基于车-车通信和车-路通信的车辆式交叉口调度模型

基于车-车通信和车-路通信的车辆式交叉口调度模型

目前，智能交通灯主要用于监控每个交叉口的交通状况，如摄像头、传感器等硬件设备。根据车队长度、流量或等待时间等影响因素调整长度和相序，以提高交通效率，减少交通时间和油耗。这类方法部署成本高、获取信息种类有限、受环境影响大,且车辆与交通灯之间缺乏交流,无法完全适应复杂多变的交通环境。车载自组网(Vehicularad-hocnetworks,VANETs)结合GPS和GIS等技术,实现车-车/车-路之间的可靠V2V(Vehicletovehicle)和V2I(Vehicletoinfrastructure)通信。文献提出车辆可以根据交通灯的相位和时间调整自身速度,在最合理的时间点抵达交叉路口,避免停车和突然变速,达到节省能源的目的。这种方法虽然考虑了车辆的节能需求,但车辆和交通灯之间的通讯是单向的,车辆只能被动地根据交通灯的状态进行速度调整。自动驾驶是智能汽车的发展趋势,主动式模型将自动驾驶与VANET相结合,建立了一种新的车-灯关系,使交通灯与车辆相互协调。交通灯根据车辆的行驶状态动态地调整绿时长度和相位顺序,车辆根据交通灯调整自己的速度,最大限度地保持车速平稳、减少车辆等待时间、降低油耗。1系统模型1.1无效和复合属性表1为综合各个车队成员总结的车队属性表。其中,accel,maxSpeed属性由车队成员中的最小值决定。为了保证高权限车辆的有限调度,车队的priority属性由车队成员的最大值决定。1.1.1后期方案一:将vi打造成家车时效,增加了vj同车道内同行驶方向的邻近车辆在行驶过程中自动组成车队,如图1所示。图1中不同颜色代表车辆通过交叉路口后不同的行驶方向。相邻的同色车组成一个车队。车队的建立依靠车间通信完成。定义如下车间通信报文:Find_A_Head_Vehicle:查询车辆当前所在车道前方是否存在与自己转向相同的车队,报文内包含自身所在车道(lane)、转向(direction)以及坐标(coords)。Reply_Find_A_Head_Vehicle:当一个车队的首车接收到Find_A_Head_Vehicle报文后,如果发出报文的车辆与本车队所在车道和转向都相同,且该车处于本车队的后方,则向其发送Reply_Find_A_Head_Vehicle报文,将该车辆加入本车队中。车队建立过程如下:Step1车辆vi进入一个新的车道后,向周围车辆周期性(如5s)广播发送Find_A_Head_Vehicle报文,同时vi以自己为首车建立一个临时车队temp_vi。临时车队具有除了与交通灯通信外的其他车队功能,包括响应其他车辆发送的Find_A_Head_Vehicle报文、维护车队属性等。Step2在等待响应过程中,如果vi接收到车辆vj发出的Find_A_Head_Vehilcle报文,vj与vi具有相同的lane和direction,且vj处于vi的后方(通过coords判断),则vi向vj发送Reply_Find_A_Head_Vehicle报文。vj接收到响应后向vi发送自己的长度,加速度,最小安全车距和最大速度等属性,vi根据vj发送的信息更新车队temp_vi的相关属性。Step3在等待响应过程中,如果vi接收到后方车辆vk发出的Find_A_Head_Vehilcle报文,vk与vi具有相同的lane,但direction不同,说明vi所在车道后方进入了其他转向的车。为了保持车队连续性,vi停止响应Find_A_Head_Vehicle报文。同时,vi会向当前已有成员(members)发送广播报文询问其坐标,如果发现有成员出现在vk的后面,则说明当前车队中混入了其他方向的车辆vk。则vi向处于vk后面的成员发出通知,让其重新组成车队,并将其从本车队中删除。Step4vi在广播发送Find_A_Head_Vehicle报文一定次数后(如5次),如果仍然没有接收到其他车辆的响应,则将临时车队temp_vi变为正式车队。如果vi接收到了车辆vm发出的Reply_Find_A_Head_Vehicle报文,则向vm发送临时车队temp_vi的信息,将temp_vi加入车辆vm所在车队中。1.1.2交通灯调度模型车队与交通灯建立连接阶段需要如下报文:Connect_to_TrafficLight:车队向交通灯发送请求,用于与交通灯建立连接,包含车队的coords、lane等属性值。Reply_Connect_to_TrafficLight:交通灯向车队发送的响应报文,说明连接已建立,车队可以向交通灯发送调度所需信息。车队在行驶过程中通过电子地图可以知道前方交通灯的ID和坐标。当车队准备好接收调度后开始尝试向交通灯发送Connect_to_TrafficLight报文(周期发送)以建立连接。收到交通灯的响应报文后车队首车停止响应Find_A_Head_Vehicle报文,然后向交通灯发送调度所需的ID、length、coords、lane、direction和priority等属性值。根据Connect_to_TrafficLight报文携带的车队坐标和车道信息,交通灯选择是否对该报文进行响应。对于车流量较大的车道,交通灯在车队距交通灯较近时才进行响应,单次调度车辆较多,有利于批量调度;反之,对于车流量较小的车道较早进行响应,单次调度车辆较少,调度比较灵活。交通灯调度模型根据车队信息进行调度并向其返回一个时间量Δt,指明车队抵达路口的时间点(当前时间加Δt)。车队根据交通灯返回的时间量调整车速,在规定时间内通过交叉路口,详细过程如图2所示。图2(a)表示初始时刻交叉路口为空闲状态;图2(b)表示t0时刻红色车队接近交叉路口,交通灯在做出调度决策后通知红色车队应在Δt时间后(t1时刻)抵达交叉路口;图2(c)表示在t1时刻,红色车队抵达交叉路口,南北方向切换为绿灯。此时,绿色车队接近交叉路口。交通灯对其进行调度,通知其在t2时刻抵达交叉路口;图2(d)表示黄色车队接近交叉路口,交通灯对该车队进行调度,通知其应在t3时刻抵达交叉路口;图2(e)表示在t3时刻,红色和绿色车队离开交叉路口,黄色车队抵达交叉路口,黄色车队行进方向切换为绿灯。假设t0时刻车队x与交叉路口斑马线之间的距离为Sx(t0),速度为vx(t0),在t0时刻,车队向交通灯发出通行申请。在t1时刻,车队x接到交通灯返回的时间量Δt,则t1时刻之后车队的行驶速度满足如下约束条件:式中:Sx(t1)为t1时刻车队x与交叉路口斑马线之间的距离;Δt1、Δt2分别为车队x做加速运动和匀速运动的时间;maxSpeedx为车队x的最大速度。考虑到省时及节油,调整后的车速vx(t0)+aΔt1≤maxSpeedx应尽量接近maxSpeedx。由于某些情况(如车流量过大)无法合理调度时,交通灯向车队返回的时间量Δt=0,表示调度失败,车队不受调度影响,将以传统方式行驶至交叉路口处停车等待通行。1.2车道通过产品交叉的条件分析交通灯的具体工作步骤如下如示:Step1对当前所有待处理的车队按车队权限排序,车队权限相同条件下按所在车道优先级排序。Step2选出第一个车队x,根据车队提交的坐标CDx(t0)、速度vx(t0)、车队长度Lx、通行方向Dx和当前的时间分配情况计算出可供该车辆通行的最近时间点t1。Step3向车辆返回Δt2=t1-t0,将该车从队列中删除。Step4记录时间片分配状况,返回Step2。假设当前正在处理的车队x的通行申请提交时间为t0,根据车队以及交叉路口的坐标计算出车队与交叉路口之间的距离为sx(t0)、当前车速为vx(t0)、最大允许车速为maxSpeedx、交叉路口的宽度为l、转弯速度为vrx。车队x最早抵达交叉路口的时间为直行情况下车队通过交叉路口的时间为转弯情况下车队通过交叉路口的时间近似表示为查看当前时间片的分配情况,找出从t1开始最早允许车队x通过的时间点t2。计算车队x按原速度行驶抵达交叉路口的时间为如果t2=t3,说明车速无需调整,调度结束;否则向车队x返回时间量:式中:Vmin为一个阈值(由车况和路况决定),车辆行驶速度过慢会加大能耗。当t2-t0很大时,说明车辆需要较长时间的等待才能通过交叉路口。此时车辆会按照比较省油的方式行驶到路口前停车等待(如惯例)。当车队在交叉路口前停止时,需要重新计算车队通过交叉路口所需时间。假设车辆平均长度为vlength,车队在行进过程中的平均车间间距为vGap,在静止时平均车间间距为sGap,最大速度为maxSpeed,加速度为accel,车队成员数量为count,则当首车停在交叉路口前时,尾车距交叉路口的距离为车队在起步阶段,由首车至尾车是先后开始加速的,每两辆车起动之间的时差为式中:K为司机的反应系数。尾车通过交叉路口需要行驶的距离为式中:l为交叉口宽度。车辆加速到最大速度maxSpeed通过的距离为当S2≤S3时,尾车做匀加速运动通过交叉路口,所需时间为当S2>S3时,尾车先做加速运动后做匀速运动,所需时间为综合式(11)(14)(15)可知,在交叉路口前停车等待的车队通过交叉路口所需的时间为下面分析相互冲突的车道中车辆可以互不影响通过交叉路口的条件。以大写字母代表车道,小写字母代表车辆,定义基于空间的车辆密度p如下:式中:A.length表示车道A的长度;ai为当前时刻处于车道A中的车辆;ai.length表示车辆的行驶长度(车辆长度以及与前车的最小安全距离之和);p的取值范围为[0,1]。若相互冲突的两车道A与B中的车辆可以互不影响地通过交叉路口,则一定可以进行串行化处理,即可以将车道A中的车辆放入车道B中而不会引发位置重叠。此时,满足如下关系:综合式(17)(18)可知,当可以串行化处理时,车辆密度满足如下条件:特别地,当车道A与车道B长度相等时,车辆可以不停车通过交叉路口的条件为p≤0.5。2模型结果分析使用Veins进行仿真试验,考察定时控制模型、感应控制模型和主动式模型在不同车流量密度下的平均等待时间和平均油耗情况。以流量-密度控制模型作为感应模型的代表。图3为3种模型平均等待时间的对比结果。在车辆密度为5~35(veh·min-1)时,主动式模型的平均等待时间为0.09~1.6s,远小于感应控制模型4.79~9.50s和定时控制模型的10.90~12.83s。车流量较小时,主动式模型对绿时长度和相位顺序进行完全动态的调整,配合对行车速度的干预,基本实现零停车,使车辆平稳通过交叉路口。车流量较大时,停车已无法避免,主动式模型会转变为一种具有相序优化功能的全感应控制模型。根据不同车道的优先级安排相位顺序,根据等待车队的长度计算放行时间。此时,主动式模型在平均等待时间上略微优于流量-密度控制模型。图4为根据HBEFA数据库统计的3种模型的平均油耗对比。由图3和图4可知,在车辆密度为5~35(veh·min-1)时,由于有效地减少了停车次数,主动式模型的平均油耗较定时控制模型和感应控制模型有明显优势,节省约10%~20%。在车辆密度较大时,主动式模型转化为一种基于等待车队长度的感应控制模型,尽量保证每辆车等待一次就可以通过交叉路口,故仍有较低的油耗。改变流量分配,使南北方向车流量大于东西方向,考察模型在不同流量车道上的表现情况。车辆密度随时间变化如表2所示,结果如图5和图6所示。由图5和图6可知:在车辆密度较小时,本文模型在不同方向车道上的通行时间和油耗均低于其他两种模型。当车辆密度较大时,本文模型和感应控制模型在南北方向车道上的表现要明显优于定时控制模型,但在东西方向车道上的表现较差。这是由于本文模型和感应控制模型针对车流量的不同进行了动态调节,让车流量大的车道(南北方向)优先放行,以防止该车道上出现严重拥堵,因而影响了车流量较小车