刘天天，莫 磊，陈思祺，刘洪廷，张 钊,2，丁 川

（1.北京航空航天大学交通科学与工程学院，北京 100191；2.交通运输部公路科学研究院，北京 100088）

0 引言

随着自动驾驶技术和车联网技术的快速发展，过去极具挑战的城市道路交叉口交通控制问题有了新的解决办法[1-4]。然而，自动驾驶汽车全面落地面临诸多困难，在未来很长一段时间内，将会面临自动驾驶车辆（Connected and Autono⁃mous Vehicle,CAV）与网联车辆（Connected Ve⁃hicle,CV）混行的环境。为解决在不同CAV 渗透率条件下的交叉口通行权优化问题，对智能网联环境下交叉口混行车队的通行问题进行研究很有必要。

近年来，国外学者关于智能网联环境下的混行交叉口通行模型进行了大量研究，如Szilassy等[5]提出基于神经网络的交叉口信号控制模型；Barthauer 等[6]采用分离的方法保护自动驾驶汽车，提出自动驾驶汽车渗透率较低时的保护运动方案；Yang 等[7]提出启发式算法切换信号控制并对自动驾驶车辆进行轨迹优化，以有效减少停车次数和延时；Zhao 等[8]采用模型预测控制（Model Predictive Control,简称MPC）方法协同车辆间距，降低能耗；Talebpour 等[9]提出混行交通的微观仿真框架。然而，以上研究均假设CV 能接受驾驶速度建议，这与实际情况存在较大偏差，同时所建模型计算时间偏长，难以满足混行车队在交叉口通行的实时计算要求。

国内学者对智能网联车辆在交叉口的通行也作了一些研究，如Feng 等[10]构建了针对CAV 的阶段性信号模型；Yu 等[11-12]建立了单交叉口信号配时和车辆估计优化的真实集成模型；Xu 等[13]提出在进行交通信号优化的同时控制车辆速度的方法。……