孟 竹 邱志軍,4▲

(1.武漢理工大學(xué)國家水運安全工程技術(shù)研究中心 武漢 430063；2.武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢 430063；3.武漢理工大學(xué)水路公路交通安全控制與裝備教育部工程研究中心 武漢 430063；4.阿爾伯塔大學(xué)土木與環(huán)境工程系 埃德蒙頓 T6G2W2)

0 引 言

隨著機動車保有量的增加，交通燃油消耗成為影響環(huán)保效益的關(guān)鍵問題?！吨泄仓醒腙P(guān)于制定國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃的建議》中將交通的節(jié)能減排放在非?？壳暗奈恢茫@說明交通行業(yè)的節(jié)能減排在社會的發(fā)展中有著舉足輕重的地位[1]。城市道路交通網(wǎng)絡(luò)中，車輛在通過交叉口區(qū)域時會發(fā)生頻繁啟停和怠速停車等行為，在一定程度上導(dǎo)致車輛延誤和燃油浪費及增加尾氣排放。研究信號交叉口區(qū)域的駕駛策略與油耗、排放的關(guān)系，對減少交通行業(yè)帶來的環(huán)境污染有積極意義。

生態(tài)駕駛技術(shù)作為智能交通系統(tǒng)提升社會環(huán)境效益方面的重要應(yīng)用，已經(jīng)被驗證了其在減少油耗和尾氣排放方面的可行性[2-3]。在電子信息和無線通信技術(shù)的發(fā)展下，以V2V(vehicle to vehicle)、V2I(vehicle to infrastructure)通信為基礎(chǔ)的車聯(lián)網(wǎng)系統(tǒng)有效實現(xiàn)了車-車、車-路之間的信息交互。車路通信環(huán)境下，行駛車輛可實時獲得道路前方交叉口信號狀態(tài)信息，因此，可通過車速引導(dǎo)的方式，引導(dǎo)車輛合理地調(diào)整行駛車速，以節(jié)約油耗的方式通過交叉口，進而大幅度提升環(huán)保效益。有研究表明，車輛通過交叉口前，駕駛員事先獲取交叉口信號燈信息，采取相應(yīng)的合理的駕駛策略，可以減少5%～30%的燃油消耗和尾氣排放[4]。

國內(nèi)外學(xué)者關(guān)于信號交叉口處的生態(tài)駕駛研究主要集中于面向駕駛員的車速引導(dǎo)方面。Barth等[5-6]設(shè)計了經(jīng)濟車速規(guī)劃算法，利用信號相位與配時信息和車輛自身定位信息解算出信號交叉口可允許車輛通過的車速窗口，從而判斷車輛該進行何種方式的速度調(diào)整。在經(jīng)濟車速方面建議，采用了基于三角函數(shù)的速度曲線生成法，其優(yōu)點在于生成的速度曲線比較光滑，便于駕駛員跟隨操作。Mandava等[7]以使加速度/減速度最小化的同時保證車輛在綠燈的時候到達交叉口處為目標(biāo)設(shè)計了速度曲線計算算法，其仿真實驗結(jié)果顯示，車輛按照算法優(yōu)化的速度曲線行駛比正常行駛的車輛節(jié)省12%～14%的燃油。Tielert等[8]應(yīng)用綠燈最優(yōu)車速引導(dǎo)方案做了大量的仿真實驗，并對油耗和排放的因素進行了敏感性分析，其結(jié)果表明獲取車速引導(dǎo)策略時車輛距交叉口的距離是關(guān)鍵的影響因素。Chen[9]基于遺傳算法設(shè)計信號交叉口處最優(yōu)速度曲線，利用Moves仿真軟件來計算尾氣排放量，其仿真結(jié)果表明采用遺傳算法計算的速度曲線能夠使總排放水平降低50%。Rakha等[10]把車輛接近下游信號交叉口時的場景分為了4種，從考慮油耗的角度建立了速度曲線優(yōu)化算法，但只對其中1種場景進行了速度優(yōu)化仿真實驗。靳秋思等[11]針對單車單個交叉口設(shè)計了生態(tài)駕駛軌跡優(yōu)化算法，雖然對場景分類考慮較全，但在駕駛軌跡圖的定量刻畫方面還有可完善之處，并且該研究只針對1種特定情況進行了Matlab仿真實驗； Brada?等人[12]提出了1種綠燈最優(yōu)車速引導(dǎo)系統(tǒng)以減少交叉口處CO2的排放，其效果顯示該系統(tǒng)可使平均CO2排放降低13%，平均交通時間可節(jié)約12%。但該系統(tǒng)只向駕駛員提供了信號燈信息，并沒有給出車速建議。Kamal[13]認為在十字路口遇到紅燈之前松開油門使車輛滑行是節(jié)能駕駛的1種方式，通過仿真試驗擬合出了近似滑行減速度曲線，證明了油耗確實有所降低，但是該研究只考慮了交叉口上游區(qū)域的油耗。郭毅濤[14]開發(fā)了集OBD車輛信息采集、DSRC信息傳輸和Android車載終端軟件為一體的能耗優(yōu)先的交叉口車速引導(dǎo)系統(tǒng)，實車測試結(jié)果表明，通過車速引導(dǎo)可以有效降低交叉口處的油耗，但該研究同樣沒有考慮下游區(qū)域的油耗。

國內(nèi)外關(guān)于信號交叉口的生態(tài)駕駛研究雖然豐富，但仍存在以下問題：很多研究只注重提高交通效率，沒有以節(jié)能環(huán)保作為目標(biāo)；沒有對信號交叉口的車輛通行場景進行分類研究或場景分類不全；沒有考慮交叉口下游區(qū)域的油耗，節(jié)油情況評價欠缺公平性；沒有向駕駛員提供簡明直接的車速建議等。筆者綜合考慮了信號交叉口區(qū)域通行時的各類型駕駛行為，劃分了6種車速引導(dǎo)場景，同時優(yōu)先考慮油耗，建立了信號交叉口生態(tài)駕駛速度軌跡優(yōu)化模型，并通過Matlab開展了大量的仿真實驗。

1 模型構(gòu)建

1.1 生態(tài)駕駛策略目標(biāo)函數(shù)

信號交叉口生態(tài)駕駛策略的目標(biāo)為：車輛在整個信號交叉口區(qū)域通行過程的平均每公里油耗最小。因此生態(tài)駕駛策略的目標(biāo)函數(shù)為

(1)

式中：F為車輛在整個信號交叉口區(qū)域通行過程的總油耗，L；S為車輛在整個信號交叉口區(qū)域的行程距離，km。

為使研究問題更加明確化，特設(shè)立以下假設(shè)：①設(shè)定是在信號交叉口區(qū)域的車路通信環(huán)境中進行的，車與路側(cè)設(shè)備之間可進行實時雙向通信，可實時獲取車輛的速度、位置信息，同時交叉口的信號燈配時信息可以通過車路通信技術(shù)傳遞給車輛；②研究范圍為單一交叉口，不考慮相鄰交叉口的影響，分析范圍包括交叉口的上、下游兩部分區(qū)域；③研究對象為單個車輛，不考慮車輛排隊、跟馳行為等外部因素，不考慮行人、非機動車的干擾，同時假定車輛沿直線行駛，不產(chǎn)生換道、轉(zhuǎn)彎等行為；④假設(shè)駕駛員100%服從車速誘導(dǎo)策略，駕駛員接收到車速建議指令到采取操縱措施之間的反應(yīng)時間忽略不計。

本研究特設(shè)置下游區(qū)域，把車輛通過信號交叉口后的將車速恢復(fù)到初始車速過程中所用油耗值也考慮進來。設(shè)置下游區(qū)域是為了公平比較各通行方式的油耗情況。如果不考慮下游區(qū)域的油耗，車輛在上游區(qū)域速度由v0降低到0的油耗總是最低的，但隨后車輛還需要啟動加速，可能會帶來更多的燃油消耗。油耗計算采用的是VT-Micro實時油耗計算模型[15]，該模型是由美國Oak Ridge國家實驗室(Oak Ridge National Laboratory,ORNL)和環(huán)境保護署(Environmental Protection Agency,EPA)收集實車運行數(shù)據(jù)建立的統(tǒng)計模型，仿真實驗和實車實驗均可適用。該模型建立的油耗與速度、加(減)速度間的關(guān)系為

(2)

1.2 車速引導(dǎo)場景劃分

如圖1所示，車輛在信號交叉口區(qū)域通行的駕駛行為通?？煞譃?種類型：勻速通過、加速通過、減速通過和停車等待。假設(shè)車輛進入信號交叉口V2I通信范圍時的初始速度為v0，距交叉口停止線的距離為du，當(dāng)前相位剩余時間記為tgreen(當(dāng)前信號為綠燈)或tred(當(dāng)前信號為紅燈)。結(jié)合當(dāng)前信號燈相位的變化，可把車速引導(dǎo)場景分為6種。

圖1 信號交叉口區(qū)域車輛駕駛行為

式中:aa-limit和ad-limit分別為從安全角度考慮設(shè)定的車輛的加速度限值和減速度限值。在上述6種場景中，除場景1和場景6之外，其他4種場景都是可對生態(tài)駕駛的建議車速以油耗最低為目標(biāo)進行優(yōu)化的，而場景1和場景6直接給出保持勻速行駛的車速建議就好。生態(tài)駕駛車速引導(dǎo)策略的判斷流程見圖2。

圖2 生態(tài)駕駛車速引導(dǎo)策略判斷流程圖

1.3 油耗估算

1) 對于場景1和場景6這2種勻速通過場景，其生態(tài)駕駛軌跡無需優(yōu)化，車輛一直保持v0的初始車速通行過整個信號交叉口區(qū)域，勻速行駛時間記為tc。整個行駛過程中的總油耗為

(3)

總行程距離為

S=v0×tc

(4)

平均每公里油耗為

(5)

2) 對于場景2，圖3描述了該場景下，有/無生態(tài)駕駛車速引導(dǎo)情況下的車輛時空軌跡。由圖3可見，在該場景下，生態(tài)駕駛功能會引導(dǎo)駕駛員采取加速措施通過交叉口，車輛的整個行駛過程可分為加速階段、勻速階段和下游區(qū)域的減速階段。

圖3 場景2車輛時空軌跡圖

根據(jù)這3個階段，車輛在整個信號交叉口區(qū)域通行過程中的總油耗為

(6)

式中：ta為加速階段用時；aa為所采用的加速度；vc為將加速到的目標(biāo)車速；vc、ta和aa的不同取值會導(dǎo)致車輛行駛軌跡的不同，油耗也會隨之發(fā)生相應(yīng)變化；tc為勻速階段用時；td為減速階段用時；ad-vc為所采用的減速度[17]，為經(jīng)驗值，指速度為vc時的平均減速度，可由式ad-v=-k3v2+k2v+k1計算得出，其中k3=0.005，k2=0.154，k1=0.493。

總行程距離為

(7)

式中:dd為下游減速過程的行程距離。而在無生態(tài)駕駛車速引導(dǎo)情況下，由于駕駛員判斷的模糊性，一般會在看到信號燈變?yōu)榧t燈時才意識到前方交叉口不可通過，遂制動停車等待紅燈結(jié)束后再啟動。這一過程的油耗也可根據(jù)VT-Micro模型計算。

3) 對于場景3，圖4描述了該場景下有/無生態(tài)駕駛車速引導(dǎo)情況下的車輛時空軌跡。在該場景下，生態(tài)駕駛功能會提前判斷在當(dāng)前綠燈相位車輛不可能通過交叉口，需要發(fā)生停車。車輛的整個行駛過程可分為勻速階段、減速階段、停車階段和下游區(qū)域的加速階段。

圖4 景3車輛時空軌跡圖

根據(jù)這4階段，車輛在整個信號交叉口區(qū)域通行過程中的總油耗為

(8)

式中：tc為勻速階段用時；td為減速階段用時；ad為所采用的減速度；ts為停車等待時間；tc，td，ts和ad的不同取值會導(dǎo)致車輛行駛軌跡的不同，油耗也會隨之發(fā)生相應(yīng)變化；ta為加速階段用時，aa-0為所采用的加速度[18]，為是一個經(jīng)驗值，指速度為0時的平均減速度，可由經(jīng)驗公式aa-v=h1eh2v計算得出，其中h1=1.70，h2=-0.04。

總行程距離為

(9)

式中：da為下游減速過程的行程距離。而在無生態(tài)駕駛車速引導(dǎo)情況下，由于駕駛員判斷的模糊性，一般會在快要行駛到交叉口停止線時才意識到前方交叉口不可通過，遂制動停車等待紅燈結(jié)束后再啟動。這一過程的油耗也可根據(jù)VT-Micro模型計算。

4) 對于場景4，圖5描述了該場景下，有/無生態(tài)駕駛車速引導(dǎo)情況下的車輛時空軌跡。在該場景下，生態(tài)駕駛功能會引導(dǎo)駕駛員采取減速措施通過交叉口，車輛的整個行駛過程可分為減速階段、勻速階段和下游區(qū)域的加速階段。

圖5 場景4車輛時空軌跡圖

根據(jù)這3個階段，車輛在整個信號交叉口區(qū)域通行過程中的總油耗為

(10)

式中：td為減速階段用時；ad為所采用的減速度，vc為將減速到的目標(biāo)車速；vc、td和ad的不同取值會導(dǎo)致車輛行駛軌跡的不同，油耗也會隨之發(fā)生相應(yīng)變化；tc為勻速階段用時；ta為加速階段用時，aa-vc為所采用的加速度[18]。

總行程距離為

(11)

而在無生態(tài)駕駛車速引導(dǎo)情況下，由于駕駛員判斷的模糊性，一般會在快要行駛到交叉口停止線時才意識到前方交叉口不可通過，遂制動停車等待紅燈結(jié)束后再啟動。需要注意的是此時車輛可能發(fā)生完全停車，也可能發(fā)生不完全停車。這一過程的油耗也可根據(jù)VT-Micro模型計算。

5) 對于場景5，圖6描述了該場景下，有/無生態(tài)駕駛車速引導(dǎo)情況下的車輛駕駛軌跡。在該場景下，生態(tài)駕駛功能會提前判斷即使進行減速操作車輛也不可能順利通過交叉口，需要停車等待。車輛的整個行駛過程可分為勻速階段、減速階段、停車階段和下游區(qū)域的加速階段。

圖6 場景5車輛時空軌跡圖

根據(jù)這4個階段，車輛在整個信號交叉口區(qū)域通行過程中的總油耗為

(12)

總行程距離為

(13)

tc、td、ts和ad的不同取值會導(dǎo)致車輛行駛軌跡的不同，油耗也會隨之發(fā)生相應(yīng)變化。而在無生態(tài)駕駛車速引導(dǎo)情況下，由于駕駛員判斷的模糊性，一般會在快要行駛到交叉口停止線時才意識到前方交叉口不可通過，遂制動停車等待紅燈結(jié)束后再啟動。這一過程的油耗也可根據(jù)VT-Micro模型計算。

2 實驗驗證

2.1 算例測試

使用Mtalab軟件編寫程序，對車路環(huán)境下的生態(tài)駕駛車速引導(dǎo)整體功能和節(jié)油效果進行仿真測試。為了使測試具有針對性，對測試的場景和方案做出以下設(shè)定。

2.1.1 測試路段長度

本研究的信號交叉口生態(tài)駕駛車速引導(dǎo)策略是基于V2I通信環(huán)境建立的。DSRC通信技術(shù)是V2I系統(tǒng)常用的通信手段。DSRC是一種短程雙向通訊技術(shù)，其信號傳輸距離較短，受天氣、建筑物遮蔽等環(huán)境因素的影響，其通信覆蓋范圍最短能達到100 m左右，最長可達到300 m以上?；贒SRC技術(shù)的通信能力，本次仿真測試上游車速引導(dǎo)區(qū)域長度du選取為300 m，下游速度恢復(fù)區(qū)域長度不限，以實際測試中的速度恢復(fù)距離為準(zhǔn)。測試路段長度示意圖見圖7。

圖7 測試路段長度示意圖

2.1.2 信號燈周期和相位配時

在仿真測試中，預(yù)設(shè)交叉口信號控制為固定配時，信號周期為123 s，其中綠燈時長60 s，黃燈時長3 s，紅燈時長60 s。根據(jù)我國現(xiàn)行的交通法規(guī)，黃燈時車輛禁止通過停止線，為便于研究，在測試過程中，將黃燈亮起時視為禁止通行，和紅燈相同。信號燈周期和相位配時見圖8。

圖8 信號燈周期和相位配時圖

Fig.8 Signal phase and time diagram

2.1.3 測試車速

綜合車輛運行經(jīng)濟性和行駛安全性，本研究中設(shè)置道路最高限速vlimit為60 km/h，道路最低限速vmin為20 km/h。仿真測試中車輛進入上游車速引導(dǎo)區(qū)域的初始車速v0選擇30，40，50 km/h 3種不同速度進行試驗。

2.1.4 測試場景

在一種初始車速下，通過調(diào)整當(dāng)前相位信號燈色及其剩余時間的設(shè)定，分別產(chǎn)生場景2、場景3、場景4、場景5這4種可優(yōu)化場景，針對這4種場景分別展開測試，觀察平均每公里油耗隨上游車速引導(dǎo)不同速度軌跡變化的情況。同時對各場景在無生態(tài)駕駛車速引導(dǎo)策略下也進行一次測試，將油耗結(jié)果作為對照。3種不同的初始車速依次分場景開展測試。各測試場景的輸入?yún)?shù)設(shè)置見表1。

表1 仿真測試場景輸入?yún)?shù)

2.2 算例測試結(jié)果分析

圖9顯示了場景2和場景4的算例測試仿真實驗結(jié)果。

圖9 平均每公里油耗與目標(biāo)車速之間的關(guān)系

由圖9可見，在有生態(tài)駕駛車速引導(dǎo)情況下，不論初始車速v0等于30，40或是50 km/h，車輛在信號交叉口區(qū)域通行的油耗變化情況都基本遵循車速引導(dǎo)的目標(biāo)車速與初始車速之間差距越大，整個信號交叉口區(qū)域內(nèi)的平均每公里油耗越高的規(guī)律。這是因為如果引導(dǎo)駕駛員采取加速操作時目標(biāo)車速過高，就需長時間的加速以達到相應(yīng)值，燃油消耗自然增多；如果引導(dǎo)駕駛員采取減速操作時目標(biāo)車速過低，則在通過交叉口之后，仍需長時間的加速以恢復(fù)初始車速，同樣造成過多的燃油消耗。

圖10顯示了場景3和場景5的算例測試仿真實驗結(jié)果。

圖10 平均每公里油耗與停車等待時長之間的關(guān)系

由圖10可見，在有生態(tài)駕駛車速引導(dǎo)情況下，不論初始車速v0等于30，40或是50 km/h，車輛在信號交叉口區(qū)域通行的油耗變化情況都基本遵循車輛在信號交叉口區(qū)域通行的油耗變化情況都基本遵循停車等待的時間越長，整個信號交叉口區(qū)域內(nèi)的平均每公里油耗越高的規(guī)律。車輛在停車等紅燈的過程中，駕駛員的一般做法都是掛上空擋，拉起手剎，使發(fā)動機空轉(zhuǎn)，等待綠燈亮起時再起步通過。發(fā)動機空轉(zhuǎn)時也要消耗燃油，并且發(fā)動機僅克服自身阻力運轉(zhuǎn)，并不對外輸出動能，因此車輛停車等待時間越長，即代表發(fā)動機空轉(zhuǎn)時間越長，造成的不必要燃油消耗越多。

從圖9和圖10中還可以看出，在大部分情況下，有生態(tài)駕駛車速引導(dǎo)時的平均每公里油耗量都是比無生態(tài)駕駛車速引導(dǎo)時要低的，尤其是對場景2和場景4，節(jié)油效果可最高達30%左右。而場景3和場景5應(yīng)用生態(tài)駕駛車速引導(dǎo)雖有節(jié)油效果，但仍不可避免地發(fā)生了空檔停車情況，因此，改善效果不強，僅在3%左右，這說明空檔停車對燃油損失的影響還是很嚴(yán)重的。

上述各組仿真測試得出的最優(yōu)生態(tài)駕駛軌跡方案，及各自與其無生態(tài)駕駛車速引導(dǎo)情況相比，平均每公里油耗的節(jié)省效果見表2。可以看出，場景2的最優(yōu)生態(tài)駕駛軌跡方案節(jié)約效果最好，可達到30%～60%之間，其次是場景4，可達到25%～50%之間；再次是場景5，可達到3%～20%之間；最差是場景3，均在3%以下。同時最優(yōu)生態(tài)駕駛軌跡方案呈現(xiàn)出初始車速越高，節(jié)油效果越好的趨勢。

表2 最優(yōu)生態(tài)駕駛軌跡方案及節(jié)油效果評價

2.3 仿真實驗

上述算例測試中，均只對4種可優(yōu)化場景下的3種特定情況進行了測試試驗，雖在一定程度上驗證了本研究提出的信號交叉口生態(tài)駕駛模型的有效性和節(jié)油效果，但實驗次數(shù)較少，設(shè)定場景單一，對模型效果驗證還不夠具有說服力。因此在此基礎(chǔ)上使用Matlab開展了更全面的仿真實驗。仿真實驗中輸入的基本參數(shù)見表3。

仿真實驗的結(jié)果見圖11。每種場景下各有2組油耗值，實色塊表示了屬于該場景的所有實驗在最優(yōu)生態(tài)駕駛軌跡方案下的耗油情況的總平均值，虛線塊則表示了對應(yīng)的實驗在無生態(tài)駕駛車速引導(dǎo)情況下的油耗情況的總平均值。折線值表示了最優(yōu)生態(tài)駕駛軌跡方案比無生態(tài)駕駛車速引導(dǎo)情況的油耗節(jié)約百分比。

圖11所示為各場景下的最優(yōu)生態(tài)駕駛軌跡方案節(jié)油效果。

表3 仿真實驗基本參數(shù)設(shè)置

注：*light_color值為1表示當(dāng)前信號為綠燈，值為0表示當(dāng)前信號為紅燈。

**在仿真實驗中，把黃燈視為和紅燈作用相同，因此,紅燈剩余時間的波動范圍設(shè)置為[1,63]s。

圖11 各場景下的最優(yōu)生態(tài)駕駛軌跡方案節(jié)油效果

由圖11可見，在4種可優(yōu)化場景下，最優(yōu)生態(tài)駕駛策略都顯現(xiàn)出了較為顯著的節(jié)油效果。相比較沒有生態(tài)駕駛車速引導(dǎo)情況下的燃油消耗量，場景2下的最優(yōu)生態(tài)駕駛軌跡方案可使燃油消耗量減少約0.12 L/km，可降低油耗約40%，生態(tài)駕駛策略在該場景下的油耗節(jié)約能力最為顯著；其次是場景4，使用最優(yōu)生態(tài)駕駛軌跡方案可節(jié)約35%左右的油耗；場景3和場景5的節(jié)油消耗均在10%左右。

3 結(jié)束語

筆者以油耗最低為研究目標(biāo)，建立了信號交叉口的生態(tài)駕駛策略模型。在對車輛通過信號交叉口場景劃分及可通行性判定的基礎(chǔ)上，通過油耗估算的方法求解得出最優(yōu)生態(tài)駕駛策略。得出結(jié)論如下：①車速引導(dǎo)的目標(biāo)車速與初始車速之間差距越大，整個信號交叉口區(qū)域內(nèi)的平均每公里油耗越高；倘若發(fā)生停車等待，則等待的時間越長油耗越高;②與不采用生態(tài)駕駛車速引導(dǎo)相比，采用生態(tài)駕駛車速引導(dǎo)至少可節(jié)約10%以上的燃油消耗;③最優(yōu)生態(tài)駕駛策略在場景2下的節(jié)油效果最為顯著，可達到30%～60%；其次是場景4，可達到25%～50%；在場景3和場景5中表現(xiàn)略差。

基于筆者研究的結(jié)論，車輛在信號交叉口區(qū)域通行時，應(yīng)盡量避免停車等待，因為停車-啟動操作會帶來過多的燃油消耗。如果停車等待不可避免，則應(yīng)該盡量縮短停車等紅燈的時間，避免發(fā)動機長時間空轉(zhuǎn)造成不必要的燃油消耗。當(dāng)選擇以加速或減速方式通過信號交叉口時，需注意不要過量加減速，應(yīng)使行駛車速在初始車速附近適當(dāng)?shù)刈兓?，避免燃油浪費。

由于采用了仿真驗證的方法，而在實際操作中，駕駛員反應(yīng)的延遲和操作的不準(zhǔn)確性，車輛并不能完全按照理想的生態(tài)駕駛軌跡行駛，因此，實際節(jié)油效果會有較大偏差。同時筆者的研究只針對單個車輛，沒有考慮車輛跟馳等行為，但車輛實際所處的城市道路交通環(huán)境復(fù)雜多變，尤其在交通流量較大的時候，由于車輛排隊或非機動車、行人的干擾，很難達到生態(tài)駕駛功能所建議的目標(biāo)車速。因此結(jié)合車輛實際所處的交通環(huán)境，對生態(tài)駕駛策略進行實時調(diào)整是未來研究工作的重點。

參考文獻

References

[1] 公安部交通管理局.2017年全國機動車和駕駛?cè)吮３指呶辉鲩L[N/OL].(2018-01-15)[2018-01-30]. http://www.mps.gov.cn/n2255040/n4908728/c5977158/content.html.

Traffic Management Bureau of The Ministry of Public Security.Motor vehicles and drivers maintained high growth in 2017[N/OL].(2018-01-15)[2018-01-30].http://www.mps.gov.cn/n2255040/n4908728/c5977158/content.html. (in Chinese)

[2] MARTIN E, CHAN N D, SHAHEEN S A. Understanding how ecodriving public education can result in reduced fuel use and greenhouse gas emissions[C]. The 91thAnnual Meeting of Transportation Research Board， Washington D.C.: Transportation Research Board,2012.

[3] SMOKERS R,VERMEULEN R,VAN MIEGHEM R, et al. Review and analysis of the reduction potential and costs of technological and other measures to reduce co2-emissions from passenger cars[R]. Delff， the Netherlands:TNO Science and Industry,2006.

[4] XIA H, BORIBOONSOMSIN K, SCHWEIZER F, et al. Field operational testing of eco-approach technology at a fixed-time signalized intersection[C]. 15thInternational IEEE Conference on Intelligent Transportation Systems, Anchorage, Alska, USA:IEEE， 2012.

[5] BARTH M, MANDAVA S, BORIBOONSOMSIN K, et al. Dynamic eco-driving for arterial corridors[C]. IEEE Forum on Integrated and Sustainable Transportation System (FISTS)，Vienna, Austria:IEEE,2011.

[6] XIA H, BORIBOONSOMSIN K, BARTH M. Dynamic eco-driving for signalized arterial corridors and its indirect network-wide energy/emissions benefits[J]. Journal of Intelligent Transportation Systems,2013,17(1):31-41.

[7] MANDAVA S, BORIBOONSOMSIN K, BARTH M. Arterial velocity planning based on traffic signal information under light traffic conditions[C]. 12thInternational IEEE Conference on Intelligent Transportation Systems, St.Louis, Missouri, USA:IEEE, 2009.

[8] TIELERT T,KILLAT M,HARTENSTEIN H,et al.The impact of traffic-light-to-vehicle communication on fuel consumption and emissions[C]. Internet of Things (IOT), Tokyo, Japan:IEEE, 2010.

[9] CHEN Z. An optimization model for eco-driving at signalized intersection[D]. Texas: Texas A&M University,2013.

[10] RAKHA H, KAMALANATHSHARMA R K. Eco-driving at signalized intersections using v2i communication[C]. 14thInternational IEEE Conference on Intelligent Transportation Systems, Washington, D.C.:IEEE, 2011.

[11] 靳秋思,宋國華,葉蒙蒙,等.車輛通過交叉口的生態(tài)駕駛軌跡優(yōu)化研究[J].安全與環(huán)境工程,2015,22(3):75-82.

JIN Qiusi, SONG Guohua, YE Mengmeng, et al. Optimization of eco-driving trajectories at intersections for energy saving and emissions reduction [J]. Safety and Environmental Engineering,2015,22(3):75-82.(in Chinese)

[12] BRADA? B, GARNAULT A, PICRON V, et al. A green light optimal speed advisor for reduced CO2emissions[C]. 3rdCESA Automotive Electronic Congress, Paris, France:CESA,2014.

[13] KAMAL M A S. Efficient eco-driving strategies at signalized intersections based on engine fuel cut-off of a vehicle[J]. International Journal of Environment，2013,3(1):39-45.

[14] 郭毅濤.能耗優(yōu)先的交叉口車速引導(dǎo)系統(tǒng)研究與實現(xiàn)[D].西安:長安大學(xué),2017.

GUO Yitao, Research and implementation of eco-driving guidance system for intersection[D]. Xi′an:Chang′an University,2017.(in Chinese)

[15] RAKHA H, AHN K, TRANI A. Development of VT-Micro model for estimating hot stabilized light duty vehicle and truck emissions[J]. Transportation Research Part D: Transport & Environment,2004,9(1):49-74.

[16] ALSABAAN M, NAIK K, KHALIFA T, et al. Applying vehicular networks for reduced vehicle fuel consumption and CO2emissions[C]. Second International Conference on Innovative Computing Technology (INTECH 2012), Casablanca, Morocco: IEEE, 2012.

[17] MAURYA A K, BOKARE P S. Study of deceleration behaviour of different vehicle types[J]. International Journal for Traffic & Transport Engineering,2012,2(3):5-15.

[18] MEHAR A,SATISH C,VELMURUGAN. Speed and acceleration characteristics of different types of vehicles on multi-lane highways[J]. European Transport,2013,55(1):1-12.

[19] 李鵬凱,楊曉光,吳 偉,等.車路協(xié)同環(huán)境下信號交叉口車速引導(dǎo)建模與仿真[J].交通信息與安全,2012,30(3):136-140.

LI Pengkai, YANG Xiaoguang, WU Wei, et al. Modeling and simulation of vehicle speed guidance at signalized intersection under vehicle road cooperative environment[J]. Journal of Transport Information and Safety,2012,30(3):136-140. (in Chinese)