車路協(xié)同仿真場景設計與實現(xiàn)

崔琳娜，吳克壽

(廈門理工學院計算機信息與工程學院，福建 廈門 361024)

車路協(xié)同仿真場景設計與實現(xiàn)

崔琳娜，吳克壽

(廈門理工學院計算機信息與工程學院，福建 廈門 361024)

為改善道路安全、提高交通效率并實現(xiàn)智慧交通，提出一種基于多智能體的車輛自組網(wǎng)絡和路側(cè)無線感知網(wǎng)絡的車路協(xié)同系統(tǒng)混合架構.該架構中每臺車和各重要路口的信號燈均為多智能體，包含路側(cè)終端、車載終端和行人探測器，通過無線通信網(wǎng)絡實現(xiàn)人-車-路信號互聯(lián)，全方位感知周圍環(huán)境信息.用TransModeler對廈門市某區(qū)域進行仿真,結(jié)果表明：該架構可以準確、全面地感知道路環(huán)境，采集交通事故信息，反映全路網(wǎng)運行狀況，并可依據(jù)仿真結(jié)果對交通異常情況進行預測和判定，為路網(wǎng)的安全運行提供有力的參考.

車輛自組網(wǎng)絡；多智能體；車路協(xié)同；TransModeler；智能交通

車路協(xié)同系統(tǒng)(cooperativevehiclesinfrastructuresystem,CVIS)是用來實現(xiàn)車載設備與路側(cè)系統(tǒng)以及周邊車載設備通信的前沿技術.通過CVIS，車輛能更好地感知周圍環(huán)境，接受協(xié)助駕駛的重要信息，道路監(jiān)管部門能更迅速地處理交通事故并將車流從事故區(qū)域疏散[1].國際上，車路協(xié)同系統(tǒng)主要有美國的VII，IntelliDrive，歐盟的SafeSpot，Coopers，eSafety，日本的Smartcar，Smartway等[2-3].車路協(xié)同技術的關鍵是實現(xiàn)車與車之間和車與路之間的通信.車路通信即在路側(cè)間隔設置路側(cè)通信單元(road side unit,RSU)，形成路側(cè)無線通信網(wǎng).車車通信即通過建立車輛自組網(wǎng)絡(vehicular ad-hoc network,VANET)實現(xiàn)車輛跟馳和防撞預警[4].VANET中實現(xiàn)車車、車路通信方式有：ZigBee，GPRS,WiMAX,WiFi和專用短程通信技術(DSRC)等[5].現(xiàn)階段國內(nèi)一些研究人員設計車聯(lián)網(wǎng)系統(tǒng)時，利用DSRC實現(xiàn)車車、車路信息的傳輸，采用3G/4G、WiFi、GPS、WiMAX實現(xiàn)車-中心和路-中心的通信[6]，但因尚未考慮到路側(cè)行人探測器控制和適用于車路協(xié)同的多種傳感器的接入，而不能滿足實際工程的需要.本文結(jié)合多智能體對車路協(xié)同模型做進一步改進，提出車輛專用通信網(wǎng)絡和路側(cè)無線傳感網(wǎng)絡混合的基于多智能體的CVIS架構，通過多智能體對CVIS進行分布式的協(xié)同自適應控制.

1　多智能體車路協(xié)同系統(tǒng)模型

多智能體系統(tǒng)是由多個可計算的智能體組成的集合,多智能體具有模塊化、擴展性好的特點，因而適合于應用到分散性大、復雜度高的交通控制網(wǎng)絡[7-8].本文設計的車路協(xié)同模型由基于多智能體的車載控制單元(on board unit,OBU),路側(cè)通信單元(road-side unit,RSU),基于多智能體的路側(cè)基礎設施(road-side infrastructure，RSI),傳感器節(jié)點(sensor node，SN),交通故障探測器(accident investigator node，AIN)5部分組成.

每臺車上裝載基于多智能體的車載控制單元OBU,路側(cè)配置路側(cè)通信單元RSU,車車間車路間的通信采用基于IEEE 802.11p的DSRC，并由此構成VANET車輛自組網(wǎng)絡.VANET的主要功能：通過檢測車速以及車輛的位置坐標是否與調(diào)度相符來保證道路安全，并可解決小型車輛因被大型車輛遮擋而不能與路側(cè)通信設備通信的問題.某一區(qū)域感知到的信息被分布式地存儲在冗余的傳感器節(jié)點中并傳遞給朝這一區(qū)域靠近的車輛，以此在VANET中傳遞危險警示信息.基于多智能體的車路協(xié)同系統(tǒng)如圖1所示.

此種架構將會面臨如下問題：因VANET中作為網(wǎng)絡節(jié)點的車輛的行駛速度不同而導致網(wǎng)絡的拓撲結(jié)構快速變化，進而導致車輛間的通信不能穩(wěn)定存在.針對上述問題，對DSRC作分析得出如下結(jié)果：DSRC的物理層(PHY)和數(shù)據(jù)鏈路層(MAC)應采用車輛環(huán)境無線訪問協(xié)議WAVE.WAVE由IEEE 802.11 p和IEEE1609協(xié)議棧2部分組成.使用DSRC，V2V和V2I之間的通信連接可在50 ms以內(nèi)，從而滿足安全類信息需在100 ms內(nèi)完成傳輸?shù)囊骩9].

無線傳感網(wǎng)(wireless sensor network,WSN)中的傳感器分為交通信息監(jiān)測器和交通故障探測器(AIN)以及行人探測器(pedestrian detection sensors，PDS).交通故障探測器一旦探測到交通事故，會立刻通過WSN將信息發(fā)送給附近車輛，提醒向事故地點靠近的車輛繞行，以緩解交通擁堵.行人探測器檢測到過街行人并將信息傳遞給路口附近車輛，車上搭載的OBU接收信息后會提醒駕駛者減速以使車路協(xié)同系統(tǒng)更加安全智能.WSN顯著擴大了車輛的感知范圍，車主能夠?qū)Νh(huán)境變化做出快速反應以保證車輛的安全.

2　車路協(xié)同中多智能體的控制結(jié)構

本文以具有智能性和適應性的Agent為基本組成，以“遞階集散”的協(xié)同模式來實現(xiàn)各Agent的動態(tài)響應和動態(tài)組合，Agent集中與分散相結(jié)合，實現(xiàn)信息的快速流通與周轉(zhuǎn)，實現(xiàn)車路協(xié)同系統(tǒng)的協(xié)同實施.這里“遞階集散”是指在垂直空間按照Agent的功能把實施分解到不同的層次上；在水平空間通過對Agent進行智能集散將實施分解到不同子區(qū)中，并通過Agent之間的協(xié)同來實現(xiàn)系統(tǒng)的管理任務和目標.采用“遞階集散”的協(xié)同實施模式，每一個交叉口都是一個Agent，協(xié)同Agent按照全局優(yōu)化的觀點來裁決，化解相鄰交叉口的沖突.根據(jù)車路協(xié)同系統(tǒng)的分布式層次結(jié)構的特征，基于Multi-Agent的車路協(xié)同系統(tǒng)采用“遞階集散”的層次結(jié)構如圖2所示.

中心級由中心控制Agent組成，根據(jù)路網(wǎng)結(jié)構特征、交通流預測等交通影響因素，對交通運行狀況作出評估，協(xié)同交通控制系統(tǒng)和交通流誘導系統(tǒng)，監(jiān)控和指導區(qū)域Agent的運行.區(qū)域Agent的主要功能有：協(xié)同子區(qū)內(nèi)的交通控制與誘導，接收區(qū)域間協(xié)同Agent的指令，完成信息的上傳下達.路口執(zhí)行Agent根據(jù)來自檢測器的實時交通檢測數(shù)據(jù)分析處理結(jié)果及子區(qū)協(xié)同層的協(xié)同控制指示，確定適當?shù)牟呗?，?yōu)化設計和調(diào)整對應路口的信號配時方案和誘導策略.通過對路口執(zhí)行Agent對單個交通信號對象控制，實現(xiàn)CVIS協(xié)同控制.

3　仿真與結(jié)果

利用智能交通仿真軟件TransModeler3.0構建廈門市某區(qū)域路網(wǎng)并分別建立傳統(tǒng)環(huán)境下和車路協(xié)同環(huán)境下的仿真場景模型，該模型包括6個交叉路口和7個路段，路網(wǎng)建模區(qū)域如圖3所示.

首先采集了路段名稱，車道寬度，車道數(shù)，人行橫道的寬度和位置，交叉口、出入口的位置及其間距等幾何數(shù)據(jù).其次收集了道路限速信息，交叉口控制信息和控制特點(信號配時、綠信比、是否有左轉(zhuǎn)信號燈等)，交通標志，飽和流量和理論飽和流量信息等運營數(shù)據(jù).最后從google earth中導入仿真底圖，再基于采集的幾何數(shù)據(jù)和運營數(shù)據(jù)構建仿真路網(wǎng).以某日該路段的實際觀測交通流量信息作為模型中OD矩陣的初始數(shù)據(jù)信息，如表1所示.

表1　市政府周邊路段交通流量表

OD矩陣由表1中的數(shù)據(jù)經(jīng)全有全無法OD反推得到，即首先依據(jù)交通流量表數(shù)據(jù)得到初始OD矩陣，隨后依據(jù)全有全無法得到反推后的OD矩陣.OD矩陣反推是根據(jù)關鍵路段的交通量數(shù)據(jù)來推算或更新OD矩陣.本文所采用的OD反推是在Nielsen的OD反推模型的基礎上進行完善后得到的，其本質(zhì)是將交通量看作隨機變量，并與交通分配方法相結(jié)合，采用迭代的方式，在交通分配階段和OD矩陣估計階段反復循環(huán)，直到2次分配間的誤差在指定的閾值范圍內(nèi).初始OD矩陣和反推后得到的OD矩陣如表2和表3所示.

表2　初始OD矩陣

表3　反推后得到的OD矩陣

傳統(tǒng)環(huán)境下的交通信號配時采用定時信號控制如表4所示.

表4　傳統(tǒng)環(huán)境下的交通信號配時

車路協(xié)同環(huán)境下信號控制為：每個信號燈都是一個多智能體，在車路協(xié)同下能夠?qū)崟r的感知路口的交通流量信息變化，依據(jù)這些信息對信號燈的信號配時進行韋伯斯特信號配時優(yōu)化，即根據(jù)實際到達交通量，利用韋伯斯特最佳周期公式計算出周期時長后，利用飽和比給各個相位分配最佳綠燈時間,即

(1)

式(1)中：Y為相位關鍵流量比之和.優(yōu)化后的信號配時結(jié)果如圖4所示.圖4中coordinated一行是指是否使用綠波效應協(xié)同，本文并未使用綠波效應，因此顯示為No.

為對比分析傳統(tǒng)環(huán)境下和車路協(xié)同下路段擁堵狀況、平均延誤時間和停車次數(shù)，分別在早高峰，晚高峰及平峰期3種路段狀態(tài)下對2種路段模型進行仿真，時間均為1 h.兩種模型下某一時刻的交通擁堵情況、各個路段的平均延誤時間和停車次數(shù)如圖5～6所示.

在傳統(tǒng)環(huán)境下，車輛密度分布很不均勻，且某一路段F的擁堵已經(jīng)延伸到G路段，并有延伸到相鄰區(qū)域的趨勢.而在車路協(xié)同環(huán)境下，雖然與擁堵車道相鄰路段B車輛密度有一定上升，但是與外界相連的G，D段車流密度有明顯下降，仿真片區(qū)邊緣路段車流密度降低，道路暢通.

通過仿真可知，與傳統(tǒng)環(huán)境相比，基于多智能體的車路協(xié)同環(huán)境下整體路段車輛出行的平均延誤時間降低23%，車輛平均停車次數(shù)降低48%，車輛在各個路段中的分布更為均勻，路段邊緣區(qū)域的車流密度更小，且某一區(qū)域的擁堵不會對相鄰區(qū)域造成壓力，擁堵可以集中并化解在更小的范圍內(nèi).交警可以集中對擁堵路段疏導，縮短疏導擁堵時間，減少因為道路擁堵造成的經(jīng)濟損失.

4　結(jié)論

本文使用TransModeler仿真軟件設計了基于多智能體的車路協(xié)同交通仿真平臺，在該平臺上對信號配時進行韋伯斯特信號配時優(yōu)化與交通信號控制未優(yōu)化以及無車路協(xié)同的仿真數(shù)據(jù)進行對比，結(jié)果表明基于多智能體和車路協(xié)同的信號控制模型具有更好的適應性與交通控制效率.在CVIS下，車輛在各個路段的延誤和停車次數(shù)要明顯低于傳統(tǒng)環(huán)境.CVIS可以全方位地收集道路信息為多智能體所用從而使道路交通更加安全智能，可以使道路交通分布更加均勻，充分利用現(xiàn)有的道路資源并緩解交通擁堵.

[1]張含，蔡伯根，李四輝．基于多分辨率建模的車路協(xié)同系統(tǒng)仿真場景設計與實現(xiàn)[J]．系統(tǒng)仿真技術，2013，9(1)：52-60．

[2]楊帆，云美萍，楊曉光，等．車路協(xié)同系統(tǒng)下多智能體微觀交通流模型 [J]．同濟大學學報：自然科學版，2012，40(8)：1189-1196．

[3]張存保，陳超，嚴新平．基于車路協(xié)同的單點信號控制優(yōu)化方法和模型 [J]．武漢理工大學學報，2012，34(10)：74-79．

[4]HAFNER M R，CUNNINGHAM D，CAMINITI L，et al.Cooperative collision avoidance at intersections:Algorithms and experiments[J].IEEE Transactions on Intelligent Transportation Systems，2013(3):1162-1175.

[5]YIN Xiao-yan，MA Xiao-min，TRIVEDI K S.An interacting stochastic models approach for the performance evaluation of DSRC vehicular safety communication[J].IEEE Transactions on Computers，2013,62(5):873-885.

[6]張和生，張明洋，孫偉．基于IEEE802.11p高速車路通信環(huán)境研究[J]．儀器儀表學報，2013，34(5)：1181-1187．

[7]黃艷國，羅強，許倫輝.基于多智能體的城市交通區(qū)域協(xié)調(diào)控制方法[J]．武漢理工大學學報：交通科學與工程版，2010，34(2):409-412.

[8]ERNST T,NEB EHAJ V,SRASEN R.CVIS:CALM proof of concept preliminary results[J].9th International Conference on Intelligent Transport Systems Telecommunications,2009,19(5):80-85.

[9]黃羅毅，吳志周，楊曉光，等．基于仿真的IEEE 802.11p在車路協(xié)同中的適應性研究 [J].交通信息與安全，2011，29(3)：123-126．

(責任編輯李寧)

CVIS Scenario Design and Implementation

CUI Lin-na，WU Ke-shou

(School of Computer and Information Engineering,Xiamen University of Technology,Xiamen 361024,China)

In order to make safer，faster and smarter roads,a hybrid cooperative vehicles infrastructure system(CVIS) architecture that combines Vehicular ad-hoc networks based on multi-agent and roadside wireless sensor networks was proposed.All cars and major intersection lights in the architecture are multi-agent based,including road-side units,car terminal and pedestrian detectors to achieve people-vehicle-road connection and to perceive comprehensive information of the surrounding environment through the wireless communication network.TransModeler simulation of an area in Xiamen shows that the architecture can accurately sense the road environment,collect accident information,reflect the operation of the road network,and predict and determine traffic anomalies based on the simulation results,thus providing convincible references for the safe operation of road network.

VANET；multi-agent；CVIS；TransModeler;ITS

2014-09-21

2014-11-06

崔琳娜(1990-),女，碩士研究生，研究方向為電器智能化，智能交通仿真.通訊作者：吳克壽(1975-)，男，教授，博士，研究方向為軟件體系結(jié)構，嵌入式系統(tǒng)安全.E-mail：kswu@xmut.edu.cn

U491.54；TP391.9A

1673-4432(2015)01-0051-06