张宇，陈宇峰，向郑涛，马英魁，操翰文

（湖北汽车工业学院 电气与信息工程学院，湖北 十堰 442002）

随着经济不断地发展，私家车的数量不断增加，导致城市交通路段的拥堵程度上升，一定程度上影响了人们的生活，增加了出行时间。特别是在城市路段发生交通事故时，拥堵时间更长。随着智能网联技术不断发展和完善，在复杂的交通路网上可以建立车辆、车辆使用者和道路之间的联系，为解决城市交通拥堵提供了支持。但车载网复杂且不灵活的架构面临一系列挑战，如高移动性、间歇性连接、应用程序的异构性［1］。文献［2］中提出了车路人协同控制模型VID，打通了感知到服务的全局循环与局部循环，适用于协同应用场景，进一步解决了车载网面临的挑战。为解决城市交通拥堵，文献［3］从“人-车-路-环境”4 个方面对城市道路交叉口的安全现状进行了综合分析,采取适当的干预措施，改善城市道路交叉口的安全状况。文献［4］提出了基于车辆网络技术的城市交叉口车辆事故预警分析方法，分析了车辆拥挤状况，完成城市交叉口车辆事故的预警分析。文献［5］采用BP 神经网络对二次事故进行分级预警，降低了事故发生后的拥堵程度。文献［6］中提出了基于连通车辆的交叉口交通控制模型，引入了中央控制，降低了交叉路口碰撞风险和车祸概率。文献［7］中提出了协作数据调度算法，在V2I和V2V通信环境中提高了数据传播性能。文献［8］基于层次分析的模糊综合评价方法建立道路交通事故预警模型，在一定程度上减少了道路交通事故。以往事故预警和控制模型大多数只考虑如何降低事故发生的概率来减缓交通拥堵，没有考虑诱导车辆分流来达到减缓交通拥堵的目的。针对上述问题，文中通过实现实时传递事故通告给后方车辆，进行路径诱导。最后进行仿真验证，通过分析分流率，明显降低了事故发生后的拥堵程度，证明文中方法有较好的实用性。

1 系统架构

1.1 系统整体架构

城市事故交通预警主要目的是改善城市交通发生事故后的拥堵，实现事故信息的通告和车辆诱导等。基于Mininet-WiFi 和SUMO 联合仿真的城市交通事故预警场景如图1 所示。路侧单元（road side unit，RSU）分布在路边，作为车辆事故通告的接收与转发。云控完成事故信息的收集与转发。前方发生事故，事故车辆广播事故信息，通过RSU1将事故信息上传给云控，云控通过处理后将事故信息发送给RUS2，RSU2将事故信息广播给此路段后方同向车辆，后方同向车辆收到事故信息从而采取对应措施。系统架构分为基础设备层和控制层。

图1 车辆事故通告传递过程

1）基础设备层 如图2 所示，基础设备层由硬件设备组成。RSU、车载单元（on board unit，OBU）等通过传感、信号处理等技术对车辆节点、道路设施进行监控。整个道路由多个RSU 组成，每辆车都配有OBU，可传递信息和响应RSU的信息。RSU和控制器相连，实现车辆事故信息的接收和转发。为避免信号串扰，不同的RSU使用不同的信道。

图2 基础设备层

2）控制层 文中的控制架构是层次控制架构，如图3所示，分为上层控制器、路边设备控制器和车辆控制器。上层控制器处理车辆事故信息，对网络的集中控制提高了资源的利用率，改善了管理上的繁琐。车辆控制器上传车辆事故信息以及车辆行驶方向的判断。路边设备控制器接收事故车辆信息和转发事故信息。层次控制交互流程如图4所示，其中D表示路口导向线的长度。导向线是指设置于路口驶入段的车道分界线，车辆在进入导向线区域后不允许换道。

图3 层次控制图

图4 交互流程图

1.2 RSU选择算法

发生事故后，事故车辆将位置信息通过附近RSU上传到上层控制器，上层控制器计算该事故车辆到后方路口的距离，比较得出事故车辆与后方各路口最短距离，找出距离事故车辆最近的路口，使上层控制器可以选择对应RSU 转发事故信息，节省开销，实现事故信息的精准转发。上层控制器随后将车辆事故信息发布到该路口的上个RSU，通过该RSU将前方事故广播给后方车辆。

车辆与路口距离计算采用两点距离公式。如果车辆A的位置为（λ1,φ1），路口B的位置为（λ2,φ2），则车辆和路口之间的距离Dl计算公式为

1.3 事故车辆信息格式

城市交通场景中，车辆过多，信息量较大，文中仅考虑通知同方向车辆进行事故预警。车辆在道路行驶过程中，OBU 和RSU 进行通信；发生事故时，通过OBU持续广播事故信息，事故信息定义为

式中：I为事故信息向量；Vid为车辆编号；Vx为车辆当前位置的横坐标；Vy为车辆当前位置的纵坐标；Vdes为车辆行驶方向。

2 联合仿真

2.1 仿真实现

仿真测试的方便性、安全性、可重复和低成本等优点使其成为车联网测试的常规手段，在车联网的发展过程中起着举足轻重的作用。目前有很多仿真工具，根据文中需求选择了Mininet-WiFi作为网络模拟器，实现通信仿真；SUMO 作为道路交通模拟器，实现车辆运动仿真。

SUMO 是微观的、空间上连续、时间上离散的全开源的交通仿真软件，具有可移植高、兼容性高等特点。通过使用SUMO来完成城市道路的建立。Mininet-WiFi 是无线网络模拟器Mininet 的延伸，具有原生WiFi 支持。通过使用Mininet-WiFi 来建立OBU 和RSU 的无线连接，RSU 和控制器之间的连接。SUMO 通过提供的Traci 接口实现与其他模块的交互，Mininet-WiFi 通过该接口实现以下功能：1）从SUMO 获取车辆当前的运动信息。2）向SUMO发送车辆控制信息，从而实现车辆的运动控制。具体的交互过程如图5所示。

图5 交互过程图

在SUMO中创建道路时包含3个文件：nod.xml和edg.xml 文件包含网络信息，该信息在SUMO 中将转换为节点和路网信息；rou.xml 文件包含流量需求和路由信息，该信息在SUMO中将转换为车流信息。SUMO 交通场景搭建流程如图6 所示。在Mininet-WiFi中搭建无线通信场景。Mininet-WiFi的mac80211_hwsim 模块负责创建虚拟Wi-Fi 接口。通过身份验证的车辆节点将连接到RSU，两者使用cfg80211 与无线设备驱动程序进行通信。RSU 为每个车辆节点分配IP 地址。Mininet-WiFi与SUMO通过套接字建立连接。

图6 SUMO交通场景搭建流程

2.2 仿真场景设置

文中通过Mininet-WiFi 和SUMO 实现联合仿真，设置1个上层控制器和2个RSU，通信协议采用IEEE 802.11p，其他仿真参数如表1所示。

表1 仿真参数

采用SUMO 模拟器建立长2 km 、6 车道的道路，视作城市主干道。SUMO 车辆事故场景如图7所示，包含事故点以及2个RSU的位置。仿真实验主要分析事故响应时间和不同导向线长度下的车辆分流率。道路中车辆随机生成，通过10 次仿真实验求平均值来计算各项指标。

图7 SUMO车辆事故场景

3 仿真分析

3.1 事故响应时间

事故响应时间指从事故车辆上传事故信息到正常行驶车辆首次接收事故信息所需要的时间：

式中：T为事故响应时间；Taci为事故车发送信息时间；Tnor为正常行驶车辆收到消息的时间。不同车辆数目情况下的事故响应时间如图8所示，可以看出：事故响应时间为0.60～1.00 s，车辆数的增加导致事故响应时间越来越高，但从整体上看事故响应时间对事故预警的传播影响较小。

图8 不同车辆数情况下事故响应时间

3.2 分流率

事故发生时，如果没进行事故预警，事故车辆信息没有被后方车辆及时知道，会造成道路的拥堵和二次事故的发生；事故信息被及时传递给后方车辆，受影响的车辆会采取对应措施，如减速、换道等，从而减缓道路的拥堵。

后方正常行驶车辆收到事故信息时，如果处于导向线范围外就分流，否则不分流。分流车辆指未过十字路口且不在导向线范围内的正常行驶车辆收到前方事故信息进行分流的车辆，未分流车辆指收到事故信息后在导向线范围内无法分流的车辆，分流率的计算公式为

式中：P为分流率；Call为事故发生时未过十字路口的车辆总数；Cwal为导向线范围内车辆数。

不同车辆数情况下，不同导向线长度下的分流率如图9 所示，可以看出：不同车辆数情况下的分流率都在90%以上，且随着车辆数的增加，分流率也增加。原因是在车辆数达到一定数量时，导向线范围内的车辆数有限。同一车辆数的情况下，随着导向线的长度不断增加，车辆的分流率呈下降趋势，因为随着导向线长度的增加，正常行驶车辆在收到事故信息时在导向线范围内的车辆增多，导致分流率下降。整体上看，当路段发生事故后，车辆预警效果较好，降低了事故发生后造成道路拥堵的概率，并在一定程度上避免了二次事故的发生。

图9 不同车辆数情况下分流率

4 结论

为了缓解城市道路发生交通事故后造成的拥堵，通过事故信息传递、RSU 的选择和车辆分流的方法实现了事故预警，并用Mininet-WiFi 和SUMO联合仿真进行事故预警效果的验证。不同车辆数和不同导向线长度对分流率的影响实验结果显示，整体分流率在90%以上，事故预警效果显著，验证了文中方法的有效性和可行性。后续研究将考虑车辆分流后对其他车道交通状况的影响。