买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利基于MPC与信赖域贝叶斯优化信号-车辆协同优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121459610B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610013641.3，技术领域涉及：G08G1/083；该发明授权基于MPC与信赖域贝叶斯优化信号-车辆协同优化方法是由钟绍鹏;吴建军;聂世超;陈实;姜棋瀚设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本基于MPC与信赖域贝叶斯优化信号-车辆协同优化方法在说明书摘要公布了：本发明属于智能交通系统的技术领域，涉及基于MPC与信赖域贝叶斯优化信号‑车辆协同优化方法。首先进行交通流数据采集与路网仿真建模，进行车辆的初始路径分配，然后对进入路网的智能网联车辆进行实时的车速控制，根据信号灯信息、距离交叉口的距离以及周围车辆的行驶状况，利用基于信赖域的贝叶斯优化算法计算最佳的行驶车速。接着更新路段阻抗，重新计算智能网联车辆的最佳行驶路径。再利用模型预测控制预测未来交通状态并利用信赖域贝叶斯优化计算每个交叉口不同相位的最佳绿灯时间，将最佳绿灯时间导入仿真平台，并重新进行车辆路径优化与速度控制，以此循环反馈。最后判断车辆是否离开路网或达到仿真结束时间，结束车辆控制与信号优化。

本发明授权基于MPC与信赖域贝叶斯优化信号-车辆协同优化方法在权利要求书中公布了：1.基于MPC与信赖域贝叶斯优化信号-车辆协同优化方法，其特征在于，首先进行交通流数据采集与路网仿真建模，其次进行车辆的初始路径分配，然后对进入路网的智能网联车辆进行实时的车速控制，根据信号灯信息、距离交叉口的距离以及周围车辆的行驶状况，利用基于信赖域的贝叶斯优化算法计算最佳的行驶车速；接着更新路段阻抗，重新计算智能网联车辆的最佳行驶路径；根据最新的路段流量信息，利用模型预测控制预测未来交通状态并利用信赖域贝叶斯优化计算每个交叉口不同相位的最佳绿灯时间，将计算的最佳绿灯时间导入仿真平台，并重新进行车辆路径优化与速度控制，以此循环反馈；最后判断车辆是否离开路网或达到仿真结束时间，结束车辆控制与信号优化； 具体步骤如下： 步骤1、交通流数据采集与路网仿真建模 步骤1.1、通过交叉口的视频和雷达数据获取交通流数据，统计得出路段的流量情况，交叉口流量转向情况，并根据实际路网构建仿真路网； 步骤1.2、出行需求OD计算 通过交通调查或者OD反推算法获得车辆出行交通起讫点OD； 步骤2、交通信号优化 步骤2.1、构建交通流预测模型 根据路网交通状态，使用存储转发模型作为交通流预测模型，预测未来一段时间的路网交通状态； 步骤2.2、构建区域信号优化模型 假设路段集合为，交叉口集合为，交叉口的相位集合为、周期时长为，模型预测控制器的当前控制时间步索引为，最大控制时间步为，时间步长为；控制时域为，时间步索引为；路段i在控制时间步的流量为，交叉口的相位的绿灯时间为、绿灯间隔时间为，控制输入为控制时域内各时间步的所有相位绿灯时长，在每个控制步骤中，定义并求解以下问题： 1 2 其中，公式1中表示目标函数，旨在最小化控制时域内所有时间步的路段剩余流量之和； 公式2为约束条件，为已知的网络初始状态约束，每个控制时间步从步骤2.1中构建的交通流预测模型获取；分别为决策变量的上下界约束，即最小绿灯时长、最大绿灯时长；为周期时长约束，即每个交叉口各相位绿灯时长与绿灯间隔时间之和等于该交叉口周期时长； 步骤2.3、求解信号优化模型 采用信赖域贝叶斯优化算法对步骤2.2提出的模型进行求解，得到区域内每个交叉口不同相位的最佳绿灯时间，并利用仿真平台接口导入仿真平台； 步骤3、混合车辆路径优化 步骤3.1、车辆初始路径分配 根据步骤1.2得到的OD需求，利用交通分配方法对混合车辆进行路径分配； 步骤3.2、生成仿真车辆初始路径文件 根据步骤3.1得到的分配路径，选取一定比例的车辆标记为智能网联车辆，建立仿真平台所需的车辆初始路径文件； 步骤3.3，设置时间检测器，更新计算路段阻抗； 步骤3.4、利用最短路算法求解最短路径 根据步骤3.3计算的最新路段阻抗，利用最短路算法求出当前智能网联车辆到达终点的最短路径，并将新的最短路径导出； 步骤3.5、更改智能网联车辆行驶路径 将步骤3.4导出的最短路径利用仿真平台接口重新导入仿真平台，从而实现对智能网联车辆的路径控制； 步骤4、混合车辆速度控制 步骤4.1、设置控制区域 在交叉口的远端进口出设置控制检测器，即成控制区域，当智能网联车辆进入控制区域则开始对其进行速度控制，离开控制区域则结束速度控制； 步骤4.2、建立模型计算期望行驶速度； 考虑模型预测控制特性的车速优化模型如下： 4 =5 其中，表示速度控制优化问题的目标函数值，为预测范围，表示单个时间步的时长，代表了模型预测控制中的时间窗，表示通过交叉口车辆总数，即车队中的车辆数量，表示智能网联车辆刚进入控制区的起始时间步，表示车辆到达交叉口停止线的预测时间步，表示在时间步第辆车的加速度；表示在时间步，第辆车的燃油消耗率；表示在时间步，第辆车与其前车的安全距离偏差，用于保证跟车安全；表示在预测到达时刻时，车队所有车辆的状态集合，包括位置和速度；为终端代价函数，用于约束车队在停止线处的状态，确保头车位置接近停止线且车队速度接近期望速度；、分别为对加速度、燃油消耗和安全距离偏差的加权惩罚项；和均为相应权重系数；具体计算公式如下： 6 7 其中，表示头车智能网联车辆在预计到达停止线时刻所在的位置，表示交叉口停止线的位置，表示期望通过交叉口的最佳车速；均为对应权重系数；表示车辆预设的安全时间间隔，分别表示第辆车和其前车第辆车的车速，表示最小的安全车距； 求解期望的通过交叉口的最佳速度，计算公式如下： 8 9 其中，表示平衡状态下的车辆最佳车头间距，为当前交叉口对应相位的绿灯时长；函数为车辆平衡状态函数，表示在稳定跟驰状态下车辆速度与车头间距的关系； 步骤4.3、利用信赖域贝叶斯优化算法求解控制速度； 步骤5、终止条件判定； 当到达仿真结束时间时结束车辆控制与信号优化，此外当被控制的车辆离开网络，同样停止对该网联车辆的控制；反之则继续进行车辆控制与交通信号协同优化，即进行步骤2-4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。