The establishment of dedicated automated vehicle (AV) lanes has been regarded as an effective approach for addressing heterogeneous traffic with both AVs and regular vehicles (RVs), promoting both traffic efficiency and safety. However, building new dedicated AV lanes in urban areas is not cost effective in the early stage of AV adoption. Fortunately, dedicated bus rapid transit (BRT) lanes can provide a separate right-of-way (ROW) for AVs, which is a practical and economical alternative for promoting AV development. In this paper, we propose an innovative idea of allowing AVs to use dedicated BRT lanes, and quantitatively analyze the stationary performance of mixed-use lanes. Specifically, the analysis is conducted through a cyclic space–time model for AVs on the mixed-use lane, and a sequential optimization method (SOM) is proposed to approximately solve the model. With the SOM providing a valid tool for performance evaluation, we then develop an assignment model for the routing of AVs on a traffic corridor with both mixed-use lane and general-purpose lanes to minimize the total travel time of both AVs and RVs. The model is formulated as a black-box nonlinear program without an explicit analytical form; a successive linear programming (SLP) algorithm with finite difference for gradient approximation is then utilized to solve the nonlinear program. Numerical experiments are conducted in different scenarios, which reveal that the establishment of the mixed-use lane can not only improve the efficiency of AVs but also alleviate the congestion on general-purpose lanes.

建立专用自动车道已被认为是解决自动驾驶车和常规车（RV）异类交通问题的有效方法，可同时提高交通效率和安全性。但是，在采用AV的早期阶段，在城市地区建立新的专用AV通道并不划算。幸运的是，专用的快速公交（BRT）车道可以为AV提供单独的通行权（ROW），这是促进AV发展的一种实用且经济的选择。在本文中，我们提出了一种创新的想法，允许AV使用专用的BRT车道，并定量分析混合使用车道的平稳性能。具体来说，分析是通过针对混合用途车道上的AV的循环时空模型进行的，提出了一种顺序优化方法（SOM）来近似求解模型。通过SOM提供了有效的性能评估工具，我们随后开发了一种分配模型，用于在具有混合使用车道和通用车道的交通走廊上布置自动驾驶汽车，以最大程度地减少自动驾驶汽车和RV的总行驶时间。该模型被公式化为没有明确分析形式的黑盒非线性程序；然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。通过SOM提供了有效的性能评估工具，我们随后开发了一种分配模型，用于在具有混合使用车道和通用车道的交通走廊上布置自动驾驶汽车，以最大程度地减少自动驾驶汽车和RV的总行驶时间。该模型被公式化为没有明确分析形式的黑盒非线性程序；然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。通过SOM提供了有效的性能评估工具，我们随后开发了一种分配模型，用于在具有混合使用车道和通用车道的交通走廊上布置自动驾驶汽车，以最大程度地减少自动驾驶汽车和RV的总行驶时间。该模型被公式化为没有明确分析形式的黑盒非线性程序；然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。然后，我们开发了一种在混合用途车道和通用车道的交通走廊上为自动驾驶汽车安排路线的分配模型，以最大程度地减少自动驾驶汽车和自动驾驶汽车的总行驶时间。该模型被公式化为没有明确分析形式的黑盒非线性程序；然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。然后，我们开发了一种在混合用途车道和通用车道的交通走廊上为自动驾驶汽车安排路线的分配模型，以最大程度地减少自动驾驶汽车和自动驾驶汽车的总行驶时间。该模型被公式化为没有明确分析形式的黑盒非线性程序；然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。然后利用具有有限差分的渐进线性规划（SLP）算法进行梯度近似，以求解非线性规划。在不同的场景下进行了数值实验，发现建立混合使用车道不仅可以提高自动驾驶汽车的效率，而且可以缓解通用车道的拥堵。