摘要：智能网联汽车（Connected and Automated Vehicles, CAVs）不仅可以降低交通事故，提高车辆安全性能，而且还可以通过改善交通流减低运输过程中的能源消耗和尾气排放。车辆之间的通讯（V2V）和车辆与道路和交通灯的通信(V2I)不仅可以优化单个车辆行驶控制，而且可以增强应对不可预测的潜在事故的能力。本文总结了迄今为止智能网联汽车协同性研究方法以及研究成果。关键词：智能网联汽车，车辆协同性，路口控制，高速汇入，车车通讯，车路通讯，协同驾驶驾驶员对交通扰动的一些应对措施可能会导致交通拥堵[1]。2014年，交通拥堵导致城市地区人们的通行时间超过69亿小时，并消耗31亿加仑的燃料，总成本估计为1600亿美元[2]。交通拥堵也会引起驾驶员沮丧，烦躁甚至愤怒，这可能会进一步导致驾驶员采取更具攻击性的驾驶行为，从而进一步减慢交通的顺畅恢复[3]。统计表明美国高速公路实际平均通行能力是每车道每小时2200辆乘用车或750辆货运车，只为最大估算通行能力的5％[4]。同时，交通运输过程中安全和环境问题尤为重要。2012年，根据报道美国交通死亡人数为35000人，受伤人数为220万，约17亿吨的二氧化碳被排放到大气中[4]。智能网联汽车可以缩短行驶间距，提高响应速度，设定适当的速度提高通行能力，在提升车辆安全性的基础上降低燃油消耗，尾气排放和交通拥堵[5] [6] [7]。在20世纪80年代，将车辆编成车队高速行驶，同时进行加速或制动控制操作的研究，被视为是解决交通拥堵的主流方案并取得重要的发展。Shladover等研究人员基于加州大学伯克利分校高速公路高级技术计划归纳总结了有关车辆横向和纵向控制策略[8]。Sheikholeslam和Desoer提出了基于引导车信息通讯缺失状态下的车队纵向控制策略 [9]。Varaiya广泛讨论了自动智能车辆高速公路系统的关键特征[10]。Rajamani等研究人员研发了集成控制系统，实现了8辆自动驾驶汽车的编队行驶[11]。研究结果表明，车车通讯（V2V）能够减少交通事故，缓解交通拥堵，辅助车辆应对复杂多变的交通环境。而车辆与基础设施的通信（V2I），例如与道路，隔离带以及交通灯的通信，则能用于提升基于本地基础设施的单个车辆自动驾驶功能，如图1所示。针对智能网联汽车在交叉路口和匝道的协调性问题，大部分研究都采用集中式或分散式方法。如果系统中至少有一项任务由单个中央控制器为特定区域内所有车辆进行全局策略规划，则将该种方法归属于集中式方法。分散式方法则是则将车辆视为自主单体，通过多个单体间的互动进行协同优化，提升交通效率。两种方法考虑的因素包括：车辆和路边基础设施因素，满足运输系统的物理限制因素（例如，限速标志，交通信号），优化特定的性能标准（例如，交通效率，通行时间）。匝道控制经常用于调节高速公路车辆流量，减少交通拥堵[15]。尽管已经表明匝道控制可以提升高速公路总体交通安全性和效率性，但是由于匝道的长度较短，可能会出对相邻道路上产生干扰等问题。针对以上问题的研究可以采用不同方法和策略，包括使用反馈控制理论[16] – [20]，最佳控制[21] – [23]以及启发式算法[24]，[25]。基于最近的技术发展趋势，集中式方法已经被实际用于解决因车辆并道操作而引起的交通拥堵。在这些解决方案中，都假定道路上的车辆具备通讯功能，并具有一定程度的自动驾驶能力。针对交叉路口，交通信号灯被认为是控制交通的最有效的方法，并且仍在进行相关研究用于提高其有效性。2004年，Dresner和Stone提出了一种基于预约算法的交叉路口自动控制方法[28]。大量的研究采用集中式和分散式控制算法，用于提高交叉路口自动控制的能力，提升交叉路口的安全性和效率性。在以下内容中，我们将主要阐述集中式方法。车辆在交叉路口的通行顺序由交通信号灯或停车标志进行控制调节，在高速公路匝道上，匝道控制用于调节汇入到高速公路的车辆流量，但是这也意味着匝道上的车辆必须减速以减少交通拥堵，如图2(a)和图2(b)所示。图2（b）匝道汇入
交叉路口或高速公路匝道汇入处的中心区域称为合并区，长度为S，将车辆间的相互通讯范围设定为控制区，控制区入口与合并区入口之间的距离为L。为研究简化，假设车辆动力学由二阶动力学公式表达。
其中j = 1, 2,... , m, m∈M，其索引道标道路编号；i = 1, 2,... , n, n∈N，其索引表示车辆编号。x是每个车辆的位置，v是其速度，u是控制输入（加速/减速）。最终，当需要区分两条道路和每条道路上的相应车辆时，下标p和q将分别用于第二条道路和在其上行驶的车辆。
集中式方法表现为系统至少有一项任务由单个中央控制器对所有车辆进行决策控制。在此章节，针对车辆在交叉路口和高速公路匝道研究，我们讨论到现在为止研究文献中采用的集中式方法。此方法为中央控制器或路口控制器接受在通讯范围内的车辆的请求和信息，制定规划预约通行时刻表。路口被划分为多个元胞区域或元胞点，用于为每个车辆分配或预约瞬时空间，以避免车辆发生碰撞事故，如图3所示。该方法主要挑战为大量通讯需求和需求对峙发生概率的联合处理，所以通讯性能成为重点，特别是在车辆路口预约申请通过前，车辆需要与中央控制器进行实时多次通讯。路口协同性：Dresner和Stone使用预约体系来控制两条道路交汇的单个交叉路口，该预约系统设定车辆在每条道路上沿单一方向以相近的速度行驶，即车辆不允许采取转弯操作[28]。在该方法中，每个车辆都被视为驾驶员代理，要求预约综合时间和空间特征的元胞，基于估计到达交叉路口的时间，从而在特定的时间间隔内通过交叉路口。中央预约系统一旦收到车辆交叉路口通行请求，检查是否与已经接受的预订请求存在冲突，如果没有冲突，则该系统接受车辆请求，反之该系统将拒绝车辆请求。在车辆请求拒绝情况下，驾驶员代理被要求制动并发送新的通行请求。特别在这种情况下，每个驾驶员代理都有自主权来决策最佳路径，用于满足在指定的特定时间间隔内通行路口，如图3所示。为了测试该系统的效率，研究测量了车辆制动时间点到路口预约请求接受时间点形成的通行延迟。这项工作后来基于车辆转弯和中央控制器改进等考虑进行了扩展研究：（1）预估汽车的位置，以优先处理相邻交叉路口车辆的请求（降低需求对峙出现的概率），（2）在交汇区域内设定所需的加速度分布图，（3）在请求拒绝时发送包含到达时间和轨迹的反向提议[29]。Huange等研究人员进一步扩展了上述解决方案，方法是：（1）车辆轨迹计算集中化，用于减少预订取消的可能性，该预约取消是由于无法满足初始到达时间而导致的（3）评估与环境效益相关的指标[29][30]。AuStone, De la Fortelle和Zhang等人也进行了预约体系的相关研究[31],[32],[33],[34]。路口协同性：Wuthishuwong等人提出基于两层控制的车辆交叉路口模型。在低层级，路口系统使用交通流量预估数据来定义控制策略，以满足路口的交通流的稳定性。在高层级，通过与邻近交叉路口分享进出道路的交通密度信息，以提高路口区域的流量。在此级别上，每个交叉路口系统基于接收相邻路口信息，采用共识算法来计算计算该路口所需的交通密度。该期望交通密度被用于确定车辆的速度。结果表明，采用的平均车速可满足系统的稳定性[35]。Jin等研究人员考虑采用车辆编队的方法用于路口控制。在该方法中，交叉路口控制器与车队的引导车进行通讯。车队基于根据相邻车辆之间的间隙和尺寸限制来设置，设置完成后，引导车将为每辆车计算到达交叉路口的时间，并将此信息与交叉路口通行请求一并发送至路口控制器。如果请求被接受，引导车制定通行时间分配表和满足安全约束的车辆轨迹。利用SUMO软件中对两条道路的交叉路口进行了仿真，将该方法与基于交通信号灯控制方法和非车队通行方法进行比较，结果表明该方法可降低燃油消耗和减少通行时间[36]。匝道协调性：Schmidt等研究人员提出了一种基于启发式原理的两层控制方法，该启发式原理来自于非线性系统动力学行为特征[37]。在第一层级中，车辆汇入顺序是根据每个车辆在控制区内汇入时间点定义的，假设每个车辆以恒定速度行驶对汇入时间点进行估算。在第二层级中，根据汇入序列中发现的冲突，通过遵循启发式原理，计算出每个车辆所需的恒定加速度值。同时Ran等人提出了另一种使用不同控制层的解决方法[38]。提高交叉路口的通行量是减少交通拥堵的理想方法，并且可以通过优化控制区内所有车辆的行驶时间来实现。图2场景中要求路口区域单位时间内只可存在一个车辆，该优化问题可表述为
其中t_(j,i)^out，t_(j,i)^in表示道路j上的车辆i进出交叉区域的时间，∆T_a是在最大速度v^max下通过交叉路口的最小允许时间，δ是同一道路上的车辆之间的期望安全距离。路口协同性：Li，Yan，Zohdy以及Jin等研究人员基于目标函数对车辆行驶时间进行优化设计。该设计子系统的约束用于保证车辆安全性，避免碰撞事故[39][40][41][42] [43][44]。随着动态规划复杂度和车道数量的增加，研究人员提出了另一种启发式解决方法，即使用Petri网对系统进行建模，其主要目标是将两个车队长度之和最小化。研究表明在编队行驶场景下，自动驾驶控制系统对编队车辆路口的通行顺序进行智能决策规划，提高交通运输效率[45]。匝道协调性：Raravi和Awal等研究人员针对匝道汇入工况，研究构建了基于行驶时间的优化模型[46][47]。假设车辆动力性能符合公式（1），并且基于前序原则，则针对车辆协同性的研究更关注于在路口范围如何使车辆交汇区域最小化，即研究车辆的加速度曲线,使单位时间内路口区域通行车辆数目不超过系统的设定数量。区域内车辆数目取决于车辆的大小，路口长度以及最小安全车间距，如图4所示。其中a表示车辆i和车辆i+1进入路口区域最大时间差,即t_i^in到t_(i+1)^in，b表示车辆i和车辆i+1离开路口区域最大时间差,即t_i^out到t_(i+1)^out,路口范围交汇区域优化公式(3)所示：
并且将最大和最小速度和加速度作为限制条件，用于满足同一道路上车辆安全间距。路口协同性：这种方法最初是由Lee和Park提出，以两条双车道的交互路口为基础，考查车辆直行和转弯情况，采用相位冲突图原理进行系统建模[48]。仿真结果表明，该系统不仅可以减少总驾驶时间和拥堵，而且可以减少燃油消耗，该研究后来被拓展至城市道路规划设计研究[49]许多研究都通过目标函数设置多个标准用于路口通行优化。在该方法中，通常假设车辆已被分配行驶时刻表，因此研究的重点为如何将期望车辆速度v^d (t)和加速度u^d (t)与实际车辆实际速度v_(j,i) (t)和加速度u_(j,i) (t)间的误差最小化。多目标优化问题可以作为滚动优化控制问题进行处理，对相等长度T的多个时间层数量进行最小化处理。在代价函数中添加额外参数用于避免碰撞事故，该优化公式如下所示：其中H表示层级总数，k为层级目录，T表示层级长度，w表示权重系数，v,u则分别对应速度和加速度，f(t,u)作为附加方程用于量化碰撞风险。针对不同问题采用不同安全约束，一般采用速度和加速度的极限性能和安全跟车距离和时间作为约束条件。路口协同性：Campos，Kamal, Dai等研究人员多采用了多目标优化框架对路口通行优化进行研究[50][51][52][53][54]。Campos研究中采用速度跟踪误差和加速度作为参数的目标函数，在满足局部约束的研究车辆安全轨迹。利用包含风险因子函数的模型预测控制（MPC）量化在交叉路口发生碰撞的风险以及与安全速度和加速度值有关的条件约束[51][52]。
Charalampidis和Gillet的研究得到了交叉路口控制的闭式解，其使用二阶运动学模型表征车辆动力特性，并假设所有车辆最初以最大速度向路口行驶[55]。这种方法基于防碰撞控制策略设定合适的制动和加速模型。当第一辆到达路口通讯距离，路口系统将计算车辆通过路口的时间并进行预约设定，如果第二辆车驶入路口通讯范围，它将被强制设定优化速度，用于给第一辆车预留通行时间。优化速度是通过车辆制动引起的延迟最小化计算得到的。该方法只允许同一时刻路口区域单个车辆通行。Zohdy和Rakha采用博弈论原理，即路口系统接收路网中的车辆信息，并选择其中之一辆车来优化其行驶轨迹，同时其他车辆基于提供的信息，自主优化行驶路径[56]。使用蒙特卡洛方法进行模拟仿真，结果表明该方法与路口交通信号控制相比可以减少交通拥堵。Miculescu和Karaman采用排队理论对路口优化进行研究[57]。在该方法中，构建具有两个队列和一个服务器的轮询系统。轮询系统为每条道路上的车辆分配通行时间表，协同算法基于路口区域引导车的轨迹和所有车辆到达路口的时间为所有车辆规划最佳行驶路径，并采用不同的约束条件保证安全性。匝道协调性：基于假定的车辆匝道汇入顺序，Athans将汇入问题作为线性最优调节问题进行处理（Levine和Athans 提出控制单车流控制），目的是最大程度地减少影响连续车辆间距的速度误差[58]。他提出了三个主要限制条件：（3）除紧急情况外，禁止强加速和强减速。研究人员评估了不同的汇入顺序，以寻找错误较少且控制工作量最少的汇入方案。但是，该方法并未考虑交通网络中产生的平均延迟。Kachroo和Li使用滑模控制，设计车辆的纵向和横向策略用于引导车辆汇入 [59]，并且研究了基于燃油经济性优化的控制方案，通过仿真验证结果表明网联汽车的协同功能在匝道汇入场景下能够将燃油消耗降低多达50％[60][61]。本文总结了基于交通运输安全性和效率性的智能网联汽车协同性研究。协同性问题主要采用预约原理进行研究，主要的挑战是大量的信息交互以及通行需求对峙。行驶时间优化以及交叉区域最小化是研究智能网联汽车协同性的重要研究方法，另外还有基于速度，加速度误差以及碰撞灯箱的多目标优化方法和基于交通流量预估的路口控制方法。排队论和博弈论等方法也适用于路口和匝道区域的智能网联汽车协同性研究。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
