車路協(xié)同下基于行車指引的改進(jìn)STCA雙車道換道模型

李 珣 馬文哲 趙征凡 張凱兵 王曉華

(1 西安工程大學(xué)電子信息學(xué)院，西安 710048)(2 Bernoulli Institute Faculty of Science and Engineering, University of Groningen, Groningen 9747AG, Netherlands)(3工業(yè)和信息化部電子第五研究所，廣州 510610)

雙向四車道道路是我國城鎮(zhèn)最常見交通基礎(chǔ)設(shè)施，為保證道路交通流通暢，當(dāng)前做法以路況實(shí)時(shí)播報(bào)、交通口信號燈配時(shí)誘導(dǎo)等為主.由于人類前向觀察駕駛習(xí)慣和易受精神狀態(tài)的影響，借助現(xiàn)有手段提升路段使用效率十分有限.智能交通系統(tǒng)(ITS)和5G的出現(xiàn)為車路協(xié)同中道路與車輛狀態(tài)的信息交互提供了條件[1].因此，在未來信息交互條件下如何有序指引車輛運(yùn)行、提高交通安全與道路使用效率值得進(jìn)行研究[2]，而在車路協(xié)同條件下構(gòu)造適合特征路段的交通流模型是首先需要解決的問題[3].

目前，交通流模型主要分為宏觀和微觀交通流模型[4]，其中描述微觀交通現(xiàn)象如車輛的跟隨、超車、換道等的模型稱為微觀交通流模型.在新技術(shù)環(huán)境下，換道模型對于微觀交通流的影響是智能交通控制方向的研究重點(diǎn)之一，受到國內(nèi)外學(xué)者的關(guān)注.Lee等[5]提出的多車道SOVM有效解決了加減速區(qū)車輛速度不可預(yù)測波動(dòng)問題.Lombard等[6]提出了一種基于在線優(yōu)化算法動(dòng)態(tài)調(diào)整參數(shù)的協(xié)同換道模型，讓車輛更具有調(diào)整自身行為的能力.Li等[7]建立聯(lián)通自動(dòng)車輛(CAVs)變道協(xié)同軌跡規(guī)劃模型，解決了車輛分組與運(yùn)動(dòng)規(guī)劃2個(gè)關(guān)鍵問題.上述研究均是通過現(xiàn)有技術(shù)手段達(dá)到車路互通的效果.但由于上述模型較為復(fù)雜，普適性不好，而簡單的元胞自動(dòng)機(jī)模型能夠離散化處理時(shí)間、空間、狀態(tài)，因此該模型成為我們研究的重點(diǎn).

元胞自動(dòng)機(jī)模型是研究微觀交通流的一種經(jīng)典模型，能夠用簡單模型描述復(fù)雜微觀交通對象間的關(guān)系，精確反映微觀交通流的特性.針對雙車道交通環(huán)境，Chowdhury等[8]提出了經(jīng)典的STCA模型，引入了雙車道換道規(guī)則.王永明等[9]在該模型基礎(chǔ)上提出STCA-I模型，引入風(fēng)險(xiǎn)度并提出一種彈性安全換道距離的概念；徐洪學(xué)等[10]提出X-STCA模型，該模型是針對這種安全換道距離規(guī)則的進(jìn)一步完善；李珣等[11]則在前期對STCA-I模型進(jìn)行多車道擴(kuò)展，提出一種基于車路協(xié)同環(huán)境的多車道換道策略，在保證安全換道的同時(shí)，利用協(xié)同換道規(guī)則增加了道路的交通流量，提高換道頻率和道路使用效率；熊勝輝等[12]根據(jù)典型周期邊界條件及雙車道交叉口效應(yīng)進(jìn)一步提出并行動(dòng)態(tài)更新規(guī)則；張存保等[13]同樣針對雙車道交叉口協(xié)同控制問題建立微觀交通流模型；Laarej等[14]利用能量消散和滿意度代表車輛在行駛過程中受到其他車輛阻礙時(shí)的狀態(tài)，對雙車道混合交通流特征進(jìn)行研究.但上述研究大多并不依附于車路協(xié)同條件，且根據(jù)人為駕駛的前向特征進(jìn)行模型構(gòu)建.

隨著ITS和智能車輛設(shè)備發(fā)展，車輛運(yùn)行決策過程可以增加周邊車輛運(yùn)行信息[15]，如沃爾沃City Safety安全系統(tǒng)能在車輛換道時(shí)提供側(cè)、后方車輛的威脅警告.面向未來車路協(xié)同交通環(huán)境，本文基于元胞自動(dòng)機(jī)模型在改進(jìn)NS模型基礎(chǔ)上提出雙車道換道模型，分析車輛局部的行車威脅構(gòu)造行車指引函數(shù)，依據(jù)行車指引更新車輛位置與速度，對STCA-S模型進(jìn)行改進(jìn)，建立車路協(xié)同條件下帶換道指引的雙車道換道模型并進(jìn)行數(shù)值模擬，將模擬結(jié)果與STCA、STCA-I、STCA-S模型及混合雙車道交通流模型[14]中快速車輛(FV)模型和慢速車輛(SV)模型在不同車輛密度下的車速、流量進(jìn)行對比，并對換道頻率以及誘導(dǎo)車速遵守率進(jìn)行分析.

1 雙車道及STCA-I模型

1.1 基于元胞表達(dá)的雙車道模型

為單純討論微觀交通對象即車輛之間影響與換道規(guī)則之間的關(guān)系，根據(jù)城市雙車道道路環(huán)境大多非主干道、存在交叉口、受信號燈控制等特點(diǎn)，本文限定所研究雙車道為無外界控制信號或存在匯入、匯出道路形式的路段.按照元胞自動(dòng)機(jī)建模范例[16]，將目標(biāo)道路分成并列2行若干個(gè)等長度的小格子，每小格代表一個(gè)元胞；定義右下角序號為當(dāng)前占據(jù)該位置的車輛編號，其中i表示車道標(biāo)號，j表示在第i個(gè)車道的第j個(gè)車輛，元胞方格右下角數(shù)字為該格中車輛速度，則每個(gè)元胞在t時(shí)刻的狀態(tài)為空置或被占據(jù)，如圖1所示.

圖1 雙車道車輛位置、速度示意圖

1.2 雙車道車輛關(guān)系描述

雙車道車輛在運(yùn)行過程中，受前、后、左/右鄰近車輛的干擾，因此，以圖1中車輛Ci,j在t時(shí)刻的位置作為參考點(diǎn)，雙車道車輛關(guān)系表達(dá)如下：

1)Li表示第i個(gè)車道，雙車道道路中可簡化i=[1, 2]表示車輛行進(jìn)方向的左道、右道.

2)Ci,j-1、Ci,j+1分別表示i車道車輛Ci,j的前、后車輛，對應(yīng)速度與位置使用相同角標(biāo)，即(vi,j-1(t),xi,j-1(t))、(vi,j+1(t),xi,j+1(t)).

3)Cic,j表示車輛將在下一時(shí)刻進(jìn)行換道，對應(yīng)的預(yù)換道位置表示為xic,j(t)，即t時(shí)刻i車道的第j個(gè)車輛將要更換車道.

4) 當(dāng)t時(shí)刻存在預(yù)換道車輛Cic,j，則該車輛換道后的前、后車輛表示為Cic,j-1、Cic,j+1，對應(yīng)位置與速度可表示為(vic,j-1(t),xic,j-1(t))、(vic,j+1(t),xic,j+1(t)).

(1)

式中，rmax為最大減速度.當(dāng)后車速度大于前車時(shí)，安全距離與前、后車速度以及最大減速度rmax相關(guān)，設(shè)t時(shí)刻第i車道第j個(gè)車的加速度為ai,j(t)，減速度為ri,j(t).

1.3 基于協(xié)同換道的STCA-I模型

STCA模型設(shè)定安全距離dsafe=vmax.針對該設(shè)定過于保守和苛刻的問題，為更好地模擬車輛實(shí)際存在的高速換道可能，STCA-I換道規(guī)則較STCA規(guī)則將鄰道車輛與將要換道車輛之間的相互影響以風(fēng)險(xiǎn)度dδ進(jìn)行表達(dá)，即

min{vic,j+1(t)+1,vmax}+dδ

(2)

(3)

STCA-I模型縮小了鄰道后車對換道后車輛的影響，保留較小制動(dòng)安全距離基礎(chǔ)上，以鄰道后車速度作為換道車輛的安全換道條件，在保證安全的前提下，提高車輛的換道靈活性.但該規(guī)則以人類駕駛車輛前向視覺特點(diǎn)構(gòu)建換道模型，因此未能進(jìn)行單個(gè)車輛動(dòng)態(tài)區(qū)域信息的綜合優(yōu)化，難以適應(yīng)已經(jīng)存在的道路車輛動(dòng)態(tài)信息實(shí)時(shí)交互的現(xiàn)代技術(shù).

2 基于行車指引的改進(jìn)STCA模型

如存在車輛運(yùn)行誘導(dǎo)信息，機(jī)動(dòng)車行駛過程中，能夠擺脫前向視野的約束，根據(jù)周圍車輛信息對自身車輛所受威脅進(jìn)行實(shí)時(shí)有效評價(jià)，還能夠根據(jù)道路遠(yuǎn)端車輛運(yùn)行狀態(tài)對本車狀態(tài)進(jìn)行控制，然后進(jìn)行換道決策.因此，雙車道車輛換道指引過程分為2個(gè)部分：基于局部車輛威脅度評價(jià)的換道指引、換道車輛的車速指引.

2.1 威脅度評價(jià)的換道指引

車輛人為駕駛的換道過程為：受前車阻礙、后視鏡判斷后車距離、打開轉(zhuǎn)向燈轉(zhuǎn)向.如果在車路協(xié)同條件下，依舊按照這樣的流程，將無法有效提高道路的使用效率，從而改善局部區(qū)域的交通流狀況，因此本文提出了一種較為全面考察周邊車輛狀態(tài)的換道指引.構(gòu)造指引模型如下.

1) 分析車輛換道需求.仍以Ci,j為觀察車進(jìn)行說明，即在下一個(gè)迭代步長中存在前車阻擋Ci,j或Ci,j阻擋后車的情況時(shí)，該車有換道需求，加入了影響后車行駛的判斷，滿足如下改進(jìn)后需求表達(dá)式，則向鄰近車道Lic換道，即Li→Lic：

(4)

STCA-I模型忽略了后車和前向不可視路況信息，沒有形成局部交通環(huán)境的全局運(yùn)行環(huán)境評價(jià)，因此本文根據(jù)1.1節(jié)雙車道環(huán)境模型進(jìn)行威脅度評價(jià)函數(shù)的構(gòu)造.

2) 構(gòu)造威脅評價(jià)函數(shù).假設(shè)在車路協(xié)同條件下t+1時(shí)刻Ci,j周邊車輛空間運(yùn)動(dòng)狀態(tài)可知，表達(dá)為si,j(t)，則可構(gòu)造對應(yīng)Ci,j的下一迭代步的車輛空間狀態(tài)矩陣如下：

(5)

則t時(shí)刻計(jì)算獲得存在t+1時(shí)刻對于車輛Ci,j威脅度評價(jià)Ti,j(t+1)，即

Ti,j(t+1)=

(6)

2.2 基于換道指引的車速誘導(dǎo)

(vic,j-1(t+1)+ai),vmax}

(7)

即觀察車的車速與換道后的前車下一時(shí)刻加速趨勢相關(guān)聯(lián)，達(dá)到同步加速的效果.

(vic,j+1(t+1)+ai),vmax)}

(8)

即觀察車在車路協(xié)同條件下同樣可以做到與后車加速趨勢相關(guān)聯(lián).

當(dāng)車輛密度高于臨界值后，道路阻塞點(diǎn)的產(chǎn)生不可避免，即使在自由流密度的狀況下，阻塞點(diǎn)依然可能產(chǎn)生(幽靈現(xiàn)象)，并后向傳播，造成車輛走走停停的狀態(tài).如果能夠?qū)η巴枞c(diǎn)位置的車輛給予早期的速度指導(dǎo)，線性的減速和加速過程將使得道路的暢通以及車輛的燃油經(jīng)濟(jì)性和環(huán)保均有所改善.因此在車路協(xié)同條件下，本文加入基于臨近阻塞點(diǎn)的車速調(diào)節(jié)規(guī)則.

借鑒文獻(xiàn)[17]中搜索阻塞點(diǎn)的方法，若滿足如下條件，且阻塞車輛數(shù)m≥3，則判定該處存在阻塞點(diǎn)(jam)，并設(shè)置阻塞點(diǎn)中最后的車輛處為阻塞點(diǎn)參考位置xi,jam_j(t)：

0∩vi,j(t)=vi,j-1(t)=…=vi,j-m(t)

(9)

統(tǒng)計(jì)阻塞點(diǎn)包含的車輛數(shù)m，按照符合實(shí)際情況的慢啟動(dòng)原則，處于阻塞點(diǎn)位置的首車的啟動(dòng)速度以及阻塞點(diǎn)內(nèi)的啟動(dòng)速度均應(yīng)為一個(gè)元胞距離，阻塞點(diǎn)消散時(shí)間tjam為m-1個(gè)仿真步長，所以對應(yīng)未到達(dá)阻塞點(diǎn)的后續(xù)車輛，給予的誘導(dǎo)車速值由下式計(jì)算獲得：

(10)

(11)

3 STCA-M模型更新規(guī)則

在車路協(xié)同條件下通過式(4)～(11)能夠?qū)④囕v速度的變化與本道、鄰道的前車、后車速度以及前方道路的擁堵狀況相關(guān)聯(lián)，目標(biāo)是減少道路中走走停停的車輛狀態(tài)，提高路段中的同步相.與NS-S模型采用同樣的更新規(guī)則，本文帶誘導(dǎo)指引的改進(jìn)STCA模型簡稱STCA-M(STCA for multi-vehicle)，其更新規(guī)則如下：

1) 基于威脅評價(jià)的換道規(guī)則

(12)

2) 基于誘導(dǎo)車速的加速規(guī)則

(13)

3) 基于臨近阻塞點(diǎn)的減速規(guī)則

(14)

4) 隨機(jī)慢化

vi,j(t+1)=

(15)

式中，pc為誘導(dǎo)車速的遵守率；Ri,j(t)為車輛Ci,j隨機(jī)慢化迭代產(chǎn)生隨機(jī)數(shù)，取值[0,1].

5) 位置更新

xi,j(t+1)=xi,j(t)+vi,j(t+1)

(16)

4 數(shù)值模擬及分析

在車路協(xié)同條件假設(shè)下，可交互的車輛運(yùn)動(dòng)基本信息至少包括速度、加速度以及局部堵塞點(diǎn)信息，車輛模型以7座及以下I型車為主，根據(jù)實(shí)際車輛運(yùn)動(dòng)特征，對模擬數(shù)據(jù)進(jìn)行以下初始化：車輛外形，長lc≤5 cm，寬bc≤5 cm;加速加速度aacc∈[0.4g,0.8g];減速加速度adec∈[-1.2g,-0.8g],g=9.8 m/s2.同時(shí)，假設(shè)信息交互頻率為1 Hz，設(shè)定元胞格表征5 m的道路長度，按照本文動(dòng)態(tài)安全距離函數(shù)，車輛加減速度信息更新頻率時(shí)間內(nèi)，位置變化范圍xi(t+1)-xi(t)在加速過程中為[2,4]m,減速過程中為[4,5]m，即在極端加速度變化下，車輛對應(yīng)位置變化不大于一個(gè)元胞格；車輛密度ρ=n/l，n為仿真車道長度為l的道路中車輛數(shù)；仿真道路長度l=2 km，由400個(gè)格點(diǎn)組成；最大車速選取vmax=4格/s=72 km/h；模擬時(shí)間為1×104個(gè)仿真步長，初始車速按照0～vmax隨機(jī)分布于道路中；為減少初始分布的影響，模擬結(jié)果的數(shù)據(jù)統(tǒng)計(jì)范圍為0.5×104～1×104步長.

4.1 速度與流量

本文分別對FV、SV、STCA、STCA-I、STCA-S、STCA-M模型進(jìn)行了復(fù)現(xiàn)，對數(shù)值模擬結(jié)果中不同車輛密度下平均速度、平均流量等基本指標(biāo)進(jìn)行對比，如圖2所示.

由圖2(a)可知，車輛密度極低(約為[0, 0.075]輛/km)路況中，車輛處于自由行駛階段，無需換道保持車速或有充足的安全換道間距，因此6種模型下微觀對象的車輛速度基本相同.當(dāng)車輛密度增加，趨于0.1 輛/km時(shí)，除FV模型外，其他5種模型均保持穩(wěn)定下降趨勢，而FV模型呈現(xiàn)出較為迅速的下降趨勢，然后上升.這是因?yàn)槿祟惖鸟{駛反應(yīng)時(shí)間和制動(dòng)習(xí)慣會(huì)導(dǎo)致車輛過量制動(dòng)，然后加速跟隨，頻繁啟停造成平均速度和流量變化的非線性.STCA類模型調(diào)節(jié)機(jī)制的核心是通過前車判斷后車狀態(tài)，在非車路協(xié)同條件下忽略了FV模型中人類駕駛受激反應(yīng).同時(shí)SV模型的平均速度與STCA-I、STCA模型相似甚至更優(yōu)，分析可知STCA與STCA-I模型中的定值安全距離以及較嚴(yán)苛的換道要求造成車輛需減速等待換道，因此出現(xiàn)平均速度明顯下降，而SV模型模擬人類駕駛習(xí)慣，較慢的速度能夠留給駕駛員更多判斷時(shí)間和更準(zhǔn)確的前車速度準(zhǔn)確認(rèn)知，從而避免了緊急啟停情況的發(fā)生.STCA-M模型的臨近阻塞點(diǎn)誘導(dǎo)車速可以提供駕駛?cè)诵熊囁俣鹊闹敢?，因此能夠獲得較SV模型更好的交通流數(shù)據(jù).在車輛密度區(qū)間[0.1, 0.325] 輛/km，6種模型平均速度的變化趨勢基本相同，但對應(yīng)相同密度值，STCA-M模型能夠獲得更高的平均速度值.這是因?yàn)樵诒ＷC安全換道的基礎(chǔ)上，STCA-M模型針對雙車道環(huán)境提供了最為靈活的換道規(guī)則，使得車輛能夠通過可能的換道保持車輛的速度.當(dāng)車輛密度進(jìn)一步增加，超過0.2 輛/km時(shí)，多數(shù)車輛雖然能保持同步，但較多啟?，F(xiàn)象和換道成功率降低導(dǎo)致平均速度下降斜率開始增大，STCA和STCA-I模型定值安全距離和換道條件苛刻的弊端造成其在此密度區(qū)間平均速度較低，甚至劣于SV模型.STCA-M模型在假設(shè)條件下?lián)碛休^好的速度與換道指引，可提前獲得適應(yīng)當(dāng)前交通環(huán)境的建議速度，提升安全換道的可能性，在此密度區(qū)間獲得最優(yōu)的平均速度，保證較好的同步流.當(dāng)車輛密度超過0.4 輛/km后，不同模型對應(yīng)的平均速度值均呈現(xiàn)相同的下降趨勢，STCA-M模型并不能獲得更加明顯的速度保持，這表明通過協(xié)同控制手段調(diào)節(jié)路段車流有效但效果有限，路段車輛絕對數(shù)的增大會(huì)導(dǎo)致控制方式失效.

(a) 雙車道速度基本圖

(b) 雙車道流量基本圖

在圖2(b)中，隨車輛平均速度變化，由于車輛絕對數(shù)在車輛密度區(qū)間[0, 0.1] 輛/km相似，因此6個(gè)模型的平均流量基本相同，即在自由流的條件下無需換道或均能順利換道，F(xiàn)V模型出現(xiàn)的平均流量降低與其駕駛員受激反應(yīng)相關(guān).但隨著車輛密度的進(jìn)一步增大，換道需求明顯增加，能否有效換道直接影響平均流量數(shù)值.因此當(dāng)車輛密度為0.175 輛/km時(shí)，STCA模型平均流量達(dá)到最大值，STCA-I模型由于提供了更多的換道，平均流量最大值優(yōu)于STCA模型.但明顯固化的換道規(guī)則影響交通流在此密度下的提升，SV模型中駕駛員更加靈活的換道方式使得SV模型在當(dāng)前車輛密度條件下較上述2個(gè)模型平均流量最大值較高.同時(shí)，雖然STCA-S模型能夠通過更加靈活的換道規(guī)則進(jìn)一步提升平均流量，但仍在車輛密度0.2 輛/km時(shí)出現(xiàn)拐點(diǎn)，此時(shí)FV模型的平均流量也達(dá)到最大，但其最大值平均流量絕對值最小，側(cè)面反映激進(jìn)的駕駛方式、逼仄的觀察空間和短暫的判斷時(shí)間會(huì)降低換道與道路的使用效率.而STCA-M模型協(xié)同換道方式通過挖掘換道可能，保持相對高的車輛密度下的車輛速度，進(jìn)而獲得較好的平均流量.STCA-M模型雖然也在約0.225 輛/km密度位置達(dá)到最大值，但在密度區(qū)間[0.15, 0.275] 輛/km，通過有效的協(xié)同換道，能夠在較大的密度區(qū)間獲得車速的保持，提高路段車輛特別是高速車輛的容量，從而提高了路段的使用效率.

為更加精確表征模型之間的差別，對[0.05,0.50] 輛/km區(qū)間數(shù)據(jù)進(jìn)行了對比，如表1所示.車輛速度值隨車輛密度值的增加而減少，平均流量值隨密度值的增加迅速增加，達(dá)到最大值后，由陡向緩地減少，符合交通流3要素的基本規(guī)律.通過分析6種模型的具體數(shù)據(jù)發(fā)現(xiàn)，流量最大值在[0.175,0.225]輛/s范圍內(nèi)，SV、STCA與STCA-I模型平均流量最大值位于車輛密度值0.175 輛/km處，分別為0.492、0.399、0.462輛/s，與文獻(xiàn)[7，14]的數(shù)值模擬結(jié)果一致.STCA-I模型的動(dòng)態(tài)安全距離在STCA模型定值安全距離基礎(chǔ)上更加真實(shí)體現(xiàn)了車輛換道規(guī)律，平均流量較STCA模型有了較大的提高，而SV模型反映了同步流中駕駛員更為多變的個(gè)人換道習(xí)慣，因此處于2種模型之間.FV與STCA-S模型車輛密度在0.200 輛/km時(shí)達(dá)到平均流量最大值，為0.198、0.522輛/s，但FV模型平均流量最大值遠(yuǎn)低于STCA-S模型，這說明協(xié)同換道方式能夠通過提高安全換道的頻率提升道路使用率.STCA-M模型的平均流量最大值出現(xiàn)在車輛密度0.225 輛/km左右，為0.560輛/s，較STCA-I模型平均流量最大值提高約21.21%，較STCA-S模型提高約7.28%，較SV模型提高約13.82%.相比STCA、STCA-I、STCA-S、FV、SV這5種模型，STCA-M模型通過協(xié)同換道、動(dòng)態(tài)安全距離的引入，有效地提高了平均流量，增加了道路容量.這對于緩解未來汽車保有量逐漸增長對城市道路造成的壓力是一種十分有效的方式.

4.2 時(shí)空圖分析

根據(jù)圖2(b)中STCA、SCTA-I、STCA-S、STCA-M模型的基本流量圖曲線，取平均流量差別較大位置的車輛密度0.2 輛/km，分別對雙車道的左道(L1)和右道(L2)進(jìn)行時(shí)空圖繪制，如圖3所示.圖3(a)、(b)、(c)、(d)分別對應(yīng)車道L1在4種模型中的時(shí)空圖；圖3(e)、(f)、(g)、(h)分別對應(yīng)車道L2在4種模型中的時(shí)空圖.

結(jié)合圖2(b)、圖3可知，在車輛密度0.2 輛/km時(shí)，STCA與STCA-I模型的平均流量值并非其模型的最大值.觀察對應(yīng)時(shí)空圖可知，STCA-I模型雖然斑塊少于STCA模型，但仍因?yàn)樯鲜?種模型均為被動(dòng)換道，缺少主動(dòng)換道指引，時(shí)空圖中堵塞斑塊消散較慢.同樣的車輛密度條件下，STCA-S與STCA-M模型均引入了主動(dòng)換道指引和速度指引.觀察其時(shí)空圖，可以發(fā)現(xiàn)出現(xiàn)的堵塞斑塊較少，且較STCA、STCA-I模型能夠很快獲得消散，特別是STCA-M模型斑塊的數(shù)量與消散速度均優(yōu)于STCA-S模型.這是因?yàn)镾TCA-M模型對換道行為設(shè)置了更加合理化的威脅度評價(jià)，減少駕駛?cè)藢Π踩嚯x主觀臆斷，使得換道成功率上升.同時(shí)引入基于堵塞點(diǎn)的車速指引能夠在主動(dòng)指引條件下使得車輛的道路行駛具備預(yù)測性，同步車速情況變多，進(jìn)一步減少了阻塞點(diǎn)消散時(shí)間，從而減少了上游車輛因阻塞點(diǎn)而產(chǎn)生的減速、啟停行為.因此在車路協(xié)同信息交互的條件下，對換道車輛速度進(jìn)行有效的指引可以改變車輛運(yùn)行的方式，保證道路的使用效率和方式的改善.

表1 雙車道平均速度、流量、車輛密度數(shù)據(jù)對比

(a) STCA，L1

(e) STCA，L2

4.3 車輛密度與換道頻率

STCA、SCTA-I、STCA-S、STCA-M 四種模型不同車輛密度條件下發(fā)生的換道頻率結(jié)果如圖4所示.將4種模型的換道頻率進(jìn)行對比可得，在極低車輛密度區(qū)間([0, 0.1] 輛/km)，由于車輛密度低、自由空間較大，車輛換道需求較小，車輛均可以按照自身速度調(diào)整行駛，即便出現(xiàn)換道需求，換道時(shí)的安全距離足以使車輛安全換道.因此在極低車輛密度區(qū)間，4種模型無太大區(qū)別.隨車輛密度的進(jìn)一步增加，換道情況逐漸產(chǎn)生差別，當(dāng)車輛密度達(dá)到[0.1, 0.3] 輛/km范圍內(nèi)時(shí)，由于車輛密度增加，開始出現(xiàn)受阻車輛，車輛的換道需求也逐漸增多，換道頻率漲幅較大，STCA-M模型的換道規(guī)則靈活，因此換道頻率上升趨勢最快.當(dāng)車輛密度達(dá)到0.4 輛/km，特別是大于0.5 輛/km之后，由于道路空間的壓縮，換道頻率減小，除STCA模型外，其余3種模型換道趨勢和換道頻率數(shù)值差別較小.

圖4 4種模型雙車道換道頻率對比圖

STCA、STCA-I、STCA-S、STCA-M 四種模型在不同車輛密度下對應(yīng)的換道頻率如表2所示.通過對比數(shù)據(jù)可以發(fā)現(xiàn)，各個(gè)模型的換道頻率最值對應(yīng)的車輛密度與平均流量對應(yīng)值相同，造成STCA模型換道頻率在車輛密度達(dá)到0.075 輛/km后明顯較低的原因在于其過于苛刻的車輛間距要求；STCA模型對應(yīng)的換道頻率趨勢與STCA-S、STCA-M模型一致，但其僅表征了當(dāng)前交通環(huán)境下的實(shí)際換道頻率；STCA-S模型引入了車路協(xié)同，因此在一定程度上提高了換道頻率，STCA-M模型則根據(jù)周邊車輛威脅結(jié)合擁塞路段信息，盡可能地提供了車輛安全換道條件，因此換道頻率對應(yīng)STCA-I和STCA-S模型的最大換道頻率分別增長約14.86%和6.91%.上述分析說明，本文提出的基于行動(dòng)指引的換道模型能夠進(jìn)一步挖掘車輛換道可能、提高道路使用效率.

表2 雙車道模型換道頻率對比

4.4 誘導(dǎo)車速遵守率分析

基于當(dāng)前導(dǎo)航軟件的使用情況，可以預(yù)見，在車路協(xié)同信息共享初期，車輛運(yùn)行指引也將依靠駕駛員來完成，所以需要對不同遵守率下模型有效性進(jìn)行討論.本文根據(jù)不同的遵守情況對平均速度、流量與車輛密度關(guān)系進(jìn)行了分析.取換道指引車速遵守率pc=0.1, 0.3, 0.5, 0.7, 0.9, 0.95，其中設(shè)定完全遵守率為0.95的原因是考慮到實(shí)際道路中依然有故障車輛的存在，假設(shè)仍有0.05的駕駛?cè)瞬蛔袷卦O(shè)定規(guī)則.圖5為在不同車輛密度下不同遵守率獲得的平均車速和平均流量對比.

(a) 速度基本圖

(b) 流量基本圖

從圖5可以明顯看出，當(dāng)pc=0.95時(shí)，所有車輛均可以按照指引進(jìn)行換道和車速的控制，則可以獲得最優(yōu)的平均流量.參照表3，車輛密度為0.225 輛/km時(shí)平均流量達(dá)到最大值0.574輛/s，當(dāng)遵守率下降，則對應(yīng)平均流量值一同下降，當(dāng)pc<0.7時(shí)，STCA-M模型的最大平均流量對應(yīng)的車輛密度值與STCA-S模型相同，且對應(yīng)道路流量變化趨勢相似；當(dāng)pc<0.6時(shí)，STCA-M模型對于道路流量的提升能力則小于STCA-S模型；當(dāng)pc=0.45時(shí)，與STCA-I模型的最大平均流量相同，pc<0.3時(shí)則不能體現(xiàn)出STCA-M模型的換道優(yōu)勢，甚至由于過于自由的車輛控制方式，道路的利用效果變差.

同時(shí)，分析圖5(b)和表3可知，車輛密度大于0.5 輛/km的區(qū)間，STCA-M模型的遵守率變化并未導(dǎo)致高車輛密度路況下的平均流量有較大變化.這是因?yàn)樵谧枞鳛橹鞯牡缆分?，能夠提供給車輛自由選擇的控制方式變少，即從客觀條件上要求車輛遵守?fù)Q道規(guī)則.因此在高車輛密度環(huán)境中，本文STCA-M模型在平均流量數(shù)值上能夠獲得略微優(yōu)勢.通過上述分析可知，STCA-M模型能夠在各種遵守率情況下更好地疏導(dǎo)交通流，該模型較其他3種模型更適用于未來城市車路協(xié)同道路.

5 結(jié)論

1) 根據(jù)車路協(xié)同能夠提供的車輛、道路可交互信息內(nèi)容，通過對雙車道環(huán)境下車輛運(yùn)行狀態(tài)、相互影響關(guān)系的分析提出了一種基于行車指引的改進(jìn)STCA雙車道換道模型.首先對行駛車輛的局部區(qū)域受擾情況進(jìn)行了換道指引和速度誘導(dǎo)函數(shù)的建立，結(jié)合NS-S模型和STCA-S的更新方式構(gòu)建了STCA-M協(xié)同換道模型.

2) 根據(jù)實(shí)際雙車道路況進(jìn)行了數(shù)值模擬，并與STCA、STCA-I、STCA-S、FV、SV模型進(jìn)行了對比，由平均流量數(shù)值可知，本文模型能夠增加道路的車輛容納，在較寬的車輛密度范圍內(nèi)提高道路流量，相比STCA-I模型提高了約21.21%，相比STCA-S模型提高約7.28%.

3) 對時(shí)空圖進(jìn)行分析，證明本文模型具有良好的行車指引作用，有效減少車輛的起-停，同步相獲得增加；從換道頻率曲線可以看出，本文規(guī)則靈活，能夠在安全的前提下給予更多的換道機(jī)會(huì)，相比STCA-S模型提高約6.91%.但本文STCA-M模型給予車路系統(tǒng)下信息交互假設(shè)，所以遵守率會(huì)對模型的指引效果起到較大影響，另外信息量的增大是否適合人為駕駛情況，仍需進(jìn)一步的驗(yàn)證與研究.