曲大義，韓樂濰，林 璐，黑凱先，趙梓旭

(青島理工大學(xué) 機(jī)械與汽車工程學(xué)院，山東 青島 266520)

0 引言

交叉口是道路網(wǎng)的交匯點(diǎn)，交叉口信號燈變換時，駕駛員根據(jù)實(shí)時路況信息迅速判斷停車或通過，由于駕駛員對交叉口信息的把握不完全準(zhǔn)確，極易做出錯誤判斷，輕則延誤通行時間，重則導(dǎo)致交通事故。據(jù)相關(guān)資料[1]統(tǒng)計(jì)，交叉口事故90%是發(fā)生在信號過渡期間，其主要原因包括：駕駛員信息判斷能力不足、視線不良、天氣原因以及畸形交叉口視距不足等。總體而言，因駕駛員對交叉口信息把握不準(zhǔn)確，而導(dǎo)致事故發(fā)生的概率占90%以上。同時，交叉口保守型駕駛行為增加車輛通行延誤時間高達(dá)全程的30%。

從20世紀(jì)60年代Gazis等人提出兩難區(qū)概念和GHM模型，國內(nèi)外學(xué)者對解決兩難區(qū)問題進(jìn)行了深入探究。Olson、Lin[2]等許多學(xué)者通過更改信號燈時長來對車輛駕駛員和兩難區(qū)進(jìn)行研究。張亞平[3]等考慮第一類兩難區(qū)對黃燈信號時長進(jìn)行了優(yōu)化，提出對限速值為60 km/h的信號交叉口，分別設(shè)置5 s和4 s的黃燈信號時長，可有效消除第一類兩難區(qū)。楊東[4]考慮了兩難區(qū)的動態(tài)變化性，并設(shè)計(jì)了基于提前引導(dǎo)的兩難區(qū)規(guī)避系統(tǒng)。張存保[5]等人運(yùn)用車速引導(dǎo)、綠燈時間延長和黃燈時間調(diào)整等 3 種措施降低車輛進(jìn)入兩難區(qū)的概率，并使用Vissim進(jìn)行了仿真。劉詩福[6]等提出一種基于馬爾可夫模型的兩難區(qū)自適應(yīng)控制方法，采用自適應(yīng)控制調(diào)整信號相位時長，通過仿真驗(yàn)證其有效性并對參數(shù)進(jìn)行了敏感性分析。趙永紅[7]等分析了兩難區(qū)的時變特性并由此提出一種兩難區(qū)警示系統(tǒng)的改進(jìn)算法并通過仿真驗(yàn)證。

綜上所述，國內(nèi)外學(xué)者較多采用諸如黃燈時間調(diào)整等信號控制手段，雖然增加黃燈時間雖然可以避免部分車輛進(jìn)入兩難區(qū)， 但是一味增加黃燈時間會造成路段的通行效率下降，甚至增加部分激進(jìn)型駕駛員闖黃燈的概率。另外，部分學(xué)者從車路協(xié)同角度入手，利用車輛與路面基礎(chǔ)設(shè)施之間的信息共享與車輛控制的方法解決兩難區(qū)問題，但是該方法對技術(shù)水平要求較高、軟硬件設(shè)施投資較大，目前難以推廣使用，無法根治亟待解決的交叉口兩難區(qū)問題。因此為控制交叉口處的車速和輔助駕駛員準(zhǔn)確決策，本研究提出并構(gòu)建一種面向交叉口主動安全的車路協(xié)同輔助決策系統(tǒng)設(shè)計(jì)，協(xié)調(diào)交叉口的安全性與道路整體通行效率之間的關(guān)系。在分析兩難區(qū)動態(tài)特性的基礎(chǔ)上，提出兩難區(qū)主動安全輔助決策模型，并進(jìn)行了兩難區(qū)主動安全系統(tǒng)設(shè)計(jì)，通過安裝于停止線處的智能埋地?zé)魹轳{駛員提供準(zhǔn)確的駕駛建議，減少駕駛員因主觀決策失誤而造成的交通事故損失，縮短保守型駕駛行為帶來的時間延誤，同時結(jié)合動態(tài)黃燈時間，為駕駛員安全通過交叉口提供保障。

1 兩難區(qū)主動安全輔助決策模型

1.1 交叉口兩難區(qū)動態(tài)特性分析

Urbanik和Koonce將兩難區(qū)定義為Gazis等人提出的I型兩難區(qū)和ITE技術(shù)委員會報告中確定的II型兩難區(qū)[8]。I型兩難區(qū)是指在交叉口信號燈黃燈啟亮前的一個階段進(jìn)入交叉口進(jìn)口道的車輛駕駛員會由于自身判斷能力不足等因素，導(dǎo)致其處在無法繼續(xù)行駛通過交叉口和無法減速安全停車等待紅燈的兩難困境中，造成信控交叉口在信號轉(zhuǎn)換階段闖紅燈現(xiàn)象和交通事故多發(fā)。I型兩難區(qū)如圖1所示，其中XC是車輛能夠以較為安全的減速度停止在停止線前的距離，稱為最小安全停車距離；X0是車輛能夠在紅燈啟亮前越過停止線并駛離交叉口的最大距離，稱為最大黃燈通過距離。

圖1 交叉口兩難區(qū)示意圖Fig.1 Schematic diagram of intersection dilemma zone

根據(jù)GHM模型，XC與X0的公式如下[9]：

(1)

(2)

式中，v0為駛近車輛的速度；δ1與δ2分別為減速停車與通過時的駕駛員反應(yīng)時間；a1與a2分別為車輛最大的減速度與加速度；τ為交叉口的黃燈時長；W為交叉口寬度；L為車輛自身長度。

若XC>X0時，在XC與X0之間的區(qū)域即為兩難區(qū)，記為XDZ。當(dāng)黃燈啟亮?xí)r，處于XDZ區(qū)域內(nèi)的車輛既無法安全通過也無法減速停車在停止線前。

在工程實(shí)踐中，I型兩難區(qū)的參數(shù)經(jīng)常采用確定的數(shù)值，例如v0一般采用道路限速值，δ1，δ2，a1，a2等也一般根據(jù)ITE交通工程手冊等采用相應(yīng)的數(shù)值。但是這些參數(shù)會隨著不同的車輛速度與加速度數(shù)值、駕駛員心理屬性、道路條件等因素變化，因此需要對進(jìn)口道駛?cè)胲囕v進(jìn)行信息采集，逐一分析每一輛車的屬性才能準(zhǔn)確判斷兩難區(qū)邊界。

駕駛員在駛?cè)虢徊婵谶M(jìn)口道時，需要根據(jù)車輛信息、信號燈時長、前車時距、道路條件等多種因素做出通過或停車的判斷。在短時間內(nèi)駕駛員難以把握如此多的信息，容易做出錯誤的決策。駕駛員在兩難困境內(nèi)決策失誤的主要類型有如下幾種[7]：情形1，車輛以當(dāng)前時速行駛無法通過停止線，但駕駛員選擇加速行駛，導(dǎo)致闖紅燈；情形2，駕駛員反應(yīng)時間較長，車輛減速度較大，不利于交通安全；情形3，駕駛員本可以通過停止線，但錯誤地選擇減速停車，導(dǎo)致通行效率下降；情形4，駕駛員操縱車輛減速度過小，造成越過停止線停車或闖紅燈。圖2中，橫軸為信號相位時間，縱軸為車輛到停止線的距離。

圖2 駕駛員決策失誤類型示意圖Fig.2 Schematic diagram of types of driver’s decision-making errors

因此合理準(zhǔn)確地把握兩難區(qū)邊界，并對駕駛員進(jìn)行相應(yīng)的提醒，可有效避免車輛陷入兩難區(qū)， 規(guī)避交叉口事故發(fā)生的風(fēng)險，縮短保守型駕駛行為帶來的時間延誤，整體提高路網(wǎng)的魯棒性。

1.2 交叉口兩難區(qū)定點(diǎn)邊界模型

由于兩難區(qū)的邊界由較多參數(shù)確定且不斷變化，因此確定車輛是否處在兩難區(qū)時，可以通過車輛在進(jìn)口道上幾個確定位置處的速度、加速度和信號時間等信息來進(jìn)行判斷。

通過建立運(yùn)動學(xué)模型描述上述問題，當(dāng)車輛以速度vL和加速度aL行駛到距停止線距離S1處，此時距離紅燈啟亮?xí)r間還有trL，如果車輛能夠在紅燈啟亮前通過停止線，應(yīng)滿足如下方程[10]：

(3)

由此定義兩難區(qū)后緣邊界位置為DL，即車輛在紅燈啟亮前能夠從距停止線S1處駛過的最大距離，示意圖如圖3所示。

圖3 DL示意圖Fig.3 Schematic diagram of DL

兩難區(qū)后緣邊界位置可以確定車輛以當(dāng)前狀態(tài)能否通過交叉口。當(dāng)S1

圖4 DL函數(shù)三維圖Fig.4 Three-dimensional diagram of DL function

如果車輛以速度和加速度行駛到距停止線S2處，此時距離紅燈啟亮?xí)r間還有trR，車輛減速響應(yīng)時間為ts，如果車輛能夠在紅燈啟亮前減速停在停止線前，應(yīng)滿足[11]：

(4)

式中λ1為車型修正系數(shù)；λ2為路面摩擦力修正系數(shù)。由此定義兩難區(qū)前緣邊界位置為DR，即車輛經(jīng)過提醒后采取措施，在紅燈啟亮前能夠從距停止線S2處減速到停車所需的最小距離，如圖5所示。

圖5 DR示意圖Fig.5 Schematic diagram of DR

兩難區(qū)后緣邊界位置可以確定車輛以當(dāng)前狀態(tài)能否減速停止在停止線前。當(dāng)S2≥DR時，車輛能夠在停止線前減速停車；當(dāng)S2

圖6 DR函數(shù)三維圖Fig.6 Three-dimensional diagram of DR function

1.3 主動安全輔助決策模型

根據(jù)上述兩難區(qū)動態(tài)特性研究與交叉口兩難區(qū)定點(diǎn)邊界模型，提出如下輔助決策模型。在距離停止線S1與S2處設(shè)置車輛信息采集裝置，通過智能埋地?zé)舻奶崾咀饔煤驮O(shè)置動態(tài)黃燈時間，防止車輛進(jìn)入兩難區(qū)，輔助決策流程圖如圖7所示。

圖7 輔助決策模型流程圖Fig.7 Flowchart of auxiliary decision-making model

當(dāng)車輛經(jīng)過第1組測速點(diǎn)時，可以計(jì)算出兩難區(qū)后緣邊界位置DL，此時車輛正處于設(shè)定的距離停止線S1處，將DL與S1進(jìn)行比較，根據(jù)結(jié)果控制一號埋地?zé)舻臓顟B(tài)，輔助駕駛員判斷能否通過停止線。當(dāng)車輛經(jīng)過第2組測速點(diǎn)時，可以計(jì)算出兩難區(qū)前緣邊界位置DR，此時車輛正處于設(shè)定的距離停止線S2處，將DR與S2進(jìn)行比較，根據(jù)結(jié)果控制二號埋地?zé)舻臓顟B(tài)，提醒駕駛員當(dāng)前狀態(tài)能否停止在停止線前。當(dāng)S2

ITE報告中的減速度建議值為3.048 m/s2，美國國家公路與交通委員會建議使用的最大減速度為3.414 m/s2[13]，因此設(shè)置3.414 m/s2為模型的最大減速度參考值amax。

將式(4)進(jìn)行變形，可以得到臨界減速度aRC的計(jì)算公式[14]：

(5)

當(dāng)amax>aRC≥aR時，車輛應(yīng)該加大制動力停車；當(dāng)aRC

動態(tài)黃燈時間的初始時長為3 s，在考慮交通效率與駕駛員心理等因素，設(shè)置最大黃燈延長時間Δt為2 s[15]。動態(tài)黃燈時間的計(jì)算公式如下：

Δt∈[0,1,2]。

(6)

2 系統(tǒng)方案設(shè)計(jì)

交叉口主動安全輔助系統(tǒng)設(shè)計(jì)主要分為信息采集、決策控制、智能埋地?zé)?個模塊，系統(tǒng)整體架構(gòu)如圖8所示。信息采集模塊采用視頻測速及時獲取駛近車輛速度及加減速信息；決策控制模塊實(shí)時讀寫交通信號控制機(jī)中的信號相位時間、駛近車輛的速度和加速度信息，通過輔助決策模型對當(dāng)前駕駛行為的安全性進(jìn)行判斷，根據(jù)輔助決策模型對智能埋地?zé)艉蛣討B(tài)黃燈時間做出相應(yīng)控制；智能埋地?zé)裟K根據(jù)判斷結(jié)果在熄滅、啟亮紅色、啟亮紅色閃爍3種狀態(tài)下靈活切換，從視覺上為駕駛員提供決策輔助。

圖8 交叉口主動安全輔助系統(tǒng)整體架構(gòu)Fig.8 Overall system architecture of active safety auxiliary system for intersection

2.1 決策控制單元設(shè)計(jì)

控制單元由中央處理器、信號相位讀寫、視頻車速檢測、智能埋地?zé)艨刂?部分構(gòu)成(見圖9)。中央處理器以單片機(jī)為核心控制單元，信號控制線并連于控制機(jī)I/O端口，實(shí)時讀取交叉口信號相位狀態(tài)。視頻車速檢測系統(tǒng)主要由視頻攝像頭、傳輸饋線、檢測處理單元3部分構(gòu)成，檢測處理單元固化于中央處理器中。中央處理器利用所獲信息，根據(jù)交叉口主動安全輔助決策模型判斷行車安全度及行車意向，智能埋地?zé)艨刂撇糠指鶕?jù)中央處理器指令控制埋地?zé)舻臓顟B(tài)切換。

圖9 決策控制單元示意圖Fig.9 Schematic diagram of decision-making control unit

2.2 智能埋地?zé)粼O(shè)計(jì)

智能埋地?zé)敉ㄟ^預(yù)制混凝土套筒底座嵌裝于路面上，每車道放置兩盞，底部通過傳輸饋線與控制單元連接。埋地?zé)魹閱蜗虬l(fā)光，不影響其他方向車輛行駛，頂部高于地面3 cm，其防水等級在IP67以上，頂部外殼使用高強(qiáng)度鋼材制造，LED發(fā)光區(qū)域外側(cè)安裝有高強(qiáng)度鋼化玻璃透明保護(hù)板，鋼化玻璃透明保護(hù)板內(nèi)嵌裝豎直光柵，降低燈光在車道兩側(cè)的可視角度，減少對非機(jī)動車和行人的干擾；外殼邊緣采用圓角設(shè)計(jì)減少對車輛輪胎的沖擊(如圖10、圖11所示)。

圖10 智能埋地?zé)舭惭bFig.10 Installing intelligent underground light

圖11 智能埋地?zé)艚Y(jié)構(gòu)圖Fig.11 Structure diagram of intelligent underground light

2.3 埋地?zé)襞c信息檢測位置定位

針對前面所述距停止線S1與S2處進(jìn)行車輛信息檢測，為滿足系統(tǒng)功能需求，制定平穩(wěn)制動距離Sd、緊急制動距離Se兩項(xiàng)指標(biāo)確定信息檢測與兩組埋地?zé)舻奈恢?見圖12)。

圖12 埋地?zé)襞c信息檢測位置定位Fig.12 Positions of underground light and information detection

平穩(wěn)制動距離Sd：車輛能夠以較為安全舒適的減速度減速停車在停止線前的距離。當(dāng)車輛經(jīng)過此位置時，系統(tǒng)需要根據(jù)預(yù)設(shè)決策輔助模型判斷1號埋地?zé)羰欠駟⒘?。平穩(wěn)制動距離距離須保證車輛以設(shè)計(jì)速度行駛時，駕駛員看見埋地?zé)魡⒘梁竽芗皶r采取制動措施，在交叉口停止線前平穩(wěn)且安全的停車。因此，本研究采用國際通用制動距離(英制單位)作為模型決策距離[16]：

(7)

式中，Se為決策距離；vi為設(shè)計(jì)速度；vf為制動終速度，取值為0；t為反應(yīng)時間與制動協(xié)調(diào)時間，此處取值為0.7 s；G為路面坡度。針對不同的設(shè)計(jì)車速和交叉口路面坡度，可得出不同的決策距離。

緊急制動距離Se：車輛能夠以較大減速度減速停車在停止線前的距離。緊急制動距離需確保汽車經(jīng)智能埋地?zé)艏t色閃爍提醒后，能夠最大限度地安全制動。有關(guān)世界組織和國家對汽車的制動效能檢驗(yàn)要求以及評價參數(shù)限值都有具體規(guī)定，為滿足汽車在正常情況或緊急情況下的制動距離要求，本設(shè)計(jì)以汽車檢驗(yàn)標(biāo)準(zhǔn)中的制動效能要求作為緊急制動距離設(shè)計(jì)標(biāo)準(zhǔn)。汽車制動效能因剎車裝置的性能、輪胎性能、路面摩擦系數(shù)、汽車裝載狀態(tài)以及剎車操作的不同而異[17]，其主要評價指標(biāo)包括制動距離、制動減速度、制動協(xié)調(diào)時間、制動力4項(xiàng)指標(biāo)。我國《機(jī)動車運(yùn)行安全技術(shù)條件》中，汽車在符合制動踏板力或制動氣壓下的條件下，僅需滿足制動距離或制動減速度其中一項(xiàng)即為合格，且我國標(biāo)準(zhǔn)中主要以車輛總質(zhì)量這一參數(shù)來規(guī)定各指標(biāo)限值，在參數(shù)范圍上不能滿足緊急制動距離制定的靈活性及精準(zhǔn)性，故此，采用美國FMVSS135制動距離標(biāo)準(zhǔn)限值，綜合考慮系統(tǒng)設(shè)置交叉口處的道路設(shè)計(jì)速度、行經(jīng)車輛的車型比例、路面狀況等因素，針對性地制定緊急制動距離[18]。

表1為不同設(shè)計(jì)速度的城市道路定位指標(biāo)參考，其中路面坡度取值為0，城市道路Se選用乘用車滿載時的制動距離標(biāo)準(zhǔn)。

表 1 定位指標(biāo)參考

由于駕駛員需要在智能埋地?zé)暨M(jìn)行視覺提醒后做出操作，因此需留出相應(yīng)的埋地?zé)艨梢暰嚯x，可根據(jù)道路實(shí)際情況，從兩處制動距離起始位置處前移5～10 m。

2.4 信息采集模塊設(shè)計(jì)

信息采集模塊采用視頻圖像檢測的方法對交叉口駛進(jìn)車輛的速度信息進(jìn)行采集和處理。采用目前應(yīng)用最廣泛、最成熟的差分圖像分析方法，在交叉口進(jìn)口道的視頻圖像上劃定“虛擬檢測線圈”，實(shí)現(xiàn)類似交叉口地磁線圈的功能，從而獲取車輛的速度與加速度[19]。信息采集模塊示意圖如圖13所示。

圖13 信息采集模塊示意圖Fig.13 Schematic diagram of information acquisition module

在進(jìn)口道視頻檢測區(qū)域前端劃定兩個虛線檢測線圈Loop1與Loop2(如圖14所示)，通過差分圖像分析可近似獲得通過該路段中點(diǎn)時的速度v1。同理，在視頻檢測區(qū)域后端再劃定Loop3與Loop4，可得到v2。

圖14 視頻圖像區(qū)域劃定平面圖Fig.14 Plane view of delimiting video image area

圖15 視頻圖像區(qū)域劃定示意圖Fig.15 Schematic diagram of delimiting video image area

為避免汽車變道造成系統(tǒng)決策失誤，可適當(dāng)延長交叉口展寬長度至測速區(qū)范圍之外。

視頻檢測模塊使用“圖像 RGB 統(tǒng)計(jì)值的差分值”這一圖像特征來產(chǎn)生視頻虛擬線圈的輸出信號。圖像 RGB 統(tǒng)計(jì)值的差分值的輸出信號由式(2)可得[20]。

(8)

通過對相鄰兩幀圖像的RGB統(tǒng)計(jì)值作差分并輸出信號可以看出，在虛擬線圈內(nèi)提取圖像特征可以有效的檢測車輛的出現(xiàn)并監(jiān)視車輛經(jīng)過虛擬線圈的整個過程[21]，如圖16所示。

圖16 圖像差分值信號輸出圖Fig.16 Curves of image differential value signal output

圖中，t1、t2分別為車輛到達(dá)Loop1和Loop2視頻虛擬線圈的時刻；t3、t4分別為車輛駛離Loop1和Loop2視頻虛擬線圈的時刻，若用D1表示兩個線圈的相隔距離，則車輛通過前兩組線圈測得速度v1為：

(9)

Loop3，Loop4視頻虛擬線圈結(jié)合Loop1，Loop2所得數(shù)據(jù)，若用D2表示第2組視頻虛擬線圈的相隔距離，則該車的加速度a1計(jì)算如下：

(10)

車輛駛離Loop4的時刻為系統(tǒng)控制一號埋地?zé)魡拥臎Q策點(diǎn)，該時刻的速度與加速度近似等于v2和a1。第2組虛擬測速線圈與第1組設(shè)置方式相同，同理可以得到車輛駛離Loop8時刻的近似速度與加速度v4和a2。

3 模擬駕駛驗(yàn)證

駕駛模擬試驗(yàn)可以有效地探究人-車-路面基礎(chǔ)設(shè)施之間的相互影響。為了驗(yàn)證本設(shè)計(jì)的有效性，通過模擬駕駛的方式進(jìn)行試驗(yàn)。

3.1 模擬駕駛環(huán)境

選取青島市東海路連續(xù)的3個交叉口路段為試驗(yàn)道路搭建模擬駕駛環(huán)境，道路限速值為60 km/h，根據(jù)各交叉口實(shí)際情況設(shè)置平穩(wěn)制動距離Sd、緊急制動距離Se和埋地?zé)舭惭b位置。試驗(yàn)招募20名持有機(jī)動車駕駛證且駕駛車齡在1年以上的志愿者，分別在安裝輔助決策系統(tǒng)和未安裝輔助決策系統(tǒng)的試驗(yàn)環(huán)境下進(jìn)行多次模擬駕駛。未安裝輔助決策系統(tǒng)的試驗(yàn)環(huán)境中綠末切換模式為黃燈3 s。

3.2 模擬駕駛試驗(yàn)結(jié)果分析

對試驗(yàn)數(shù)據(jù)進(jìn)行篩選，選取紅燈啟亮前10 s內(nèi)駛過平穩(wěn)制動距離Sd的車輛進(jìn)行研究，其中安裝輔助決策系統(tǒng)環(huán)境下符合條件的車輛數(shù)為189次，未安裝輔助決策系統(tǒng)環(huán)境下符合條件的車輛數(shù)為177次。

從圖17中可以看出：在模擬駕駛試驗(yàn)中，安裝決策輔助系統(tǒng)環(huán)境下的車輛經(jīng)提示后選擇減速停車的比例上升，加速通過的比例下降，經(jīng)埋地?zé)籼嵝押篑{駛員選擇搶燈的激進(jìn)型駕駛行為得到一定程度上的糾正；勻速駛過的車輛比例上升，駕駛員在安裝決策輔助系統(tǒng)環(huán)境下通過交叉口的信心增加；闖紅燈車輛的比例大幅下降，由此可知決策輔助系統(tǒng)可有效輔助駕駛員決策，降低闖紅燈的概率。

圖17 試驗(yàn)結(jié)果分析Fig.17 Analysis of experimental result

4 結(jié)論

(1)面向交叉口主動安全的車路協(xié)同輔助決策系統(tǒng)采用車路協(xié)同的原理，結(jié)合車輛行駛狀況與交叉口信號相位，在分析兩難區(qū)動態(tài)特性的基礎(chǔ)上提出了一種兩難區(qū)定點(diǎn)邊界模型，并建立輔助決策模型。

(2)設(shè)計(jì)交叉口主動安全輔助決策系統(tǒng)，對信號過渡期間的車輛逐一進(jìn)行安全性判斷，利用智能埋地?zé)粢砸曈X效果對駕駛員進(jìn)行輔助決策，同時結(jié)合動態(tài)黃燈時間，有效避免了車輛進(jìn)入兩難區(qū)，減少因駕駛員決策失誤造成的闖紅燈行為，降低交叉口發(fā)生事故的風(fēng)險。

(3)綜合考慮交叉口通行效率與安全性之間的關(guān)系，在不影響綠燈通行效率的前提下，提高交叉口安全度，規(guī)范交叉口駕駛行為，減少交叉口擁堵，提升道路網(wǎng)的服務(wù)水平和經(jīng)濟(jì)效益，整體提高路網(wǎng)交通穩(wěn)靜性，為交叉口主動安全研究提供新的方法。