信號交叉口智能網(wǎng)聯(lián)車車隊(duì)速度引導(dǎo)策略研究

石 琴，陳滬江，陳一鍇

(合肥工業(yè)大學(xué) 汽車與交通工程學(xué)院，安徽 合肥 230009)

0 引 言

據(jù)國家統(tǒng)計(jì)局統(tǒng)計(jì)，截至2016年底，全國民用轎車保有量達(dá)到10 876萬輛，增長14.4%，其中私人轎車10 152萬輛，增長15.5%[1]。汽車保有量上升給民眾出行帶來方便的同時(shí)，交通擁堵、道路事故、環(huán)境污染、能源消耗等問題也日趨嚴(yán)重。車輛在交叉口的停走行為加劇了車輛燃油消耗和尾氣排放，增加了車輛延誤。以往交叉口交通控制優(yōu)化主要以信號燈信號優(yōu)化為主[2]。近些年隨著通信技術(shù)、電子信息技術(shù)的提升，智能車路協(xié)同系統(tǒng)得到發(fā)展。車路協(xié)同技術(shù)使得道路上的車輛能夠及時(shí)獲得自身、周邊車輛和信號燈的信息[3]。對這些信息加以處理和利用可以使得車輛能夠不停車通過信號交叉口，從而減少油耗和排放，提升交叉口效率。智能網(wǎng)聯(lián)車搭載了先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，使車輛具備復(fù)雜環(huán)境感知、智能化決策與控制功能。以智能網(wǎng)聯(lián)汽車為對象，對車輛速度智能調(diào)節(jié)策略的研究是對交叉口交通控制優(yōu)化的有效補(bǔ)充。

車路協(xié)同技術(shù)下的車輛速度引導(dǎo)策略得到了國內(nèi)外研究者的廣泛關(guān)注。文獻(xiàn)[4]、文獻(xiàn)[5]在車路協(xié)同環(huán)境下以停車等待時(shí)間最小為目標(biāo)，提出個(gè)體車輛與多車協(xié)同下的速度引導(dǎo)機(jī)制與模型，采用Vissim仿真驗(yàn)證得到引導(dǎo)后車均停車次數(shù)至少降低40%且停車時(shí)間優(yōu)化比例在45%以上，并且多車引導(dǎo)能有更好的效果；文獻(xiàn)[6]利用車-路通信獲取交通信號燈信息，針對單車設(shè)計(jì)了相應(yīng)的生態(tài)駕駛策略模型和生態(tài)駕駛軌跡優(yōu)化算法，利用MATLAB開發(fā)程序評估其排放優(yōu)化效果；文獻(xiàn)[7]在研究車速引導(dǎo)策略時(shí)提出了一個(gè)多階段優(yōu)化控制模型，且考慮了排隊(duì)長度和信號燈狀態(tài)兩個(gè)重要因素，結(jié)果表明該方法可以有效減少車輛的燃油消耗；文獻(xiàn)[8]通過道路環(huán)境信息感知，提前預(yù)判車輛加減速，運(yùn)用拉格朗日算子法計(jì)算車輛的加減速度，降低車輛油耗。此外還有眾多學(xué)者研究了引導(dǎo)距離的長度、智能車的比例、交叉口的數(shù)目以及信號燈控制方式對引導(dǎo)方案效果的影響[9-12]。

以上研究從油耗、排放、安全等角度，在車路協(xié)同下的車速優(yōu)化策略領(lǐng)域取得了一定進(jìn)展，但仍存在以下不足：①大部分研究以單車為主，未考慮相鄰車輛間的相互影響，少部分研究考慮了相鄰車輛的相互影響，但只對頭車進(jìn)行引導(dǎo)，可能導(dǎo)致頭車能不停車通過交叉口而后車需停車；②只從空間角度對引導(dǎo)策略進(jìn)行研究，忽略信號燈周期對策略的影響；③未充分考慮車輛到達(dá)時(shí)間、初始速度等變量的隨機(jī)性對引導(dǎo)效果的影響，分析、評價(jià)結(jié)果不夠客觀。

針對上述問題，筆者充分考慮車輛間的相互影響，提出以智能網(wǎng)聯(lián)車車輛隊(duì)列作為研究對象，并闡述了交通流車輛隊(duì)列的劃分方式；在此基礎(chǔ)上，提出固定引導(dǎo)時(shí)長的速度引導(dǎo)策略以及速度的更新方法；利用MATLAB軟件搭建車隊(duì)速度引導(dǎo)策略的仿真平臺(tái)，通過蒙特卡洛仿真方法對固定引導(dǎo)時(shí)長策略進(jìn)行仿真，得到不同方案下的單車平均油耗和行程時(shí)間；通過構(gòu)建路段綜合出行費(fèi)用從而確定最優(yōu)引導(dǎo)時(shí)長方案，并與最優(yōu)引導(dǎo)距離方案進(jìn)行比較。

1 車隊(duì)劃分方式

在低交通量下，道路上的車輛間相互影響較小，采用單車速度引導(dǎo)策略可以有效降低車輛遇到紅燈停車可能性。隨著交通量上升，相鄰車輛的相互影響提升，車輛的跟馳現(xiàn)象明顯，前車的加減速直接影響后車的行駛狀態(tài)[13]。汽車隊(duì)列行駛是指由若干輛車組成的一列線性車隊(duì)以較小車間距沿著相同的路徑行駛[14]。數(shù)據(jù)顯示，道路上約有70%的車輛處于隊(duì)列中[15]。因此筆者以車隊(duì)作為研究對象，并考慮車隊(duì)內(nèi)車輛數(shù)、車隊(duì)初始速度的隨機(jī)性。

對車隊(duì)進(jìn)行速度引導(dǎo)要對道路上車輛進(jìn)行車隊(duì)劃分。筆者根據(jù)車頭時(shí)距對道路上的車輛進(jìn)行車隊(duì)劃分[16]。在路段的上游設(shè)置一檢測器，可記錄車輛到達(dá)檢測器的時(shí)刻。記第i+1輛車與第i輛車的車頭時(shí)距為hi+1，如式(1)：

hi+1=ti+1-ti

(1)

定義標(biāo)準(zhǔn)車頭時(shí)距hs，若i+1號車輛的車頭時(shí)距hi+1

盲目設(shè)置標(biāo)準(zhǔn)車頭時(shí)距會(huì)導(dǎo)致車隊(duì)規(guī)模過大或者無法有效識(shí)別車隊(duì)等情況發(fā)生。因此不同路段不同時(shí)間段的標(biāo)準(zhǔn)車頭時(shí)距由實(shí)際車頭時(shí)距統(tǒng)計(jì)分布確定。筆者基于高峰時(shí)期合肥市西二環(huán)路車輛車頭時(shí)距的調(diào)查數(shù)據(jù)確定標(biāo)準(zhǔn)車頭時(shí)距。選取相鄰交叉口間距為500 m的路段作為調(diào)查路段。在調(diào)查路段區(qū)間內(nèi)的路面上標(biāo)記兩平行的固定檢測線，在早高峰期7:00—9:00用錄像機(jī)持續(xù)拍攝交通流，如圖1。根據(jù)拍攝的視頻記錄每輛車通過兩條檢測線的時(shí)刻，從而根據(jù)式(1)求得相鄰兩車的車頭時(shí)距。選取連續(xù)200輛車的車頭時(shí)距，分別將1.5、2.0、2.5、3.0 s設(shè)置為標(biāo)準(zhǔn)車頭時(shí)距，對相應(yīng)標(biāo)準(zhǔn)車頭時(shí)距下車隊(duì)規(guī)模及其出現(xiàn)頻率之間的關(guān)系進(jìn)行研究，得到數(shù)據(jù)見表1。

圖1 合肥市西二環(huán)路車頭時(shí)距調(diào)查

表1 不同標(biāo)準(zhǔn)車頭時(shí)距下車隊(duì)數(shù)量及占比

當(dāng)車頭時(shí)距為1.5 s和2 s時(shí)，單車構(gòu)成的車隊(duì)分別為67%和51%；當(dāng)車頭時(shí)距為2.5 s或3 s時(shí)，單車構(gòu)成的車隊(duì)占了35%左右，以單車為車隊(duì)的總車輛數(shù)占所有車輛的比例低于10%。選取3 s作為標(biāo)準(zhǔn)車頭時(shí)距，會(huì)出現(xiàn)車隊(duì)較長、車隊(duì)數(shù)目少的情況，故筆者選取2.5 s作為標(biāo)準(zhǔn)車頭時(shí)距。

2 固定引導(dǎo)時(shí)長的速度引導(dǎo)策略

車輛的速度引導(dǎo)策略是指在引導(dǎo)路段內(nèi)根據(jù)車輛當(dāng)前位置、速度和當(dāng)前信號燈情況等因素計(jì)算理想引導(dǎo)速度，優(yōu)化車輛行駛軌跡，使得車輛盡可能不停車通過下游信號交叉口。

在傳統(tǒng)以單車為研究對象的方案中，主要采用固定距離的速度引導(dǎo)策略，即引導(dǎo)路段的距離一經(jīng)確定便固定不變[17]。該策略能夠提升交叉口通行效率，有效減少交通燃油消耗，但忽略了車輛駛?cè)胍龑?dǎo)路段時(shí)刻信號燈的不確定性對結(jié)果的影響。筆者充分考慮信號燈相位對引導(dǎo)策略的影響，利用信號燈時(shí)長對引導(dǎo)距離進(jìn)行優(yōu)化，即每輛車的引導(dǎo)距離并非固定不變，車輛接受引導(dǎo)的初始時(shí)刻依據(jù)信號燈相位而定。

將信號周期劃分為引導(dǎo)時(shí)間段和非引導(dǎo)時(shí)間段。速度引導(dǎo)開始時(shí)刻為信號燈轉(zhuǎn)換前tc，s，如圖2。由于黃燈亮?xí)r禁止車輛駛過停車線，將黃燈時(shí)長并入紅燈相位中。綠燈相位時(shí)長為tg，s，黃燈相位時(shí)長與紅燈相位時(shí)長為tr，s。整個(gè)路段為前一交叉口的出口到當(dāng)前交叉口的進(jìn)口道停車線。該路段被分為引導(dǎo)區(qū)域L1和非引導(dǎo)區(qū)域L2，如圖3。當(dāng)且僅當(dāng)引導(dǎo)開始時(shí)刻到達(dá)且車輛處于引導(dǎo)區(qū)域內(nèi)時(shí)，對車輛進(jìn)行速度引導(dǎo)。非引導(dǎo)區(qū)域L2為防止車輛不能及時(shí)停車而設(shè)。

圖2 相位及引導(dǎo)時(shí)長示意

圖3 引導(dǎo)區(qū)域劃分示意

非引導(dǎo)區(qū)域的長度L2的計(jì)算公式為：

(2)

式中：vmax為道路最大限速；amax為車輛最大加、減速度。

為簡化研究對象，筆者進(jìn)行以下假設(shè)：僅考慮單一交叉口的單一車道情況，不存在車輛的超車和換道現(xiàn)象；無線通信的性能完美，不存在信號傳輸延遲和任何數(shù)據(jù)丟包；所有車輛都相同，且均為智能網(wǎng)聯(lián)車，同一車隊(duì)內(nèi)車輛車速、加速度、車間距均相同[18]；不考慮行人、非機(jī)動(dòng)車等干擾因素的影響。

基于車路協(xié)同的車隊(duì)速度引導(dǎo)策略步驟如下(流程如圖4)：

圖4 固定引導(dǎo)時(shí)長策略流程

步驟1：設(shè)置路段長度為L、信號燈周期為T、車輛長度為l、車隊(duì)內(nèi)相鄰車輛間隔為s；設(shè)置引導(dǎo)開始時(shí)刻為信號燈轉(zhuǎn)換前tc，s。

步驟2：獲取當(dāng)前t時(shí)刻相位信息、車隊(duì)內(nèi)車輛數(shù)N、頭車距離停車線的距離d1、車隊(duì)當(dāng)前車速v。

步驟3：判斷條件為tr-tc

步驟4：以速度v保持勻速行駛單位時(shí)間，然后跳轉(zhuǎn)至步驟2。

步驟5：計(jì)算可通過不停車通過的信號交叉口的行駛時(shí)間范圍tp，th和tl為其上下邊界。

若t時(shí)刻為紅燈，則tp的范圍如式(3)：

tp=[kT+tr-t,(k+1)T-t]

(3)

若t時(shí)刻為綠燈，則tp的范圍如式(4)：

(4)

步驟6：計(jì)算車隊(duì)內(nèi)第i輛車車頭與交叉口的距離di，如式(5)：

di=d1+(i-1)(l+s)

(5)

步驟7：根據(jù)速度位移公式，計(jì)算頭車不停車通過交叉口的速度范圍，如式(6)：

(6)

步驟8：計(jì)算尾車不停車通過交叉口的速度范圍，如式(7)：

(7)

步驟9：選取整個(gè)車隊(duì)均能不停車通過交叉口的速度范圍，如式(8)：

(8)

步驟10：判斷條件為v∈vp。vh和vl為其上下邊界。若滿足條件，跳轉(zhuǎn)至步驟11；若不滿足條件，跳轉(zhuǎn)至步驟12。

步驟11：下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a為0，跳轉(zhuǎn)至步驟16。

步驟12：判斷條件為v≤vl。如果滿足該條件，跳轉(zhuǎn)至步驟13；若不滿足，即v>vh，跳轉(zhuǎn)至步驟14。

步驟13：計(jì)算下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a，然后跳轉(zhuǎn)至步驟15。

(9)

步驟14：計(jì)算下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a，然后跳轉(zhuǎn)至步驟15。

(10)

步驟15：計(jì)算車隊(duì)行駛速度v，如式(11)：

vt+1=vt+a

(11)

步驟16：輸出速度v。

3 不同引導(dǎo)時(shí)長方案的蒙特卡洛仿真

3.1 單次車隊(duì)速度引導(dǎo)仿真

為對不同策略進(jìn)行優(yōu)劣比較，需要通過大量隨機(jī)試驗(yàn)來獲取不同情形下策略的各指標(biāo)數(shù)據(jù)。蒙特卡洛模擬是通過大量隨機(jī)試驗(yàn)，利用概率論解決問題的一種數(shù)值方法。因此在進(jìn)行蒙特卡洛仿真時(shí)先確定一次仿真試驗(yàn)的過程，再根據(jù)隨機(jī)參數(shù)的分布規(guī)律進(jìn)行多次仿真。

仿真交叉口選取主干路與次干路的交叉口，主干路為單向四車道，次干路為單向兩車道。在城區(qū)道路中,平面交叉口占有很大的比重,老城區(qū)交叉口間距基本在200～300 m之間,新城區(qū)交叉口間距基本在500 m左右。筆者選取相鄰交叉口為500 m的路段研究。信號燈控制為三相位控制，采用韋伯斯特配時(shí)法計(jì)算周期總時(shí)長和各相位時(shí)長[19]。通過計(jì)算得周期時(shí)長為88 s。重點(diǎn)選取直行車道為車輛速度引導(dǎo)路段，主干路直行綠燈相位時(shí)長26 s。單次仿真需要提前確定車輛到達(dá)路段的時(shí)間、車隊(duì)規(guī)模數(shù)、初始速度。所有仿真參數(shù)見表2。

表2 仿真參數(shù)

筆者采用單車的平均油耗和單車平均行程時(shí)間作為評價(jià)指標(biāo)。車輛的行程時(shí)間由車輛的行駛時(shí)間和停車延誤構(gòu)成[20]。

通過仿真可以得到每輛車的逐秒速度和加速度，從而可以得到車輛行駛過整個(gè)路段的油耗。油耗模型采用VT-Micro模型[21]。車輛的逐秒油耗由車輛的逐秒速度和逐秒加速度計(jì)算得到。VT-Micro模型中，MOEe的計(jì)算公式如式(12)：

(12)

式中：MOEe為瞬時(shí)油耗率；M、N為模型回歸系數(shù)；v為車輛的瞬時(shí)速度；a為車輛的瞬時(shí)加速度。

3.2 隨機(jī)參數(shù)的分布規(guī)律

單次仿真模擬能得到特定情形下車隊(duì)內(nèi)車輛行駛過整個(gè)路段的平均油耗、平均行程時(shí)間等重要信息，但該結(jié)果并不能反映策略優(yōu)劣。實(shí)際道路中由于交通流狀態(tài)實(shí)時(shí)變化，車隊(duì)進(jìn)入路段時(shí)的時(shí)間、速度以及車隊(duì)內(nèi)車輛數(shù)等參數(shù)均有很強(qiáng)的隨機(jī)性。因此先根據(jù)道路實(shí)際情況統(tǒng)計(jì)參數(shù)的分布規(guī)律，然后采用蒙特卡洛法[22]對固定引導(dǎo)時(shí)長策略下車隊(duì)行駛過程進(jìn)行仿真。

對早高峰時(shí)期西二環(huán)路段進(jìn)行車頭時(shí)距調(diào)查和地點(diǎn)車速調(diào)查，擬合得到車隊(duì)內(nèi)車輛數(shù)和車隊(duì)速度的分布。調(diào)查得到車隊(duì)內(nèi)車輛數(shù)在2～29輛之間，將單輛車也記作單獨(dú)一個(gè)車隊(duì)，服從負(fù)指數(shù)分布。車隊(duì)速度在20～70 km/h之間，其中50～ 55 km/h車隊(duì)數(shù)量最多，服從對數(shù)正態(tài)分布。車輛進(jìn)入路段時(shí)信號燈時(shí)刻服從均勻分布。每一次仿真中實(shí)際數(shù)值根據(jù)指定分布生成隨機(jī)數(shù)[23]。

3.3 不同引導(dǎo)時(shí)長方案仿真結(jié)果

為了保證策略達(dá)到最優(yōu)效果，需要探究合適的車輛引導(dǎo)時(shí)長。由于非引導(dǎo)區(qū)域長度為45 m，考慮極端情形，車輛從16 m/s以最大減速度減速至0至少需要6 s。因此，筆者選取6～26 s的整數(shù)秒作為引導(dǎo)時(shí)長。由于車隊(duì)到達(dá)研究路段的時(shí)刻、車隊(duì)內(nèi)車輛數(shù)、以及到達(dá)路段的初速度均會(huì)影響最終車隊(duì)通過該路段的油耗和行程時(shí)間，筆者根據(jù)這3個(gè)變量的概率密度函數(shù)在變量可能的取值范圍內(nèi)進(jìn)行了隨機(jī)抽樣。采用蒙特卡洛方法進(jìn)行若干次仿真，并對仿真次數(shù)進(jìn)行了討論。選擇仿真次數(shù)N作為自變量，單車通過路段的油耗F和行程時(shí)間T作為應(yīng)變量，按數(shù)量級順序設(shè)計(jì)N的值分別為1、10、100、1 000、10 000、20 000。以固定引導(dǎo)時(shí)長為14 s的方案為例進(jìn)行討論，得到油耗和行程時(shí)間平均值和標(biāo)準(zhǔn)差如表3。

表3 不同仿真次數(shù)下油耗與行程時(shí)間平均值與方差

標(biāo)準(zhǔn)差能夠反映一個(gè)數(shù)據(jù)集的離散程度，即數(shù)據(jù)的波動(dòng)情況。由表3可見，隨著仿真次數(shù)增加，油耗和行程時(shí)間的波動(dòng)越來越小。當(dāng)仿真次數(shù)達(dá)到10 000次，波動(dòng)已經(jīng)相對穩(wěn)定；當(dāng)仿真次數(shù)從10 000次增加到20 000次，標(biāo)準(zhǔn)差數(shù)值變化已經(jīng)非常微弱；而隨著仿真次數(shù)的增加，仿真時(shí)間越來越長，效率越來越低。因此，筆者采用10 000次作為最終的仿真方案。仿真得到單車通過整個(gè)路段平均油耗和平均行程時(shí)間如圖5。

圖5 單車平均油耗、平均行程時(shí)間隨引導(dǎo)時(shí)長變化情況

由圖5表明，隨引導(dǎo)時(shí)長增大，單車的平均油耗不斷上升，從0.031 2 L持續(xù)上升致0.039 9 L；單車的平均行程時(shí)間隨引導(dǎo)時(shí)長的增大總體呈現(xiàn)先減少后增大的趨勢。當(dāng)信號燈情形由紅燈轉(zhuǎn)綠燈時(shí)，車隊(duì)可能停車等待或者按引導(dǎo)速度策略放緩速度行駛，其通過停車線的時(shí)間均要等到綠燈相位亮，行程時(shí)間接近。造成行程時(shí)間差別較大的可能是信號燈相位由綠轉(zhuǎn)紅情形，不同引導(dǎo)時(shí)長下其引導(dǎo)加速度不同。

3.4 基于綜合費(fèi)用的兩種車隊(duì)速度引導(dǎo)策略對比

為了比較固定引導(dǎo)時(shí)長和固定引導(dǎo)距離兩種車隊(duì)速度引導(dǎo)策略的優(yōu)劣，筆者構(gòu)建了基于車輛油耗和行程時(shí)間的路段綜合出行費(fèi)用[24]，其計(jì)算公式如式(13)：

COST=FP1+TP2

(13)

式中：COST為路段綜合出行費(fèi)用；F為單車行駛過路段的平均油耗；T為單車平均行程時(shí)間；P1、P2為兩者的單位費(fèi)用。

通過式(13)計(jì)算不同引導(dǎo)時(shí)長方案和不同引導(dǎo)距離方案的路段綜合出行費(fèi)用，取燃油費(fèi)用為現(xiàn)時(shí)油價(jià)6.27元/L，取時(shí)間費(fèi)用為0.007 5元/s[25]。計(jì)算結(jié)果表明，固定引導(dǎo)時(shí)長策略下，當(dāng)引導(dǎo)時(shí)長為6 s時(shí)，綜合出行費(fèi)用最低為0.572元，引導(dǎo)效果最好。此時(shí)單車平均油耗為0.031 L，平均行程時(shí)間為50.23 s。固定引導(dǎo)距離策略下，當(dāng)引導(dǎo)距離為350 m時(shí)，綜合出行費(fèi)用最低為0.637元，引導(dǎo)效果最好。此時(shí)單車平均油耗為0.037 L，平均行程時(shí)間為54.10 s。

采用2.5 s作為標(biāo)準(zhǔn)車頭時(shí)距時(shí)，固定引導(dǎo)距離為350 m的方案與固定引導(dǎo)時(shí)長為6 s的方案相比，單車平均油耗后者比前者低16.3%，行程時(shí)間后者比前者低7.2%。路段綜合出行費(fèi)用后者比前者低了10.2%。同時(shí)，用相同仿真方法對標(biāo)準(zhǔn)車頭時(shí)距選取為2.0 s與3.0 s的情形做了研究，得到了類似的結(jié)論。因此，相對于固定引導(dǎo)距離策略，固定引導(dǎo)時(shí)長策略可有效提高通行效率、降低燃油消耗。

4 結(jié) 論

筆者提出了一種車輛隊(duì)列在交叉口進(jìn)口道基于車路協(xié)同技術(shù)的車速引導(dǎo)策略。該策略將信號周期劃分為引導(dǎo)時(shí)間段和非引導(dǎo)時(shí)間段。另外，通過蒙特卡洛仿真對不同引導(dǎo)時(shí)長方案進(jìn)行了仿真研究，得到了最優(yōu)引導(dǎo)時(shí)長。對結(jié)果進(jìn)行分析得到了以下結(jié)論：

1)引導(dǎo)時(shí)長選為信號燈相位轉(zhuǎn)換前6 s時(shí)，其引導(dǎo)效果最好，單車平均油耗最低，綜合出行費(fèi)用最低。而固定引導(dǎo)距離策略下，當(dāng)引導(dǎo)距離為350 m時(shí)引導(dǎo)效果最好。

2)固定引導(dǎo)距離為350 m的方案和固定引導(dǎo)時(shí)間為6 s的方案相比，單車平均油耗后者比前者低16.3%，行程時(shí)間后者比前者低7.2%。路段綜合出行費(fèi)用后者比前者低了10.2%。相對于固定引導(dǎo)距離策略，固定引導(dǎo)時(shí)長策略可有效提高通行效率、降低燃油消耗。

3)筆者未考慮交叉口擁堵的情形以及非智能網(wǎng)聯(lián)車對策略的影響。智能網(wǎng)聯(lián)車的普及需要一個(gè)過程，兩類車會(huì)互相影響。未來研究將考慮智能網(wǎng)聯(lián)車與非智能網(wǎng)聯(lián)車的比例對策略的影響以及在擁堵環(huán)境下如何進(jìn)行引導(dǎo)。除此之外，多交叉口多車道情形的車隊(duì)速度引導(dǎo)策略也是未來研究的重點(diǎn)方向。