龔 勇 張海民

(1.宣城職業(yè)技術(shù)學院 信息工程系，安徽 宣城 242000；2.安徽信息工程學院 計算機與軟件工程學院，安徽 蕪湖 241000)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，其為交通運輸方面也帶來了巨大改變，實現(xiàn)了通過對行駛路段周圍環(huán)境信息進行獲取，進而完成對車輛的控制，更加全面順應(yīng)車流控制過程中車輛的行駛速度、車輛間距等車流特性[1]，提高駕駛的安全性和舒適性。目前，關(guān)于車路協(xié)同智能車流控制可分為目標車道前后車加減速協(xié)同和多車道多車換道協(xié)同兩類，其中后者即為在多車道多車情景下多車同時換道的協(xié)同行為。

對于車路協(xié)同智能車流控制已有部分學者做了相關(guān)研究，其中，韓直[2]等人為提升車輛通行效率，以預(yù)測型誘導策略為基礎(chǔ)，以排隊長度作為交通誘導的約束條件，利用小波神經(jīng)網(wǎng)絡(luò)短時交通量預(yù)測預(yù)知路段堵死事件發(fā)生路段，建立廣域誘導模型；引入基于路徑尺度的Logit路徑選擇模型作為誘導路徑選擇方法，通過流量迭代分配方法實現(xiàn)路網(wǎng)負載均衡。通過實例驗證，該誘導方法能有效地緩解道路交通擁堵，提高路網(wǎng)通行效率；岳昊[3]等人為克服利用傳統(tǒng)靜態(tài)交通流分配模型分析擁堵道路網(wǎng)絡(luò)交通流分配問題的不足，提出交通擁堵狀態(tài)下靜態(tài)擁堵交通流均衡分配模型。提出道路網(wǎng)靜態(tài)擁堵交通流分配的用戶均衡與系統(tǒng)最優(yōu)原理，并構(gòu)建道路網(wǎng)靜態(tài)擁堵交通流用戶均衡與系統(tǒng)最優(yōu)分配模型，求解用戶均衡模型的迭代加權(quán)求解算法。結(jié)果表明擁堵用戶均衡分配模型與擁堵系統(tǒng)最優(yōu)分配模型可以合理描述擁堵用戶均衡原理與系統(tǒng)最優(yōu)均衡原理，且擁堵用戶均衡分配模型可以合理描述路網(wǎng)處于全擁堵狀態(tài)下各路段實際通過流量。

基于此，本文提出一種基于滾動優(yōu)化策略的車路協(xié)同智能車流控制方法。在對車路協(xié)同條件下車流特性分析的基礎(chǔ)上，分別從車路控制過程中的稀疏縱向間距階段和換道階段進行研究，并根據(jù)不同時刻的最佳參數(shù)變化情況，對控制模型進行滾動優(yōu)化，完成對模型控制性能的不斷更新，并通過仿真實驗對所提方法進行測試，實驗結(jié)果表明，在對同向雙車道進行車流控制過程中具有較高的平緩性及安全性，對于車流控制研究具有一定的參考價值。

1 車路協(xié)同條件下的車流特性分析

車路協(xié)同實現(xiàn)了車-車、車-路之間的實時數(shù)據(jù)交換，這也成為正確及時調(diào)整駕駛行為的主要依據(jù)?；诖吮疚氖紫葘嚶穮f(xié)同整體結(jié)構(gòu)與功能進行了研究，總結(jié)了其在數(shù)據(jù)采集方式上存在的特點，并對車流中關(guān)鍵微觀參數(shù)進行分析，研究車路協(xié)同條件下車流三要素之間的關(guān)系。

1.1 車路協(xié)同結(jié)構(gòu)

車路協(xié)同(CVIS)主要是通過將車流的各個組成部分，也就是駕駛?cè)?、車輛、路況、行駛環(huán)境這四方面因素，通過現(xiàn)代通訊技術(shù)進行感知，利用互聯(lián)網(wǎng)等技術(shù)完成對采集到的信息進行交互，以此實現(xiàn)車流大環(huán)境的整體協(xié)調(diào)與聯(lián)動[4]。

在車路協(xié)同系統(tǒng)中，其各組成單元包括車載單元、路側(cè)單元、中心服務(wù)器、視屏監(jiān)控系統(tǒng)、信號控制系統(tǒng)，主要是通過4G網(wǎng)絡(luò)進行連接。路側(cè)單元(RUS，Road Side Unit)主要負責對車路協(xié)同系統(tǒng)的自身狀態(tài)進行檢測，同時感知行駛車輛周圍的環(huán)境信息，包括周圍行駛車輛的信息、道路特性信息、行駛路面異常事件信息等；車載單元(OUS，On Board Unit)主要負責對自身駕駛車輛狀態(tài)信息進行獲取，同時感知車輛周圍其他障礙物的信息采集，包括車輛、固定障礙物、行人等，并根據(jù)感知到的數(shù)據(jù)結(jié)果進行車輛安全預(yù)警，通過車載界面為駕駛員提供車載控制參考，為駕駛員操作提供判斷依據(jù)；中心服務(wù)器主要負責整個系統(tǒng)的控制，包括信息通訊、環(huán)境監(jiān)控等。

1.2 車流數(shù)據(jù)采集環(huán)境

車路協(xié)同環(huán)境下，由于獲取信息的方式為動靜結(jié)合，信息采集范圍更廣，不僅可以獲取自身車輛狀態(tài)數(shù)據(jù)，還可以對周圍環(huán)境等信息進行感知[5]，車路協(xié)同對于車流數(shù)據(jù)的采集具有以下特點：

(1)連續(xù)：每輛車在其存在過程中都會在時間和空間上形成連續(xù)的“運行軌跡”。

(2)多維：對于數(shù)據(jù)的采集不再局限于“停止”或者“運動”狀態(tài)的判斷，可以通過路側(cè)單元實時獲得周圍車輛在t時刻的完整信息，包括所在位置、運行速度、加減速、出發(fā)地與目的地等。

(3)全覆蓋：全樣本量、全路程、全時間。

(4)多樣：獲取的信息包含交通信號配時、行駛道路實時路況，以及其他環(huán)境信息。

基于車路協(xié)同的這種信息采集特點，極大地提高了信息的高效性，使車流信息更具可靠性，為智能車流控制提供基礎(chǔ)。

1.3 車流基本參數(shù)關(guān)系分析

在車流數(shù)據(jù)中主要包含3個基本參數(shù)，即流量Q，速度V，密度α。其基本關(guān)系可以表示為Q=αV，但需要注意的是，作為實際道路的車流數(shù)據(jù)，Q、V、α都是存在極值的，也就是道路所能承載的最大容量，因此，本文在此基礎(chǔ)上對三者關(guān)系進行如下分析。

首先，對速度-密度的關(guān)系進行分析。格林希爾茲(B.D.Greenshields)在1955年提出速度、密度的關(guān)系，并且說明了其之間存在著線性關(guān)系，表達式如式(1)所示：

在確定速度-密度關(guān)系之后，就可以通過車流三要素的基本關(guān)系Q=αV對速度-流量關(guān)系進行分析。通過推導，不難得出速度-流量關(guān)系，如式(2)所示：

從式(2)中可以看出，在Q達到道路承載極限，也就是Qmax之前，V是隨著車流密度增大而減小，而與之相反，流量隨著密度增大而增加；當Q=Qmax后，速度和流量都會出現(xiàn)隨著密度的增大而下降的現(xiàn)象。

在上述基礎(chǔ)上，推導出流量-密度關(guān)系，如式(3)所示

從式(3)中可以看出，在Q達到道路承載極限之前，車流密度與流量成正比，密度越大流量越大，而當Q達到道路承載極限后，密度與流量成反比，密度越大流量越小。

2 基于滾動優(yōu)化策略的車路協(xié)同智能車流控制

在分析車路協(xié)同特點以及道路三要素基本關(guān)系的基礎(chǔ)上，為實現(xiàn)安全、高效的車路協(xié)同智能車流控制，本文建立了多目標協(xié)調(diào)控制模型，并引入滾動優(yōu)化策略，為模型進行優(yōu)化。首先將車流控制過程分為稀疏縱向間距階段和換道階段。在稀疏縱向間距階段使車流具有足夠稀疏空間；換道階段有了足以實現(xiàn)車流控制的安全距離，可以降低對避免沖突的約束要求，降低計算難度。同時對車流控制過程中存在的局部極值問題進行分析，引入了滾動優(yōu)化策略[6]，解決該問題。

基于滾動優(yōu)化策略的車路協(xié)同智能車流控制系統(tǒng)架構(gòu)如圖1所示。首先通過對車輛運行狀態(tài)和周圍環(huán)境進行實時數(shù)據(jù)采集，根據(jù)數(shù)據(jù)分析結(jié)果制定車流控制參數(shù)[7]，在車輛控制過程中，通過隨控制效果的實時反饋結(jié)果，調(diào)節(jié)油門開度、制動壓力和轉(zhuǎn)向盤轉(zhuǎn)角，實現(xiàn)安全、高效的智能車流控制。

圖1 車路協(xié)同智能車流控制系統(tǒng)架構(gòu)

2.1 稀疏縱向間距階段

在得到車路協(xié)同條件下采集的路況信息基礎(chǔ)上，首先對是否需要進行換道處理進行判斷，當判斷結(jié)果為需要換道時，則進行以下車路協(xié)同智能車流控制流程。

在換道開始前，首先要對換道車輛與前后車之間的縱向間距進行調(diào)整，確保其之間存在足夠的安全距離進行其他車輛控制處理。在這里假設(shè)每輛車都是完全對稱的矩形，且僅當車輛的4個拐角都不與障礙物發(fā)生碰撞時，才允許進行換道，如圖2所示。

圖2 車輛運動學示意圖

根據(jù)已有的對于任意放置的不同矩形間避免碰觸的條件，建立將車流控制過程中車輛約束公式

式中：SΔ為三角區(qū)域面積；SX為矩形區(qū)域面積；P∈{Aj，Bj，Cj，Dj}，j=1，2，…。

并對自身車輛SV、換道前車道的前車LV和換道后車道的前車ALV，以及換道后車道的后車AFV分別進行加速度分析，將判斷誤差最小化，保證在車輛縱向駕駛過程中車內(nèi)人員的舒適性，該階段目標函數(shù)可以表示為：

式中：N為對周圍環(huán)境動態(tài)因素的預(yù)測時間范圍；為車輛的狀態(tài)參數(shù)；為對應(yīng)參數(shù)的權(quán)重因子；amin、amax分別為控制車輛內(nèi)乘車人員可接受加速度極值；aSV=aSV(t+i+1|t)-aSV(t+i|t)則為車輛換道過程中加速度的變化率；根據(jù)不同時刻的可接受的最小、最大舒適加速度數(shù)據(jù)變化，對車流已有數(shù)據(jù)進行更新，基于此完成車流控制參數(shù)的滾動優(yōu)化，根據(jù)優(yōu)化結(jié)果為下一次的車流控制提供參考；aT為駕駛員可接受的最大舒適縱向加速度變化率。

2.2 換道階段

第2階段由稀疏隊形開始，因為在第1階段已經(jīng)對碰撞因素進行約束，因此，在該階段不必再單獨考慮碰撞因素，實現(xiàn)了減小模型求解難度的目的。

首先分別對駕駛車輛與周圍車輛的加速度、車輛間距進行分析，并通過約束加速度的取值范圍對車輛換道模型進行約束，優(yōu)化控制結(jié)果，其目標函數(shù)可以表示為

式中：T為換道過程中橫向移動所需時間；Lh為換道寬度，即換道過程中的總橫向位移。根據(jù)換道過程中橫向位移的變化如式(10)所示

當橫向位移與車道寬度Lh相等時，即視為完成換道。基于滾動優(yōu)化策略的車路協(xié)同智能車流控制系統(tǒng)工作流程如圖3所示。

圖3 基于滾動優(yōu)化策略的車路協(xié)同智能車流控制系統(tǒng)流程圖

首先獲取車輛狀態(tài)參數(shù)和道路信息參數(shù)，分析換道行為對車流狀況是否存在車流優(yōu)化效果；當存在換道的必要時，建立對應(yīng)的多目標協(xié)調(diào)優(yōu)化車路協(xié)同智能車流控制模型；根據(jù)換道過程中獲取的不同時刻各協(xié)作車輛的可接受的舒適車流控制參數(shù)極值，對控制參數(shù)進行滾動優(yōu)化，對模型進行更新，通過輸入期望控制參數(shù)，完成基于滾動優(yōu)化策略的車路協(xié)同智能車流控制。

3 仿真實驗

3.1 實驗參數(shù)及設(shè)置

為對所提方法的性能進行測試，本文選用Matlab/Simulink進行仿真實驗，用CarSim作為車輛動力學仿真軟件，搭建了多車協(xié)同駕駛Simulink-CarSim聯(lián)合仿真平臺。設(shè)計實驗路段長度為1 000m，Lh車道寬度為3.6米，權(quán)重因子εσ為0.15，權(quán)重因子εy為0.2，amin和amax分別為-4m/s2和4m/s2。為對比所提方法在車流控制方面的有效性，分別采用文獻[2]方法和文獻[3]方法對比組進行實驗。

假設(shè)道路上有四輛網(wǎng)聯(lián)式駕駛車輛行駛在2條車道線內(nèi)，每條車道2輛，分別采用本文所提方法，以及文獻[2]和文獻[3]方法將四輛自主駕駛車輛匯聚成一維編隊。

3.2 仿真實驗對比

在控制過程中，不同方法控制下車輛的速度與車輛間距分別如圖4、圖5所示。

圖4 車流速度-時間曲線

圖5 車流距離-時間曲線

從圖4可以看出，在進行車輛換道控制過程中，采用本文方法控制時，車輛的速度變化在整個過程中未出現(xiàn)加速度絕對值大于極值加速度的情況，且在完成換道后，車輛速度逐漸回歸至初始速度，而文獻[2]、文獻[3]方法均出現(xiàn)不同程度的速度激增和驟降情況，對于安全性和舒適性均造成一定程度的負面影響。本文方法因為在對車流進行控制的過程中，根據(jù)采集到的數(shù)據(jù)對控制輸入進行滾動優(yōu)化，提高了控制效果。

從圖5可以看出，在初始階段未進行換道之前，車間距穩(wěn)定在15m，換道后車輛間距逐漸加大，本文方法在換道過程中車間距未出現(xiàn)較大波動，而文獻[2]、文獻[3]方法相對變化較大，這主要是因為本文方法對實現(xiàn)換道過程中的速度穩(wěn)定性控制，在相對穩(wěn)定的運行狀態(tài)下，未造成大幅度的車輛間距變化。仿真過程中，障礙車輛在車輛行駛100m時出現(xiàn)，控制車輛方向盤轉(zhuǎn)角如圖6所示。從圖6可以看出，在整個車流控制過程中沒有因為控制目標的變化造成方向盤急打，保障了駕駛舒適性，且本文所提控制方法下，變道軌跡規(guī)劃逐漸平緩，軌跡誤差最終收斂，這一特性可以保證車流運行軌跡逐漸最優(yōu)，提升了車流控制過程中避障策略的平順性。

圖6 控制車輛方向盤轉(zhuǎn)角曲線

4 結(jié)論

本文基于車路協(xié)同系統(tǒng)所具備的全面實時的路況信息采集性能，分析了車流控制過程中自身及周圍車輛的數(shù)據(jù)信息，提出基于滾動優(yōu)化策略的車路協(xié)同智能車流控制方法，將整個換道過程劃分為稀疏縱向距離階段和換道階段兩個部分，并引入滾動優(yōu)化策略對控制過程中的輸入?yún)?shù)進行更新，減小了優(yōu)化控制模型的求解難度，并通過仿真實驗驗證了所提方法的有效性。但受時間和條件限制，研究尚存不足，在之后的研究中，可以引入多車道車流控制實驗，同時條件允許情況下進行實際實驗，驗證其他環(huán)境因素對控制方法是否存在影響。