車路協同環境下信號交叉口速度引導策略

劉 歡，楊 雷，邵社剛，王趙明

(1. 交通運輸部 公路科學研究院，北京 100088; 2. 長春建業集團股份有限公司，吉林 長春 130028)

0 引 言

當車輛通過交叉口時，由于信號燈影響會產生停車等待和車輛加減速等情況，從而造成延誤，并產生過多的污染物排放。因此有必要對車輛進行速度引導，使車輛能夠不停車通過交叉口，以達到減少延誤與排放目的。

國內外眾多學者對交叉口速度引導策略進行了研究。YANG Yudi等[1]研究了如何令車輛不停車通過交叉口，通過對交叉口信號狀態和對車輛時空軌跡分析，建立了綠波速度引導策略，并基于仿真結果得出：對車輛速度進行引導能使車輛延誤時間和在交叉口停車次數減少29%。何樂樂等[2]規定車輛以最高限速行駛，若無法通過交叉口，再以綠燈剩余時間和車輛距交叉口距離及車輛加速度來計算車輛能否順利通過交叉口的速度引導策略，并利用VISSIM仿真軟件進行仿真，證明該引導策略對提高車輛出行效益和減少排放和能耗方面有著較好作用。張存保等[3]基于車-路協同系(vehicle infrastructure cooperative systems, VICS)，對交叉口信號控制進行了分析，通過研究控制方法的不足，基于時間窗概念引入了滾動預測方法，信號控制效果用相位飽和度來表示，考慮速度引導策略對車速的影響，提出了車-路協同環境下的交叉口速度引導策略；并對該速度引導策略進行基于VISSIM的模擬試驗；結果表明：該策略能減少車輛在交叉口的延誤時間和停車次數。安實等[4]提出了一種以多級可變速度限制為基礎的信號交叉口綠色速度引導策略，以可變速度限制值為控制變量，在不額外增加行程時間基礎上，對車輛行駛軌跡進行平滑處理；其結果表明：該策略能有效降低定時信號控制交叉口的車輛延誤，并能同時減少車輛油耗和排放。王東磊等[5]提出了一種模糊控制速度引導策略，通過對車輛加速過程期望速度進行模糊控制，進而實現車輛的低排放；結果證明：基于模糊控制的速度引導策略能有效達到節能減排目的。R.K.KAMALANATHSHARMA等[6]將車輛以消耗最少能源通過交叉口為研究目標，提出了環境友好型的速度引導策略，并通過驗證表明油耗減少約30%。CHEN Zhi等[7]提出了定時信號控制交叉口的生態駕駛優化模型，通過遺傳算法對車輛時空軌跡進行優化，結果顯示生態駕駛策略能減少大概50%的車輛排放。QIAN Gongbin等[8]提出了一種以減少車輛油耗為目標的理論模型，并通過Aimsun軟件進行模擬，分析了交叉口車輛行程時間和車輛油耗。LAI Wentai[9]通過對美國部分公交車使用生態駕駛策略前后的燃油數據進行分析，得出了生態駕駛優化策略能減少公交車10%油耗的結論。LIU Huiyuan等[10]通過遺傳算法對高速公路車輛進行了有效的速度引導。CHEN Shukai等[11]提出了一種改進的自適應控制方法，包括車輛到達估計模型和信號優化算法，分別考慮了3個目標函數，即最小化延遲，隊列長度和流入-流出量最大化；結果表明：該研究在實時交通自適應信號控制系統中具有潛在的適用性。D.J.CHANG等[12]、李宗義[13]、H.LARSSON等[14]分別提出了速度引導策略，得出該策略能減少車輛油耗，且優化效果明顯的結論。

上述研究大多針對提高車輛出行效率和減少車輛排放進行了分析。筆者旨在綜合考慮減少排放和延誤，提出了一種新的綜合優化速度引導策略。

1 研究方法

1.1 速度引導方法設計

在高階車-路協同環境下，智能網聯車輛均配置有車載端實時通訊單元，車輛速度、位置等信息會通過車載端上傳至網絡服務平臺，亦稱為網聯信息端。同時，網聯信息端將當前交叉口的信號相位、前方車輛速度與位置等信息發送給車載端，對駕駛員進行調整車速的誘導提示，以實現車輛速度引導。

通過對各種情況的分析，筆者決定對連續定時信號交叉口、主路流量明顯大于次路、車速在進入道路前速度保持恒定不受干擾等情況進行仿真分析[2]。網聯信息端會根據車輛車速、信號燈周期、信號相位、是否有前車、前車速度等信息對受控車輛速度進行計算。當車輛不能以當前速度勻速通過交叉口時，會對其進行速度引導；若車輛可通過引導在當前綠燈區間加速通過交叉口，則會對車輛進行加速引導，從而使得車輛能在當前綠燈區間通過交叉口；反之，當車輛以當前最高限速行駛都不能通過交叉口時，會對車輛進行減速引導，使得車輛減速到合適速度，并在下個綠燈區間通過交叉口[15]。速度引導策略工作原理如圖1。

圖1 車輛速度引導工作原理Fig. 1 Working principle of vehicle speed guidance

當網聯車輛通過交叉口時，對應的速度引導存在以下4種情況：

1)勻速通過：網聯車輛不受前方車輛影響，勻速行駛能在當前綠燈相位內通過交叉口，如圖2(a)(①→③或②→③過程)；

2)加速通過：網聯車輛不受前方車輛影響，以當前速度勻速行駛到交叉口時會處于紅燈相位，若當前車輛加速行駛至最大限速會在紅燈相位之前的綠燈相位通過交叉口，如圖2(b) (①→③或②→③過程)；

3)減速通過：網聯車輛不受前方車輛影響，以當前速度勻速行駛到交叉口時為紅燈相位，車輛加速行駛則無法在當前綠燈相位通過交叉口，車輛減速至合適速度，并在下一個綠燈相位通過交叉口，如圖2(c) (①→②過程)；

4)跟馳通過：網聯車輛受前方車輛影響，將網聯車輛及后方一系列的非網聯車輛視為一個車隊，則位于網聯車輛前方的非網聯車輛各種參數已知，由此令當前網聯車輛延后一個相對前車安全的最小車頭時距通過交叉口，如圖2(d) (①→②過程)[16]。

速度引導策略流程如圖3。

圖2 車輛通過交叉口的4種情況Fig. 2 Four situations of vehicle passing through intersections

圖3 速度引導策略流程Fig. 3 Speed guidance flow chart

1.2 速度引導策略數學模型(圖4)

圖4中：C為交通控制信號周期；v0為車輛初始速度；l為車輛距停車線的距離；t0為交通信號燈所處的周期內時刻。

車輛最高速度為vmax；車輛的加速度為a，由此可得式(1)～(3)：

車輛勻速到達停車線時間：

(1)

車輛勻加速到最高速度，再勻速到停車線時間：

(2)

當車輛到達停車線時，信號燈所處信號周期內時刻為t1：

(3)

設交叉口信號燈在0-X時段內為綠燈區間，在X-C時段內為紅燈區間。

圖4 模型示意Fig. 4 Model schematic

1.2.1 勻速行駛情況(0-X時段)

當車輛勻速行駛時，若0≤t1≤X，即車輛勻速行駛到停車線時在綠燈區間內，且該車輛前方沒有其他車輛對其速度產生干擾，則該車輛可勻速通過交叉口，那么該車輛在系統引導下以勻速通過交叉口，計算t采用式(1)。

1.2.2 勻速行駛情況(X-C時段)

當車輛勻速行駛時，若X≤t1≤C，即車輛勻速行駛到停車線時在紅燈區間內，那么對該車輛進行速度引導，使其勻加速到最高速在勻速到達停車線，即t的計算方式采用式(2)。

這種情況下，又分為兩種情況：

1)當車輛勻加速到最高速再勻速行駛時，若有0≤t1≤X，也就是在綠燈區間時，受引導車輛到達交叉口，且該車輛前方沒有其他車輛對其速度產生干擾，則該車輛可勻加速到該路段允許的最高速度再勻速通過交叉口；

2)若X≤t1≤C，即車輛以最高速度行駛到交叉口的時刻位于信號燈的紅燈區間內。則該車輛勻速和勻加速都無法通過該交叉口。若車輛前方沒有車輛對其速度產生干擾，則該車輛應在交叉口信號燈的下一個周期綠燈區間內通過。則該車從駛入控制區間到其到達交叉口的真實時間如式(4)：

tr=C-t0

(4)

設車輛的加速時間為tm；車輛勻速行駛的時間為tn；則可得到式(5)～(7)：

tm+tn=tr

(5)

vt=v0+tma

(6)

(7)

聯立式(5)～(7)，可得車輛通過交叉口時的速度(式中加速度為負數)，如式(8)：

(8)

1.2.3 加速行駛情況

當車輛受引導車輛加速行駛時，前方有車輛影響其行駛狀態，且前方車輛速度為vk，則車輛勻加速到vk再勻速行駛到停車線的時間如式(9)：

(9)

同樣，當車輛到達停車線時，信號燈所處信號周期內時刻t2，如式(10)：

(10)

當0≤t2≤X時，受引導車輛能在綠燈時間通過交叉口，則受引導車輛跟隨前車在當前周期通過交叉口；當X≤t2≤C時，受引導車輛不能在當前綠燈相位通過交叉口，則車輛根據式(5)～(8)，勻減速在下一個綠燈相位通過交叉口。

1.3 排放模型

美國環保局EPA開發的MOVES(motor vehicle emission simulator)排放模型主要采用行駛工況法來估算車輛的排放。其主要是通過分析車輛的比功率VSP(vehicle specific power)來計算車輛排放和油耗。之所以采用VSP，主要是因為車輛速度、加速度等信息都可通過VISSIM仿真得到[17]。比功率VSP計算如式(11)：

VSP=v(1.1a+0.132)+0.000 302v3

(11)

式中：v為車輛瞬時速度；a為車輛加速度。

2 仿真運行

2.1 路網模型搭建

本研究以單交叉口為研究對象，以某一方向車輛直行車道進行研究，通過微觀交通仿真軟件VISSIM建模并用其評價指標來得到車輛行程時間、交叉口排隊長度、車輛延誤等。故采取以下模擬路網進行研究，如圖5。

圖5 VISSIM路網Fig. 5 VISSIM road network

圖5中：該模型為郊區道路，主路為雙向八車道，第一個交叉口為次路雙向四車道，第二個交叉口為次路雙向八車道。對其進行如下設定[18-19]。

1)研究路段：單個交叉口研究路段采用西進口直行車道，從車輛駛入控制線到車輛到達交叉口的距離為500 m；連續交叉口研究路段采用東進口直行車道，從車輛駛入控制線到車輛到達第二個交叉口的距離為1 500 m。

2)車流量：根據研究中道路車流飽和度不同，其車流量也會不同，主路單車道飽和流量為2 000輛/h，主路單方向流量分別選取3 200、4 800、6 400輛/h，飽和度分別為0.4、0.6、0.8。由于研究路段為西進口直行車道，次路流量不會產生變化，故次路流量為500輛/h。道路飽和流量為8 000輛/h，是車輛在自由流速度下所能通過的最大流量。

3)車速：在無速度引導策略引導下，自由車輛期望速度為50 km/h，速度引導策略控制下的車輛車速為30～70 km/h。

4)加速度：在速度引導策略控制下的車輛加速度和減速度都為3 m/s2。

5)信號配時：此模型中，主路信號燈信號周期為60 s，綠燈時間為1～39 s，黃燈時間為3 s，全紅時間為3 s，兩交叉口相位差為12 s。

6)仿真時間：仿真時間為0～3 600仿真秒，每300仿真秒記錄一次數據。

7)評價指標：在模型評價指標中選取車輛從西進口進入路網直行800 m的行程時間、連續交叉口直行2 000 m的時間、車輛延誤和交叉口排隊長度作為該研究的評價指標，統計分析基于10次仿真實驗結果平均值。

2.2 車路協同仿真平臺搭建

基于VISSIM將基礎路網模型構建之后，對模型進行外部處理，搭建車路協同仿真平臺，如圖6。

圖6 車路協同仿真平臺搭建示意Fig. 6 Construction of vehicle infrastructure collaborative simulation platform

圖6中：利用外部程序控制VISSIM的COM接口，進而控制VISSIM仿真模型，仿真獲取數據又通過COM接口反饋到外部程序。通過調用COM接口中的仿真、車輛、車道、評價等接口，實現對仿真路網中車輛實時速度進行引導控制。在運行過程中，通過外部程序面向對象的二次開發來減少COM接口的讀寫次數，從而提高仿真速度和仿真效率。

2.3 車輛滲透率設置

通過構建不同仿真場景進行對比分析。筆者采用不同飽和度和不同滲透率即網聯車輛比例來進行對比。不同飽和度可從VISSIM仿真路網模型中進行修改，車輛滲透率從外部控制程序中進行修改，如圖7。對應不同滲透率下的車輛運行狀態，設定白色車輛為網聯車輛即受控車輛，黑色車輛為不受控的自由行駛車輛。筆者設定滲透率分別為0、20%、50%、80%、100%；其中：0對應為無網聯車輛，即對車流不進行速度引導的場景。

通過不同車輛滲透率仿真設置，可發現滲透率對引導車輛數影響較大，同時速度引導策略對應的優化效果也會受到一定影響。

圖7 不同滲透率仿真Fig. 7 Simulation with different permeability rates

3 結果分析

3.1 單交叉口出行效益分析

速度引導模型的優化指標總體分為出行效益指標和車輛排放指標。筆者對車輛出行效益指標進行分析，出行效益分析又具體分為行程時間分析、交叉口排隊車輛數分析、車輛延誤時間分析。

3.1.1 車輛行程時間分析

車輛行程時間為車輛從西進口進入直行800 m的行程時間。在速度引導策略控制下，車輛行程時間較無控制情況下有所減少，則說明速度引導策略可提高車輛出行效益。

當道路交通飽和度為0.4時，即西進口直行車道單車道流量為800輛/h，對不同滲透率車輛行程時間進行對比分析，結果如圖8(a)。同理，當道路交通飽和度分別為0.6、0.8時，車輛行程時間對比分析分別如圖8(b)、(c)。

當滲透率不為0時，速度引導策略能顯著減少車輛的行程時間，隨著車輛滲透率增加，車輛行程時間也隨之減少。當滲透率達到100%時，車輛行程時間達到最小，飽和度分別為0.4、0.6時，行程時間分別減少了10.43%、14.72%；當飽和度為0.8時，行程時間減少了45.19%。在有速度引導情況下，車輛有序通過交叉口，道路堵塞現象比無引導情況下有所減緩，隨著滲透率提高，交叉口擁堵情況也隨之逐漸減少，從而使得車輛行程時間趨于車輛不停車通過交叉口時間，故在飽和度為0.8情況下，速度引導策略對車輛行程時間減少效果顯著。

圖8 車輛行程時間對比Fig. 8 Comparison of vehicle travel time

3.1.2 排隊車輛數分析

速度引導策略的目標之一是令車輛盡可能不停車通過交叉口，因此交叉口排隊車輛數是其重要的指標之一。當排隊車輛數減少至0或接近0時，可證明速度引導策略在提高車輛出行效益方面效果顯著。

當道路交通飽和度為0.4時，即西進口直行車道單車道車流量為800輛/h，其中滲透率0%為無速度引導的仿真場景。對排隊數進行對比分析，其結果如圖9(a)。同理，當道路交通飽和度分別為0.6、0.8時，交叉口排隊車輛數對比分析結果分別如圖9(b)、(c)。

在不同的飽和度情況下，排隊長度都隨著滲透率增加而減少，并且當滲透率為100%時，交叉口排隊車輛數基本為0。由圖9(c)可看出：在0.8高飽和度情況下，由于車輛數較多，在滲透率為20%時，因每個綠燈時長內通過的車輛數有限，在車輛進入數量較多情況下，速度引導車輛較少，由此無法令所有車輛都能夠不停車通過交叉口，且由于車輛數不斷增多，其排隊車輛數會逐漸增多，在仿真即將結束前沒有通過交叉口的車輛數將達到一個最大值，因此會有排隊車輛數大量增加。

圖9 交叉口排隊車輛數對比Fig. 9 Comparison of the number of queuing vehicles at intersections

3.1.3 車輛延誤時間分析

在此仿真模型中，會因為車輛在交叉口停車或排隊，導致車輛加速和減速造成延誤。在速度引導策略控制下，車輛會減少停車和排隊行為，及一些不必要的加減速行為，從而減少延誤。

當道路交通飽和度為0.4時，其滲透率0為無速度引導場景，對比分析結果如圖10(a)。同理，當道路交通飽和度分別為0.6、0.8時，車輛延誤時間對比分析結果分別如圖10(b)、(c)。

在速度引導策略控制下的車輛延遲時間顯著減少，當滲透率為100%時，延誤時間為一個較小的穩定值，延誤時間平均減少率約為90%。

圖10 車輛延誤時間對比Fig. 10 Comparison of vehicle delay time

3.2 單交叉口排放能耗分析

排放及能耗分析采用MOVES微觀排放模型，并基于VSP概念來計算車輛排放和能耗。筆者選取HC、CO、NOx和能耗作為分析指標，HC、CO、NOx單位為g，能耗單位為kJ。對飽和度0.4、0.6、0.8的仿真場景分別進行統計，結果如表1。

筆者對不同滲透率不同飽和度下的HC、CO、NOx和能耗進行對比分析，其中HC對比結果如圖11。

圖11 不同飽和度不同滲透率下HC排放Fig. 11 HC emissions at different saturation and permeability rate

在100%滲透率情況下，與沒有速度引導的情況相比，HC排放量減少了約20%，但能耗減少率僅有3%。當飽和度為0.4時，由于車流量較小，車輛停車、排隊、加減速行為也相對較少，污染排放較少，因此滲透率為100%時的HC排放量減少量較少；飽和度為0.6、0.8時，其滲透率100%HC排放量減少量較多?？傮w來說，速度引導策略對減少能耗具有較小效果。這是因為車輛進行加速或減速時會勻速行駛，導致消耗更多燃料，然而速度引導策略控制下的車輛為提高出行效益，會比自由行駛車輛具有更多的加減速行為。雖然交叉口排隊停車能耗略有減少，但是車輛加減速所導致的能耗則較大。

表1 不同飽和度不同滲透率下指標Table 1 Indicators at different saturation and permeability rate

3.3 連續交叉口出行效益分析

不同飽和度、不同滲透率情況下對連續多交叉口的出行進行分析比較復雜，需考慮多種因素。因此筆者只針對連續兩個交叉口，滲透率分別0%和100%的情況進行分析。

3.3.1 車輛行程時間分析

在連續兩個交叉口情況下，車輛受到速度引導時，會明顯降低車輛行程時間，在高飽和度情況下其效果十分顯著；在100%滲透率情況下，車輛行程時間在減少之后趨于穩定，說明在速度引導策略控制下，車輛在進入路網后逐漸形成有序的車隊通過交叉口，從而減少了延誤，提高了出行效率，減少了行程時間，如圖12。

圖12 車輛行程時間對比Fig. 12 Comparison of vehicle travel time

3.3.2 排隊車輛數分析

排隊車輛數為連續兩個交叉口排隊車輛數之和，對比情況如圖13。在不同的飽和度下，當滲透率為100%時，交叉口排隊車輛數基本為0。由圖13可看出：在0.8的高飽和度情況下，因車輛數較多，在剛開始的300仿真秒進入路網的車輛較少，因此當車輛數增多之后會有排隊車輛激增，而后趨于穩定。所有情況下速度引導排隊車輛數都基本為0，說明速度引導策略對減少車輛排隊具有較為明顯作用。

圖13 交叉口排隊車輛數對比Fig. 13 Comparison of the number of queuing vehicles at intersections

3.3.3 車輛延誤時間分析

在100%滲透率情況下，對于通過連續兩個交叉口的車輛，車輛延誤有顯著減少，并趨于穩定，說明速度引導策略能有效減少車輛延誤時間，提高車輛出行效益，如圖14。

圖14 車輛延誤時間對比Fig. 14 Comparison of vehicle delay time

3.4 連續交叉口排放能耗分析

采用與單交叉口排放能耗分析同樣的方法，基于VSP概念，通過MOVES微觀排放模型對連續兩個交叉口的排放能耗進行分析，結果如圖15。

圖15 不同飽和度不同滲透率下能耗和NOx對比Fig. 15 Comparison of energy consumption and NOx at different saturation and permeability rate

對車輛通過連續兩個交叉口情況，在100%的滲透率下，與車輛無引導的情況對比，飽和度為0.4、0.6、0.8的時候車輛的NOx排放量分別減少了8.86%、10.25%、10.55%，能耗分別減少了7.2%、4.3%、3.4%。在低飽和度情況下，能耗減少效果十分明顯；在高飽和度的情況下，因車輛數較多，速度引導策略會進行較為頻繁的加減速，因此能耗的減少量會相對減少。綜合以上結果，該速度引導策略對減少排放及能耗有著較為明顯效果[20-21]。

4 結 語

考慮到速度引導策略的實現方式，筆者所提出方法僅適用于具有較大間距的連續定時信號控制交叉口，及車流間相互干擾較小的城市主干道。此外，筆者對單交叉口直行方向及連續兩個交叉口間的直行車輛進行了分析，下一步將重點研究多交叉口多方向行駛車輛的速度引導策略。

筆者所提出的速度引導策略可用于提高車輛出行效益，減緩交叉口擁堵，減少道路交通擁堵狀況，能對車輛在交叉口的通行起到較好促進和引導作用。