我们近期获得一项发明专利授权，专利名称为：一种基于智能网联的交通信号与车辆轨迹联合优化方法。

专利设计的基本想法：

(1) 交通信号控制方案的优化目标是Wardrop第二原理中的系统最优，即交通流分布应使网络中所有出行者的‌总出行成本最小化。根据我们的仿真实验，系统最优目标导向下，即使对于路网中最拥堵的信控路口，平均行程延误通常也能明显降低。

(2) 优化方法整体上体现为一个模型预测控制框架。实时在线交通仿真系统周期性地利用现场检测数据在线标定模型参数并估计和预测未来交通状态，基于估计或预测的交通状态优化信号控制方案和车辆行驶轨迹。

(3) 优化效果的评价应该是可靠且实时的。为此采用实时在线交通仿真系统（例如DynasTIM）评价网络的整体性能，采用SPSA（同步扰动随机逼近）、MAXBAND等算法分别优化绿信比和相位差。其中SPSA算法与待优化变量的个数无关，对高维问题是友好的，但目标函数3阶可导则有更好优化效果，因此仅采用该算法来优化网络中所有信号的绿信比。

(4) 基于优化后的信号控制方案，进一步对车辆轨迹进行独立优化。由于行驶轨迹受控的智能网联车与普通车辆未来可能长期共存，较少比例的车辆轨迹优化对网络交通流的影响是有限的，且可以通过预测控制这种开环反馈（即开环优化 + 闭环反馈 ）方式在下一个优化周期中予以考虑。

(5) 最终的绿信比方案是协调优化和路口独立优化得到的绿信比的加权平均。独立优化可采用SCATS的类饱和度均衡原则，对于相邻几个信号周期到达流量波动较大的路口，则偏向采用SCATS的优化结果，但不宜过度破坏协调优化算法得到的绿信比。

【专利摘要】：本发明提供了一种基于智能网联的交通信号与车辆轨迹联合优化方法，属于智能网联交通系统领域。包括在网络交通流优化层，基于动态交通分配的系统最优原理，以整个交通网络在固定时间段的总出行成本最小为优化目标，获取最优的信号周期与绿信比参数组合；在主干道控制层，基于网络流估计器获取的路段行程时间与队列消散时间，采用绿波带模型优化各控制子区内一条或多条主干道的相位差；在交叉口控制层，以最优的信号周期与绿信比参数组合以及相位差为基础，在信号周期约束下，得到最终绿信比；针对网联车辆靠近交叉口的场景，根据信号灯状态为车辆规划能耗最小的三段式轨迹。本发明解决了城市交叉口拥堵和车辆能耗较高造成的环境污染问题。