基于双边控制法的仿真交通拥堵缓解分析.pdf

第 6卷第 4期2023年 8月Vol.6 No.4Aug.2023汽 车 与 新 动 力AUTOMOBILE AND NEW POWERTRAIN基于双边控制法的仿真交通拥堵缓解分析陈壮壮，汪源，吴海飞（上研智联智能出行科技（上海）有限公司，上海 201306）摘要：交通拥堵是阻碍道路交通发挥应有通行能力、降低车道通行效率的常见交通现象。自动驾驶汽车的出现给拥堵问题的解决提供了新的解决思路和技术方向。基于微观交通流交通波理论，根据实际道路饱和交通流车辆跟驰行为建立虚拟交通场景，通过自动驾驶仿真平台构建仿真试验环境，对采用双边控制法的自动驾驶汽车影响下的“幽灵堵塞”拥堵波传导现象进行了仿真分析。结果表明：采用双边控制法的自动驾驶车辆在缓解拥堵波传递上具备优化效果，拥堵波得到有效缓解，通行效率提升 37.57%。关键词：自动驾驶汽车；交通拥堵；双边控制法；交通仿真0前言良好的交通条件是国家经济快速发展、居民生活水平稳步提高的关键条件之一1。但随着车辆保有量的不断提高和居民出行需求的不断增加，交通拥堵形势日渐严峻2。拥堵原因种类繁多，其中“幽灵堵塞”现象的出现并非是事故、故障等客观原因造成的，而是驾驶员不良驾驶习惯或保守性错误判断时采取了减速措施，并在后续车辆不断传递甚至放大导致的交通整体降速或拥堵现象3。作为拥堵问题的源头之一，“幽灵堵塞”问题的解决受到了研究者们的广泛关注。自动驾驶汽车的研究早在 20世纪 70年代便已在美国、英国、德国等西方国家展开，国内研究虽然起步较晚，但是 20 世纪 80 年代至今的追赶已经实现了部分超越4。交通拥堵的研究大多从 2个层面展开，即微观交通流和宏观交通流，在微观交通流模型的研究中，主流的研究方法和建模理论有微观交通流仿真、排队模型、到达-离开模型等5-7。自动驾驶汽车凭借其精准可控特性和感知能力，以及推广 应 用 的 深 度 展 开，已 成 为 相 关 研 究 的 关 键变量8。1998年，IOANNOU 等9就开始了对半自动驾驶车辆与手动驾驶车辆混合交通流的交通流特性研究，拉开了自动驾驶汽车拥堵研究的序幕，近年来各界学者开展的基于人工智能、机器学习、5G 通信等新一代技术基础的深入研究，正不断推动着交通拥堵问题的解决。其中，以 HORN 等10于 2018年提出的双向控制模型效果最为显著，与传统模型相比，与前后车保持同等距离的行驶策略，能够让系统增效约 1倍。在相关研究基础上，许陈蕾11通过仿真方法研究了不同渗透率条件下的“幽灵堵塞”缓解情况，结果表明提高自动驾驶渗透率和增加环境感知因素均可不同程度地提高通行效率。为了研究现阶段自动驾驶汽车缓解交通拥堵效果，本文以自动驾驶汽车与多辆传统汽车组成的车队为研究对象，基于自动驾驶仿真平台构建仿真场景，在饱和交通流条件下仿真分析自动驾驶车辆“幽灵堵塞”缓解情况。1基于双边控制法的控制模型忽略换道、非机动车、行人、坡度等潜在影响因素对车辆跟驰行为的影响，基于自动驾驶仿真平台基金项目：上海市经济和信息化委员会 2020年人工智能创新发展专项基金（2020RGZN02057）。作者简介：陈壮壮（1995），男，硕士，主要研究方向为智能网联汽车及智慧交通解决方案研究。智能网联第 6卷汽 车 与 新 动 力构建了一条长直线跑道。根据交通流饱和状态确定车间距，模拟“幽灵堵塞”发生时，采用双边控制法的自动驾驶车辆对拥堵波传递的影响。根据文献 12 计算单车道理论通行能力，假设设计行车速度 60 km/h，取单车道的通行能力G为1 800 辆/h。由单车道理论通行能力计算车头时距为：t0=3 600G（1）式中：t0为车头时距，单位 s。巡航状态下，车间距计算式为：s=vt0（2）式中：s为车间距，单位 m；v为车辆速度，单位 m/s。由式（1）、式（2）结合单车行驶状态，包括空间位置、速度、加速度、速度方向，即可标定所有车辆在仿真场景中的初始状态。采用跟驰模型描述车辆 动 态 跟 驰 行 为，实 现 虚 拟 场 景 中 车 辆 的 动 态仿真。常见的手动驾驶车辆跟驰模型13 有：最优速度模型、刺激-反应模型、全速度差模型、智能驾驶员模型等，以及通过智能算法、机器学习得到的其他模型。本文采用 SIM-one 仿真平台自带传统驾驶模型描述手动驾驶车辆跟车行为，对驾驶员类型、道路条件、车辆属性等潜在影响因素进行标定。常见的自动驾驶跟驰模型有：自适应巡航模型、协同自适应巡航模型、弹簧车跟驰理论和基于数据驱动的深度学习模型、人工神经网络模型等。本文以 1辆 Apollo仿真模型为目标车，开展低渗透率条件下的仿真研究，采用双边控制模型10描述自动驾驶车辆动态轨迹，轨迹方程为：ac=kd(dl-df)+kv(vl-vc)-(vc-vf)（3）式中：ac为目标车加速度，单位 m/s2；kd、kv分别为车间距、速度的增益系数，且kd 0、kv 0；dl、df分别为目标车与后车、目标车与前车的车间距，单位 m；vl、vc、vf分别为后车、目标车、前车的车速，单位m/s。车辆反应时间与kd、kv有关，其关系式14为：t-kv+kv2+2kdkd（4）式中：t为车辆反应时间，单位 s。交通流密度公式15为：=1l+vt 1 000（5）式中：为交通流密度，单位辆/km；l为车辆长度，单位 m。根据式（4）、式（5），增益系数kd、kv的取值并没有明确的限制，因为其取值均能够满足安全需求，不过较大的取值会降低吞吐量，并可能影响乘客的舒适度。由式（4）、式（5）可以看出：当 t增大时，交通流密度降低，即吞吐量降低。初始状态车间距x0计算式为：x0=1 0001（6）加速度变化率 jt通常用来表示车辆舒适性，其计算式为：jt=at-at-1t（7）式中：at、at-1分别为 t时刻、t1 时刻的加速度，单位 m/s2；t为时间差，单位 s。采用状态方程描述车辆在不同时刻的行驶位移，即 xl，t=xl，t-1+xlxc，t=xc，t-1+xcxf，t=xf，t-1+xf（8）xt=vt-2t+at-2t2+at-1t22（9）式中：xl，t、xc，t、xf，t分别为前车、目标车、后车在 t时刻的行驶位移，单位 m；xl、xc、xf分别为前车、目标车、后车在 t时刻和 t-1 时刻的位移差，单位 m；xt为 t 时刻车辆位移差，单位 m；vt-2为 t2 时刻车辆速度，单位 m/s；at-2为 t2 时刻车辆加速度，单位 m/s2。当前车行驶状态确定后，由式（3）、式（5）、式（7）即可计算出自动驾驶目标车每一时刻的车辆状态。结合上研智联智能出行科技（上海）有限公司（以下简称“上研智联”）仿真平台自带传统驾驶模型描述手动驾驶车辆跟车行为，可以得到完整交通流仿真状态，即2第 4期陈壮壮，等：基于双边控制法的仿真交通拥堵缓解分析dl，t=dl，t-1+(xf-xc)df，t=df，t-1+(xc-xl)（10）式中：dl，t、dl，t-1分别为 t时刻、t1时刻目标车与后车的车间距，单位 m；df，t、df，t-1分别为 t 时刻、t1时刻目标车与前车的车间距，单位 m。所有车辆除了需要满足速度约束vmin v vmax和加速度约束amin a amax外，还需要满足模型约束，即jmin jt jmax xl+ds xc xf-ds（11）式中：jmin为最小加速度变化率，单位 m/s2；jmax为最大加速度变化率，单位 m/s2；ds为安全车间距，单位m；xl、xc、xf分别为后车、目标车、前车的位移，单位 m。2试验分析2.1场景假设本文所使用的上研智联仿真平台是一款集静态和动态数据导入、测试场景案例编辑、传感器仿真、动力学仿真、可视化、测试与回放、虚拟数据集生成等一体化的自动驾驶仿真与测试平台，功能模块覆盖自动驾驶仿真测试全流程。在天气为晴、可视度较好的条件下，假设所有车辆均为小轿车，驾驶模式为保守，仿真环境影响因素的参数值设定见表 1。2.2基于双边控制法的仿真试验根据前述双边控制仿真模型理论推导及建模过程，结合实际道路、车辆通行条件，仿真模型参数值见表 2。2.3结果分析结合 Matlab软件编程，通过人为设置变速车的变速过程，观察后续多辆车的速度变化情况，仿真结果如图 1 所示，其中虚线为变速车位移轨迹，实线表示非变速车的行驶状态。双边控制模型仿真过程中，规定发生意外变速的变速车经过 3 s 最大制动加速度极限减速后，重新加速恢复饱和交通流车队行驶。由图 1 可以看出：在变速车前的所有车辆行驶状态均十分平稳，保持着稳定的车间距，没有大幅度的波动出表 1仿真环境参数影响因素人造光系数环境光系数附着系数脏迹干湿度设定参数值0.50.50.80.10.1表 2仿真模型参数参数amin/（m s2）amax/（m s2）kdkvvmin/（m s1）vmax/（m s2）jminjmaxt/sds/ml/m参数值2.52.50.40.2035330.0154.5图 1双边控制仿真结果3第 6卷汽 车 与 新 动 力现。当车辆发生变速后，后车均进行了一定程度的变速动作，该动作在时间轴上的传递则是拥堵波的动态变化情况。显然采用双边控制法的行驶策略有效地避免了拥堵波的扩大且缓解了波的传递。基于双边控制模性仿真的车辆速度-时间的变化曲线如图 1（b）所示。由图 1（b）可以看出：车辆期望行驶速度始终保持在 25 m/s左右，变速车最小速度减速至 16 m/s，随后车辆以较大的加速度追赶前车，最大速度达到 34 m/s。跟驰车辆在采用双边控制模型后，速度变化平缓，且显然未超出速度约束和加速度约束限制。拥堵波的传播消散较快，没有造成明显拥堵。变速车及跟驰车辆的速度变化情况如图 2所示。由图 2 可以看出：该仿真场景下，拥堵波在传递至变速车后第 10辆车时，便已得到有效缓解，跟驰车辆行驶状态平稳。经测算，优化前车队平均行驶速度为 18.1 m/s，采用双边控制模性优化后理想状态下平均行驶速度为 24.9 m/s，平均通行时间减少，通行效率提升37.57%。3结语为验证采用双边控制法的自动驾驶车辆在缓解拥堵波传递上具备的优化效果，本文基于状态方程建模，采用 Matlab 编程实现模型优化，研究了自动驾驶模式车辆通过相同道路的通行效率提升效果和拥堵波的传播。对比采用仿真平台模拟真人驾驶车辆饱和交通流行驶状态的通行情况，结果表明：饱和交通流状态下，“幽灵拥堵”的拥堵波得到有效缓解，通行效率提升 37.57%。未来将进一步增加场景变量，完善优化模型，展开更加契合实际道路条件的优化研究。参考文献1 BABAEI A,KHEDMATI M,JOKAR M R A,et al.Sustainable transportation planning considering traffic congestion and uncertain conditionsJ.Expert Systems with Applications,2023,227:119792.2 邵长桥,郑加菊.基于运行效率的交通拥堵度量和评价方法J.北京工业大学学报,2022,48(4):401-407.3 许陈蕾.考虑自动驾驶的幽灵拥堵分析与仿真研究D.重庆:重庆交通大学,2019.4 李洪硌.无人驾驶汽车高速工况智能决策、轨迹规划与跟踪研究D.广州:华南理工大学,2020.5 LI L H,WANG C,ZHANG Y,et al.Microscopic state evolution model of mixed traffic flow based on potential field theoryJ.Physica A:Statistical Mechanics and its Applications,2022,607:128185.6 LI X P,GHIASI A,XU Z G,et al.A piecewise trajectory optimization model for connected automated vehicles:exact optimization algorithm and queue propagation analysisJ.Transportation Research Part B:Methodological,2018,118:429-456.7 陈永尚.智能汽车城区复杂交通情景的驾驶行为决策方法研究D.长春:吉林大学,2019.图 2双边控制仿真速度图4第 4期陈壮壮，等：基于双边控制法的仿真交通拥堵缓解分析8 彭育辉,江铭,马中原,等.汽车自动驾驶关键技术研究进展J.福州大学学报(自然科学版),2021,49(5):691-703.9 IOANNOU P.Evaluation of mixed automated/manual trafficR.California:UC Berkeley,1998.10 HORN B K P,WANG L.Wave equation of suppressed traffic flow instabilitiesJ.IEEE Transactions on Intelligent Transportation Systems,2018,19(9):2955-296411 许陈蕾.考虑自动驾驶的幽灵拥堵分析与仿真研究D.重庆:重庆交通大学,2019.12 任福田,刘小明,荣建,等.交通工程学M.北京:人民交通出版社,2003.13 王道意,宇仁德,闫兴奎,等.车辆跟驰模型的发展综述J.山东理工大学学报(自然科学版),2022,36(5):75-80.14 杨龙海,张春,仇晓赟,等.车辆跟驰模型研究进 展 J.交 通 运 输 工 程 学 报,2019,19(5):125-138.15 LIANG C Y,PENG H.Optimal adaptive cruise control with guaranteed string stabilityJ.Vehicle System Dynamics:International Journal of Vehicle Mechanics and Mobility,1999,32(4-5):313-330.5