基于车联网的道路交叉口车辆通行效率研究.pdf

35交通科技与管理规划设计0引言随着国内汽车保有量的持续增加，在城市规划过程中的城市道路随着车辆通行需求的增加，排队以及拥堵的情况越发明显。而城市道路往往受制于通行需求、道路规划等客观原因，不能及时进行道路改扩建。在解决城市道路交通拥堵，提高出行效率等方面，往往以道路交叉口的管理优化为主，比如道路交叉口的信号灯优化1，打造城市智能交通绿波带2，基于时间循环技术识别车队头车3。李鹏凯等4通过基于实时信号状态、排队长度、车辆位置、加速度等参数，以交叉口车辆停车时间最小化为目标，提出面向个体车辆的车速引导机制与模型。He X等5考虑了干线上的车辆排队和交通信号状态，提出 1 个多阶段的控制模型以获得最优的车辆轨迹。随着智能网联及自动驾驶技术的不断发展，车联网技术越来越多地引入到智能交通系统中来6，在道路改造受限的条件下，通过车联网车辆的行车路线同步、道路交通状况感知同步、车辆行驶轨迹的预测等，成为改善道路交通安全、缓解交通拥堵的重要手段。研究基于车联网的合流区车辆通行效率是通过车联网技术解决交通通行问题的关键，车联网技术在交通领域的应用研究也得到了国内外学者的广泛关注。如引导距离的长度、智能车的比例、交叉口的数目以及信号灯控制方式对车辆引导方案实施应用效果的影响7-10。通过上述车联网技术的研究可以看出，在交通参与者中具备车联网功能的车辆、普通车辆、各类交通参与者、道路状况等都会对交通运行状态产生影响。该文基于车联网的技术条件，针对道路具备车联网功能的车辆和普通车辆混合通行的复杂情形，研究基于车联网的车辆通行效率提升的方法。考虑道路交叉口合流区的车辆行驶路线、行驶道路规则、道路交叉口布局、车头时距等因素。提出在车联网环境下，结合车联网车辆 V2V 协作通行引导，为道路交叉口合流区的车辆高效通行提供服务，得到了具备车联网功能的车辆占比与车辆通行效率之间的相关性。1问题描述1.1道路路口环境描述在车联网车辆与普通车辆混合通行的环境下，具备车联网功能的车辆之间能够通过 V2V 的方式实现车辆的行使状态、周边环境状态、车辆行驶意图等信息的交互，并通过各自当前的状态进行信息的协同，从而实现最优的通行方案调度。基于分析的是各方向来车，均有左转、右转、直行通行需求的复杂道路交叉口。在复杂道路交叉口针对道路智能网联车辆和普通车辆混合通行的复杂情形展开研究，如图 1 所示。图 1复杂道路交叉口环境1.2车辆驾驶的行为分析在道路交叉口合流区的路段，车辆的车行矛盾主要来源于不同方向的来车，行驶方向不一致，特别是收稿日期：2023-09-06作者简介：吴雷（1987）,男,硕士研究生,工程师,研究方向：智能交通、信息通信。基于车联网的道路交叉口车辆通行效率研究吴雷（深圳市万集科技有限公司,广东 深圳 518000）摘要在机动车通过道路交叉口的过程中，由于汇入变道需求各不相同，从而导致合流区的机动车汇入交错通行，是交通优化过程中面临的一个难题。文章通过研究在道路交叉口合流区的车联网车辆占比对道路交叉口通行效率的影响，并结合道路交叉口合流区车辆通行效率产生影响的主要因素，得到了车联网占比与通行效率之间的相关性结论：道路交叉口车联网车辆占比越大，车辆通行效率越高；道路车流量密度大于 50%时，整体通行效率提升 40%以上。关键词智能交通；交通控制；车联网；通行效率；协同变道中图分类号U491.2文献标识码A文章编号2096-8949（2023）21-0035-042023 年第 4 卷第 21 期36交通科技与管理规划设计 在交通合流与道路交叉口近距离衔接的左转、右转车辆与直行车辆的行驶方向冲突上，是造成交通通行效率降低的主要因素。由于交通通行效率降低而造成的抢行、横插、车流溢出等交通事件以及交通事故隐患进一步增加。在车流量较大的道路交叉口，典型的行驶方向冲突场景中的车辆通行分为如下 3 类：（1）右侧车道汇入车辆的左转。（2）左侧车道汇入车辆的右转。（3）直行车道的左转或右转。1.3研究方法在道路交叉口行车畅通的情况下，各交通参与者能够通过实际路况以及行车间距，实现自由通行优先级调配，从而呈现出自发地有序通行。在机动车流量较大的复杂道路交叉口，车辆抢行现象突出，通过自由通行调配已很难满足行驶方向冲突场景中交通参与者的通行需求。通过具备车联网功能的车辆感知到的道路信息的共享，使道路交叉口车流拥有一定的道路环境感知能力，以具备车联网功能的车辆信息协同为引导，有效地弥补车辆的感知盲区，实现道路交叉口合流区范围内的车辆协同调度，减少因车辆行驶方向冲突场景下的车辆降速通行的情况，可以有效地提高在复杂道路交叉口车辆通行效率。2道路交通模型2.1车道与车辆直行率由于 4 个驶入车道上的车辆行驶需求分布与车辆直行率有直接相关性，以驶入路口的车辆行驶目的随机，以 100 辆车最终行驶方向为参数，以驶出路口的车辆在各车道均匀分布为条件，可以建立如表 1 所示的车道及车辆行驶方向模型。表 1车道及车辆行驶方向模型驶入车道左转/辆直行/辆右转/辆直行率/%车道 125502525车道 225502550车道 325502550车道 4255025252.2车道与车道影响率4 个驶入车道上的车辆行驶需求与车辆行驶跨车道车辆数有直接相关性，以驶入路口的车辆行驶方向模型为依据，以车辆跨车道车辆数为参数，以驶出路口的车辆在各车道均匀分布为条件，可以建立如表 2 所示的车道及车辆跨车道车辆数模型。表 2车道及车辆跨车道车辆数模型驶入车道驶出车道车道 1车道 2车道 3车道 4车道 10321车道 21021车道 31201车道 41230跨车道数合计/车道37732.3车辆与变道协同率在复杂道路交叉口，由于各车道上车辆之间的行驶意图无法实现信息同步，导致各车道上的车辆变道处于无序状态。当车道中有部分车辆具备车联网功能的时候，通过 V2V 通信，可以在具备车联网功能的车辆之间同步行驶意图信息，以及相关车道的行车环境信息。当多车道的车联网车辆都有变道需求的时候，车联网车辆之间通过 V2V 通信协同，可实现同步变道，以此降低车辆跨车道时的车道影响率。在此条件下，车辆变道协同率与车道中具备车联网功能的车辆数呈现出直接相关性。可构建如图 2 所示的车道影响率和变道协同率关系曲线。图 2车道影响率与变道协同率2.4系统参数的设置各车道车辆行驶方向按表 1 所示模型展开，道路交叉口合流区的车辆通行效率通过各车道的车辆通行速度来进行表征。根据道路交通模型各参数，可构建单车道的车辆通行速度公式，V(n)可表示为：（1）式 中，V0 车 道 车 辆 通 行 速 度；n 车 道37交通科技与管理规划设计号；m 车联网车辆占比；Z(n)各车道车辆直行率；Y(n)各车道影响率；X(m)变道协同率；G()车头时距影响因子。当 3 s 时，G()取值为 1；当 10 s 时，G()取值为 2；其他情况下，G()取值为。3验证与分析3.1车联网条件下的通行效率根据道路交通模型，取车联网条件下的道路交叉口各车道驶入车辆的行驶方向均匀分布，且各车道车辆之间按车联网占比与变道协同率进行调配。以车辆通行速度 80 km/h 为条件，根据公式（1），在车头时距分别为 2.5 s、6.5 s、10 s 的情况下，各车道的车辆通行速度分别如图 3 所示。3.2车联网条件下车辆通行速度分析从各车道通行速度曲线上可以看出，在不同车道上，由于受到车辆直行率、车道影响率、变道协同率以及车头时距等因素的影响，各车道在车联网占比不同时通行速度也各不相同。以各车道车辆通行速度的平均值作为断面通行速度。可以得到在不同车头时距条件下，车联网车辆数占比与断面整体通行速度增长率之间的关系，如图 4 所示。0 20 40 60 800 20 40 60 800 20 40 60 800 20 40 60 80908070605040303020908070605040303020908070605040303020908070605040303020车联网车辆占比/%车道1车联网车辆占比/%车道2车联网车辆占比/%车道4车联网车辆占比/%车道3车头时距2.5 s车头时距6.5 s车头时距10 s通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)0 20 40 60 800 20 40 60 800 20 40 60 800 20 40 60 80908070605040303020908070605040303020908070605040303020908070605040303020车联网车辆占比/%车道1车联网车辆占比/%车道2车联网车辆占比/%车道4车联网车辆占比/%车道3车头时距2.5 s车头时距6.5 s车头时距10 s通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)0 20 40 60 800 20 40 60 800 20 40 60 800 20 40 60 80908070605040303020908070605040303020908070605040303020908070605040303020车联网车辆占比/%车道1车联网车辆占比/%车道2车联网车辆占比/%车道4车联网车辆占比/%车道3车头时距2.5 s车头时距6.5 s车头时距10 s通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)0 20 40 60 800 20 40 60 800 20 40 60 800 20 40 60 80908070605040303020908070605040303020908070605040303020908070605040303020车联网车辆占比/%车道1车联网车辆占比/%车道2车联网车辆占比/%车道4车联网车辆占比/%车道3车头时距2.5 s车头时距6.5 s车头时距10 s通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)0 20 40 60 800 20 40 60 800 20 40 60 800 20 40 60 80908070605040303020908070605040303020908070605040303020908070605040303020车联网车辆占比/%车道1车联网车辆占比/%车道2车联网车辆占比/%车道4车联网车辆占比/%车道3车头时距2.5 s车头时距6.5 s车头时距10 s通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)通行速度/(kmh-1)图 3车联网条件下各车道通行速度图 4车联网占比与断面通行速度增长率4结语通过分析在车联网环境下，考虑道路交叉口合流区的车辆行驶路线、行驶道路规则、道路交叉口布局、车头时距等因素，结合车联网车辆 V2V 协作通行引导，通过分析对合流区车辆通行效率产生影响的主要因素，得到了具备车联网功能的车辆占比与车辆通行效率之间的相关性结论如下：（1）在道路交叉口的各车道中，在车联网车辆占比相同的情况下，各车道车辆的直行率是影响车辆通行效率的主要因素。（2）道路中的车联网车辆占比低于 40%时，车联网车辆对断面整体通行效率的影响区分度较小，且呈一定的线性相关性。（3）道路中的车流量密度较小时，车联网车辆占比对断面整体通行效率的提升呈一定的线性关系。（4）道路中的车联网车辆占比高于 50%时，断面的整体通行效率的提升效果在 40%以上。（下转第 51 页）51交通科技与管理工程技术J.Journal of prosthodontics:official journal of the American College of Prosthodontists,2019(2).7Pronk,A,C,et al.Application of a material fatigue damage model in 4PB testsJ.The international journal of pavement engineering,2018.8Cui P,Xiao Y,Fang M,et al.Residual Fatigue Properties of Asphalt Pavement after Long-Term Field ServiceJ.Materials,2018(6).9Ahmed,Taher M.Fatigue performance of hot mix asphalt tested in controlled stress mode using dynamic shear rheometerJ.International Journal of Pavement Engineering,2016:1-11.10 李本亮,黄卫东,孟会林,等.沥青混合料二点梯形梁与四点小梁疲劳试验方法对比 J.重庆交通大学学报(自然科学版),2017(1):46-51.11 公路工程沥青及沥青混合料试验规程:JTG-E202011S.北京：中华人民共和国交通运输部,2011.12 苑苗苗,张肖宁,陈伟强,等.沥青混合料疲劳失效判据探讨及验证 J.华南理工大学学报(自然科学版),2013(4):96-101.13 陈伟强.基于耗散能量的沥青混合料疲劳破坏机理研究 D.广州：华南理工大学,2014.14 董瑞琨,郑茂,黄卫东,等.考虑自愈合补偿的多种沥青混合料疲劳性能比较 J.中国公路学报,2015(5):87-92.15 季节,许鹰,索智,等.基于耗散能法分析热拌及温拌再生 SMA 沥青混合料的疲劳特性 J.北京工业大学学报,2014(12):1837-1843.16Wang L.Mechanics of Asphalt Microstructure and MicromechanicsD,McGraw-Hill,New York,2011.17Carpenter S H,Shen S.Dissipated Energy Approach to Study Hot-Mix Asphalt Healing in FatigueJ.Transportation Research Record Journal of the Transportation Research Board,2006(1):178-185.18Shu X,Huang B,Vukosavljevic D.Laboratory evaluation of fatigue characteristics of recycled asphalt mixtureJ.Construction&Building Materials,2008(7):1323-1330.19 黎晓,梁乃兴,白洪涛,等.排水沥青混合料疲劳损伤耗散能变化比 J.长安大学学报(自然科学版),2017(4):98-104.20Rowe G M,Bouldin M G.Improved techniques to evaluate the fatigue resistance of asphaltic mixturesC/PROCEEDINGS OF THE PAPERS SUBMITTED FOR REVIEW AT 2ND EURASPHALT AND EUROBITUME CONGRESS,HELD 20-22 SEPTEMBER 2000,BARCELONA,SPAIN.BOOK 1-SESSION 1.2000.21Ghuzlan,Khalid,A,et al.Fatigue damage analysis in asphalt concrete mixtures using the dissipated energy approach.J.Canadian Journal of Civil Engineering,2006(7):890-901.（上接第 37 页）参考文献1 曲大义,万孟飞,王兹林,等.干线协调控制优化及其应用 J.交通运输工程学报,2016(5):112-121.2 胡佩峰,田宗忠,袁振洲,等.交通运行管理中的可变绿波带优化 J.交通运输系统工程与信息,2011(1):61-72.3A S S,A M H,A J K,et al.Characterising Green Light Optimal Speed Advisory trajectories for platoon-based optimisationJ.Transportation Research Part C:Emerging Technologies,2017,82:43-62.4 李鹏凯,杨晓光,吴伟,等.车路协同环境下信号交叉口车速引导建模与仿真 J.交通信息与安全,2012(3):136-140+156.5He X,Liu H X,Liu X.Optimal vehicle speed trajectory on a signalized arterial with consideration of queueJ.Transportation Research Part C:Emerging Technologies,2015,61:106-120.6Kamal M A S,Taguchi S,Yoshimura T.Intersection Vehicle Cooperative Eco-Driving in the Context of Partially Connected Vehicle EnvironmentC/IEEE International Conference on Intelligent Transportation Systems.IEEE,2015.7 鹿应荣,许晓彤,丁川,等.连续信号交叉口网联自动驾驶车速控制 J.北京航空航天大学学报,2018(11):2257-2266.8Touhbi S,Babram M A,Nguyen-Huu T,et al.Adaptive Traffic Signal Control:Exploring Reward Definition For Reinforcement LearningJ.Procedia Computer Science,2017,109:513-520.9Shan,Luo,Yugong,et al.Green light optimal speed advisory for hybrid electric vehiclesJ.Mechanical Systems&Signal Processing,2017(Pt.B):30-44.10 雷朝阳,高建平,屈俊凯,等.考虑信号灯状态的经济车速规划 J.科学技术与工程,2020(18):7484-7492.