混合交通下智能网联车借道公交专用车道控制

庞明宝，柴紫欣，巩丹阳

(河北工业大学，土木与交通学院，天津300401)

0 引言

设置公交专用车道是城市公交优先的基本措施之一[1]，但很多专用车道设置在老城区等，道路车道数有限，通勤时段需求较大，使得这些时段呈现“专用道无或较少公交车，其他车道大面积排队”现象。虽然很多学者提出动态或间歇式公交专用车道管控方法[2]，以提高其使用效率，但由于技术手段等原因，实施难度大且效率提升有限。

智能网联车(Connected and Automated Vehicles,CAVs)通过自动驾驶、网联等技术手段和合作方式，在提高安全性的同时提升道路通行能力。针对公交优先问题[3-4]，集中于两个方面研究：一是利用时分复用思想虚拟公交专用道[3]，通过预测公交到达路口能否顺利通过实时调整交叉口信号配时实现公交优先的自适应控制；二是网联下间歇式公交专用道的优化控制问题[4]。这些为全联网环境，车辆均可通过控制予以实现。但CAVs 发展有一个过程，人工车辆(Human Vehicles,HVs)和CAVs 混行在未来较长时间是道路交通的基本特点，而已有集中于混行下设置CAVs 或自动驾驶车专用道和不设置控制研究[5]，较少涉及公交专用车道。

针对混行下公交专用车道研究：赵鑫[6]研究“联网车和公交车都可在公交专用道行驶”下的设置问题，若联网车后方在规定距离内出现公交车，必须换至其他车道；Michael[7]针对公交道行驶车辆，提出一种继续行驶或需与普通车道车辆合作以尽快离开公交专用道的算法；Chen[8]等提出一个理论模型证明将自动驾驶车分配到快速公交专用道可增加道路通行能力，采用SUMO(Simulation of Urban Mobility)模拟比较不同分配策略。显然这些是“CAVs影响公交车前行时，尽可能离开公交道的规则”，不涉及CAVs进入公交专用道条件。这在交通需求较大的通勤时段可能因“非公交专用道较长排队且与HVs混行，不给和无法给拟回到一般车道的CAVs 让行”，使“专用道上CAVs”成为公交车向前的障碍，公交优先无法保障。

实际上，设置公交专用车道的目的就是要满足公交车的优先通行权，CAVs 虽允许借道但不能成为其在公交专用道上影响公交车行驶的障碍。基于此，本文从避免CAVs 借道后与公交车可能冲突的角度，提出以“借道后不会成为公交车行驶障碍的驶入公交道必要条件”的CAVs的借道控制策略，依据公交道控制预测模块设计进入和离开专用道规则并建立各计算模型，通过仿真实验予以验证。

1 借公交道控制策略和换道规则

1.1 借公交道策略

研究对象为两个信号交叉口间单向城市道路，行驶车辆包括公交车(也是智能网联车)、HVs 和CAVs，至少3个车道，最右为公交专用车道，供公交车和不妨碍公交优先下的CAVs 借道使用；其他为一般车道，供HVs 和CAVs 使用。所有车辆距下游交叉口LS1后均不允许换道，右转非公交车距下游交叉口小于LS2大于LS1(均非常小，且LS1＜LS2)间，若还在一般车道，则必须换至最右侧车道(该段右转车和公交车混合)，即使不满足换道条件也需强制换道。

从避免CAVs 借道时与公交车可能冲突的角度，允许其借公交道控制策略如图1所示。

图1 CAVs借道公交专用道控制策略Fig.1 Control strategy of CAVs driving on dedicated bus lane

(1)左转CAV，不允许借道公交道。

(2)直行CAV，或右转车(HV和CAV)距下游交叉口大于LS2，若不能同时满足“换到公交道安全(简称换道安全)”“换道动机”条件要求(1.2 节)，均不允许借道公交道。

(3)直行或右转CAV距下游交叉口大于LS2，同时满足“换道安全”“换道动机”条件要求，调用公交道控制模块(具体规则见第2节)。预测该CAV借道公交道的行驶过程为：①同时满足换回一般车道的“换道动机”“换道安全”条件，换回一般车道；②妨碍公交优先需换回一般车道时，不能满足“换道安全”条件，只能在公交道继续行驶；③其他，即在公交道行驶但不妨碍公交车行驶。

上述情景中②不允许借道公交道；①、③允许借道公交道，且①下回到一般车道后，再次是否借公交道需重新计算判断。

1.2 CAVs换到公交道动机和安全规则

(1)换道动机

式(1)表示当前车道行驶条件无法满足车辆行驶期望速度；式(2)表示旁边车道(公交道)行驶条件(即本车与公交道前车间距)，可以满足本车辆行驶期望速度；式(3)为换道收益判断，当大于换道收益阈值时才能换道。本文采用改进的最小化由换道引起的所有制动(Minimizing Overall Braking Induced by Lane Changes，MOBIL)模型作为CAV换道激励准则(动机)[9]。

(2)换道安全

式中：drb-n(t)为与公交道后车的车头间距；v(t)(b)为公交道后车速度；dsafe为前后车安全距离(间隙)要求。

式(4)表示换道时不会对旁边车道后车产生影响；式(5)表示满足换道安全间隙要求。

1.3 CAVs换回一般车道动机和安全规则

(1)不妨碍公交优先正常换道规则

①换道动机。同式(1)～式(3)，但由于一般车道存在CAV与HV混行，需依据换道过程期望跟随车类型调整参数。若为HV，计算usv时目标车辆礼让系数取1，表示目标车辆的换道在保证安全前提下，不会对期望跟随车辆行驶产生干涉。

②换道安全。同式(4)～式(5)，但此时是由公交专用车道换回一般车道。

(2)妨碍公交优先的必须换道规则

①换道动机。由第2 节的预测控制模块决定必须换道。

②换道安全。同式(4)～式(5)，其中换道过程期望跟随车类型为HV的dsafe大于为CAV的值。

2 公交道控制模块

控制流程如图2所示。

图2 公交专用道控制流程图Fig.2 Control flow chart of dedicated bus lane

(1)对行驶在公交道的CAV，检查前方是否有公交车。

式中：l为距下游交叉口距离；ti为当前时间；v为期望速度；vi、ai分别为速度、加速度。

若该公交车能不停车通过下游交叉口，即在允许通行的相位内所形成的区间队列内通过，该CAV继续在公交道行驶；否则，换回一般车道(按照1.3节要求，进入公交专用道的CAV 在妨碍公交优先时必须满足换回一般车道的换道安全要求)。

(3)若有，计算距离其最近的前面公交车抵达下游交叉口时间和相位。①若有公交停靠站且该公交车需停靠，计算驻留时间。②若公交车抵达下游交叉口时不停车通过(含不采取交叉口公交优先策略和实施绿灯延长红灯推迟等策略)[10]，则在允许通行的相位内与CAV构成区间队列；否则，转向③。③检查公交车和CAV 是否处于同一红灯。若是，则CAV 继续留在公交专用道；否则，驶出公交专用道。

(2)和(3)所述情景，为不妨碍公交优先。

3 模拟计算与结果分析

3.1 实验条件

以两个邻接信号灯控制交叉口间长500 m 单向4车道的城市道路为实验对象，具体如图3所示，其中，最外侧为公交专用道，交叉口信号灯不限制车辆右转，实验除标注外为没有公交停靠站情景。采用Vissim 为实验平台，其中，HVs 跟驰和换道采用Vissim内置widemann74模型，CAVs跟驰行为采用智能驾驶员模型(Intelligent Driver Model,IDM)。对比仿真数据，对模型进行校验和参数修正，路段通行能力c=1200 pcu·(h·lane)-1，自由流度v=60 km·h-1。

图3 实验场景示意图Fig.3 Schematic diagram of experimental scene

3.2 实验分析

取非公交车交通需求为0.2×4c-0.8×4c公交需求120 veh·h-1进行1800 s的仿真。同时，为消除随机性，所有图中显示结果均取20 次仿真的平均值。为对比实验效果，选取3种方案：方案1为不允许借道控制方法，方案2为基于清空距离的公交专用道控制方法[4]，方案3 为本文借道方法。其中方案2中清空距离，通过仿真优化确定为200 m。

图4为不同交通需求和右转车辆比例下3种方法公交车平均车速和平均延误对比；图5为不同交通需求和右转车辆比例下人均延误和车均延误对比，其中，图5(c)、(d)为在距下游交叉口350 m 处设置公交站结果，以与不设公交站，即图5(a)、(b)比较；图6 为“人均延误和车均延误随交通需求和右转比例组合变化”的箱线图；图7 为右转车辆占比10%和50%下公交专用道上CAVs 流量对比，其中CAVs 渗透率50%；图8 为低、中、高交通需求下不同渗透率的道路人均延误对比。

图4 公交运行效率指标对比图Fig.4 Comparison chart of bus operating efficiency index

图5 3种方案延误指标对比图Fig.5 Delay index comparison chart of three schemes

图6 3种方案延误指标箱线图Fig.6 Box plot of delay indicators using three schemes

由图4～图8可知：

图8 不同CAVs渗透率下人均延误对比图Fig.8 Comparison of delay per capita under different CAVS permeations

(1)本借道控制方法在保障公交优先的前提下道路运行效率最高。方案1 公交优先得到最大保证，公交速度最高、延误最低，但道路运行效率最低，这是因为不允许其他车辆借道使公交道的时空优势不能充分利用造成的；方案2 和方案3 的公交运行效率虽稍逊于方案1，但从图4～图6 中可以看出，这两种方案中路网人均延误及车均延误均大幅度下降，包括最大值、最小值、中位数等，其中人均延误(按照中位数，后同)相较于方案1 分别降低20%、56%，车均延误分别降低48%，67%。方案2虽有改进但不能实现优化，使得本文方法效果最佳。特别指出的是：有公交停靠站与无公交站比较，依然是本文方法最佳，方案2次之。

(2)高交通需求下本借道方法优势愈加明显，且随右转比例增大而提高。从图5 和图6 可以看到：低需求下，3 种方案间差距较小，人均延误差距低于20%；随着交通需求增加，差距逐渐增大；高需求下方案3 与方案2 相比，车均延误和人均延误分别减少40%和32%，与方案1 相比分别减少60%和65%。且从图5和图7可以看出，方案3控制效果随右转比例的增高而更优。这是因为更多的CAVs借道公交专用道所造成的，方案1公交道仅供公交车使用使道路资源造成巨大浪费；方案2虽然允许部分CAVs 驶入，但其设置的清空距离因不能保证优化目的，依然造成公交道资源的浪费(图7，公交专用道上方案2的流量显著低于方案3)，且在高需求下，非公交车“在妨碍公交优先必须离开公交道时”驶出困难，导致公交专用道控制策略失效；方案3通过避免CAVs 在交叉口排队控制对公交车的干扰，不必再设置清空距离，道路资源得以更充分利用，公交道流量变大，且交通需求越大越能充分体现其优势。

图7 不同右转比例下公交道流量对比图Fig.7 Comparison of traffic flow on bus lane under different right turn ratios

(3)高需求下CAVs渗透率在30%～40%时控制效果显著。从图8 的4 组对比数据可知，低需求(900 veh·h-1和1200 veh·h-1)下不同渗透率对人均延误影响并无规律；但人均延误随渗透率增加以稳定速度递减；高需求下渗透率30%时显著降低，40%后平缓降低。造成这一差异性的主要原因是低需求下为自由流状态，受渗透率、右转车辆比例等指标影响极小；中需求下，车速受限但流量未饱和，根据流速密基本图，借道公交专用道车辆越多，延误越小，使得借道数量随渗透率的变大而增加，人均延误与渗透率间呈现图中接近线性关系；高需求下受公交车道容量限制，可借道的数量在渗透率为40%时逐渐饱和，故30%～40%区段前后呈现非常明显的差别。

4 结论

本文得到主要结论如下。

(1)本文提出的借道控制方法实验结果表明：在保障公交优先的前提下，人均和车均延误降低都在56%以上，高需求下达到60%以上；CAVs渗透率为40%时道路运行效率提高逐渐饱和，需求高峰时段，道路空间利用效率得到利用，有较好的适用性。

(2)本文控制方法充分利用智慧交通公交道控制模块所具有的预测功能，在借道决策时避免“借道车辆成为公交优先障碍”的发生，与已有清空距离方法相比，人均和车均延误降低都在20%以上，在优化公交道剩余空间的同时提升交通管控精细化水平。

(3)本文方法综合利用CAVs间、与HVs合作换道模型的优势，通过MOBIL 模型计算出的换道收益判断激励决策，加入到借道控制过程的规则中，更加灵活地处理不同类型车辆间合作决策过程，满足实际使用要求。