劉 歡，楊 雷，邵社剛，王趙明

(1. 交通運(yùn)輸部 公路科學(xué)研究院，北京 100088; 2. 長(zhǎng)春建業(yè)集團(tuán)股份有限公司，吉林 長(zhǎng)春 130028)

0 引 言

當(dāng)車輛通過交叉口時(shí)，由于信號(hào)燈影響會(huì)產(chǎn)生停車等待和車輛加減速等情況，從而造成延誤，并產(chǎn)生過多的污染物排放。因此有必要對(duì)車輛進(jìn)行速度引導(dǎo)，使車輛能夠不停車通過交叉口，以達(dá)到減少延誤與排放目的。

國(guó)內(nèi)外眾多學(xué)者對(duì)交叉口速度引導(dǎo)策略進(jìn)行了研究。YANG Yudi等[1]研究了如何令車輛不停車通過交叉口，通過對(duì)交叉口信號(hào)狀態(tài)和對(duì)車輛時(shí)空軌跡分析，建立了綠波速度引導(dǎo)策略，并基于仿真結(jié)果得出：對(duì)車輛速度進(jìn)行引導(dǎo)能使車輛延誤時(shí)間和在交叉口停車次數(shù)減少29%。何樂樂等[2]規(guī)定車輛以最高限速行駛，若無法通過交叉口，再以綠燈剩余時(shí)間和車輛距交叉口距離及車輛加速度來計(jì)算車輛能否順利通過交叉口的速度引導(dǎo)策略，并利用VISSIM仿真軟件進(jìn)行仿真，證明該引導(dǎo)策略對(duì)提高車輛出行效益和減少排放和能耗方面有著較好作用。張存保等[3]基于車-路協(xié)同系(vehicle infrastructure cooperative systems, VICS)，對(duì)交叉口信號(hào)控制進(jìn)行了分析，通過研究控制方法的不足，基于時(shí)間窗概念引入了滾動(dòng)預(yù)測(cè)方法，信號(hào)控制效果用相位飽和度來表示，考慮速度引導(dǎo)策略對(duì)車速的影響，提出了車-路協(xié)同環(huán)境下的交叉口速度引導(dǎo)策略；并對(duì)該速度引導(dǎo)策略進(jìn)行基于VISSIM的模擬試驗(yàn)；結(jié)果表明：該策略能減少車輛在交叉口的延誤時(shí)間和停車次數(shù)。安實(shí)等[4]提出了一種以多級(jí)可變速度限制為基礎(chǔ)的信號(hào)交叉口綠色速度引導(dǎo)策略，以可變速度限制值為控制變量，在不額外增加行程時(shí)間基礎(chǔ)上，對(duì)車輛行駛軌跡進(jìn)行平滑處理；其結(jié)果表明：該策略能有效降低定時(shí)信號(hào)控制交叉口的車輛延誤，并能同時(shí)減少車輛油耗和排放。王東磊等[5]提出了一種模糊控制速度引導(dǎo)策略，通過對(duì)車輛加速過程期望速度進(jìn)行模糊控制，進(jìn)而實(shí)現(xiàn)車輛的低排放；結(jié)果證明：基于模糊控制的速度引導(dǎo)策略能有效達(dá)到節(jié)能減排目的。R.K.KAMALANATHSHARMA等[6]將車輛以消耗最少能源通過交叉口為研究目標(biāo)，提出了環(huán)境友好型的速度引導(dǎo)策略，并通過驗(yàn)證表明油耗減少約30%。CHEN Zhi等[7]提出了定時(shí)信號(hào)控制交叉口的生態(tài)駕駛優(yōu)化模型，通過遺傳算法對(duì)車輛時(shí)空軌跡進(jìn)行優(yōu)化，結(jié)果顯示生態(tài)駕駛策略能減少大概50%的車輛排放。QIAN Gongbin等[8]提出了一種以減少車輛油耗為目標(biāo)的理論模型，并通過Aimsun軟件進(jìn)行模擬，分析了交叉口車輛行程時(shí)間和車輛油耗。LAI Wentai[9]通過對(duì)美國(guó)部分公交車使用生態(tài)駕駛策略前后的燃油數(shù)據(jù)進(jìn)行分析，得出了生態(tài)駕駛優(yōu)化策略能減少公交車10%油耗的結(jié)論。LIU Huiyuan等[10]通過遺傳算法對(duì)高速公路車輛進(jìn)行了有效的速度引導(dǎo)。CHEN Shukai等[11]提出了一種改進(jìn)的自適應(yīng)控制方法，包括車輛到達(dá)估計(jì)模型和信號(hào)優(yōu)化算法，分別考慮了3個(gè)目標(biāo)函數(shù)，即最小化延遲，隊(duì)列長(zhǎng)度和流入-流出量最大化；結(jié)果表明：該研究在實(shí)時(shí)交通自適應(yīng)信號(hào)控制系統(tǒng)中具有潛在的適用性。D.J.CHANG等[12]、李宗義[13]、H.LARSSON等[14]分別提出了速度引導(dǎo)策略，得出該策略能減少車輛油耗，且優(yōu)化效果明顯的結(jié)論。

上述研究大多針對(duì)提高車輛出行效率和減少車輛排放進(jìn)行了分析。筆者旨在綜合考慮減少排放和延誤，提出了一種新的綜合優(yōu)化速度引導(dǎo)策略。

1 研究方法

1.1 速度引導(dǎo)方法設(shè)計(jì)

在高階車-路協(xié)同環(huán)境下，智能網(wǎng)聯(lián)車輛均配置有車載端實(shí)時(shí)通訊單元，車輛速度、位置等信息會(huì)通過車載端上傳至網(wǎng)絡(luò)服務(wù)平臺(tái)，亦稱為網(wǎng)聯(lián)信息端。同時(shí)，網(wǎng)聯(lián)信息端將當(dāng)前交叉口的信號(hào)相位、前方車輛速度與位置等信息發(fā)送給車載端，對(duì)駕駛員進(jìn)行調(diào)整車速的誘導(dǎo)提示，以實(shí)現(xiàn)車輛速度引導(dǎo)。

通過對(duì)各種情況的分析，筆者決定對(duì)連續(xù)定時(shí)信號(hào)交叉口、主路流量明顯大于次路、車速在進(jìn)入道路前速度保持恒定不受干擾等情況進(jìn)行仿真分析[2]。網(wǎng)聯(lián)信息端會(huì)根據(jù)車輛車速、信號(hào)燈周期、信號(hào)相位、是否有前車、前車速度等信息對(duì)受控車輛速度進(jìn)行計(jì)算。當(dāng)車輛不能以當(dāng)前速度勻速通過交叉口時(shí)，會(huì)對(duì)其進(jìn)行速度引導(dǎo)；若車輛可通過引導(dǎo)在當(dāng)前綠燈區(qū)間加速通過交叉口，則會(huì)對(duì)車輛進(jìn)行加速引導(dǎo)，從而使得車輛能在當(dāng)前綠燈區(qū)間通過交叉口；反之，當(dāng)車輛以當(dāng)前最高限速行駛都不能通過交叉口時(shí)，會(huì)對(duì)車輛進(jìn)行減速引導(dǎo)，使得車輛減速到合適速度，并在下個(gè)綠燈區(qū)間通過交叉口[15]。速度引導(dǎo)策略工作原理如圖1。

圖1 車輛速度引導(dǎo)工作原理Fig. 1 Working principle of vehicle speed guidance

當(dāng)網(wǎng)聯(lián)車輛通過交叉口時(shí)，對(duì)應(yīng)的速度引導(dǎo)存在以下4種情況：

1)勻速通過：網(wǎng)聯(lián)車輛不受前方車輛影響，勻速行駛能在當(dāng)前綠燈相位內(nèi)通過交叉口，如圖2(a)(①→③或②→③過程)；

2)加速通過：網(wǎng)聯(lián)車輛不受前方車輛影響，以當(dāng)前速度勻速行駛到交叉口時(shí)會(huì)處于紅燈相位，若當(dāng)前車輛加速行駛至最大限速會(huì)在紅燈相位之前的綠燈相位通過交叉口，如圖2(b) (①→③或②→③過程)；

3)減速通過：網(wǎng)聯(lián)車輛不受前方車輛影響，以當(dāng)前速度勻速行駛到交叉口時(shí)為紅燈相位，車輛加速行駛則無法在當(dāng)前綠燈相位通過交叉口，車輛減速至合適速度，并在下一個(gè)綠燈相位通過交叉口，如圖2(c) (①→②過程)；

4)跟馳通過：網(wǎng)聯(lián)車輛受前方車輛影響，將網(wǎng)聯(lián)車輛及后方一系列的非網(wǎng)聯(lián)車輛視為一個(gè)車隊(duì)，則位于網(wǎng)聯(lián)車輛前方的非網(wǎng)聯(lián)車輛各種參數(shù)已知，由此令當(dāng)前網(wǎng)聯(lián)車輛延后一個(gè)相對(duì)前車安全的最小車頭時(shí)距通過交叉口，如圖2(d) (①→②過程)[16]。

速度引導(dǎo)策略流程如圖3。

圖2 車輛通過交叉口的4種情況Fig. 2 Four situations of vehicle passing through intersections

圖3 速度引導(dǎo)策略流程Fig. 3 Speed guidance flow chart

1.2 速度引導(dǎo)策略數(shù)學(xué)模型(圖4)

圖4中：C為交通控制信號(hào)周期；v0為車輛初始速度；l為車輛距停車線的距離；t0為交通信號(hào)燈所處的周期內(nèi)時(shí)刻。

車輛最高速度為vmax；車輛的加速度為a，由此可得式(1)～(3)：

車輛勻速到達(dá)停車線時(shí)間：

(1)

車輛勻加速到最高速度，再勻速到停車線時(shí)間：

(2)

當(dāng)車輛到達(dá)停車線時(shí)，信號(hào)燈所處信號(hào)周期內(nèi)時(shí)刻為t1：

(3)

設(shè)交叉口信號(hào)燈在0-X時(shí)段內(nèi)為綠燈區(qū)間，在X-C時(shí)段內(nèi)為紅燈區(qū)間。

圖4 模型示意Fig. 4 Model schematic

1.2.1 勻速行駛情況(0-X時(shí)段)

當(dāng)車輛勻速行駛時(shí)，若0≤t1≤X，即車輛勻速行駛到停車線時(shí)在綠燈區(qū)間內(nèi)，且該車輛前方?jīng)]有其他車輛對(duì)其速度產(chǎn)生干擾，則該車輛可勻速通過交叉口，那么該車輛在系統(tǒng)引導(dǎo)下以勻速通過交叉口，計(jì)算t采用式(1)。

1.2.2 勻速行駛情況(X-C時(shí)段)

當(dāng)車輛勻速行駛時(shí)，若X≤t1≤C，即車輛勻速行駛到停車線時(shí)在紅燈區(qū)間內(nèi)，那么對(duì)該車輛進(jìn)行速度引導(dǎo)，使其勻加速到最高速在勻速到達(dá)停車線，即t的計(jì)算方式采用式(2)。

這種情況下，又分為兩種情況：

1)當(dāng)車輛勻加速到最高速再勻速行駛時(shí)，若有0≤t1≤X，也就是在綠燈區(qū)間時(shí)，受引導(dǎo)車輛到達(dá)交叉口，且該車輛前方?jīng)]有其他車輛對(duì)其速度產(chǎn)生干擾，則該車輛可勻加速到該路段允許的最高速度再勻速通過交叉口；

2)若X≤t1≤C，即車輛以最高速度行駛到交叉口的時(shí)刻位于信號(hào)燈的紅燈區(qū)間內(nèi)。則該車輛勻速和勻加速都無法通過該交叉口。若車輛前方?jīng)]有車輛對(duì)其速度產(chǎn)生干擾，則該車輛應(yīng)在交叉口信號(hào)燈的下一個(gè)周期綠燈區(qū)間內(nèi)通過。則該車從駛?cè)肟刂茀^(qū)間到其到達(dá)交叉口的真實(shí)時(shí)間如式(4)：

tr=C-t0

(4)

設(shè)車輛的加速時(shí)間為tm；車輛勻速行駛的時(shí)間為tn；則可得到式(5)～(7)：

tm+tn=tr

(5)

vt=v0+tma

(6)

(7)

聯(lián)立式(5)～(7)，可得車輛通過交叉口時(shí)的速度(式中加速度為負(fù)數(shù))，如式(8)：

(8)

1.2.3 加速行駛情況

當(dāng)車輛受引導(dǎo)車輛加速行駛時(shí)，前方有車輛影響其行駛狀態(tài)，且前方車輛速度為vk，則車輛勻加速到vk再勻速行駛到停車線的時(shí)間如式(9)：

(9)

同樣，當(dāng)車輛到達(dá)停車線時(shí)，信號(hào)燈所處信號(hào)周期內(nèi)時(shí)刻t2，如式(10)：

(10)

當(dāng)0≤t2≤X時(shí)，受引導(dǎo)車輛能在綠燈時(shí)間通過交叉口，則受引導(dǎo)車輛跟隨前車在當(dāng)前周期通過交叉口；當(dāng)X≤t2≤C時(shí)，受引導(dǎo)車輛不能在當(dāng)前綠燈相位通過交叉口，則車輛根據(jù)式(5)～(8)，勻減速在下一個(gè)綠燈相位通過交叉口。

1.3 排放模型

美國(guó)環(huán)保局EPA開發(fā)的MOVES(motor vehicle emission simulator)排放模型主要采用行駛工況法來估算車輛的排放。其主要是通過分析車輛的比功率VSP(vehicle specific power)來計(jì)算車輛排放和油耗。之所以采用VSP，主要是因?yàn)檐囕v速度、加速度等信息都可通過VISSIM仿真得到[17]。比功率VSP計(jì)算如式(11)：

VSP=v(1.1a+0.132)+0.000 302v3

(11)

式中：v為車輛瞬時(shí)速度；a為車輛加速度。

2 仿真運(yùn)行

2.1 路網(wǎng)模型搭建

本研究以單交叉口為研究對(duì)象，以某一方向車輛直行車道進(jìn)行研究，通過微觀交通仿真軟件VISSIM建模并用其評(píng)價(jià)指標(biāo)來得到車輛行程時(shí)間、交叉口排隊(duì)長(zhǎng)度、車輛延誤等。故采取以下模擬路網(wǎng)進(jìn)行研究，如圖5。

圖5 VISSIM路網(wǎng)Fig. 5 VISSIM road network

圖5中：該模型為郊區(qū)道路，主路為雙向八車道，第一個(gè)交叉口為次路雙向四車道，第二個(gè)交叉口為次路雙向八車道。對(duì)其進(jìn)行如下設(shè)定[18-19]。

1)研究路段：?jiǎn)蝹€(gè)交叉口研究路段采用西進(jìn)口直行車道，從車輛駛?cè)肟刂凭€到車輛到達(dá)交叉口的距離為500 m；連續(xù)交叉口研究路段采用東進(jìn)口直行車道，從車輛駛?cè)肟刂凭€到車輛到達(dá)第二個(gè)交叉口的距離為1 500 m。

2)車流量：根據(jù)研究中道路車流飽和度不同，其車流量也會(huì)不同，主路單車道飽和流量為2 000輛/h，主路單方向流量分別選取3 200、4 800、6 400輛/h，飽和度分別為0.4、0.6、0.8。由于研究路段為西進(jìn)口直行車道，次路流量不會(huì)產(chǎn)生變化，故次路流量為500輛/h。道路飽和流量為8 000輛/h，是車輛在自由流速度下所能通過的最大流量。

3)車速：在無速度引導(dǎo)策略引導(dǎo)下，自由車輛期望速度為50 km/h，速度引導(dǎo)策略控制下的車輛車速為30～70 km/h。

4)加速度：在速度引導(dǎo)策略控制下的車輛加速度和減速度都為3 m/s2。

5)信號(hào)配時(shí)：此模型中，主路信號(hào)燈信號(hào)周期為60 s，綠燈時(shí)間為1～39 s，黃燈時(shí)間為3 s，全紅時(shí)間為3 s，兩交叉口相位差為12 s。

6)仿真時(shí)間：仿真時(shí)間為0～3 600仿真秒，每300仿真秒記錄一次數(shù)據(jù)。

7)評(píng)價(jià)指標(biāo)：在模型評(píng)價(jià)指標(biāo)中選取車輛從西進(jìn)口進(jìn)入路網(wǎng)直行800 m的行程時(shí)間、連續(xù)交叉口直行2 000 m的時(shí)間、車輛延誤和交叉口排隊(duì)長(zhǎng)度作為該研究的評(píng)價(jià)指標(biāo)，統(tǒng)計(jì)分析基于10次仿真實(shí)驗(yàn)結(jié)果平均值。

2.2 車路協(xié)同仿真平臺(tái)搭建

基于VISSIM將基礎(chǔ)路網(wǎng)模型構(gòu)建之后，對(duì)模型進(jìn)行外部處理，搭建車路協(xié)同仿真平臺(tái)，如圖6。

圖6 車路協(xié)同仿真平臺(tái)搭建示意Fig. 6 Construction of vehicle infrastructure collaborative simulation platform

圖6中：利用外部程序控制VISSIM的COM接口，進(jìn)而控制VISSIM仿真模型，仿真獲取數(shù)據(jù)又通過COM接口反饋到外部程序。通過調(diào)用COM接口中的仿真、車輛、車道、評(píng)價(jià)等接口，實(shí)現(xiàn)對(duì)仿真路網(wǎng)中車輛實(shí)時(shí)速度進(jìn)行引導(dǎo)控制。在運(yùn)行過程中，通過外部程序面向?qū)ο蟮亩伍_發(fā)來減少COM接口的讀寫次數(shù)，從而提高仿真速度和仿真效率。

2.3 車輛滲透率設(shè)置

通過構(gòu)建不同仿真場(chǎng)景進(jìn)行對(duì)比分析。筆者采用不同飽和度和不同滲透率即網(wǎng)聯(lián)車輛比例來進(jìn)行對(duì)比。不同飽和度可從VISSIM仿真路網(wǎng)模型中進(jìn)行修改，車輛滲透率從外部控制程序中進(jìn)行修改，如圖7。對(duì)應(yīng)不同滲透率下的車輛運(yùn)行狀態(tài)，設(shè)定白色車輛為網(wǎng)聯(lián)車輛即受控車輛，黑色車輛為不受控的自由行駛車輛。筆者設(shè)定滲透率分別為0、20%、50%、80%、100%；其中：0對(duì)應(yīng)為無網(wǎng)聯(lián)車輛，即對(duì)車流不進(jìn)行速度引導(dǎo)的場(chǎng)景。

通過不同車輛滲透率仿真設(shè)置，可發(fā)現(xiàn)滲透率對(duì)引導(dǎo)車輛數(shù)影響較大，同時(shí)速度引導(dǎo)策略對(duì)應(yīng)的優(yōu)化效果也會(huì)受到一定影響。

圖7 不同滲透率仿真Fig. 7 Simulation with different permeability rates

3 結(jié)果分析

3.1 單交叉口出行效益分析

速度引導(dǎo)模型的優(yōu)化指標(biāo)總體分為出行效益指標(biāo)和車輛排放指標(biāo)。筆者對(duì)車輛出行效益指標(biāo)進(jìn)行分析，出行效益分析又具體分為行程時(shí)間分析、交叉口排隊(duì)車輛數(shù)分析、車輛延誤時(shí)間分析。

3.1.1 車輛行程時(shí)間分析

車輛行程時(shí)間為車輛從西進(jìn)口進(jìn)入直行800 m的行程時(shí)間。在速度引導(dǎo)策略控制下，車輛行程時(shí)間較無控制情況下有所減少，則說明速度引導(dǎo)策略可提高車輛出行效益。

當(dāng)?shù)缆方煌柡投葹?.4時(shí)，即西進(jìn)口直行車道單車道流量為800輛/h，對(duì)不同滲透率車輛行程時(shí)間進(jìn)行對(duì)比分析，結(jié)果如圖8(a)。同理，當(dāng)?shù)缆方煌柡投确謩e為0.6、0.8時(shí)，車輛行程時(shí)間對(duì)比分析分別如圖8(b)、(c)。

當(dāng)滲透率不為0時(shí)，速度引導(dǎo)策略能顯著減少車輛的行程時(shí)間，隨著車輛滲透率增加，車輛行程時(shí)間也隨之減少。當(dāng)滲透率達(dá)到100%時(shí)，車輛行程時(shí)間達(dá)到最小，飽和度分別為0.4、0.6時(shí)，行程時(shí)間分別減少了10.43%、14.72%；當(dāng)飽和度為0.8時(shí)，行程時(shí)間減少了45.19%。在有速度引導(dǎo)情況下，車輛有序通過交叉口，道路堵塞現(xiàn)象比無引導(dǎo)情況下有所減緩，隨著滲透率提高，交叉口擁堵情況也隨之逐漸減少，從而使得車輛行程時(shí)間趨于車輛不停車通過交叉口時(shí)間，故在飽和度為0.8情況下，速度引導(dǎo)策略對(duì)車輛行程時(shí)間減少效果顯著。

圖8 車輛行程時(shí)間對(duì)比Fig. 8 Comparison of vehicle travel time

3.1.2 排隊(duì)車輛數(shù)分析

速度引導(dǎo)策略的目標(biāo)之一是令車輛盡可能不停車通過交叉口，因此交叉口排隊(duì)車輛數(shù)是其重要的指標(biāo)之一。當(dāng)排隊(duì)車輛數(shù)減少至0或接近0時(shí)，可證明速度引導(dǎo)策略在提高車輛出行效益方面效果顯著。

當(dāng)?shù)缆方煌柡投葹?.4時(shí)，即西進(jìn)口直行車道單車道車流量為800輛/h，其中滲透率0%為無速度引導(dǎo)的仿真場(chǎng)景。對(duì)排隊(duì)數(shù)進(jìn)行對(duì)比分析，其結(jié)果如圖9(a)。同理，當(dāng)?shù)缆方煌柡投确謩e為0.6、0.8時(shí)，交叉口排隊(duì)車輛數(shù)對(duì)比分析結(jié)果分別如圖9(b)、(c)。

在不同的飽和度情況下，排隊(duì)長(zhǎng)度都隨著滲透率增加而減少，并且當(dāng)滲透率為100%時(shí)，交叉口排隊(duì)車輛數(shù)基本為0。由圖9(c)可看出：在0.8高飽和度情況下，由于車輛數(shù)較多，在滲透率為20%時(shí)，因每個(gè)綠燈時(shí)長(zhǎng)內(nèi)通過的車輛數(shù)有限，在車輛進(jìn)入數(shù)量較多情況下，速度引導(dǎo)車輛較少，由此無法令所有車輛都能夠不停車通過交叉口，且由于車輛數(shù)不斷增多，其排隊(duì)車輛數(shù)會(huì)逐漸增多，在仿真即將結(jié)束前沒有通過交叉口的車輛數(shù)將達(dá)到一個(gè)最大值，因此會(huì)有排隊(duì)車輛數(shù)大量增加。

圖9 交叉口排隊(duì)車輛數(shù)對(duì)比Fig. 9 Comparison of the number of queuing vehicles at intersections

3.1.3 車輛延誤時(shí)間分析

在此仿真模型中，會(huì)因?yàn)檐囕v在交叉口停車或排隊(duì)，導(dǎo)致車輛加速和減速造成延誤。在速度引導(dǎo)策略控制下，車輛會(huì)減少停車和排隊(duì)行為，及一些不必要的加減速行為，從而減少延誤。

當(dāng)?shù)缆方煌柡投葹?.4時(shí)，其滲透率0為無速度引導(dǎo)場(chǎng)景，對(duì)比分析結(jié)果如圖10(a)。同理，當(dāng)?shù)缆方煌柡投确謩e為0.6、0.8時(shí)，車輛延誤時(shí)間對(duì)比分析結(jié)果分別如圖10(b)、(c)。

在速度引導(dǎo)策略控制下的車輛延遲時(shí)間顯著減少，當(dāng)滲透率為100%時(shí)，延誤時(shí)間為一個(gè)較小的穩(wěn)定值，延誤時(shí)間平均減少率約為90%。

圖10 車輛延誤時(shí)間對(duì)比Fig. 10 Comparison of vehicle delay time

3.2 單交叉口排放能耗分析

排放及能耗分析采用MOVES微觀排放模型，并基于VSP概念來計(jì)算車輛排放和能耗。筆者選取HC、CO、NOx和能耗作為分析指標(biāo)，HC、CO、NOx單位為g，能耗單位為kJ。對(duì)飽和度0.4、0.6、0.8的仿真場(chǎng)景分別進(jìn)行統(tǒng)計(jì)，結(jié)果如表1。

筆者對(duì)不同滲透率不同飽和度下的HC、CO、NOx和能耗進(jìn)行對(duì)比分析，其中HC對(duì)比結(jié)果如圖11。

圖11 不同飽和度不同滲透率下HC排放Fig. 11 HC emissions at different saturation and permeability rate

在100%滲透率情況下，與沒有速度引導(dǎo)的情況相比，HC排放量減少了約20%，但能耗減少率僅有3%。當(dāng)飽和度為0.4時(shí)，由于車流量較小，車輛停車、排隊(duì)、加減速行為也相對(duì)較少，污染排放較少，因此滲透率為100%時(shí)的HC排放量減少量較少；飽和度為0.6、0.8時(shí)，其滲透率100%HC排放量減少量較多。總體來說，速度引導(dǎo)策略對(duì)減少能耗具有較小效果。這是因?yàn)檐囕v進(jìn)行加速或減速時(shí)會(huì)勻速行駛，導(dǎo)致消耗更多燃料，然而速度引導(dǎo)策略控制下的車輛為提高出行效益，會(huì)比自由行駛車輛具有更多的加減速行為。雖然交叉口排隊(duì)停車能耗略有減少，但是車輛加減速所導(dǎo)致的能耗則較大。

表1 不同飽和度不同滲透率下指標(biāo)Table 1 Indicators at different saturation and permeability rate

3.3 連續(xù)交叉口出行效益分析

不同飽和度、不同滲透率情況下對(duì)連續(xù)多交叉口的出行進(jìn)行分析比較復(fù)雜，需考慮多種因素。因此筆者只針對(duì)連續(xù)兩個(gè)交叉口，滲透率分別0%和100%的情況進(jìn)行分析。

3.3.1 車輛行程時(shí)間分析

在連續(xù)兩個(gè)交叉口情況下，車輛受到速度引導(dǎo)時(shí)，會(huì)明顯降低車輛行程時(shí)間，在高飽和度情況下其效果十分顯著；在100%滲透率情況下，車輛行程時(shí)間在減少之后趨于穩(wěn)定，說明在速度引導(dǎo)策略控制下，車輛在進(jìn)入路網(wǎng)后逐漸形成有序的車隊(duì)通過交叉口，從而減少了延誤，提高了出行效率，減少了行程時(shí)間，如圖12。

圖12 車輛行程時(shí)間對(duì)比Fig. 12 Comparison of vehicle travel time

3.3.2 排隊(duì)車輛數(shù)分析

排隊(duì)車輛數(shù)為連續(xù)兩個(gè)交叉口排隊(duì)車輛數(shù)之和，對(duì)比情況如圖13。在不同的飽和度下，當(dāng)滲透率為100%時(shí)，交叉口排隊(duì)車輛數(shù)基本為0。由圖13可看出：在0.8的高飽和度情況下，因車輛數(shù)較多，在剛開始的300仿真秒進(jìn)入路網(wǎng)的車輛較少，因此當(dāng)車輛數(shù)增多之后會(huì)有排隊(duì)車輛激增，而后趨于穩(wěn)定。所有情況下速度引導(dǎo)排隊(duì)車輛數(shù)都基本為0，說明速度引導(dǎo)策略對(duì)減少車輛排隊(duì)具有較為明顯作用。

圖13 交叉口排隊(duì)車輛數(shù)對(duì)比Fig. 13 Comparison of the number of queuing vehicles at intersections

3.3.3 車輛延誤時(shí)間分析

在100%滲透率情況下，對(duì)于通過連續(xù)兩個(gè)交叉口的車輛，車輛延誤有顯著減少，并趨于穩(wěn)定，說明速度引導(dǎo)策略能有效減少車輛延誤時(shí)間，提高車輛出行效益，如圖14。

圖14 車輛延誤時(shí)間對(duì)比Fig. 14 Comparison of vehicle delay time

3.4 連續(xù)交叉口排放能耗分析

采用與單交叉口排放能耗分析同樣的方法，基于VSP概念，通過MOVES微觀排放模型對(duì)連續(xù)兩個(gè)交叉口的排放能耗進(jìn)行分析，結(jié)果如圖15。

圖15 不同飽和度不同滲透率下能耗和NOx對(duì)比Fig. 15 Comparison of energy consumption and NOx at different saturation and permeability rate

對(duì)車輛通過連續(xù)兩個(gè)交叉口情況，在100%的滲透率下，與車輛無引導(dǎo)的情況對(duì)比，飽和度為0.4、0.6、0.8的時(shí)候車輛的NOx排放量分別減少了8.86%、10.25%、10.55%，能耗分別減少了7.2%、4.3%、3.4%。在低飽和度情況下，能耗減少效果十分明顯；在高飽和度的情況下，因車輛數(shù)較多，速度引導(dǎo)策略會(huì)進(jìn)行較為頻繁的加減速，因此能耗的減少量會(huì)相對(duì)減少。綜合以上結(jié)果，該速度引導(dǎo)策略對(duì)減少排放及能耗有著較為明顯效果[20-21]。

4 結(jié) 語

考慮到速度引導(dǎo)策略的實(shí)現(xiàn)方式，筆者所提出方法僅適用于具有較大間距的連續(xù)定時(shí)信號(hào)控制交叉口，及車流間相互干擾較小的城市主干道。此外，筆者對(duì)單交叉口直行方向及連續(xù)兩個(gè)交叉口間的直行車輛進(jìn)行了分析，下一步將重點(diǎn)研究多交叉口多方向行駛車輛的速度引導(dǎo)策略。

筆者所提出的速度引導(dǎo)策略可用于提高車輛出行效益，減緩交叉口擁堵，減少道路交通擁堵狀況，能對(duì)車輛在交叉口的通行起到較好促進(jìn)和引導(dǎo)作用。