刘晨希+张泽鋆+张晨+苗启广

摘 要：针对现实生活中经常出现的因紧急车辆受到道路堵塞而错过最佳救援时机造成巨大损失的情况，文章基于物联网、车联网最新技术，提出了一种充分利用车路协同、交通诱导、GPS定位、智能优化和智能交通等技术提高目标车辆运行效率的方法，并设计了相应的系统。该方法根据实时道路信息，结合对目标车辆位置的实时监控，给出了基于最短路径算法的实时最优道路选择算法，为紧急车辆规划最佳线路，再辅以红绿灯时长的自动调整，通过多种方式诱导其他驾驶员避让紧急车辆，在几乎不影响其他车辆正常通行的情况下，显著提高了目标车辆到达目的地的效率。文章最后根据元胞自动机模型设计了仿真实验，并对该系统的效率进行了评估。

关键词：智能交通系统；车联网；最优规划；最短路径；车辆密度；元胞自动机

中图分类号：TP27；U49 文献标识码：A 文章编号：2095-1302（2017）03-00-04

0 引 言

如今的全国大中城市都普遍存在道路拥挤、车辆堵塞、交通秩序混乱的现象。随着全国经济的高速增长，私家车数量激增，我国城市的道路拥堵情况不断加重，“二环看似停车场”的现象时有发生，而这样的状况不仅影响了居民的正常出行，还会影响消防车、救护车等公共紧急车辆，延误救援时机，导致无法及时赶去现场造成情况恶化等惨剧的发生。因此缓解紧急车辆与其他车辆之间的矛盾，寻找使紧急车辆迅速到达现场的方法十分迫切。

智能交通系统[1]可以有效利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率，是一个基于现代电子信息技术面向交通运输的服务系统。该系统以信息的收集、处理、发布、交换、分析、利用为主线，为交通参与者提供多样性的服务。各式各类的智能交通系统都对缓解交通矛盾做出了一定贡献。

物联网[2]是一种在计算机互联网基础上利用多种技术手段将任何物品与互联网连接起来进行信息交换和通讯，以实现智能化的网络。物联网是新一代信息技术的重要组成部分，具有广泛的应用，其中车联网的概念就引申自物联网。类似于物联网系统，车联网系统[3，4]以互联网系统为基础，是在车辆、道路、行人及互联网之间进行信息交互的庞大的系统网络，它能有效处理车辆、道路、行人之间的矛盾，是智能交通系统的核心基础和发展方向。田芳等针对紧急车辆闯红灯通行而带来的交通安全隐患，提出了一种紧急车辆绿灯畅行系统[5]。该系统通过车载单元、中转单元和中控单元实现紧急车辆的身份识别与信号控制机的响应，但需要人工發射信号，较为不便。

叶文斌提出了特种车辆“绿波”机制[6]。通过无线网络技术追踪紧急车辆的位置信息与运动状态，兼顾了紧急车辆一路绿灯通行与避免对静止车队的影响。

Suresh Sharma等针对自适应灯控系统依赖图像处理和光束中断技术识别紧急车辆带来的局限性，提出了一种使用RFID射频技术检测紧急车辆的自适应灯控系统[7]。该系统将事先决定好的配时方案储存起来，依据检测结果实时调整配时方案，使灯控系统的决策更为灵活。

WantaneeViriyasitavat等将DSRC技术和VANET技术有机结合[8]，使得灯控系统可以通过紧急车辆发出的广播消息意识到紧急车辆的到来，采取预设措施将紧急车辆行进方向设置为绿灯，此举可大大提高紧急车辆的救援效率。

上述研究着眼于消除红绿灯对紧急车辆的阻碍作用，考虑如何更快、更方便地让信号灯辨识并放行紧急车辆。但在密集的城市交通网中，相邻红绿灯之间的街道上常常有上千米的距离，这使得街道的车辆密度成为阻碍紧急车辆运行的主要因素之一。此外，这些研究提出的机制都是被动地让红绿灯配合紧急车辆，缺少对紧急车辆的宏观控制。紧急车辆从特定单位出发，驶向事发地点的过程中始末位置是确定的，这为紧急撤离规划最佳线路提供了可能。本文除了为紧急车辆规划路线，还将在现有的“绿灯通行”机制上做出扩展，利用物联网、车联网系统在车、人之间的信息传递功能，着重解决大车辆密度问题对紧急车辆的阻碍。

1 基于智能调节优化的紧急车辆引导系统

1.1 系统假设

为了便于后续讨论及公式的推导，对实际情况做了如下假设和简化：

（1）除了特殊车辆经过时的红绿灯相位改变，其余每个红绿灯的相位和绿信比相同；

（2）把所有车辆的变速运动简化成匀速运动，并设它们不会撞上其他车辆时的速度为最大限速。

1.2 系统工作机制

系统首先利用交通监控系统获得各道路的车辆情况，并据此针对交通网络建立数学模型，根据各道路的实际情况为交通网上对应的道路打分，利用分数比较不同道路的畅通程度。之后在图上运用Dijkstra最短路径算法为紧急车辆规划出一条最畅通路线，通过旅行信息系统指导紧急车辆的驾驶人员选择合适路径。由于各街道的交通情况变化频繁，最畅通线路需要实时更新。

系统会对最畅通线路中的道路在紧急车辆到达之前进行一些优化措施，包括调整交通信号灯的灯时分配、引导其他车辆驶入别的街道等[9，10]。这些措施通过限制其他车辆进入被优化的道路来减小这条道路的交通密度，进而提高了该道路中交通流的速度。当紧急车辆进入这条道路中后，其运行速度将会得到提高。但需要注意的是，由于本系统的优化效果在时间上存在一定的滞后性，需要长期对紧急车辆的起点进行优化控制，否则可能导致效果退化。系统工作流程图如图1所示。

1.3 道路交通运行评价指标

为了得到道路的最佳规划方案，使得紧急车辆利用此方案最快地到达目的地，本文参考国内外各种评价指标[11]，使用平均延误时间来刻画道路畅通的程度。平均延误时间为[12]：

公式（1）中，g表示绿信比，T表示周期，q表示车辆平均到达率，s表示饱和流量下的驶离率。车辆平均到达率的表达式为：

公式（2）中，n为通过一段道路的车辆数，t为这些车完全通过的总耗时。

将公式（2）带入到公式（1）中，可以得到：

根据公式（1）可知，每条道路的绿信比g相同，周期T也相同。针对道路长度、最大限速相同的，根据公式（2）可知，所有小车会以最大限速行驶，因此每条道路在饱和流量下的驶离率s相同。由t=x/v可知，每辆车通过每条道路的总时间t相同。结合之前的讨论，本文可以将平均延误时间进行简化：

文中设绿信比g=0.5，周期T=25 s，饱和流量下的驶离率s=5 veh/s，平均车流速度q=2 veh/s。

由饱和流量下的驶离率s的意义可知，st是一条道路上的最大车流量，因此n≤st恒成立，所以n在其定义域内是单调递增的，如图2所示。

因为只需比较函数值的大小关系，所以可以直接比较自变量n的大小，以此间接比较平均延误时间。道路的车辆数n越大，平均延误时间越长。

1.4 畅通路线的规划过程

一条道路的流畅程度由这条道路的平均延误时间刻画，并且两条道路平均延误时间的关系可以通过比较这两条道路的车辆数n来间接确定。在紧急车辆运行的全过程中，其在各条道路上的时间延误都会对其运行速度产生影响，降低效率。因此，在紧急车辆由始发地点通往目的地的路径中，各道路对其的影响是叠加的。

紧急车辆行驶过程中，可以用每一条道路的平均延误时间之和来刻画这条路线的整体通畅程度。而本系统规划的最畅通路线，实际上是在规划一条平均延误时间之和最小的路线，即最短路问题。由前文的讨论可知，平均延误时间之和的比较可以用各道路车辆数之和的比较来代替。

如果第i条路线一共有k条路，第j条路的车辆数是Nj，则这条路线的通畅值可以表示为：

需要说明的是，wi的数值越小，这条路线越通畅。根据Dijkstra算法计算紧急车辆的最畅通路线[13]。由于交通情况不断变化，因此需要不断规划最畅通路线并实时更新。

1.5 多紧急车辆的冲突处理

康国祥、方守恩提出了一种基于模糊数学建模的对紧急事件危害程度进行量化的数学方法[14]，由此可以量化紧急车辆所对应的紧急事件的紧急程度。当两车进入同一个路口时，有以下几种情况：

（1）两车来自不同的道路，进入相同的道路；

（2）两车来自不同的道路，进入不同的道路：

①两车道路交叉；

②两车道路不交叉；

（3）两车来自同一个路口，进入相同或不同的道路。

在上述可能发生的几种情况中，只有（3）中的两车不会发生冲突。

当两车可以错开时，冲突便不会发生。在这种情况下，让可以先通过的车辆通过，这样两车都不会因为对方而等待。

当两车无法错开时，（1），（2）中的情况可以使用同一种解决方法——比较两车的紧急程度，即优先级。若两车的优先级存在明显的大小关系，则让优先级高的车辆先通过，优先级低的车辆等待，随后通过，保持原有道路不变；若两车的优先级类似，则呼叫人工处理。

多紧急车辆冲突处理流程图如图3所示。

2 仿真验证

2.1 模型假设

为了便于模型的建立及之后的讨论，本文对实际情况做出如下假设：

（1）道路的规格为单向双车道；

（2）右转弯的车辆不需要等待红灯，可以直接转弯；

（3）所有车辆在不被阻碍的情况下速度总是趋向道路允许的最大限速，紧急车辆可以在不被阻碍的情况下趋向最大限速的1.2倍；

（4）所有车辆都不会超车且只可能在转弯时变换车道；

（5）所有车辆都已接入车联网并能很好地服从系统调度，没有交通事故；

（6）每辆车从各路口进入这张图的概率相等，每辆车在每个十字路口转弯的概率相等。

2.2 模型建立

本文根据元胞自动机模型，通过Visual C++进行仿真验证。图4所示是仿真的具体情况：虚线的圆圈表示紧急车辆，其他圆表示其他车辆；涂成网格状的道路表示处于优化状态的道路。图4中紧急车辆正在拐向水平方向的优化道路。这条道路早在紧急车辆进入前就进入了优化状态，并当紧急车辆即将进入时，优化措施已经降低了这条道路上的车辆密度，此时其车辆密度为零。

2.3 参数设置

2.3.1 道路长度的设置

本文在陕西省西安市随机选取并统计了部分道路的长度，结果见表1所列。

根据统计结果，本文取其平均值作为仿真程序中的仿真道路的长度，即706米。

2.3.2 道路寬度与最大限速的设置

根据我国发布的《城市道路设计规范》[15]中的相关规定，本文将仿真程序中的仿真道路宽度定为50 m，仿真道路的最大限速定为50 km/h。

2.3.3 车辆转弯概率的设置

本文在陕西省西安市随机选取一些十字路口，并针对各路口统计一定时间内车辆的转弯概率，统计结果见表2所列。

根据统计结果，本文取其平均值作为仿真程序中仿真车辆的转弯概率，即41%。

2.4 仿真结果与分析

仿真结果如图5所示。出车频率指仿真程序中模拟车辆进入地图的频率，频率越大，单位时间内进入地图的车辆就越多，地图就越拥挤。

由图5中的虚线可知，无论出车频率如何变化，经本文系统优化的小车的速度始终保持在35 km/h左右，说明道路拥挤程度对本文优化机制的影响微乎其微，体现了本系统效果稳定的特点。在一定限度内可以认为，经本文系统优化的车辆不受路况影响。反观未经优化的车辆，其车速随着道路拥挤程度的变化比较明显，可见道路拥挤程度对于未优化车辆有较大影响。以频率为1时的情况为例，紧急车辆的平均速度在优化之后约为未优化时的1.75倍，这说明本系统能在道路拥堵时发挥有效作用。

为了与绿灯畅行系统对比，本文选取了一个特种车辆绿波机制[6]进行了相同方式的仿真实验，其结果如图5中的点线所示。可以发现其图像在拥挤程度低（出车频率低）的情况下，其优化效果与本文系统的优化效果基本一致，然而随着拥挤程度的增加，其优化效果明显退化。虽然“绿波机制”因消除了红绿灯对紧急撤离的阻碍作用而不会与不优化的图像过分接近，但随着车辆密度的增加，其对紧急车辆的阻碍作用也不断增强，效果仍然会发生明显退化。由此可见本文系统能够较好地弥补现有绿灯畅行系统的些许遗憾之处。

3 结 语

本文针对目前绿灯畅行系统的不足，提出了一种紧急车辆引导系统，该系统通过智能调节优化与车联网、物联网的信息交互功能，减少了紧急车辆经过道路的车辆密度，进而提高了紧急车辆的运行效率。本文通过设计仿真实验，证明了这种系统相比绿灯畅行系统而言优化效果更好，且随着交通拥挤程度的增加，优化效果没有产生明显退化，体现了本文系统在稳定性、有效性方面的价值。

参考文献

[1]赵娜，袁家斌，徐晗.智能交通系统综述[J].计算机科学，2014，41（11）：7-11.

[2]王晓静，张晋.物联网研究综述[J].辽宁大学学报（自然科学版），2010，37（1）：37-39.

[3]苏静，王冬，张菲菲.车联网技术应用综述[J].物联网技术，2014，4（6）：69-72.

[4]蔺宏良，黄晓鹏.车联网技术研究综述[J].机电工程，2014，31（9）：1235-1238.

[5]田芳，王强.特种车辆绿灯畅行系统[J].黑龙江工程学院学报（自然科学版），2009，23（2）：44-47.

[6]叶文斌.基于红绿灯优化城市交通控制设计与仿真[D].上海：华东师范大学，2015.

[7] SureshSharma，AlokPithora，GauravGupta，et al.TrafficLightPriorityControlForEmergencyVehicleUsingRFID[J].InternationalJournalofInnovationsinEngineeringAndTechnology（IJIET）.2013，2（2）：363-365.

[8] Viriyasitavat W， Tonguz O K. Priority Management of Emergency Vehicles at Intersections Using Self-Organized Traffic Control[C].IEEE Vehicular Technology Conference，2012：1-4.

[9]李佳.智能交通系统拥塞控制的研究与设计[D]. 哈尔滨：哈尔滨工业大学，2009.

[10]谭惠丽，劉慕仁，孔令江.十字路口红绿灯的控制效应[J].广西师范大学学报（自然科学版），2008，26（2）：18-21.

[11]郑淑鉴，杨敬锋.国内外交通拥堵评价指标计算方法研究[J].公路与汽运，2014（1）：57-61.

[12]夏朋亮.基于城市公路干线交叉口的信号控制算法研究与仿真[D].成都：西南交通大学，2013.

[13]孙淑军.基于车路协同的智能车调度系统及方法研究[D].大连：大连理工大学，2014.

[14]康国祥，方守恩.区域路网紧急事件危害度评价指标及评价方法研究[C].2009全国博士生学术论坛—交通运输工程学科，2009.

[15]城市道路设计规范[M].北京：中国建筑工业出版社，1991.