混合交通环境下网联交叉口车辆协同诱导策略及仿真测试

在由智能网联汽车(CAV)与网联人工驾驶汽车(CHV)组成的混合交通环境下,以提升网联信控交叉口的行车效率、降低燃油消耗量为目标,设计了网联信控交叉口场景,在完成车辆运动学、跟驰及油耗建模的基础上,提出了一种基于车辆编队的网联车辆协同诱导策略,以平均行驶延误时间和平均燃油消耗量为评价指标,基于SUMO平台完成仿真测试。测试结果表明:在稀疏、欠饱和及过饱和交通流量条件下,随CAV渗透率的提升,通行效率和燃油经济性不断提高;在CAV渗透率低于60%时,CHV驾驶员服从度对协同行车诱导策略性能的影响更为显著。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

网联自动车混行状态下信号交叉口通行能力分析

车头时距是表征交叉口通行能力的主要参数。为探讨网联自动车混行状态下交叉口的通行能力,通过网联自动车跟驰模型推导通过停止线的安全车头时距,分析混行状态下4种跟驰行为,针对是否考虑前车类型,基于概率模型构建混合交通流背景下交叉口通行能力模型,通过参数标定分析网联自动车速度、车头时距、渗透率及信号控制对交叉口通行能力的影响,其中人工驾驶车辆的相关参数和模拟场景中涉及的数据均为实测所得。结果表明,网联自动车速度增加、车头时距减小、渗透率增加、不考虑前车类型都会提升交叉口的通行能力,混合交通流背景下提升交叉口通行能力的根本原因在于车辆通过停止线的均衡态车头时距减小;交叉口受信号控制时的均衡态车头时距越小,通行能力降低幅度越显著。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点，是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略，在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流，推动着城市道路交通控制对象、数据环境和控制手段的变革，为交通控制提出巨大挑战的同时，也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点，尚处于研究起步阶段。根据路权特征，先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究，包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究，包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展，但RV驾驶行为的随机性、...     

考虑前后多车的网联自动驾驶车辆混流跟驰模型

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展，网联自动驾驶车辆（CAV）、自动驾驶车辆（AV）和常规人驾车辆混行的交通流将在未来长时间存在。建立适用于网联自动驾驶车辆、自动驾驶车辆和常规人驾车辆3种类型车辆的混流跟驰模型，考虑多前后车车头间距、多前车速度差、加速度差、与主体车辆的相对距离等因素，并进行典型场景的数值仿真。刹车和起步过程的3种混流数值仿真结果显示，模型在几种典型混行场景下均具有可行性，车辆的加速度和速度变化更为平缓。不同CAV比例下的数值仿真结果显示，车队中CAV比例越高，车队整体恢复至平稳状态的时间越短，波动幅度越小。CAV均质流数值仿真结果表明，与MHVAD模型相比，该模型不稳定区域减小33.8%，所控制的车队速度波动幅度减小14%。CAV与AV混流的数值仿真结果显示，与PATH实验室模型相比，由该模型控制的车队加速度进入相对稳定状态提前5.5 s。该模型可用于不同车辆均质流及3种车辆混行的队列控制，在目前开展混行实车试验困难的情况下，也可应用该模型进行混行跟驰仿真，从而为混行交通流的道路交通管理及基础设施布设提供理论依据和模型支持。     

基于车路协同环境的信号交叉口车速引导方法

针对现有的车速引导模型存在未综合考虑车辆跟驰行为、引导场景划分较粗略等问题，研究了4种基于车路协同环境下实时优化各车的车速引导模型。对车辆进行所属车辆列队划分，考虑车速引导影响对FVD跟驰模型进行改进。以车辆列队为引导单元，将车辆可能面临的交通状况细分为8种引导场景，以引导车辆不停车或少停车通过交叉口为目标，直接优化车辆加/减速度，建立车辆列队后车根据改进的跟驰模型计算目标跟驰加/减速度，并与头车组成列队以同一目标车速通过交叉口停车线的4种车速引导模型。以南昌市海棠北路/枫林西大街交叉口为例进行仿真验证，结果表明，所提出的车速引导模型能使车辆行程时间减少18.9%，最大排队长度减少58.8%，延误减少60.8%，燃油消耗减少36.4%，且适用于不同交通饱和状态，对提高信号交叉口通行效率和减少车辆燃油消耗有显著效果。      

智能网联环境下城市路网通行能力分析

为了探究城市路网中混有智能网联车辆(CAV)的交通流特性，研究CAV不同渗透率分布下对路网通行能力的影响。应用智能驾驶模型(IDM)和协同自适应巡航控制模型(CACC)分别作为人工驾驶车辆(HDV)和智能网联车辆的纵向速度更新规则，并建立考虑车辆到信号交叉口距离影响的横向换道规则。推导基于各渗透率等级路段占路网长度比例下的混合交通宏观基本图模型(MFD),通过SUMO仿真验证模型有效性。最后针对模型中的比例参数进行敏感性分析。结果表明：混合交通MFD可以用于异质交通流组成的城市路网宏观交通状态的有效估计与通行能力分析。当CAV渗透率均匀时，在路段渗透率高于30%时，路网通行能力提升显著；当CAV渗透率非均匀时，异质路网的通行能力随着渗透率等级较高路段比例的增加而逐渐提高，100%CAV路段比例的影响尤为显著。混合交通MFD为混有CAV的城市交通调控和CAV在路网中的路径规划提供理论参考。     

基于通行能力的借对向车道左转交叉口信号控制模型优化

借道左转是一种在交叉口现有车道设置基本不变的情况下,为了保证更多的左转车辆可以快速通过交叉口而借用对向出口车道进行左转的新型交通组织方式。该交通组识方式适用于当前有专用左转信号相位且左转车流量较大的交叉口。基于苏州市人民路-十梓街交叉口的实际运行困境,在该交叉口进口道进行借对向车道左转的渠化设计和信号控制方案设计,以此来提高交叉口的交通流通行效率。通过分析车流到达情况和车道使用情况,基于传统交叉口通行能力公式,建立借道左转交叉口通行能力模型。接着以左转通行能力最大为目标,以预信号时长、借道左转车道的开口位置为优化变量,建立了交叉口信号控制方案优化模型,并采用迭代算法进行求解。最后通过仿真试验,利用人民路-十梓街交叉口的实际运行数据对所建立的优化控制方案进行验证,证明模型的有效性。结果表明:优化后的借道左转方案可以提高左转机动车通行能力,降低进口道延误,提高交叉口的整体运行效率;对于设置了借道左转车道的两个南北向进口道,左转车道的平均延误分别降低了35%和33%,平均排队长度也有显著下降,且对没有设置借道左转的东西进口道影响较小,说明该借道左转组织方案在左转车流量较大的交叉口适用性良好,具有实践价值和可操作性。     

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题，基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法，旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差，使得各个方向车流互相预知对方驾驶行为，以实现车辆自组织穿插通过交叉口，以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例，根据调查数据和Vissim仿真分析结果显示，所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

车路协同环境下多车协同车速引导建模与仿真

车路协同环境是利用无线通信技术、电子信息技术等高新技术建立的新颖交通环境,其以车车、车路通信为基础,有效实现了信息在系统内部的快速、准确、有效的传输,弥补了目前交通基础数据实时性、可靠性等方面存在不足.利用车路协同环境下,在单车车速引导的基础上,以交叉口整体效益最佳为目标,提出信号交叉口多车协同车速引导模型,以最大限度地降低交叉口车均延误,减少平均停车次数,提高绿灯时间利用率.同时,以上海市曹安路-绿苑路交叉口为例进行仿真验证,研究结果表明,相比于单车引导而言,多车协同引导可适用于高、中、低等不同饱和状态,且可有效降低交叉口车均延误及平均停车次数.      

网联自动驾驶车辆通过信号交叉口的速度轨迹优化

以网联自动驾驶汽车(Connected Autonomous Vehicle, CAV)为研究对象, 研究了CAV车队通过城市信号交叉口的速度轨迹优化控制策略。基于最优控制理论, 采用CAV的自动驾驶模型描述车间相互作用, 以所有CAV车辆在行驶过程中的总油耗为优化目标, 根据信号灯的配时信息建立模型约束, 通过优化CAV头车的速度轨迹, 保证整个CAV车队在绿灯相位下快速通过交叉口并实现油耗最小。为了对该优化控制进行高效求解, 采用离散Pontryagin极小值原理建立最优解的必要条件, 利用基于神经网络训练的弹性反向传播(Resilient backpropagation, RPROP)算法设计了数值求解算法。多个典型场景的仿真结果显示: 整个CAV车队均能在不停车的情形下通过信号交叉口, 避免因在红灯时间窗到达停车线造成的停车、启动等过程, 总油耗量最高可减少69.74%。该控制方法利用网联自动驾驶技术的优势, 显著改善了城市交通通行效率和燃油经济性。      

Hierarchical distributed coordination strategy of connected and automated vehicles at multiple intersections

In this paper, we present a hierarchical distributed coordination strategy for connected and automated vehicles (CAVs) that are travelling through multiple unsignalized intersections. The control strategy focuses on the improvement of vehicle fuel efficiency and system mobility. In presence of wireless communication among the involved CAVs and the intersection controllers, our coordination strategy focuses on leading the CAVs travel through a road network without conventional traffic light control and ensuring collision avoidance at the intersection areas. We propose a three-layered coordination strategy in this paper. First, we evaluate the road desired average velocity considering both upstream and downstream traffic to speed up the traffic density balance. Second, the intersection controllers optimally assign reference velocity to each vehicle based on the minimization of velocity deviation from its current velocity and collision avoidance at the intersections. Finally, fast model predictive control (F-MPC) is applied for each vehicle to track their reference velocity in a computationally efficient manner. Two simulation scenarios with different difficulty levels have been implemented on a two-interconnected intersection network. Simulation results indicate the feasibility and scalability of the proposed method, as well as vehicle fuel efficiency and system mobility improvement.     

智能网联车辆交通流优化对交通安全的改善

为改善常规驾驶车辆交通流追尾碰撞交通安全状况,提出智能网联车辆（Connected and Automated Vehicles,CAV）与常规车辆构成的混合交通流车队稳定性优化控制方法。基于全速度差模型,应用集成速度与加速度的多前车反馈构建CAV跟驰模型,考虑CAV混合交通流车辆空间分布的随机性,将各类型局部车队稳定性作为优化目标,以局部车队头车速度扰动为系统输入,以尾车速度扰动为系统输出,应用经典控制理论领域的传递函数法推导局部车队稳定性约束条件;分析关于平衡态速度与CAV反馈系数的车队稳定域,以各类型局部车队能够在任意平衡态速度下均稳定为控制目标,对CAV反馈系数输出进行优化控制;设计高速公路上匝道交通瓶颈数值仿真试验,在不同CAV比例等多种条件下,分析CAV混合交通流优化控制对交通流车辆追尾碰撞风险的影响。研究结果表明：CAV混合交通流优化控制可降低车辆追尾碰撞风险,在碰撞时间阈值小于2 s时,100%比例的CAV交通流可将交通流的车辆追尾碰撞风险降低85.81%以上;在碰撞时间阈值大于2 s时,追尾碰撞风险可降低48.22%～78.80%。所提优化控制方法可有效降低CAV车队优化控制的复杂性,为大规模CAV背景下的混合交通流优化控制以及车辆追尾碰撞交通安全提升策略提供直接理论参考。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展，越来越多的网联自动驾驶车辆（Connected and Autonomous Vehicle， CAV）涌入道路交通，与传统人工驾驶车辆（Human Pilot Vehicle， HPV）形成混合交通流（Mixed Traffic Stream， MTS）。为在提高MTS交通流量的同时保证交通安全，面向未来的混行交通环境，结合交通工程中人、车、路等要素，设计基于多智能体系统的CAV集聚控制模型（Agglomeration Control Model of Connected and Autonomous Vehicle Based on Multi-Agent System，ACMCAV-MAS）。该模型针对CAV的可控性和HPV的随机性，意在通过集聚控制，促使道路中分散行驶的CAV集聚成行驶条件更优的队列。具体以Agent的形式设计与集聚控制相关的底层车辆Agent（CAV-Agent和HPV-Agent两类）和上层管理Agent。同时，针对同质要素间的匹配和异质要素间的风险规避，区别于常规的无集聚（No Agglomeration，NOA）策略，提出车队级集聚（Platoon Level Agglomeration， PLA）和车道级集聚（Lane Level Agglomeration，LLA）2种策略及相关的CAV-Agent集聚控制算法。基于ACMCAV-MAS及元胞自动机模型，在不同交通流密度和不同CAV-Agent渗透率下进行仿真试验。结果表明：集聚策略能在60%的CAV-Agent渗透率下取得最佳效益，同时，在60 veh·km^-1密度条件下，车队级集聚策略平均能提升38.14%的交通流量，比车道级集聚的提升效果高9.73%，并能在40~50 veh·km^-1的密度范围和50%~70%的CAV-Agent渗透率条件下有效缓解交通拥堵；通过对中高密度交通流下的纵向风险分析，发现2种集聚策略在低CAV-Agent渗透率下的风险发生率无显著差异，且最大风险降低比例都能达到20%以上，然而，在实际交通情况下，集聚策略可能会在一定程度上导致横向碰撞风险的增加。在未来的工作中，将继续探究降低横向碰撞风险的方法，同时着力解决目前仿真框架中对于人工驾驶行为异质性建模不够完善的缺陷，不断优化ACMCAV-MAS，为未来MTS中自动驾驶策略的制定提供理论依据。     

一种新式的交叉口左转待行区信号控制方法

针对信号交叉口许可相位运行期间直行车与左转车交通冲突严重、通行效率低下的问题，提出一种针对许可相位的新式左转待转区设计方法，设计该组织模式下的信号相位方案并分析了设置左转待转区前后的交通冲突情况。建立新式左转待转区设置后的延误模型，以车均延误最小为优化目标，建立改进后交叉口信号控制参数优化模型，并给出求解算法。以哈尔滨市融江路-群力第六大道交叉口为例，VISSIM仿真表明：尽管提出的方法对次要道路中左转车的延误和停车率不利，但总的车均延误在下降，特别是主路相位延误下降更明显，说明所提方法可行、有效。进一步分析交通流量规模、左转车比例和左转待转区容量等因素对设置左转待转区前后次要道路车均延误的影响，结果表明：当每方向左转待转区容量固定不变时，红灯期间到达的左转车辆数越多，所提方法适用的次要道路交通流量临界点越高，且随着次要道路交通流量的增加，所提方法适用的临界左转比例在下降；在相同交通条件下，每个方向左转待转区容量越大，车均延误就越小，说明每个方向左转待转区容量越大，所提方法的效果越明显。该方法有助于改善含许可相位的信号交叉口交通安全和通行效率。     

信号交叉口车路环境对电动自行车释放膨胀特性的影响分析

电动自行车数量的急剧增长导致其在绿灯释放阶段膨胀特性明显，进而加重了交叉口的机非冲突、降低了车流的通行效率。利用视频轨迹提取技术，通过光流法的表现形式描述直行电动自行车在绿灯期间的膨胀特征，并根据其密度变化、膨胀差异和电动自行车对机动车的影响程度，确定出释放初期为主要研究时段；同时，提出了一种反映电动自行车膨胀变化的新型指标膨胀度，分别通过线性相关分析、秩相关性分析和偏相关分析，确定了车路环境中影响膨胀度的动态因素和静态因素；最后基于6个信号交叉口的实测数据，建立各因素与膨胀度的数学关系模型，并结合实际交通条件，给出不同车路环境下电动自行车的管控措施与渠化方法。研究结果表明：车路环境中的电动自行车流量、机动车流量、电动自行车过街距离、非机动车进/出口道宽度、机非分隔带设置情况这5种因素对膨胀度的影响能力各异，右转机动车流量与膨胀度相关性最高。此外，动态因素与膨胀度之间具有确定的函数关系，存在电动自行车与机动车流量均衡效益最大的优势区域；静态因素的差异会导致电动自行车膨胀形式的变化；膨胀度可与动态、静态因素构建复合函数模型。研究成果可为混合交通流的渠化设计和信号配时提供理论依据和技术支持。     

基于动态清空距离的特殊车辆与CAVs混合车道控制

特殊车辆的优先通行是道路交通管理的一项重要工作,而目前相关控制措施存在实施难度较大、道路空间利用率低和道路通行能力下降等问题。为解决这些问题,结合智能网联汽车（CAVs）技术特点,提出考虑特殊车辆优先通行的CAVs专用车道控制方法,按应急车辆、一般优先级车辆和CAVs的优先通行顺序设计车辆通行规则。通过预测特殊车辆到达下游交叉口时的路口排队长度,建立“满足不同优先级特殊车辆通行需求”的动态清空距离模型,其中应急车辆以速度损失最小化为优化目标,一般优先级车辆以均衡车辆通行需求为优化目标。针对CAVs在专用道上可能成为其他车辆通行障碍的情况,考虑换道安全和不同换道动机,设计CAVs进入和离开专用道的规则,建立换道决策控制模型;在此基础上,提出适用于不同优先级车辆的专用车道通行控制策略。通过仿真实验对所提方法的控制效果予以分析验证。实验结果表明:与不考虑特殊车辆优先通行的控制方法相比,虽然该方法的车均出行时间和人均出行时间分别增加了3.9%和2.8%,但特殊车辆的车均延误时间减少了59.6%以上;与IBL控制方法相比,该方法的车均出行时间和人均出行时间分别减少16.7%和14.6%,特殊车辆的车均延误时间减少13.5%,专用车道利用率提高36.3%以上,并且在CAVs渗透率大于0.4时获得最佳控制效果。该控制方法在特殊车辆优先通行方面,减少了单一控制策略的局限性,为交通控制和管理提供理论支撑。