車路協同和自動駕駛環境下交叉口的通行控制研究

王超然　趙顗　楊世紀　吳仇頎　吳宇軒

摘? 要：為應對未來車路協同和自動駕駛環境下的交通控制需求，特對交叉口處車輛的通行控制方法進行研究?；谲嚶穮f同和自動駕駛環境下的車輛運行特點和主要參數分析，針對普通十字交叉口提出車輛通行智能控制方法?；赩B編程構建交通仿真平臺，實現該類型交叉口在未來虛擬智能交通環境下的車輛通行場景再現。為檢驗通行控制方法的有效性，對不同交通負荷下的交通運行狀態進行了仿真分析。仿真結果表明，在車路協同和自動駕駛環境下，對于不同的交通運行場景，提出的車輛通行控制方法在未來智能交通環境下具有較強的適用性。

關鍵詞：車路協同;自動駕駛;通行控制方法;交通仿真;通行延誤

中圖分類號：U495? ? 文獻標識碼：A

Abstract： In order to meet the traffic control requirements in the future vehicle-road cooperation and autonomous driving environment， the traffic control methods of vehicles at intersections are studied. Based on the analysis of vehicle operation characteristics and main parameters in vehicle-road cooperation and autonomous driving environment， a vehicle intelligent control method was proposed for common intersections. The traffic simulation platform was constructed based on VB programming to realize the reappearance of vehicle passage scene of this type of intersection in the future virtual intelligent transportation environment. In order to test the effectiveness of the traffic control method， the traffic running state under different traffic loads is simulated and analyzed. The simulation results show that the proposed vehicle flow control method has strong applicability in the future intelligent transportation environment for different traffic scenarios under vehicle-road cooperation and autonomous driving environment.

Key words： vehicle-road coordination; automatic driving; traffic control method; traffic simulation; traffic delay

0? 引? 言

道路交叉口是城市道路中的重要組成部分，而信號控制則是當前交叉路口的主要控制模式，通過信號燈保證交叉路口的平穩運行。但隨著車路協同與自動駕駛的深入研究，交叉口的控制正在發生革命性變革。

車路協同自動駕駛系統通過先進的車、路感知設備對道路交通環境進行實時高精度感知，按照約定的通信協議和數據交互標準，實現車與車以及車與道路交通設施間不同程度的信息交互和共享，最終形成一個能夠整合、協調、控制、管理和優化所有車輛、信息服務、設施設備、智能化交通管理的以車路協同自動駕駛為核心的新一代智能交通系統[1]。車路協同和自動駕駛系統既避免了人為操作不當導致的交通事故，又可從整體角度優化交通系統運行狀況，緩解擁堵問題[2]。

在車路協同和自動駕駛環境下交通控制方法的探討中，國內外專家學者進行了大量的研究。Huang C J等[3]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[4]根據駕駛員駕駛車輛時的行為提出了基于動態博弈論的控制方法，用博弈論算法對車輛交叉口通行方式進行決策，利用車輛自適應巡航技術對車輛行為進行控制。王建強等[5]開發了一種基于車路一體化的交叉口車輛駕駛輔助系統，系統提出一種反映駕駛人減速特性的速度閾值算法來實時判斷行車危險度。常燦[6]基于車路協同技術提出了不同流量下的交叉口控制模型在低流量的情況下，以安全和通行時間最少為目標的優化模型。上官偉[7]設計并采用基于時延Petri網的無信號交叉口優化控制方法，利用TdPN建立無信號交叉口控制模型，并依此建立交叉口車輛最快消散目標函數，采用遞歸方式求解車輛最優通過序列。胡夢巖[8]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象，針對其中的交叉沖突與合流沖突建立了無信號交叉口優先通行決策庫。結合現有的沖突消解算法[9]，在考慮乘客舒適性的基礎上，提出了一種車輛沖突消解速度優化方法消解了交叉口智能網聯車輛的潛在沖突，提高了交叉口通行能力和乘客舒適性。

現有研究已經開展了車路協同環境或自動駕駛環境下交叉口的基礎性研究，但將兩種環境結合并提出優化控制策略較少。本文擬以車路協同和自動駕駛環境為背景，以車輛通行安全[10]和車輛通行延誤為目標，構建普通十字交叉口的車輛通行控制方法，并搭建了車路協同和自動駕駛條件下交叉路口的通行控制仿真平臺。通過列舉由仿真平臺得出的交通評價參數的方式檢驗提出方法的有效性。

1? 交叉口通行控制算法

當任一方向有車輛觸碰確定區邊界時，優化程序被觸發。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[11]。

對于兩路沖突，確定兩條道路上（a方向和c方向）第一對產生沖突的車輛;優化程序提供兩種消除車輛沖突的備選方案;通過計算兩種備選方案下系統可能的總延誤時間D，來決定采取哪種方案;提取該最優解中每輛車對應的延誤時間D0，通過車輛狀態變化模型計算出每輛車輛對應的減速時間;根據車輛狀態變化模型計算出的每輛車輛對應的加速時間和減速時間生成對應車輛指令，指令延誤車輛根據車輛狀態變化模型行駛;繼續搜索車輛行駛狀態變化后系統中第一組沖突點，循環以上內容直至沒有沖突點。

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。減速車輛延誤時間為另一輛車預計到達交叉口中心點車頭時距及異向最小車頭時距的總和與該車原預計到達交叉口中心點車頭時距之差。其中，異向最小車頭時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的到達交叉口中心點的最小車頭時距。

對于三路沖突，按兩方向沖突方法判斷出最近一對沖突車輛通行次序后[12]，判斷該組沖突車輛中第三輛車是否能加速與對向車輛同時通過，若判斷為能加速通過，則確定通行方案，反之，則轉變為二路沖突繼續判斷以消除沖突。

對于四路沖突，按兩方向沖突方法判斷出最近一對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預計車頭時距最小的車是否能加速與對向車輛同時通過，若能，則轉變為已確定通行方案的兩路沖突，若不能，則轉變為三路沖突繼續判斷以消除沖突。提取最優解中每輛車對應的延誤時間D0，通過車輛狀態變化模型計算出每個車輛對應的減速時間。根據車輛狀態變化模型計算出的每輛車輛對應的加速時間和減速時間生成對應車輛指令，指令延誤車輛根據車輛狀態變化模型行駛。繼續搜索車輛行駛狀態變化后系統中第一組沖突點，循環以上內容直至沒有沖突點。普通十字交叉口智能通行控制方法流程如圖1所示。

2? 交叉口通行控制仿真模型構建

2.1? 確定區和控制區

為滿足交叉口內車輛的安全通行，并保證車輛實現延誤指令，本算法設置了控制區和確定區兩個區域。

（1）確定區

確定區：車輛在確定的預計車頭時距[13]后通行的區域。其中確定區邊界是實現算法目標的算法觸發位置，當任意車輛觸碰確定區邊界時，算法觸發，以系統總延誤時間最小為目標，車輛確定到達交叉口中心點的預計車頭時距，以車輛行駛原狀態為基準，確定各車輛相應的延誤時間或提前時間，車輛立即進行相應的速度調控。

確定區范圍：以確定區寬度為邊長的正方形范圍，使得確定區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。

確定區寬度=單車道寬度×2+ （1）

式中：v、a為車輛一般車速和車輛最大加速度。

（2）控制區

控制區：收集上游臨近交叉口車輛進入目標交叉口的狀態信息[14];保證跟馳沖突車輛重新進入正常跟馳狀態的區域。

控制區范圍：目標交叉口的上游臨近交叉口確定區較近邊界中點連線所圍成的封閉圖形。

2.2? 沖突檢測模型

該模型以目標車輛占用相交車道車輛在交叉口通行軌跡的時間為基準[15]，結合相交車道車輛到達該位置時刻判斷車輛是否沖突，在任意方向車輛車頭觸碰確定區時觸發。

設車輛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a車輛觸碰確定區邊界時，由a車當前行駛速度v與距a和a兩個判定位置的距離可以求出預計到達時間，假設分別為t、t，若b車預計到達a車軌跡位置時間t大小處于t，t區間，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生追尾事故，設置包括最小制動間距和最小跟馳距離[16-17]的安全跟馳間距E[18]，以此為判斷依據，若同向兩相鄰車輛車頭間距大于該值，則判定為無追尾風險，車輛均按原狀態行駛;若小于該值，則判斷為有追尾風險，后車應立即進入減速狀態，其中后車延誤時間為前車預計到達交叉口中心點車頭時距及同向最小車頭時距的總和與后車原預計到達交叉口中心點車頭時距之差。其中，同向最小車頭時距為車輛跟馳狀態下的最小車頭時距。

E=vt+ （2）

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

2.4? 車輛狀態變化模型

為實現附加在車輛上的延誤時間及提前時間，依據車輛加減速特征[19]，制作出3種車輛狀態變化模型。車輛狀態變化曲線均符合函數：

v=-at+bt+ct+Z （3）

式中：v為車輛速度，t為車輛行駛時間，Z為車輛當前速度，a、b、c為參數，可由待定系數法求得。

以平臺設計中保證任何速度車輛均可以實現車輛狀態變化指令;對于不同狀態車輛，車輛最大加速度為5m/s，以圖像所圍面積間的等值關為標準進行參數賦予。

其中，減速模型與減速停車模型均對應延誤車輛狀態變化，不同的是減速停車模型針對于延誤時間較大車輛，而減速模型針對于延誤時間較小，不用以停車指令來滿足所需延誤時間的目標車輛。

2.5? 其它關鍵參數設置

其中：異向最小車頭時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的到達交叉口中心點的最小車頭時距。同向最小車頭時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距，同向車輛在保持該跟車時距情況下，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下行駛時的速度。最大車速是車輛需要加速通行時所能瞬間加速到的最大車速。

2.6? 仿真平臺實現

搭建平臺所用的設計工具為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關鍵詞以及Sub過程完成不同邏輯塊的實現，主要有車輛狀態變化模型、沖突檢測模型等。

3? 交叉口通行控制仿真實驗

3.1? 均衡車流負載仿真實驗

針對不同交通負載（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交叉口進行仿真模擬，并進行數據統計。本文采用的評價參數包括交叉口平均延誤、平均速度、平均停車次數和平均排隊長度。具體結果如表2所示。

在不同的交通負載下，該種交叉口交通評價參數如表2所示。當交通負載較小時，本算法通行控制效果較好，平均延誤、平均停車次數和平均排隊長度三項參數隨交通負載量的提升呈正相關。反之，平均速度隨交通負載的提升呈負相關。從數值上來看，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? 不均衡車流負載仿真實驗

針對不同方向交通流大小相差很大的情況，本小節對交叉口不均衡車流負載的情況進行試驗。交叉口總體車流負載為

1 300veh/h，分別就主要車流與次要車流比為300∶1 000、600∶700、900∶400三種情況進行仿真。仿真結果如表3所示。

由表3可知，在交通負載不均衡的條件下，當主次交通流量相差較大時，本文提出的通行控制方法相較于另外兩種車流負載情況通行控制效果較差;當主次流量接近時，交通通行控制效果最好。根據交叉口平均延誤、平均速度、平均停車次數和平均排隊長度的實驗結果，可認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。

4? 結? 論

本文以車路協同與自動駕駛為虛擬背景，將單向通行道路相交交叉口和普通十字交叉口為對象，以車輛通行安全和延誤最小為目標，提出了兩種不同類型交叉口的車輛通行控制方法，并構建了交通仿真平臺。通過和感應式信號控制以及定時信號控制方法的對比分析，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同與自動駕駛環境下車輛的安全通行，且能夠顯著降低系統的車輛延誤時間，該方法在未來的智能交通環境下具有一定的適用性。但為簡化控制方法及模型，本文未考慮車輛轉向的影響，在未來研究中，應在現有控制方法基礎上進行拓展，進一步提高控制方法的實用性。

5? 創新點

本研究的創新之處主要體現在以下三個方面：

（1）以虛擬的未來智能交通環境為背景具有超前性。車路協同和自動駕駛是未來智能交通必然面臨的新場景和新挑戰，如何應對未來智能交通環境下的交通控制具有較強的客觀需求。

（2）提出了未來智能交通環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的新穎性，且通過對比分析證明了提出的方法具有一定的優越性。

（3）實現了對通行控制算法的仿真。本文不僅在理論層面上進行了研究，還獨立設計了未來智能交通環境下交叉口的仿真平臺，可直觀展示未來的交叉口運行狀態以及本次研究成果的實際應用效果。

參考文獻：

[1] 佚名. 車路協同自動駕駛發展趨勢及建議[J]. 智能網聯汽車，2019（4）：50-60.

[2]? Arnaout G M， Khasawneh M T， Zhang J， et al. An IntelliDrive Application for Reducing Traffic Congestions using agent-based approach[C] // UAS： Systems and Information Engineering Design Symposium （SIEDS）. IEEE， 2010：221-224.

[3]? Huang C J， Chen Y J， Chen I F， et al. An intelligent information dissemination scheme for heterogeneous vehicular networks[J]. Expert Systems with Applications， 2009，36（10）：12472-12479.

[4]? Zohdy I H， Rakha H. Game theory algorithm for intersection-based cooperative adaptive cruise control （CACC） systems[C]// International IEEE Conference on Intelligent Transportation Systems. IEEE， 2012：1097-1102.

[5] 王建強，王海鵬，劉佳熙，等. 基于車路一體化的交叉口車輛駕駛輔助系統[J]. 中國公路學報，2013，26（4）：169-175，183.

[6] 常燦. 車路協同環境下交叉口的協調控制研究[D]. 北京：北京交通大學（碩士學位論文），2015.

[7] 上官偉，崔曉丹，鄭子茹，等. 基于TdPN的無信號交叉口優化控制方法[J]. 中國公路學報，2016，29（3）：124-133.

[8] 胡夢巖. 智能網聯環境下的無信號交叉口沖突消解方法研究[D]. 西安：長安大學（碩士學位論文），2017.

[9] 俄文娟. 無信號交叉口車車沖突檢測與消解算法研究[D]. 長春：吉林大學（博士學位論文），2012.

[10]? Xiang Q J， Lu C， Wu Q， et al. Research on traffic Conflict prediction Model of plane Intersection without signal control[J]. Journal of Highway and Transportation Research and Development， 2009，26（5）：132-135.

[11] 金立生，鄭義，高琳琳，等. 智能車輛交叉口協同控制算法[J]. 長安大學學報（自然科學版），2015，35（Z）：7-11.

[12] 周建山，田大新，韓旭，等. 基于車路協同的單點信號交叉口自適應優化控制方法[C] // 第七屆中國智能交通年會優秀論文集，2012：48-59.

[13]? Ghaffarian H， Fathy M， Soryani M. Vehicular ad hoc networks enabled traffic controller for removing traffic lights in isolated intersections based on integer linear programming[J]. Intelligent Transport Systems， IET， 2012，6（2）：115-123.

[14]? Jin Q， Wu G， Boriboonsomsin K， et al. Multi-Agent Intersection Management for Connected Vehicles Using an Optimal Scheduling Approach[C] // International Conference on Connected Vehicles and Expo. IEEE， 2012：185-190.

[15]? Wu J， Perronnet F， Abbas-turki A. Cooperative vehicle-actuator system： a sequence-based framework of cooperative intersections management[J]. Intelligent Transport Systems Iet， 2014，8（4）：352-360.

[16] 劉睿健. 自動駕駛新標配之“聰明的車+智能的路”——車路協同自動駕駛系統初探[J]. 中國交通信息化，2019（11）：18-26.

[17]? Lee J， Park B. Development and Evaluation of a Cooperative Vehicle Intersection Control Algorithm Under the Connected Vehicles Environment[J]. IEEE Transactions on intelligent Transportation Systems， 2012，13（1）：81-90.

[18]? Elhenawy M， Elbery A A， Hassan A A， et al. An Intersection Game-Theory-Based Traffic Control Algorithm in a Connected Vehicle Environment[C] // IEEE International Conference on Intelligent Transportation Systems， 2015：343-347.

[19]? J Rios-Tomes， A A Malikopoulos. A survey on the coordination of connected and automated vehicles at intersections and merging at highway on-ramps[J]. IEEE Intelligent Transportation Systems， 2017，18（5）：1066-1077.