車路協同環境下信號交叉口車速引導策略

賈豐源, 李中兵，陳慶東，馬小陸，曾慶喜

(1.奇瑞汽車股份有限公司，安徽蕪湖 241000;2. 安徽工業大學電氣與信息工程學院，安徽馬鞍山 243002; 3.南京航空航天大學無人駕駛車輛研究中心，江蘇南京 210016)

1008-1542(2017)05-0432-06

10.7535/hbkd.2017yx05004

車路協同環境下信號交叉口車速引導策略

賈豐源1, 李中兵1，陳慶東1，馬小陸2，曾慶喜3

(1.奇瑞汽車股份有限公司，安徽蕪湖 241000;2. 安徽工業大學電氣與信息工程學院，安徽馬鞍山 243002; 3.南京航空航天大學無人駕駛車輛研究中心，江蘇南京 210016)

為降低車輛需停車通過信號交叉口的可能性，減少停車時間，針對在三、四線城市交叉口區域實時的車輛排隊長度數據不易或無法獲得這一實際情況，提出車路協同環境下的車速引導策略。搭建了車載交通燈提醒系統，并對安徽省蕪湖市衡山路-鳳鳴湖北路交叉口的交通燈進行了數據采集。在實際數據的基礎上，運用VISSIM軟件進行仿真驗證，結果表明，在高峰和平峰流量時車速引導策略均能有效降低單車行程時間，平均降低比率分別為9.2 %和13.0 %，且改善效果在平峰流量時優于高峰流量時。該車速引導策略提高了信號交叉口的交通效率，為車路協同環境下車速引導的實際有效運用提供了思路。

無線通信技術；車路協同；交通燈；VISSIM；車速引導；交叉口

自20世紀50年代以來，緩解交通擁堵、降低交通延誤一直是研究人員關注的一個話題。近年來，車路協同系統成為智能交通的研究熱點，歐美等發達國家都在積極推進相關技術的研究[1]。它是基于無線通信、傳感檢測技術獲取車輛和道路信息，通過車-車、車-路之間的信息交互和共享，實現車輛與道路基礎設施之間的智能協作與配合，以達到優化利用系統資源、提高道路交通安全、緩解交通擁堵的目標[2]。

圖1 車速引導示意圖Fig.1 Vehicle speed guidance

車路協同環境下信號交叉口車速引導過程如下：首先，交通信號燈的路側單元向車輛廣播信號燈配時信息、當前所處相位以及當前相位剩余時間；再由車載單元通過當前車輛的速度、位置、信號相位剩余時間，計算出對駕駛員提示的建議行駛速度，如圖1所示。適用于城市及郊區有信號燈交叉口，有助于駕駛員接近信號燈時調整行駛速度，提高車輛不停車通過交叉口的可能性[3]。

國內外學者提出了多種車路協同環境下的車速引導策略。QING[4]利用車路協同技術實時的交通數據建立了基于車頭時距的車隊判別算法，并建立了信號控制優化模型用于干道多交叉口之間的協調控制。KANG等[5]介紹了一種基于車路協同的城市交叉口交通控制系統，該系統通過速度引導消除交叉口兩難區。ABULEBDEH等[6]分析了動態車速控制的可行性。MALAKORN等[7]考慮在兩相位、低流量的條件下，通過改變信號相位，讓車輛不停車通過，研究表明在此情況下可降低車輛延誤時間和燃料使用。YANG等[8]以城市郊區干道為研究對象，構建了車速引導策略，并利用VISSIM對其進行驗證。CHEN等[9]通過路側可變信息板來進行車速引導，提出了動態車速引導與動態信號控制相結合的信號控制優化方法，用于干道多交叉口之間的協調控制。NEKOUI等[10]通過實地模擬的方式驗證了車路協同環境下車速誘導的方式，可有效緩解不同種情況下車輛的緊急避讓及防撞問題。FENG等[11]提出了用于信號燈自適應控制的車速引導策略，借助VISSIM軟件仿真模擬了在高滲透率和低滲透率車路協同應用場景下延誤的減少情況。ZHAO等[12]利用集成PARAMICS與駕駛模擬器的網聯汽車平臺研究車速引導，結果表明引導后能減少9%的燃油消耗。LI等[13]采用車速引導策略解決了信號交叉口兩難區問題。RAKHA等[14]提出了基于車路協同的信號交叉口車速引導策略，用于提升燃油使用率。CAI等[15]提出了無信號控制交叉口的車速引導模型，并借助Q-PARAMICS進行了仿真驗證，結果表明較之感應式信號控制方法，該模型能有效降低平均延誤及排隊長度。WU等[16]和李鵬凱等[17-18]在車路協同環境下以交叉口車輛停車時間最小化為目標，提出面向個體車輛的車速引導機制與模型，并在此基礎上以交叉口整體效益最佳為目標，提出多車協同車速引導模型，并進行了仿真驗證。張存保等[19]提出車路協同環境下信號控制交叉口兩難區問題改善方法的工作流程，綜合運用車速引導、動態綠燈時間延長等措施降低車輛進入兩難區的概率。梅朝輝等[20-21]提出了車路協同環境下干線交叉口信號協調控制模型，并研究了速度引導模型，利用VISSIM軟件仿真驗證，結果表明，相比定時控制和MAXBAND協調控制，該方法能較好地減少交叉口延誤和停車次數。

大部分車速引導策略都引入了“進口道車輛排隊長度”這一參數，然而在實際應用場景開發過程中三、四線城市交叉口區域實時的車輛排隊長度數據不易或無法獲得。因此，根據這一實際情況，筆者綜合考慮信號相位、車輛位置、速度等信息，提出車路協同環境下的車速引導策略，以減少單車停車時間為目標，提高車輛不停車通過信號交叉口的可能性，減少停車等待時間。

1 車載交通燈提醒系統

依據車路協同系統的功能需求，搭建了車載交通燈提醒系統，包括車載交通燈提醒單元和路邊單元兩部分。車載交通燈提醒單元包括車載計算模塊、無線通信模塊、高精度定位模塊及顯示模塊，如圖2所示。車載計算模塊選用了三星公司的Exynos 4412高性能處理器，主頻為1.4 GB，基于 Cortex-A9 內核的四核處理器，大幅度降低系統的功耗，可滿足算法的實時性要求。無線通信模塊通過串口與車載計算模塊進行數據通信，選用美國德州儀器公司的ZigBee模塊CC2530作為無線收發核心芯片，用于接收來自路側單元的交通燈狀態數據。高精度定位模塊采用北斗星通公司生產的北斗天璇C200-AT型號定位產品，具有全天候、高精度、實時連續性等特點[22]，經過實際測試，不設基站的情況下，車輛的位置定位精度可達到1.2 m，滿足車速引導定位需求。

圖2 車載交通信號燈提醒單元實物圖Fig.2 Vehicular traffic signal reminder unit

路側單元包括通信模塊和計算模塊，選用了與車載單元相同的ZigBee模塊作為通信模塊，同時也作為計算模塊。

2 車速引導策略

假設條件如下：不考慮相鄰交叉路口的影響；不考慮行人、非機動車的干擾；不考慮二次停車；不考慮交叉路口其他車道通行狀況；不考慮多車相互干擾狀況；不考慮車輛的加減速狀況；由于在三、四線城市，交叉口路口處的排隊長度常常無法獲得或不易獲得，所以不考慮排隊長度對引導車速的影響。設t為駕駛員從接收到路側單元信息后至駛過停車線所用時間，則有

式中：v0為當前車速，km/h；v為引導車速，取整數，v=1, 2, 3, …，km/h；l為車輛至停車線的距離，m；lv為車輛的車長，m；la為車輛的位置定位精度，m；a為車輛的加速度，m/s2；td為駕駛員看到車速引導信息并開始加減速的延遲時間，參考文獻中根據駕駛模擬器得到的試驗數據，可取為3 s[19]。

車速引導考慮以下3種情形。

1)車輛在到達交叉路口時，綠燈已經亮起，應使車輛在綠燈結束前通過交叉路口。當車輛預計駛過停車線時間t小于等于綠燈剩余時間tg時，表明車輛可在綠燈時段內通過交叉口，則有優化函數fg：

其約束條件為

式中：vmax為道路限速值，引導車速v應滿足道路限速要求，km/h；vmin為駕駛員掛三檔時且不加油門或踩剎車時的車速，方便駕駛員控制車速。

2)車輛到達交叉路口時，紅燈已經亮起，車輛停車等待，應引導車輛維持速度，減少車輛停車等待時間，并在最短時間通過交叉路口。在無車輛排隊時，車輛預計駛過停車線時間大于等于紅燈剩余時間tr，表明車輛到達停車線時刻紅燈已轉為綠燈，則有優化函數fr：

其約束條件為

式中tr為紅燈剩余時間，s。

3)車輛到達交叉路口時，紅燈已經亮起，在有車輛排隊時，車輛可能會逐漸減速直至隊尾排隊停車等待。為方便工程應用，當前車速v0小于城市交通高峰時段的平均車速v′時，估算排隊消散時間t′：

其約束條件為

圖3 車速引導策略的工作流程Fig.3 Flow chart of the speed guidance strategy

車速引導策略的工作流程如圖3所示。求解過程是從當前車速向兩側遍歷尋優，當優化函數值為0或遍歷自變量取值范圍內所有的值后，停止遍歷，獲得最優解。

圖4 路側單元實物圖Fig.4 Road side unit

3 交通燈數據采集

為驗證車速引導策略的可行性，采集了安徽省蕪湖市衡山路-鳳鳴湖北路交叉路口的交通信號燈數據。通過路側單元將交通信號燈的數據從位于交叉口的信號機控制柜傳輸到車載交通信號燈提醒單元，路邊單元與信號機控制柜間通過串口進行數據通信，如圖4所示。傳輸數據的內容包括：相位號、紅燈剩余時間、綠燈剩余時間、綠閃剩余時間、黃燈剩余時間、全紅剩余時間等，消息頻率為2 Hz。經過數次實地測試，最遠距交叉口停車線150 m處，車載交通燈提醒單元可穩定地接收來自路側單元的數據。

4 實證分析

4.1 仿真建模

VISSIM是由德國PTV公司開發的微觀交通流仿真軟件，可作為分析許多交通問題的有力工具。選取衡山路-鳳鳴湖北路交叉口進行實證研究，以VISSIM為仿真平臺，利用Visual Basic 2013編程軟件及VISSIM-COM接口對其進行二次開發，實現車輛車速引導，驗證車速引導策略。

衡山路-鳳鳴湖北路交叉口共有4個進口，本文重點選取東進口直行右轉車道(簡稱直右)為研究對象，交叉口車道功能劃分如表1所示。

表1 衡山路-鳳鳴湖北路交叉口各車道功能

東西方向交通信號燈周期為122 s，綠燈時間為32 s，交叉口配時如表2所示。根據交通信號燈數據采集實地測試結果，仿真方案中采取當車輛距離停車線150 m處開始接收車速引導提示，仿真示意圖如圖5所示。

圖5 衡山路-鳳鳴湖北路交叉口仿真示意圖Fig.5 Intersection of Hengshan Road and North Fengming Lake Road

參數運行方向東西方向南北方向機動車相位左直左 直相位時間/s3232 48周期/s 122

4.2 數據分析

選取衡山路-鳳鳴湖北路交叉口的高峰和平峰時段的交通流量數據，分別進行仿真試驗，其結果見表3。

表3 仿真試驗結果

從表3可以看出，在高峰和平峰流量下，車速引導策略均可降低單車行程時間，平均降低比率分別為9.2%和13.0%。平峰流量下改善效果高于高峰流量，其原因在于，高峰流量下因車輛排隊和密集的車流而不能充分發揮車速引導策略的作用，同時高峰流量下因車輛排隊導致直行右轉車道的右轉車輛排隊而無法順利實施右轉，致使行程時間較長。

5 結 論

通過以上分析與研究，可以得出如下結論。

1)車速引導改善單車行程時間的效果受交通流量的影響，平峰流量下其改善效果較好，隨著交通流量的增加，其改善效果降低。在高峰和平峰流量下均可降低單車行程時間，平均降低比率分別為9.2%和13.0%。

2)高峰時段因右轉車輛排隊無法順利實施右轉，車速引導改善平均行程時間的效果受到影響。

3)仿真結果表明，提出未引入排隊長度參數的車速引導策略可有效降低單車行程時間，提高交通效率，具有較好的實際應用價值。

本文僅對單車進行分析，未考慮車輛的加減速及多車相互干擾狀況，交叉路口其他車道通行狀況對本交叉路口通行策略制定的影響仍需要進一步研究。

/

[1] 趙志國,王冬冬. 重型車輛側翻預警技術研究現狀及發展趨勢[J]. 河北科技大學學報,2013, 34(2):108-112.

ZHAO Zhiguo, WANG Dongdong. Research status and development trend of side tumbling pre-warning technology of heavy vehicle [J]. Journal of Hebei University of Science and Technology, 2013, 34(2):108-112.

[2] 龍文民,褚端峰,施輝,等.車路協同環境下緊急車輛優先通行方法研究[J].中國安全科學學報, 2015, 25(7): 141-146.

LONG Wenmin, CHU Duanfeng, SHI Hui, et al. Algorithm research on traffic priority for emergency vehicles based on cooperative vehicle infrastructure system [J]. China Safety Science Journal, 2015, 25(7): 141-146.

[3] FuTURE-TIAA車聯網聯合工作組.智能網聯汽車基本應用[R].北京:車載信息服務產業應用聯盟, 2016: 18.

[4] QING He. Robust-intelligent Traffic Signal Control within a Vehicle-to-Infrastructure and Vehicle-to-Vehicle Communication Environment [D]. Tucson: The University of Arizona, 2010.

[5] KANG Lei, LIN Bin, ZHAO Zhan, et al. The traffic control system at urban intersections during the phase transitions based on VII [C]// International Conference on Computer Application and System Modeling (ICCASM). [S.l.]:[s.n.], 2010: 137-141.

[6] ABULEBDEH G, CHEN H. Exploring the potential benefits of intellidrive enabled dynamic speed control in signalized networks [C]// Transportation Research Board. [S.l.]:[s.n.],2010: 1-19.

[7] MALAKORN K J, PARK B. Assessment of mobility, energy, and environment impacts of intellidrive-based cooperative adaptive cruise control and intelligent traffic signal control [C]// Proceedings of the 2010 IEEE International Symposium on Sustainable Systems and Technology. [S.l.]:[s.n.],2010: 1-6.

[8] YANG Yudi, CHEN Shenyang, SUN Jian. Modeling and evaluation of speed guidance strategy in VII system [C]// 13th International IEEE Annual Conference on Intelligent Transportation Systems. [S.l.]:[s.n.],2010: 1045-1050.

[9] CHEN Shenyang, SUN Jian, YAO Jing. Development and simulation application of a dynamic speed dynamic signal strategy for arterial traffic management [C]// 14th International IEEE Annual Conference on Intelligent Transportation Systems. [S.l.]:[s.n.],2011: 1349-1354.

[10] NEKOUI M, NI D, PISHRO-NIK H. Development of a VII-enabled prototype intersection collision warning system [J]. International Journal of Internet Protocol Technology, 2009, 4(3): 173-181.

[11] FENG Yiheng, HEAD K L, KHOSHMAGHAM S, et al. A real-time adaptive signal control in a connected vehicle environment [J]. Transportation Research Part C, 2015, 55: 460-473.

[12] ZHAO Yunjie, WANG A, HOU Yunfei, et al. Integrated traffic-driving-networking simulator for the design of connected vehicle applications: Eco-signal case study [J]. Journal of Intelligent Transportation Systems, 2014, 20(1): 1-13.

[13] LI Mozan, ZHANG Linan, YANG Xiaoguang. A review of yellow dilemma problem and a dynamic speed guidance system design based on CVIS [J]. Procedia-Social and Behavioral Sciences, 2013, 96: 473-479.

[14] RAKHA H, KAMALANATHSHARMA R K. Eco-driving at signalized intersections using V2I communication [C]// Proceedings of the 14th International IEEE Conference on Intelligent Transportation Systems. [S.l.]:[s.n.], 2011: 341-346.

[15] CAI Baigen, ZHENG Ziru, SHANGGUAN Wei, et al. Unsignalized cooperative optimization control method based on vehicle speed guidance and information interaction [C]// Proceedings of 17th International Conference on Intelligent Transportation Systems. [S.l.]:[s.n.], 2014: 57-62.

[16] WU Wei, LI Pengkai, ZHANG Y. Modelling and simulation of vehicle speed guidance in connected vehicle environment [J]. International Journal of Simulation Modelling, 2015, 14(1): 145-157.

[17] 李鵬凱,楊曉光,吳偉,等.車路協同環境下信號交叉口車速引導建模與仿真[J].交通信息與安全,2012,30(3):136-140.

LI Pengkai, YANG Xiaoguang, WU Wei, et al. Modeling vehicle speed guidance at signalized intersections under IntelliDriverSM [J]. Journal of Transport Information and Safety, 2012, 30(3): 136-140.

[18] 李鵬凱,吳偉,杜榮華,等.車路協同環境下多車協同車速引導建模與仿真[J]. 交通信息安全, 2013,31(2): 134-139.

LI Pengkai, WU Wei, DU Ronghua, et al. Modeling and simulation of multi-vehicles cooperative speed guidance under connected vehicles [J]. Journal of Transport Information and Safety, 2013,31(2): 134-139.

[19] 張存保,陳超,嚴新平.車路協同下信號控制交叉口兩難區問題改善方法[J].中國安全科學學報,2012,22(6):86-91.

ZHANG Cunbao, CHEN Chao, YAN Xinping. Methods for alleviating dilemma zone problem of signal control intersection based on cooperated vehicle infrastructure system [J]. China Safety Science Journal, 2012, 22(6):86-91.

[20] 梅朝輝. 車路協同環境下干線交叉口信號協調控制方法研究[D]. 武漢：武漢理工大學, 2014.

MEI Chaohui. Research on Arterial Traffic Signal Coordinated Control Method Based on Cooperative Vehicle Infrastructure System [D]. Wuhan: Wuhan University of Technology, 2014.

[21] 張存保,冉斌,梅朝輝,等. 車路協同下道路交叉口信號控制優化方法[J]. 交通運輸系統工程與信息, 2013, 13(3): 40-45.

ZHANG Cunbao, RAN Bin, MEI Zhaohui, et al. An optimization method of traffic signal control based on cooperative vehicle infrastructure system [J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(3): 40-45.

[22] 張鵬娜,曾慶喜,祝雪芬, 等. 衛星定位軟件接收機研究綜述[J]. 河北科技大學學報,2016, 37(3): 220-229.

ZHANG Pengna, ZENG Qingxi, ZHU Xuefen, et al. Research progress of satellite positioning software receiver [J]. Journal of Hebei University of Science and Technology, 2016, 37(3): 220-229.

Vehicle speed guidance strategy at signalized intersection based on cooperative vehicle infrastructure system

JIA Fengyuan1, LI Zhongbing1, CHEN Qingdong1, MA Xiaolu2, ZENG Qingxi3

(1.Chery Automobile Company Limited, Wuhu, Anhui 241000, China; 2. Institute of Electrical and Information Engineering, Anhui University of Technology, Maanshan, Anhui 243002, China; 3. Self-driving Vehicle Research Center, Nanjing University of Aeronautics and Astronautics, Nanjing, Jiangsu 210016, China)

In order to reduce stopping time of vehicle at a signalized intersection, aiming at the difficulty, even the impossibility to obtain real-time queue length of intersection in third and fourth-tier cities in China sometimes, a speed guidance strategy based on cooperative vehicle infrastructure system is put forward and studied. For validating the strategy, the traffic signal timing data of the intersection at Hengshan Road and North Fengming Lake Road in Wuhu is collected by a vehicular traffic signal reminder system which is designed. The simulation experiments using the acquired data are done by software VISSIM. The simulation results demonstrate that the strategy under high and low traffic flow can effectively decrease the link travel-time, reducing average ratio is 9.2 % and 13.0 %, respectively, and the effect under low traffic flow is better than that under high traffic flow. The strategy improves efficiency of traffic at a signalized intersection and provides an idea for the application of vehicle speed guidance based on cooperative vehicle infrastructure system.

wireless communication technology; cooperative vehicle infrastructure system; traffic light; VISSIM; speed guidance; intersection

TP274

A

2017-06-01；

2017-07-17；責任編輯：馮 民

國家自然科學基金(51505221)；安徽省博士后研究人員科研活動經費資助項目(2016B086)；國家發改委物聯網專項項目((2012)1149)

賈豐源(1983—)，男，吉林敦化人，博士，主要從事車聯網技術方面的研究。

曾慶喜博士。E-mail：jslyzqx@nuaa.edu.cn

賈豐源，李中兵，陳慶東，等.車路協同環境下信號交叉口車速引導策略[J].河北科技大學學報,2017,38(5):432-437.

JIA Fengyuan，LI Zhongbing，CHEN Qingdong，et al. Vehicle speed guidance strategy at signalized intersection based on cooperative vehicle infrastructure system[J].Journal of Hebei University of Science and Technology,2017,38(5):432-437.