基于雙邊控制法的仿真交通擁堵緩解分析

摘要：交通擁堵是阻礙道路交通發揮應有通行能力、降低車道通行效率的常見交通現象。自動駕駛汽車的出現給擁堵問題的解決提供了新的解決思路和技術方向。基于微觀交通流交通波理論，根據實際道路飽和交通流車輛跟馳行為建立虛擬交通場景，通過自動駕駛仿真平臺構建仿真試驗環境，對采用雙邊控制法的自動駕駛汽車影響下的“幽靈堵塞”擁堵波傳導現象進行了仿真分析。結果表明：采用雙邊控制法的自動駕駛車輛在緩解擁堵波傳遞上具備優化效果，擁堵波得到有效緩解，通行效率提升37.57%。

關鍵詞：自動駕駛汽車；交通擁堵；雙邊控制法；交通仿真

0 前言

良好的交通條件是國家經濟快速發展、居民生活水平穩步提高的關鍵條件之一［1］。但隨著車輛保有量的不斷提高和居民出行需求的不斷增加，交通擁堵形勢日漸嚴峻［2］。擁堵原因種類繁多，其中“幽靈堵塞”現象的出現并非是事故、故障等客觀原因造成的，而是駕駛員不良駕駛習慣或保守性錯誤判斷時采取了減速措施，并在后續車輛不斷傳遞甚至放大導致的交通整體降速或擁堵現象［3］。作為擁堵問題的源頭之一，“幽靈堵塞”問題的解決受到了研究者們的廣泛關注。

自動駕駛汽車的研究早在20 世紀70 年代便已在美國、英國、德國等西方國家展開，國內研究雖然起步較晚，但是20 世紀80 年代至今的追趕已經實現了部分超越［4］。交通擁堵的研究大多從2 個層面展開，即微觀交通流和宏觀交通流，在微觀交通流模型的研究中，主流的研究方法和建模理論有微觀交通流仿真、排隊模型、到達-離開模型等［5-7］。自動駕駛汽車憑借其精準可控特性和感知能力，以及推廣應用的深度展開，已成為相關研究的關鍵變量［8］。

1998 年，IOANNOU 等［9］就開始了對半自動駕駛車輛與手動駕駛車輛混合交通流的交通流特性研究，拉開了自動駕駛汽車擁堵研究的序幕，近年來各界學者開展的基于人工智能、機器學習、5G 通信等新一代技術基礎的深入研究，正不斷推動著交通擁堵問題的解決。其中，以HORN 等［10］于2018年提出的雙向控制模型效果最為顯著，與傳統模型相比，與前后車保持同等距離的行駛策略，能夠讓系統增效約1 倍。在相關研究基礎上，許陳蕾［11］通過仿真方法研究了不同滲透率條件下的“ 幽靈堵塞”緩解情況，結果表明提高自動駕駛滲透率和增加環境感知因素均可不同程度地提高通行效率。

為了研究現階段自動駕駛汽車緩解交通擁堵效果，本文以自動駕駛汽車與多輛傳統汽車組成的車隊為研究對象，基于自動駕駛仿真平臺構建仿真場景，在飽和交通流條件下仿真分析自動駕駛車輛“幽靈堵塞”緩解情況。

1 基于雙邊控制法的控制模型

忽略換道、非機動車、行人、坡度等潛在影響因素對車輛跟馳行為的影響，基于自動駕駛仿真平臺構建了一條長直線跑道。根據交通流飽和狀態確定車間距，模擬“幽靈堵塞”發生時，采用雙邊控制法的自動駕駛車輛對擁堵波傳遞的影響。

2 試驗分析

2. 1 場景假設

本文所使用的上研智聯仿真平臺是一款集靜態和動態數據導入、測試場景案例編輯、傳感器仿真、動力學仿真、可視化、測試與回放、虛擬數據集生成等一體化的自動駕駛仿真與測試平臺，功能模塊覆蓋自動駕駛仿真測試全流程。

在天氣為晴、可視度較好的條件下，假設所有車輛均為小轎車，駕駛模式為保守，仿真環境影響因素的參數值設定見表1。

2. 2 基于雙邊控制法的仿真試驗

根據前述雙邊控制仿真模型理論推導及建模過程，結合實際道路、車輛通行條件，仿真模型參數值見表2。

2. 3 結果分析

結合Matlab 軟件編程，通過人為設置變速車的變速過程，觀察后續多輛車的速度變化情況，仿真結果如圖1 所示，其中虛線為變速車位移軌跡，實線表示非變速車的行駛狀態。

雙邊控制模型仿真過程中，規定發生意外變速的變速車經過3 s 最大制動加速度極限減速后，重新加速恢復飽和交通流車隊行駛。由圖1 可以看出：在變速車前的所有車輛行駛狀態均十分平穩，保持著穩定的車間距，沒有大幅度的波動出現。當車輛發生變速后，后車均進行了一定程度的變速動作，該動作在時間軸上的傳遞則是擁堵波的動態變化情況。顯然采用雙邊控制法的行駛策略有效地避免了擁堵波的擴大且緩解了波的傳遞。

基于雙邊控制模性仿真的車輛速度-時間的變化曲線如圖1（b）所示。由圖1（b）可以看出：車輛期望行駛速度始終保持在25 m/s 左右，變速車最小速度減速至16 m/s，隨后車輛以較大的加速度追趕前車，最大速度達到34 m/s。跟馳車輛在采用雙邊控制模型后，速度變化平緩，且顯然未超出速度約束和加速度約束限制。擁堵波的傳播消散較快，沒有造成明顯擁堵。變速車及跟馳車輛的速度變化情況如圖2 所示。

由圖2 可以看出：該仿真場景下，擁堵波在傳遞至變速車后第10 輛車時，便已得到有效緩解，跟馳車輛行駛狀態平穩。

經測算，優化前車隊平均行駛速度為18.1 m/s，采用雙邊控制模性優化后理想狀態下平均行駛速度為24.9 m/s，平均通行時間減少，通行效率提升37.57%。

3 結語

為驗證采用雙邊控制法的自動駕駛車輛在緩解擁堵波傳遞上具備的優化效果，本文基于狀態方程建模，采用Matlab 編程實現模型優化，研究了自動駕駛模式車輛通過相同道路的通行效率提升效果和擁堵波的傳播。對比采用仿真平臺模擬真人駕駛車輛飽和交通流行駛狀態的通行情況，結果表明：飽和交通流狀態下，“幽靈擁堵”的擁堵波得到有效緩解，通行效率提升37.57%。未來將進一步增加場景變量，完善優化模型，展開更加契合實際道路條件的優化研究。

參考文獻

［ 1］ BABAEI A， KHEDMATI M， JOKAR M R A，et al. Sustainable transportation planning con?sidering traffic congestion and uncertain conditions[J]. Expert Systems with Applications， 2023，227： 119792.

［ 2 ］ 邵長橋，鄭加菊. 基于運行效率的交通擁堵度量和評價方法[J]. 北京工業大學學報，2022，48（4）：401-407.

［ 3 ］ 許陳蕾. 考慮自動駕駛的幽靈擁堵分析與仿真研究[D]. 重慶：重慶交通大學， 2019.

［ 4 ］ 李洪硌. 無人駕駛汽車高速工況智能決策、軌跡規劃與跟蹤研究[D]. 廣州：華南理工大學，2020.

［ 5 ］ LI L H， WANG C， ZHANG Y， et al.Microscopic state evolution model of mixedtraffic flow based on potential field theory[J].Physica A： Statistical Mechanics and itsApplications， 2022， 607：128185.

［ 6］ LI X P， GHIASI A， XU Z G， et al. A piecewisetrajectory optimization model for connected au?tomated vehicles： exact optimization algorithmand queue propagation analysis[J].TransportationResearch Part B： Methodological， 2018， 118：429-456.

［ 7 ］ 陳永尚. 智能汽車城區復雜交通情景的駕駛行為決策方法研究[D]. 長春：吉林大學，2019.

［ 8 ］ 彭育輝，江銘，馬中原，等. 汽車自動駕駛關鍵技術研究進展[J]. 福州大學學報（ 自然科學版），2021，49（5）：691-703.

［ 9 ］ IOANNOU P. Evaluation of mixed automated/manual traffic[R]. California： UC Berkeley， 1998.

［10］ HORN B K P， WANG L. Wave equation ofsuppressed traffic flow instabilities[J]. IEEETransactions on Intelligent TransportationSystems， 2018， 19（9）： 2955-2964

［11］ 許陳蕾. 考慮自動駕駛的幽靈擁堵分析與仿真研究[D]. 重慶：重慶交通大學，2019.

［12］ 任福田，劉小明，榮建，等. 交通工程學[M]. 北京：人民交通出版社，2003.

［13］ 王道意，宇仁德，閆興奎，等. 車輛跟馳模型的發展綜述[J]. 山東理工大學學報（ 自然科學版），2022，36（5）：75-80.

［14］ 楊龍海，張春，仇曉赟，等. 車輛跟馳模型研究進展[J]. 交通運輸工程學報， 2019， 19（5）：125-138.

［15］ LIANG C Y， PENG H. Optimal adaptivecruise control with guaranteed string stability[J]. Vehicle System Dynamics： InternationalJournal of Vehicle Mechanics and Mobility，1999， 32（4-5）： 313-330.