徐 彪,張 放,王建強,李克強

(清華大學，汽車安全與節(jié)能國家重點實驗室,北京 100084)

2016212

連續(xù)交叉路口通行輔助系統(tǒng)*

徐 彪,張 放,王建強,李克強

(清華大學，汽車安全與節(jié)能國家重點實驗室,北京 100084)

構建了一種基于專用短程通信的連續(xù)交叉路口通行輔助系統(tǒng)?；谶z傳算法和分支定界算法，提出了連續(xù)交叉路口的通行車速計算方法，搭建了連續(xù)交叉路口通行輔助系統(tǒng)的硬件平臺，最后進行了3個路口的實車試驗。結果表明，通行輔助系統(tǒng)可在不影響通行效率的前提下，減少車輛通過3個交叉路口的停車次數和車輛燃油消耗。

通行輔助系統(tǒng)；交叉路口；遺傳算法；專用短程通信

前言

美國每年汽車怠速過程中所消耗的汽油總量超過106×108L[1]，而汽車怠速的主要原因之一為交叉路口前遭遇紅燈停車。文獻[2]中對交叉路口的駕駛員在各種情況下的駕駛習慣進行了仿真試驗，發(fā)現在不能獲知交通燈信息的情況下，燃油消耗較高。隨著車載通信技術的發(fā)展，車輛獲取道路和交通信息成為可能，這將為駕駛員提供更好的輔助，以降低燃油消耗，提高車輛運行效率[3]。綠燈車速輔助系統(tǒng)能通過車聯網技術提前獲知交通信號燈相位信息，并實時優(yōu)化通行速度，可有效地減少燃油消耗。

國內外的學者對綠燈車速輔助系統(tǒng)的硬件和算法進行了研究。目前基于車聯網的車路通信平臺研究較多，這些車路通信平臺可實現交通信號獲取和車路通信等功能，如歐洲的SimTD[4]和ElisaTM[5]等。但目前通行算法研究較少?，F今的通行算法主要考慮單個交叉路口，以提高通行效率或降低油耗為目標，對通行車速進行優(yōu)化，可有效地實現經濟駕駛[6-10]。但這些研究僅著眼于單個路口，未對連續(xù)通過的多個交叉路口的通行車速進行全局優(yōu)化，而局部優(yōu)化不能得到全局的優(yōu)化結果，因此這些研究不能實現整體上的最優(yōu)。

本文中設計了一種連續(xù)交叉路口綠燈通行輔助系統(tǒng)，在城市交叉路口給出行駛速度提示，以提升燃油經濟性，保障通行效率。首先搭建交叉路口信號采集和車路通信的硬件平臺，建立了車輛在連續(xù)交叉路口通行模型和以減小總油耗為目標的優(yōu)化模型，并用遺傳算法和分支定界算法求解連續(xù)路口的最優(yōu)通行車速，最終通過實車試驗驗證了通行輔助系統(tǒng)的有效性。

1 系統(tǒng)硬件平臺搭建

1.1 系統(tǒng)硬件整體框架

連續(xù)交叉路口綠燈通行輔助系統(tǒng)的硬件系統(tǒng)由路側設備、車載設備與上位機和播報設備組成。路側設備包含用于測量路口位置和提供差分數據的GPS、用于采集交通信號燈相位和正時信息的交通信號采集裝置以及用于收集與傳輸GPS和信號燈信號的DSRC設備。車載設備包含用于測量車輛實時位置和行駛方向信息的GPS、用于提供車輛速度和油耗等信息的CAN總線以及接收自車信息和信號燈信息的車載DSRC設備。上位機安裝在車輛上，基于車載DSRC設備提供的信息計算出車輛在路口保證安全、通行效率和燃油經濟性的通行速度。系統(tǒng)硬件整體框架如圖1所示。

1.2 路側硬件系統(tǒng)框架

路側硬件系統(tǒng)包含3個交叉路口的硬件設備。

圖1 連續(xù)交叉路口通行車速輔助系統(tǒng)框架圖

每個路口的硬件設備包含交通信號控制器、交通信號采集器、DSRC設備和GPS。每個路口的位置信息、交通燈信號等信息由DSRC設備采集。DSRC設備采集信息后，通過網線連接，傳輸和共享數據，保證車輛收到任意1個路口DSRC設備信號時，可以獲得3個交叉路口的所有信息。路側硬件的框架如圖2所示。

圖2 路側硬件框架

1.3 車載硬件系統(tǒng)框架

車載硬件主要功能為車輛定位、接收路側信號信息和建議車速的計算與提示，其框架如圖3所示。

圖3 車載硬件系統(tǒng)框架

2 交叉路口車輛通行模型與算法

2.1 通行算法目標

通行算法需要計算車輛通過連續(xù)交叉路口的通行速度，它在不考慮其余車輛的條件下，保證通行效率和通行燃油經濟性。

提高通行效率要求車輛盡可能快地通過交叉路口，盡量減少車輛在交叉路口等待綠燈放行的工況。通行燃油經濟性主要是降低車輛通過連續(xù)交叉路口的燃油消耗，可通過減少車輛怠速停車與起步工況和頻繁加速與減速工況來實現。

通行算法的首要目標是保證通行效率，在保證通行效率的前提下對燃油消耗率進行優(yōu)化。

2.2 基于遺傳算法的建議車速計算方法

2.2.1 車輛通行模型

根據車輛在交叉路口的運動情況建立簡化的車輛運動學模型。假設：

(1) 交通暢通，其余車輛不對自車的正常行駛產生影響；

(2) 車輛的加減速過程為勻加速直線運動；

(3) 車輛從初速度以恒定的加速度(或減速度)加速(減速)到目標車速后，以目標車速勻速行駛；

(4) 車輛在通過停止線前勻加速到目標車速，然后以目標車速勻速通過停止線。

因此，車輛通過連續(xù)3個交叉路口的運動過程可以簡化為加速段1-勻速段1-加速段2-勻速段2-加速段3-勻速段3，共6個階段，如圖4所示。

圖4 車輛通行運動學模型

在車輛運動過程中，必須滿足必要的約束條件，包括運動學約束、通行時刻約束、速度約束和加速度約束等。

運動學約束：

(1)

(2)

(v1-v2)t2+(v2-v3)t4

(3)

式中：d1，d2和d3分別為車輛與第1個、第2個和第3個路口的距離；v0為車輛的初速度；v1，v2和v3分別為車輛在第1個、第2個和第3個路口的通行速度；a1，a2和a3分別為加速段1、加速段2和加速段3的加速度；t2為勻速段1結束的時刻；t4為勻速段2結束的時刻；T1，T2和T3分別為車輛通過第1個、第2個和第3個路口停止線的時刻。

通行時刻約束：

T1∈(g11,r11)∪(g12,r12)

(4)

T2∈(g21,r21)∪(g22,r22)

(5)

T3∈(g31,r31)∪(g32,r32)

(6)

式中：gij為第i(i=1，2，3)個交通燈第j(j=1,2)個綠燈相位開始的時刻；rij為第i(i=1,2)個交通燈第j(j=1，2，3)個紅燈相位開始的時刻。

速度約束：

v1,v2,v3∈[vmin,vmax]

(7)

式中：vmin設為0；vmax為道路最高限速。

加速度約束：

a1,a2,a3∈{adec,aacc}

(8)

式中：adec為車輛減速時恒定的減速度，adec=-1.5m/s2；aacc為車輛加速時恒定的加速度，aacc=1.5m/s2。

在上述約束條件下，用通過3個路口的總油耗作為代價函數來對3個路口的通行速度和勻速段時間長度進行優(yōu)化。

優(yōu)化目標函數f(v0,v1,v2,v3,t2,t4)為通過3個路口的總油耗，它與車輛的速度和運動時間有關。

故交叉路口通行的優(yōu)化模型如下。

(9)

約束函數為

(10)

(g21,r21)∪(g22,r22)

(11)

(12)

T3≥t5

(13)

T2≥t3

(14)

t4≥T2

(15)

t2≥T1

(16)

T1≥t1

(17)

速度和加速度約束同式(7)和式(8)。

2.2.2 基于遺傳算法的通行車速計算方法

上述優(yōu)化問題是一個非線性約束下的非線性問題，難以求出解析解，本文中通過遺傳算法來求解。

首先構造罰函數，將含約束問題化為無約束問題：

(18)

式中：Fit為適應度函數值；ki為式(10)～式(17)約束中第i個不等式約束的罰函數，當第i個不等式約束滿足時，ki取1，否則ki取0。

根據v1，v2，v3，t2，t4的范圍隨機生成大小為10的初始種群，再根據式(18)的適應度函數計算初始種群的適應度。

選用pm=0.4的染色體交叉率，對選取的父本進行線性重組(λ取0.3)：

x1′=λx1+(1-λ)x2

(19)

x2′=λx2+(1-λ)x1

(20)

選取pc=0.1的染色體變異率對父本進行非均勻變異：

(21)

式中：xU為待變異量x的一個上界；r為[0,1]上的隨機數；T為最大代數；t為變異代數。

計算所有子代的適應度。然后從后代和父本中選擇10個適應度最高的個體組成新的種群。再將新的種群繼續(xù)交叉、變異和選擇，直到滿足終止條件或達到繁殖代數為止。最后從種群中得到最優(yōu)個體，再判斷最優(yōu)個體是否滿足式(10)～式(17)的約束。

遺傳算法的流程如圖5所示。

圖5 遺傳算法的流程

用遺傳算法得到最優(yōu)解計算過程需要大量迭代，運算量較大，不能滿足運算的實時性要求，而且運用遺傳算法得到的最優(yōu)解容易收斂到局部最優(yōu)解，因此遺傳算法在實際應用中效果不佳，于是提出了一種基于分支定界的通行車速計算方法。

2.3 基于分支定界的建議車速計算方法

2.3.1 車輛通行模型

對2.2.1中的車輛通行模型進行簡化，假設當車輛通過交叉路口后立即開始加速或減速，如圖6所示。

圖6 簡化的車輛通行模型

因此，有

t2=T1

(22)

t4=T2

(23)

于是，交叉路口通行模型簡化為下列優(yōu)化模型：

約束函數為

(24)

(25)

(26)

T1∈(g11,r11)∪(g12,r12)

(27)

T2∈(g21,r21)∪(g22,r22)

(28)

T3∈(g31,r31)∪(g32,r32)

(29)

v1,v2,v3∈[vmin,vmax]

(30)

a1,a2,a3∈{adec,aacc}

(31)

2.3.2 基于分支定界的通行車速計算方法

根據式(30)中v1，v2和v3的范圍對v1，v2和v3進行離散化，然后將每個v1的離散的值代入式(24)，求出T1，再檢驗T1是否滿足式(27)。若不滿足則繼續(xù)檢驗v1的下一個離散值。若滿足條件，則繼續(xù)將每個v2的離散的值代入式(25)，求出T2，再檢驗T2是否滿足式(28)的條件。若不滿足則繼續(xù)檢驗v2的下一個離散值。若滿足條件，則繼續(xù)將v3的每個離散的值代入式(26)，求出T3，再檢驗T3是否滿足式(29)的約束條件。若不滿足則繼續(xù)檢驗v3的下一個離散值。最后得到所有滿足約束條件的[v1,v2,v3]，求出使代價函數最小的解即得到近似的最優(yōu)解。分支定界法的邏輯如圖7所示。

圖7 分支定界法邏輯

在綜合考慮3個路口時，在運動學約束、通行時刻約束、速度約束和加速度約束等一系列的強約束條件下，有可能得不到可行解[v1,v2,v3]，這意味著不停車地連續(xù)通過3個交叉路口是不大可能實現的。此時，不再對3個路口的情況進行綜合優(yōu)化，而是考慮下2個路口的情形。若綜合考慮下2個路口，仍然沒有可行解[v1,v2]，則只考慮1個路口，求解可行解[v1]。若考慮1個路口時，仍得不到可行解，則說明車輛在第1個路口前就不得不停車等待紅燈，此時提示駕駛員需要在前方路口停車。

3 實車試驗

針對通行輔助系統(tǒng)設計了實車試驗，以驗證系統(tǒng)的功能和效果。

3.1 平臺車輛簡介

平臺車在原車的基礎上，將車端DSRC設備、車端GPS和工控機安裝固定在后備箱，如圖8(a)所示。將GPS天線和DSRC設備天線安裝固定在云臺上，如圖8(b)所示。

圖8 平臺車硬件實物圖

利用平臺車，可實現車輛與信號燈的通信、車輛定位和建議車速顯示等功能。

3.2 試驗內容

試驗時，駕駛員駕駛車輛連續(xù)通過具有交通信號的3個交叉路口，采集駕駛員自由駕駛和使用通行輔助系統(tǒng)輔助駕駛兩種工況下通過3個交叉路口的油耗、速度軌跡和位移曲線。

本次試驗采集了5位駕駛員的駕駛數據，每位駕駛員通過3個交叉路口各20次。通過此數據分析駕駛輔助系統(tǒng)對不同駕駛員的輔助效果。

3.3 試驗結果與分析

3.3.1 試驗結果

試驗車輛安裝有油量傳感器，可從CAN總線直接獲取噴油量數據。分別在自由駕駛和速度提示工況下測量5位駕駛員從3個路口的行駛路線起點到終點的燃油消耗。每位駕駛員的平均燃油消耗量和速度提示工況相對于自由駕駛工況的節(jié)油比例如表1所示。定義交叉口停車為距離交叉口停止線<10m，且車速<5km/h的工況。通過GPS坐標和速度信息統(tǒng)計駕駛員的停車次數，每位駕駛員的停車總次數如表2所示。定義交叉口通行時間為車輛通過3個路口起點到終點的時間。試驗中，實際采集從第1個交叉路口停止線前50m到最后1個交叉路口停止線以后50m的時間。通過GPS時間統(tǒng)計駕駛員的平均通行時間，如表3所示。

表1 平均燃油消耗量和節(jié)油比例

表2 停車總次數

表3 平均通行時間 s

統(tǒng)計結果表明，使用連續(xù)交叉路口通行輔助系統(tǒng)較自由駕駛平均節(jié)省燃油消耗15.1%，減少停車次數28.6%，而平均通行時間基本保持不變。而且通行輔助系統(tǒng)對不同駕駛員均起到不同程度的輔助作用。

3.3.2 試驗結果分析

連續(xù)交叉路口通行輔助系統(tǒng)節(jié)約燃油、減少停車次數的原因主要是提前獲知了交通信號信息，并優(yōu)化了通行速度。以實車試驗中自由駕駛出現的3種典型工況對節(jié)油原因進行分析。

(1) 工況1：速度過高，趕上紅燈

當駕駛員以較低速度行駛時可以不停車通過路口，但由于缺乏信號燈信息，盲目以較高速度行駛，造成停車怠速，增加了油耗，如圖9所示。

圖9 工況1位移-時間曲線

(2) 工況2：速度過低，錯過綠燈

當駕駛員觀察到路口綠燈持續(xù)時間較長時，認為沒有足夠時間通過第3個路口，以較低速度行駛，延誤了通過路口的時機，造成停車等待下一綠燈相位，增加了燃油消耗，如圖10所示。

圖10 工況2位移-時間曲線

(3) 工況3：速度波動大

駕駛員在行駛過程中由于缺乏信號燈信息，盲目加速和減速，而且速度波動較大，在加速度較大的加速過程中消耗了較多燃料，在制動過程中損失了動能，如圖11所示。

圖11 工況3位移-時間曲線

4 結論

基于車輛運動學模型，采用遺傳算法和分支定界算法對連續(xù)交叉路口的通行車速進行優(yōu)化，搭建了連續(xù)交叉路口的通行輔助系統(tǒng)平臺，用實車對比試驗驗證了系統(tǒng)性能，結論如下。

(1) 在交通狀況良好的條件下，基于分支定界的通行車速算法在不犧牲通行效率的前提下，可有效地提高車輛燃油經濟性，減少停車次數。

(2) 基于分支定界的通行車速算法對不同駕駛員均有不同程度的輔助作用。

(3) 分析了速度過高、速度過低和速度波動等3種典型工況造成交叉路口油耗提高的原因。

[1] SCHRANK D, LOMAX T, TURNER S. Urban mobility report 2010[R]. Mar,2010.

[2] RAUBITSCHEK C, SCHUTZE N, KOZLOV E, et al. Predictive driving strategies under urban conditions for reducing fuel consumption based on vehicle environment information[C]. Integrated and Sustainable Transportation System (FISTS),2011 IEEE Forum on. IEEE,2011:13-19.

[3] 李克強.汽車技術的發(fā)展動向及我國的對策[J].汽車工程,2009,31(11):1005-1016.

[4] WEI? C. V2X communication in Europe-From research projects towards standardization and field testing of vehicle communication technology [J]. Computer Networks,2011,55(14):3103-3119.

[5] SCHWEIGER B, RAUBITSCHEK C, BKER B, et al. ElisaTM-Car to infrastructure communication in the field[J]. Computer Networks,2011,55(14):3169-3178.

[6] ALSABAAN M, NAIK K, KHALIFA T. Optimization of fuel cost and emissions using V2V communications [J]. IEEE Transactions on Intelligent Transportation System,2013,14(3):1449-1461.

[7] RAKHA H, KAMALANATHSHARMA R K. Eco-driving at signalized intersections using V2I communication[C].2011 14th International IEEE Conference on Intelligent Transportation Systems (ITSC),2011:341-346.

[8] WANG J, ZHANG D, LIU J, et al. Multi-objective driving assistance system for intersection support[C].2010 13th International IEEE Conference on Intelligent Transportation Systems (ITSC),2010:348-353.

[9] 王建強,王海鵬,劉佳熙,等.基于車路一體化的交叉口車輛駕駛輔助系統(tǒng)[J].中國公路學報,2013,26(4):169-175.

[10] ASADI B, VAHIDI A. Predictive cruise control: Utilizing upcoming traffic signal information for improving fuel economy and reducing trip time [J]. IEEE Transactions on Control Systems Technology,2011,19(3):707-714.

An Assistance System for Crossing Successive Intersections

Xu Biao, Zhang Fang, Wang Jianqiang & Li Keqiang

TsinghuaUniversity,StateKeyLaboratoryofAutomotiveSafetyandEnergy,Beijing100084

An assistance system for crossing successive intersections is constructed based on dedicated short range communications (DSRC). Firstly, a method of calculating vehicle speed for crossing successive intersections is propose based on genetic algorithm and branch and bound algorithm. Then the hardware platform of the assistance system is built. Finally, a real vehicle validation test is conducted with three intersections. The results show that the crossing assistance system can reduce the times of stop and the fuel consumption in crossing three intersections without affecting crossing efficiency.

crossing assistance system; intersections; genetic algorithm; DSRC

*國家863計劃項目(2014AA110302)資助。

原稿收到日期為2015年3月30日，修改稿收到日期為2015年12月23日。