基于交通流仿真的智能路側(cè)設(shè)施管控效果測度方法

摘 要：智能路側(cè)設(shè)施布設(shè)的管控效果對智能路側(cè)設(shè)施建設(shè)至關(guān)重要，但在現(xiàn)有的智能路側(cè)設(shè)施管控效果測度方法研究中，存在實(shí)地測度實(shí)驗(yàn)的高成本性、場景不可控及現(xiàn)有仿真軟件側(cè)重單車仿真且缺乏對交通流層面的控制策略植入與運(yùn)行狀態(tài)分析等問題。因此利用VISSIM COM二次開發(fā)，提出了基于交通流仿真的管控效果測度方法。首先，設(shè)計(jì)高速公路的管控場景，并利用VISSIM進(jìn)行場景構(gòu)建；其次，通過設(shè)計(jì)換道控制策略算法和動態(tài)限速策略算法，對換道過程和限速過程進(jìn)行計(jì)算和控制；最后，通過構(gòu)建管控效果評價模型對高速公路的管控效果進(jìn)行量化及分析，并與其他方法進(jìn)行對比。仿真結(jié)果表明，對比其他測度方法，所提方法的速度方差分別降低了39.51%和25.65%。由此可見，該方法能夠適應(yīng)復(fù)雜的高速交通環(huán)境，并能夠有效地對高速公路智能路側(cè)設(shè)施布設(shè)的管控效果進(jìn)行測量。

關(guān)鍵詞：智能交通；智能路側(cè)設(shè)施；高速公路；管控效果；VISSIM仿真

中圖分類號：TP319"" 文獻(xiàn)標(biāo)志碼：A""" 文章編號：1001-3695（2025）04-023-1135-08

doi： 10.19734/j.issn.1001-3695.2024.07.0306

Measurement method for intelligent roadside facility control effect based on traffic flow simulation

Zhong Linkai1， Lin Yi1， Zeng Qiting1， Lian Peikun1， Chen Ning2， Zhang Daozhi3

（1.College of Transportation amp; Civil Engineering， Fujian Agriculture amp; Forestry University， Fuzhou 350002， China; 2. College of Metropolitan Transportation， Beijing University of Technology， Beijing 100124， China; 3. Fuzhou Planning amp; Design Research Institute Group Co.， Ltd.， Fuzhou 350108， China）

Abstract：Deploying intelligent roadside facilities is crucial for their control effect during construction， but the existing research on measuring the control effect of intelligent roadside facilities faces problems such as high costs for field measurement experiments， uncontrollable scenarios， and the absence of control strategy implantation and operation state analysis. Therefore， this paper proposed a control effect measurement method based on traffic flow simulation using the VISSIM COM secondary development. Firstly， it designed the control scenario for the expressway and constructed the scene using VISSIM. Secondly， it designed the lane-changing control strategy algorithm and dynamic speed limit strategy algorithm， and calculated and controlled the lane-changing process and speed limit process. Finally， it built an evaluation model to quantify and analyze the control effect of the expressway， comparing it with other methods found in literature. The simulation results indicate that， compared to other measurement methods， the proposed method reduces speed variance by 39.51% and 25.65%， respectively. It is evident that the proposed method can adapt to complex highway traffic environments and effectively measure the control effect of deploying intelligent roadside facilities on expressways.

Key words：intelligent transportation; intelligent roadside facilities; expressway; control effect; VISSIM simulation

0 引言

在新基建背景下，當(dāng)前高速公路建設(shè)已由基本智慧級過渡到協(xié)同式智慧級，智能路側(cè)設(shè)施建設(shè)逐步加快，智能路側(cè)設(shè)施布設(shè)的管控效果對智慧高速建設(shè)至關(guān)重要［1］。智慧高速公路是大數(shù)據(jù)時代的高速公路新形態(tài)，是傳統(tǒng)高速公路系統(tǒng)的延伸和創(chuàng)新。傳統(tǒng)高速公路系統(tǒng)主要以簡單智慧級和基本智慧級為主，強(qiáng)調(diào)以功能實(shí)現(xiàn)為導(dǎo)向；而車路協(xié)同背景下的智慧高速公路則以協(xié)同式智慧級為主，強(qiáng)調(diào)以管理和服務(wù)為導(dǎo)向，注重對數(shù)據(jù)的加工應(yīng)用［2］。智慧高速公路的發(fā)展推動了交通信息化［3］，為交通運(yùn)輸領(lǐng)域各類信息的全時空、網(wǎng)絡(luò)化、大規(guī)模獲取提供了技術(shù)支持，智能路側(cè)設(shè)施的建設(shè)受到社會各界的廣泛重視。而智能路側(cè)設(shè)施布設(shè)的管控效果直接影響了整個交通系統(tǒng)的運(yùn)行效率及安全性［4］。因此，通過對智能路側(cè)設(shè)施布設(shè)的管控效果測度進(jìn)行深入研究，對提高智能路側(cè)設(shè)施布設(shè)的合理性以及提高交通系統(tǒng)的運(yùn)行效率具有重要意義。

當(dāng)前，國內(nèi)外學(xué)者提出了多種關(guān)于管控效果的測度方法。馮宣東［5］通過“跟車法測速系統(tǒng)”，提出了針對單點(diǎn)和“綠波”的管控效果實(shí)時檢測方法；張勇［6］通過在山西陽左高速公路的事故多發(fā)地設(shè)置監(jiān)測斷面，以此來測量不同車型的車速管控效果；張磊［7］設(shè)計(jì)了一種基于北斗衛(wèi)星的狹窄路段交通擁堵智能控制系統(tǒng)，利用全方位磁傳感器等硬件對路段交通的管控效果進(jìn)行測量；Greguric"""" ＇等人［8］利用安裝在道路基礎(chǔ)設(shè)施上的交通控制系統(tǒng)測量的管控效果信息，通過智能速度自適應(yīng)（ISA）技術(shù)制定相應(yīng)的管控策略；劉文君等人［9］基于實(shí)地測量路側(cè)激光雷達(dá)的管控效果數(shù)據(jù)，通過隨機(jī)森林算法對其進(jìn)行評價；Galkin等人［10］通過積累實(shí)地測量的交通流管控效果信息，提出了用于智能交通系統(tǒng)的自動交通流控制算法。以上研究大多數(shù)采用實(shí)地測量的方式，這通常會耗費(fèi)大量的人力、物力等資源。同時，其實(shí)驗(yàn)場景較為局限，具有較大的不可控性。為了解決這些問題，部分學(xué)者采用仿真的方式進(jìn)行管控效果的測度研究。

使用仿真的方式進(jìn)行管控效果的測度研究，不僅節(jié)省了大量的資源，而且其場景較為豐富，更有利于進(jìn)行不同場景下的管控效果測度研究。然而，在基于仿真的管控效果測度研究中，國內(nèi)外學(xué)者考慮了多方面的影響因素。邱興友等人［11］通過仿真平臺搭建高速公路場景，并考慮檢測器的檢測范圍對管控效果的影響；魏向達(dá)等人［12］考慮了車輛軌跡數(shù)據(jù)對城市干線綠波管控效果的影響；李媛等人［13］采用理論分析和仿真計(jì)算相結(jié)合的方式，探討車流速度波動和車流到達(dá)率波動兩個因素對管控效果的影響機(jī)理；Li等人［14］結(jié)合粒子群優(yōu)化算法，考慮平均行駛速度、換道頻率、車輛位置等因素對管控效果的影響；文獻(xiàn)［15，16］利用灰色關(guān)聯(lián)分析法構(gòu)建評估模型，前者考慮了車流聚集程度等因素對管控效果的影響，而后者則考慮了路側(cè)設(shè)備的檢測范圍、重疊度、功能覆蓋等因素。然而，上述研究大多側(cè)重于單車仿真，缺乏對交通流層面的控制策略植入與運(yùn)行狀態(tài)分析?；诖?，本文利用VISSIM COM二次開發(fā)，通過設(shè)計(jì)換道控制策略算法和動態(tài)限速策略算法，提出了基于交通流仿真的管控效果測度方法，進(jìn)一步探究智能路側(cè)設(shè)施布設(shè)管控效果與設(shè)備布設(shè)間距、有效檢測距離等因素的影響關(guān)系。

1 相關(guān)定義及假設(shè)

1.1 管控場景構(gòu)建

1.1.1 管控目標(biāo)及管控策略

本文利用感知設(shè)備實(shí)時監(jiān)測交通流量、車速、道路占用及突發(fā)事件，并通過發(fā)布設(shè)備即時向駕駛員反饋管控信息，旨在增強(qiáng)高速行車安全［17］。鑒于高速路況復(fù)雜多變，快速響應(yīng)并實(shí)施有效管控策略對預(yù)防次生事故、維護(hù)整體交通安全至關(guān)重要。換道控制作為關(guān)鍵一環(huán)，通過精準(zhǔn)引導(dǎo)，確保換道過程安全順暢，減少事故與擁堵［18］。結(jié)合速度控制等措施，形成綜合管控策略，其中限速尤為常見。通過合理的限速，以平衡安全與效率［19］。

隨著車路協(xié)同技術(shù)進(jìn)步，換道控制得以智能化，利用感知與發(fā)布設(shè)備的協(xié)同，為駕駛員提供個性化換道建議，同時動態(tài)調(diào)整車速，優(yōu)化管控效果［20］。針對高速公路事故頻發(fā)的現(xiàn)實(shí)背景，本文聚焦于換道控制與動態(tài)限速兩大策略，選取事故場景為典型案例，研究智能路側(cè)設(shè)施布設(shè)對管控效果的影響，特別是設(shè)備間距與感知距離如何影響管控效果，為提升高速公路安全管理提供了科學(xué)依據(jù)。

1.1.2 管控場景界定

在車路協(xié)同管控效果測度場景中，當(dāng)感知設(shè)備檢測到事故的發(fā)生，系統(tǒng)會立即獲取并記錄事故發(fā)生的時間、事故車輛的具體位置及其所占用的車道等關(guān)鍵信息［21］。同時，系統(tǒng)會實(shí)時獲取當(dāng)前非事故車輛的速度、位置和所在車道數(shù)據(jù)。獲取完信息后，系統(tǒng)會立即啟動換道控制和動態(tài)限速的管控策略，并通過上游的發(fā)布設(shè)備發(fā)布策略指令，非事故車輛在接收到策略指令后，采取相應(yīng)的換道和減速措施。此過程構(gòu)成管控效果測度研究的整體場景。管控過程的具體流程如圖1所示。

基礎(chǔ)場景如圖2所示，感知設(shè)備在進(jìn)行前方檢測時存在一定范圍的檢測盲區(qū)，這一區(qū)域俗稱“燈下黑”。盲區(qū)前方則是設(shè)備的有效檢測范圍［22］，可變信息情報(bào)板（VMS）前置有一定長度的識讀距離。根據(jù)交通運(yùn)輸部發(fā)布的《高速公路監(jiān)控技術(shù)要求》中指出，可變信息標(biāo)志動態(tài)可視距離應(yīng)不低于210 m，即當(dāng)車速120 km/h時，在規(guī)定的視認(rèn)角內(nèi)，能夠正確認(rèn)讀標(biāo)志內(nèi)容的最大距離，同時，路側(cè)單元（RSU）具備500 m的通信范圍。在進(jìn)行換道操作時，必須在距離最小安全間距之前完成，整個過程中，動態(tài)限速策略是持續(xù)進(jìn)行的，其根據(jù)瞬時速度限制區(qū)間車速。

1.2 假設(shè)條件

考慮普遍性與適用性，在管控效果測度研究中提出以下假設(shè)：a）以常規(guī)環(huán)境作為管控效果測度背景，即白天晴天條件下的高速公路基本路段；b）異常事件發(fā)生時，車道未完全封閉，存在換道通行可能；c）駕駛員在接收到發(fā)布設(shè)備所發(fā)布的管控信息后，必定會采取相應(yīng)的操作措施以響應(yīng)；d）為最大程度地探究布設(shè)間距與管控效果之間的聯(lián)系，管控過程中不考慮補(bǔ)償算法加成；e）事故發(fā)生于路側(cè)設(shè)備最遠(yuǎn)盲區(qū)點(diǎn)與可檢測的最遠(yuǎn)點(diǎn)之間的區(qū)間內(nèi)；f）鑒于RSU與OBU的V2X通信范圍大于可變信息情報(bào)板的識讀距離［23］，考慮不利原則，僅選擇可變信息情報(bào)板作為發(fā)布設(shè)備進(jìn)行管控效果測度。

1.3 管控效果評價模型

基于本文界定的管控場景，并結(jié)合換道控制和動態(tài)限速兩種管控策略，通過換道位置距離事故點(diǎn)的距離和各個區(qū)間車速與發(fā)布速度方差的平均值來衡量管控效果，并以感知設(shè)備有效檢測距離的覆蓋率來作為事故的檢測率，構(gòu)建面向高速公路的智能路側(cè)設(shè)施布設(shè)管控效果評價模型，見式（1）。

Eij=αSijlijCL+βVD

（1）

其中：Eij為路段j上i類路側(cè)設(shè)施的管控效果值；Sij為路段j上i類路側(cè)設(shè)施的有效檢測距離（m）；lij為路段j上i類路側(cè)設(shè)施中感知設(shè)備的布設(shè)間距（m）；CL為換道位置離事故地點(diǎn)距離（m）；VD為動態(tài)限速方差平均值。根據(jù)專家調(diào)研問卷結(jié)果，其中76.19%的專家認(rèn)為高速公路智能路側(cè)設(shè)施布設(shè)管控效果在考慮因素的重要度排序中，換道控制優(yōu)于動態(tài)限速。因此，通過AHP層次分析法確定ɑ的值為0.6，β的值為0.4。

2 換道控制策略算法

感知設(shè)備采集到事故發(fā)生，會記錄下事故時間、事故位置、道路信息等［24］，并統(tǒng)計(jì)事故點(diǎn)前的車輛信息，根據(jù)布設(shè)設(shè)備的布設(shè)間距劃分換道區(qū)間，并確定各區(qū)間內(nèi)交通流信息，向事故車輛上游的可變信息情報(bào)板發(fā)布換道控制信息，顯示各換道區(qū)間的換道控制信息，發(fā)布設(shè)備5 min更新一次，循環(huán)直到事故解除。換道控制策略算法詳細(xì)流程如圖3所示。

2.1 換道區(qū)間長度計(jì)算

換道控制策略算法首先要計(jì)算換道區(qū)間長度，具體流程為：首先，當(dāng)感知設(shè)備檢測到事故發(fā)生時，記錄下事故發(fā)生的坐標(biāo)位置、事故所處車道編號、事故發(fā)生及結(jié)束的時刻、事故車輛類型，并存儲在“事故信息”數(shù)組中；其次，統(tǒng)計(jì)感知范圍內(nèi)所有車輛，并獲取車輛編號，實(shí)時車道、期望車道變化、當(dāng)前瞬時速度、坐標(biāo)位置，存儲在動態(tài)“車輛信息類”數(shù)組中；最終，計(jì)算考慮事故位置的換道區(qū)間長度。具體計(jì)算步驟如下：

a）獲取換道控制感知設(shè)備布設(shè)區(qū)間的起點(diǎn)位置。

b）判斷目標(biāo)車輛位置（即事故車輛位置）與換道控制感知設(shè)備布設(shè)區(qū)間的起點(diǎn)位置之間的距離是否大于發(fā)布設(shè)備的布設(shè)間距。若不大于，則考慮事故位置的換道區(qū)間最后長度為目標(biāo)車輛位置與當(dāng)前換道控制感知設(shè)備布設(shè)區(qū)間的起點(diǎn)位置之間的距離；若大于，則考慮事故位置的換道區(qū)間長度等于發(fā)布設(shè)備布設(shè)間距，其增加發(fā)布設(shè)備的布設(shè)間距，為下一個區(qū)間的起點(diǎn)位置作準(zhǔn)備。

c）判斷目標(biāo)車輛位置與當(dāng)前換道控制感知設(shè)備布設(shè)區(qū)間的起點(diǎn)位置之間的距離是否小于發(fā)布設(shè)備的布設(shè)間距，若為不小于，則繼續(xù)循環(huán)累加和判斷；若為小于，考慮事故位置的換道區(qū)間最終長度為目標(biāo)車輛位置與當(dāng)前換道控制感知設(shè)備布設(shè)區(qū)間的起點(diǎn)位置之間的距離。

2.2 換道車輛數(shù)計(jì)算

當(dāng)?shù)贸隹紤]事故位置的換道區(qū)間最終長度后，需要進(jìn)行下一步計(jì)算，即在換道區(qū)間內(nèi)的最終換道車輛數(shù)，具體步驟如下：

a）計(jì)算換道區(qū)間所允許存在的最大車輛數(shù)。

MAXVcli=APclil3600TCcli×EScli3.6

（2）

其中：MAXVcli為換道區(qū)間所允許存在的最大車輛數(shù)；TCcli為換道區(qū)間的通行能力；EScli為換道區(qū)間的期望速度。

b）分車道車輛數(shù)及位置統(tǒng)計(jì)。分車道車輛數(shù)及位置統(tǒng)計(jì)關(guān)鍵在于統(tǒng)計(jì)各換道區(qū)間目標(biāo)車道和非目標(biāo)車道的車輛數(shù)，并把車輛編號與車輛坐標(biāo)位置存儲在數(shù)組中。具體實(shí)現(xiàn)流程如下：

（a）統(tǒng)計(jì)與換道區(qū)間有關(guān)的分車道車輛數(shù)，包括換道控制感知設(shè)備布設(shè)區(qū)間編號和車道編號，并統(tǒng)計(jì)當(dāng)前統(tǒng)計(jì)時刻，各換道區(qū)間的車輛編號和車輛位置。

（b）獲取車輛集合中的車輛信息，其包含運(yùn)行中的車輛信息。

（c）獲取各換道控制感知設(shè)備布設(shè)區(qū)間數(shù)據(jù)。

（d）判斷車輛位置是否在換道區(qū)間內(nèi)，同時當(dāng)前時刻是否小于事故統(tǒng)計(jì)結(jié)束時刻。若不小于，返回步驟（c）循環(huán)；若小于，進(jìn)入步驟（e）判斷。

（e）如果該車輛不是事故車輛，且位于目標(biāo)車道（即事故車輛所在的車道），則記錄下該車輛的編號和位置，并記錄目標(biāo)車道的車輛數(shù)；如果該車輛不是事故車輛，且位于非目標(biāo)車道，則記錄下非目標(biāo)車道的車輛數(shù)；如果該車輛是事故車輛，則返回步驟（b）循環(huán)。

c）分車道占有率統(tǒng)計(jì)。

OSLDcli=VSLDcli×1000APclil

（3）

其中：OSLDcli為與換道區(qū)間有關(guān)的分車道占有率統(tǒng)計(jì)；VSLDcli為與換道區(qū)間有關(guān)的分車道車輛數(shù)統(tǒng)計(jì)；APclil為考慮事故位置的換道區(qū)間長度。當(dāng)y取值為0時，累計(jì)所得結(jié)果為只統(tǒng)計(jì)事故車輛所在車道的占有率之和OSLDcli［x，0］。

d）換道區(qū)間的分配比例計(jì)算。先計(jì)算出各換道區(qū)間的初始系數(shù)分配比例，接著將初始系數(shù)分配比例歸一化得到最終各換道區(qū)間的系數(shù)分配比例。具體實(shí)現(xiàn)流程如下：

（a）獲取各換道區(qū)間占有率的總和。

（b）判斷各換道區(qū)間占有率的總和是否為0：如果為0，由步驟c）求得。

（c）如果占有率的總和為0，則由式（4）計(jì)算初始分配比例，再將其求和得到各換道區(qū)間占有率的總和。

PICDcli=APclil×VSLDcliSAPclil×OSLDcli［x，0］

（4）

其中：PICDcli為各換道區(qū)間的初始系數(shù)分配比例；APclil為考慮事故位置的換道區(qū)間長度；VSLDcli為與換道區(qū)間有關(guān)的分車道車輛數(shù)統(tǒng)計(jì)；SAPclil為考慮事故位置的換道控制區(qū)間長度總和；OSLDcli為與換道區(qū)間有關(guān)的分車道占有率統(tǒng)計(jì)。

（d）累加各換道區(qū)間的初始分配比例，判斷分配比例總和是否等于0。

（e）如果分配比例總和等于0，則最終分配比例系數(shù)為0；如果分配比例總和不等于0，則進(jìn)一步計(jì)算歸一化分配比例系數(shù)，見式（5）。

NCDRclix=PICDclix∑xPICDclix

（5）

其中：CLVcli為第x個換道區(qū)間的歸一化系數(shù)分配比例；PICDclix為第x個換道區(qū)間的初始系數(shù)分配比例；x表示距離事故位置最遠(yuǎn)處的第x個換道區(qū)間。

e）當(dāng)前統(tǒng)計(jì)時刻的最終換道車輛數(shù)計(jì)算。先計(jì)算初始換道車輛數(shù)，接著計(jì)算允許換道車輛數(shù)，最終確定換道車輛數(shù)，具體實(shí)現(xiàn)流程如下：

（a）計(jì)算初始換道車輛數(shù)，見式（6）。

CLVcli=OSLDcli×NCDRcli

（6）

其中：CLVcli為換道區(qū)間當(dāng)前統(tǒng)計(jì)時刻的初始換道車輛數(shù)；OSLDcli為與換道區(qū)間有關(guān)的分車道占有率統(tǒng)計(jì)；NCDRcli為各換道區(qū)間的歸一化系數(shù)分配比例。

（b）如果計(jì)算出的初始換道車輛數(shù)≤目標(biāo)車道區(qū)間的車輛數(shù)，那么計(jì)算出的初始換道車輛數(shù)則為初始換道車輛數(shù)，否則目標(biāo)車道區(qū)間的車輛數(shù)為初始換道車輛數(shù)。

（c）如果各換道區(qū)間最大車輛數(shù)≥當(dāng)前非目標(biāo)車道車輛數(shù)，則允許換道車輛數(shù)為各換道區(qū)間最大車輛數(shù)，如果各換道區(qū)間最大車輛數(shù)＜當(dāng)前非目標(biāo)車道車輛數(shù)，則允許換道車輛數(shù)為0。

（d）如果初始換道車輛數(shù)≤允許換道車輛數(shù)，則在非事故車輛所在區(qū)間，最終換道車輛數(shù)為初始換道車輛數(shù)，在事故車輛所在區(qū)間，最終換道車輛數(shù)為目標(biāo)車道車輛數(shù)；如果初始換道車輛數(shù)＞允許換道車輛數(shù)，最終換道車輛數(shù)為允許換道車輛數(shù)。

2.3 隨機(jī)換道位置計(jì)算

換道控制策略發(fā)布于事故點(diǎn)上游的發(fā)布設(shè)備，假設(shè)換道控制策略發(fā)布于事故點(diǎn)上游的兩個發(fā)布設(shè)備，車輛在每個換道區(qū)間的隨機(jī)換道位置具有最大值和最小值。以第一個發(fā)布設(shè)備上游區(qū)間為第1區(qū)間，依此類推區(qū)間數(shù)加1，接下來將具體分析車輛處于某個換道區(qū)間時，車輛隨機(jī)換道位置的范圍，即計(jì)算隨機(jī)換道位置最小值與最大值。

a）當(dāng)車輛位于第1區(qū)間時，如圖4（a）所示，此時要判斷非事故車輛坐標(biāo)位置與第1區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置、第1區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備終點(diǎn)位置加上換道的附加距離的大小關(guān)系，附加距離的大小由發(fā)布設(shè)備布設(shè)間距決定。

b）當(dāng)車輛位于第2區(qū)間時，如圖4（b）所示，此時要判斷換道最小安全距離與為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置、為換道控制服務(wù)的發(fā)布設(shè)備終點(diǎn)位置加上檢測盲區(qū)長度之間的大小關(guān)系。

c）當(dāng)車輛位于事故區(qū)間時，如圖4（c）所示，此時要判斷最小安全距離與事故區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置、事故車輛坐標(biāo)位置之間的大小關(guān)系。

具體結(jié)果見圖5，其中SJCLmin為隨機(jī)換道位置最小值，SJCLmax為隨機(jī)換道位置最大值，CPnv為非事故車輛坐標(biāo)位置，SLclfb［1］為第1區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置，ELclfb［1］為第1區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備終點(diǎn)位置，ADcl為換道的附加距離，DTAM為換道最小安全距離，SLclfb［2］為第2區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置，ELclfb［2］為第2區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備終點(diǎn)位置，BLgz為檢測盲區(qū)長度，CPav為事故車輛坐標(biāo)位置，SLclfb［x］為事故區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備起點(diǎn)位置，ELclfb［x］為事故區(qū)間為換道控制服務(wù)的發(fā)布設(shè)備終點(diǎn)位置。

2.4 換道執(zhí)行

在上述步驟都執(zhí)行完之后，即可執(zhí)行換道控制，具體步驟如下：a）產(chǎn)生隨機(jī)車輛，通過編程的隨機(jī)數(shù)組選中隨機(jī)車輛；b）獲取車輛信息，獲取該車輛當(dāng)前所處車道和位置；c）執(zhí)行換道控制，如果該車輛位于事故車輛所在車道，且該車輛坐標(biāo)位置小于事故車輛坐標(biāo)位置，則執(zhí)行換道，否則不執(zhí)行換道。

3 動態(tài)限速策略算法

感知設(shè)備采集到事故發(fā)生，向事故上游的可變信息情報(bào)板發(fā)布動態(tài)限速信息，顯示各動態(tài)限速區(qū)間的限速值，發(fā)布設(shè)備5 min更新一次。

動態(tài)限速策略算法首先是通過感知設(shè)備獲取車輛的區(qū)間平均車速，計(jì)算公式如下：

i=tin－ti0Lj

（7）

其中：i為該動態(tài)限速區(qū)間第i輛車的區(qū)間平均車速；ti0為該動態(tài)限速區(qū)間第i輛車經(jīng)過動態(tài)限速區(qū)間起點(diǎn)時，感知設(shè)備記錄的時間；tin為該動態(tài)限速區(qū)間第i輛車經(jīng)過動態(tài)限速區(qū)間終點(diǎn)時，感知設(shè)備記錄的時間；Lj為該動態(tài)限速區(qū)間的長度。

通過記錄存儲5 min內(nèi)該動態(tài)限速區(qū)間每輛車的區(qū)間平均車速，并對其進(jìn)行排序。根據(jù)國家標(biāo)準(zhǔn)《道路交通標(biāo)志和標(biāo)線 第5部分：限制速度》（GB 5768.5—2017）中規(guī)定，以第85位車速為基礎(chǔ)，確定限制速度值［25］。最終，取第85位車速作為上游動態(tài)限速區(qū)間的限速值，并將該限速值發(fā)布至上游的可變信息情報(bào)板。

動態(tài)限速策略算法詳細(xì)流程見圖6，其中id_speed_dic［m］是當(dāng)前統(tǒng)計(jì)時刻各動態(tài)限速區(qū)間的車輛編號與區(qū)間平均車速數(shù)字字典；speed_order是用于存儲速度排序的數(shù)組；speed_limit=0.85，為85位車速系數(shù)。

a）聲明數(shù)組。id_speed_dic［m］是當(dāng)前統(tǒng)計(jì)時刻各動態(tài)限速區(qū)間的車輛編號與區(qū)間平均車速數(shù)字字典；speed_order是用于存儲速度排序的數(shù)組；speed_limit=0.85，為85位車速系數(shù)。

b）填充速度排序數(shù)組。遍歷每個感知設(shè)備，將id_speed_dic中的車輛速度數(shù)據(jù)填充到對應(yīng)的speed_order數(shù)組中。

c）對速度進(jìn)行排序。遍歷每個感知設(shè)備，對其speed_order數(shù)組中的速度數(shù)據(jù)進(jìn)行排序。

d）計(jì)算初始限制速度并編號。根據(jù)排序后的車速數(shù)組和車速系數(shù)（speed_limit）計(jì)算初始限制速度，初始限制速度為排序后的車速數(shù)組中的85位車速。

e）確定最終限制速度。檢查限制速度的編號是否有效，即小于車速數(shù)組中的數(shù)量且大于0，如果有效，最終限制速度為初始限制速度，并按此速度執(zhí)行限速；如果無效，則不執(zhí)行限速。

4 仿真實(shí)驗(yàn)與分析

根據(jù)管控效果評價模型涉及的換道控制策略算法和動態(tài)限速策略算法，通過Visual Studio和VISSIM COM開發(fā)仿真實(shí)驗(yàn)平臺進(jìn)行仿真實(shí)驗(yàn)。

4.1 實(shí)驗(yàn)流程

仿真實(shí)驗(yàn)具體流程如圖7所示。具體實(shí)驗(yàn)設(shè)置步驟如下：

a）基本設(shè)置。聲明在執(zhí)行換道控制和動態(tài)限速策略所需要的變量與數(shù)組，設(shè)置存儲數(shù)字類型及輸出文件位置、格式。

b）主要變量控制。單一變量控制原理，分別研究：（a）控制流量和布設(shè)間距不變，不同的感知設(shè)備有效檢測距離、發(fā)布設(shè)備有效識讀距離的交通管控效果；（b）控制流量和有效檢測距離及有效識讀距離不變，不同布設(shè)間距的交通管控效果。其中，換道區(qū)間的分配比例系數(shù)因不同的布設(shè)間距取值不同。

c）布設(shè)數(shù)量修正。為簡化研究控制變量對交通管控效果影響實(shí)驗(yàn)，布設(shè)設(shè)備數(shù)量修正根據(jù)有效檢測距離、有效識讀距離、布設(shè)間距及考慮事故車輛所在位置進(jìn)行修正。

d）運(yùn)行仿真?；谝陨喜襟E，通過換道控制策略和動態(tài)限速策略構(gòu)建換道控制場景和動態(tài)限速場景，并調(diào)試、執(zhí)行控制算法運(yùn)行仿真。仿真過程主要包括事故車輛標(biāo)識、獲取車輛信息、換道控制場景仿真和動態(tài)限速場景仿真。

e）實(shí)驗(yàn)數(shù)據(jù)輸出。仿真運(yùn)行結(jié)束，輸出提取存儲實(shí)驗(yàn)數(shù)據(jù)，并重新調(diào)整變量值，重復(fù)實(shí)驗(yàn)。

f）對比分析。整理所有仿真運(yùn)行數(shù)據(jù)，計(jì)算、對比不同組實(shí)驗(yàn)數(shù)據(jù)得出實(shí)驗(yàn)結(jié)論。

4.2 適應(yīng)性實(shí)驗(yàn)

4.2.1 適應(yīng)性實(shí)驗(yàn)設(shè)計(jì)

由管控效果測度可知管控效果主要受到發(fā)布設(shè)備布設(shè)間距、感知設(shè)備布設(shè)間距、感知設(shè)備有效檢測距離、發(fā)布設(shè)備更新時間、交通量的影響。故實(shí)驗(yàn)設(shè)計(jì)的目的是探究在換道控制和動態(tài)限速兩種策略的管控總效果在上述五種影響因素變化下的適應(yīng)程度。其中，由于感知設(shè)備的有效檢測距離與事故的感知覆蓋率有關(guān)，且只影響換道控制策略，并根據(jù)中國智能交通產(chǎn)業(yè)聯(lián)盟發(fā)布的團(tuán)體標(biāo)準(zhǔn)中對交通感知設(shè)備有效檢測范圍的規(guī)定［26］，故將感知設(shè)備的有效檢測距離定為250 m，作為修正系數(shù)代入分析即可。因此，適應(yīng)性實(shí)驗(yàn)所研究的影響因素包括發(fā)布設(shè)備布設(shè)間距、感知設(shè)備布設(shè)間距、發(fā)布設(shè)備更新時間、交通量四種，各個因素的取值設(shè)定如表1所示，將不同因素的不同取值進(jìn)行正交，共計(jì)360次仿真實(shí)驗(yàn)，每次實(shí)驗(yàn)組合的仿真運(yùn)行時間為1 400 s。

4.2.2 適應(yīng)性實(shí)驗(yàn)結(jié)果分析

發(fā)布更新時間為300 s的適應(yīng)性實(shí)驗(yàn)結(jié)果如圖8所示。通過對比實(shí)驗(yàn)數(shù)據(jù)可以發(fā)現(xiàn)，在同一流量和發(fā)布設(shè)備布設(shè)間距下，管控效果值隨著感知設(shè)備布設(shè)間距的變大而變小。其原因在于當(dāng)感知設(shè)備的布設(shè)間距增大時，系統(tǒng)對事故的感知覆蓋范圍減小，事故可能發(fā)生在檢測盲區(qū)內(nèi)，系統(tǒng)便無法獲取事故信息，進(jìn)而無法發(fā)布管控策略，故管控效果變差。同時從圖中還可以得出，在同一流量和感知設(shè)備布設(shè)間距下，管控效果在發(fā)布設(shè)備布設(shè)間距變大的情況下，其值也越來越小。其原因在于當(dāng)發(fā)布設(shè)備布設(shè)間距過大時，駕駛員無法準(zhǔn)確感知到與事故點(diǎn)之間的距離，只能在接收到離事故點(diǎn)最近的發(fā)布設(shè)備發(fā)布的管控信息后采取換道和限速策略，故大多數(shù)車輛在離事故點(diǎn)較近的地方換道和減速，管控效果大大降低。

當(dāng)發(fā)布設(shè)備布設(shè)間距和感知設(shè)備布設(shè)間距固定的情況下，隨著流量值的增大，管控效果越好。原因在于當(dāng)流量小于設(shè)計(jì)小時流量時，交通較為通暢、車輛的期望速度較大，駕駛員忽視了距離較近的發(fā)布設(shè)備上的信息，導(dǎo)致管控效果較差。當(dāng)交通量增大到一定程度時，道路擁堵，車輛無法正常行駛，管控效果也會停留在某個閾值。

發(fā)布更新時間為600 s的適應(yīng)性實(shí)驗(yàn)結(jié)果如圖9所示，對比發(fā)布更新時間300 s和600 s的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，實(shí)驗(yàn)組與對照組的管控效果數(shù)值均相近，且兩者起伏升降趨勢相同，無明顯差別。但是，隨著發(fā)布設(shè)備和感知設(shè)備布設(shè)間距的變化，交通量為2 500 pcu/h的管控效果值波動較大，說明其適應(yīng)性較差。因此在后續(xù)靈敏度實(shí)驗(yàn)時選定交通量為2 500 pcu/h進(jìn)行實(shí)驗(yàn)。

將交通量為2 500 pcu/h的實(shí)驗(yàn)組和對照組的管控效果值進(jìn)行對比，如圖10所示。通過對比實(shí)驗(yàn)數(shù)據(jù)可以發(fā)現(xiàn)，在極端流量下，道路通行能力接近飽和狀態(tài)，駕駛員趨于控制較為穩(wěn)定的車速，故發(fā)布更新時間為600 s的管控效果比發(fā)布更新時間為300 s的管控效果普遍更優(yōu)。因此，說明在極端流量下，發(fā)布更新時間為300 s的管控效果適應(yīng)性較差，故在后續(xù)靈敏度實(shí)驗(yàn)時選定發(fā)布更新時間為300 s進(jìn)行實(shí)驗(yàn)。

4.3 靈敏度實(shí)驗(yàn)

4.3.1 靈敏度實(shí)驗(yàn)設(shè)計(jì)

選取適應(yīng)性實(shí)驗(yàn)中管控效果較佳的因素取值組合設(shè)計(jì)靈敏度實(shí)驗(yàn)，在適應(yīng)性實(shí)驗(yàn)時未考慮感知設(shè)備有效檢測距離作為影響因素對管控效果的影響，故靈敏度實(shí)驗(yàn)包括流量在內(nèi)的其他影響因素應(yīng)保持一致。實(shí)驗(yàn)分析通過輸出換道位置距離事故點(diǎn)的距離、動態(tài)限速區(qū)間速度與限速值的方差等進(jìn)行對比分析。靈敏度實(shí)驗(yàn)所研究的影響因素包括發(fā)布設(shè)備布設(shè)間距與感知設(shè)備有效檢測距離，根據(jù)設(shè)備參數(shù)及具體工程實(shí)際進(jìn)行考量取值，各個因素的取值設(shè)定如表2所示，將不同因素的不同取值進(jìn)行正交，共設(shè)計(jì)18組實(shí)驗(yàn)，每次實(shí)驗(yàn)組合的仿真運(yùn)行時間為1 400 s。

4.3.2 靈敏度實(shí)驗(yàn)結(jié)果分析

1）換道控制策略的管控效果分析

分別輸出不同有效檢測距離和不同布設(shè)間距下的換道位置距離事故點(diǎn)距離，對比換道控制策略的管控效果，實(shí)驗(yàn)結(jié)果如圖11（a）所示。由圖11（a）可以看出，同一有效檢測距離不同布設(shè)間距實(shí)驗(yàn)輸出的換道位置距離事故點(diǎn)的距離中，換道位置距離事故點(diǎn)的距離隨著布設(shè)間距的增大而減小，這表明布設(shè)間距越大，換道位置離事故點(diǎn)越近，行車越不安全，換道控制策略的管控效果越差。同時縱向?qū)Ρ?，同一布設(shè)間距不同有效檢測距離實(shí)驗(yàn)輸出的換道位置距離事故點(diǎn)的距離中，換道位置距離事故點(diǎn)的距離隨著有效檢測距離的增大而增大，這表明有效檢測距離越大，換道位置離事故點(diǎn)越遠(yuǎn)，行車越安全，換道控制的管控效果越好。但在布設(shè)間距較小的情況下，有效檢測距離的增大對于換道控制策略管控效果的影響很小，原因在于當(dāng)布設(shè)間距較小時，感知設(shè)備對于事故的覆蓋率等于或接近100%，故影響較?。辉诓荚O(shè)間距較大的情況下，有效檢測距離的增大對于換道控制策略管控效果的影響很小，原因在于當(dāng)布設(shè)間距較大時，感知設(shè)備對于事故的覆蓋率很小，有效檢測距離的變化對于覆蓋率的影響可以忽略不計(jì)，故對于管控效果基本不影響。

2）動態(tài)限速策略的管控效果分析

分別輸出不同有效檢測距離和不同布設(shè)間距下的速度方差的平均值，對比動態(tài)限速策略的管控效果，如圖11（b）所示。由圖11（b）可以看出，同一有效檢測距離不同布設(shè)間距實(shí)驗(yàn)輸出的速度方差的平均值中，速度方差的平均值隨著布設(shè)間距的增大而增大，這表明布設(shè)間距越大，區(qū)間車輛的速度與限速值偏離越大，動態(tài)限速的管控效果越差。同時縱向?qū)Ρ?，同一布設(shè)間距不同的有效檢測距離實(shí)驗(yàn)輸出的速度方差的平均值中，速度方差的平均值隨著有效檢測距離的增大而減小，這表明有效檢測距離越大，區(qū)間車輛的速度與限速值偏離越小，動態(tài)限速的管控效果越好。但在布設(shè)間距較小的情況下，有效檢測距離的增大對于動態(tài)限速策略管控效果的影響很小，原因在于當(dāng)布設(shè)間距較小時，感知設(shè)備對于事故的覆蓋率等于或接近100%，故影響較?。辉诓荚O(shè)間距較大的情況下，有效檢測距離的增大對于動態(tài)限速策略管控效果的影響很小，原因在于當(dāng)布設(shè)間距較大時，感知設(shè)備對于事故的覆蓋率很小，有效檢測距離的變化對于覆蓋率的影響可以忽略不計(jì)，故對于管控效果基本不影響。

綜上，無論是換道控制策略還是動態(tài)限速策略的管控效果，布設(shè)間距與管控效果之間呈現(xiàn)負(fù)相關(guān)，而有效檢測距離與管控效果之間呈現(xiàn)正相關(guān)，下一步將對于此次實(shí)驗(yàn)得出的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行管控效果公式的擬合。

4.3.3 公式擬合

針對不同設(shè)備布設(shè)間距與不同有效檢測距離對換道控制策略管控效果的影響，通過SPSS軟件對靈敏度實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，見式（8），其可決系數(shù)為0.970 5，接近于1，擬合效果較好。

CL=1+9.13×10－5Sij0.0052+6.85×10－4×1.000 335Lij

（8）

針對不同設(shè)備布設(shè)間距與不同有效檢測距離對動態(tài)限速策略管控效果的影響，通過SPSS軟件對靈敏度實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，見式（9），其可決系數(shù)為0.875 4，接近于1，擬合效果好。

VD=1－1.12×10－4Sij×25.64L0.545 3ij

（9）

由式（8）（9），以事故覆蓋率作為修正系數(shù)，確定高速公路智能路側(cè)設(shè)施布設(shè)管控效果測度公式，見式（10）。

Eij=0.6Sijlij1+9.13×10－5Sij0.005 2+6.85×10－4×1.000 335Lij+0.41－1.12×10－4Sij×25.64L0.545 3ij

（10）

4.4 對比實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文管控效果測度方法的有效性，設(shè)置交通量為2 500 pcu/h，感知設(shè)備有效檢測距離為250 m，使用本文方法與同樣在高速公路環(huán)境下采用動態(tài)限速策略的文獻(xiàn)［27，28］進(jìn)行仿真實(shí)驗(yàn)，并對其動態(tài)限速效果和換道安全性進(jìn)行對比，結(jié)果如表3所示。由表可以看出，在動態(tài)限速效果方面，文獻(xiàn)［27，28］的速度方差普遍高于本文方法，其中在發(fā)布設(shè)備布設(shè)間距為10 000 m時，本文方法比文獻(xiàn)［27］的速度方差降低了39.51%，比文獻(xiàn)［28］的速度方差降低了25.65%，說明本文方法的動態(tài)限速策略在高速公路環(huán)境下優(yōu)于文獻(xiàn)［27，28］。從換道安全性上看，文獻(xiàn)［27，28］并不符合換道與事故地點(diǎn)距離隨著發(fā)布布設(shè)間距的增大而減小的交通領(lǐng)域常識性認(rèn)知，故進(jìn)一步驗(yàn)證了本文管控效果測度方法更為有效。

5 結(jié)束語

本文針對高速公路設(shè)施布設(shè)場景，提出了基于仿真的智能路側(cè)設(shè)施布設(shè)管控效果測度研究方法，并構(gòu)建面向高速公路的智能路側(cè)設(shè)施布設(shè)管控效果評價模型。通過考慮設(shè)備布設(shè)間距、有效檢測距離、設(shè)備檢測盲區(qū)、識讀距離及交通量等因素，設(shè)計(jì)換道控制策略算法和動態(tài)限速策略算法，對換道過程和限速過程進(jìn)行計(jì)算和控制?；诳刂扑惴ㄟM(jìn)行仿真實(shí)驗(yàn)，得到不同布設(shè)間距和不同有效檢測距離與管控效果之間的影響關(guān)系。最后，與其他方法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地測量復(fù)雜高速交通環(huán)境的管控效果。在發(fā)布設(shè)備布設(shè)間距為10 000 m的情況下，較文獻(xiàn)［27，28］的速度方差分別降低了39.51%和25.65%。通過適當(dāng)?shù)卣{(diào)整設(shè)備的布設(shè)間距和有效檢測距離，能夠有效地提高高速公路的智能路側(cè)設(shè)施布設(shè)的管控效果。本文方法將為智能路側(cè)設(shè)施的布設(shè)和提高交通運(yùn)行效率提供參考價值。下一步可與實(shí)地管控效果的實(shí)測結(jié)果作對比驗(yàn)證，進(jìn)一步改進(jìn)算法。

參考文獻(xiàn)：

［1］燕崇麒. 探索車路協(xié)同技術(shù)在智慧高速公路建設(shè)中的應(yīng)用 ［J］. 智能城市， 2021， 7（9）： 1-2. （Yan Chongqi. Exploring the application of vehicle-infrastructure integrated technology in the construction of smart highways ［J］. Smart City， 2021， 7 （9）： 1-2.）

［2］伊笑瑩， 芮一康， 冉斌， 等. 車路協(xié)同感知技術(shù)研究進(jìn)展及展望 ［J］. 中國工程科學(xué)， 2024， 26（1）： 178-189. （Yi Xiaoying， Rui Yikang， Ran Bin， et al. Vehicle-infrastructure cooperative sensing： progress and prospect ［J］. Strategic Study of CAE， 2024， 26（1）： 178-189.）

［3］皮彥芳. 計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)在高速公路管理中的應(yīng)用 ［J］. 移動信息， 2023， 45（7）： 296-297. （Pi Yanfang. The application of computer network technology in highway management ［J］. Mobile Information， 2023， 45（7）： 296-297.）

［4］平振東. 高速公路路側(cè)感知設(shè)備布設(shè)與優(yōu)化方法研究 ［D］. 西安： 長安大學(xué)， 2022. （Ping Zhendong. Research on the layout and optimization method of roadside perception equipment on highways［D］. Xi’an： Chang’an University， 2022.）

［5］馮宣東. 城市交叉口信號控制效果實(shí)時檢測與評價系統(tǒng) ［J］. 中國交通信息產(chǎn)業(yè)， 2004（12）： 65-66. （Feng Xuandong. Real time detection and evaluation system for signal control effect of urban intersections ［J］. China’s Transportation Information Industry， 2004（12）： 65-66.）

［6］張勇. 高速公路事故多發(fā)地點(diǎn)交安設(shè)施設(shè)置有效性分析 ［J］. 山西建筑， 2022， 48（12）： 129-131. （Zhang Yong. Analysis on the effectiveness of the installation of traffic safety facilities in the accident-prone areas on expressways ［J］. Shanxi Architecture， 2022， 48（12）： 129-131.）

［7］張磊. 基于北斗衛(wèi)星的狹窄路段交通擁堵智能控制系統(tǒng)設(shè)計(jì) ［J］. 計(jì)算機(jī)測量與控制， 2020， 28（4）： 121-125. （Zhang Lei. Design of intelligent control system for traffic congestion on narrow roads based on Beidou satellite ［J］. Computer Measurement amp; Control， 2020， 28（4）： 121-125.）

［8］Greguri M， Manduka S， Vuji M. Improvement of variable speed limit control effectiveness in context of connected vehicles ［C］// Proc of New Technologies， Development and Application Ⅲ. Cham： Springer， 2020： 560-563.

［9］劉文君， 程之恒， 霍延強(qiáng)， 等. 基于隨機(jī)森林的路側(cè)激光雷達(dá)最優(yōu)布設(shè)方法研究 ［J］. 市政技術(shù)， 2023， 41（9）： 269-275. （Liu Wenjun， Cheng Zhiheng， Huo Yanqiang， et al. Research on optimal layout method of roadside LiDAR by random forest ［J］. Journal of Municipal Technology， 2023， 41（9）： 269-275.）

［10］Galkin A， Sysoev A， Khabibullina E. Automation of traffic flow control in intelligent transportation systems ［C］// Proc of Reliability and Statistics in Transportation and Communication. Cham： Springer， 2021： 590-600.

［11］邱興友， 徐志航， 田彬， 等. 智慧高速路側(cè)感知設(shè)備優(yōu)化布設(shè)方法研究 ［J］. 電子設(shè)計(jì)工程， 2023， 31（16）： 11-15， 20. （Qiu Xingyou， Xu Zhihang， Tian Bin， et al. Research on optimal layout method of perceptive equipment on intelligent highway side ［J］. Electronic Design Engineering， 2023， 31（16）： 11-15， 20.）

［12］魏向達(dá)， 劉小明， 董路熙， 等. 基于軌跡數(shù)據(jù)的干線綠波協(xié)調(diào)控制效果評價 ［J］. 桂林理工大學(xué)學(xué)報(bào)， 2022， 42（1）： 242-248. （Wei Xiangda， Liu Xiaoming， Dong Luxi， et al. Evaluation of green wave coordinated control effect of trunk line based on vehicle trajectory data ［J］. Journal of Guilin University of Technology， 2022， 42（1）： 242-248.）

［13］李媛， 龔曉芳， 程延秋， 等. 車流隨機(jī)性對協(xié)調(diào)系統(tǒng)控制效果的影響 ［J］. 長安大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2017， 37（3）： 97-105. （Li Yuan， Gong Xiaofang， Cheng Yanqiu， et al. Influence of traffic randomness on control effect of coordination system ［J］. Journal of Chang’an University： Natural Science Edition， 2017， 37（3）： 97-105.）

［14］Li Bin， Dong Xujun， Wen Jianghui. Cooperative-driving control for mixed fleets at wireless charging sections for lane changing behaviour ［J］. Energy， 2022， 243： 122976.

［15］林清韓， 孫旭飛， 洪文濤. 城市干道綠波協(xié)調(diào)系統(tǒng)控制效果的評價研究 ［J］. 市政技術(shù)， 2020， 38（2）： 36-39. （Lin Qinghan， Sun Xufei， Hong Wentao. On the control effect evaluation of green wave coordination system of urban arteries ［J］. Municipal Engineering Technology， 2020， 38（2）： 36-39.）

［16］朱曉東， 姚翔林， 李思宇. 高速公路路側(cè)感知設(shè)備布設(shè)方案評估方法研究 ［J］. 交通工程， 2022， 22（6）： 21-27. （Zhu Xiaodong， Yao Xianglin， Li Siyu. Research on evaluation method of freeway roadside sensing equipment placement schemes ［J］. Journal of Transportation Engineering， 2022， 22（6）： 21-27.）

［17］蔡雪松. 面向城市交通領(lǐng)域的信息融合關(guān)鍵技術(shù)研究 ［D］. 上海： 華東師范大學(xué)， 2019. （Cai Xuesong. Research on key techno-logies of information fusion for urban transportation ［D］. Shanghai： East China Normal University， 2019.）

［18］郝威， 梁聰， 張兆磊， 等. 車路協(xié)同下避讓緊急車輛協(xié)同換道策略 ［J］. 交通信息與安全， 2022， 40（4）： 92-100. （Hao Wei， Liang Cong， Zhang Zhaolei， et al. A cooperative lane changing strate-gy to give way to emergency vehicles with the cooperative vehicle infrastructure system ［J］. Journal of Transport Information and Safety， 2022， 40（4）： 92-100.）

［19］韓磊， 張輪， 郭為安. 混合交通流環(huán)境下基于改進(jìn)強(qiáng)化學(xué)習(xí)的可變限速控制策略 ［J］. 交通運(yùn)輸系統(tǒng)工程與信息， 2023， 23（3）： 110-122. （Han Lei， Zhang Lun， Guo Weian. Variable speed limit control based on improved dueling double deep Q network under mixed traffic environment ［J］. Journal of Transportation Systems Engineering and Information Technology， 2023， 23（3）： 110-122.）

［20］鄭元. 智能網(wǎng)聯(lián)環(huán)境下高速公路自動駕駛車輛決策控制研究 ［D］. 南京： 東南大學(xué)， 2020. （Zheng Yuan. Research on decision control of autonomous driving vehicles on highways in intelligent networked environment ［D］. Nanjing： Southeast University， 2020.）

［21］竇文浩. 道路交通預(yù)警設(shè)備檢測技術(shù)及其系統(tǒng)應(yīng)用研究 ［D］. 寧波： 寧波大學(xué)， 2022. （Dou Wenhao. Research on detection technology and system application of road traffic warning equipment［D］. Ningbo： Ningbo University， 2022.）

［22］謝衛(wèi)星. 面向自動駕駛的車路協(xié)同目標(biāo)檢測算法研究 ［D］. 哈爾濱： 哈爾濱工業(yè)大學(xué)， 2021. （Xie Weixing. Research on vehicle road collaborative object detection algorithm for autonomous driving［D］. Harbin： Harbin Institute of Technology， 2021.）

［23］劉冬冬. 基于IPv6的網(wǎng)聯(lián)汽車安全通信系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn) ［J］. 汽車博覽， 2023（21）： 55-57. （Liu Dongdong. Design and implementation of a secure communication system for connected vehicles based on IPv6 ［J］. Auto Expo， 2023（21）： 55-57.）

［24］莊錫釗， 洪雪芳. 物聯(lián)網(wǎng)技術(shù)的統(tǒng)計(jì)數(shù)據(jù)采集方法研究 ［J］. 電腦與信息技術(shù)， 2021， 29（3）： 61-64. （Zhuang Xizhao， Hong Xuefang. Research on statistical data collection method of Internet of Things technology ［J］. Computer and Information Technology， 2021， 29（3）： 61-64.）

［25］國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局、國家標(biāo)準(zhǔn)化管理委員會. 道路交通標(biāo)志和標(biāo)線 第5部分： 限制速度： GB 5768.5—2017 ［S］. 北京： 中國標(biāo)準(zhǔn)出版社， 2017. （Standardization Administration of the People’s Republic of China. Road traffic signs and markings： part 5： speed limit： GB 5768.5—2017 ［S］. Beijing： Standards Press of China， 2017.）

［26］中國智能交通產(chǎn)業(yè)聯(lián)盟. 智能交通 毫米波雷達(dá)交通狀態(tài)檢測器， T/ITS 0128—2021 ［S］. 北京： 中國智能交通產(chǎn)業(yè)聯(lián)盟， 2021. （China Intelligent Transportation Industry Alliance. Intelligent transportation system—traffic condition detector by millimeter-wave radar， T/ITS 0128—2021［S］. Beijing： China Intelligent Transportation Industry Alliance， 2021.）

［27］李志斌， 劉攀， 單肖年， 等. 高速公路可變限速控制策略安全性效果仿真 ［J］. 西南交通大學(xué)學(xué)報(bào)， 2013， 48（5）： 942-948. （Li Zhibin， Liu Pan， Shan Xiaonian， et al. Simulating impacts of variable speed limits on traffic safety on freeways ［J］. Journal of Southwest Jiaotong University， 2013， 48（5）： 942-948.）

［28］朱曉東， 羅瑞琪. 高速公路二次事故風(fēng)險(xiǎn)預(yù)警與可變限速控制策略研究 ［J］. 交通與運(yùn)輸， 2024， 40（2）： 30-34. （Zhu Xiaodong， Luo Ruiqi. Risk warning and variable speed limit control strategy for secondary accidents on freeways strategy ［J］. Traffic amp; Transportation， 2024， 40（2）： 30-34.）