公式为：
[0135]
[0136] 步骤6、计算所有控制策略集合S中第m种控制策略Sm下的效率、安全、能耗、排放指标提升程度：将步骤5B获取的效率指标 安全指标 能耗指标 和排放指标 分别与步骤5A获取的效率指标 安全指标 能耗指标 和排放指标 相比较，得到控制策
略Sm下的效率指标提升程度UE,m、安全指标提升程度US,m、能耗指标提升程度UF,m和排放指标提升程度UP,m，对应计算公式分别为：
[0137]
[0138]
[0139]
[0140]
[0141] 式中，wk为车道k的权重系数，其需满足：沿行车方向，自左往右，车道的权重系数递减，同时满足相邻车道的权重系数差值相同且
[0142] 在本实施例中，沿行车方向，自左往右，三车道的权重系数分别为wk1、wk2和wk3，则wk1＞wk2＞wk3，wk1+wk2+wk3＝1且wk1‑wk2＝wk2‑wk3。
[0143] 步骤7、计算所有控制策略集合S中第m种控制策略Sm的综合效能提升程度Um，具体计算公式为：
[0144] Um＝wEUE,m+wSUS,m+wFUF,m+wPUP,m
[0145] 式中，wE、wS、wF和wP分别为效率指标、安全指标、能耗指标、排放指标的权重系数，其均属于(0,1)范围内，满足wE+wS+wF+wP＝1且wE+wS>0.75。
[0146] 步骤8、确定最优控制策略：按照步骤7的方法，对所有控制策略集合S中的每一种控制策略，均计算对应的综合效能提升程度，共得到M个综合效能提升程度数据；将M个综合效能提升程度数据进行降序排序，将排在第一位的综合效能提升程度数据对应的控制策略确定为最优控制策略。
[0147] 以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。
