基于车路协同的无控十字路口行车方案

孟振宇，向郑涛

（湖北汽车工业学院 电气与信息工程学院，湖北 十堰442000）

目前城镇路网中缺乏交通控制设施的交叉口依旧大量存在，无控交叉口处事故率远高于有控交叉口，特别是执行紧急救援任务的紧急车辆在通过无控交叉口时通行效率和安全往往无法保障，解决紧急车辆在无控交叉口处的交通问题迫在眉睫。邵雯［1］通过联机式驾驶模拟实验研究无控交叉口直行车辆碰撞预警功能对驾驶员行车的影响，实验表明提供预警功能时，驾驶员更能准确避撞。胡梦岩［2］利用智能网联车辆环境下车路通信技术提出速度优化算法对无信号交叉口车辆进行控制，消除冲突的同时提高车辆通行效率。马艳丽等［3］考虑能见度对无信号交叉口下过街行人与车辆冲突的影响，利用车载传感器识别不同能见度下人车冲突，能为无信号交叉口处驾驶员和行人的安全通行提供决策。周琦［4］利用北斗定位和车联网通信技术在无信号十字交叉口处对车辆进行冲突监测，通过分区车速引导消除冲突。Duy 等［5］通过深度强化学习在无信号交叉口建立自动驾驶汽车模型与人驾驶汽车进行对比实验，结果表明完全自动驾驶车辆平均速度比人驾驶车辆高1.38倍，其性能优于人驾驶车辆。Bouderba 等［6］提出结合博弈论的元胞自动机模型来研究无信号交叉口冲突问题，发现驾驶员在无信号交叉口采取的决策与碰撞发生有内在联系，且交通流通行能力极大取决于驾驶员通过交叉口时采取的决策。Jeong等［7］利用有序逻辑统计法分析乡村无信号十字路口事故原因，结果表明四条路十字路口撞车事故比T 型十字路口多1.53倍，且大多数碰撞事故因驾驶员疏忽及不遵守交通规则造成。针对上述文献中利用传感器进行事故预警存在成本高、易受外界因素干扰、预警准确率低和未考虑普通车辆在紧急状况下该如何行车来避免事故的特点，文中提出基于车路协同技术的紧急车辆通过无控十字路口行车方案，利用计算机仿真技术在Veins（vehicles in network simulation）双向耦合车路协同仿真平台上来验证方案的有效性。文中主要关注避免首次事故的发生，暂不考虑二次事故［8］对后续正常行车的影响。

1 无控十字路口紧急车辆行车方案

文中交叉口路口类型为平面十字形交叉口，车辆直行过程中速度比转弯更大，发生事故更严重，故紧急车辆和其他普通车辆均设为直行，为研究方便，不考虑转弯、掉头等影响。图1 为无控十字路口处由东往西直行车辆与由北往南行驶消防车发生碰撞示意图。导致事故发生的可能原因有驶入无控交叉口前东西向车辆驾驶员无法观察到侧向消防车，驾驶员驾驶较为激进没提前减速或消防车驶入交叉口速度过高等。

图1 无控十字路口内紧急车辆碰撞事故

1.1 基于车路协同的无控十字路口冲突判断场景

搭建基于车路协同的无控十字路口事故预警场景如图2 所示。场景中十字路口中心处布置有路侧设施（roadside unit，RSU）和车辆均配备车载设备（onboard unit，OBU），RSU 与OBU 之间通信基于IEEE802.11p 的专用短程通信技术（dedicated short range communications，DSRC）。DSRC 的CH178 号信道为传输控制和安全相关信息的专用信道，设定OBU 与RSU 在DSRC 的178 号信道上进行数据传输。车辆进入RSU 通信范围后与其建立通信连接。紧急车辆与其侧向车辆是否有极大概率碰撞的判断过程如下：1）靠近路口车辆OBU 实时不间断监测行车运动参数，对车辆速度、位置等信息采集后将数据打包发送至路口中心RSU；2）RSU接收紧急车辆和东西向普通车辆位置信息后计算出紧急车辆与东西向车辆轨迹的交叉点即冲突点的位置信息，并将冲突点位置信息实时广播至通信范围内其他车辆；3）紧急车辆接收到RSU 广播的冲突点位置信息后，解析计算出到达冲突点的时间，并将数据包发送至RSU；4）RSU接收到紧急车辆数据包后，广播发送数据包至通信范围内其他普通车辆；5）其他车辆OBU 在收到RSU 广播数据包后进行解析，分析对比自身位置速度等信息后，判断是否有极大概率与直行紧急车辆在交叉口内碰撞；6）当普通车辆OBU判断出与紧急车辆有极大概率碰撞时，及时采取减速措施避撞，并确保紧急车辆顺利通过路口。

图2 基于车路协同的无控十字路口冲突判断场景

1.2 通信协议简介

紧急车辆到达冲突点时间数据报包含TA和TB，RSU 广播冲突点位置信息数据报包含CA和CB，TA和TB分别表示紧急车辆以当前速度行驶到达冲突点A和B所需的时间，大小均为8 byte；CA和CB表示RSU综合紧急车辆与东西向车辆行驶轨迹计算得到的冲突点A和B的位置信息，大小均为8 byte。数据封装后，进行信道设置和优先级设置后数据包广播发送，并面向通信范围内所有节点，无确定的目的节点，无确认机制。

1.3 冲突判定方法

车辆OBU根据位置坐标解析计算得到与RSU距离，通过此距离变化趋势来判断车辆是否靠近十字路口。冲突点为紧急车辆行驶轨迹与普通车辆行驶轨迹在十字路口内的交叉点。如图3所示，冲突点A 为由北往南行驶紧急车辆与由东往西行驶车辆A 在路口中的交叉点，同理，冲突点B 为由北往南行驶紧急车辆与由西往东行驶车辆B 在路口中的交叉点；假设此时紧急车辆正以速度V0靠近路口，其OBU 计算与冲突点A 的距离DE1、与冲突点B 的距离DE2；假设车辆A 和B 此时也正分别以速度VA和速度VB靠近路口，同时车辆A、B 的OBU计算出车辆A与冲突点A的距离DA、车辆B与冲突点B 的距离DB。紧急车辆与车辆A、B 是否碰撞的判断过程如下：1）紧急车辆OBU 分别计算出到达冲突点A、B的时间TA和TB：

2）普通车辆A 和B 的OBU 分别计算出各自车辆到达冲突点A、B的时间TA1、TB1：

3）普通车辆A、B的OBU收到RSU广播紧急车辆数据包后解析出TA、TB，以时距差PET（post-encroach⁃ment time）不大于阈值作为冲突判断条件［9］（文献［9］中设置阈值为8），由此计算PETA、PETB：

图3 紧急车辆与普通车辆碰撞关系

4）若PET 小于阈值，说明车辆与紧急车辆在冲突点有极大概率碰撞，则车辆采取减速操作。

1.4 紧急状况下车辆行车方案

当紧急车辆与普通车辆有极大概率冲突时，文中称此场景为紧急状况。紧急状况下无控十字路口处车辆行车场景如图4所示，假设此时由北向南行驶的紧急车辆在驶入路口后有极大概率与东西向车辆A、B 产生冲突。驶入路口方向普通车辆收到RSU广播的紧急车辆数据包后解析计算是否会与紧急车辆冲突，当满足冲突条件时，普通车辆根据自身位置、行驶方向及时调整驾驶行为避免冲突。紧急状况下路口处车辆行车方案如下：1）由于驶入路口有极大概率与紧急车辆产生冲突，则车辆A、B需进行减速操作来避免冲突，即紧急车辆到达冲突点前，车辆A、B速度经8 s左右减小至0 m·s-1；2）位于路段E2、S2、W2 上的车辆此时均在远离路口，保持正常行车即可。为方便研究，设置路段S1上无车辆行驶，因为位于路段S1 上的普通车辆严格按照道路行驶不干扰由北往南行驶紧急车辆正常行车且不产生冲突。

图4 紧急状况下行车场景

2 普通车驾驶员模型及紧急车辆警报效果模拟

为了与应用车路协同技术后的紧急车辆行车方案作对比参照实验，针对未应用方案时的普通车辆分别设计了激进型驾驶员行车模型和保守型驾驶员行车模型。

2.1 驾驶员行车模型

激进型驾驶员驾驶的普通车辆称为激进型车辆，在即将驶入无控十字路口前驾驶员不观察侧方来车，没有采取减速操作，并以当前车速通过路口，则此时事故率较高。

保守型驾驶员驾驶的普通车辆称为保守型车辆，在驶入无控十字路口前，驾驶员事先观察侧方来车并提前采取减速措施避免与侧向来车碰撞，观察侧向来车的视野距离设为80 m，行车速度在8 s左右减小至0 m·s⁻¹，等待侧方无来车后开始恢复正常车速。

2.2 紧急车辆警灯及警笛声效果

单独设置实验组，模拟紧急车辆在驶入无控交叉口的过程中具有警笛声、警灯的警告效果。紧急车具备警报效果时，普通车驾驶员减速方法如下：

式中：P为驾驶员减速程度系数，P值越大表示驾驶员减速程度越高；S为紧急车与普通车的距离；k为定值。当普通车与紧急车均为驶入路口方向时，S逐渐减小，P 值逐渐增大，驾驶员将根据P 值的改变采取不同的减速策略。

受紧急车辆警报物理信息效果的影响，普通车辆在驶入无控路口过程中将更易提前发现紧急车辆，能够获取到紧急车辆警报效果的保守型驾驶员可观察到紧急车辆时视野距离设为100 m，能够获取到紧急车辆警报效果的激进型驾驶员观察到紧急车辆时视野距离设为50 m，获取到紧急车辆报警效果后将按式（4）方法减速。

3 行车方案仿真分析

3.1 Veins双向耦合车联网仿真平台

交通仿真软件SUMO 已实现车辆动力学模型并自带车辆跟驰模型［10］，能模拟交通场景下不同车辆运动模式。目前网络仿真和交通仿真的发展较完善，但仍互相独立。双向耦合的思想首次由Sommer等人［11］提出并实现。文中通过网络仿真器OMNeT++和交通仿真器SUMO 构建的双向耦合车联网仿真平台Veins 进行研究。Veins 中应用层可对车联网环境下车辆编队行驶、路径规划、信号灯调控等方面展开仿真研究［12］，不仅能评估交通场景下车辆间通信协议，还能研究车辆间通信对交通性能的影响［13］。Veins中自带建筑物遮挡造成信号衰减的阴影模型。操作系统及软件版本为ubuntu linux 16.04、OMNeT++ 5.5.1、Veins 5.0、SU⁃MO 1.2.0。

3.2 仿真参数设置

场景中OBU、RSU 基于IEEE802.11p 的DSRC技术进行通信。OMNeT++中的Veins 模块已完成对IEEE802.11p 底层通信模型的构建，实现了DSRC 通信技术的模拟，MAC 层采用IEEE1609.4，物理层采用IEEE802.11p，具体仿真参数见表1。交通仿真道路场景中十字路口4个方向上路段长度为1000 m，单向车道数为2，道路限速为60 km·h⁻¹，只考虑直行车辆间冲突，设定道路仅可直行。方案仿真配置如下：单次仿真实验中，仿真时间设为500 s，紧急车辆为10辆，以一定时间间隔由北向南通过无控十字路口，普通车辆共400 辆，分别以由东向西、由西向东方向和一定时间间隔到达路口，考虑到实际交通环境下既有激进型驾驶员也有保守型驾驶员，设定普通车辆驾驶员中激进型占20%，剩余为保守型。表2为单次仿真中具体的交通场景仿真参数设置。设置PET阈值为8，紧急车辆为消防车。SUMO 中车辆运动模型为Krauss 跟驰模型的修改版［14］，让车辆在保持安全性的同时尽可能快地行驶，通过在前车及后车的最大加速度范围内制动来确保安全。同时在SUMO 中设置车辆碰撞后仍可继续移动，发生碰撞后将在控制台显示车辆碰撞信息。

表1 网络仿真参数设置

表2 交通仿真参数设置

3.3 仿真结果分析

通过分析方案实施前后、紧急车辆通过路口时间、停车次数及事故率的变化来验证方案有效性。3 组实验中紧急车辆不具备警报效果时在应用方案前后碰撞次数及事故如表3 所示。当未应用方案时，3组实验共发生碰撞11起，事故率为36.7%；应用方案后3 组实验共发生碰撞1 起，事故率为3.3%。结果表明，在采取文中方案后可有效降低紧急车辆在无控十字路口内的事故率。模拟紧急车辆具备警报效果时在应用方案前后的碰撞次数及事故率如表4 所示。设置激进型及保守型驾驶员中均有20%无法获取到紧急车辆的警笛声及警灯物理信息。由表3～4 可以看出：未应用方案时，紧急车辆具备警报效果时事故率降低了10%。应用方案后发生事故的原因为普通车辆在接收到紧急车辆信息并判断存在冲突后，在减速制动过程中无法立即停止，因惯性继续行驶到路口当中才完全停止，与高速行驶的紧急车辆发生侧向碰撞。图5为未应用方案时在SUMO 中仿真场景。图5a 中东西向车辆正通过无控十字路口，此时紧急车辆驶入路口有可能与东西向普通车辆发生碰撞；图5b 中紧急车辆驶入路口中后与东西向激进型车辆发生侧向碰撞。图6 为应用方案后在SUMO 中仿真场景。图6a 中由于应用了方案，紧急车辆在驶入路口前发布自身行车信息，东西向车辆在距路口较远时收到信息提前采取减速操作没继续驶入路口，避免了事故；图6b中由于东西向车辆及时减速，紧急车辆正安全通过路口；图6c 中紧急车辆安全通过无控十字路口驶离路口场景。表5 为应用方案前后紧急车辆通过无控路口的仿真数据。根据仿真结果可看出应用方案后，紧急车辆通过路口的平均时间降低了64.3%以上，有效提高了紧急车辆在无控十字路口处的通行效率。

表3 紧急车辆不具备警报效果时的仿真结果

表4 紧急车辆具备报警效果时的仿真结果

图5 未应用方案时SUMO-GUI仿真结果

图6 应用方案后SUMO-GUI仿真结果

未应用方案时记录的部分驶入路口车辆速度变化如图7a 所示，可以看出激进型车辆一直保持最大速度行驶无减速过程；图7b 为应用方案后记录的部分驶入路口车辆速度变化图，可看到在仿真第56 s左右即将驶入路口的车辆1和车辆2在收到信息后减速至0 m·s⁻¹，随后速度恢复正常。

表5 紧急车辆通过路口的仿真数据

图7 部分驶入路口车辆速度变化图

4 结论

文中提出面向无控十字路口的紧急车辆行车方案，在Veins 车联网仿真平台完成车路协同场景的搭建，仿真结果验证了所提方案的有效性。未来工作中将关注首次碰撞事故发生后，其他普通车辆采取何种行车策略来避免二次事故的发生，同时设计二次事故发生后无控交叉口内其他车辆行车方案，以进一步完善整个行车方案体系。