面向預約出行的車路聯網與協同交通控制：前沿與展望

楊曉光　朱際宸　彭晴　楊彥青　郭宇崢　馬成元

摘要：預約出行正逐漸成為重要的出行模式，為了確保預約出行在城市道路交通系統的實施，交通控制發揮著至關重要的支撐和保障作用，因此對面向預約出行的車路聯網與協同交通控制前沿工作進行綜述。以交通控制為研究主線，對面向預約出行的需求適應性交通控制方法、保障預約出行效益的車輛控制，以及控制與服務協同 3 個方向的前沿研究進行綜述。結果表明，相比于傳統出行方式，預約出行對于出行時間可靠性要求較高，交通控制需要保障預約出行的行程時間可靠性。同時，還需要構建既有利于提升路網整體運行效益，又能保障預約出行車輛優先通行的控制方法。最后，需要推動交通控制技術和服務型交通管理技術的融合，實現交通控制與出行服務的有機結合。

關鍵詞：交通控制；預約出行；車路聯網與協同；出行服務

中圖分類號：? U 491???????????? 文獻標志碼：?? A

Research on vehicle-infrastructure cooperative traffic control for urban road travel reservation： frontiers and prospects

YANG Xiaoguang1，ZHUJichen1，PENG Qing1，YANG Yanqing1，GUO Yuzheng1，MA Chengyuan2

（1. Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China;2. Department of Civil and Environmental Engineering， University of Wisconsin-Madison， Madison 53706， United States）

Abstract： The trend of road travel reservation is gradually emerging as a crucial mode of transportation. In order to ensure the successful implementation of road travel reservation within the urban road traffic system， traffic control plays an exceedingly pivotal and protective role. Thus， this comprehensive review focused on the cutting-edge work in cooperative vehicle-infrastructure system traffic control pertaining to road travel reservation. With traffic control as the primary research theme， it encompassed a review of adaptive traffic control methods for road travel reservation， vehicle control to ensure the benefits of road travel reservation， and advanced research in control and service coordination. The findings reveal that， in comparison to conventional travel modes， road travel reservation places higher need on travel time reliability，necessitatingtrafficcontroltoensurethereliabilityofroadtravelreservation.Simultaneously， it is imperative to develop control methods that not only enhance the overall operational efficiency of the road network but also preserve the priority for individual reserved vehicles. Finally， it is? essential? to? promote? the?? integration?? of? traffic? control? technology?? and? service-oriented? traffic management technology， achieving an organic fusion of traffic control and travel services.

Keywords： traffic control; travel reservation; vehicle-infrastructure cooperative system; travel service

隨著經濟和社會的快速發展，我國居民機動車保有量持續攀升。汽車交通賦予人類出行靈便性的同時，也導致城市道路交通供需矛盾日益突出。每位出行者的出行時刻、目的地和路徑選擇各異，從而導致出行需求在時空范圍內呈現動態變化。由于城市道路交通系統所擁有的資源（如時間、空間、環境容量和投資等）受到限制，一旦道路交通設施建成，其供給能力便呈現出靜態特征，無法靈活調整以滿足不斷變化的出行需求。交通供需的時空不匹配問題往往從一個路口交通擁堵開始，逐漸蔓延至周邊交叉口，最終演變為區域性大規模交通擁堵，這給交通安全、通行效率以及資源利用等方面帶來了諸多挑戰。因此，亟需優化城市道路交通系統的供需結構，調控交通出行需求的時空分布，實現城市道路交通系統的精細化和精準化供需協同管理[1]。

以往的城市道路交通系統缺乏實時的信息交流和高效的管理手段，造成供需不匹配問題的出現。隨著車路聯網與協同技術的不斷發展，城市道路交通系統已發展成為能夠獲取全時空范圍內出行信息和供給資源的系統。如果能夠充分利用城市交通系統的供需信息，將線下的車輛排隊擁堵轉化為線上的預約排隊等候，提前計劃制定車輛經過擁堵區域和關鍵連線的時刻表，可使得有限的交通系統資源得到充分利用，提高城市交通的組織與管理水平[2]。由此，預約出行作為一種全新的需求管理手段被引入到城市道路交通系統的管控中。出行者可以借助車路聯網與協同技術，提前預約出行需求，包括預訂交通工具、提前規劃路徑、安排出行時刻等。預約出行依靠全局優化算法，有計劃地安排出行請求，合理調控出行需求在時空范圍內的分布，從而實現交通資源的合理配置和優化利用。預約出行將線下的擁堵轉化為可利用的時間，緩解擁堵區域和關鍵連線上的交通壓力，是調控城市路網需求時空分布、實現供需匹配的重要手段，因此，它也是實現“人享其行”的重點研究方向。

另外，交通控制作為調控交通流運行狀態的重要手段，通過尋求交通流通行權的最佳分配組合，在挖掘交通系統時空供給資源、緩解和預防交通擁堵等問題方面發揮著關鍵作用。隨著預約出行模式逐漸成為城市交通重要的出行模式，交通控制研究正面臨著全新的挑戰。雖然預約出行系統可提前安排行程，但預約出行車輛在城市道路上的駕駛狀態將受到多種隨機因素的影響，無法保證從出發地到目的地的出行時間和行駛速度，從而導致預約出行服務的可靠性仍然存在疑問[3]。面向預約出行，交通控制工作不僅需要承擔提高城市道路交通系統運行效率的任務，還需考慮如何確保預約車輛的有序可靠通行，并動態優化調整控制策略。車路聯網與協同技術的發展為交通控制注入了全新的活力，下一代交通控制系統正在快速向自組織和智能化的方向發展，研究面向預約出行的車路聯網與協同交通控制問題具有重要的現實意義和理論價值。

相比傳統的交通控制問題，面向預約出行的車路聯網與協同交通控制具有以下特點： a.交通控制方法可提高預約出行的可靠性。以往的交通控制往往忽視個體出行者的異質性和優先級，而面向預約出行的交通控制更注重個體用戶的需求和偏好，通過車路聯網與協同技術，實時獲取和分析大量路徑信息和軌跡數據，以根據個體用戶的出行需求和預約情況進行調整和優化。b.利用城市路網全時空范圍內的信息進行優化控制。通過車路聯網與協同技術，預約出行系統能夠獲取城市路網全時空范圍內的交通需求、路網容量和實時軌跡等信息，交通控制方法可以利用預約出行提供的路網信息資源，實現交通控制方案的動態優化。 c.實現交通控制與出行服務一體化。預約出行整合多方出行資源，提供從始發地到目的地的出行服務。交通控制則決定著預約出行車輛的通行效率，是預約出行中的重要一環。協同交通控制方法與預約出行服務能更好地保障出行者的效益，真正實現城市道路交通系統的供需匹配[4]。

綜上所述，針對預約出行環境的車路聯網與協同交通控制已然成為亟需研究的重要課題，然而有關這方面的前沿性研究綜述與展望仍然缺乏。借助車路聯網與協同技術，交通控制系統可以獲取精細、實時的出行信息，如何基于預約出行信息優化交通控制方案是重要的研究方向。伴隨著車路聯網與協同技術帶來的車輛可控性上升，交通控制的邊界將被拓展，交通控制系統可以實現與預約出行車輛的交互，通過對車輛進行控制以保障預約出行通行效益。進一步地，交通控制系統需要與出行服務系統協同，實現控制與服務的一體化，能夠提前規避預約車輛在出行過程中的不可控因素，提高預約出行的服務可靠性。鑒于此，本文首先回顧了預約出行研究的發展歷程，梳理并綜述了面向預約出行的車路聯網與協同交通控制領域的前沿成果，包括面向預約出行需求適應性交通控制方法、保障預約通行效益的車輛控制策略，以及交通控制與出行服務的協同。最后，展望了面向預約出行的車路聯網與協同交通控制未來的發展趨勢和重點研究方向。

1 預約出行研究發展歷程

1.1 預約出行概念的提出

預約出行的概念首次由Akahane等[5]提出，旨在管理日本東京高速公路的交通需求。其核心思想是借鑒火車座位預訂系統的方法，調整高速公路上出行者的出發時間，以確保擁堵路段在高峰期不超過其最大容量。隨后， Wong[6]進一步闡明了預約出行的概念、預約系統的功能和基本框架。這些早期的預約出行理論研究所探討的預約機制相對簡單，主要限于駕駛員向系統提交請求，系統根據每個時段內每個路段的可用容量選擇接受或拒絕預約，并提供替代方案。研究表明，預約出行對緩解交通擁堵具有顯著效果。

1.2 車路聯網與協同技術下預約出行研究的發展與探索

預約出行理論的研究在過去的十多年內取得了長足的發展，然而其研究對象大部分聚焦于高速公路[7-9]。由于高速公路是一個封閉和連續的系統，交通運行狀態相對簡單和可控，實施預約出行的可操作性較強。然而，城市道路交通的開放性、復雜性和不可預測性更強，實施預約出行十分困難。隨著車路聯網與協同技術的不斷發展，城市道路交通系統的感知能力逐漸提升，能夠提前獲取個體化出行需求與宏觀交通供給能力，因此，城市道路交通場景的預約出行正在不斷探索與實踐當中，基本流程如圖1所示。預約出行首先要求出行者注冊系統，提供出行偏好、出發地、出發時間、目的地、出行方式等信息；然后，預約出行服務平臺將匯總所有的出行需求信息，并結合路網的供給資源，對交通系統的狀態進行推演與預測，通過優化算法為出行者安排出行的路線、時刻表，與此同時對交通控制方案、管理手段等進行調整；最后，系統將出行方案推薦給出行者，生成最終出行方案后，根據出行者的出行方式，提供車輛路徑誘導、多模式交通組合、車輛接送等出行服務，并根據預約車輛的履約情況執行相應的干預措施，如補貼獎勵或禁止預約等。

Zhao 等[10]在城市道路網絡中提出的 DSRS （downtown space reservation system）系統可以被看作是預約出行在城市道路領域的首次探索。Menelaou等[11]進一步提出了車輛路徑預約系統來管理城市區域內的道路交通，對每輛車進行出發時刻和出行路徑的規劃，保證每個路段都能夠處于不擁堵的狀態。大量研究證明，預約出行能夠有效緩解城市道路交通擁堵[12-14]，相關的研究與應用方興未艾。由于直接在城市范圍內實行預約出行較為困難，目前，許多城市正在逐步開展特定場景下的城市道路交通預約出行實踐工作，如深圳市正在推動景區道路交通的預約出行政策，通過對預約通行配額、時段、車型和預約方式渠道等進行管理，顯著地提升了景區旅游交通的服務水平[15]；北京市為了解決回龍觀地區嚴重的交通擁堵現象，設計了為用戶推薦出發時刻的預約出行系統，通過錯峰出行，不僅能夠有效縮減個體用戶的出行時間，還可以顯著降低交通系統的擁堵時間[16]。此外，國內外針對如公交車輛、緊急救援車輛、特勤車輛等的預約出行也有大量研究與實踐工作[17-19]。隨著出行習慣的變遷，未來預約出行模式將會不斷推廣到多種城市交通場景中，如何保障預約出行服務的可靠性成為交通控制方法重要的研究方向，為交通控制研究提出了新要求：不僅需要關注整體系統運行效率，還需考慮優先預約車輛以保證預約可靠性。

車路聯網與協同技術的發展，有助于管理者分析城市道路交通這個復雜的巨系統，由此預約出行能夠更好地實現交通資源統籌調度[20]。如 Liu 等[21]使用多智能體系統為智能網聯汽車創建了多層預約出行框架，從路網、路徑、單車控制多個層次實現高效的預約出行； Habibullah 等[22]通過車路聯網與協同技術獲取車輛的駕駛信息，開發了一種實時的路線預約方法，能夠準確地評估車輛的預約出行費用，并通過調控需求的時空分布有效地避免擁堵。車路聯網與協同技術推動了預約出行的發展，為治理城市道路交通問題、實現城市道路交通系統供需最佳協同提供了巨大的幫助。

1.3 面向預約出行的交通控制發展與挑戰

上述關于預約出行研究的發展歷程可以看出，預約出行作為一種有效緩解交通擁堵的交通管理手段，正在經歷場景由高速公路到城市道路、機制由簡單模式到復雜關聯、方式由理論探討到實踐應用的快速發展階段。為了確保預約出行在城市道路交通系統中的實施，交通控制發揮著至關重要的支撐和保障作用，形成了面向預約出行模式的城市交通控制研究方向。特別是近年來智能網聯和自動駕駛等新技術的興起，為預約出行的實施提供了更加有利的條件，同時也為交通控制帶來了重大挑戰。一方面新技術的應用使得預約這一行為本身的可操作性變得更強；另一方面，預約出行環境下交通控制對象更加復雜，控制目標更加多元，控制方法更加靈活。在車路聯網與協同技術的支持下，交通控制研究是影響預約出行能否順利應用的必要條件和關鍵環節，是下一代交通控制系統必須要研究的問題。

2 面向預約出行的需求適應性交通控制方法

借助車路聯網與協同技術，預約出行能夠為交通控制系統提供精細、實時的出行信息。如何基于預約出行信息優化交通控制，以適應實時變化的交通需求，達到供需匹配的目標，是亟待解決的問題。相關研究包括基于預約出行信息的信號優化控制方法與車道預約控制方法。

2.1 基于預約出行信息的信號優化控制方法

預約出行車輛可以提供高精度的軌跡信息、準確的路徑信息、起訖點信息、個體轉向需求信息、出發時間、預期到達時間等，可以提供的信息如圖2所示。

一部分研究依據歷史信息直接制定控制策略，將預約出行車輛提供的數據作為傳統固定檢測器數據的補充和拓展，提高對交通流運行參數的估計精度以支撐信號配時策略[23-25]。Wang 等[26]首先建立了預約出行車輛和非預約出行車輛的路徑誘導模型，隨后基于預約出行的路徑，得到各路段的交通狀態，利用 HCM 方法[27]動態優化交叉口的信號配時方案。由于預約出行的交通分配結果無法反映實時動態的交通流變化情況，吳偉等[28]利用車路聯網與協同技術實時感知得到的預約出行車輛信息，構建了實時調整雙向協調路徑、優化相位差和車輛推薦速度的數學模型，可為基于預約出行信息的實時信號優化控制方法提供依據。

隨著車路聯網與協同技術的發展，預約出行車輛的出行路徑與實時位置信息都可以被獲取，因此，可以利用這些信息對交通需求進行主動預測，從而實現主動優化控制[29]。Gayah 等[30]證明了車輛的轉向行為將會影響交通系統的宏觀參數，顯著影響交通流未來的演變狀態，故預約出行車輛提供的大量路徑信息與轉向需求信息，對于提高交通流預測精度、提升信號主動控制效果具有重要意義[31]。然而，大多數現有研究都將轉向比例假設為常數[32-34]。Mousavizadeh等[35]提出了利用小波變換方法從浮動車數據中提取預測轉向比例的關鍵因素，進而利用神經網絡方法實時估計路網整體轉向比例。 Lin 等[36]利用網聯車輛的路徑信息與出行信息預測各個路段未來的轉向比例，以此為基礎預測未來的排隊長度以主動優化信號配時。盡管許多工作都利用預約出行車輛的信息來預測未來交通流量和轉向比例，但轉向比例的估計本質上仍是一個集計數據，以往研究大部分是預測較長時間范圍內或較大路網范圍內的集計轉向比例數據[37-39]。如何利用預約出行車輛提供的非集計信息，預測實時的轉向比例仍需要深入研究。此外，轉向比例估計與主動預測方法需要大量歷史數據作為支撐，模型的計算成本和訓練成本較高，難以滿足實時信號控制的要求[40]。

預約出行系統倡導車輛和路網資源的共享，通過合理分配和調度，實現路網資源的高效利用。借助車路聯網與協同技術，預約出行可以向交通控制系統提供全路網信息，因此，面向預約出行的交通控制方法正朝著路網協同、系統最優的方向發展。傳統集中式協同方法將路網所有交叉口的信號配時納入到統一的優化模型中，其計算成本隨著網絡規模的增加而呈指數級增長[41]。分布式方法能夠將大規模路網的集中式信號優化問題分解為一系列子問題，雖然提高了計算效率，但其協同效果往往受制于路網系統動態方程的精確度，難以達到全局最優[42]。預約出行提供路網范圍內的出行信息，將有助于提高城市路網交通狀態演變的建模精度，從而提升分布式方法的協同控制效果。 Moradi 等[43]基于車路聯網與協同技術建立了路網信號協同控制的分層框架，利用觀測到的車輛出行信息識別交通運行狀態，提高了分布式信號控制動態方程的預測精度，相比集中式框架大幅縮減了計算時間。如何利用預約出行提供的信息，綜合考慮路網均衡條件、預約出行時刻表、路徑誘導等多種因素，構建路網系統動態方程[44]，將是未來重要的研究方向。

2.2 車道預約控制方法

為了保障預約出行車輛的通行效益，有學者提出綜合考慮預約出行車輛信息與歷史交通流情況，為預約出行車輛預留車道，通過車道入口和出口控制系統，確保預約出行車輛在車道上可以暢通行駛[45]。Dobre[46]提出了車道預約的智能控制系統，出行者支付費用預約某條車道，系統確保出行者能夠以更高的速度行駛。然而，車道預約控制無法避免將交通壓力轉移到普通車道上[47]。 Fang 等[48]考慮到車道預約控制對于正常交通流的負面影響，設計了車道預約控制優化模型，保證預約出行車輛行駛時間的同時降低對社會車輛的負面影響。為了減少預約車道對正常交通造成的負面影響，最大限度地提高預約車道行程時間的穩健性， Wu 等[49]設計了車道預約的雙目標優化模型。進一步地， Bai 等[50]的研究證明了車道預約控制不僅會影響社會車輛的通行效率，還會帶來社會車輛排放的增加。早期的車道預約控制大多基于靜態的歷史需求數據，導致車道預約控制方案無法動態適應交通狀況，造成通行資源的浪費，甚至惡化社會車輛與路網總體的出行效益[51]。

隨著車路聯網與協同技術的發展，城市道路交通系統能夠掌握準確的交通需求信息，科學合理地控制車道預約方案，最大程度挖掘車道通行能力，動態精準化車道預約控制成為可能。 Viegas 等[52]提出了間歇式車道的概念，通過可變信號燈表示公交預留車道的可用性，引導社會車輛在不影響公交車運行的前提下使用該預約車道。Wu 等[53]利用網聯通信技術向社會車輛實時發布預約出行車輛的信息并設置限制區域，允許限制區域范圍外的社會車輛自由進出預約車道，以確保預約出行的優先通行權。隨著網聯自動駕駛車輛的出現，車道預約控制方法能夠直接控制預約出行車輛與社會車輛的軌跡， Levin 等[54]在網聯自動駕駛車輛環境下，通過控制車輛軌跡實現預約車道的動態使用，并且探索了預約車道與無信號控制交叉口之間的協同控制方法。 Zhang 等[55]通過控制預約出行車輛與社會車輛的軌跡，在動態復用預約車道的同時確保預約出行的絕對優先權。在此基礎上，文獻[56]進一步提出了預約車道的時空切片算法，將預約車道動態分配給預約出行車輛和社會車輛。

面向預約出行環境，車道預約控制方案需要綜合考慮預約出行車輛的實時需求信息，結合預約出行需求與優先級，并考慮交通狀態的隨機不確定性，判定精準、動態、魯棒的車道預約控制方案，對于保障預約出行效益、提升路網總體運行效率具有重要的意義。

3 保障預約出行通行效益的車輛控制策略

當預約車輛完成從起點到終點的路徑搜索后，在行駛過程中易受到系統隨機性干擾，嚴重影響預約出行的快捷性與軌跡平順性。車路聯網與協同技術的發展可以實現預約出行車輛與交通控制系統的交互，通過對車輛進行控制適應時變的交通狀態，從而保障預約出行通行效益。研究方向主要包含車速引導控制與車輛軌跡優化控制。

3.1 車速引導控制

由于人類駕駛員和傳統車輛感知條件的限制，車輛的速度控制策略往往不夠合理，從而導致燃油損耗、行程時間、延誤等的增加，極大地降低了預約出行的服務可靠性。因此，利用車路聯網與協同技術的感知能力，對預約車輛速度進行引導，以適應前方信號控制方案，是未來預約出行環境下優化個體車輛駕乘體驗、提高交通系統運行效率的重要方法。

早期的車速引導控制系統主要是為了解決黃燈期間兩難區問題和提高駕駛安全性所提出的，基于前方信號配時方案引導車輛以安全速度通過交叉口[57-59]。在實踐中，有學者發現速度引導控制能夠有效降低燃油消耗與尾氣排放[60]，因此，以燃油經濟性為目標的車速引導研究成為熱點。Rakha 等[61]利用網聯技術獲取前方配時方案信息，構建了車輛燃料消耗最小化的速度建議模型。 Kamal 等[62]通過預測前方車輛未來行駛狀態與感知的信號方案，使用模型預測控制方法計算車輛的最佳速度。 Jiménez等[63]基于預約出行時刻表，為駕駛員制定每個路段上應保持的最佳燃油經濟性速度，能夠在滿足預約出行時刻表的同時降低燃油消耗，提高了預約出行的服務質量。

Servin 等[64]的研究證明速度引導控制系統盡管能夠降低油耗與排放，但是也會導致行程時間與延誤的增加。因此，車速引導控制方法開始逐漸關注車輛周圍交通流運行狀態，以提高系統運行效率為目標。李鵬凱等[65]利用車路聯網與協同技術，基于實時信號狀態，以交叉口車輛停車時間最小化為目標，提出了面向個體車輛的車速引導模型。文獻[66]開發了一種速度引導的多級動態規劃方法，能夠隨著信號方案的變化實時調整預約出行車輛的速度引導策略，實驗證明該方法可以適應動態的交通需求，從而提高交叉口處的通行效率。 Jiang 等[67]進一步提出了不影響交通流整體運行效率的針對網聯車輛的個體車輛速度引導與生態駕駛策略。劉顯貴等[68]提出了提高道路通行效率與降低燃油排放的多目標車速引導模型，結合信號燈配時信息，考慮了受控車輛與未受控車輛之間的相互影響。同時，也有研究證明，在多交叉口范圍內實行速度引導控制方法，能夠有效提高區域路網的通行效率[69]。

速度引導控制方法從最初的利用信號配時信息與簡化駕駛模型的粗略速度建議，逐漸向微觀的、直接面向車輛控制的、實時精準建議速度轉變。控制目標也從早期的優化個體車輛駕乘體驗，發展為關注系統整體交通流運行狀態，提高系統運行效率[70]。這些工作為未來面向預約出行的交通控制方法提供了參考。針對預約出行車輛，保障預約出行優先、確保預約出行車輛能夠按時到達目的地將是未來重要的控制目標。 Teng 等[71]為了提高公交車的服務可靠性，開發了一種動態調整車輛速度的模型，以保證出行時刻表的可靠性。文獻[72]進一步考慮了公交車在路段上受到隨機因素的影響。類似的思想在應急車輛出行中也有體現，如Unibaso等[73]為了保障緊急車輛能夠快速通過交叉口，設計了速度引導控制方案以保障車輛迅速通過交叉口，并且提高行駛過程的安全性。目前，保障預約出行優先的車速引導控制策略大多關注提升個體車輛的運行效益，而忽略了交通流中車輛間的相互影響。在未來預約出行環境下，如何通過速度引導方案引導預約出行車輛盡快通過交叉口，同時兼顧周圍車輛狀態和交通流情況，將是十分關鍵的問題。

3.2 車輛軌跡優化控制

隨著車路聯網與協同技術的發展，車輛的可控性逐漸提升。網聯自動駕駛車輛的出現拓展了交通控制系統的邊界，可以直接對個體車輛的行駛軌跡進行優化控制，以適應前方的信號燈狀態。在未來預約出行環境下，網聯自動駕駛車輛的軌跡規劃將是提高預約出行車輛運行快捷性與軌跡平順性的重要手段。

在車速引導研究的基礎上，早期的車輛軌跡優化控制根據前方信號燈配時方案與周圍交通流狀態，優化車輛在路段上的行駛軌跡，以適應信號方案，實現降低油耗、提高通行效率的目標。 Matsumoto 等[74]建立了對信號配時方案反饋的車輛軌跡強化學習優化方法，訓練后的車輛在交叉口的停車次數顯著減少。與直接對個體車輛進行控制不同， Han 等[75]注意到綠燈期間車輛往往組成車隊通過，因此，首先優化車隊頭車的軌跡，進而約束整個車隊的軌跡以適應信號配時方案。進一步地， Varga 等[76]提出不應當只以車輛快速通行交叉口為目標進行軌跡優化，還應當根據車輛的當前位置和期望到達時間，考慮前方信號燈配時狀態，以最小化延誤和提高預約出行可靠度為目標優化車輛軌跡。這些研究工作為未來網聯自動駕駛環境下，保障預約出行按時到達目的地、提高出行服務可靠性的軌跡優化控制提供了重要參考[77]。

在適應信號配時方案的軌跡優化控制研究的基礎上，許多研究進一步討論了信號與軌跡協同控制的方法，為面向預約出行的交通控制方法提供了參考。 Feng 等[78]利用動態規劃算法求解交叉口車輛軌跡和信號配時的協同優化模型。 Yu 等[79] 實現了車輛軌跡和信號燈配時的集成優化，并將其模型擴展應用于多交叉口干線場景[80]。針對人類駕駛車輛和自動駕駛車輛混行的場景，軌跡與信號協同控制方法將是未來面向預約出行交通控制重要的研究方向[81]。在新型混合交通環境下，一個有效方式是將網聯自動駕駛車輛作為頭車，引領混合車隊在綠燈期間通過交叉口，提高運行效率[82]。另一種方式是基于跟馳模型解析人類駕駛車輛行為， Ma 等[83]在預測人類駕駛車輛軌跡的基礎上，建立了橫縱向軌跡規劃與信號配時協同優化方法，并進一步將該協同方法推廣到靈活的配時方案策略中[84]。隨著車路聯網與協同技術的不斷發展，傳統的交通信號控制未來也將被更加精細與精準化的汽車協同駕駛替代[85]。

面向預約出行環境，軌跡優化控制也面臨新的需求與目標。如何通過軌跡優化控制保障預約出行按時到達，提高預約出行服務的可靠性，是未來面向預約出行的基礎問題。特別是預約出行車輛與非預約出行車輛混行的條件下，如何考慮周圍車輛的狀態設計高效的軌跡控制方法，并且兼顧預約出行車輛與社會車輛的效益，將是未來重要的研究方向。

4 交通控制與出行服務的協同

借助于車路聯網與協同技術手段，預約出行系統可以匯集交通需求和供給信息，整合多方出行資源，提供從始發地到目的地的出行服務。然而，由于交通系統的隨機性、模糊性、不確定性和復雜性等特點，預約出行車輛在城市道路上的駕駛狀態仍然受到多種因素的影響。協同交通控制方法與預約出行服務，依托于全局供需優化算法，實現控制與服務的一體化，能夠提前規避預約車輛在出行過程中的不可控因素，提高預約出行的服務可靠性。相關的研究包括出行路徑與控制方案的協同優化與特殊需求車輛優先方法。

4.1 出行路徑與控制方案的協同優化

以往的預約出行研究主要集中于如何為用戶分配出行路徑，較少考慮路段的信號控制方案對出行路徑的影響[86]。然而，城市路網的出行路徑規劃與信號控制是相互耦合、相互關聯的，其關聯機制如圖3所示。信號控制方案會造成路段上的延誤與排隊，影響行程時間與旅行成本，進而影響預約出行路徑規劃的結果；預約出行路徑規劃會影響路段上的交通流量分配，對信號配時的優化造成影響。因此，面向預約出行，出行路徑與控制方案的協同優化對于提升路網整體性能、保障預約出行服務具有重要的意義。

由于路徑與信號之間的耦合關系，一種常見的協同優化方法是迭代優化思想[87]：首先，在確定的流量分布下優化信號配時；隨后，根據信號方案重新分配路徑，直到路徑與信號的優化結果滿足收斂條件時，判定問題收斂。 Gartner 等[88]基于迭代優化的思路，對周期、綠信比、相位差等信號配時參數進行優化。保麗霞等[89]沿用迭代優化的思想提出試算的方法，建立了消散擁堵和最小化系統總出行時間的雙目標優化模型。雖然迭代優化方法邏輯直觀，但是缺少嚴謹的理論解析，并不一定能夠獲得最優解[90]。為了克服其缺點，將信號控制變量引入到路徑決策模型之中，建立統一的優化模型成為研究的重點。 Li 等[91]構建了超網絡，將路徑誘導與信號配時集中到統一的優化框架下，并采用拉格朗日松弛理論對路徑和信號進行分別優化。Taale等[92]在背壓控制原理的基礎上，提出了一種交通信號控制與出行路徑協同優化的模型。 Qian 等[93]進一步提出了車輛的出發時刻、行駛路徑、信號配時的協同優化模型。此外，也有學者針對預約出行的路徑選擇與邊界控制的協同優化進行研究[94]。

隨著車路聯網與協同技術的發展，移動導航、實時路徑誘導等手段使得預約出行車輛可以隨時調整路徑，在行進過程中變換行駛路線，有效降低路段旅行時間和交叉口等待延誤[95]。因此，面向實時變化的交通需求，實現動態的路徑與控制協同優化，將是未來預約出行環境下交通控制重要的發展方向。Gayah 等[96]指出，應當考慮實時的信號配時方案與交通狀態，動態地為司機規劃路徑以避開局部擁堵區域。 Safadi 等[97]考慮了交通控制的實時排隊狀態，提出了基于排隊狀態的路徑分配與信號方案動態反饋優化模型，并通過最優控制分析方法求解。高淑萍等[98]建立了交叉口信號配時方案與動態路徑誘導的雙層優化模型，利用改進蟻群算法來求解優化模型。

在實時變化的交通需求環境下，動態的出行路徑與實時的控制方案之間存在復雜的耦合關系，動態的出行路徑與信號控制協同優化往往存在大量非線性的系統動態方程，雙層優化算法、隨機性求解算法以及啟發式算法[99]等都被應用于出行路徑與信號配時的動態協同優化中。但協同優化模型隨著車輛數和網絡規模的增加而快速增加，在大規模網絡上的實時優化仍然不現實[100]。因此，許多研究嘗試基于簡化的模型假設，以降低模型復雜度，滿足實時優化的要求。但是，簡化模型將限制協同效果，無法實現系統最優的目標，在城市路網中的應用仍然存在質疑[101]。因此，當預約出行系統為用戶制定出行服務方案時，需要考慮信號控制下的交通流時空演化情況，動態分配出行路徑，在交通系統動態精確性、信號控制方案靈活性、路徑選擇動態性以及算法求解效率等多個要素之間進行平衡[102]。

4.2 特殊需求車輛優先方法

在城市道路交通預約出行還在不斷探索的現階段，特殊需求車輛（如公交車輛、緊急救援車輛、特勤車輛等）的預約出行方法已經得到了較為廣泛的研究與應用。特殊出行需求是城市道路出行服務的重要對象，如何通過控制手段保證特殊需求在城市道路上的出行服務與優先通行要求，是預約出行環境下交通控制與出行服務協同的重要研究方向。

楊曉光等[103]提出了特殊需求車輛行程時間可靠度的概念，需要通過控制手段確保車輛在規定時間內到達終點，實現交通控制與出行服務的協同，保障特殊需求車輛的優先通行。當多個特殊需求車輛的優先請求沖突時， Mirchandani 等[104]提出利用車路聯網與協同技術獲取的實時車輛信息，對未來交通流進行預測，通過動態規劃方法選取最佳信號方案以保障特殊需求車輛優先通行。除了信號優先控制方法外， Nguyen 等[105]結合路徑優化與信號控制，首先以最快行駛速度為目標搜索到達救援地點的最佳路徑，隨后借助車路聯網與協同技術為救援車輛預留出通暢的道路，并利用信號燈方案協調社會車流。但是，該方法先安排路徑后調整信號方案，未能夠充分協同優化路徑分配與信號配時，優化效果仍有待提高。為了解決路徑規劃與信號控制之間的復雜耦合關系， Su 等[106]設計了多智能體分布式學習機制，結果表明，通過該機制，緊急救援車輛能夠動態選取最佳行駛路徑，信號燈也能夠同步優化信號方案，縮短緊急救援出行車輛的行程時間。

通過交通控制與出行服務的協同，可以保證特殊需求車輛的優先通行與服務的可靠度，但是會對普通社會車輛產生影響，造成延誤的增加和擁堵的加劇，甚至會導致上下游交叉口的擁堵[107]。因此，如何在保障特殊需求車輛協同優先的同時，考慮社會車輛的通行效益，是未來面向預約出行環境和系統最優目標的重要研究內容，是下一代交通控制系統必須要考慮的問題。 Liu 等[108] 基于車路聯網與協同技術，對公交駐站時間、行駛速度以及信號優先控制方案進行協同優化控制，并盡可能降低對社會車輛的影響。李振龍等[109] 提出了綜合考慮公交相位優先與非公交相位補償的單點信號優化方法。樹愛兵等[110]進一步將該模型拓展到干線場景，結合綠波控制方法與公交優先控制方法，實現交通控制與出行服務的協同。 He 等[111]針對公交車和私家車混行條件下的交叉口，構建了基于車隊的路網信號協同優化模型。文獻[112]進一步提出了多模式優先控制方法，針對公交車、私家車以及行人的效益進行綜合優化。

作為現階段預約出行的主要應用和研究場景，特殊需求車輛的交通控制與出行服務的協同需要更多考慮城市道路交通的整體通行效益，從追求特殊需求車輛與預約出行車輛個體利益最大化為目標，轉向提升整體道路通行效益為目標，綜合考慮社會車輛、非機動車、行人的效益，是未來面向預約出行的交通控制與出行服務協同研究的重點。

5 未來展望與重點研究方向

5.1 保障行程時間可靠性的交通控制方法

預約出行為出行者制定出行時刻表，要求盡可能在規定時間內將出行者送達至目的地。因此，相比于傳統出行方式，預約出行對于出行時間的可靠性要求較高，出行者對出行成本的感知會受到實際行程時間與期望行程時間之間的偏差、早到與晚到損失成本、行程時間波動等因素的影響[113-115]，現有研究需要更加深入分析控制方案和乘客感知成本之間的關聯。作為有效調控交通流運行狀態的手段之一，如何通過交通控制方法降低行程時間的波動，綜合利用車速引導、軌跡優化與信號優先等方式保障預約出行車輛按時到達，是面向預約出行的交通控制研究中的重要問題。此外，如何利用預約出行提供的信息精確預測交通流變化，預測未來行程時間的波動，從而動態調整控制參數、實時求解優化控制模型是亟需解決的問題[116]。

5.2 平衡用戶最優與系統最優的控制方法

預約出行的目標是高效利用系統資源，避免路網出現擁堵，實現交通系統最優，提高城市道路網絡的運行效益。然而，有學者指出：只關注部分出行者的利益，也會損害系統整體的效益；單純追求系統最優化，也會對緊急程度較高、優先級較高的預約出行者不利[117]。如何平衡用戶最優與系統最優的控制目標，是未來研究的重要方向。目前，面向預約出行的交通控制研究大多局限于個體預約出行車輛的優先控制，通過控制方法來確保一部分預約出行車輛的用戶獲得最優目標，忽略了控制方法對交通流的整體影響。因此，需要平衡預約出行車輛個體用戶的最優化和交叉口整體交通流系統的最優化，構建既有利于提升路網整體運行效益，又能保障預約出行車輛優先通行的控制方法。

5.3 出行即服務與服務型交通管理技術融合

出行即服務（mobility as a service， MaaS）主要由交通出行者、交通運營商、政府管理部門、服務商、數據服務商及其他利益主體構成，為出行者提供綜合信息服務與一站式出行服務，是未來預約出行的重要技術支撐[118]。交通控制系統是MaaS技術中不可或缺的一部分，通過信息與智能技術等手段，為出行服務提供有效且科學的交通控制方法，實現交通控制與出行服務的有機結合。隨著車路聯網與協同技術的發展，有學者提出在MaaS技術基礎上，構建交通管理即服務（ transportation management as a service， TMaaS）體系，整合政府、用戶終端等資源，提供交通控制與路線規劃等服務，避免MaaS過分強調個體出行服務水平的提高，追求個體最優，而無法保證整體系統最優的缺點[119]。然而，TMaaS仍然存在管理與服務系統性整合不足的問題，僅能提供被動服務、被動響應及被動改善。因此，先進智能的交通管理即服務（ actively intelligent transportation management as a service， AITMaaS）是下一代交通控制系統與未來城市道路交通系統發展的重要方向。基于預約出行服務和交通控制的先進性與智能化技術，科學而高效地組織交通，對于切實改善交通和出行，乃至發展智能交通產業，具有極其重要的理論意義和實用價值。

6 結束語

車路聯網與協同技術的發展對城市道路交通系統將產生深遠的影響。預約出行正成為未來發展的重要方向，同時也對交通控制提出了新的要求和目標。本文深入研究了車路聯網、協同技術和預約出行技術的發展現狀及趨勢，并闡明面向預約出行的交通控制研究的必要性。在此基礎上，進一步系統地對預約出行的車路聯網與協同交通控制研究的關鍵問題進行了梳理，綜述了相關領域的前沿研究成果，并展望了未來的重點研究方向。面向預約出行的交通控制研究不僅在理論上對預約出行創新發展和下一代交通控制系統開發具有重要的意義，而且對于主動服務型城市道路交通控制系統關鍵技術發展、真正意義上實現城市道路網絡交通供需最佳協同具有重要的應用價值。

參考文獻：

[1]楊曉光， 朱際宸， 王一喆， 等.汽車變革發展中的城市交通系統重構與研究綜述[J].交通運輸研究， 2022， 8（3）：2–20.

[2]王靈麗， 黃敏， 薛田莉， 等.基于微觀交通仿真的道路預約出行效益研究[J].中山大學學報（自然科學版）， 2022， 61（6）：89–98.

[3]周睿予， 陳紅， 陳恒瑞.城市道路預約出行策略下的出行方式選擇[J].北京交通大學學報， 2022， 46（6）：43–51.

[4]楊曉光， 馬萬經， 姚佼， 等.智慧主動型交通控制系統及實驗[J].工程研究-跨學科視野中的工程 ， 2014， 6（1）：43–53.

[5] AKAHANE H， KUWAHARA M， SATO T. A basic study ontripreservationsystemsforrecreationaltripson motorways[J].DobokuGakkaiRonbunshu，2000，2000（660）：79-87.

[6] WONGJT. Basicconceptsforasystemforadvance booking for highway use[J]. Transport Policy， 1997， 4（2）：109–114.

[7] EDARAP，TEODOROVI?D. Modelofanadvance- bookingsystemforhighwaytrips[J]. Transportation ResearchPartC： EmergingTechnologies， 2008， 16（1）：36–53.

[8] SUP，PARKBB. Auction-basedhighwayreservation system an agent-based simulation study[J]. Transportation ResearchPartC： EmergingTechnologies， 2015， 60：211–226.

[9] KIMY，KANGSC. Innovativetrafficdemand management strategy： expressway reservation system[J].TransportationResearchRecord：Journalofthe Transportation Research Board， 2011， 2245（1）：27–35.

[10] ZHAOY，TRIANTISK，TEODOROVI?D，etal. A travel demand management strategy： The downtown space reservationsystem[J]. EuropeanJournalofOperational Research， 2010， 205（3）：584–594.

[11] MENELAOUC，KOLIOSP，TIMOTHEOUS，etal. Controlling road congestion via a low-complexity route reservation approach[J]. Transportation Research Part C： Emerging Technologies， 2017， 81：118–136.

[12] ZHAO Y， TRIANTIS K， EDARA P. Evaluation of travel demandstrategies：amicroscopictrafficsimulation approach[J]. Transportation， 2010， 37（3）：549–571.

[13]湯若天， 薛新， 盧健， 等.不同預約出行服務機制對節假日旅游景區出行行為的影響——以南京景區為例[J].綜合運輸， 2022， 44（9）：24–29，52.

[14]郭繼孚， 刁晶晶， 缐凱， 等.預約出行模式展望[J].交通運輸系統工程與信息， 2021， 21（5）：160–164，173.

[15]王樂.交通預約通行政策與深圳市實踐[J].交通與運輸， 2019， 32（S1）：97–102，107.

[16]郭繼孚 ， 刁晶晶 ， 王倩 ， 等.預約在城市交通中的應用——北京市回龍觀地區的預約出行實踐[J].城市交通， 2020， 18（1）：75–82.

[17] MEWADAA，TANWARS，NARMAWALAZ. Comparisonandevaluationofrealtimereservation technologiesintheintelligentpublictransport system[C]//2018FifthInternationalConferenceon Parallel， Distributed and Grid Computing （PDGC）. Solan： IEEE， 2018：800–805.

[18] ZHOU X M， WEI G H， ZHANG Y B， et al. Optimizing multi-vehicle demand-responsive bus dispatching： a real- time reservation-based approach[J]. Sustainability， 2023，15（7）：5909.

[19] LIU K， CHAN E， LEE V， et al. Design and evaluation of token-basedreservationforaroadwaysystem[J]. Transportation Research Part C： Emerging Technologies， 2013， 26：184–202.

[20]郭繼孚， 張建波， 孫建平.大規模網聯車輛協同服務研究進展[J].中國基礎科學， 2021， 23（1）：45–50.

[21] LIUSR，FENGYH，WUGY. Reservation-based networktrafficmanagementstrategyforconnected andautomatedvehicles：amultiagentsystem approach[C]//2021IEEEInternationalIntelligent Transportation Systems Conference （ITSC）. Indianapolis：IEEE， 2021：2150–2155.

[22] HABIBULLAHB，TENGR，SATOK. Highwaytoll collectionmethodforconnectedautomatedvehicle platooningusingspatio-temporalgridreservation[J]. Communications and Network， 2022， 14（4）：171–199.

[23]馬萬經， 李金玨， 俞春輝.智能網聯混合交通流交叉口控制：研究進展與前沿[J].中國公路學報 ， 2023， 36（2）：22–40.

[24] FENG Y H， HEAD K L， KHOSHMAGHAM S， et al. A real-time adaptivesignal control in a connected vehicle environment[J].TransportationResearchPartC： Emerging Technologies， 2015， 55：460–473.

[25]姚佼， 范海雁， 韓印， 等.基于車載數據的城市道路交叉口自適應控制研究[J].上海理工大學學報， 2014， 36（3）：239–244.

[26] WANGJW，YOUL，HANGJY，etal. Pre-trip reservationenabledrouteguidanceandsignalcontrol cooperative method for improving network throughput[J]. PhysicaA： StatisticalMechanicsanditsApplications， 2023， 609：128405.

[27] AK?ELIKR. Thehighwaycapacitymanualdelay formula for signalized intersections[J]. ITE Journal， 1988， 58（3）：23–27.

[28]吳偉， 馬萬經， 楊曉光.車路協同環境下基于路徑的信號協調優化模型[J].吉林大學學報（工學版）， 2014， 44（2）：343–351.

[29] WANG Q， YUAN Y， YANG X T， et al. Adaptive and multi-pathprogressionsignalcontrolunderconnected vehicle environment[J]. Transportation Research Part C： Emerging Technologies， 2021， 124：102965.

[30] GAYAHVV，DAGANZOCF. Effectsofturning maneuversandroutechoiceonasimplenetwork[J].TransportationResearchRecord：Journalofthe Transportation Research Board， 2011， 2249（1）：15–19.

[31] GUO Q Q， LI L， BAN X G J. Urban traffic signal control withconnectedandautomatedvehicles： Asurvey[J]. Transportation Research Part C： Emerging Technologies，2019， 101：313–334.

[32] ZHU J C， MA C Y， YANG X G， et al. An asynchronous cooperativesignalcontrolframeworkinurbanroad network[C]//2021 6thInternationalConferenceon Transportation Information andSafety （ICTIS）. Wuhan： IEEE， 2021：1105–1111.

[33] ALISLAMSMAB，HAJBABAIEA. Distributed coordinatedsignaltimingoptimizationinconnected transportation networks[J]. Transportation Research Part C： Emerging Technologies， 2017， 80：272–285.

[34]馬成元， 朱際宸， 賴金濤， 等.基于群體決策的多交叉口協同控制方法[J].交通運輸工程學報 ， 2022， 22（3）：152–161.

[35] MOUSAVIZADEHO，KEYVAN-EKBATANIM， LOGAN T M. Real-time turning rate estimation in urban networksusingfloatingcardata[J]. Transportation ResearchPartC： EmergingTechnologies， 2021， 133：103457.

[36] LINSC，DAIJC，LIRM. Network-levelsignal predictivecontrolwith real-time routinginformation[J]. Transportation Research Part C： Emerging Technologies，2023， 147：104007.

[37] MAHMOUDN，ABDEL-ATYM，CAIQ，etal. Predictingcycle-leveltrafficmovementsatsignalized intersectionsusingmachinelearningmodels[J]. Transportation Research Part C： Emerging Technologies，2021， 124：102930.

[38] YUANJH，ABDEL-ATYMA，YUELSS，etal. Modelingreal-timecycle-levelcrashriskatsignalized intersections based on high-resolution event-based data[J]. IEEE Transactions on Intelligent Transportation Systems，2021， 22（11）：6700–6715.

[39] WANG S L， PATWARY A U Z， HUANG W， et al. A general framework for combining traffic flow models and Bayesiannetworkfortrafficparametersestimation[J]. Transportation Research Part C： Emerging Technologies，2022， 139：103664.

[40] GHODS A H， FU L P. Real-time estimation of turning movement counts at signalized intersections using signal phaseinformation[J]. TransportationResearchPartC： Emerging Technologies， 2014， 47：128–138.

[41] CHOWAHF，SHAR，LIS. Centralisedand decentralisedsignaltimingoptimisationapproachesfor network traffic control[J]. Transportation Research Part C： Emerging Technologies， 2020， 113：108–123.

[42] WANG P R S， LI P F T， CHOWDHURY F R， et al. A mixedintegerprogrammingformulationandscalable solution algorithms for traffic control coordination across multipleintersectionsbasedonvehiclespace-timetrajectories[J].TransportationResearchPartB：Methodological， 2020， 134：266–304.

[43] MORADI H，SASANINEJADS， WITTEVRONGELS， et al. The contribution of connected vehicles to network traffic control： A hierarchical approach[J]. Transportation ResearchPartC： EmergingTechnologies， 2022， 139：103644.

[44] NARAYANANS，CHANIOTAKISE，ANTONIOUC. Modelling reservation-basedsharedautonomousvehicle services： Adynamicuserequilibriumapproach[J]. Transportation Research Part C： Emerging Technologies，2022， 140：103651.

[45] SU P， PARK B， LEE J， et al. Proof-of-concept study for a roadwayreservationsystem：integratedtraffic managementapproach[J].TransportationResearch Record， 2013， 2381（1）：1–8.

[46] DOBREC.Intelligentlanereservationsystemfor highway（s）[J].InternationalJournalofVehicular Technology， 2012， 2012：604965.

[47]王天昊， 王曉春.國內 HOV 車道應用綜述[J].上海公路， 2022（3）：120–123.

[48] FANG Y F， CHU F， MAMMAR S， et al. A new cut-and- solveandcuttingplanecombinedapproachforthe capacitatedlanereservationproblem[J]. Computers & Industrial Engineering， 2015， 80：212–221.

[49] WU P， CHE A D， CHU F， et al. An improved exact ε-Constraintandcut-and-solvecombinedmethodfor biobjective robust lane reservation[J]. IEEE Transactions onIntelligentTransportationSystems， 2015，16（3）：1479–1492.

[50] BAI X， ZHOU Z L， CHIN KS，etal. Evaluating lane reservationproblemsbycarbonemissionapproach[J].TransportationResearchPartD：TransportandEnvironment， 2017， 53：178–192.

[51] HANLS，WUP，CHUCB. Service-oriented distributionallyrobustlanereservation[J]. Journalof Industrial Information Integration， 2022， 25：100302.

[52] VIEGAS J， LU B C. Widening the scope for bus priority withintermittentbuslanes[J]. TransportationPlanning and Technology， 2001， 24（2）：87–110.

[53] WU W， HEAD L， YAN S H Y， et al. Development and evaluationofbuslaneswithintermittentanddynamic priority in connected vehicle environment[J]. Journal of Intelligent Transportation Systems， 2018， 22（4）：301–310.

[54] LEVINMW，KHANIA. Dynamictransitlanesfor connected and autonomous vehicles[J]. Public Transport， 2018， 10（3）：399–426.

[55] ZHANG Z， LAI J T， MA C Y， et al. Ensuring absolute transitprioritythroughtrajectorybasedcontrolofconnectedandautomatedtraffic[C]//20216th InternationalConferenceonTransportationInformation and Safety （ICTIS）. Wuhan： IEEE， 2021：1132–1135.

[56] ZHANG Z， LAI J T， YANG X G. Dynamic spatial slice optimizationforbuspriorityundertheenvironmentof mixedtraffic[C]//2022IEEE25thInternational Conference on Intelligent Transportation Systems （ITSC）.Macau： IEEE， 2022：3023–3025.

[57] LI M Z， ZHANG L N， YANG X G. 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.

[58]黃瑋， 馬萬經， 楊曉光.兩難區安全改善問題的感應控制方法研究[J].交通信息與安全， 2009， 27（4）：75–79.

[59] PAPAIOANNOU P. Driver behaviour， dilemma zone andsafetyeffectsaturbansignalisedintersectionsin Greece[J]. Accident Analysis & Prevention， 2007， 39（1）：147–158.

[60] NIU D N，SUN J. Eco-Driving versus green wave speed guidanceforsignalized highway traffic： a multi-vehicle drivingsimulatorstudy[J].Procedia-Socialand Behavioral Sciences， 2013， 96：1079–1090.

[61] RAKHAH，KAMALANATHSHARMARK. Eco- drivingatsignalizedintersectionsusingV2I communication[C]//201114thInternationalIEEE Conference on Intelligent Transportation Systems （ITSC）.Washington： IEEE， 2011：341–346.

[62] KAMAL M A S， MUKAI M， MURATA J， et al. Model predictive control of vehicles on urban roads for improved fuel economy[J]. IEEE Transactions on Control Systems Technology， 2013， 21（3）：831–841.

[63] JIM?NEZ F， CABRERA-MONTIEL W. System for road vehicleenergyoptimizationusingrealtimeroadand traffic information[J]. Energies， 2014， 7（6）：3576–3598.

[64] SERVINO，BORIBOONSOMSINK，BARTHM. An energyandemissionsimpactevaluationofintelligent speed adaptation[C]//2006 IEEE Intelligent Transportation Systems Conference. Toronto： IEEE， 2006：1257–1262.

[65]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）：136–140，156.

[66] KAMALANATHSHARMA R K， RAKHA H A. Multi- stagedynamicprogrammingalgorithmforeco-speed controlattrafficsignalizedintersections[C]//16th InternationalIEEEConferenceonIntelligent Transportation Systems （ITSC 2013）. The Hague： IEEE， 2013：2094–2099.

[67] JIANG H F， HU J， AN S， et al. Eco approaching at an isolated signalized intersection under partially connectedandautomatedvehiclesenvironment[J]. Transportation ResearchPartC： EmergingTechnologies， 2017， 79：290–307.

[68]劉顯貴， 王暉年， 洪經緯， 等.網聯環境下信號交叉口車速控制策略及優化[J].交通運輸系統工程與信息 ，2021， 21（2）：82–90.

[69] WANGJF，LVJR，ZHANGQ，etal. Impactof connected vehicle guidance information on network-wide averagetraveltime[J].AdvancesinMechanical Engineering， 2017， 9（1）：1-9.

[70] WU W， LI P K， ZHANG Y. Modelling and simulation of vehiclespeedguidanceinconnectedvehicle environment[J].InternationalJournalofSimulation Modelling， 2015， 14（1）：145–157.

[71] TENG J， JIN W M. Development and evaluation of bus operationcontrolsystembasedoncooperativespeed guidance[J]. DiscreteDynamicsinNatureandSociety， 2015， 2015：928350.

[72]滕靖 ， 金威敏.基于區間車速引導的公交運行控制方法[J].同濟大學學報（自然科學版）， 2015， 43（8）：1194–1199.

[73] UNIBASO G， DEL SER J， GIL-LOPEZ S， et al. A novel CAM-basedtrafficlightpreemptionalgorithmfor efficientguidanceofemergencyvehicles[C]//13th InternationalIEEEConferenceonIntelligentTransportation Systems. Funchal： IEEE， 2010：74–79.

[74] MATSUMOTO Y， NISHIO K. Reinforcement learning ofdriverreceivingtrafficsignalinformationforpassing throughsignalizedintersectionatarterialroad[J]. Transportation Research Procedia， 2019， 37：449–456.

[75] HAN X， MA R， ZHANG H M. Energy-aware trajectory optimizationofCAVplatoonsthroughasignalized intersection[J]. Transportation Research Part C： EmergingTechnologies， 2020， 118：102652.

[76] VARGAB，TETTAMANTIT，KULCS?RB，etal. Publictransporttrajectoryplanningwithprobabilistic guarantees[J].TransportationResearchPartB：Methodological， 2020， 139：81–101.

[77] LV W X， DANG J W， ZHANG Z H， et al. Collaborative trajectories optimization for tram and connected vehicles atsignalizedintersection[J]. AppliedSciences， 2023， 13（3）：1514.

[78] FENGYH，YUCH，LIUHX. Spatiotemporal intersection control in a connected and automated vehicle environment[J].TransportationResearchPartC：Emerging Technologies， 2018， 89：364–383.

[79] YUCH，FENGYH，LIUHX，etal. Integrated optimization of traffic signals and vehicle trajectories at isolatedurbanintersections[J]. TransportationResearchPart B： Methodological， 2018， 112：89–112.

[80] YUCH，FENGYH，LIUHX，etal. Corridorlevel cooperativetrajectoryoptimizationwithconnectedand automatedvehicles[J]. TransportationResearchPartC： Emerging Technologies， 2019， 105：405–421.

[81] ZHENG F F， LIU C， LIU X B， et al. Analyzing the impact of automated vehicles on uncertainty and stability of the mixedtrafficflow[J]. TransportationResearchPartC： Emerging Technologies， 2020， 112：203–219.

[82]孫偉， 張夢雅， 馬成元， 等.新型混合交通交叉口信號與車輛軌跡協同控制方法[J].交通運輸系統工程與信息，2023， 23（1）：97–105.

[83] MA C Y， YU C H， YANG X G. Trajectory planning for connected and automated vehicles at isolatedsignalized intersectionsundermixedtrafficenvironment[J]. Transportation Research Part C： Emerging Technologies，2021， 130：103309.

[84] MA C Y， YU C H， ZHANG C， et al. Signal timing at an isolated intersection under mixed traffic environment with self-organizingconnectedandautomatedvehicles[J]. Computer ‐ Aided Civil and Infrastructure Engineering， 2023， 38：1955-1972.

[85]姚佼， 楊曉光.車路協同環境下城市交通控制研究[J].上海理工大學學報， 2013， 35（4）：397–403.

[86] MENELAOU C， KOLIOS P， TIMOTHEOU S， et al. On the complexity of congestion free routing in transportation networks[C]//2015 IEEE 18th International Conference on Intelligent Transportation Systems. Gran Canaria： IEEE， 2015：2819–2824.

[87] GARTNER N H. Influence of control measures on traffic equilibriuminanurbanhighwaynetwork[J].Transportation Research Record， 1977， 644：125–129.

[88] GARTNERNH，LITTLEJDC，GABBAYH.Simultaneousoptimizationofoffsets，splits，andcycle time[J]. TransportationResearchRecord， 1976， 596：6–15.

[89]保麗霞， 楊兆升， 胡健萌， 等.交通流誘導與控制協同的雙目標優化模型及準最優求解算法[J].吉林大學學報（工學版）， 2007， 37（2）：319–324.

[90] HAN LS， UKKUSURIS，DOAN K. Complementarity formulationsforthecelltransmissionmodelbased dynamicuserequilibriumwithdeparturetimechoice， elastic demand and user heterogeneity[J]. Transportation ResearchPartB：Methodological，2011，45（10）：1749–1767.

[91] LIPF，MIRCHANDANIP，ZHOUXS. Solving simultaneousrouteguidanceandtrafficsignal optimizationproblemusingspace-phase-time hypernetwork[J].TransportationResearchPartB：Methodological， 2015， 81：103–130.

[92] TAALEH，VANKAMPENJ，HOOGENDOORNS. Integratedsignalcontrolandrouteguidancebasedon back-pressureprinciples[J].TransportationResearch Procedia， 2015， 10：226–235.

[93] QIANGM，GUOM，ZHANGLH，etal. Traffic scheduling and control in fully connected and automated networks[J]. TransportationResearchPartC： EmergingTechnologies， 2021， 126：103011.

[94] SIRMATELII，GEROLIMINISN. Economicmodel predictive control of large-scale urban road networks via perimetercontrolandregionalrouteguidance[J]. IEEE Transactions on Intelligent Transportation Systems， 2018， 19（4）：1112–1121.

[95]杜牧青， 鞠姿彥， 呂晨希， 等.考慮交叉口延誤的超路徑算法及其應用[J].武漢理工大學學報（交通科學與工程版）， 2021， 45（4）：626–632.

[96] GAYAH V V， GAO X Y S， NAGLE A S. On the impacts oflocallyadaptivesignalcontrolonurbannetwork stabilityandthemacroscopicfundamentaldiagram[J]. TransportationResearchPartB： Methodological， 2014， 70：255–268.

[97] SAFADIY，HADDADJ. Optimalcombinedtraffic routingandsignalcontrolinsimpleroadnetworks： an analyticalsolution[J]. TransportmetricaA：Transport Science， 2021， 17（3）：308–339.

[98]高淑萍， 趙會賓， 張玲， 等.基于信號燈配時的動態路徑誘導模型[J].中國公路學報， 2011， 24（1）：109–114.

[99] CHAI H J， ZHANG H M， GHOSAL D， et al. Dynamictraffic routing in a network with adaptive signal control[J]. Transportation Research Part C： Emerging Technologies，2017， 85：64–85.

[100] HUL，WANGLJ，ZHOUZR，etal. Network-wide trafficsignaloptimizationunderconnectedvehicles environment[C]//2021IEEEInternationalIntelligent Transportation Systems Conference （ITSC）. Indianapolis：IEEE， 2021：2463–2470.

[101] YUH，MAR，ZHANGHM. Optimaltrafficsignal controlunderdynamicuserequilibriumandlink constraintsinageneralnetwork[J].Transportation Research Part B： Methodological， 2018， 110：302–325.

[102]彭顯玥 ， 王昊.交通分配與信號控制組合優化研究綜述[J].交通運輸工程與信息學報， 2023， 21（1）：1–18.

[103]楊曉光， 彭春露， 劉好德， 等.城市道路上救援車輛行程時間可靠性仿真研究[J].交通與運輸， 2006（2）：45–49.

[104] MIRCHANDANIPB，LUCASDE. Integratedtransit priority and rail/emergency preemption in real-time traffic adaptivesignalcontrol[J].JournalofIntelligent Transportation Systems， 2004， 8（2）：101–115.

[105] NGUYENVL，HWANGR H，LIN PC. Controllable pathplanningandtrafficschedulingforemergency services in the Internet of vehicles[J]. IEEE Transactions onIntelligentTransportationSystems，2022， 23（8）：12399–12413.

[106] SU H R， ZHONG Y D， CHOW J Y J， et al. EMVLight： A multi-agentreinforcementlearningframeworkforan emergency vehicle decentralized routing and traffic signal controlsystem[J]. TransportationResearchPartC： Emerging Technologies， 2023， 146：103955.

[107] HUMAGAINS，SINHAR， LAIE， et al. Asystematic review of route optimisation and pre-emption methods for emergency vehicles[J]. Transport Reviews， 2020， 40（1）：35–53.

[108] LIUJH，LINPQ，RANB. Areservation-based coordinated transitsignal prioritymethodfor busrapid transitsystemwithconnectedvehicletechnologies[J]. IEEE Intelligent Transportation Systems Magazine， 2021， 13（4）：17–30.

[109]李振龍， 王保菊， 金雪， 等.綜合考慮公交相位優先和非公交相位補償的單點信號優化方法[J].科學技術與工程， 2015， 15（12）：109–113，117.

[110]樹愛兵， 劉明， 劉小高.干線公交優先下的相位快速補償機制研究[J].交通運輸工程與信息學報 ， 2022， 20（1）：98–107.

[111] HE Q， HEAD K L， DING J. PAMSCOD： Platoon-based arterialmulti-modalsignalcontrolwithonlinedata[J]. Transportation Research Part C： Emerging Technologies，2012， 20（1）：164–184.

[112] HE Q， HEAD K L， DING J. Multi-modal traffic signal control with priority， signal actuation and coordination[J]. Transportation Research Part C： Emerging Technologies，2014， 46：65–82.

[113] SUN L T，SONG R. Improving efficiency in congested trafficnetworks： Pareto-improvingreservationsthrough agent-basedtimetabling[J]. Sustainability， 2022， 14（4）：2211.

[114]胡盼， 楊曉光.基于廣義出行成本的出行方案優化[J].系統工程理論與實踐， 2017， 37（4）：982–989.

[115]趙靖， 徐競琪， 嚴佳超， 等.考慮行程時間波動的干線信號協調控制魯棒優化模型[J].鐵道科學與工程學報 ， 2023， 20（4）：1261–1269.

[116]王嘉文， 杭佳宇， 李思潔， 等.自適應信號控制交叉口行程時間可靠性[J].系統工程， 2020， 38（5）：109–117.

[117] SHEFFI Y， POWELL W B. Optimal signal settings over transportationnetworks[J]. JournalofTransportation Engineering， 1983， 109（6）：824–839.

[118] POLYDOROPOULOU A， PAGONI I， TSIRIMPA A， et al. Prototype business models for Mobility-as-a- Service[J]. Transportation Research Part A： Policyand Practice， 2020， 131：149–162.

[119]楊曉光， 郝正博， 楊正， 等.智能交通主動管理與服務系統（ATMaaS）框架體系[C]//交通治理與空間重塑——2020年中國城市交通規劃年會論文集.北京：中國建筑工業出版社， 2020：2055–2063.

（編輯：丁紅藝）