车路协同系统仿真信息多分辨率交互方法

李四辉，蔡伯根，上官伟*，郭科研，刘 宇

（1.北京交通大学 电子信息工程学院，北京100044；2.北京新媒体技师学院 电气工程专业部，北京102600）

车路协同系统仿真信息多分辨率交互方法

李四辉1，蔡伯根1，上官伟*1，郭科研2，刘 宇2

（1.北京交通大学 电子信息工程学院，北京100044；2.北京新媒体技师学院 电气工程专业部，北京102600）

车路协同系统仿真研究对于交通系统的发展具有重要的意义.为了研究车路协同系统的仿真关键技术并构建车路协同系统仿真平台，本文提出信息多分辨率交互方法解决基于HLA的系统仿真过程中的网络拥塞问题，建立了高分辨率车辆行驶状态信息模型、中分辨率车队状态信息模型、低分辨率交通流信息模型，运用聚合解聚法实现不同信息分辨率间的仿真过程，采用模糊预测发送缓冲区信息排队长度方法确定多分辨率模型间的聚合解聚时机.通过仿真管理器联邦成员的运行结果分析表明，该方法能够有效减少系统属性吞吐量，从而较好控制网络拥塞，降低系统属性延时，提高仿真效率.

交通工程；车路协同系统；HLA；多分辨率

1 引 言

交通是国民经济流动载体，近年来随着机动车辆总量的快速增加，城市交通状况日渐恶化，交通拥挤问题严重制约着城市经济的发展.车路协同技术已经成为当今国际智能交通领域的前沿技术，是解决道路交通安全、提高通行效率和减少交通污染的有效途径.车路协同系统（Cooperation Vehicle-Infrastructure System，CVIS）是基于先进的全时空动态交通信息采集、融合技术，通过全方位实施车车、车路动态实时信息交互进行车辆主动安全控制和道路协同管理，形成人车路有效协同的安全、高效和环保的道路交通系统[1-4].

车路协同的交通系统呈现出超于常规的复杂性，在基于HLA的车路协同系统仿真中，由于联邦成员间信息交互过程存在数据量大、交互频率高、交互过程复杂等特点，会产生网络拥塞现象，极大降低了仿真效率，因此本文针对仿真管理器联邦成员中信息交互过程研究信息多分辨率交互方法控制网络拥塞，提高系统仿真效率.

2 基于HLA的车路协同仿真系统

高层体系结构（High Level Architecture, HLA）实现了仿真节点间的点对点通信或组播通信，极大减少了网络冗余数据.RTI（Runtime Infrastructure)运行支撑结构是HLA中关键的底层通信支持系统，功能类似分布式操作系统，通过将仿真行为和数据通讯分离，使用户远离了繁琐的底层通信细节.

基于HLA联邦的设计思想，采用RTI为核心的分布式体系结构，将车路协同系统定义为联邦，车路协同仿真系统的各个子系统作为联邦成员，共同完成联邦的仿真目标.CVIS仿真联邦共由6个联邦成员构成，主要包括仿真管理器联邦成员、典型应用场景管理联邦成员、交通管理控制联邦成员、交通仿真联邦成员、信息交互仿真联邦成员、三维视景仿真联邦成员.CVIS仿真联邦内的信息流如图1所示.

图1 CVIS仿真联邦成员信息流Fig.1 Information flow among CVIS federate

图2 网络负载与吞吐量、延迟的关系Fig.2 The relationship of network load and throughput,delay

基于HLA的系统仿真中，信息发送联邦成员将信息发送给RTI，RTI根据数据公布订购关系将信息递送到信息接收联邦成员，该联邦成员接收相关信息.当在RTI中存在过多的交互信息时，网络的性能会下降，此时会出现网络拥塞现象[5]，表现为属性延时增加、丢弃率增大、上层应用系统性能下降.如图2所示，为了最大限度地利用资源，网络工作在轻度拥塞状态时应该是较为理想的，因此需要拥塞控制机制来加以约束和限制，通过灵活高效的拥塞检测、预防与控制机制，保证系统仿真效率.

多分辨率建模技术对于系统仿真计算中复杂细节的计算资源要求能较大程度上进行限制，根据实际的仿真需求，结合现有的仿真资源，合理最大化地利用了仿真资源，较好地避免了复杂系统的计算复杂性，以及分布式仿真系统中的子系统间的巨额信息交互量消耗.针对车路协同系统信息层次化特征，本文通过研究信息多分辨率管理方法解决基于HLA系统仿真中的网络拥塞问题.

3 车路协同系统仿真信息多分辨率交互方法

车路协同系统仿真中仿真管理器联邦成员监控管理系统仿真过程和模块结构如图3所示.

图3 信息管理模块结构图Fig.3 Structure diagram of information management module

信息接收模块接收其他联邦成员的交互信息；在公共信息池中，接收信息将按类型存放在不同的存储域中，并且维护有信息的更新状态位，用以标记有新信息到达的存储域.信息多分辨率管理模块对公共信息池中的信息按照信息多分辨率交互方法进行管理；信息发送模块根据信息多分辨率管理模块分配的信息帧，将信息发送到其他联邦成员.

3.1 多分辨率信息模型

MR-DEVS[6]是针对多分辨率建模问题的系统形式化描述方法.其中多分辨率实体（Multi-Resolution Entity,MRE）是指可以在不同分辨率等级上与其它对象进行交互的概念实体.车辆实体信息模型可用MR-DEVS原子模型描述为

RV={rF,rC,rV}，为实体分辨率的集合，其中，rF为低分辨率交通流级，rC为中分辨率车车/车路协同级，rV为高分辨率单车级.

（1）高分辨率车辆信息模型.

高分辨率下把每一辆车作为一个研究对象，对所有个体车辆都进行标识和定位.

（2）中分辨率车车/车路协同车队信息模型.

中分辨率信息模型中根据仿真的需求，对基于车车/车路通信将若干辆车构成车路协同车队，以此为单位统一描述车队在路段和节点的流入流出行为.

（3）低分辨率交通流信息模型.

低分辨率交通流仿真模型中，交通流被看作连续流，从统计意义上考虑车辆的运动，对交通系统的要求及行为的细节描述程度较低.

ψV={rF,rC,rV,(rF,rC),(rC,rV),(rF,rC,rV)}，为实体分辨率模式的集合.

Ci→j为不同分辨率模型的一致性映射函数.

Zφ描述了同一实体在分辨率模式为φ时不同模块间的耦合关系，其定义为且r∈R.

3.1.1 高分辨率模型MV的形式化描述

式中 XV，YV分别为模型的输入、输出集合，本文中为空集.

SV={Time，Information,ID,Type,Failure, Warning,Distance,Lane,Latitude,Longitude, Velocity, Acceleration, Pre_ID, Interval, Pre_acceleration}，各变量含义如表1所示.

表1 高分辨率车辆状态信息Table 1 Vehicle status information under high resolution

ρrV→rC为分辨率转换函数，当车辆间建立车/车、车/路协同关系的时候实体分辨率由高分辨率转换为中分辨率，这个过程中系统需要调用聚合函数AggrV→rC(SV)以实现聚合操作.

ρrV→rF为分辨率转换函数，当车辆间建立交通流关系的时候实体分辨率由高分辨率转换为低分辨率，这个过程中系统需要调用聚合函数AggrV→rF(SV)以实现聚合操作.

λV→C，λV→F为变分辨率事件的通知接收函数，当接收到聚合命令时，分别执行由高分辨率聚合为中分辨率和高分辨率的操作.

3.1.2 车路协同分辨率信息模型MC的形式化描述

式中 XC,YC=∅，分别为模型的输入、输出集合，本文中为空集.

SC={Time,Num,ID,Length,Lane,Latitude, Longitude,Velocity,Acceleration,Pre_ID,Interval, Pre_acceleration}，式中各变量含义如表2所示.

ρrC→rV为分辨率转换函数，当车辆间注销车车/车路协同关系时触发分辨率转换，车辆实体的分辨率将由车路协同模式变为车辆实体模式，此时，通过调用DesAggrC→rV(SC)函数，代表车辆的信息模型MV将会被创建且属性会被初始化（根据低分辨率模型MC的属性）.

表2 中分辨率车队单元的行驶状态信息Table 2 Vehicle operating status information under middle resolution

ρrC→rF为分辨率转换函数，当车路系统车队间建立交通流关系的时候实体分辨率由中分辨率转换为低分辨率，这个过程中系统需要调用聚合函数AggrC→rF(SV)以实现聚合操作.

λC→V，λC→F为变分辨率事件的通知接收函数，当接收到聚合或解聚命令时，分别执行由中分辨率聚合为低分辨率或由中分辨率解聚为高分辨率的操作.

3.1.3 车路协同分辨率模型MF的形式化描述

式中 XF,YF=∅，分别为模型的输入、输出集合，本文中为空集.

SF={Time，Num，ID，Density，Velocity}，式中各变量含义如表3所示.

表3 低分辨率交通流信息Table 3 Traffic flow information under low resolution

ρrF→rV为分辨率转换函数，当车辆间注销交通流关系且满足单个车辆的关系时触发分辨率转换，分辨率将由交通流模式变为单车模式.此时，通过调用DesAggrF→rV(SF)函数，代表车辆的信息模型MV将会被创建且属性会被初始化（根据低分辨率模型MF的属性）.

λF→V为变分辨率事件的通知接收函数，当接收到解聚命令时，分别执行由低分辨率解聚为高分辨率的操作.

3.2 聚合解聚过程

车辆实体信息多分辨率模型，在仿真过程中的聚合解聚过程如图4所示.

图4 聚合解聚过程示意图Fig.4 Process of aggregation-disaggregation

不同分辨率模型间的一致性映射函数描述如下：

图5 车队场景的聚合过程Fig.5 Aggregation process of fleet scenario

式中 Q为平均流量（辆/h）；V为区间平均车速（km/h）；K为平均密度（辆/km）.

根据交通流的特性：

式中 V为路段范围内所有车辆的平均车速（km/h），j为路段范围内的车辆总数.

式中 K为平均密度（辆/km），l为路段的长度.

式中 larg为平均车间距；lm为车队长度；lv为车辆长度；n为车队车辆数.

解聚后的高分辨率车辆行驶状态信息将按照车辆ID顺序平均分布在车队长度内.

图6 信息解聚示意图Fig.6 The schematic diagram of information disaggregation

3.3 基于模糊预测的聚合解聚时机选择

仿真管理器信息发送模块中发送缓冲区中信息排队示意图如图7所示.

图7 信息排队示意图Fig.7 The diagram of message queue

发送缓冲区大小为Q，时间间隔为T，λi为Ti时刻与Ti-1时刻之间的到达字节数，Δλi为字节数增加量，队列的恒定发送速率为 μ（bits∕T），qi+1为Ti+1时刻的队列长度，可得

当max(qi+λi+1-S)＞Q时，缓冲区溢出，发生网络拥塞.λi+1可由模糊预测模型得到，qi可以通过网络管理信息获得.λi+1的模糊预测推理过程如下.

（1）输入输出变量的隶属度函数.

输入变量为λi和Δλi，经过模糊变化后为λ′i和Δλ′i.

输出为λ′i+1，反模糊化后的输出为λi+1，其中λi+1为Ti+1时刻与Ti时刻间的发送数据流.

将 λi'、λi+1'和Δλi'划分为5个模糊子集：{NB，NS，ZO，PS，PB}.

（2）模糊规则.

根据经验可得模糊预测模型的规则表，如表4所示.

表4 模糊规则Table 4 Fuzzy rules

（3）模糊预测量计算.

反模糊化后的输出为信息多分辨率模型的聚合解聚操作λi+1.反模糊规则如表5所示.

表5 反模糊规则Table 5 Anti-fuzzy rules

二级聚合：由当前信息模型分辨率级别聚合为最低分辨率.

一级聚合：由当前信息模型分辨率级别聚合为较低一级分辨率.

不变：维持现有分辨率等级.

一级解聚：由当前信息模型分辨率级别解聚为较低一级分辨率等级.

二级解聚：由当前信息模型分辨率级别解聚最高分辨率.

模糊预测过程周期性执行，预测周期为0.5 s（系统仿真周期），信息模型的聚合解聚过程如图7所示.

图8 信息模型的聚合解聚过程Fig.8 Aggregation and disaggregation process of information

4 运行结果分析

基于信息多分辨率交互方法，本文针对信息多分辨率管理方法进行了测试.

基于HLA开发的车路协同系统仿真信息流如图1所示.车路协同系统仿真平台中详细仿真交互信息如表6所示.

RTI的主要性能指标包括属性吞吐量、属性延迟及丢包率等[7-8].本文参照文献[9]中提到的RTI性能测试方法，结合对属性吞吐量、属性延时进行了测试.

表6 仿真交互信息Table 6 Interactive information

图9 采用信息多分辨率交互方法前后属性吞吐量Fig.9 Attribute throughput comparison

图10 采用信息多分辨率交互方法前属性延时Fig.10 Attribute delay before

图11 采用信息多分辨率交互方法后属性延时Fig.11 Information multi-resolution exchange method attributes delay

测试结果如图9-图11所示，未采用信息多分辨率管理方法前属性吞吐量较高，由于计算机性能无法满足系统数据处理要求，平均属性延时为0.993 ms.采用信息多分辨率管理方法后，由于通过模糊预测发送缓冲区信息排队长度进行信息聚合，降低了属性吞吐量，能有效减少信息量及信息发送频率，平均属性延时为0.258 ms，较好控制了网络拥塞问题，提高了系统仿真效率.

5 研究结论

本文提出了信息多分辨率交互方法，解决了解聚系统仿真过程中的网络拥塞问题.运用聚合解聚法实现了信息多分辨率管理过程.采用模糊预测方法研究了聚合解聚时机选择问题.通过仿真管理器联邦成员的实际运行表明，该方法能够有效减少交互信息，解决网络拥塞问题，提高仿真效率.目前，本文只是初步实现了信息多分辨率交互方法，对于信息聚合解聚过程中的一致性问题，以及聚合解聚的方式是采用全部聚合解聚还是部分聚合解聚的问题还有待研究.

[1] Hiroshi Makino. Smartway project cooperative vehicle highway systems[R].AHB30,2006 TRB annual meeting.

[2] InfoTechnology Center,Volkswagen of America ERL. VII California,A collaboration between the Metropolitan Transportation Commission(MTC)[R].2008 Concept of Operations,October,2006.

[3] Hiroshi Makino.Smartway project cooperative vehicle highway systems[R].AHB30,2006 TRB Annual Meeting.

[4] Lina Konstantinopoulou, Zwijnenberg Han,Susanne Fuchs,et al.Deployment challenges for cooperative systems[R].Coopers,SafeSpot,&CVIS,2010.

[5] 崔亮.基于主动队列管理的拥塞控制研究[D].湖南大学，2007.[CUI L.The research of congestion control on active queue management[D].Hunan university,2007.]

[6] Yuan Li,Bo Hu Li,Xiaofeng Hu,et al.Formalization of multi-resolution modeling based on dynamic structure DEVS[C].∕International Conference on Information Science and Technology,Nanjing,Chnia,2011:855-864.

[7] 黄晓冬，何友，姜本清.RTI实时性与信息吞吐量的研究与测试[J].系统仿真学报,2003,15(4):516-518. [HUANG X D,HE Y,JIANG B Q.A test to the real time and throughput performance of RTI[J].Journal of System Simulation,2003,15(4):516-518.]

[8] 黄松,等.网络延迟对基于高层体系结构∕运行时支撑构件的分布交互仿真系统的影响[J].系统仿真学报, 2002,14(1):75-77.[HUANG S,et al.Effect of network delay on distributed interactive systems based on high level architecture∕run time infrastructure[J].Journal of System Simulation,2002,14(1):75-77.]

[9] 孙世霞，黄柯棣.RTI性能测试分析[J].系统仿真学报，2005.4，17（4）：909-913.[SUN S X,HUANG K D.Testing and analysis of Run-Time Infrastructure performance[J].Journal of System Simulation,2005.4,17 (4):909-913.]

Multi-resolution Information Exchange Method in Cooperation Vehicle-Infrastructure System

LI Si-hui1,CAI Bai-gen1,SHANGGUAN Wei1,GUO Ke-yan2,LIU Yu2
(1.School of Electronics and Information Engineering,Beijing Jiaotong University,Beijing 100044,China；2.Faculty of Electrical Engineering,Beijing New Media Technical College,Beijing 102600,China)

Research of cooperation vehicle-infrastructure system(CVIS)is a great significance for the transportation system development.In order to study the CVIS simulation’s key technology and build up the simulation platform,multi-resolution information interaction method is presented to solve the network congestion problems based on HLA when simulation,a high-resolution information model of vehicle running state,a middle-resolution information model of fleet status and a-low resolution model of traffic flow are established.The simulation of multi-resolution information interaction is achieved by aggregation and disaggregation method,while the time of aggregation and disaggregation determined by queue length of buffer which transmitted from fuzzy prediction.The analysis shows that the method can effectively reduce the system properties throughput by the results of the simulation manager federate,so as to better control network congestion and decline the delay of system properties,it can also improve the CVIS simulation efficiency.

traffic engineering;CVIS;HLA;multi-resolution

2014-02-14

2014-07-16录用日期：2014-07-28

国家自然科学基金“青年基金”（61104162）；国家自然科学基金面上项目（61273089）；中央高校基本科研业务费专项资金项目（2014YJS017）.

李四辉（1989-），男，湖北鄂州人，博士生. *

wshg@bjtu.edu.cn

1009-6744（2014）06-0050-08

U283.2

A