一种混合交通流通行能力测算方法、装置、设备及介质

本发明涉及智能网联与交通流协同控制，具体涉及一种混合交通流通行能力测算方法、装置、设备及介质。

背景技术：

1、随着自动驾驶技术的迅速发展，传统的人工驾驶车辆(human-driven vehicle，hdv)与网联自动驾驶车辆(connected and autonomous vehicle，cav)在道路上共同行驶已成为现实，形成了新型的混合交通流。在这种混合交通流中，cav与hdv的相互作用及其对交通流特性的影响成为了交通研究的新焦点。特别是在不同交通状态下人类驾驶员的协作意愿不同，交通流的通行能力可能会发生显著变化。

2、传统的通行能力测算方法主要基于宏观交通流理论，考虑交通流的整体特性，如流量、密度和速度，而不是单一车辆的行为。主要模型有基本流量模型、速度-流量关系和流量-密度关系等，多基于实地观测数据和统计分析，用于描述交通流的基本特性和行为。然而，这些测算方法没有充分考虑到cav与hdv的混合行驶环境，所以在新型混合交通流场景下可能不再适用。针对cav具有更高的反应速度和更准确的决策能力，与hdv的交互方式也与传统交通流有所不同，因此，需要一种新的测算方法来考虑cav和hdv的相互作用。

3、现有的测算方法在刻画人类驾驶员协作意愿和微观行为方面存在明显的局限性。这些方法往往无法准确捕捉驾驶员行为的复杂性和多样性，尤其是在对不同驾驶员在驾驶时的协作意愿的考虑上。这导致了现有方法在混合交通流环境下的测算结果的准确性和可靠性不足。

4、此外，测算交通的通行能力时，只计算某一场景或时刻的通行能力不具有实用性和参考性，即便测算结果较为精确，也无法为交通管控提供信息。同时，在理想的道路条件下测算交通通行能力，得到的值并非实际道路的运行通行能力，不具有实际指导意义。

技术实现思路

1、有鉴于此，本发明提供了一种混合交通流通行能力测算方法、装置、设备及介质，以解决现有的测算方法在刻画人类驾驶员协作意愿和微观行为方面存在明显的局限性的问题。

2、第一方面，本发明提供了一种混合交通流通行能力测算方法，该方法包括：

3、获取待测算混合交通流对应的hdv目标交通流数据集和cav目标交通流数据集；基于hdv目标交通流数据集，经过预设车辆跟驰协作原理和前景理论处理，确定驾驶员协作性水平效用值函数；利用预设马尔科夫链模型对待测算混合交通流的拥堵情况进行预测，得到待测算混合交通流的预测拥堵状态；基于hdv目标交通流数据集、cav目标交通流数据集和预测拥堵状态，经过驾驶员协作性水平效用值函数处理，对待测算混合交通流的通行能力进行测算，得到待测算混合交通流的通行能力测算结果。

4、本发明提供的混合交通流通行能力测算方法，通过前景理论可以刻画跟驰过程中人类驾驶员的驾驶协作意愿关系，同时，通过预设马尔科夫链模型对待测算混合交通流的拥堵情况进行预测。进一步，结合预测的拥堵状态可以实现对待测算混合交通流的通行能力的测算。因此，通过实施本发明，充分结合前景理论和马尔科夫链模型，不仅考虑了hdv驾驶员的跟驰行为偏好，还描述了交通拥堵状态的时间分布特征，确保了测算结果的可信程度和可用性。

5、在一种可选的实施方式中，获取待测算混合交通流对应的hdv目标交通流数据集和cav目标交通流数据集，包括：

6、获取待测算混合交通流对应的hdv初始交通流数据集和cav初始交通流数据集；分别对hdv初始交通流数据集和cav初始交通流数据集进行处理，得到hdv目标交通流数据集和cav目标交通流数据集。

7、本发明通过数据处理，可以提高hdv目标交通流数据集和cav目标交通流数据集的数据质量。

8、在一种可选的实施方式中，基于hdv目标交通流数据集，经过预设车辆跟驰协作原理和前景理论处理，确定驾驶员协作性水平效用值函数，包括：

9、基于hdv目标交通流数据集，经过预设车辆跟驰协作原理处理，确定协作意愿紧迫性函数；基于hdv目标交通流数据集，经过前景理论和协作意愿紧迫性函数处理，确定权重函数；基于协作意愿紧迫性函数和权重函数，确定驾驶员协作性水平效用值函数。

10、本发明通过前景理论并结合车辆跟驰协作原理，可以刻画跟驰过程中人类驾驶员的驾驶协作意愿关系并确定对应的驾驶员协作性水平效用值函数。

11、在一种可选的实施方式中，基于hdv目标交通流数据集，经过前景理论和协作意愿紧迫性函数处理，确定权重函数，包括：

12、基于hdv目标交通流数据集，经过协作意愿紧迫性函数处理，确定概率函数；基于概率函数，经过前景理论处理，确定权重函数。

13、在一种可选的实施方式中，该方法还包括：

14、获取hdv历史交通流数据集、cav历史交通流数据集和混合流通流历史交通指数，混合流通流历史交通指数用于反映混合流通流的历史拥堵状态；以hdv历史交通流数据集和cav历史交通流数据集为输入数据，以混合流通流历史交通指数为输出数据进行模型训练，得到预设马尔科夫链模型。

15、本发明通过hdv历史交通流数据集、cav历史交通流数据集和混合流通流历史交通指数训练得到预设马尔科夫链模型，可以为后续混合交通流的拥堵情况的预测提供支持。

16、在一种可选的实施方式中，基于hdv目标交通流数据集、cav目标交通流数据集和预测拥堵状态，经过驾驶员协作性水平效用值函数处理，对待测算混合交通流的通行能力进行测算，得到待测算混合交通流的通行能力测算结果，包括：

17、基于hdv目标交通流数据集和预测拥堵状态，经过驾驶员协作性水平效用值函数处理，得到hdv车头时距；基于hdv车头时距和cav目标交通流数据集，对待测算混合交通流的通行能力进行测算，得到待测算混合交通流的通行能力测算结果。

18、在一种可选的实施方式中，基于hdv目标交通流数据集和预测拥堵状态，经过驾驶员协作性水平效用值函数处理，得到hdv车头时距，包括：

19、基于hdv目标交通流数据集，经过驾驶员协作性水平效用值函数处理，得到驾驶员协作性水平效用值；基于hdv目标交通流数据集、预测拥堵状态和驾驶员协作性水平效用值，确定hdv车头时距。

20、第二方面，本发明提供了一种混合交通流通行能力测算装置，该装置包括：

21、第一获取模块，用于获取待测算混合交通流对应的hdv目标交通流数据集和cav目标交通流数据集；处理与确定模块，用于基于hdv目标交通流数据集，经过预设车辆跟驰协作原理和前景理论处理，确定驾驶员协作性水平效用值函数；预测模块，用于利用预设马尔科夫链模型对待测算混合交通流的拥堵情况进行预测，得到待测算混合交通流的预测拥堵状态；处理与测算模块，用于基于hdv目标交通流数据集、cav目标交通流数据集和预测拥堵状态，经过驾驶员协作性水平效用值函数处理，对待测算混合交通流的通行能力进行测算，得到待测算混合交通流的通行能力测算结果。

22、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的混合交通流通行能力测算方法。

23、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的混合交通流通行能力测算方法。