车路协同交叉口应用综述

张瑞士， 魏中华

(北京工业大学 北京市交通工程重点实验室， 北京 100124)

1 车路协同系统

车路协同系统(Cooperation Vehicle-Infrastructure System，CVIS)是[1]采用无线通信和互联网等技术实时获取车路状态信息，实现车车、车路信息的动态交互，达到车辆和基础设施协同配合的效果，从而提高道路系统安全性、缓解交通拥堵. 美国于2004年开始车路协同系统的研究，2011美国交通部进行车辆间信息交互、安全行驶等车路协同功能的演示，标志着车路协同技术逐渐走向成熟；日本主要进行了先进安全车辆(Advanced Safety Vehicle，ASV)和智能型公路系统(Advanced cruise-assisted Highway System AHS)的研究，建立了以专用短程通信DSRC(Dedicated Short Range Communications，DSRC)为主的多模车路通信；欧洲车路协同发展的思想为尽可能兼容已有的通信模式，研究的重点项目有智能安全道路(COOPERS)、智能安全车路系统(SAFESPOT)、车路协同系统(CVIS)；我国在“十五”期间确定了智能公路系统发展指导思路，开始了车路协同相关的基础研究[1]. 交通运输部数字交通“十四五”发展规划[2]将更加侧重完善公路感知网、发展车路协同和自动驾驶，推进5G、LTE-V等通信设施与交通基础设施融合发展. 过去40余年，车路协同经历了5个发展阶段，前4个阶段主要是解决特定场景下人- 车、车- 路和车- 车之间的协同问题，随着通信技术的发展以及车辆向网联车辆演变，车路协同迎来新的发展阶段：基于V2X(Vehicle to everything)的智能车路协同系统，V2X[3]将“人、车、路、云”有机地联系在一起，有助于构建智慧交通体系，使交通变得安全、环保、高效. 如图1所示.

图1 车路协同系统

1.1 车载单元

车载单元(On Board Unit，OBU)可获取车辆的速度、加速度和行驶方向等数据，感知车辆周围环境，进行车辆间信息传输[4].

1.2 路侧单元

路侧单元(Roadside Unit，RSU)主要由通信单元、边缘计算节点、电源及机箱组成，能与OBU、监控设施、系统平台等进行通信和多源数据访问(如交通流数据、道路几何特性等)，具有本地化边缘计算、策略组织处理和发布功能[5].

1.3 无线通信

CVIS对通信的延迟和可靠性有严格的要求，目前，CVIS的通信方式主要有专用短程通信DSRC和基于蜂窝网络的车用无线通信技术(Cellular Vehicle to Everything，C-V2X). DSRC基于IEEE802.11p标准支持车辆无线接入，实现车辆与RSU通信；C-V2X提供Uu接口(蜂窝通信接口)和PC5接口(直连接通信接口)，可在有蜂窝网络和无蜂窝网络场景下工作，能进行车与车(Vehicle to Vehicle，V2V)、车与路(Vehicle to infrastructure，V2I)、车与人(Vehicle to Pedestrian，V2P)、车与网络之间(Vehicle to Network，V2N)的信息交换，相对于DSRC，C-V2X具有延迟低，覆盖范围大、带宽大、可迭代升级的特点[6]. 我国ETC主要依托于DSRC技术，交通部路网中心数据显示[6]：截至2021年3月，车端ETC用户达2.26亿，拥有广泛的用户基础，因此基于DSRC的车路协同短期内就能见到效果；而基于C-V2X技术的车路协同则需要更大的投入.

2 车路协同在交叉口的应用

传统的道路交叉口研究已有许多成熟的理论，但仍有一些局限性：都会产生不必要的停车和延误. 将传统交叉口控制理论与车路协同环境相结合成为新的研究方向.

2.1 车辆诱导策略

车路协同技术的应用使车辆与交通控制中心实时交换信息，从而交通控制中心可根据当前交通状况向车辆传送引导策略，包括车速引导、车辆换道引导以及车辆跟驰等，实现交通主动管理.

范明星[7]基于车路协同技术设计了智能路口诱导系统，决策中心根据获取的交通状态信息进行冲突分析，对存在冲突的车辆进行速度引导，保证车辆安全有序通过交叉口. 安树科等[8]提出车路协同系统下3种信号交叉口速度引导策略：①车辆处于速度引导区间且能在绿灯时间结束之前通过，引导其快速通过；②车辆以最低限速行驶仍会停车，则引导其减速至下一绿灯开始通过交叉口；③车辆无法在本周期通行且规划路径满足路段最低限速，引导其不停车通过交叉口；从而减少了交叉口停车次数. 刘欢等[9]基于车路协同系统对被引导车辆及后续车辆的速度和位置进行分析，设计了车辆匀速通过、加速通过、减速通过和跟驰通过4种引导策略，最后利用微观交通仿真软件VISSIM和MOVES排放模型进行仿真，结果表明：该速度引导策略能显著提升车辆通行效率、降低延误、减少排放. 唐嘉佳等[10]研究车路协同环境下交叉口应急车辆优先通行的策略，提出绿灯或红灯相位下应急车辆优先请求通过交叉口的车速引导和信号优先协同优化模型，并使用VISSIM软件以及应急车辆仿真平台进行仿真，结果表明：在使用车速引导和信号协同优化模型的情况下，应急车辆平均行程时间分别提高38%、18%，平均车速分别提高26%、13%. 崔洪军等[11]将车辆协同环境下的交叉口引导策略分为：正常通过、提前加速通过、提前减速通过、提前减速停车4种情况，并基于4种诱导策略提出正常跟驰模式、定速巡航模式、加速跟驰模式和启动模式4种自适应巡航车辆控制模式(Adaptive Cruise Control，ACC). 李佳澎[12]基于资源调度思想将无信号交叉口车辆通行问题转化为路权资源调度问题，建立赋时Petri网无信号交叉口控制模型，利用车路协同技术实时引导车辆通过交叉口. 徐丽萍[13]根据交叉口车辆可能面临的交通状况划分8种车辆引导场景，并提出4种速度引导模型，仿真结果表明：车辆行程时间减少18.9%、延误减少60.8%，最大排队长度减少58.8%. 车辆与路侧设施的通信技术可取代可变信息标志，Sun等[14]提出了一种基于车路协同系统下的可变限速模型. 通过引入车辆模型，记录车辆在每条车道上的速度和位置，以较高的质量描述交通实体，提升交通效率、防止交通阻塞. Xie等[15]提出一个智能车载决策支持系统(Smart In-Vehicle Decision Support System，SIV-DSS)，该系统以V2I通信技术为支持，集成和利用来自车辆和交叉口的信息，通过系统仿真实验表明：该系统不仅大大降低闯红灯概率来保证交通安全，还显著减少不必要的路口停车来提高通行能力. 孙生豪[16]提出基于车路协同框架的交叉口车速诱导模型和车辆通行决策模型，减少了信号相位末期车辆急减速、急加速的次数，降低延误. 车辆在交叉口进口道区域进行换道影响交叉口通行效率，王涛等[17]通过调查分析交叉口驾驶员换道行为，建立车路协同条件下信号交叉口换道引导模型，提高车辆协同换道的能力和换道的稳定性. Zhang等[18]提出了基于车路协同技术的多变量动态交通控制模型(Multivariable Active Traffic Control Model，ACTM)，该模型将传统二维变量扩充为五维变量(速度、车道控制、排队长度、相位、绿灯时间)；针对此模型作者提出一种D-双层优化方法：第1层结合了车速控制与动态相位控制；第2层则融合了车道控制与动态相位控制，结果表明该方法比传统方法更灵活高效. 陈燎等[19]将车路协同技术下自适应巡航控制车辆运行模式分为稳定跟驰模式、先减速后提速模式、先减速停车后起步模式，提出交叉口灯态互联模型，有效提升交叉口通行效率.

车路协同技术的应用使交叉口交通管理由被动转为主动，通过考虑车路协同环境对传统交叉口车辆速度引导模型、车辆跟驰模型、车辆换道模型进行改进，交叉口管理效率显著提升. 但驾驶员服从车辆引导策略的比例以及车辆引导区间对车路协同环境下交叉口管理效率有重要影响，需要进一步研究.

2.2 信号优化

交叉口信号控制是影响延误和交叉口通行能力的关键因素. 在传统信号控制策略下，交叉口在每一绿灯相位开始时段、中间时段和末尾时段都会产生通行效率降低的情况[20]. 车路协同技术为信号交叉口信号优化提供了新途径. 梁猛[21]针对传统交叉口控制系统的不足之处，界定车路协同环境下信号交叉口的功能区，假设交叉口控制区域车辆服从控制中心，车- 车、车- 路信息交互无延迟，根据各进口道车流量进行渠化设计和配时设计，研究表明该方法相较传统方法交叉口平均延误降低57%，平均排队长度降低62%. Wang等[22]建立协同多代理信号灯组强化学习模型，该模型包含基于车路协同的3层通信结构：底层通过车路通信技术实时与RSU交换车辆身份、速度和位置；第2层RSU汇总通信范围内车辆信息；第1层，MEC(Mobile Edge Computing)通过无线或有限连接与RSU通信，计算全局数据，从而实现大规模路网交叉口信号控制. Liu等[23]提出了一种新的基于减少排队等待时间思想的信号配时算法，然后在VISSIM平台上对算法进行了仿真，仿真结果表明：该模型能显著减少车辆的行驶时间，提高交通效率. 焦钰博[24]利用车路协同技术获取交叉口每条进口车道距离停止线一定距离的所有目标车辆的位置、路径和速度等数据，提出基于优化模型的微观模拟算法，该算法能更准确地描述短时间内交通运行状况，最后通过搭建交叉口车路协同仿真平台以及VISSIM交通仿真软件二次开发对实际交叉口进行仿真，结果表明：文中提出的基于优化模型的微观模拟算法可在保证特殊车辆优先通行的情况下提高交叉口通行能力并且降低延误. Yao等[25]提出了一种基于横断面车路协同环境下的孤立交叉口动态预测交通信号控制框架，该框架具有预测车辆到达并实时优化交通信号的能力，通过实例分析该框架可将平均延误和排队长度分别减少33%、35%.

干线协调控制对交叉口间距要求较高，实际路网交叉口间距长短不一，影响干线协调控制的效果，针对此问题，金宇[26]提出车路协同环境下干线协调相位差优化模型和信号控制参数优化模型. 柴琳果等[27]提出一种车联网环境下干线协调相位模糊控制模型，通过仿真车流大幅震荡和随机波动场景，干线交叉口车辆平均等待时间分别降低了12.35%、9.7%. Zhou等[28]从通行能力角度分析了智能车路协同系统下交叉口群实时双向车道的运行特性，并设计信号相位相序和绿波带，实例应用结果表明：停车次数减少9.5%、车速提升5.3%. Yu等[29]提出网联自动驾驶车辆与普通车辆混行环境下耦合车辆信号控制方法优化交叉口信号配时和车辆行驶轨迹，研究表明：当网联车辆占比大于40%时，该模型可节省6%～14%的燃油消耗且车辆平均速度提高1%～5%.

针对传统自适应信号控制系统鲁棒性差的问题，姚志洪[30]等建立了一种以交叉口平均车辆延误最小为目标的车路协同环境下交叉口自适应实时控制优化模型，并用遗传算法进行求解，通过仿真表明车辆平均延误减少30%. Gao等[31]提出基于车路协同技术收集交叉口交通信息的单向干道的信号协调控制方法，信号交叉口采用自适应协调控制，根据排队车辆的数量实时调整绿灯时间，VISSIM仿真结果表明：该方法有效减少主干道车辆平均延误. 王媛青[32]考虑车速引导与交叉口信号配时相协调，建立车路协同交通信号动态配时模型，为单交叉口动态配时和多交叉口协调动态配时提供计算方法. 高志波[33]改进传统的MultiBand模型，同时基于交叉口清空可靠性理论建立分级协调控制框架，提出车路协同环境下动态速度引导动态信号配时(Dynamic Speed Guidance Dynamic Signal Timing，DSDS)控制模型.

通过车路协同技术可获取多维交通数据，改善了传统信号交叉口基于单一、实时性不高的数据设计交叉口信号相位的情况[1]. 目前以微观交通仿真软件VISSIM和车路协同系统仿真平台相结合的测试方式是验证车路协同环境下交叉口信号控制方法效果的主要方法，最大程度还原车路协同环境下车流状态、通信环境、交通环境，为真实车路协同交叉口场景仿真提供技术支撑.

2.3 交叉口冲突避免

交叉口是道路交通事故的频发地点，研究表明[34]驾驶员是道路交通事故的主要原因，车路协同技术能更全面地感知行车环境，识别多种情况下车辆碰撞风险，是交叉口安全驾驶的重要保障. Bento L C等[35]提出了一种基于V2V、V2I通信技术的智能交通管理系统，为交叉口车辆提供无碰撞路径. Zohdy I H等[36]研究开发了一种优化自适应巡航系统(i Cooperative Adaptive Cruise Control，iCACC)，交叉口控制中心收到车辆请求后向每个车辆发出建议，确保没有碰撞发生，同时最小化交叉口延误，实验结果表明：iCACC系统显著降低了交叉口平均延误(90%)和油耗水平(45%). 孟振宇等[37]设计了车路协同环境下无信号交叉口紧急车辆和普通车辆碰撞判定方法及规避措施，仿真结果表明：无信号交叉口紧急车辆事故率由36.7%降至3.3%. Colombo A等[38]通过建立车辆运动学模型和优化车路协同通信，使车辆能自动响应交叉口冲突警告. Fu等[39]提出车路协同下交叉口冲突预警算法，该算法基于车载传感器、雷达等获取车辆信息、信号灯状态以及道路条件等数据，建立动态贝叶斯模型评估车辆状态，识别潜在的碰撞风险，并制定相应的规避策略.

无线通信对车辆碰撞预警有重要影响[40]，保障车- 车、车- 路间通信连接的效率是潜在的研究方向. 随着5G通信的普及，车路协同系统通信效率将进一步提高[41].

2.4 交叉口生态驾驶

生态驾驶[42]是改善交通对环境负面影响和实现节能的主流现代策略之一，近年来，不同研究团队提出各种方法实现交叉口附近车辆生态驾驶. Wang等[43]针对信号走廊提出一种协同生态驾驶系统，研究路网网联自动驾驶车辆比例对交通效率的影响，结果表明随着网联自动驾驶车辆比例增加，车辆的能耗和排放都有所降低，当网联自动驾驶车辆占比为100%时，车辆能耗降低7%，排放降低59%. Yang 等[44]基于车路协同理论，提出一种包括初始策略判断、速度预测、曲线拟合与积分的生态驾驶策略，使交叉口车辆速度更稳定，停车等待时间减少且能耗降低5.56%. 借助车路协同技术获取信号交叉口信号灯的位置和信号配时，Lin等[45]建立了一种信号交叉口生态驾驶模型，并基于生态驾驶模型提出车辆路径优化算法，减少交叉口车辆等待时间和车辆排放. Fang等[46]提出了一种基于三角函数模型的网联车辆与普通车辆混行的车辆轨迹规划方法，MATLAB仿真结果表明：在网联车辆占比为50%的情况下，该方法可使燃油消耗和NOx、HC、CO2和CO浓度分别降低17%、22.8%、17.8%、17%和16.9%.

由于当前实际道路上网联车辆比例很少，而大部分研究假设网联车辆比例为100%，或者通过仿真平台模拟不同比例情况下生态驾驶策略的有效性，模型是否能实际应用需要搭建真实测试场景进一步验证.

3 车路协同交叉口应用的问题及趋势

车路协同技术能实时获取车辆状态信息、交通环境以及交叉口信号相位等多维数据，弥补以往数据单一、滞后的缺陷，目前车路协同在交叉口的应用主要集中在车辆引导策略、信号优化、交叉口冲突避免、交叉口生态驾驶4个方面. 通过对传统车辆速度引导模型、车辆换道模型、车辆跟驰模型、交叉口信号控制方法、车辆冲突算法以及生态驾驶策略等进行改进，有效地提高了交叉口的通行能力、降低延误、减少停车次数、降低污染排放.

但基于车路协同技术的交叉口研究受限于设备成本以及道路安全性问题只停留在仿真验证阶段，在车路协同环境下，驾驶员的驾驶行为需要进一步研究. 此外，现有通信技术无法满足所有车路协同应用场景需求，随着5G通信技术的商业应用，车路协同技术的发展也会有所突破.