網(wǎng)聯(lián)車個性化跟馳誘導系統(tǒng)研究

馬晨雨 蔡正元

（長安大學信息工程學院，陜西西安 710021）

近年來，上海市機動車輛迅猛增長，機動車通行能力平均降低30%，中心區(qū)約有50%的車道上高峰小時飽和度達到95%，全天飽和度超過70%，平均車速降至10 km/h[1]。路段全天十分擁擠，部分路段持續(xù)堵塞6.5 h以上。在此狀態(tài)下，任何微小的擾動都極易造成交通震蕩和傳播，甚至導致交通擁堵或誘發(fā)交通事故，嚴重影響道路交通系統(tǒng)的運行效率和穩(wěn)定性。此外，在交通流變化較為劇烈的情況下，攻擊性駕駛行為和人為失誤易造成交通事故，危害乘員的生命安全和財產(chǎn)安全，日益嚴重的交通問題還給城市經(jīng)濟帶來了巨大的損失。資料顯示，近幾年上海市由于交通阻塞造成的經(jīng)濟損失每年高達48億元，約占本市當年國民生產(chǎn)總值的6%。城市交通問題已嚴重影響了城市居民生活水平的提高，進一步影響了城市經(jīng)濟發(fā)展的活力[2]，交通運輸行業(yè)的技術亟須革新。

1 系統(tǒng)介紹

基于車路協(xié)同超視距感知的網(wǎng)聯(lián)車個性化跟馳誘導系統(tǒng)是一種車輛信息服務平臺，是基于Android操作系統(tǒng)的手持移動終端應用軟件，也是基于LTE-V融合多種通信的電動汽車互聯(lián)信息服務平臺的手持終端應用軟件[3]。

系統(tǒng)以智慧公路環(huán)境下的網(wǎng)聯(lián)車為基礎，包括網(wǎng)聯(lián)車跟馳誘導系統(tǒng)、換道輔助系統(tǒng)、自適應路徑規(guī)劃與選擇系統(tǒng)、一體化協(xié)同式信號控制等，可誘導駕駛員根據(jù)協(xié)同交互控制策略進行跟馳，一定程度上阻止交通震蕩在交通流內的傳播，提升交通流的穩(wěn)定性，緩解交通擁堵。

通過路側設備獲取周邊交通環(huán)境，對危險駕駛行為和環(huán)境進行及時預警，提高道路交通的安全性，減少交通事故。此外還可以通過車車通信以及車路通信拓展駕駛員的感知范圍，對下游的交通事件及早進行反應，提升乘員的舒適性和燃油經(jīng)濟性。

利用車路協(xié)同技術帶來的多源信息感知和信息實時共享，并結合計算機技術對駕駛人適應性進行詳細的個性化分析，充分發(fā)揮網(wǎng)聯(lián)車的可控性因素，提升交通流運行效率，保證交通流的穩(wěn)定性，保障交通系統(tǒng)高效安全運行。

個性化跟馳誘導系統(tǒng)車輛運行如圖1所示。

圖1 該系統(tǒng)下的網(wǎng)聯(lián)車運行

2 基于駕駛員誘導行為個性化分析模型

網(wǎng)聯(lián)車的實質是由人來擔任駕駛員駕駛具備網(wǎng)聯(lián)化感知與誘導能力的傳統(tǒng)車輛，在此過程中，駕駛員始終是網(wǎng)聯(lián)車縱向行為的執(zhí)行者。由于人類駕駛員的多樣性，駕駛員的心理、性格、駕駛習慣等都對網(wǎng)聯(lián)車駕駛員的跟馳行為及適應度有較大影響。因此在考慮網(wǎng)聯(lián)車跟馳誘導系統(tǒng)建模時，首先需要考慮駕駛員的誘導接受度等個性化分析。

個性化分析流程如圖2所示。

圖2 個性化分析流程

對于駕駛員誘導接受度的個性化分析主要采用YOLO網(wǎng)絡模型和K-means算法相結合的方法建模分析，YOLO是一種全新的端到端的檢測算法[4]。

YOLO網(wǎng)絡模型可以快速實時監(jiān)測駕駛員的駕駛習慣，k-means算法每隔幾次迭代后會微調網(wǎng)絡的輸入尺寸，使得網(wǎng)絡可以適應多種不同尺度的輸入，使采集不同長度的車輛的行駛信息成為可能。利用K-means聚類對混合隊列下的駕駛員跟馳建模結合人格特質理論進行初步聚類，并建立可以不斷更新的數(shù)據(jù)庫。分析得出最適合駕駛員的行車行為，通過網(wǎng)絡進行輔助指揮，實現(xiàn)個性化跟馳。

3 基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)結構分析

系統(tǒng)包括車載服務平臺、交通管理服務平臺以及無線網(wǎng)絡。車載服務平臺安裝在車內，通過無線網(wǎng)絡與交通管理服務平臺進行連接，包括人機交互模塊、行車視頻記錄模塊、GSP導航模塊、語音通信模塊、無線網(wǎng)絡模塊。

（1）人機互動模塊。

用于輸出操作指令和音頻信息，進行駕駛員個性化分析指令的輸出，對駕駛員進行輔助指揮。

（2）行車視頻記錄模塊。

用于對車輛的行車過程進行實時錄像，錄制的視頻數(shù)據(jù)由視頻處理單元處理后存儲于存儲設備中，并通過無線通信模塊將錄制的視頻數(shù)據(jù)上傳至服務平臺。

（3）GPS導航模塊。

用于對安裝有車載服務平臺的車輛進行定位導航。

（4）語音通信模塊。

用于各網(wǎng)聯(lián)車內車載服務平臺與車載服務平臺、車載服務平臺與交通管理服務平臺之間的語音通信。

（5）無線網(wǎng)絡模塊。

用于各平臺之間的數(shù)據(jù)傳播。

該系統(tǒng)結合具有路測感知單元的路側設備平臺，可以實時、準確感知和采集車輛、道路環(huán)境以及全路網(wǎng)的交通運行情況等信息，有效實現(xiàn)車與車、車與路、車路與監(jiān)控中心的數(shù)據(jù)傳輸、綜合分析、快速判定與預測道路上的交通異常情況[5]，為駕駛員提供個性化、準確化的指揮，保障駕駛員安全便捷出行。

4 基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)功能分析

基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)在于為駕駛員實時提供必要的交通信息與綜合性交通服務，確保車輛安全高效運行，從根源上減少交通事故的發(fā)生。

（1）感知車輛以及路況信息。

實時感知車輛的運行情況、駕駛行為以及路況車輛信息，準確采集全路網(wǎng)范圍內的車輛位置、速度、行駛時間和交通流情況。

（2）交通數(shù)據(jù)的傳輸。

實現(xiàn)車與車、車與路旁設備之間的短距離通信及數(shù)據(jù)傳輸，將采集的交通數(shù)據(jù)以及車載計算機處理后的交通異常信息實時、可靠地傳送給交通管理服務平臺，將交通控制方案下傳到車載服務平臺控制設備，實現(xiàn)車路與交通管理服務平臺之間的遠距離數(shù)據(jù)傳輸[6]。

（3）數(shù)據(jù)分析與個性化誘導決策。

基于駕駛員誘導行為個性化分析模型，對上傳的海量交通數(shù)據(jù)進行準確、快速分析，并結合上傳的路況信息以及全路網(wǎng)車輛位置、速度等數(shù)據(jù)，對該路段范圍的行駛情況提供合理的行駛策略，實現(xiàn)個性化誘導跟馳。

（4）交通狀況顯示和交通異常情況預警。

在交通管理服務平臺實時分析和判定全路網(wǎng)各檢測路段發(fā)生的交通異常或發(fā)生潛在的交通異常現(xiàn)象，及時發(fā)出預警或報警提示，并在電子地圖上顯示有關目標和采取的管制方案；實時監(jiān)控網(wǎng)絡中特定車輛的行駛軌跡或判定其違規(guī)行為，及時發(fā)出預警信息[7]。

5 結語

目前，市場上的車路協(xié)同技術以及駕駛輔助系統(tǒng)已取得了一定研究成果，但目前的技術仍然不成熟。由于傳統(tǒng)汽車的巨大保有量，即使網(wǎng)聯(lián)化改造進行順利，也無法在短時間內覆蓋所有傳統(tǒng)車輛，存在網(wǎng)聯(lián)車與傳統(tǒng)人駕車輛的共存時期。基于車載感知與車車通信的網(wǎng)聯(lián)車誘導技術將難以感知周邊大量的傳統(tǒng)人駕車輛，可能導致由感知不全引發(fā)的危險和低效率狀況。現(xiàn)有的誘導技術往往通過人機界面直接將控制策略轉發(fā)給網(wǎng)聯(lián)車駕駛員，期待網(wǎng)聯(lián)車駕駛員能夠準確執(zhí)行。該策略忽視了駕駛員的駕駛適應性和服從度的個性化特征，極易導致誘導策略執(zhí)行效果下降。網(wǎng)聯(lián)車個性化跟馳誘導系統(tǒng)的路側感知技術和人工智能技術為上述問題提供了解決的機遇。具有路側融合感知單元的車路協(xié)同系統(tǒng)將能夠感知檢測范圍內所有車輛的精確運動狀態(tài)，彌補了混合交通流狀態(tài)下的感知不足。通過車路通信，路側設備的感知數(shù)據(jù)可以實時發(fā)布到周邊各網(wǎng)聯(lián)車，通過數(shù)據(jù)融合可得到超視距全息感知態(tài)勢圖。人工智能技術能夠通過駕駛員駕駛行為及終端誘導數(shù)據(jù)的學習和訓練，推理駕駛員的個性化適應性要素，在車端實現(xiàn)誘導方式精準個性化自適應。