6.1 全文总结
CAV由于配备了车载通信设备和自动控制系统，具备精确环境感知、高效智能决策以及稳定可控制等特性。在由传统交通环境向全网联自动驾驶环境的过渡阶段，CAV和CHV将普遍共存，混合交通流成为了城市路网交通管控的新对象。以CAV为引导车辆的“1+n”混合队列可以充分发挥CAV的优势，提高混合交通流的可控性，为交叉口的管控策略设计提供了新的方向。论文通过对国内外研究现状的分析，在队列编队控制以及交叉口管控策略优化的研究基础上，从平面交叉口混合队列协同控制策略框架设计、智能网联环境下的最优队列协同编队控制、基于混合队列的十字交叉口协同控制策略、基于混合队列的环形交叉口协同控制策略四个方面对智能网联环境下的城市平面交叉口管控策略优化开展了深入研究。主要研究成果可以总结为以下四个方面。
（1）智能网联环境下基于混合队列的交叉口两阶段控制策略框架设计。“1+n”混合队列作为混合交通流环境下的新交通组织形式，通过编队形式以CAV引导队列实现了对CHV的间接运动控制，改变了交叉口管控对象的特性，也将控制策略的控制范围由交叉口扩展到交叉口及其上游路段。研究对混合交通流环境下控制策略的控制场景进行了描述，分析了车辆在各区域内的路径及冲突特征，明确了在各区域需要解决的关键问题。通过对混合队列的编队形式和跟弛稳定性进行分析，得到了控制对象的纵向运动特性。基于控制场景和控制对象的分析结论，系统地提出了智能网联混行环境下城市平面交叉口混合队列两阶段协同控制策略框架，统一了场景内的功能区划分及路侧设施布设方案，给出了策略的适用范围，说明了两阶段控制策略的实施流程，为后续细化设计各阶段的控制方法提供了体系支撑。
（2）考虑车辆交叉口行驶方向的最优队列协同编队控制。作为控制策略的第一阶段，在交叉口上游路段对混合交通流进行编队控制，其目的是为了将连续到达的混合交通流组织成为满足第二阶段控制需求的对象。提出的第一阶段控制方法以编队代价最小为目标，以车辆交叉口行驶方向一致为约束建立了0-1整数规划模型，通过优化车辆的跟驰关系求解了最优的队列组织方案。为了控制车辆在有限路段内按照队列组织方案完成编队，提出了基于规则的车道分布决策方法，进一步明确了队列的目标车道。根据车辆的相对位置关系以及车道分布，利用基于激励的协同换道决策模型协调车辆的换道决策，并给出了换道可接受车头时距计算方法。在此基础上以可接受车头时距为中间变量代入车辆跟驰模型，给出了车辆纵向运动的控制参数以控制车辆完成编队。
参考文献（略）
