车路协同技术在信号交叉口中的应用综述

徐陈群,张 琪,李 强,陈艳艳,张恒毅,陈 宁

[1.中路未来（北京）交通技术研究院有限公司,北京 100029; 2.北京工业大学北京市交通工程重点实验室,北京 100124;3.哈尔滨工业大学交通科学与工程学院,哈尔滨 150090]

0 引言

近年来，城市居民汽车保有量大幅增加，导致城市道路交通状况日益复杂，降低了车辆在交叉口的通行效率，导致交叉口交通拥堵和交通污染问题严重。车路协同技术包括车载单元技术、路侧单元技术、云控平台技术、车车通信技术和车辆与基础设施通信技术等。通过车载设备和路侧设备，基于无线通信技术，车路协同系统可以实现车辆与车辆之间、车辆与基础设施之间信息的实时交互，进而利用车载控制系统和云控平台实现车辆和车辆之间、车辆和基础设施之间的智能协同，达到优化利用系统资源、缓解道路交通拥堵、减少车辆尾气排放量的目的[1-2]。随着技术的不断成熟，车路协同技术正在由理想变为现实。研究人员越来越聚焦于利用车路协同技术解决信号交叉口交通拥堵和交通污染问题，车路协同技术在信号交叉口中的应用成为交通研究与应用的热点问题[3-6]。该文通过系统回顾车路协同技术在信号交叉口中的应用，客观评价这些方法的优缺点，以支持未来的研究。

1 车路协同技术在交叉口信号控制中的应用

车路协同技术的快速发展为交叉口信号控制的优化设计提供了新的可能。通过路端、云端设备与车端设备的交互，车路协同采用无线通信、传感探测、视频检测等手段，实现了对交叉口区域人、车、路信息的实时、精确和全面感知[7]。基于此，云控平台能够对交叉口交通信号进行更加精细化和智能化的配时，大大提高交叉口车辆的通行效率[8]。

Cai C等人[9]利用车路协同技术对交叉口信号控制进行了研究，将车辆速度和位置作为状态变量，构建了信号控制问题的状态空间。使用速度和位置作为状态变量的优点是可以避免实时预测车辆排队长度的困难。

Younes M等人[10]采用ITLC算法提出了一种主干道交通灯（ATL）控制算法。ITLC算法利用先进的车车、车辆与基础设施通信技术来收集信号交叉口所有交通流向的实时交通信息。当信号相位重置时，车道密度最大的流向对应的车辆将首先通过交叉口。ATL算法利用动脉因子（AFi）来设置每个红绿灯的相位序列。仿真结果表明，与传统的交通信号控制方案相比，ATL控制算法大幅提高了交叉口的车辆运行效率，使交叉口的平均车辆延误降低了10%。

为了让交叉口更加智能化，Wang G等人[11]提出了一种基于三级缓冲区（TLB）的虚拟交通灯（VTL）方案，称为TLB-VTL方案。基于车车通信技术和车辆与基础设施通信技术，该方案根据各车道的交通流量将交叉口划分为三个区域，并根据交叉口周围TLB的流量实时计算出信号相位时序。为了确保公平，每个流向的车辆通过交叉口的概率差被限制在较低的水平。此外，Wang G等人还提出了一种协同避碰预测控制（CCAP）算法。该算法通过预测冲突，生成整个路网的有效车辆调度方案，帮助车辆在不停车的情况下通过下一个交叉口。仿真结果表明，与传统信号控制算法相比，TLB-VTL算法大大降低了交叉口的平均车辆延误，有效缓解了交叉口的交通拥堵问题。CCAP算法可以使车辆在不产生停车和交通冲突的情况下通过下一个交叉口。

Hon F等人[12]开发了一个动态交通信号控制系统。此系统在交叉口附近架设基站（BS），由基站通过蜂窝、Wi-Fi、WiMax或DSRC与车载传感器和路侧传感器通信，实时检测交叉口附近的交通流量后，由云服务器根据每个流向的当前交通流量为其分配优先级，然后利用动态优化算法计算绿灯相位时间（GLPT），对交叉口的交通信号进行动态调节。仿真结果表明，同定时交通信号控制系统相比，该系统使交叉口的车辆排队长度和等待时间分别减少了68%和67%。

2 车路协同技术在交叉口车辆协同驾驶中的应用

随着自动驾驶技术的发展，智能车辆已经提高了它们在受控环境下高度甚至完全自动化行驶的能力。随着车路协同技术的发展，通过车辆与基础设施通信技术、传感探测技术和视频检测技术，云控平台可以获得周围车辆的速度、加速度、车辆间距等车辆信息以及路网交通信息。这使得云控平台根据交叉口区域的交通信息对智能车辆进行协同控制成为可能[14]。

He Q等人[13]提出了一种基于队列的方法，称为PAMSCOD，用于在通信环境下，针对多种车辆行驶模式，进行干线交通信号控制。首先，他们提出了一种基于车头时距的队列识别算法，对现有队列和接近交叉口的重要队列进行识别。其次，利用MILP方法，根据当前的交通控制器状态、在线排队数据和公交等特殊车辆的优先请求情况，确定最优信号控制方案。仿真结果表明，与传统的基于时间优化的感应信号控制相比，PAMSCOD在非饱和和过饱和交通条件下都能显著减少交叉口的平均车辆延误。

Hult R等人[14]采用有限时间约束最优控制方法，以交叉口局部费用之和为优化目标，对车路协同环境下自动驾驶车辆通过交叉口时的协同控制问题进行了研究。

Jiménez F等人[15]设计了一个用于信号交叉口的驾驶员辅助系统。该系统会在检测到交叉口存在冲突风险时警告驾驶员，并在必要时控制车辆。基于先进的感知技术、自动驾驶技术、车车通信技术以及车辆与基础设施通信技术，该系统构建了一个基于计算机视觉技术和激光扫描技术的传感器融合体系结构，可以实时检测障碍物并加以分类，识别潜在风险。如果驾驶员没有以正确的方式对待系统生成的警告，车辆会进行自主操作（速度控制或转向）以保证安全。

Li J等人[16]提出了一种新的交叉口车辆协调控制方法，以减少交叉口的平均车辆延误。首先，控制中心通过车辆与基础设施的通信接收车辆到达交叉口的时间范围。然后，基于遗传算法对车辆通过交叉口的序列进行优化，并分别发送到每辆车上。最后，车辆根据控制中心给定的顺序控制其速度。基于仿真手段，通过与其他交叉口车辆协调控制方法进行比较，证明了该方法的有效性。

针对车路协同技术在交叉口的应用中需要高精度的车辆定位的问题，Zhang T等人[17]提出了一种交叉口区域车辆行驶轨迹建模方法，对交叉口区域的车辆进行连续准确定位，以有利于自动驾驶车辆做出更好的驾驶决策，提高交叉口交通运行效率。

针对车路协同环境，David G等人[18]将车辆进出交叉口的驾驶过程分为驶入交叉口、交叉口内驾驶和驶出交叉口三个阶段，并生成参数方程以优化自动驾驶车辆在交叉口区域内的驾驶行为。

基于车路协同技术，Pw A等人[19]开发了一个同时优化网联车辆速度和交叉口信号配时方案的控制模型。通过对网联车辆的速度进行诱导，该模型可以将网联车辆编队行驶，以有效降低交叉口车辆停车等待时间。该模型同时优化了交叉口的定时信号配时方案。研究结果表明，与MAXBAND模型相比，该模型可以有效减少交叉口的平均车辆延误，提高交通运行效率。

Zhen Y等人[20]提出了一个车辆协同驾驶方案。基于车车通信和车辆与基础设施通信所获得的信息，控制中心生成交叉口最优信号配时方案。在生成每辆车详细轨迹的同时，控制中心可以为具有网联功能的车辆提供车辆轨迹诱导。研究结果表明，该方案可以有效降低车辆燃油消耗量。

在车路协同环境下，Yao Y等人[21]提出了一种车辆流向分组策略。基于车路协同技术，在车辆到达停止线前，根据流向对车辆进行分组，开发了基于滚动时间范围的排序策略，以实现不确定车辆到达情况下的实时协调。研究结果表明，所提出的策略能够有效改善交叉口交通运行效率，具有良好的鲁棒性。

3 车路协同技术在交叉口车辆生态驾驶中的应用

基于车路协同技术，云控平台能够根据实时、精确、全面的交通信息对交叉口交通信号进行更加精细化和智能化的配时，并对交叉口区域的智能车辆进行协同控制，大大提高了交叉口的运行效率，减少了交叉口的车辆延误和停车次数，进而降低了车辆尾气排放量。

为了提高车辆燃油效率，Yang H等人[22]提出了一种生态协同自适应巡航控制（eco-CACC）系统和一种基于eco-CACC系统的信号交叉口燃油最优车辆轨迹算法。仿真结果表明，与优化前相比，所提出的Eco-CACC系统可以节省40%左右的汽车燃油消耗量。

在车路协同环境下，Nunzio G D等人[23]提出了一种交叉口车辆生态驾驶算法。该算法利用有向加权图逼近车辆的最优路径，能够对最节能的车辆轨迹进行先验辨识，然后向驾驶员建议最佳车速，从而使车辆通过一系列交叉口时，信号灯始终保持绿灯，从而有效降低车辆能耗。将所提出的算法与动态规划算法提供的最优解进行比较，以验证其有效性。结果表明，该算法计算量小，鲁棒性强，易于应用。

在车路协同环境下，Jin Q等人[24]提出了一种最优车辆控制算法。在计算最大程度地降低车辆能耗的最优速度曲线时，该算法不仅考虑了车辆的自身特性（如发动机效率和变速器），还考虑了外部信息，包括道路等级、即将到来的交通信号灯的状态和周围车辆的行驶信息等。与传统车辆控制算法相比，该算法可通过向即将通过信号交叉口的车辆提供建议车速来降低车辆通过交叉口时的能耗。

为解决城市区域内通过两个相邻交叉口的网联自动驾驶车辆的协调控制问题，Zhang Y J等人[25]提出了一个分散最优控制框架。在最小化燃油消耗量和避免碰撞的前提下，该框架可以使每辆车都能以最优速度通过交叉口。通过对波士顿市中心两个交叉口的仿真实验，验证了该框架的有效性，研究结果表明车路协同环境下对车速的有效诱导可以显著降低燃油消耗量和车辆行程时间。

Liao, R等人[26]研究了车路协同技术对交叉口车辆尾气排放量的影响，研究发现随着网联车辆比例增高，车辆制动和怠速的频率越低，车辆尾气排放量显著下降。

Hu L等人[27]提出了一种基于车辆生态驾驶的信号交叉口车辆最优路径算法。基于车辆与基础设施通信技术，获得各路段车辆的平均速度和各交叉口的信号灯配时方案，据此向车辆推荐最优路径和通过交叉口时的最佳速度。寻优算法以车辆能耗最低为优化目标。测试结果表明，与传统车辆最优路径算法相比，该算法可有效降低交叉口区域的车辆能耗。

Wang Z等人[28]研究了车路协同环境下，网联自动驾驶车辆渗透率对交叉口车辆能耗的影响，研究结果表明，随着网联自动驾驶车辆渗透率提高，交叉口车辆能耗随之减少。

4 结语

该文综述了车路协同技术应用于信号交叉口的相关研究。研究的重点是如何提高交叉口交通运行效率，降低车辆能耗。车路协同技术的发展使得汽车不再是传统意义上的交通工具，赋予了其信息采集与交互平台的角色，借助于车路协同技术，交叉口的交通治理手段也越来越智能化。通过车载单元技术和路侧单元技术，车辆和路侧单元均可以采集到大量交通信息，通过车车通信和车辆与基础设施通信技术，可以实现车辆之间、车辆与基础设施之间的信息交互，通过对信息进行数据分析，基于优化目标（如最小化平均车辆延误、车辆能耗最低等），为车辆提供实时的速度和行驶轨迹建议，对智能车辆进行编队行驶，并对交叉口信号配时进行动态调整。车路协同技术正展现出其在信号交叉口应用中的广阔前景。未来，一是要借助5G通信技术，进一步提高通信精度，保证信息的实时交互；二是借助人工智能技术，打造“聪明的车”和“智慧的路”；三是从交通管理角度出发，优化交叉口渠化设计。