車聯網環境下巡航控制系統對交通流油耗的影響

秦嚴嚴，王昊，陳全，冉斌

?

車聯網環境下巡航控制系統對交通流油耗的影響

秦嚴嚴1, 2, 3, 4，王昊1, 2, 3，陳全1, 2, 3，冉斌3, 4

(1. 城市智能交通江蘇省重點實驗室，江蘇 南京，210096； 2. 現代城市交通技術江蘇高校協同創新中心，江蘇 南京，210096； 3. 東南大學 交通學院，江蘇 南京，210096； 4. 威斯康星大學麥迪遜分校 土木與環境工程系，威斯康星州 麥迪遜，53706)

為研究未來車聯網環境下聯網巡航控制(CCC)系統對交通流油耗的影響，選取Helly跟馳模型作為手動駕駛車輛跟馳模型，基于CCC車輛跟馳特性，構建多前車反饋的CCC跟馳模型；推導CCC系統的擾動傳遞函數，計算CCC系統關于反饋系數與平衡態速度的穩定域；針對高速公路上匝道瓶頸，考慮CCC車輛與手動駕駛車輛混合行駛中的隨機性，在不同的主路需求與匝道需求情況下設計數值仿真實驗，評估CCC車輛對交通流油耗的影響。研究結果表明：當CCC系統穩定時，CCC車輛有利于降低交通流油耗，當CCC車輛比例達到約60%時，油耗降低速度較快，相比于傳統手動車輛交通流，CCC車輛交通流油耗降低約35%以上；當CCC系統不穩定時，交通流油耗降低率小于3.59%；CCC系統穩定域能夠影響交通流油耗降低。

交通流；油耗；聯網巡航控制；跟馳模型；車聯網

近年來，交通能源消耗以及尾氣污染問題凸顯，有關車輛節能減排的研究日益受到關注。隨著智能交通系統與自動駕駛汽車技術的發展，車聯網環境下的智能駕駛系統車輛可實時獲取前方行車狀態，有效提升交通流平穩性，為車輛節能減排等問題的有效解決提供了新的途徑。目前，智能駕駛系統車輛的大規模實地測試難以開展，因此，智能駕駛系統車輛與傳統手動駕駛車輛混合行駛時的交通流特性研究是現階段評估智能駕駛系統車輛有效解決相關交通問題的必要途徑，且已成為國際上交通流理論以及智能交通領域的研究熱點[1]。在各類型智能駕駛系統車輛的研究中，自適應巡航控制(adaptive cruise control，ACC)系統車輛依靠車載檢測設備獲取前車行車信息，可有效縮短車頭時距；而協同自適應巡航控制(cooperative adaptive cruise control，CACC)系統車輛應用車載無線通信系統，在獲取前車行車狀態時，精度更高、速度更快，但CACC車輛仍然沒有充分體現出車聯網的特性。在車聯網環境下，車車互聯的特性進一步推動聯網巡航控制(connected cruise control, CCC)系統的發展。CCC車輛在車聯網環境下獲取多前車行車狀態，形成CCC控制系統。目前，人們對ACC車輛與CACC車輛對交通流特性的影響研究較多[2]。秦嚴嚴等[3]對ACC車輛、CACC車輛以及手動駕駛車輛這3種車型混合行駛時的混合交通流通行能力進行了理論分析，其研究結果表明：當CACC車輛在混合交通流中的比例大于60%時，可有效提升傳統手動駕駛交通流的通行能力，ACC車輛的期望車間時距對通行能力的提升有一定影響；進一步地，秦嚴嚴等[4]研究了這3種車型混合交通流駕駛舒適性與交通流穩定性之間的關系，發現不同CACC車輛比例下的混合交通流穩定性會影響混合交通流駕駛的舒適性；ZHOU等[5]研究了CACC車輛在高速公路匝道瓶頸匯入時的交通安全特性，其研究結果表明在合理的匝道匯入控制策略下，CACC車輛能夠起到平滑交通擾動的作用，進而可提升交通安全水平；GE等[6]針對CCC系統，分析了跟馳模型參數、CCC車輛通信延時以及CCC系統的車間通信方式對交通流穩定性的影響，但沒有進一步地研究CCC車輛對交通問題的改善作用；QIN等[7]改進了CCC車輛模型，研究了CCC車輛反饋系數的輸出控制與系統穩定域之間的關系。然而，目前有關CCC車輛系統對交通流油耗的影響的研究較少，而交通流油耗降低與節約資源以及降低交通環境污染等直接相關，因此，研究CCC車輛系統對交通流油耗的影響具有重要意義。為此，本文作者從CCC系統跟馳特性出發，基于跟馳模型理論分析CCC系統穩定性，并通過數值仿真實驗探索未來大規模CCC系統對交通流油耗的影響。

1 聯網巡航控制系統

1.1 系統概述

車聯網環境下車與車之間實現車車無線通信，CCC車輛可基于車車通信技術感知多前車行駛速度及加速度等信息，并與其所監測的前方多輛手動車輛構成CCC系統[6]。1輛CCC車輛與輛手動車輛構成的CCC系統見圖1。其中，車輛?1表示車輛的前車，尾車CCC車輛可接收前方輛手動車輛的行車信息反饋，1為CCC車輛關于手動車輛?1的反饋系數，2為CCC車輛關于手動車輛?2的反饋系數，k為CCC車輛關于手動車輛?的反饋系數。在CCC車輛與手動車輛混合行駛的交通流中，2種車型車輛位置分布的隨機性使得每個CCC系統中的取值是不同的，取值同樣受到車車通信有效范圍的約束。就目前而言，車間通信的可靠范圍為200~300 m，即在任意行駛速度下的車間有效通信范圍約為4輛車之間[6]。因此，本文以最大取值為3的CCC系統作為研究對象。

圖1 聯網巡航控制系統

1.2 跟馳模型

選取手動車輛跟馳模型，并考慮CCC車輛的多前車信息反饋跟馳特性，建立相應的CCC跟馳模型。對于手動車輛而言，研究者們提出了多種跟馳模型[8]。依據文獻[9]，本文選取經典Helly類跟馳模型作為手動車輛跟馳模型，模型表達式為

對于CCC跟馳模型而言，多前車反饋信息存在多樣性。依據文獻[10]可知，CCC真車實驗中以前車電子閥門角度作為反饋信息，因此，本文應用該反饋建立CCC跟馳模型：

2 系統穩定性

穩定性分析是CCC系統的基本屬性，也是理論分析CCC車輛多前車反饋系數的必要手段[7]。下面應用CCC車輛和手動車輛跟馳模型，對CCC系統在前車反饋數量分別取1，2與3時的穩定性進行分析。

分別定義車輛速度擾動及車頭間距擾動表達式如下：

在交通流平衡態，應用泰勒公式對手動車輛跟馳模型(見式(1))進行線性化處理，得到如下關系式：

將式(4)代入式(5)得到關于擾動項的偏微分方程：

式中：為拉普拉斯算子。

針對CCC車輛跟馳模型(見式(2))中的多前車反饋項，將式(4)代入式(3)中計算得到該多前車反饋項對應的擾動微分方程：

結合式(6)，將式(8)代入式(2)得到CCC車輛跟馳模型關于擾動項的微分方程：

對式(9)進行拉普拉斯變換得到擾動由前車傳遞至CCC車輛時的傳遞函數2()：

以圖1所示的CCC系統為研究對象，其前方擾動作為系統輸入，尾車CCC車輛對擾動的輸出作為系統輸出，則該控制系統的傳遞函數()為

令=j(其中j為頻率域，j為虛數單位；為頻率，≥0)，將式(11)的拉普拉斯域轉化為頻率域，當傳遞函數()幅頻特性的幅值小于1時，該CCC系統穩定，即

由式(7)，(10)和(12)可以看出：CCC系統穩定性由平衡態速度以及CCC車輛的多前車反饋系數k決定。本文CCC車輛多前車反饋數量最大取值為3，當分別取值1，2和3時，將跟馳模型參數以及式(7)與(10)代入式(12)中，可計算得到各平衡態速度取值以及各反饋系數取值下的穩定性，即得到CCC系統關于平衡態速度與前車反饋系數的穩定域。為了簡化CCC系統控制的復雜性，本文假設CCC系統反饋系數取值相同，由此計算得到的系統穩定域見圖2，其中A區域為穩定區域，B區域為不穩定區域。由圖2可以看出：隨著多前車反饋數量增大，反饋系數取值對CCC系統穩定時平衡態速度范圍的敏感性降低。由文獻[7]可知CCC系統應當盡可能地具備較大的穩定速度范圍，依據圖2中的穩定域結果可得反饋系數分別如下：=1時，反饋系數1=0.25；=2時，反饋系數1=2=0.35；=3時，反饋系數1=2=3=0.45。

多前車反饋數量：(a) 1；(b) 2；(c) 3

3 CCC系統對交通流油耗影響的仿真分析

3.1 評價指標

基于跟馳模型數值仿真實驗，應用交通流油耗評價指標分析CCC系統的影響是常見的研究手段。本文選取的交通流油耗評價指標如下[14]：

式中：F為車輛在時刻產生的油耗；1~16為系數，取值分別如下[14]：1=?0.679 440，2=0.135 273，3= 0.015 946，4=?0.001 190，5=0.029 665，6=?0.000 28，7=1.49×10?6，8=0.004 808，9=?2.1×10?5，10=5.54×10?8，11=8.33×10?5，12=9.37×10?7，13=?2.5×10?8，14=?6.1×10?5，15=3.04×10?7，16=?4.5×10?9。

由于本文主要探究CCC系統相對于傳統手動車輛對交通流油耗的影響，因此可將式(13)中評價指標參數的取值應用到本文仿真實驗中[15?18]，依據式(13)統計得到所有車輛在全部時間內的油耗累積值，以此作為仿真實驗中交通流油耗的仿真值。

3.2 仿真結果分析

基于車輛跟馳模型，對上匝道瓶頸進行交通流油耗影響的數值仿真實驗。參考文獻[19]選取仿真路段，即假設仿真路段中的主路和匝道均為單車道道路，仿真路段全長為6.5 km，上匝道位于整個路段的中間位置。上游車輛的初始駛入速度在25~30 m/s范圍內隨機確定，并選擇3組交通需求情況進行仿真：主路需求為1 800 輛/h且匝道需求為400輛/h(記為需求Ⅰ)；主路需求為1 500輛/h且匝道需求為300輛/h (記為需求Ⅱ)；主路需求為1 200輛/h且匝道需求為200輛/h (記為需求Ⅲ)。CCC車輛按照本文第2節中給出的反饋系數取值，并考慮交通流中車輛空間分布的隨機性，按照圖1所示的控制結構隨機地接收前方1輛車、2輛車或3輛車的行駛信息反饋。針對連續CCC車輛的情況，后車CCC車輛可接收前方3輛車的反饋信息。鑒于2種車型在車輛混合行駛中的隨機性，各CCC車輛比例下均獨立進行3次仿真實驗，并取交通流油耗仿真均值作為該情況下的油耗仿真結果。以CCC車輛比例為0時的手動車輛交通流油耗仿真結果為基準，計算得到不同CCC車輛比例下交通流油耗相對于手動車輛的交通流油耗降低率，結果如圖3所示。

1—交通需求Ⅰ；2—交通需求Ⅱ；3—交通需求Ⅲ。

由圖3可以看出：當CCC車輛比例小于50%時，交通流油耗降低率小于15%；當CCC車輛比例達到60%時，交通流油耗的降低速度變快。同時，為了進一步分析車聯網環境下的交通流油耗情況，本文對CCC車輛比例為10%時的仿真結果進行進一步統計，計算可知在3組交通需求下，每輛CCC車輛的平均實際油耗相比于手動車輛分別降低23.43%，20.14%和20.58%，這表明車聯網環境有利于降低交通流油耗。

此外，有研究表明交通穩定性可能影響交通運營質量[4, 20]。由本文第2節中所得CCC系統穩定域可知：CCC系統在車速大于10 m/s時處于穩定狀態，在車速小于10 m/s時不穩定。為了進一步探究CCC系統穩定域與交通流油耗降低的內在關聯性，將上述仿真實驗中車輛初始駛入速度設為5~10 m/s。鑒于初始速度較低，在仿真實驗中僅考慮交通需求Ⅲ情況下的仿真實驗，仿真結果見表1。由表1可以看出：CCC車輛比例增加對交通流油耗降低的影響并不明顯，相比于手動車輛交通流，CCC車輛交通流油耗僅降低3.59%。這一結果驗證了CCC系統穩定域對交通流油耗降低的影響，這一結論與文獻[4]和文獻[20]中的結論相一致。

表1 交通需求Ⅲ下CCC車輛比例對交通流油耗的影響

4 結論

1) CCC系統穩定域影響交通流油耗降低率，當CCC系統穩定時，CCC車輛有利于交通流油耗的降低，相比手動車輛交通流，CCC車輛交通流可使油耗降低35%以上；而當CCC車輛比例小于50%時，交通流油耗降低速度緩慢，降低比例小于15%，當CCC車輛比例達到60%時，交通流油耗降低速度變得較快；當CCC系統不穩定時，CCC車輛對交通流油耗降低的影響不明顯，油耗降低率小于3.59%。

2) 針對由CCC車輛與手動車輛構成的CCC系統的穩定域分析方法以及交通流油耗影響的仿真實驗設計能夠適應不同CCC車輛與手動車輛跟馳模型的選取，可為未來大規模CCC車輛背景下的交通流油耗管理與控制提供參考。

[1] MAHMASSANI H S. 50th anniversary invited article— autonomous vehicles and connected vehicle systems: flow and operations considerations[J]. Transportation Science, 2016, 50(4): 1140?1162.

[2] 秦嚴嚴, 王昊, 王煒, 等. 自適應巡航控制車輛跟馳模型綜述[J]. 交通運輸工程學報, 2017, 17(3): 121?130. QIN Yanyan, WANG Hao, WANG Wei, et al. Review of car-following models of adaptive cruise control[J]. Journal of Traffic and Transportation Engineering, 2017, 17(3): 121?130.

[3] 秦嚴嚴, 王昊, 王煒, 等. 混有CACC車輛和ACC車輛的異質交通流基本圖模型[J]. 中國公路學報, 2017, 30(10): 127?136. QIN Yanyan, WANG Hao, WANG Wei, et al. Fundamental diagram model of heterogeneous traffic flow mixed with cooperative adaptive cruise control vehicles and adaptive cruise control vehicles[J]. China Journal of Highway and Transport, 2017, 30(10): 127?136.

[4] 秦嚴嚴, 王昊, 王煒, 等. 混有CACC車輛和ACC車輛的混合交通流駕駛舒適性[J]. 哈爾濱工業大學學報, 2017, 49(9): 103?108, 173. QIN Yanyan, WANG Hao, WANG Wei, et al. Driving comfort of traffic flow mixed with cooperative adaptive cruise control vehicles and adaptive cruise control vehicles[J]. Journal of Harbin Institute of Technology, 2017, 49(9): 103?108, 173.

[5] ZHOU Mofan, QU Xiaobo, JIN Sheng. On the impact of cooperative autonomous vehicles in improving freeway merging: a modified intelligent driver model-based approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(6): 1422?1428.

[6] GE Jin, OROSZ G. Dynamics of connected vehicle systems with delayed acceleration feedback[J]. Transportation Research Part C: Emerging Technologies, 2014, 46: 46?64.

[7] QIN Yanyan, WANG Hao. Analytical framework of string stability of connected and autonomous platoons with electronic throttle angle feedback[J]. Transportmetrica A: Transport Science, 2018, DOI: 10.1080/23249935.2018.1518964.

[8] 王殿海, 金盛. 車輛跟馳行為建模的回顧與展望[J]. 中國公路學報, 2012, 25(1): 115?127. WANG Dianhai, JIN Sheng. Review and outlook of modeling of car following behavior[J]. China Journal of Highway and Transport, 2012, 25(1): 115?127.

[9] WANG Hao, WANG Wei, CHEN Jun, et al. Using trajectory data to analyze intradriver heterogeneity in car-following[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010(2188): 85?95.

[10] LI Kun, IOANNOU P. Modeling of traffic flow of automated vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(2): 99?113.

[11] SHLADOVER S E, NOWAKOWSKI C, LU Xiaoyun, et al. Cooperative adaptive cruise control: definitions and operating concepts[J]. Transportation Research Record: Journal of the Transportation Research Board, 2015(2489): 145?152.

[12] LI Yongfu, ZHANG Li, PEETA S, et al. A car-following model considering the effect of electronic throttle opening angle under connected environment[J]. Nonlinear Dynamics, 2016, 85(4): 2115?2125.

[13] QIN Yanyan, WANG Hao, RAN Bin. Stability analysis of connected and automated vehicles to reduce fuel consumption and emissions[J]. Journal of Transportation Engineering, Part A: Systems, 2018, 144(11): 04018068-1?9.

[14] WU Changxu, ZHAO Guozhen, OU Bo. A fuel economy optimization system with applications in vehicles with human drivers and autonomous vehicles[J]. Transportation Research Part D: Transport and Environment, 2011, 16(7): 515?524.

[15] TANG Tieqiao, HUANG Haijun, SHANG Huayan. Influences of the driver’s bounded rationality on micro driving behavior, fuel consumption and emissions[J]. Transportation Research Part D: Transport and Environment, 2015, 41: 423?432.

[16] TANG Tieqiao, LUO Xiaofeng, LIU Kai. Impacts of the driver’s bounded rationality on the traffic running cost under the car-following model[J]. Physica A: Statistical Mechanics and its Applications, 2016, 457: 316?321.

[17] LI Xiaopeng, CUI Jianxun, AN Shi, et al. Stop-and-go traffic analysis: theoretical properties, environmental impacts and oscillation mitigation[J]. Transportation Research Part B: Methodological, 2014, 70: 319?339.

[18] LEE J, PARK B. Development and evaluation of a cooperative vehicle intersection control algorithm under the connected vehicles environment[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1): 81?90.

[19] TALEBPOUR A, MAHMASSANI H S. Influence of connected and autonomous vehicles on traffic flow stability and throughput[J]. Transportation Research Part C: Emerging Technologies, 2016, 71: 143?163.

[20] PUEOOBPAPHAN R, VAN AREM B. Driver and vehicle characteristics and platoon and traffic flow stability: Understanding the relationship for design and assessment of cooperative adaptive cruise control[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010( 2189): 89?97.

(編輯 伍錦花)

Impacts of connected cruise control systems on traffic flow fuel consumption in internet of vehicles environment

QIN Yanyan1, 2, 3, 4, WANG Hao1, 2, 3, CHEN Quan1, 2, 3, RAN Bin3, 4

(1. Jiangsu Key Laboratory of Urban Intelligent Transportation System, Nanjing 210096, China; 2. Jiangsu Province Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing 210096, China; 3. School of Transportation, Southeast University, Nanjing 210096, China; 4. Department of Civil and Environment Engineering, University of Wisconsin-Madison, Madison 53706, USA)

In order to study the impacts of connected cruise control (CCC) systems on traffic flow fuel consumption of traffic flow in the future internet of vehicles environment, the Helly model was selected as the car-following model of manual driven vehicles. Based on the car-following characteristics of CCC vehicles, a CCC car-following model was built considering multiple preceeding feedbacks. The transfer function of perturbations of CCC systems was deduced. Then, the stability region about feedback coefficient and equilibrium velocity was calculated for CCC systems. The bottleneck of highway with an on-ramp was selected for numerical simulations. The simulation experiments were designed under different demands of both main road and ramp, taking the randomness in the mixed driving with CCC vehicles and manual driven vehicles into consideration. The impact of CCC vehicles on fuel consumption was evaluated. The results show that CCC vehicles can reduce the fuel consumption when the CCC system is stable. The reduction speed of fuel consumption becomes faster when CCC vehicle proportion reaches to 60%. The traffic flow with CCC vehicles can reduce fuel consumption by more than 35%, compared with that of traditional manual driven vehicles. However, the reduction of the fuel consumption is less than 3.59% if the CCC system is unstable. The reduction of fuel consumption is influenced by the stability region of the CCC system.

traffic flow; fuel consumption; connected cruise control; car-following model; internet of vehicles

10.11817/j.issn.1672-7207.2018.11.032

U491.112

A

1672?7207(2018)11?2894?07

2018?01?12；

2018?03?05

國家自然科學基金資助項目(51478113，51878161)；國家重點研發計劃資助項目(2016YFB0100906)；交通運輸部科學技術研究計劃項目(2015364X16030)；江蘇省研究生科研與實踐創新計劃項目(KYCX17_0146) (Projects(51478113, 51878161) supported by the National Natural Science Foundation of China; Project(2016YFB0100906) supported by the National Key R&D Program of China; Project(2015364X16030) supported by the Information Technology Research Program of Ministry of Transport of China; Project(KYCX17_0146) supported by the Postgraduate Research & Practice Innovation Program of Jiangsu Province)

王昊，博士，教授，從事交通流理論研究；E-mail: haowang@seu.edu.cn