徐麗萍 鄧明君

（華東交通大學(xué)交通運(yùn)輸與物流學(xué)院 南昌330013）

0 引 言

近年來，公眾對環(huán)境污染的關(guān)注迅速增長，駕駛行為對交通安全、油耗排放的影響最大[1]。“一路綠燈”的實(shí)現(xiàn)不僅能提高信號交叉口的通行效率，還能減少車輛燃油消耗。然而，現(xiàn)有的干線綠波協(xié)調(diào)控制不僅要滿足嚴(yán)格的條件才能實(shí)現(xiàn)其效果，同時(shí)也是1種車輛的被動(dòng)響應(yīng)控制模式。車路協(xié)同技術(shù)的發(fā)展，使車輛與控制系統(tǒng)之間可雙向通信交互，車速引導(dǎo)能有效彌補(bǔ)傳統(tǒng)信號控制下車輛被動(dòng)響應(yīng)的局限，是未來提高信號交叉口通行效率的1種有效方法和研究方向。

現(xiàn)有的車速引導(dǎo)模型在概念設(shè)計(jì)（問題陳述或參數(shù)）、算法邏輯、控制目標(biāo)、車輛動(dòng)力學(xué)，以及油耗模型、分析邊界、部署就緒性和其他特征方面各不相同[2]。安實(shí)等[3]提出了1種基于多級可變速度限制的信號交叉口綠色駕駛控制方法，但由于速度限值和跟馳模型的選擇沒有獲得最佳結(jié)果。龍科軍等[4]以車輛引導(dǎo)速度和干線綠波相位差為控制變量，建立集成車速引導(dǎo)和干線綠波的優(yōu)化模型，但選取的多個(gè)目標(biāo)函數(shù)之間是否存在一致性或相互影響，需要進(jìn)一步研究。劉歡等[5]將被引導(dǎo)車輛及其后的普通車輛視為1個(gè)車隊(duì)，提出車-路協(xié)同環(huán)境下的信號交叉口速度引導(dǎo)策略，但該方法未考慮車輛間相互影響。鹿應(yīng)榮等[6]針對車聯(lián)網(wǎng)環(huán)境下提高交叉口通行效率的基礎(chǔ)上兼顧駕駛舒適性與環(huán)境友好性，提出了信號交叉口車速控制策略，又進(jìn)一步采用平滑的三角函數(shù)曲線表征加/減速過程中的速度變化[7]，使車輛盡可能以1個(gè)相對恒定的速度不停車通過連續(xù)多個(gè)信號交叉口，但該方法是針對單車進(jìn)行的。雷朝陽等[8]以路口停車次數(shù)及車輛延誤最小為目標(biāo)，利用多目標(biāo)粒子群算法求得考慮信號燈狀態(tài)的經(jīng)濟(jì)車速。荊彬彬等[9]提出了1種基于加減速引導(dǎo)的雙周期干道綠波協(xié)調(diào)控制方法。孟竹等[10]針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。Tang等[11]將車輛跟馳模型引入速度引導(dǎo)策略中，研究了多信號交叉口單車道道路的駕駛行為和油耗。崔洪軍等[12]在智能駕駛模型（IDM）的基礎(chǔ)上對ACC車輛建立了不同控制模式下的誘導(dǎo)策略。Liu等[13]基于車聯(lián)網(wǎng)環(huán)境，提出了2種基于優(yōu)化單個(gè)或多個(gè)車輛行駛時(shí)間的速度引導(dǎo)算法。Chen等[14]開發(fā)并解決了與生態(tài)速度控制系統(tǒng)（ESC）的現(xiàn)場應(yīng)用相關(guān)的實(shí)施問題。He等[15]考慮了干線上的車輛排隊(duì)和交通信號狀態(tài)，提出1個(gè)多階段的控制模型以獲得最優(yōu)的車輛軌跡。Simon Stebbins等[16]提出了1種時(shí)間循環(huán)技術(shù)識(shí)別車隊(duì)頭車，在每個(gè)時(shí)間步發(fā)送建議的加速度以優(yōu)化整個(gè)軌跡上的延遲。Chen等[17]使用加-減速曲線作為優(yōu)化目標(biāo)，提出了1種在信號交叉口完全服從和不完全服從車速引導(dǎo)車輛隊(duì)列的節(jié)能駕駛速度控制算法，但該速度控制算法是針對以相同的速度和車頭間距行駛的車隊(duì)。

總結(jié)上述研究的不足，主要表現(xiàn)為：①未考慮駕駛員實(shí)際可操作性和舒適性；②速度控制模型只考慮單車；③未考慮多車跟馳狀態(tài)或即使考慮了但是沒有選擇更合適的跟馳模型；④未考慮車輛燃油消耗和車速引導(dǎo)場景劃分較粗略。因此，本研究綜合考慮以上不足之處，針對車路協(xié)同環(huán)境，以提高交叉口運(yùn)行效率及減少車輛燃油消耗為目標(biāo)，采用分區(qū)控制思想將相鄰交叉口路段劃分為自由駕駛區(qū)、車輛編隊(duì)區(qū)及速度引導(dǎo)區(qū)。車輛在編隊(duì)區(qū)通過頭車和尾車的識(shí)別進(jìn)行順序編隊(duì)，到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)，在基于速度引導(dǎo)的改進(jìn)FVD跟馳模型基礎(chǔ)上，綜合考慮各車運(yùn)行狀態(tài)、當(dāng)前信號狀況，以及下游車隊(duì)的影響，建立后車計(jì)算最優(yōu)跟馳加減速度與頭車以同一目標(biāo)速度通過停車線的4種車速引導(dǎo)模型，該模型同時(shí)適用于單車和多車。

1 分區(qū)控制

信號交叉口進(jìn)口道處車輛常常以列隊(duì)的形式行駛，為了更好實(shí)現(xiàn)車速引導(dǎo)過程，先對進(jìn)口道上的每輛車進(jìn)行所屬列隊(duì)順序編號。因此，采用分區(qū)控制思想將相鄰交叉口之間的路段分為自由駕駛區(qū)、車輛編隊(duì)區(qū)及速度引導(dǎo)區(qū)，見圖1。車輛在自由駕駛區(qū)內(nèi)按交通規(guī)則自由行駛及發(fā)布在下游交叉口的轉(zhuǎn)向信息，在編隊(duì)區(qū)內(nèi)按照轉(zhuǎn)向?qū)囕v進(jìn)行列隊(duì)劃分及編號，在速度引導(dǎo)區(qū)內(nèi)駕駛員根據(jù)速度引導(dǎo)策略實(shí)時(shí)控制車輛以實(shí)現(xiàn)不停車或少停車通過交叉口停車線。

圖1 分區(qū)控制示意圖Fig.1 Schematic diagram of zone control

1.1 速度引導(dǎo)區(qū)的界定

速度引導(dǎo)區(qū)最短控制范圍的確定，應(yīng)該使得車輛能夠在任何速度下有足夠時(shí)間進(jìn)行速度調(diào)整；最長控制范圍的確定是為了確保車輛能夠在1個(gè)信號周期C內(nèi)通過交叉口[3]，還應(yīng)該考慮駕駛員反應(yīng)時(shí)間，因此控制范圍為

式中：Lg為速度引導(dǎo)區(qū)域控制范圍，m；Vmax和Vmin分別為路段規(guī)定的最大速度和最小速度，m/s；a和d分別為駕駛員普遍感覺舒適的加速度和減速度，m/s2；tr為駕駛員反應(yīng)時(shí)間，s。

1.2 車輛列隊(duì)識(shí)別

車輛列隊(duì)是以相近的車頭時(shí)距或車頭間距通過路段的車輛組合。本文采用車頭時(shí)距來作為車輛編隊(duì)的判斷條件。設(shè)i-1與i為在下一交叉口同一轉(zhuǎn)向連續(xù)的2輛車，其依次通過車輛編隊(duì)區(qū)起點(diǎn)的時(shí)刻分別為t i-1和t i，則車輛i-1與i的車頭時(shí)距hi-1，i為

若h i-1，i小于等于標(biāo)準(zhǔn)車頭時(shí)距ht，則將車輛i-1與i視為1個(gè)車隊(duì)，否則視為不同車隊(duì)。車輛具體隊(duì)列識(shí)別過程為

1）識(shí)別車隊(duì)頭車。當(dāng)檢測到第i輛車與前車的車頭時(shí)距hi-1，i>ht，與同一轉(zhuǎn)向的第i+1輛車的車頭時(shí)距h i，i+1≤ht，且連續(xù)檢測到的2車車頭時(shí)距均小于等于ht時(shí)，認(rèn)為第i輛車為車隊(duì)頭車。

2）識(shí)別車隊(duì)尾車。當(dāng)檢測到第m輛車與前車的車頭時(shí)距h m-1，m≤ht，與同一轉(zhuǎn)向的第m+1輛車的車頭時(shí)距h m，m+1>ht時(shí)，認(rèn)為第m輛車為車隊(duì)尾車。

由上述可知，1個(gè)車輛列隊(duì)最少車輛數(shù)Pmin為1，最多車輛數(shù)Pmax設(shè)為1個(gè)車輛列隊(duì)能在同1個(gè)綠燈期間完整通過，即當(dāng)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)速度為Vmax且綠燈剛好啟亮，此時(shí)車隊(duì)車輛數(shù)為Pmax。則1個(gè)車隊(duì)的車輛數(shù)Pn范圍為

式中：G為相位周期內(nèi)有效綠燈時(shí)長，s；hd為安全車頭間距，m。當(dāng)識(shí)別出的1個(gè)車輛列隊(duì)中車輛數(shù)大于Pmax，則將其自動(dòng)化為下1個(gè)車輛列隊(duì)。

2 改進(jìn)FVD跟馳模型

在車路協(xié)同環(huán)境下，駕駛特征發(fā)生變化，同時(shí)車速引導(dǎo)可能會(huì)對駕駛行為產(chǎn)生重大影響[18]，需要對傳統(tǒng)環(huán)境下的跟馳模型進(jìn)行改進(jìn)。本文基于全速度差(full velocity difference，F(xiàn)VD)跟馳模型，考慮當(dāng)前信號燈相位信息和前車運(yùn)動(dòng)狀態(tài)，誘導(dǎo)后車與頭車以同一目標(biāo)速度組成車輛列隊(duì)形式不停車或少停車在綠燈期間通過交叉口停車線，提出車路協(xié)同環(huán)境下4種車速引導(dǎo)決策下的車輛跟馳模型，見式（4）。

3 燃油消耗模型

為獲取車輛的燃油消耗量，采用微觀油耗模型（virginal tech microscopic emission model，VT Micro model）[19]，該模型簡便且精度高，只需獲取車輛的瞬時(shí)速度和加速度，仿真實(shí)驗(yàn)和實(shí)車實(shí)驗(yàn)均可適用。模型關(guān)系式見式（5）。

式中：MOEe為車輛的瞬時(shí)燃油消耗率為擬合系數(shù)，取值見表1；V i為瞬時(shí)速度，m/s；a j為瞬時(shí)加速度，m/s2。

表1 擬合系數(shù)取值Tab.1 The values of the regression coefficiens

4 車速引導(dǎo)建模

4.1 基本假設(shè)

為簡化研究的問題，本文提出的模型基于以下基本假設(shè)。

1）車輛全部為網(wǎng)聯(lián)車，車載設(shè)備與路測設(shè)備之間的通信延遲可忽略不計(jì)。

2）被引導(dǎo)車輛均嚴(yán)格服從車速引導(dǎo)策略。

3）車輛在進(jìn)入車輛編隊(duì)區(qū)前已經(jīng)完成路徑?jīng)Q策，只允許在自由駕駛區(qū)變換車道。

4）不考慮非機(jī)動(dòng)車、行人和公交?？康母蓴_。

4.2 車速引導(dǎo)策略及模型

車輛在編隊(duì)區(qū)完成車輛列隊(duì)識(shí)別獲得每輛車所屬車隊(duì)的編號，當(dāng)目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)，設(shè)目標(biāo)車輛列隊(duì)中每輛車的狀態(tài)為Pij()Vij，Xij，Tphase，t j-1。其中：Vij為第j車隊(duì)中第i輛車的現(xiàn)狀速度，m/s；Xij為第j車隊(duì)中第i輛車距離速度引導(dǎo)區(qū)起點(diǎn)的距離，m；當(dāng)前相位燈色剩余時(shí)長為Tphase，s；下游車隊(duì)清空速度引導(dǎo)區(qū)的時(shí)間為t j-1，s。系統(tǒng)會(huì)根據(jù)當(dāng)前相位燈色剩余時(shí)間、下游是否有車輛及車隊(duì)現(xiàn)狀速度、位置等信息，計(jì)算頭車能不停車通過交叉口停車線的目標(biāo)速度，后車則根據(jù)頭車的目標(biāo)速度及實(shí)時(shí)位置根據(jù)改進(jìn)的FVD跟馳模型依次計(jì)算跟馳加（減）速度，以確保盡可能多的車輛能不停車通過交叉口停車線，即使有些車輛沒有機(jī)會(huì)在不怠速的情況下通過停車線，系統(tǒng)也會(huì)讓它們以最小減速速度減速以節(jié)省燃料。對引導(dǎo)場景進(jìn)行全面劃分后，則目標(biāo)車輛列隊(duì)通過交叉口的速度引導(dǎo)策略可分為加速引導(dǎo)、減速引導(dǎo)、加減速引導(dǎo)及減速停車引導(dǎo)4種。目標(biāo)車輛列隊(duì)的速度引導(dǎo)軌跡見圖2，車速引導(dǎo)算法邏輯見圖3。

圖2 不同場景下目標(biāo)車輛列隊(duì)速度引導(dǎo)軌跡示意Fig.2 The speed guide trajectory of the target fleet in different scenarios

圖3 車速引導(dǎo)算法邏輯Fig.3 Speed guidance algorithm logi

4.2.1 加速引導(dǎo)策略模型

當(dāng)目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)本相位為綠燈且剩余時(shí)間較多，或本相位為紅燈且紅燈剩余時(shí)間較少，同時(shí)下游沒有車輛或有車輛但對目標(biāo)車輛列隊(duì)行駛沒有影響時(shí)，為了增加本信號周期交叉口的車輛通過量，建議頭車的目標(biāo)車速Vmax，根據(jù)式（4），后車的跟馳加速度

后車的最優(yōu)加速度為

則車輛列隊(duì)頭車通過交叉口停車線的時(shí)間t1j應(yīng)滿足

車輛列隊(duì)后車通過交叉口停車線的時(shí)間t2j為

4.2.2 減速引導(dǎo)策略模型

當(dāng)目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)本相位為綠燈且剩余時(shí)間較少，即使頭車以Vmax行駛也不能通過交叉口停車線；或本相位為紅燈且剩余時(shí)間較長，則引導(dǎo)車輛列隊(duì)減速行駛，目標(biāo)速度應(yīng)為頭車到達(dá)交叉口停車線時(shí)綠燈剛剛啟亮，則頭車通過交叉口停車線的時(shí)間t1j(j=1，2，…，Pmax)為

則后車的最優(yōu)減速度為

車輛列隊(duì)后車通過交叉口停車線的時(shí)間t2j應(yīng)滿足

4.2.3 加減速引導(dǎo)策略模型

當(dāng)目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)本相位為綠燈，下游有勻速行駛的車輛列隊(duì)；或本相位為紅燈末尾，下游有排隊(duì)等待的車輛列隊(duì)，相位剩余時(shí)間只能使目標(biāo)車輛列隊(duì)部分車輛在本周期通過交叉口停車線，此時(shí)速度引導(dǎo)策略為車隊(duì)前部分車輛加速或減速至下游車隊(duì)尾車車速后跟隨下游車隊(duì)隊(duì)尾車輛一起通過交叉口停車線，車隊(duì)剩余車輛則引導(dǎo)減速行駛至停車線時(shí)下一周期綠燈剛剛啟亮。則頭車的目標(biāo)速度為V j-1(j=1，2，…，Pmax)，行駛軌跡應(yīng)滿足

應(yīng)滿足

式中：V j-1為下游車輛列隊(duì)尾車的行駛速度，m/s；t j-1為目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)起點(diǎn)時(shí)下游車隊(duì)清空交叉口停車線的時(shí)間，s；Ls為車輛間最小安全間距，m；hd為標(biāo)準(zhǔn)車頭間距，m。則加速行駛的頭車通過交叉口停車線的時(shí)間t1j(j=1，2，…，應(yīng)滿足

目標(biāo)車輛列隊(duì)能加速通過交叉口停車線的最多車輛數(shù)為

則目標(biāo)車輛列隊(duì)剩余車輛引導(dǎo)其減速通過，通過交叉口停車線的時(shí)間t12應(yīng)滿足

式中:i=1，2，…，P n-N1；j=2，3，…，Pmax，滿足

4.2.4 減速停車引導(dǎo)策略模型

當(dāng)目標(biāo)車輛列隊(duì)頭車到達(dá)速度引導(dǎo)區(qū)域起點(diǎn)時(shí)，相位為綠燈或紅燈，但下游排隊(duì)車輛較多，無論頭車加速或者減速都沒有機(jī)會(huì)避免在停車線怠速，則引導(dǎo)車隊(duì)平滑減速停車，避免車輛急速制動(dòng)，則頭車的最優(yōu)減速度為

滿足約束

5 模型仿真與驗(yàn)證

5.1 仿真平臺(tái)搭建

選取南昌市海棠北路/楓林西大街交叉口進(jìn)行實(shí)例驗(yàn)證，以交通仿真軟件Vissim4.3為仿真平臺(tái)，利用Visual Studio 2017編程軟件及Vissim-COM接口對其進(jìn)行二次開發(fā)。該交叉口東西雙向6車道，南北雙向4車道，綜合各因素本文只對西進(jìn)口直行車道車輛進(jìn)行分析，分別在編隊(duì)區(qū)和速度引導(dǎo)區(qū)起點(diǎn)設(shè)置檢測器采集數(shù)據(jù)。仿真場景對比見圖4，仿真及模型計(jì)算主要參數(shù)設(shè)置見表2，信號配時(shí)及現(xiàn)狀流量見表3～4。

圖4 有無速度引導(dǎo)Vissim仿真場景對比Fig.4 Comparison of Vissim simulation scenarios with or without speed guidance

表2 仿真及模型計(jì)算主要參數(shù)設(shè)置Tab.2 Main parameter settings of simulation and model calculation

表3 交叉口現(xiàn)狀信號配時(shí)方案Tab.3 Status signal timing plan at intersection

表4 交叉口現(xiàn)狀流量Tab.4 Status fiow at intersection pcu/h

5.2 仿真結(jié)果分析

5.2.1 車隊(duì)頭車識(shí)別結(jié)果

在車輛編隊(duì)區(qū)起點(diǎn)設(shè)置檢測器，采集連續(xù)通過車輛的車頭時(shí)距，根據(jù)車輛編隊(duì)識(shí)別判定條件自動(dòng)識(shí)別出車隊(duì)頭車ID，識(shí)別結(jié)果見表5。

表5 車隊(duì)頭車識(shí)別結(jié)果（部分）Tab.5 Recognition results of the leader of the fleet(partial)

5.2.2 車輛時(shí)空軌跡分析

選取第960～2 040 s時(shí)間段采集的數(shù)據(jù)進(jìn)行分析，見圖5～6?？梢钥闯鲕囕v在接受本文的速度引導(dǎo)策略后速度變化較平穩(wěn)，每信號周期的通過量增加或不變，但車輛能不停車駛過交叉口停車線的數(shù)量明顯增多。這是因?yàn)檐囕v能提前獲取信息并以不停車的目標(biāo)速度駛過停車線，避免了紅燈期間到達(dá)停車線時(shí)速度為零和綠燈啟亮?xí)r又加速行駛的速度變化，同時(shí)本文改進(jìn)的跟馳模型能使車輛間以較小和較均衡的車頭間距行駛，增加了交叉口的通過量。

5.2.3 行程時(shí)間及燃油消耗分析

在本文模型引導(dǎo)下，車輛可以盡量避免紅燈期間的排隊(duì)等待而不停車駛過交叉口停車線，行程時(shí)間均少于沒有速度引導(dǎo)時(shí)的行程時(shí)間，仿真檢測時(shí)間間隔內(nèi)行程時(shí)間平均減少了18.9%。同時(shí)，通過設(shè)置的數(shù)據(jù)采集點(diǎn)檢測器獲取車輛的速度和加速度，根據(jù)式（5）計(jì)算出仿真期間車輛的總?cè)加拖牧?，對比可知，車輛的總?cè)加拖牧勘葲]有速度引導(dǎo)時(shí)減少了36.4%。這是因?yàn)椴捎帽疚牡乃俣纫龑?dǎo)模型后更多的車輛將以較平穩(wěn)的速度不停車駛過停車線，避免了停車線前頻繁的啟停和怠速，說明本文模型能有效降低車輛運(yùn)行過程中燃油消耗。車輛行程時(shí)間見表6，燃油消耗見圖7。

圖5 無速度引導(dǎo)場景車輛時(shí)空軌跡（部分）Fig.5 Space-time trajectory of vehicles in the scene without speed guidance(partial)

圖6 本文模型引導(dǎo)車輛時(shí)空軌跡（部分）Fig.6 Space-time trajectory of vehicles by the proposed model(partial)

表6 車輛行程時(shí)間仿真結(jié)果Tab.6 Vehicle travel time simulation results

圖7 車輛總?cè)加拖牧繉Ρ菷ig.7 Comparison of total vehicle fuel consumption

5.2.4 最大排隊(duì)長度分析

在無速度引導(dǎo)的非車路協(xié)同環(huán)境中，駕駛員只能根據(jù)周圍車輛狀態(tài)或經(jīng)驗(yàn)采取駕駛措施，不能提前避免在紅燈期間怠速排隊(duì)等待，而在本文模型駕駛員能提前獲取交通信息和目標(biāo)車速建議，因此排隊(duì)車輛數(shù)明顯減少，最大排隊(duì)長度平均減少了58.8%，提高了交叉口的通行效率，結(jié)果見圖8。

圖8 最大排隊(duì)長度對比Fig.8 Comparison of the maximum queue length

5.2.5 延誤分析

由前文結(jié)果可知，在本文模型引導(dǎo)下，車隊(duì)頭車因紅燈頻繁啟停的時(shí)間減少，后車造成的延誤也隨之減少，較沒有速度引導(dǎo)時(shí)平均減少了60.8%。車輛延誤對比結(jié)果見圖9。

圖9 車輛延誤對比Fig.9 Comparison of vehicle delays

5.2.6 不同飽和狀態(tài)下運(yùn)行指標(biāo)分析

為了進(jìn)一步驗(yàn)本文模型在各種交通狀態(tài)中的適應(yīng)性，分別選用飽和度為0.2，0.4，0.6，0.8對應(yīng)下的不同交通流量情況對模型進(jìn)行驗(yàn)證，結(jié)果見表7。相對于無速度引導(dǎo)，在本文模型引導(dǎo)下車輛平均行程時(shí)間、延誤及停車次數(shù)均有明顯降低，說明改善效果基本不受交叉口飽和度的影響，適用于不同交通飽和狀態(tài)。

表7 不同飽和狀態(tài)下運(yùn)行指標(biāo)結(jié)果對比Tab.7 Comparison of operating index results underdifferent saturation conditions

5.3 模型主要影響因素分析

本文模型的實(shí)現(xiàn)是基于一定的假設(shè)條件，實(shí)際情況中，車速引導(dǎo)模型受復(fù)雜的交通因素影響，主要有：①網(wǎng)聯(lián)車的滲透率：當(dāng)滲透率不是100%時(shí)，需要考慮混合交通流的特性；②駕駛員類型：如駕駛員對車速引導(dǎo)策略的依從性將極大地影響模型的服務(wù)性能；③速度引導(dǎo)區(qū)間長度：一般引導(dǎo)區(qū)長度越長，車速引導(dǎo)越穩(wěn)定，但城市相鄰交叉口間距有限，最佳車速引導(dǎo)區(qū)間長度需進(jìn)一步探究；④車輛類型：不同車輛類型的動(dòng)力性能不一樣，其速度調(diào)整頻率不一致，需進(jìn)一步劃分；⑤車輛橫向相互作用：考慮車輛變道等行為使模型應(yīng)用更符合實(shí)際。

在本文模型的基礎(chǔ)上，對上述影響因素做進(jìn)一步研究，將會(huì)使得本研究更具實(shí)用性。

6 結(jié)束語

1）采用分區(qū)控制思想將相鄰交叉口路段劃分為車輛自由駕駛區(qū)、編隊(duì)識(shí)別區(qū)及速度引導(dǎo)區(qū)，并提出了車輛編隊(duì)區(qū)和速度引導(dǎo)區(qū)的適宜范圍界定模型。

2）提出了車路協(xié)同環(huán)境下基于不同速度引導(dǎo)的改進(jìn)FVD跟馳模型。

3）以車輛列隊(duì)為引導(dǎo)單元，建立了跟馳車根據(jù)改進(jìn)的跟馳模型計(jì)算最優(yōu)加減速度并與頭車以同一目標(biāo)速度通過信號交叉口停車線的4種車速引導(dǎo)模型，該模型同時(shí)適用于單車和多車引導(dǎo)。

4）仿真結(jié)果表明，與沒有速度引導(dǎo)的傳統(tǒng)定時(shí)信號交叉口控制相比，本文提出的模型能使車輛行程時(shí)間減少18.9%，最大排隊(duì)長度減少58.8%，延誤減少60.8%，燃油消耗減少36.4%，且適用于不同交通飽和狀態(tài)。

下一步將在考慮模型實(shí)際影響因素的基礎(chǔ)上，繼續(xù)研究多信號交叉口的車速引導(dǎo)策略模型，同時(shí)探究動(dòng)態(tài)信號配時(shí)動(dòng)態(tài)車速引導(dǎo)雙向協(xié)同優(yōu)化策略。