基于车联网的道路交叉口车辆通行效率研究

2023-11-17吴雷

交通科技与管理 2023年21期

吴雷

（深圳市万集科技有限公司,广东深圳 518000）

0 引言

随着国内汽车保有量的持续增加，在城市规划过程中的城市道路随着车辆通行需求的增加，排队以及拥堵的情况越发明显。而城市道路往往受制于通行需求、道路规划等客观原因，不能及时进行道路改扩建。在解决城市道路交通拥堵，提高出行效率等方面，往往以道路交叉口的管理优化为主，比如道路交叉口的信号灯优化[1]，打造城市智能交通绿波带[2]，基于时间循环技术识别车队头车[3]。

李鹏凯等[4]通过基于实时信号状态、排队长度、车辆位置、加速度等参数，以交叉口车辆停车时间最小化为目标，提出面向个体车辆的车速引导机制与模型。

He X等[5]考虑了干线上的车辆排队和交通信号状态，提出1 个多阶段的控制模型以获得最优的车辆轨迹。

随着智能网联及自动驾驶技术的不断发展，车联网技术越来越多地引入到智能交通系统中来[6]，在道路改造受限的条件下，通过车联网车辆的行车路线同步、道路交通状况感知同步、车辆行驶轨迹的预测等，成为改善道路交通安全、缓解交通拥堵的重要手段。

研究基于车联网的合流区车辆通行效率是通过车联网技术解决交通通行问题的关键，车联网技术在交通领域的应用研究也得到了国内外学者的广泛关注。如引导距离的长度、智能车的比例、交叉口的数目以及信号灯控制方式对车辆引导方案实施应用效果的影响[7-10]。

通过上述车联网技术的研究可以看出，在交通参与者中具备车联网功能的车辆、普通车辆、各类交通参与者、道路状况等都会对交通运行状态产生影响。

该文基于车联网的技术条件，针对道路具备车联网功能的车辆和普通车辆混合通行的复杂情形，研究基于车联网的车辆通行效率提升的方法。

考虑道路交叉口合流区的车辆行驶路线、行驶道路规则、道路交叉口布局、车头时距等因素。提出在车联网环境下，结合车联网车辆V2V 协作通行引导，为道路交叉口合流区的车辆高效通行提供服务，得到了具备车联网功能的车辆占比与车辆通行效率之间的相关性。

1 问题描述

1.1 道路路口环境描述

在车联网车辆与普通车辆混合通行的环境下，具备车联网功能的车辆之间能够通过V2V 的方式实现车辆的行使状态、周边环境状态、车辆行驶意图等信息的交互，并通过各自当前的状态进行信息的协同，从而实现最优的通行方案调度。

基于分析的是各方向来车，均有左转、右转、直行通行需求的复杂道路交叉口。在复杂道路交叉口针对道路智能网联车辆和普通车辆混合通行的复杂情形展开研究，如图1 所示。

1.2 车辆驾驶的行为分析

在道路交叉口合流区的路段，车辆的车行矛盾主要来源于不同方向的来车，行驶方向不一致，特别是在交通合流与道路交叉口近距离衔接的左转、右转车辆与直行车辆的行驶方向冲突上，是造成交通通行效率降低的主要因素。由于交通通行效率降低而造成的抢行、横插、车流溢出等交通事件以及交通事故隐患进一步增加。

在车流量较大的道路交叉口，典型的行驶方向冲突场景中的车辆通行分为如下3 类：

（1）右侧车道汇入车辆的左转。

（2）左侧车道汇入车辆的右转。

（3）直行车道的左转或右转。

1.3 研究方法

在道路交叉口行车畅通的情况下，各交通参与者能够通过实际路况以及行车间距，实现自由通行优先级调配，从而呈现出自发地有序通行。

在机动车流量较大的复杂道路交叉口，车辆抢行现象突出，通过自由通行调配已很难满足行驶方向冲突场景中交通参与者的通行需求。

通过具备车联网功能的车辆感知到的道路信息的共享，使道路交叉口车流拥有一定的道路环境感知能力，以具备车联网功能的车辆信息协同为引导，有效地弥补车辆的感知盲区，实现道路交叉口合流区范围内的车辆协同调度，减少因车辆行驶方向冲突场景下的车辆降速通行的情况，可以有效地提高在复杂道路交叉口车辆通行效率。

2 道路交通模型

2.1 车道与车辆直行率

由于4 个驶入车道上的车辆行驶需求分布与车辆直行率有直接相关性，以驶入路口的车辆行驶目的随机，以100 辆车最终行驶方向为参数，以驶出路口的车辆在各车道均匀分布为条件，可以建立如表1 所示的车道及车辆行驶方向模型。

表1 车道及车辆行驶方向模型

2.2 车道与车道影响率

4 个驶入车道上的车辆行驶需求与车辆行驶跨车道车辆数有直接相关性，以驶入路口的车辆行驶方向模型为依据，以车辆跨车道车辆数为参数，以驶出路口的车辆在各车道均匀分布为条件，可以建立如表2 所示的车道及车辆跨车道车辆数模型。

表2 车道及车辆跨车道车辆数模型

2.3 车辆与变道协同率

在复杂道路交叉口，由于各车道上车辆之间的行驶意图无法实现信息同步，导致各车道上的车辆变道处于无序状态。当车道中有部分车辆具备车联网功能的时候，通过V2V 通信，可以在具备车联网功能的车辆之间同步行驶意图信息，以及相关车道的行车环境信息。当多车道的车联网车辆都有变道需求的时候，车联网车辆之间通过V2V 通信协同，可实现同步变道，以此降低车辆跨车道时的车道影响率。

在此条件下，车辆变道协同率与车道中具备车联网功能的车辆数呈现出直接相关性。可构建如图2 所示的车道影响率和变道协同率关系曲线。

图2 车道影响率与变道协同率

2.4 系统参数的设置

各车道车辆行驶方向按表1 所示模型展开，道路交叉口合流区的车辆通行效率通过各车道的车辆通行速度来进行表征。根据道路交通模型各参数，可构建单车道的车辆通行速度公式，V(n)可表示为：

式中，V0—— 车道车辆通行速度；n—— 车道号；m——车联网车辆占比；Z(n)——各车道车辆直行率；Y(n)——各车道影响率；X(m)——变道协同率；G(μ)——车头时距影响因子。当μ＜3 s 时，G(μ)取值为1；当μ＞10 s 时，G(μ)取值为2；其他情况下，G(μ)取值为。

3 验证与分析

3.1 车联网条件下的通行效率

根据道路交通模型，取车联网条件下的道路交叉口各车道驶入车辆的行驶方向均匀分布，且各车道车辆之间按车联网占比与变道协同率进行调配。

以车辆通行速度80 km/h 为条件，根据公式（1），在车头时距分别为2.5 s、6.5 s、10 s 的情况下，各车道的车辆通行速度分别如图3 所示。

图3 车联网条件下各车道通行速度

3.2 车联网条件下车辆通行速度分析

从各车道通行速度曲线上可以看出，在不同车道上，由于受到车辆直行率、车道影响率、变道协同率以及车头时距等因素的影响，各车道在车联网占比不同时通行速度也各不相同。以各车道车辆通行速度的平均值作为断面通行速度。可以得到在不同车头时距条件下，车联网车辆数占比与断面整体通行速度增长率之间的关系，如图4 所示。