基于VISSIM和ROS小車的V2X技術對智能汽車路線優化的研究

柯曄偉

福建船政交通職業學院汽車學院 福建省福州市 350007

汽車智能駕駛已經成為未來很長一段時間汽車工業、通信行業乃至互聯網行業的研究方向和研發目標。汽車智能駕駛指的是利用通信設備和智能程序，提高汽車的智能化水平，在車輛行駛過程中逐步減少人員操作，分階段向完全無人駕駛的方向發展。而要實現完全無人駕駛，智能汽車就必須具備對行駛路線的選擇能力。在車路協同網路下，利用V2X技術能實現車輛對于道路狀況的及時獲知、分析判斷、優化選擇的能力。本文應用仿真分析和實物試驗相結合的方法，研究V2X技術的應用對于車輛路線優化選擇、緩解交通擁堵、提高出行效率的積極作用。

1 概述

V2X技術的指的是以汽車作為一個終端，通過5G網絡和車聯網與其他終端進行信息交換。此處所述的其他終端有著多樣化的種類，既可以是其他的智能汽車，也可以是云平臺，更可以是個人電腦或手機。這些終端在車聯網平臺內實現萬物互聯，成為智慧城市建設的重要組成部分[1]。V2X技術的原理如圖1所示。

圖1 V2X技術運行原理圖

V2X技術有著諸多得天獨厚的優勢：①可以實現車輛對前方道路路況的及時掌握，規劃、優化出行路線，有效降低交通擁堵的發生，提高出行效率；②可以為車輛提供“上帝視角”，彌補車輛在路況感知中存在的盲點，降低車輛發生交通事故的概率；③可以將車輛與非車輛終端連接，完成信息交換，既可以滿足車上成員的信息化需求，也有利于控制中心的管理。

目前中國市場的V2X發展方興未艾，以百度為代表的互聯網公司和華為為代表的通信公司都已經著手V2X技術的研發，特別是隨著5G網絡的建設，V2X技術即將進入發展快車道[2]。

2 研究參數及優化指標的確定

本文借助仿真實驗和實物試驗，采用控制變量法和對比分析法，研究V2X技術的應用和推廣對于智能汽車路線優化能力提升的效果。接下來分別說明仿真實驗和實物試驗所選擇的變量和測試量。

（1）仿真實驗：模型搭建設定3種基本場景：①完全沒有V2X技術的道路；②有車路協同，且有50%的汽車使用V2X技術；③有車路協同，100%的汽車使用V2X技術。以上3種基本場景，將V2X技術作為唯一變量，除此之外的所有變量均相同。另外，設置3種測試量：①同樣一輛車在某個時間段內到達相同目的地所花費的時間t(s)；②某個路口W的擁堵持續累積時間T路口（s）；③整個模型中所有車輛的事故率F（%）。分別在每個場景中采集3種測試量，并進行橫向對比。

（2）實物試驗：由于場地有限，僅設置2種場景：①所有小車均使用V2X技術；②所有小車均不使用V2X技術，因此僅將ROS小車小車是否使用V2X技術作為唯一變量，其他所有因素完全一致。設置1種測試量，智能小車出發并到達相同測試點所耗費的時間T臺（s）。分別在每個場景中收集測試量，并進行對比。

3 基于VISSIM仿真軟件的模型構建及實驗

在確定了變量和測試量后，首先使用VISSIM仿真軟件開展仿真實驗。

3.1 VISSIM仿真軟件概述

VISSIM仿真軟件是德國PTV公司基于時間間隔和駕駛行為的微觀交通仿真軟件[3]。VISSIM軟件既可以單獨建模，也可以通過不同接口與其他仿真軟件聯合建模。VISSIM軟件支持模擬場景的自定義，用戶可依據需求對地圖、車輛、交通設施、行人等諸多元素進行設計和定義，既可以將實際存在的某個城市的道路全部輸入，從而對城市交通進行全面的優化分析，同時也支持用戶根據研究需要設計地圖場景，對單一道路或單一車輛進行駕駛策略的研究。

3.2 模擬城市構建及城市道路元素的確定

前文已經說明仿真實驗的場景、變量以及測試量，因此首先要構建一個模擬的城市、道路，以及道路上的各種元素。部分模擬場景的效果圖如圖2所示。

圖2 VISSIM仿真軟件構建的虛擬場景效果圖（部分）

（1）確定實驗的場景為一個虛擬的城市的一部分，這部分的城市的總體輪廓近似于矩形，其中包含了30個形態不規則的街區，且街區排列隨機分布，總體為3×10排列。

（2）道路設計參考中國大多數二線城市的道路設計。普通道路設計為雙向6車道，設置有5座雙向高架橋、5座多向立交橋，設置27個十字路口，每個十字路口分為左轉、直行和右轉車道。

（3）道路最高車速為60km/h，紅燈和綠燈時長都為60s、黃燈5s，交通事故的平均處理速度600s。

（4）場景的運行時間模擬設置為18：30—19：00，因為這個時間段是中國大部分城市的下班高峰期，汽車數量最多、路況復雜。

（5）為給模擬道路設置通行難度，在模擬城市內設置5處交通擁堵點，即這5處周圍的車流量高于其他位置3倍、行人數量為其他位置的5倍。這一設置是為了模擬寫字樓聚集區或醫院、學校附近附近的道路狀況。

（6）模擬場景中包含：汽車、行人、非機動車等3種交通要素，其中汽車10000輛、行人10萬人、非機動車30000輛。

（7）所有道路均具備車路協同的溝通能力。

確定不變的因素后，載入路網、構建虛擬城市，并載入場景控制程序。

3.3 仿真實驗車輛參數的配置

前文說明了本仿真實驗中的不變量，唯一變量是車輛是否具備V2X技術，因此車輛參數的設置及車輛控制邏輯的設計至關重要。本次實驗中出現的10000輛車均為自動駕駛車輛，每輛車均具備模擬城市內的路線記憶、自我感知路況、自動避險等功能。換言之，每輛車都可以根據用戶的需求規劃行駛路線，并完成自動駕駛，而選擇路線的理由是行駛里程最短。

在其他變量和基礎場景完全一致的情況下，按照具備V2X技術車輛的不同占比，分別進行3次仿真實驗：第一次，具備V2X技術的車輛占0%；第二次，具備V2X技術的車輛占50%；第三次，具備V2X技術的車輛占比100%。在確定變量后，通過VISSIM軟件的COM接口載入變量的控制程序。控制程序最核心的不同就是具備V2X技術的車輛，在一定區域內（此處區域設置為整個模擬城市）可以實現信息互通，同時還可以與路基中繼基站交換信息。獲得路況信息后，車輛可以利用自身自動駕駛功能重新規劃路線，并將規劃信息分享，避免多數車輛規劃同一線路而導致的新的擁堵。以上假設均為理想狀態，不考慮信息的承載能力和傳遞速度。路線選擇的依據是里程和通勤時間的優選，利用函數L(x)計算得出，函數L(x)如公式（1）、（2）所示。

式（1）、（2）中，

S 行駛總里程；

t 車輛出發至到達目的地的總運行時間；

T車車輛發生擁堵的時間

依據《常見疾病的診斷與療效判定標準》,醫務人員可以在常規的術前檢查活動后開始準備緊急腹部準備。針對急性闌尾炎的臨床表現,做好術前剃須、預防手術感染、嚴格禁止術前進食、預防術后腹脹、避免OCC。術中惡心嘔吐的發生,術前禁止灌腸,確保手術實行效益;用劍突、大腿外陰1/3、腋中線進行皮膚準備的范圍是大腿的主要組成部分。常規的準備工作已經完成。提供應急設備以避免吸入性肺炎并改善患者的身體機能[6]。

P1、P2、P3加權系數

將公式（1）和公式（2）轉換為程序后輸入仿真軟件，計算機根據用戶選擇的出發點和到達點計算總里程，并根據路況信息預測通勤時間和堵車時間，每條路線都能計算出一個L（x）值，取獲得最小值的路線作為行駛方案。

3.4 仿真實驗結果分析

在同樣場景下，控制變量進行3次仿真實驗，每次實驗模擬城市下班高峰期18：30—19：00，持續時間都是30min（1800s）輸出多項數據。對數據進行整理后，將實驗測試量的實驗結果列表對比，對比結果如表1所示。

表1 仿真實驗數據分析表

在仿真實驗中，V2X車輛的占比是唯一變量，除此之外的所有條件完全一致。模型中的所有汽車都具有自動駕駛功能，即有自主避險的能力。以下將針對三組實驗數據進行分析。

（1）樣車總通勤時間。三次仿真實驗均選擇相同的目標車輛，出發地和目的地也完全一致，且車發時間和路況設置也一模一樣。第一次實驗中目標車輛總通勤時間為1592s；當50%的車輛具備V2X技術后，通勤時間縮短至1032s，通勤效率提高35.18%；當100%的車輛具備V2X技術后，通勤時間明顯縮短，為763s，通勤效率提高52.07%。分析以上數據可知，V2X技術的應用，可以有效縮短通勤時間，提高通勤效率。

（2）W路口擁堵累積時間。在整個模擬城市中，選一個地理位置最中的路口（W路口），作為監測對象。監測從18：30—19：00的時間段內，路口的擁堵時間總時長。仿真軟件內的自帶程序會對路口擁堵狀況進行分析和定義，并計算處擁堵累計時長。當有50%的車輛具備V2X功能時，W路口的擁堵時長縮短45%；當所有車輛都具備V2X功能后，W路口的擁堵時長縮短79%。從數據分析可以看出，V2X技術的全面介入，通過提前預警、分散車流等措施，可以使單個路口的擁堵得到極大緩解，對整個路口的通勤效率提升有著極大的作用。

（3）模擬城市路況內事故率分析。由于模型中所有的車輛均具備自動駕駛、應急避險的功能，因此車輛自身具備極強的規避事故的能力。但是按照初始設定的程序，模型中的非機動車和行人依然具有交通行為的不確定性，因此模型中仍然有交通事故的發生。V2X技術介入程度的不同，模型計算出來的事故率分別為3.22%、2.14%、0.89%。分析可知，雖然3種情況下事故率都不高，但是V2X技術的應用，依然對降低事故率有著極大的促進作用。

通過對以上數據的分析可知，V2X技術的應用可以使一定區域內的汽車及車路協同設備形成局域網，高效率、無障礙的分享車況和路況信息。車載電腦接收這些信息后計算各種行駛方案，最終獲得最優行駛路線，且隨著道路狀況的不斷變化，最優路線也會改變，因此車輛始終保持最佳行駛狀態。

4 基于ROS小車的實物試驗

仿真實驗的優勢在于可以模擬整個城市的交通狀況，但是實驗過程中的路況設置都是計算機程序計算出來的，實驗結果與實際情況可能存在偏差，因此需要通過簡單的臺架實物實驗進行驗證。仿真實驗完成之后，利用ROS小車開展進一步研究，對比分析仿真實驗的結果與臺架實物試驗結果之間的關系，驗證仿真實驗結果的有效性。

4.1 ROS智能小車簡介

ROS智能小車是一款搭載行車電腦的運動底盤。智能小車上裝有激光攝像頭，用于采集路況圖像；裝有OTA天線，并接收其他車輛和路基信號器發出的路況信息，同時還能將路況信息的分析結果發送至局域網，與其他車輛分享。智能小車搭載了兩個控制器，分別是樹莓派和ROS小車控制器，兩者之間通過串口通信來傳輸數據。其中樹莓派上安裝了Ubuntu,用于處理路況信息并對車輛的行駛形態進行計算和調整、對路況信息做出分析、規劃最優路線；ROS小車控制器用于控制運動底盤和采集里程計信息、電池信息、IMU信息。另外，為了便于車輛識別和記憶路線，智能小車還配備了遙控器。

4.2 實物試驗的設置

實物試驗不能如仿真實驗一樣模擬整個城市，只能在有限的空間內搭建簡易的試驗現場，盡可能的模擬智慧道路的運行狀況。通過控制變量法變更試驗場景，測試智能小車對行駛路線的優選能力，證明V2X技術的應用的確能有效的提升車輛的通勤效率。

試驗場景的基礎是一張智能小車行駛的標準地圖，在地圖上放置紙箱，模擬建筑物，構建一條通行道路。地圖勾畫了小車可通過視覺分析進行識別的路線，同時小車還可以識別紙箱等障礙物。地圖的外圍放置3臺車路協同的信號中轉器，其信號范圍足以覆蓋地圖區域內的所有ROS智能小車。試驗具體布局如圖所示，設途中近點A為目標小車始發點，遠點B為目標小車終到點。

試驗共使用6臺ROS小車，每臺小車時速不超過25km/h。所有車輛均具備記憶路線和自動駕駛功能；具備V2X技術，可通過車載收發器與3臺車路協同信號中轉器交換數據，從而實現有限區域內的局域網。設①小車為目標車，將1、2、3等三條路線全部記憶，小車可基于算法，優選最優路線；其余②-⑥號小車均為障礙車，行駛路線提前設定。①號目標小車的內置算法會根據目標路線的障礙車數量、路線長短、自身行駛速度計算處理論最短通行時長，從而選取最優通行路線。

4.3 實物試驗結果分析

（1）情境1：當整個地圖只有①號目標車1輛車時，①號目標車根據記憶和算法，優選路程最短的路線1 作為通行路線，通過時長為7.68s。

（2）情境2：當路線2和路線3各有2輛障礙車，路線1只有1輛障礙車時，①號目標車輛依舊選擇路線1通行，通過時間為8.32s。試驗設置如圖3所示。

圖3 情境2布置示意圖

（3）情境3：當路線1有3輛障礙車，而路線2和路線3都只有1輛障礙車時，①號目標車選擇路線3通行，通過時長為9.89s。試驗設置如圖4所示。

（4）情境4：當路線1有3輛障礙車，而路線2和路線3都只有1輛障礙車時，關閉所有車輛V2X功能、僅保留自動駕駛功能。①目標車依據記憶選擇路程最短的路線1通行，通行時長為14.96s。

以上通行時長數據對比如表2所示。

表2 ROS小車實物試驗數據分析表

對比分析表格數據可知，當所有ROS小車都具備V2X功能時，小車具備識別擁堵路況、計算最優路線的能力，實際通行效率下降不超過30%；當所有小車不具備V2X功能，僅具備自動駕駛功能時，實際通行效率下降超過90%，通行嚴重降低。

綜上所述，V2X技術的應用，有助于提升ROS小車對于路況信息的掌握，有助于車輛規劃最優路線、規避擁堵，從而有效提升通行效率。

5 結論

仿真實驗和實物試驗的結果都表明，V2X技術的普及和應用，有助于提升智能汽車對于行駛路線的規劃水平，有助于增強車輛規避擁堵的能力，有助于提高車輛的通行效率。而隨著5G技術的普及、車路協同技術的推廣，V2X技術在智能汽車上的廣泛應用指日可待。相信在不久的未來，完全無人駕駛的智慧汽車將會遍布大街小巷，人類可以享受智慧交通帶來的出行紅利。