(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111180928.9 (22)申请日 2021.10.1 1 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 刘津强　赵万忠　徐灿　栾众楷　 王春燕　吴刚　梁为何　张森皓　 李琳　陈青云　 (74)专利代理 机构 江苏圣典律师事务所 32 237 代理人 贺翔 (51)Int.Cl. G08G 1/07(2006.01) G08G 1/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种匝道 汇入区域的交通疏解方法及系统 (57)摘要 本发明公开了一种 匝道汇入区域的交通疏 解方法及系统， 步骤如下： 各车辆向路侧设备传 输自车的位置、 速度和所在车道信息； 路侧设备 向各车辆传输所有车辆的位置、 速度和每个车道 的车流量信息； 进入匝道汇入区域的各主线车辆 根据接收到的其他车辆的位置、 速度和每个车道 上的车流量信息， 采用基于强化学习的车道选择 算法决策出有利于缓解局部交通拥堵的最优车 道， 并换道至最优车道行驶； 采用虚拟队列的方 法实现匝道车辆的汇入控制。 本发 明考虑了匝道 汇入区域的主线具有多条车道， 通过主线上车辆 的合理换道， 缓解匝道车辆汇入引起的主线的外 侧车道的局部拥堵， 提高道路的总体利用率和交 通通行效率。 权利要求书3页 说明书6页 附图1页 CN 113990085 A 2022.01.28 CN 113990085 A 1.一种匝道 汇入区域的交通疏解方法， 其特 征在于， 步骤如下： 1)主线车辆和匝道车辆驶入匝道汇入区域时， 主线车辆、 匝道车辆与位于匝道口处的 路侧设备建立通讯， 各车辆向路侧设备传输自车的位置、 速度和所在车道信息； 路侧设备向 各车辆传输所有车辆的位置、 速度和每 个车道的车流 量信息； 2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、 速度和每个车道上 的车流量信息， 采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优 车道， 并换道至最优车道行驶； 3)采用虚拟队列的方法实现匝道车辆的汇入 控制。 2.根据权利要求1所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤1)中匝 道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域， 且规定主线上和匝 道上的匝道 汇入区域的入口到匝道 汇入口的距离相等。 3.根据权利要求1所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤1)中主 线具有多条车道。 4.根据权利要求1所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤1)中车 辆的位置是 车辆沿着道路方向到匝道口处的距离 。 5.根据权利要求1所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤1)中每 个车道的车流 量的求解方法为： ql＝ρl·vl 式中， ql为车道l的车流量， ρl为车道l的车辆密度， Nl为车道l上车辆数目， L为 匝道汇入区域的长度； vl为车道l上的车辆平均速度， vi为车辆i的速度。 6.根据权利要求5所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤2)中的 基于强化学习的车道选择算法具体为： 采用DQN的强化学习方法构建车道选择模 型， 包含构 建强化学习的状态、 动作集和奖励； 然后通过强化学习训练得到决策网络， 决策网络根据当 前时刻的状态决策 出最优的动作； 强化学习的状态为： st＝{vi,Δpf,Δpr,Δplf,Δplr,Δprf,Δprr,Δvf,Δvr,Δvlf,Δvlr,Δvrf,Δvrr,qi, qla,qra} 式中， vi为车辆i的速度， Δpf、 Δpr、 Δplf、 Δplr、 Δprf和Δprr分别为自车与同车道前 车、 同车道后车、 左相邻车道前车、 左相邻车道后车、 右相邻车道前车和右相邻车道后车 的 相对位置， 有Δpf＝pf‑pi， Δpr＝pr‑pi， Δplf＝plf‑pi， Δplr＝plr‑pi， Δprf＝prf‑pi， Δprr＝ prr‑pi， pi、 pf、 pr、 plf、 plr、 prf、 prr分别为自车、 同车道前车、 同车道后车、 左相邻车道前车、 左 相邻车道后车、 右相邻车道前车和右相邻车道后车的位置； Δvf、 Δvr、 Δvlf、 Δvlr、 Δvrf和 Δvrr分别为自车与同车道前车、 同车道后车、 左相邻车道前车、 左相邻车道后车、 右相邻车 道前车和右相邻车道后车的相对速度， 有Δvf＝vf‑vi， Δvr＝vr‑vi， Δvlf＝vlf‑vi， Δvlr＝ vlr‑vi， Δvrf＝vrf‑vi， Δvrr＝vrr‑vi， vi、 vf、 vr、 vlf、 vlr、 vrf、 vrr分别为自车、 同车道前车、 同车 道后车、 左相邻车道前车、 左相邻车道后车、 右相邻车道前车和右相邻车道后车的速度； qi、 qla和qra分别为自车的同车道、 左相邻车道和右相邻车道的车流量； 在进行决策时， 当自车 的同车道 或右相邻车道是主线的外侧车道时， 则状态中的同车道的车流量qi或右相邻车道权　利　要　求　书 1/3 页 2 CN 113990085 A 2的车流量qra设为当前决策时刻主 线的外侧车道的车流 量与匝道车流 量之和； 强化学习的动作集 为： at＝{LL,CL,RL} 式中， LL为左相邻车道； CL 为自车所在车道； RL 为右相邻车道； 强化学习的奖励为： rt＝rs+rc 式中， rs为安全奖励； rc为交通效率奖励； 安全奖励定义 为： 式中， ζ1为权重系数； dl为车辆长度； σl为用于安全冗余的一个正的常数(一般可取1 米)； 交通效率奖励定义 为： rc＝‑ζ2+ζ3[σ(t)‑σ(t+1)] 式中， ζ2和ζ3均为权重系数； t为当前决策时刻， t+1为执行完当前时刻决策得到的动作 后的下一个决策时刻； σ(t)为当前决策时刻的车道间交通均衡度， 其定义 为 式中， 当L＝1， 2， 3时， q1(t)＝qla(t)， q2(t)＝qi(t)， q3(t)＝qra(t)， 分别为自车的左相 邻车道、 同车道和右相邻车道的车流 量。 7.根据权利要求6所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述步骤3)具体 为： 将主线的外侧车道的车辆映射到匝道上， 保持其距离匝道汇入口的距离相等； 进入汇入 区域的匝道车辆寻找其前方 的匝道车辆和映射到 匝道上的主线外侧车道的车辆中最靠近 自车的车辆作为跟车目标， 然后采用智能驾驶员驾驶模型跟车行驶， 从而实现了 匝道车辆 的安全汇入。 8.根据权利要求7所述的匝道汇入区域的交通疏解方法， 其特征在于， 所述智能驾驶员 驾驶模型 具体为： 自车的跟车加速度为： 式中， amax为最大加速度； vmax为最大速度； δ为加速度指数； s0为自车与前车都静止时的 最小车间距离； TH为期望车头时距； vf为前车的速度； b为期望减速度。 9.一种匝道 汇入区域的交通疏解系统， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 113990085 A 3