国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

信號(hào)交叉口智能網(wǎng)聯(lián)車車隊(duì)速度引導(dǎo)策略研究

2021-03-05 04:11陳滬江陳一鍇
關(guān)鍵詞:交叉口油耗路段

石 琴,陳滬江,陳一鍇

(合肥工業(yè)大學(xué) 汽車與交通工程學(xué)院,安徽 合肥 230009)

0 引 言

據(jù)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì),截至2016年底,全國(guó)民用轎車保有量達(dá)到10 876萬(wàn)輛,增長(zhǎng)14.4%,其中私人轎車10 152萬(wàn)輛,增長(zhǎng)15.5%[1]。汽車保有量上升給民眾出行帶來(lái)方便的同時(shí),交通擁堵、道路事故、環(huán)境污染、能源消耗等問(wèn)題也日趨嚴(yán)重。車輛在交叉口的停走行為加劇了車輛燃油消耗和尾氣排放,增加了車輛延誤。以往交叉口交通控制優(yōu)化主要以信號(hào)燈信號(hào)優(yōu)化為主[2]。近些年隨著通信技術(shù)、電子信息技術(shù)的提升,智能車路協(xié)同系統(tǒng)得到發(fā)展。車路協(xié)同技術(shù)使得道路上的車輛能夠及時(shí)獲得自身、周邊車輛和信號(hào)燈的信息[3]。對(duì)這些信息加以處理和利用可以使得車輛能夠不停車通過(guò)信號(hào)交叉口,從而減少油耗和排放,提升交叉口效率。智能網(wǎng)聯(lián)車搭載了先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置,并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù),使車輛具備復(fù)雜環(huán)境感知、智能化決策與控制功能。以智能網(wǎng)聯(lián)汽車為對(duì)象,對(duì)車輛速度智能調(diào)節(jié)策略的研究是對(duì)交叉口交通控制優(yōu)化的有效補(bǔ)充。

車路協(xié)同技術(shù)下的車輛速度引導(dǎo)策略得到了國(guó)內(nèi)外研究者的廣泛關(guān)注。文獻(xiàn)[4]、文獻(xiàn)[5]在車路協(xié)同環(huán)境下以停車等待時(shí)間最小為目標(biāo),提出個(gè)體車輛與多車協(xié)同下的速度引導(dǎo)機(jī)制與模型,采用Vissim仿真驗(yàn)證得到引導(dǎo)后車均停車次數(shù)至少降低40%且停車時(shí)間優(yōu)化比例在45%以上,并且多車引導(dǎo)能有更好的效果;文獻(xiàn)[6]利用車-路通信獲取交通信號(hào)燈信息,針對(duì)單車設(shè)計(jì)了相應(yīng)的生態(tài)駕駛策略模型和生態(tài)駕駛軌跡優(yōu)化算法,利用MATLAB開發(fā)程序評(píng)估其排放優(yōu)化效果;文獻(xiàn)[7]在研究車速引導(dǎo)策略時(shí)提出了一個(gè)多階段優(yōu)化控制模型,且考慮了排隊(duì)長(zhǎng)度和信號(hào)燈狀態(tài)兩個(gè)重要因素,結(jié)果表明該方法可以有效減少車輛的燃油消耗;文獻(xiàn)[8]通過(guò)道路環(huán)境信息感知,提前預(yù)判車輛加減速,運(yùn)用拉格朗日算子法計(jì)算車輛的加減速度,降低車輛油耗。此外還有眾多學(xué)者研究了引導(dǎo)距離的長(zhǎng)度、智能車的比例、交叉口的數(shù)目以及信號(hào)燈控制方式對(duì)引導(dǎo)方案效果的影響[9-12]。

以上研究從油耗、排放、安全等角度,在車路協(xié)同下的車速優(yōu)化策略領(lǐng)域取得了一定進(jìn)展,但仍存在以下不足:①大部分研究以單車為主,未考慮相鄰車輛間的相互影響,少部分研究考慮了相鄰車輛的相互影響,但只對(duì)頭車進(jìn)行引導(dǎo),可能導(dǎo)致頭車能不停車通過(guò)交叉口而后車需停車;②只從空間角度對(duì)引導(dǎo)策略進(jìn)行研究,忽略信號(hào)燈周期對(duì)策略的影響;③未充分考慮車輛到達(dá)時(shí)間、初始速度等變量的隨機(jī)性對(duì)引導(dǎo)效果的影響,分析、評(píng)價(jià)結(jié)果不夠客觀。

針對(duì)上述問(wèn)題,筆者充分考慮車輛間的相互影響,提出以智能網(wǎng)聯(lián)車車輛隊(duì)列作為研究對(duì)象,并闡述了交通流車輛隊(duì)列的劃分方式;在此基礎(chǔ)上,提出固定引導(dǎo)時(shí)長(zhǎng)的速度引導(dǎo)策略以及速度的更新方法;利用MATLAB軟件搭建車隊(duì)速度引導(dǎo)策略的仿真平臺(tái),通過(guò)蒙特卡洛仿真方法對(duì)固定引導(dǎo)時(shí)長(zhǎng)策略進(jìn)行仿真,得到不同方案下的單車平均油耗和行程時(shí)間;通過(guò)構(gòu)建路段綜合出行費(fèi)用從而確定最優(yōu)引導(dǎo)時(shí)長(zhǎng)方案,并與最優(yōu)引導(dǎo)距離方案進(jìn)行比較。

1 車隊(duì)劃分方式

在低交通量下,道路上的車輛間相互影響較小,采用單車速度引導(dǎo)策略可以有效降低車輛遇到紅燈停車可能性。隨著交通量上升,相鄰車輛的相互影響提升,車輛的跟馳現(xiàn)象明顯,前車的加減速直接影響后車的行駛狀態(tài)[13]。汽車隊(duì)列行駛是指由若干輛車組成的一列線性車隊(duì)以較小車間距沿著相同的路徑行駛[14]。數(shù)據(jù)顯示,道路上約有70%的車輛處于隊(duì)列中[15]。因此筆者以車隊(duì)作為研究對(duì)象,并考慮車隊(duì)內(nèi)車輛數(shù)、車隊(duì)初始速度的隨機(jī)性。

對(duì)車隊(duì)進(jìn)行速度引導(dǎo)要對(duì)道路上車輛進(jìn)行車隊(duì)劃分。筆者根據(jù)車頭時(shí)距對(duì)道路上的車輛進(jìn)行車隊(duì)劃分[16]。在路段的上游設(shè)置一檢測(cè)器,可記錄車輛到達(dá)檢測(cè)器的時(shí)刻。記第i+1輛車與第i輛車的車頭時(shí)距為hi+1,如式(1):

hi+1=ti+1-ti

(1)

定義標(biāo)準(zhǔn)車頭時(shí)距hs,若i+1號(hào)車輛的車頭時(shí)距hi+1

盲目設(shè)置標(biāo)準(zhǔn)車頭時(shí)距會(huì)導(dǎo)致車隊(duì)規(guī)模過(guò)大或者無(wú)法有效識(shí)別車隊(duì)等情況發(fā)生。因此不同路段不同時(shí)間段的標(biāo)準(zhǔn)車頭時(shí)距由實(shí)際車頭時(shí)距統(tǒng)計(jì)分布確定。筆者基于高峰時(shí)期合肥市西二環(huán)路車輛車頭時(shí)距的調(diào)查數(shù)據(jù)確定標(biāo)準(zhǔn)車頭時(shí)距。選取相鄰交叉口間距為500 m的路段作為調(diào)查路段。在調(diào)查路段區(qū)間內(nèi)的路面上標(biāo)記兩平行的固定檢測(cè)線,在早高峰期7:00—9:00用錄像機(jī)持續(xù)拍攝交通流,如圖1。根據(jù)拍攝的視頻記錄每輛車通過(guò)兩條檢測(cè)線的時(shí)刻,從而根據(jù)式(1)求得相鄰兩車的車頭時(shí)距。選取連續(xù)200輛車的車頭時(shí)距,分別將1.5、2.0、2.5、3.0 s設(shè)置為標(biāo)準(zhǔn)車頭時(shí)距,對(duì)相應(yīng)標(biāo)準(zhǔn)車頭時(shí)距下車隊(duì)規(guī)模及其出現(xiàn)頻率之間的關(guān)系進(jìn)行研究,得到數(shù)據(jù)見表1。

圖1 合肥市西二環(huán)路車頭時(shí)距調(diào)查

表1 不同標(biāo)準(zhǔn)車頭時(shí)距下車隊(duì)數(shù)量及占比

當(dāng)車頭時(shí)距為1.5 s和2 s時(shí),單車構(gòu)成的車隊(duì)分別為67%和51%;當(dāng)車頭時(shí)距為2.5 s或3 s時(shí),單車構(gòu)成的車隊(duì)占了35%左右,以單車為車隊(duì)的總車輛數(shù)占所有車輛的比例低于10%。選取3 s作為標(biāo)準(zhǔn)車頭時(shí)距,會(huì)出現(xiàn)車隊(duì)較長(zhǎng)、車隊(duì)數(shù)目少的情況,故筆者選取2.5 s作為標(biāo)準(zhǔn)車頭時(shí)距。

2 固定引導(dǎo)時(shí)長(zhǎng)的速度引導(dǎo)策略

車輛的速度引導(dǎo)策略是指在引導(dǎo)路段內(nèi)根據(jù)車輛當(dāng)前位置、速度和當(dāng)前信號(hào)燈情況等因素計(jì)算理想引導(dǎo)速度,優(yōu)化車輛行駛軌跡,使得車輛盡可能不停車通過(guò)下游信號(hào)交叉口。

在傳統(tǒng)以單車為研究對(duì)象的方案中,主要采用固定距離的速度引導(dǎo)策略,即引導(dǎo)路段的距離一經(jīng)確定便固定不變[17]。該策略能夠提升交叉口通行效率,有效減少交通燃油消耗,但忽略了車輛駛?cè)胍龑?dǎo)路段時(shí)刻信號(hào)燈的不確定性對(duì)結(jié)果的影響。筆者充分考慮信號(hào)燈相位對(duì)引導(dǎo)策略的影響,利用信號(hào)燈時(shí)長(zhǎng)對(duì)引導(dǎo)距離進(jìn)行優(yōu)化,即每輛車的引導(dǎo)距離并非固定不變,車輛接受引導(dǎo)的初始時(shí)刻依據(jù)信號(hào)燈相位而定。

將信號(hào)周期劃分為引導(dǎo)時(shí)間段和非引導(dǎo)時(shí)間段。速度引導(dǎo)開始時(shí)刻為信號(hào)燈轉(zhuǎn)換前tc,s,如圖2。由于黃燈亮?xí)r禁止車輛駛過(guò)停車線,將黃燈時(shí)長(zhǎng)并入紅燈相位中。綠燈相位時(shí)長(zhǎng)為tg,s,黃燈相位時(shí)長(zhǎng)與紅燈相位時(shí)長(zhǎng)為tr,s。整個(gè)路段為前一交叉口的出口到當(dāng)前交叉口的進(jìn)口道停車線。該路段被分為引導(dǎo)區(qū)域L1和非引導(dǎo)區(qū)域L2,如圖3。當(dāng)且僅當(dāng)引導(dǎo)開始時(shí)刻到達(dá)且車輛處于引導(dǎo)區(qū)域內(nèi)時(shí),對(duì)車輛進(jìn)行速度引導(dǎo)。非引導(dǎo)區(qū)域L2為防止車輛不能及時(shí)停車而設(shè)。

圖2 相位及引導(dǎo)時(shí)長(zhǎng)示意

圖3 引導(dǎo)區(qū)域劃分示意

非引導(dǎo)區(qū)域的長(zhǎng)度L2的計(jì)算公式為:

(2)

式中:vmax為道路最大限速;amax為車輛最大加、減速度。

為簡(jiǎn)化研究對(duì)象,筆者進(jìn)行以下假設(shè):僅考慮單一交叉口的單一車道情況,不存在車輛的超車和換道現(xiàn)象;無(wú)線通信的性能完美,不存在信號(hào)傳輸延遲和任何數(shù)據(jù)丟包;所有車輛都相同,且均為智能網(wǎng)聯(lián)車,同一車隊(duì)內(nèi)車輛車速、加速度、車間距均相同[18];不考慮行人、非機(jī)動(dòng)車等干擾因素的影響。

基于車路協(xié)同的車隊(duì)速度引導(dǎo)策略步驟如下(流程如圖4):

圖4 固定引導(dǎo)時(shí)長(zhǎng)策略流程

步驟1:設(shè)置路段長(zhǎng)度為L(zhǎng)、信號(hào)燈周期為T、車輛長(zhǎng)度為l、車隊(duì)內(nèi)相鄰車輛間隔為s;設(shè)置引導(dǎo)開始時(shí)刻為信號(hào)燈轉(zhuǎn)換前tc,s。

步驟2:獲取當(dāng)前t時(shí)刻相位信息、車隊(duì)內(nèi)車輛數(shù)N、頭車距離停車線的距離d1、車隊(duì)當(dāng)前車速v。

步驟3:判斷條件為tr-tc

步驟4:以速度v保持勻速行駛單位時(shí)間,然后跳轉(zhuǎn)至步驟2。

步驟5:計(jì)算可通過(guò)不停車通過(guò)的信號(hào)交叉口的行駛時(shí)間范圍tp,th和tl為其上下邊界。

若t時(shí)刻為紅燈,則tp的范圍如式(3):

tp=[kT+tr-t,(k+1)T-t]

(3)

若t時(shí)刻為綠燈,則tp的范圍如式(4):

(4)

步驟6:計(jì)算車隊(duì)內(nèi)第i輛車車頭與交叉口的距離di,如式(5):

di=d1+(i-1)(l+s)

(5)

步驟7:根據(jù)速度位移公式,計(jì)算頭車不停車通過(guò)交叉口的速度范圍,如式(6):

(6)

步驟8:計(jì)算尾車不停車通過(guò)交叉口的速度范圍,如式(7):

(7)

步驟9:選取整個(gè)車隊(duì)均能不停車通過(guò)交叉口的速度范圍,如式(8):

(8)

步驟10:判斷條件為v∈vp。vh和vl為其上下邊界。若滿足條件,跳轉(zhuǎn)至步驟11;若不滿足條件,跳轉(zhuǎn)至步驟12。

步驟11:下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a為0,跳轉(zhuǎn)至步驟16。

步驟12:判斷條件為v≤vl。如果滿足該條件,跳轉(zhuǎn)至步驟13;若不滿足,即v>vh,跳轉(zhuǎn)至步驟14。

步驟13:計(jì)算下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a,然后跳轉(zhuǎn)至步驟15。

(9)

步驟14:計(jì)算下一時(shí)間步車隊(duì)內(nèi)車輛的加速度a,然后跳轉(zhuǎn)至步驟15。

(10)

步驟15:計(jì)算車隊(duì)行駛速度v,如式(11):

vt+1=vt+a

(11)

步驟16:輸出速度v。

3 不同引導(dǎo)時(shí)長(zhǎng)方案的蒙特卡洛仿真

3.1 單次車隊(duì)速度引導(dǎo)仿真

為對(duì)不同策略進(jìn)行優(yōu)劣比較,需要通過(guò)大量隨機(jī)試驗(yàn)來(lái)獲取不同情形下策略的各指標(biāo)數(shù)據(jù)。蒙特卡洛模擬是通過(guò)大量隨機(jī)試驗(yàn),利用概率論解決問(wèn)題的一種數(shù)值方法。因此在進(jìn)行蒙特卡洛仿真時(shí)先確定一次仿真試驗(yàn)的過(guò)程,再根據(jù)隨機(jī)參數(shù)的分布規(guī)律進(jìn)行多次仿真。

仿真交叉口選取主干路與次干路的交叉口,主干路為單向四車道,次干路為單向兩車道。在城區(qū)道路中,平面交叉口占有很大的比重,老城區(qū)交叉口間距基本在200~300 m之間,新城區(qū)交叉口間距基本在500 m左右。筆者選取相鄰交叉口為500 m的路段研究。信號(hào)燈控制為三相位控制,采用韋伯斯特配時(shí)法計(jì)算周期總時(shí)長(zhǎng)和各相位時(shí)長(zhǎng)[19]。通過(guò)計(jì)算得周期時(shí)長(zhǎng)為88 s。重點(diǎn)選取直行車道為車輛速度引導(dǎo)路段,主干路直行綠燈相位時(shí)長(zhǎng)26 s。單次仿真需要提前確定車輛到達(dá)路段的時(shí)間、車隊(duì)規(guī)模數(shù)、初始速度。所有仿真參數(shù)見表2。

表2 仿真參數(shù)

筆者采用單車的平均油耗和單車平均行程時(shí)間作為評(píng)價(jià)指標(biāo)。車輛的行程時(shí)間由車輛的行駛時(shí)間和停車延誤構(gòu)成[20]。

通過(guò)仿真可以得到每輛車的逐秒速度和加速度,從而可以得到車輛行駛過(guò)整個(gè)路段的油耗。油耗模型采用VT-Micro模型[21]。車輛的逐秒油耗由車輛的逐秒速度和逐秒加速度計(jì)算得到。VT-Micro模型中,MOEe的計(jì)算公式如式(12):

(12)

式中:MOEe為瞬時(shí)油耗率;M、N為模型回歸系數(shù);v為車輛的瞬時(shí)速度;a為車輛的瞬時(shí)加速度。

3.2 隨機(jī)參數(shù)的分布規(guī)律

單次仿真模擬能得到特定情形下車隊(duì)內(nèi)車輛行駛過(guò)整個(gè)路段的平均油耗、平均行程時(shí)間等重要信息,但該結(jié)果并不能反映策略優(yōu)劣。實(shí)際道路中由于交通流狀態(tài)實(shí)時(shí)變化,車隊(duì)進(jìn)入路段時(shí)的時(shí)間、速度以及車隊(duì)內(nèi)車輛數(shù)等參數(shù)均有很強(qiáng)的隨機(jī)性。因此先根據(jù)道路實(shí)際情況統(tǒng)計(jì)參數(shù)的分布規(guī)律,然后采用蒙特卡洛法[22]對(duì)固定引導(dǎo)時(shí)長(zhǎng)策略下車隊(duì)行駛過(guò)程進(jìn)行仿真。

對(duì)早高峰時(shí)期西二環(huán)路段進(jìn)行車頭時(shí)距調(diào)查和地點(diǎn)車速調(diào)查,擬合得到車隊(duì)內(nèi)車輛數(shù)和車隊(duì)速度的分布。調(diào)查得到車隊(duì)內(nèi)車輛數(shù)在2~29輛之間,將單輛車也記作單獨(dú)一個(gè)車隊(duì),服從負(fù)指數(shù)分布。車隊(duì)速度在20~70 km/h之間,其中50~ 55 km/h車隊(duì)數(shù)量最多,服從對(duì)數(shù)正態(tài)分布。車輛進(jìn)入路段時(shí)信號(hào)燈時(shí)刻服從均勻分布。每一次仿真中實(shí)際數(shù)值根據(jù)指定分布生成隨機(jī)數(shù)[23]。

3.3 不同引導(dǎo)時(shí)長(zhǎng)方案仿真結(jié)果

為了保證策略達(dá)到最優(yōu)效果,需要探究合適的車輛引導(dǎo)時(shí)長(zhǎng)。由于非引導(dǎo)區(qū)域長(zhǎng)度為45 m,考慮極端情形,車輛從16 m/s以最大減速度減速至0至少需要6 s。因此,筆者選取6~26 s的整數(shù)秒作為引導(dǎo)時(shí)長(zhǎng)。由于車隊(duì)到達(dá)研究路段的時(shí)刻、車隊(duì)內(nèi)車輛數(shù)、以及到達(dá)路段的初速度均會(huì)影響最終車隊(duì)通過(guò)該路段的油耗和行程時(shí)間,筆者根據(jù)這3個(gè)變量的概率密度函數(shù)在變量可能的取值范圍內(nèi)進(jìn)行了隨機(jī)抽樣。采用蒙特卡洛方法進(jìn)行若干次仿真,并對(duì)仿真次數(shù)進(jìn)行了討論。選擇仿真次數(shù)N作為自變量,單車通過(guò)路段的油耗F和行程時(shí)間T作為應(yīng)變量,按數(shù)量級(jí)順序設(shè)計(jì)N的值分別為1、10、100、1 000、10 000、20 000。以固定引導(dǎo)時(shí)長(zhǎng)為14 s的方案為例進(jìn)行討論,得到油耗和行程時(shí)間平均值和標(biāo)準(zhǔn)差如表3。

表3 不同仿真次數(shù)下油耗與行程時(shí)間平均值與方差

標(biāo)準(zhǔn)差能夠反映一個(gè)數(shù)據(jù)集的離散程度,即數(shù)據(jù)的波動(dòng)情況。由表3可見,隨著仿真次數(shù)增加,油耗和行程時(shí)間的波動(dòng)越來(lái)越小。當(dāng)仿真次數(shù)達(dá)到10 000次,波動(dòng)已經(jīng)相對(duì)穩(wěn)定;當(dāng)仿真次數(shù)從10 000次增加到20 000次,標(biāo)準(zhǔn)差數(shù)值變化已經(jīng)非常微弱;而隨著仿真次數(shù)的增加,仿真時(shí)間越來(lái)越長(zhǎng),效率越來(lái)越低。因此,筆者采用10 000次作為最終的仿真方案。仿真得到單車通過(guò)整個(gè)路段平均油耗和平均行程時(shí)間如圖5。

圖5 單車平均油耗、平均行程時(shí)間隨引導(dǎo)時(shí)長(zhǎng)變化情況

由圖5表明,隨引導(dǎo)時(shí)長(zhǎng)增大,單車的平均油耗不斷上升,從0.031 2 L持續(xù)上升致0.039 9 L;單車的平均行程時(shí)間隨引導(dǎo)時(shí)長(zhǎng)的增大總體呈現(xiàn)先減少后增大的趨勢(shì)。當(dāng)信號(hào)燈情形由紅燈轉(zhuǎn)綠燈時(shí),車隊(duì)可能停車等待或者按引導(dǎo)速度策略放緩速度行駛,其通過(guò)停車線的時(shí)間均要等到綠燈相位亮,行程時(shí)間接近。造成行程時(shí)間差別較大的可能是信號(hào)燈相位由綠轉(zhuǎn)紅情形,不同引導(dǎo)時(shí)長(zhǎng)下其引導(dǎo)加速度不同。

3.4 基于綜合費(fèi)用的兩種車隊(duì)速度引導(dǎo)策略對(duì)比

為了比較固定引導(dǎo)時(shí)長(zhǎng)和固定引導(dǎo)距離兩種車隊(duì)速度引導(dǎo)策略的優(yōu)劣,筆者構(gòu)建了基于車輛油耗和行程時(shí)間的路段綜合出行費(fèi)用[24],其計(jì)算公式如式(13):

COST=FP1+TP2

(13)

式中:COST為路段綜合出行費(fèi)用;F為單車行駛過(guò)路段的平均油耗;T為單車平均行程時(shí)間;P1、P2為兩者的單位費(fèi)用。

通過(guò)式(13)計(jì)算不同引導(dǎo)時(shí)長(zhǎng)方案和不同引導(dǎo)距離方案的路段綜合出行費(fèi)用,取燃油費(fèi)用為現(xiàn)時(shí)油價(jià)6.27元/L,取時(shí)間費(fèi)用為0.007 5元/s[25]。計(jì)算結(jié)果表明,固定引導(dǎo)時(shí)長(zhǎng)策略下,當(dāng)引導(dǎo)時(shí)長(zhǎng)為6 s時(shí),綜合出行費(fèi)用最低為0.572元,引導(dǎo)效果最好。此時(shí)單車平均油耗為0.031 L,平均行程時(shí)間為50.23 s。固定引導(dǎo)距離策略下,當(dāng)引導(dǎo)距離為350 m時(shí),綜合出行費(fèi)用最低為0.637元,引導(dǎo)效果最好。此時(shí)單車平均油耗為0.037 L,平均行程時(shí)間為54.10 s。

采用2.5 s作為標(biāo)準(zhǔn)車頭時(shí)距時(shí),固定引導(dǎo)距離為350 m的方案與固定引導(dǎo)時(shí)長(zhǎng)為6 s的方案相比,單車平均油耗后者比前者低16.3%,行程時(shí)間后者比前者低7.2%。路段綜合出行費(fèi)用后者比前者低了10.2%。同時(shí),用相同仿真方法對(duì)標(biāo)準(zhǔn)車頭時(shí)距選取為2.0 s與3.0 s的情形做了研究,得到了類似的結(jié)論。因此,相對(duì)于固定引導(dǎo)距離策略,固定引導(dǎo)時(shí)長(zhǎng)策略可有效提高通行效率、降低燃油消耗。

4 結(jié) 論

筆者提出了一種車輛隊(duì)列在交叉口進(jìn)口道基于車路協(xié)同技術(shù)的車速引導(dǎo)策略。該策略將信號(hào)周期劃分為引導(dǎo)時(shí)間段和非引導(dǎo)時(shí)間段。另外,通過(guò)蒙特卡洛仿真對(duì)不同引導(dǎo)時(shí)長(zhǎng)方案進(jìn)行了仿真研究,得到了最優(yōu)引導(dǎo)時(shí)長(zhǎng)。對(duì)結(jié)果進(jìn)行分析得到了以下結(jié)論:

1)引導(dǎo)時(shí)長(zhǎng)選為信號(hào)燈相位轉(zhuǎn)換前6 s時(shí),其引導(dǎo)效果最好,單車平均油耗最低,綜合出行費(fèi)用最低。而固定引導(dǎo)距離策略下,當(dāng)引導(dǎo)距離為350 m時(shí)引導(dǎo)效果最好。

2)固定引導(dǎo)距離為350 m的方案和固定引導(dǎo)時(shí)間為6 s的方案相比,單車平均油耗后者比前者低16.3%,行程時(shí)間后者比前者低7.2%。路段綜合出行費(fèi)用后者比前者低了10.2%。相對(duì)于固定引導(dǎo)距離策略,固定引導(dǎo)時(shí)長(zhǎng)策略可有效提高通行效率、降低燃油消耗。

3)筆者未考慮交叉口擁堵的情形以及非智能網(wǎng)聯(lián)車對(duì)策略的影響。智能網(wǎng)聯(lián)車的普及需要一個(gè)過(guò)程,兩類車會(huì)互相影響。未來(lái)研究將考慮智能網(wǎng)聯(lián)車與非智能網(wǎng)聯(lián)車的比例對(duì)策略的影響以及在擁堵環(huán)境下如何進(jìn)行引導(dǎo)。除此之外,多交叉口多車道情形的車隊(duì)速度引導(dǎo)策略也是未來(lái)研究的重點(diǎn)方向。

猜你喜歡
交叉口油耗路段
多中心、多路段、協(xié)同應(yīng)急指揮系統(tǒng)探析
城市道路平面交叉口的渠化設(shè)計(jì)
基于VISSIM的光僑路與圳園路交叉口改善分析
城市道路平面交叉口設(shè)計(jì)研究與實(shí)踐
基于浮動(dòng)車數(shù)據(jù)的城市區(qū)域路網(wǎng)關(guān)鍵路段識(shí)別
基于VISSIM仿真的對(duì)稱交叉口交通延誤分析
基于元胞自動(dòng)機(jī)下的交通事故路段仿真
基于元胞自動(dòng)機(jī)下的交通事故路段仿真
哪款汽車更省油?——百款汽車真是油耗數(shù)據(jù)對(duì)比
汽車冬季油耗為何會(huì)增加?