車路協(xié)同和自動(dòng)駕駛環(huán)境下交叉口的通行控制研究

王超然，趙 靑，楊世紀(jì)，吳仇頎，吳宇軒

（南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037）

0 引言

道路交叉口是城市道路中的重要組成部分，而信號(hào)控制則是當(dāng)前交叉路口的主要控制模式，通過信號(hào)燈保證交叉路口的平穩(wěn)運(yùn)行。但隨著車路協(xié)同與自動(dòng)駕駛的深入研究，交叉口的控制正在發(fā)生革命性變革。

車路協(xié)同自動(dòng)駕駛系統(tǒng)通過先進(jìn)的車、路感知設(shè)備對(duì)道路交通環(huán)境進(jìn)行實(shí)時(shí)高精度感知，按照約定的通信協(xié)議和數(shù)據(jù)交互標(biāo)準(zhǔn)，實(shí)現(xiàn)車與車以及車與道路交通設(shè)施間不同程度的信息交互和共享，最終形成一個(gè)能夠整合、協(xié)調(diào)、控制、管理和優(yōu)化所有車輛、信息服務(wù)、設(shè)施設(shè)備、智能化交通管理的以車路協(xié)同自動(dòng)駕駛為核心的新一代智能交通系統(tǒng)。車路協(xié)同和自動(dòng)駕駛系統(tǒng)既避免了人為操作不當(dāng)導(dǎo)致的交通事故，又可從整體角度優(yōu)化交通系統(tǒng)運(yùn)行狀況，緩解擁堵問題。

在車路協(xié)同和自動(dòng)駕駛環(huán)境下交通控制方法的探討中，國(guó)內(nèi)外專家學(xué)者進(jìn)行了大量的研究。Huang C J等將車輛控制方法主要分為集中式控制模式和分布式控制模式。Zohdy I H等根據(jù)駕駛員駕駛車輛時(shí)的行為提出了基于動(dòng)態(tài)博弈論的控制方法，用博弈論算法對(duì)車輛交叉口通行方式進(jìn)行決策，利用車輛自適應(yīng)巡航技術(shù)對(duì)車輛行為進(jìn)行控制。王建強(qiáng)等開發(fā)了一種基于車路一體化的交叉口車輛駕駛輔助系統(tǒng)，系統(tǒng)提出一種反映駕駛?cè)藴p速特性的速度閾值算法來實(shí)時(shí)判斷行車危險(xiǎn)度。常燦基于車路協(xié)同技術(shù)提出了不同流量下的交叉口控制模型在低流量的情況下，以安全和通行時(shí)間最少為目標(biāo)的優(yōu)化模型。上官偉設(shè)計(jì)并采用基于時(shí)延Petri網(wǎng)的無信號(hào)交叉口優(yōu)化控制方法，利用TdPN建立無信號(hào)交叉口控制模型，并依此建立交叉口車輛最快消散目標(biāo)函數(shù)，采用遞歸方式求解車輛最優(yōu)通過序列。胡夢(mèng)巖提出了一種基于沖突消解策略的車輛行為控制方法。以兩車道十字型交叉口為研究對(duì)象，針對(duì)其中的交叉沖突與合流沖突建立了無信號(hào)交叉口優(yōu)先通行決策庫。結(jié)合現(xiàn)有的沖突消解算法，在考慮乘客舒適性的基礎(chǔ)上，提出了一種車輛沖突消解速度優(yōu)化方法消解了交叉口智能網(wǎng)聯(lián)車輛的潛在沖突，提高了交叉口通行能力和乘客舒適性。

現(xiàn)有研究已經(jīng)開展了車路協(xié)同環(huán)境或自動(dòng)駕駛環(huán)境下交叉口的基礎(chǔ)性研究，但將兩種環(huán)境結(jié)合并提出優(yōu)化控制策略較少。本文擬以車路協(xié)同和自動(dòng)駕駛環(huán)境為背景，以車輛通行安全和車輛通行延誤為目標(biāo)，構(gòu)建普通十字交叉口的車輛通行控制方法，并搭建了車路協(xié)同和自動(dòng)駕駛條件下交叉路口的通行控制仿真平臺(tái)。通過列舉由仿真平臺(tái)得出的交通評(píng)價(jià)參數(shù)的方式檢驗(yàn)提出方法的有效性。

1 交叉口通行控制算法

當(dāng)任一方向有車輛觸碰確定區(qū)邊界時(shí)，優(yōu)化程序被觸發(fā)。搜索最近一組沖突車輛。沖突分為三種可能：兩路沖突、三路沖突、四路沖突。

對(duì)于兩路沖突，確定兩條道路上（a方向和c方向）第一對(duì)產(chǎn)生沖突的車輛；優(yōu)化程序提供兩種消除車輛沖突的備選方案；通過計(jì)算兩種備選方案下系統(tǒng)可能的總延誤時(shí)間D，來決定采取哪種方案；提取該最優(yōu)解中每輛車對(duì)應(yīng)的延誤時(shí)間D，通過車輛狀態(tài)變化模型計(jì)算出每輛車輛對(duì)應(yīng)的減速時(shí)間；根據(jù)車輛狀態(tài)變化模型計(jì)算出的每輛車輛對(duì)應(yīng)的加速時(shí)間和減速時(shí)間生成對(duì)應(yīng)車輛指令，指令延誤車輛根據(jù)車輛狀態(tài)變化模型行駛；繼續(xù)搜索車輛行駛狀態(tài)變化后系統(tǒng)中第一組沖突點(diǎn)，循環(huán)以上內(nèi)容直至沒有沖突點(diǎn)。

兩種消除沖突的備選方案包括：（1）a方向車輛正常行駛，c方向車輛減速讓行；（2）c方向車輛正常行駛，a方向車輛減速讓行。減速車輛延誤時(shí)間為另一輛車預(yù)計(jì)到達(dá)交叉口中心點(diǎn)車頭時(shí)距及異向最小車頭時(shí)距的總和與該車原預(yù)計(jì)到達(dá)交叉口中心點(diǎn)車頭時(shí)距之差。其中，異向最小車頭時(shí)距為在車輛均以一般速度行駛的條件下，異向車輛正好滿足穿插通行狀態(tài)的到達(dá)交叉口中心點(diǎn)的最小車頭時(shí)距。

對(duì)于三路沖突，按兩方向沖突方法判斷出最近一對(duì)沖突車輛通行次序后，判斷該組沖突車輛中第三輛車是否能加速與對(duì)向車輛同時(shí)通過，若判斷為能加速通過，則確定通行方案，反之，則轉(zhuǎn)變?yōu)槎窙_突繼續(xù)判斷以消除沖突。

對(duì)于四路沖突，按兩方向沖突方法判斷出最近一對(duì)沖突車輛通行次序后，判斷該組沖突車輛中第三輛離交叉口中心點(diǎn)預(yù)計(jì)車頭時(shí)距最小的車是否能加速與對(duì)向車輛同時(shí)通過，若能，則轉(zhuǎn)變?yōu)橐汛_定通行方案的兩路沖突，若不能，則轉(zhuǎn)變?yōu)槿窙_突繼續(xù)判斷以消除沖突。提取最優(yōu)解中每輛車對(duì)應(yīng)的延誤時(shí)間D，通過車輛狀態(tài)變化模型計(jì)算出每個(gè)車輛對(duì)應(yīng)的減速時(shí)間。根據(jù)車輛狀態(tài)變化模型計(jì)算出的每輛車輛對(duì)應(yīng)的加速時(shí)間和減速時(shí)間生成對(duì)應(yīng)車輛指令，指令延誤車輛根據(jù)車輛狀態(tài)變化模型行駛。繼續(xù)搜索車輛行駛狀態(tài)變化后系統(tǒng)中第一組沖突點(diǎn)，循環(huán)以上內(nèi)容直至沒有沖突點(diǎn)。普通十字交叉口智能通行控制方法流程如圖1所示。

圖1 普通十字交叉口智能通行控制方法流程圖

2 交叉口通行控制仿真模型構(gòu)建

2.1 確定區(qū)和控制區(qū)

為滿足交叉口內(nèi)車輛的安全通行，并保證車輛實(shí)現(xiàn)延誤指令，本算法設(shè)置了控制區(qū)和確定區(qū)兩個(gè)區(qū)域。

（1）確定區(qū)

確定區(qū)：車輛在確定的預(yù)計(jì)車頭時(shí)距后通行的區(qū)域。其中確定區(qū)邊界是實(shí)現(xiàn)算法目標(biāo)的算法觸發(fā)位置，當(dāng)任意車輛觸碰確定區(qū)邊界時(shí)，算法觸發(fā)，以系統(tǒng)總延誤時(shí)間最小為目標(biāo)，車輛確定到達(dá)交叉口中心點(diǎn)的預(yù)計(jì)車頭時(shí)距，以車輛行駛原狀態(tài)為基準(zhǔn)，確定各車輛相應(yīng)的延誤時(shí)間或提前時(shí)間，車輛立即進(jìn)行相應(yīng)的速度調(diào)控。

確定區(qū)范圍：以確定區(qū)寬度為邊長(zhǎng)的正方形范圍，使得確定區(qū)范圍滿足車輛接受到停車指令后立即剎車，可以在與相交道路沖突車輛行駛路徑外停車等待。

式中：v、a為車輛一般車速和車輛最大加速度。

（2）控制區(qū)

控制區(qū)：收集上游臨近交叉口車輛進(jìn)入目標(biāo)交叉口的狀態(tài)信息；保證跟馳沖突車輛重新進(jìn)入正常跟馳狀態(tài)的區(qū)域。

控制區(qū)范圍：目標(biāo)交叉口的上游臨近交叉口確定區(qū)較近邊界中點(diǎn)連線所圍成的封閉圖形。

2.2 沖突檢測(cè)模型

該模型以目標(biāo)車輛占用相交車道車輛在交叉口通行軌跡的時(shí)間為基準(zhǔn)，結(jié)合相交車道車輛到達(dá)該位置時(shí)刻判斷車輛是否沖突，在任意方向車輛車頭觸碰確定區(qū)時(shí)觸發(fā)。

圖2 確定區(qū)范圍樣例

圖3 控制區(qū)范圍樣例

圖4 沖突檢測(cè)模型舉例

設(shè)車輛a、b為一組沖突判斷車輛，a車較b車提前觸碰確定區(qū)邊界，a位置為a車車頭觸碰車輛b行駛軌跡位置，a位置為a車車尾離開車輛b行駛軌跡位置。當(dāng)a車輛觸碰確定區(qū)邊界時(shí)，由a車當(dāng)前行駛速度v與距a和a兩個(gè)判定位置的距離可以求出預(yù)計(jì)到達(dá)時(shí)間，假設(shè)分別為t、t，若b車預(yù)計(jì)到達(dá)a車軌跡位置時(shí)間t大小處于[t, t]區(qū)間，則判定為該組車輛沖突，否則判定為不沖突。

2.3 跟馳模型

為避免同向車輛因速度差異而產(chǎn)生追尾事故，設(shè)置包括最小制動(dòng)間距和最小跟馳距離的安全跟馳間距E，以此為判斷依據(jù)，若同向兩相鄰車輛車頭間距大于該值，則判定為無追尾風(fēng)險(xiǎn)，車輛均按原狀態(tài)行駛；若小于該值，則判斷為有追尾風(fēng)險(xiǎn)，后車應(yīng)立即進(jìn)入減速狀態(tài)，其中后車延誤時(shí)間為前車預(yù)計(jì)到達(dá)交叉口中心點(diǎn)車頭時(shí)距及同向最小車頭時(shí)距的總和與后車原預(yù)計(jì)到達(dá)交叉口中心點(diǎn)車頭時(shí)距之差。其中，同向最小車頭時(shí)距為車輛跟馳狀態(tài)下的最小車頭時(shí)距。

式中：E為安全跟馳間距，v()為后車當(dāng)前速度，v()為前車當(dāng)前速度，a為車輛最大加速度，t是指令生成并傳輸時(shí)間。

2.4 車輛狀態(tài)變化模型

為實(shí)現(xiàn)附加在車輛上的延誤時(shí)間及提前時(shí)間，依據(jù)車輛加減速特征，制作出3種車輛狀態(tài)變化模型。車輛狀態(tài)變化曲線均符合函數(shù)：

式中：v為車輛速度，t為車輛行駛時(shí)間，Z為車輛當(dāng)前速度，a、b、c為參數(shù)，可由待定系數(shù)法求得。

以平臺(tái)設(shè)計(jì)中保證任何速度車輛均可以實(shí)現(xiàn)車輛狀態(tài)變化指令；對(duì)于不同狀態(tài)車輛，車輛最大加速度為5m/s，以圖像所圍面積間的等值關(guān)為標(biāo)準(zhǔn)進(jìn)行參數(shù)賦予。

其中，減速模型與減速停車模型均對(duì)應(yīng)延誤車輛狀態(tài)變化，不同的是減速停車模型針對(duì)于延誤時(shí)間較大車輛，而減速模型針對(duì)于延誤時(shí)間較小，不用以停車指令來滿足所需延誤時(shí)間的目標(biāo)車輛。

2.5 其它關(guān)鍵參數(shù)設(shè)置

其中：異向最小車頭時(shí)距為在車輛均以一般速度行駛的條件下，異向車輛正好滿足穿插通行狀態(tài)的到達(dá)交叉口中心點(diǎn)的最小車頭時(shí)距。同向最小車頭時(shí)距為車輛均以一般速度行駛的條件下同向車輛最小跟車時(shí)距，同向車輛在保持該跟車時(shí)距情況下，異向車輛可以正好穿插在該間隙通過。一般車速是車輛一般狀態(tài)下行駛時(shí)的速度。最大車速是車輛需要加速通行時(shí)所能瞬間加速到的最大車速。

2.6 仿真平臺(tái)實(shí)現(xiàn)

搭建平臺(tái)所用的設(shè)計(jì)工具為VB。在顯示部分，利用VB提供可視化控件完成操作。邏輯部分主要用VB Script中的Function關(guān)鍵詞以及Sub過程完成不同邏輯塊的實(shí)現(xiàn)，主要有車輛狀態(tài)變化模型、沖突檢測(cè)模型等。

圖5 減速模型

圖6 減速停車模型

圖7 加速模型

表1 參數(shù)設(shè)置表

圖8 交通仿真平臺(tái)界面

3 交叉口通行控制仿真實(shí)驗(yàn)

3.1 均衡車流負(fù)載仿真實(shí)驗(yàn)

針對(duì)不同交通負(fù)載（交叉口交通總流量分別為300veh/h、700veh/h、1 000veh/h、1 300veh/h），利用智能通行控制方法對(duì)交叉口進(jìn)行仿真模擬，并進(jìn)行數(shù)據(jù)統(tǒng)計(jì)。本文采用的評(píng)價(jià)參數(shù)包括交叉口平均延誤、平均速度、平均停車次數(shù)和平均排隊(duì)長(zhǎng)度。具體結(jié)果如表2所示。

表2 均衡車流環(huán)境下仿真結(jié)果

在不同的交通負(fù)載下，該種交叉口交通評(píng)價(jià)參數(shù)如表2所示。當(dāng)交通負(fù)載較小時(shí)，本算法通行控制效果較好，平均延誤、平均停車次數(shù)和平均排隊(duì)長(zhǎng)度三項(xiàng)參數(shù)隨交通負(fù)載量的提升呈正相關(guān)。反之，平均速度隨交通負(fù)載的提升呈負(fù)相關(guān)。從數(shù)值上來看，本交通通行控制算法顯著提升了交叉口的通行效率，可認(rèn)為本文提出的交叉口車輛通行控制方法具有有效性。

3.2 不均衡車流負(fù)載仿真實(shí)驗(yàn)

針對(duì)不同方向交通流大小相差很大的情況，本小節(jié)對(duì)交叉口不均衡車流負(fù)載的情況進(jìn)行試驗(yàn)。交叉口總體車流負(fù)載為1 300veh/h，分別就主要車流與次要車流比為300∶1 000、600∶700、900∶400三種情況進(jìn)行仿真。仿真結(jié)果如表3所示。

由表3可知，在交通負(fù)載不均衡的條件下，當(dāng)主次交通流量相差較大時(shí)，本文提出的通行控制方法相較于另外兩種車流負(fù)載情況通行控制效果較差；當(dāng)主次流量接近時(shí)，交通通行控制效果最好。根據(jù)交叉口平均延誤、平均速度、平均停車次數(shù)和平均排隊(duì)長(zhǎng)度的實(shí)驗(yàn)結(jié)果，可認(rèn)為本文提出的交叉口車輛通行控制方法顯著提升了交叉口通行效率，具有有效性。

表3 不均衡車流環(huán)境下仿真結(jié)果

4 結(jié)論

本文以車路協(xié)同與自動(dòng)駕駛為虛擬背景，將單向通行道路相交交叉口和普通十字交叉口為對(duì)象，以車輛通行安全和延誤最小為目標(biāo)，提出了兩種不同類型交叉口的車輛通行控制方法，并構(gòu)建了交通仿真平臺(tái)。通過和感應(yīng)式信號(hào)控制以及定時(shí)信號(hào)控制方法的對(duì)比分析，證明了本文提出的交叉口通行控制方法不僅可保障車路協(xié)同與自動(dòng)駕駛環(huán)境下車輛的安全通行，且能夠顯著降低系統(tǒng)的車輛延誤時(shí)間，該方法在未來的智能交通環(huán)境下具有一定的適用性。但為簡(jiǎn)化控制方法及模型，本文未考慮車輛轉(zhuǎn)向的影響，在未來研究中，應(yīng)在現(xiàn)有控制方法基礎(chǔ)上進(jìn)行拓展，進(jìn)一步提高控制方法的實(shí)用性。

5 創(chuàng)新點(diǎn)

本研究的創(chuàng)新之處主要體現(xiàn)在以下三個(gè)方面：

（1）以虛擬的未來智能交通環(huán)境為背景具有超前性。車路協(xié)同和自動(dòng)駕駛是未來智能交通必然面臨的新場(chǎng)景和新挑戰(zhàn)，如何應(yīng)對(duì)未來智能交通環(huán)境下的交通控制具有較強(qiáng)的客觀需求。

（2）提出了未來智能交通環(huán)境下車輛在交叉口處的通行控制方法。本文提出的車輛通行控制方法具有較強(qiáng)的新穎性，且通過對(duì)比分析證明了提出的方法具有一定的優(yōu)越性。

（3）實(shí)現(xiàn)了對(duì)通行控制算法的仿真。本文不僅在理論層面上進(jìn)行了研究，還獨(dú)立設(shè)計(jì)了未來智能交通環(huán)境下交叉口的仿真平臺(tái)，可直觀展示未來的交叉口運(yùn)行狀態(tài)以及本次研究成果的實(shí)際應(yīng)用效果。