考慮信號(hào)燈狀態(tài)的經(jīng)濟(jì)車速規(guī)劃

雷朝陽(yáng), 高建平,2*, 屈俊凱, 郗建國(guó)

(1. 河南科技大學(xué)車輛與交通工程學(xué)院，洛陽(yáng) 471003；2. 河南科技大學(xué)機(jī)械裝備先進(jìn)制造河南省協(xié)同創(chuàng)新中心，洛陽(yáng) 471003)

近年來(lái)，隨著中國(guó)汽車保有量迅速增長(zhǎng)導(dǎo)致能源消耗、交通堵塞及汽車行駛安全等問(wèn)題日益突出，信號(hào)交叉口作為城市道路的“咽喉”，這一問(wèn)題尤為嚴(yán)重[1]。以“節(jié)能、環(huán)保、安全”為目標(biāo)的新一代汽車成為今后汽車工業(yè)發(fā)展的方向[2]。車輛受信號(hào)燈的干預(yù)頻繁“停-走”，導(dǎo)致通行效率下降，且額外增加了車輛的行駛時(shí)間、燃油消耗及尾氣排放[3]。如何在車輛到達(dá)信號(hào)交叉口前對(duì)車速進(jìn)行合理控制優(yōu)化，使其不停車平滑通過(guò)信號(hào)燈路段是解決上述問(wèn)題的關(guān)鍵。

隨著智能交通(intelligent transportation system,ITS)的發(fā)展，車路協(xié)同(intelligent vehicle infrastructure cooperative systems，IVICS)技術(shù)在解決道路交通擁堵、環(huán)保及安全等方面得到大量應(yīng)用。在該環(huán)境下，車輛可通過(guò)通信協(xié)議[如DSRC(dedicated short range communication)、LTE(long term evolution)、Wi-Fi、5G等]與鄰近車輛和道路基礎(chǔ)設(shè)施進(jìn)行信息交互[4]，據(jù)此駕駛員可根據(jù)車速引導(dǎo)的方式合理控制車輛，以減少車輛延誤和不必要的停車[5-6]。周熙陽(yáng)等[7]針對(duì)不同轉(zhuǎn)向類型構(gòu)建信號(hào)交叉口等待時(shí)間模型，提出了考慮交叉口轉(zhuǎn)向類型的A*算法的拓展算法(CMTA*)算法。但該算法假定行程時(shí)間不變，且忽略了車輛在信號(hào)交叉口處的延誤，無(wú)法實(shí)際應(yīng)用。孟竹等[8]通過(guò)分析車輛通過(guò)信號(hào)信號(hào)交叉口時(shí)的駕駛行為，劃分6種情形，建立油耗模型估算求解得到最優(yōu)生態(tài)駕駛速度軌跡；Liu等[9]根據(jù)駕駛員駕駛習(xí)慣對(duì)通過(guò)交叉口的速度進(jìn)行優(yōu)化，從而減低油耗，縮短等待時(shí)間；安實(shí)等[10]提出一種多級(jí)可變速度限制的信號(hào)交叉口綠色駕駛控制方法，該方法在不增加行程時(shí)間的基礎(chǔ)上使車輛駛近信號(hào)交叉口的車速更平滑；Yang等[11]提出一種新的分布式算法，使車輛通過(guò)十字路口時(shí)保持一定的非零速度，縮短了加速過(guò)程時(shí)間；鹿應(yīng)榮等[12]根據(jù)下游交叉口信號(hào)相位信息，通過(guò)自動(dòng)駕駛車輛控制模型計(jì)算出車輛連續(xù)通過(guò)多個(gè)路口的恒定速度，同時(shí)為保證乘客舒適性，用平滑三角函數(shù)曲線對(duì)車速進(jìn)行優(yōu)化，避免了車輛在交叉口處急加/減速情況。但是該方法得到的是一個(gè)恒定車速，不能真實(shí)反映城市交通的特征。胡林等[13]通過(guò)馬爾科夫鏈構(gòu)建信號(hào)交叉口紅綠燈的概率模型，在車輛近交叉口處對(duì)車速進(jìn)行優(yōu)化，最后通過(guò)A*算法求解最優(yōu)通行車速，該方法減少了計(jì)算用時(shí)，在交通信號(hào)燈密集處優(yōu)勢(shì)明顯。

綜上所述，前人在研究連續(xù)信號(hào)交叉口車速規(guī)劃時(shí)聚焦于將其看作多個(gè)單點(diǎn)信號(hào)交叉口的結(jié)合，并未考慮對(duì)全路段的車速進(jìn)行規(guī)劃，且大多以經(jīng)濟(jì)性為目標(biāo),忽略了因車輛受信號(hào)燈影響而造成的延誤及額外增加的停車等待時(shí)間。針對(duì)此問(wèn)題，提出了考慮信號(hào)燈狀態(tài)的經(jīng)濟(jì)車速規(guī)劃方法；借助車路協(xié)同技術(shù)，在車輛進(jìn)入信號(hào)控制區(qū)域后，根據(jù)獲取前方路口信號(hào)燈相位信息及距各個(gè)交叉口的距離，建立了車輛通行引導(dǎo)控制模型；對(duì)各駕駛行為下車輛時(shí)空軌跡進(jìn)行分析，分別以路口停車次數(shù)及車輛延誤最小為目標(biāo)，對(duì)雙目標(biāo)協(xié)同優(yōu)化，建立統(tǒng)一優(yōu)化目標(biāo)函數(shù)，利用多目標(biāo)粒子群優(yōu)化算法求得最優(yōu)經(jīng)濟(jì)車速，使車輛以相對(duì)平穩(wěn)的車速不停車連續(xù)通過(guò)前方各路口，實(shí)現(xiàn)減少停車次數(shù)及降低車輛延誤，最后通過(guò)搭建的仿真平臺(tái)進(jìn)行方法驗(yàn)證。

1 問(wèn)題描述及目標(biāo)

車輛在城市工況行駛時(shí)經(jīng)常會(huì)因紅燈而被迫停車。圖1為車輛連續(xù)通過(guò)多個(gè)信號(hào)交叉口的車速引導(dǎo)示意圖。在無(wú)車速引導(dǎo)下，不同的駕駛員根據(jù)自身駕駛習(xí)慣不同，出現(xiàn)急加速/減速而造成車速差異性大，導(dǎo)致車輛因紅燈相位被迫停車。運(yùn)用車路協(xié)同技術(shù)，通過(guò)車載設(shè)備、路測(cè)設(shè)備獲取車輛運(yùn)行線路前方路口信號(hào)燈相位信息，建立連續(xù)路口通行經(jīng)濟(jì)車速引導(dǎo)模型，通過(guò)粒子群算法求解通過(guò)各個(gè)信號(hào)交叉口的經(jīng)濟(jì)引導(dǎo)車速，之后將建議車速提供給駕駛員參考，使駕駛員有針對(duì)性地控制車速，使車輛盡可能以一個(gè)平穩(wěn)的車速通過(guò)其行駛前方連續(xù)多個(gè)信號(hào)交叉口。目標(biāo)是在經(jīng)濟(jì)車速引導(dǎo)下，車輛可有效減少在信號(hào)交叉口處停車，從而節(jié)省在路口停車啟動(dòng)時(shí)間損失，一定程度上減少了車輛行程時(shí)間及停車次數(shù)，降低了車輛延誤時(shí)間。

圖1 信號(hào)交叉口車速引導(dǎo)示意圖Fig.1 Speed guidance diagram at signalized intersection

2 車速控制系統(tǒng)及引導(dǎo)模型建立

2.1 系統(tǒng)框架

車路協(xié)同系統(tǒng)由智能路測(cè)系統(tǒng)、智能車載系統(tǒng)及無(wú)線通信系統(tǒng)組成[14]，如圖2所示。智能路測(cè)系統(tǒng)可將信號(hào)燈相位信息通過(guò)DSRC專用通信通道傳遞到監(jiān)控中心，通過(guò)模型、算法優(yōu)化給出當(dāng)前車輛行駛最優(yōu)方案；智能車載系統(tǒng)主要基于環(huán)境感知獲取車輛行駛周圍環(huán)境、車輛運(yùn)行狀態(tài)及車輛位置等信息，通過(guò)V2V(vehicle-to-vehicle)、V2I(vehicle-to-infrastructure)模塊與其他車輛或路測(cè)設(shè)備共享，實(shí)現(xiàn)協(xié)同控制，從而提高車輛行駛安全性及通行效率；無(wú)線通信技術(shù)將整個(gè)系統(tǒng)融合一體，保證相關(guān)信息實(shí)時(shí)傳遞。

圖2 車路協(xié)同系統(tǒng)框架示意圖Fig.2 Cooperative vehicle infrastructure systerm framework

2.2 車速引導(dǎo)模型

2.2.1 模型基本假設(shè)

為銳化研究問(wèn)題，做以下基本假設(shè)。

(1)在路測(cè)設(shè)備與車載設(shè)備進(jìn)行信息交互時(shí)，通信延遲可忽略不計(jì)。

(2)駕駛員嚴(yán)格按照引導(dǎo)車速操控車輛。

(3)在場(chǎng)景中建立的道路坡度為零。

(4)車輛在道路上行駛時(shí)不受行人及其他交通參與者的影響。

(5)只考慮直行車道，不考慮車輛在信號(hào)交叉口處的左、右轉(zhuǎn)彎。

2.2.2 基于信號(hào)燈狀態(tài)的經(jīng)濟(jì)車速引導(dǎo)模型

為便于分析，將信號(hào)燈狀態(tài)劃分為綠燈和紅燈(包含黃燈時(shí)刻)，設(shè)車輛與路測(cè)設(shè)備通信范圍為L(zhǎng)=300 m；假設(shè)車輛進(jìn)入通信范圍時(shí)刻為t0，此時(shí)車輛初速度為v0，gij表示在第i(i為全程路段信號(hào)燈個(gè)數(shù)，下同)個(gè)信號(hào)交叉口處信號(hào)燈第j(j=1，2，…，n)個(gè)循環(huán)周期綠燈相位起始時(shí)刻，rij表示在第i個(gè)信號(hào)交叉口處信號(hào)燈第j個(gè)循環(huán)周期紅燈相位起始時(shí)刻。

根據(jù)城市實(shí)際道路環(huán)境及安全條件約束，為保證駕駛員或乘客的舒適性，應(yīng)避免急加速或急減速，故將tp取為紅燈-綠燈相位變化的臨界點(diǎn)。根據(jù)車輛實(shí)際到達(dá)信號(hào)交叉口情景分析，可將車輛不停車通過(guò)信號(hào)交叉口的駕駛行為分為勻速行駛、加速行駛、減速行駛及停車等待四種。

(1)駕駛行為1：當(dāng)車輛行駛至交叉路口控制范圍內(nèi)時(shí)，獲知前方信號(hào)燈為綠燈相位，且剩余時(shí)間較長(zhǎng)，足以在當(dāng)前綠燈循環(huán)周期內(nèi)以速度v0通過(guò)前方信號(hào)路口，即L≤v0(tp-t0)，a=0；此情形，車輛可保持當(dāng)前車速v0通過(guò)信號(hào)路口，車速無(wú)須調(diào)整。

(2)駕駛行為2：當(dāng)車輛在交叉口控制范圍內(nèi)，接收到前方信號(hào)燈為綠燈相位，但剩余時(shí)間不長(zhǎng)，若車輛保持初速度v0行駛，在本輪綠燈結(jié)束之前無(wú)法通過(guò)路口，此時(shí)車輛需加速一段距離才能確保在本輪綠燈切換之前通過(guò)路口，即a>0，設(shè)車輛通過(guò)信號(hào)交叉口時(shí)刻為第n個(gè)循環(huán)周期綠燈結(jié)束時(shí)刻，即tp=rin，此過(guò)程可用以下數(shù)學(xué)表達(dá)式描述：

(1)

(3)駕駛行為3：當(dāng)車輛行駛前方信號(hào)燈為紅燈相位，且剩余時(shí)間較短，車輛保持當(dāng)前車速行駛至信號(hào)燈路口停車線時(shí)，下輪綠燈還未開(kāi)啟，此時(shí)車輛須停車等待下輪綠燈開(kāi)啟通行；但如果車輛適當(dāng)減速，則可在下輪綠燈開(kāi)啟后不停車安全通過(guò)路口，即a<0，為確保減速度最小，設(shè)通過(guò)信號(hào)交叉口時(shí)刻為tp=gin，且滿足以下要求：

(2)

(4)駕駛行為4：當(dāng)車輛行駛進(jìn)入通信范圍時(shí)，獲知前方信號(hào)燈相位信息為綠燈，且時(shí)間I極短或前方信號(hào)燈為剛開(kāi)啟的紅燈相位，此時(shí)，車輛無(wú)論怎樣加速或減速都無(wú)法在當(dāng)前相位循環(huán)結(jié)束之前通過(guò)該信號(hào)路口，則車輛必須停車等待,待下輪綠燈開(kāi)啟后才能通過(guò)。

綜上所述，通過(guò)定性分析如果要實(shí)現(xiàn)不停車等待通過(guò)信號(hào)交叉口，則需執(zhí)行圖3引導(dǎo)決策模型。

圖3 信號(hào)交叉口車速引導(dǎo)決策模型Fig.3 Vehicle speed guidance decision model at signalized intersection

2.2.3 目標(biāo)函數(shù)

(1)車輛延誤

當(dāng)車輛m在當(dāng)前周期內(nèi)通過(guò)信號(hào)交叉口時(shí)，其通過(guò)信號(hào)交叉口時(shí)刻tp與到達(dá)信號(hào)交叉口時(shí)刻Tiz的差值cm可劃分兩種情形表示。

①當(dāng)車輛m在當(dāng)前綠燈相位時(shí)到達(dá)信號(hào)交叉口，且在本輪綠燈結(jié)束之前可以通過(guò)該信號(hào)交叉口，其差值為0，即符合駕駛行為1、2、3；②當(dāng)車輛m到路口通信范圍時(shí)，前方相位信號(hào)為紅燈或當(dāng)前綠燈剩余時(shí)間不足以車輛安全通過(guò)當(dāng)前路口時(shí)，即駕駛行為4，其差值為下一循環(huán)k綠燈開(kāi)始時(shí)刻gik與車輛m到達(dá)路口停車線時(shí)刻Tiz之差。以上兩種情形可表達(dá)為

cm1=tp-Tiz

(3)

根據(jù)車輛實(shí)際運(yùn)行情況cm1≥0恒成立，且目標(biāo)最小，故當(dāng)Tiz≤gik時(shí)，tp=gik，當(dāng)gik≤Tiz≤rik時(shí)，tp=Tiz。

同理，當(dāng)車輛m在信號(hào)燈下一循環(huán)周期通過(guò)時(shí)，其實(shí)通過(guò)信號(hào)交叉口時(shí)刻與到達(dá)信號(hào)交叉口時(shí)刻的差值cm2可表示為

cm2=tp2-Tiz

(4)

式(4)中：tp2為車輛m在信號(hào)燈下一循環(huán)綠燈相位通過(guò)路口時(shí)刻，rik+Ik≤tp2≤gik+Ik，rik

將車輛延誤定義為：車輛在車速引導(dǎo)行駛通過(guò)信號(hào)交叉口時(shí)刻與未經(jīng)車速引導(dǎo)通過(guò)信號(hào)交叉口時(shí)刻的差值，用dij表示。因此，差值cm1、cm2與車輛延誤之間的關(guān)系為

(5)

式(5)中：dm1表示車輛m在本輪綠燈期間通過(guò)信號(hào)交叉口時(shí)的延誤，dm2表示車輛m在本輪紅燈結(jié)束之后，綠燈開(kāi)啟時(shí)通過(guò)信號(hào)交叉口時(shí)的延誤。

根據(jù)上述駕駛行為分析，當(dāng)車輛獲取前方信號(hào)燈相位信息之后，通過(guò)當(dāng)前路口方式可劃分為兩種：①勻速或通過(guò)加/減速不停車在本輪綠燈結(jié)束之前通過(guò)；②在停止線停車等待，直到下輪綠燈開(kāi)啟通過(guò)。基于以上兩種通過(guò)方式，對(duì)于任意車輛i延誤可表示為

(6)

(2)停車次數(shù)

針對(duì)車輛停車，用-1或1表示其停車次數(shù)，用變量mi表示。當(dāng)車輛i以駕駛行為1、2或3方式通過(guò)路口，其通過(guò)信號(hào)交叉口時(shí)刻tp與到達(dá)信號(hào)停止線時(shí)刻Tiz的差值cm小于ti(車輛i停車前減速時(shí)間)時(shí)，可避免停車等待，此時(shí)，mi=1；反之當(dāng)mi=-1時(shí)，車輛須停車待下輪綠燈相位開(kāi)啟時(shí)通過(guò)該路口。上述關(guān)系可表示為

cm=tp-Tiz

(7)

Q(mi-1)

(8)

式中：Q為一個(gè)正實(shí)數(shù)。

當(dāng)車輛在道路行駛時(shí)，要達(dá)到停車次數(shù)最少且車輛延誤低的目的，其實(shí)質(zhì)是典型的多目標(biāo)數(shù)學(xué)問(wèn)題，求解的目的是使相互沖突的多個(gè)目標(biāo)函數(shù)，在可行域內(nèi)得到最優(yōu)解集，成為Pareto解集。基于上述分析，多目標(biāo)數(shù)學(xué)模型可表述為

F=min(di,mi)

(9)

2.2.4 約束條件

城市行車環(huán)境復(fù)雜，車輛行駛受多種交通參與者影響，為保證行車安全，車輛在信號(hào)交叉口控制區(qū)域進(jìn)行車速調(diào)整時(shí)必須滿足以下約束。

(1)通行時(shí)刻約束：

tp∈(gijrij)

(10)

式(10)中：tp為車輛通過(guò)信號(hào)交叉口時(shí)刻；gij為在路口i處第j個(gè)周期綠燈開(kāi)始時(shí)刻；rij為在路口i處第j個(gè)周期紅燈開(kāi)始時(shí)刻。

(2)加速度約束：為保持駕駛員或者乘客在舒適性范圍內(nèi)，應(yīng)盡量避免急加速或急減速[15]：

a=[amin,amax]∈[-2,2]

(11)

(3)行駛道路限制速度：

vlimit∈[vmin,vmax]

(12)

式(12)中：vmin設(shè)為0；vmax為道路城市道路最高限速。

(4)行車過(guò)程中與前車安全間距約束：考慮到駕駛員做出制動(dòng)動(dòng)作的延遲及制動(dòng)減速度，建立的最小安全距離模型為

(13)

同時(shí)，考慮前車遇突發(fā)情況需緊急制動(dòng)，此時(shí)前后車之間的最小安全距離模型為

(14)

式(14)中：vx為本車車速；an為車輛緊急制動(dòng)時(shí)最大制動(dòng)減速度。

綜上，選取式(13)、式(14)最大的距離d作為最小安全距離，即d=max(d1，d2)。

3 基于多目標(biāo)粒子群算法的經(jīng)濟(jì)車速求解

多目標(biāo)粒子群優(yōu)化算法作為一種智能優(yōu)化算法，每個(gè)粒子具有兩個(gè)特征參數(shù)即速度和位置，粒子通過(guò)社會(huì)認(rèn)知和自我認(rèn)知，進(jìn)行個(gè)體速度和位置的更新，逐代搜索尋優(yōu)，最終獲得全局最優(yōu)解。上述問(wèn)題是非線性約束下的非線性問(wèn)題，而用粒子群優(yōu)化算法(particle swarm optimization,PSO)用于求解有約束優(yōu)化問(wèn)題時(shí)，必須根據(jù)約束條件設(shè)置相應(yīng)的懲罰函數(shù)[16]。

根據(jù)上述優(yōu)化問(wèn)題構(gòu)造的懲罰函數(shù)為

(15)

式(15)中：M是大于零的懲罰因子；pi(x)為懲罰項(xiàng)，當(dāng)?shù)趇個(gè)不等式滿足約束條件時(shí)，pi(x)=1，反之pi(x)=0。

因此，基于多目標(biāo)粒子群優(yōu)化算法的經(jīng)濟(jì)車速問(wèn)題的適應(yīng)度函數(shù)為

(16)

速度和位置更新公式如式(17)、式(18)所示：

Vi=wVi+C1rand()(Pbesti-Xi)+

C2rand()(Gbest-Xi)

(17)

Xi+1=Xi+Vi

(18)

式中：Vi為粒子i的當(dāng)前速度；Xi為粒子i的當(dāng)前位置；w為慣性因子；C1、C2為學(xué)習(xí)因子；通常C1=C2，Pbesti為粒子i的歷史最佳位置；Gbest為種群中的歷史最佳位置。

多目標(biāo)粒子群優(yōu)化算法與求解單目標(biāo)的優(yōu)化算法相比，引入了精英集策略，即選取非劣解“粒子”構(gòu)成Pareto精英集(或稱外部檔案，即每一次迭代過(guò)程中的非劣解集合)。多目標(biāo)粒子群優(yōu)化算法具體流程如圖4所示。

圖4 多目標(biāo)粒子群優(yōu)化算法執(zhí)行流程圖Fig.4 Flow chart of multi-objective particle swarm optimization algorithm

4 仿真及驗(yàn)證

4.1 仿真平臺(tái)

為驗(yàn)證建立的車速引導(dǎo)模型及算法的有效性，利用智能汽車仿真軟件PreScan 內(nèi)部V2X模塊及虛擬傳感器系統(tǒng)建立智能網(wǎng)聯(lián)環(huán)境感知交互體系、應(yīng)用MATLAB/Simulink開(kāi)發(fā)實(shí)現(xiàn)對(duì)行駛車輛的控制策略，最后利用交通仿真軟件Vissim快速生成逼近現(xiàn)實(shí)情景的交通流場(chǎng)景，結(jié)合三種仿真軟件特點(diǎn)，搭建了如圖5所示的可實(shí)現(xiàn)環(huán)境感知、 規(guī)劃決策和控制執(zhí)行的智能汽車“軟件在環(huán)”一體化仿真測(cè)試平臺(tái)，對(duì)所提車速規(guī)劃方法進(jìn)行仿真驗(yàn)證。

圖5 一體化仿真測(cè)試平臺(tái)Fig.5 Integrated simulation test platform

圖6 模擬的真實(shí)路線Fig.6 A real-world route map for the simulation

表1 相鄰信號(hào)燈之間的距離Table 1 Distance between adjacent signals lights

表2 各信號(hào)交叉口信號(hào)燈相位信息Table 2 Phase information of signal lights at signalized intersections

為驗(yàn)證提出的車速引導(dǎo)模型在不同交通狀態(tài)下的表現(xiàn)形式，在Vissim中建立交通流時(shí)，分別以不同的交通流密度來(lái)表征該路段不同時(shí)間段的交通狀態(tài)，所對(duì)應(yīng)的交通流密度為0.1～0.9。

4.2 仿真結(jié)果分析

通過(guò)智能汽車一體化仿真平臺(tái)得到的車輛在交通流密度為0.4時(shí)空軌跡如圖7所示。從圖7可以看出，車速在無(wú)引導(dǎo)車速指引下通過(guò)第2、4、5、6個(gè)信號(hào)交叉口時(shí)出現(xiàn)不同時(shí)長(zhǎng)的停車等待，車輛出現(xiàn)急劇的減速；而在車路協(xié)同環(huán)境下，當(dāng)車輛獲取前方信號(hào)燈相位信息后，可通過(guò)模型判斷是否能以當(dāng)前車速通過(guò)，在車速引導(dǎo)控制下車輛嚴(yán)格遵守2.2.2節(jié)分析的駕駛行為規(guī)則。從圖7可以看出，相較于傳統(tǒng)駕駛，在有車速引導(dǎo)條件下車輛行駛軌跡更平緩，減少了車速“突變”現(xiàn)象，在該環(huán)境下避免了急減速/加速情況，使其加/減速過(guò)程更平緩。

圖7 車輛時(shí)空軌跡Fig.7 Spatio-temporal trajectories of vehicles

如圖7所示，就車輛通過(guò)第2個(gè)、第3個(gè)信號(hào)交叉口進(jìn)行分析。在有車速引導(dǎo)條件下，在車輛通過(guò)第2個(gè)路口時(shí)，車輛判斷不能以當(dāng)前車速在本輪綠燈結(jié)束之前勻速通過(guò)后，先以0.36 m/s2的加速度行駛11 s，之后維持該速度勻速行駛可在本輪綠燈結(jié)束之前通過(guò)該路口，避免了在此路口的停車；在通過(guò)第3個(gè)路口時(shí)，車輛先勻速行駛10.79 s，再以1.078 m/s2的加速度行駛3.6 s后,維持該速度勻速行駛，恰好在下輪綠燈開(kāi)始時(shí)刻通過(guò)該路口。

由圖7可以看出，在無(wú)車速引導(dǎo)下，車輛因速度分配不合理而在路口停車等待，導(dǎo)致增加額外的燃油及行程時(shí)間，而所提出的車速引導(dǎo)模型，利用車路協(xié)同技術(shù)獲知周圍環(huán)境信息，規(guī)劃出合理行車速度，有效避免了車輛紅燈停車現(xiàn)象。依據(jù)仿真結(jié)果，在相同車流量下，以傳統(tǒng)駕駛方式通過(guò)模擬的 7個(gè)路口，行程時(shí)間為443.7 s；而在車路協(xié)同引導(dǎo)下，行程時(shí)間為360.4 s，可節(jié)約18.7%的行程時(shí)間。

4.2.1 停車次數(shù)分析

定義車速低于3 km/h時(shí)，即視為車輛處于停車狀態(tài)。根據(jù)仿真實(shí)驗(yàn)記錄下的車輛位置、速度等信息，可計(jì)算出每輛車在不同車流密度下速度引導(dǎo)前后的停車次數(shù)，進(jìn)而得到平均每輛車的停車次數(shù)，如圖8所示。

圖8 車速引導(dǎo)前后停車次數(shù)對(duì)比Fig.8 Comparison of the number of stops before and after the speed of the vehile

由圖8可以看出，車流密度在0.4以下時(shí)，停車現(xiàn)象均減少62%以上；在最高車流密度下，其優(yōu)化比例也達(dá)到44%以上。在車路協(xié)同引導(dǎo)駕駛下，無(wú)論在低、中、高何種車流密度下，平均停車時(shí)間均明顯減少。在中、高密度車流量中，車輛停車次數(shù)優(yōu)化結(jié)果相對(duì)于低密度車流量效果差，其由于在高密度車流中，傳統(tǒng)駕駛的車輛速度不受控制，如果前方遇到紅燈，車輛則減速停車而造成后續(xù)車輛不得不停車，從而增加了后續(xù)車輛的停車次數(shù)；而在速度控制之下可以使整條運(yùn)行線路的車速趨于平穩(wěn)，從而使整個(gè)交通流的運(yùn)行更加通暢。因此，在交通流量較大時(shí)更能體現(xiàn)車路協(xié)同環(huán)境下車速引導(dǎo)的重要性。

4.2.2 停車延誤分析

圖9結(jié)果表明，在車路協(xié)同引導(dǎo)駕駛下，車輛延誤出現(xiàn)不同程度的降低，特別是在低車流密度下效果顯著，優(yōu)化比例在65%以上。隨著車流密度的增加，優(yōu)化效果有所下降，在高車流密度環(huán)境下其優(yōu)化效果僅保持在16%左右，此情形是由于在高密度車流下，一個(gè)綠燈循環(huán)不足以使后續(xù)車輛全部通過(guò)，有的車輛需經(jīng)過(guò)2次綠燈循環(huán)才能通過(guò)，從而增加了交叉口的延誤，導(dǎo)致優(yōu)化效果不佳。仿真結(jié)果表明，提出的車速控制引導(dǎo)模型及車速求解算法適用于不同的交通狀況。

圖9 車速引導(dǎo)前后延誤對(duì)比Fig.9 Comparison of delay before and after vehicle speed guidance

5 結(jié)論

(1)提出了基于信號(hào)燈狀態(tài)的車輛經(jīng)濟(jì)車速規(guī)劃方法。利用PreScan+Vissim+MATLAB/Simulink仿真測(cè)試軟件搭建了可實(shí)現(xiàn)環(huán)境感知、規(guī)劃決策和控制執(zhí)行的智能汽車“軟件在環(huán)”一體化仿真測(cè)試平臺(tái)，完成了車路協(xié)同環(huán)境的構(gòu)建。車輛在車路協(xié)同環(huán)境下可獲取車輛行駛前方的信號(hào)燈相位信息，在保證安全、舒適的前提下，對(duì)車輛不停車通過(guò)信號(hào)交叉口的經(jīng)濟(jì)車速進(jìn)行規(guī)劃，使車輛得以快速平滑地通過(guò)信號(hào)交叉口。

(2)通過(guò)PreScan、Vissim與MATLAB/Simulink聯(lián)合仿真，結(jié)果表明采用車速規(guī)劃方法后，車輛可實(shí)現(xiàn)避免紅燈停車通過(guò)前方信號(hào)交叉口。

(3)通過(guò)提出的車速引導(dǎo)方法，可節(jié)約18.7%的行程時(shí)間；在高車流密度下，可至少減少44%的停車次數(shù)；車輛延誤在低密度車流下效果明顯，可降低65%以上。