楊淇銘，唐進君，付 強，劉 佑

(1.中南大學 交通運輸工程學院，長沙 410075；2.同濟大學 交通運輸工程學院，上海 201804)

近年來，人工智能、深度學習、大數(shù)據(jù)及5G等技術的快速發(fā)展，推動了交通系統(tǒng)領域的快速前進, 交通系統(tǒng)的發(fā)展目標逐漸由智能交通系統(tǒng)升級至智能網(wǎng)聯(lián)交通系統(tǒng)。2017年9月，我國發(fā)布了首個V2X應用層標準《合作式智能運輸系統(tǒng) 車用通信系統(tǒng) 應用層及應用層數(shù)據(jù)交互標準》(T/CSAE 53-2017)。2018年底，我國工信部正式規(guī)定5.905～5.925 GHz頻段為智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)化專門應用的專用頻段，并支持向5G標準的演進[1]。2019年9月，中共中央、國務院印發(fā)的《交通強國建設綱要》再次強調(diào)，要大力發(fā)展智慧交通，推動大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、超級計算等新技術與交通行業(yè)深度融合[2]。目前,有關智能網(wǎng)聯(lián)交通技術及應用的研究已成為國內(nèi)外學者的熱點話題。繆立新、張洲、錢志鴻、余悅等[3-6]重點宏觀闡述了智能網(wǎng)聯(lián)技術的發(fā)展歷程以及對未來的展望；陳敏、幽蘭、劉新宇、高風、崔明陽等[7-11]則聚焦于智能網(wǎng)聯(lián)汽車相關技術的發(fā)展現(xiàn)狀、架構及前景；紀斌義等[12]闡述了基于V2X的智慧公路發(fā)展；錢宇清等[13]綜述了智能網(wǎng)聯(lián)技術支持下的城市智慧交叉口研究；劉瑋等[14]研究了5G基站型路側設備的技術方案與應用；卓福慶、俞天一、高書濤[15-17]對智能網(wǎng)聯(lián)車輛在交叉口的通行方法展開了研究；范明星[18]設計了車路協(xié)同的路口智能決策系統(tǒng)；李林恒等[19]提出了基于安全勢場理論的車輛換道模型；李云輝[20]研究了智能網(wǎng)聯(lián)汽車的人機交互問題;Lian等[21]綜述了智能交通系統(tǒng)和網(wǎng)聯(lián)汽車產(chǎn)業(yè)中的大數(shù)據(jù)應用；Shi等[22]提出了智能網(wǎng)聯(lián)交通系統(tǒng)中基于參與感知分類任務的多模型誘導網(wǎng)絡；Sumalee等[23]展望了互聯(lián)環(huán)境下的智能交通系統(tǒng)適應性態(tài)勢；Borodin等[24]提出了協(xié)同運輸規(guī)劃的混合智能系統(tǒng)；Ma等[25]在道路通行能力和污染物排放方面分析了智能網(wǎng)聯(lián)汽車對交通流的影響；Wang等[26]提出了用社會概率和資源有效(SPARE)協(xié)議來提高交付率和最小化網(wǎng)絡資源的消耗；Wan等[27]提出一種適用于預定時交通信號場景下的速度推薦系統(tǒng)，以最小油耗作為目標函數(shù)調(diào)整車輛的駕駛行為，并通過微觀仿真評估其應用影響；Li等[28]研究了智能網(wǎng)聯(lián)的信號協(xié)同配時優(yōu)化問題。

綜上所述，目前國內(nèi)外研究中關于智能網(wǎng)聯(lián)交通系統(tǒng)整體組成元素(行人、車輛、道路、管控)之間相互影響作用關系的分析數(shù)學表達尚有欠缺。文中旨在從宏觀角度分析智能網(wǎng)聯(lián)交通系統(tǒng)發(fā)展現(xiàn)狀下各子系統(tǒng)之間的相互作用關系，并通過建立數(shù)學模型分析作用關系間的影響。

1 智能網(wǎng)聯(lián)交通系統(tǒng)多層次映射關系模型

基于系統(tǒng)多層次映射關系模型[29]，應用智能網(wǎng)聯(lián)交通場景，分析智能網(wǎng)聯(lián)交通系統(tǒng)中各子系統(tǒng)間相互影響程度關系及其對系統(tǒng)運行穩(wěn)定性的影響。

1.1 系統(tǒng)多層次映射關系

從層次結構上看，智能網(wǎng)聯(lián)交通系統(tǒng)可以從上至下劃分成系統(tǒng)層、子系統(tǒng)層和系統(tǒng)元素層3個層次。根據(jù)邏輯關系，每個層次在系統(tǒng)運行時的外在表現(xiàn)和關注點都有所不同,如圖1所示。

圖1 智能網(wǎng)聯(lián)交通系統(tǒng)多層次映射關系

對于智能網(wǎng)聯(lián)交通系統(tǒng)而言，從評定系統(tǒng)運行狀態(tài)角度看，底層的關注者主要是各交通出行者，其關注重點在于單次出行體驗，關注底層具有具體性和實用性意義；中層的關注者主要是各出行服務提供的企業(yè)，其關注重點在于提供的服務是否適合當前交通場景、服務的質量如何，關注中層具有局部性和針對性意義；頂層的關注者主要是交通管理部門，其關注重點是路網(wǎng)的整體運行情況，關注頂層具有方向性和統(tǒng)籌意義。然而，隨著系統(tǒng)規(guī)模和智能化程度加深，頂層交通管理者需要對各個子系統(tǒng)有清晰的認知，才能對中層的各個服務企業(yè)提出正確的改進方向和建議，為底層出行者提供更好的出行服務，提升出行者的出行體驗。

1.2 智能網(wǎng)聯(lián)交通系統(tǒng)子系統(tǒng)間關系

文中將智能網(wǎng)聯(lián)交通系統(tǒng)分為智能移動終端(行人)、智能網(wǎng)聯(lián)汽車(車輛)、智能網(wǎng)聯(lián)道路(道路)以及交通管控設施(管控)4個子系統(tǒng)，子系統(tǒng)間關系可以分為“感知”(Sense)與“連接”(Connect)，其中，感知表示通過傳感器、雷達等設備獲取對應目標狀態(tài)信息，“連接”表示通過統(tǒng)一標準的通信協(xié)議建立連接，并進行信息交互共享，雖然行人并不一定全部攜帶智能移動終端并授權終端定位，但其它智能網(wǎng)聯(lián)子系統(tǒng)可以通過其感知設備獲取行人信息。同理，智能網(wǎng)聯(lián)交通系統(tǒng)內(nèi)各子系統(tǒng)間是可以通過傳感設備和通信設備進行廣泛感知和連接，子系統(tǒng)間關系如圖2所示。

注：圖中有向線段表示各子系統(tǒng)間相互感知與連接圖2 智能網(wǎng)聯(lián)交通子系統(tǒng)間關系

1.3 系統(tǒng)動態(tài)分析模型

1.3.1 橫向關系模型

1)橫向影響關系。如圖3所示，中層各子系統(tǒng)經(jīng)過感知與連接，相互之間獲取信息，做出相應響應，其橫向關系(有向關系)如圖3中所示。其中，aVR等表示子系統(tǒng)間的作用程度大小。

注：V為車輛子系統(tǒng),R為道路子系統(tǒng),P為行人子系統(tǒng),C為管控子系統(tǒng)。圖3 智能網(wǎng)聯(lián)交通子系統(tǒng)間作用關系

2)子系統(tǒng)間作用關系。對于智能網(wǎng)聯(lián)交通子系統(tǒng)，其相互之間影響程度可通過關系矩陣進行定義。兩個子系統(tǒng)間的作用關系如圖4所示。aij表示子系統(tǒng)i對子系統(tǒng)j的作用程度大小，aji則反之。

圖4 子系統(tǒng)間的作用關系

子系統(tǒng)i對子系統(tǒng)j的影響程度可以通過子系統(tǒng)i的狀態(tài)值(Xi)與子系統(tǒng)間i→j的作用程度(aij)的乘積進行定義，即Xi×aij，反之，子系統(tǒng)j對子系統(tǒng)i的作用為Xj×aji。根據(jù)交通系統(tǒng)運行特征可以發(fā)現(xiàn)，aji有時與aij并不相等，因此，表示子系統(tǒng)間相互作用關系的矩陣M為非對稱矩陣。

關系矩陣M僅僅反映了子系統(tǒng)之間的直接作用關系，對于交通系統(tǒng)而言，行人、車輛在道路上的移動可以視作為“流”的概念。而對于一個有固定周期信號燈約束的交叉口，若以一個完整的信號燈周期來劃分，由于行人、車輛到達的隨機性，若影響按照信號燈周期劃分，則一個周期內(nèi)的行人、車輛、道路狀態(tài)會對下一個周期的行人、車輛、道路狀態(tài)有一定的延時影響。這在現(xiàn)實的交通場景中常表現(xiàn)為：交叉口排隊的車輛在該方向的一個綠燈通行時長內(nèi)無法全部通過，導致下一個周期內(nèi)到達交叉口的車輛排隊長度增加。假設總影響時間劃分為t階，因此，在t階內(nèi)對交叉口的總作用影響就包括了子系統(tǒng)內(nèi)的直接作用、子系統(tǒng)間的間接作用以及延時反饋的振蕩影響作用。假設對于某一智能網(wǎng)聯(lián)交叉口，其人、車、路、管控的初始狀態(tài)值為(X1,X2,X3,X4)，其一個周期作用的影響傳播反饋系數(shù)為τ(0<τ<1)，則t階作用后的子系統(tǒng)狀態(tài)值就變成(X1,X2,X3,X4)×M(τ)×τt-1，因此，在總作用時間內(nèi)子系統(tǒng)的狀態(tài)向量為

G=(X1,X2,X3,X4)·M+(X1,X2,X3,X4)·

M2τ+…+(X1,X2,X3,X4)·Mtτt-1=

(1)

這里將

(2)

稱為網(wǎng)絡N的多重反饋影響關系矩陣，與僅僅包含直接作用關系的M相比，A具有更豐富、更全面的作用關系，也更加符合現(xiàn)實交通情況。

對于考慮了網(wǎng)絡傳播反饋因素的影響關系矩陣A，實際計算中若作用時間t很長，將包含大量求和計算，由于反饋系數(shù)τ在高階時將變成很小的數(shù)，在現(xiàn)實中表現(xiàn)為多個信號周期前的行人、車流情況對新輸入的行人、車流的影響可以忽略，因此，可以對A求極限。

對于

(3)

有

(4)

即

(5)

所以

(6)

所以

(7)

式中：E為單位矩陣。

當t很大時有

(8)

因此可以表示為

A=M(E-τM)-1

(9)

且有

(10)

1.3.2 縱向關系模型

系統(tǒng)狀態(tài)波動變化往往是從子系統(tǒng)內(nèi)某一元素出現(xiàn)擾動因素而導致，元素的擾動會導致子系統(tǒng)狀態(tài)發(fā)生變化，進而影響整個系統(tǒng)的穩(wěn)定性，縱向各層次的邏輯關系如圖5所示。

圖5 系統(tǒng)縱向作用邏輯關系

根據(jù)圖5，對于子系統(tǒng)內(nèi)的元素擾動可以用擾動值X來定義，子系統(tǒng)狀態(tài)可以用R來標定，而整個系統(tǒng)的穩(wěn)定性可以通過S來進行評價。

由于智能網(wǎng)聯(lián)交通系統(tǒng)是人、車、路協(xié)同的系統(tǒng)，其某一子系統(tǒng)內(nèi)的擾動可以通過其他子系統(tǒng)的快速協(xié)同作用來保證整個交通系統(tǒng)迅速恢復穩(wěn)定運行狀態(tài)，因此,對于協(xié)同的子系統(tǒng)而言，其“擾動值”在某種程度上也可以理解成為協(xié)同動作值。對于整個系統(tǒng)，設初始擾動值X(0)=(X1,X2,X3,X4)，由于子系統(tǒng)間有延時的相互影響作用關系，因此,整個系統(tǒng)在t階作用時間內(nèi)、在作用反饋系數(shù)τ的影響下，存在以下關系

X(t)-X(0)=AX(0)

(11)

即

X(t)-X(0)=(A+E)X(0)

(12)

式中：E為單位矩陣。

X(t)表示子系統(tǒng)在反饋影響矩陣作用下經(jīng)過t時間后的各子系統(tǒng)內(nèi)元素狀態(tài)屬性值，定義多重反饋作用后的子系統(tǒng)響應向量為R=(R1,R2,R3,R4)。

由上述公式可得，對于第i個子系統(tǒng)的響應量Ri有

Ri=∑j[Aij+δij]Xj

(13)

δ為克羅內(nèi)克函數(shù)，當i=j時，δ=1，當i≠j時，δ=0。

而A=M(E-τM)-1

所以

Ri=∑j[Mij(E-τMij)-1+δij]Xj

(14)

對于整個系統(tǒng)，其穩(wěn)定性S可以通過

(15)

進行評價，其中ωi是第i個子系統(tǒng)對整個系統(tǒng)的影響權重，且滿足

∑iωi=1

(16)

S值越小，說明整個系統(tǒng)越穩(wěn)定，理想情況下S=0，即整個智能網(wǎng)聯(lián)交通系統(tǒng)所有的運行都是流暢的，但由于信號燈的約束，各個方向車流、人流存在沖突等因素，這個目標幾乎不可能實現(xiàn)。因此在本模型中，只要應用協(xié)同后計算得到的穩(wěn)定性指標S值相較于無協(xié)同的情況變小即可。

根據(jù)上述公式，智能網(wǎng)聯(lián)交通系統(tǒng)子系統(tǒng)間的協(xié)同作用關系模型如圖6所示。

圖6 智能網(wǎng)聯(lián)交通系統(tǒng)多層次映射關系模型穩(wěn)定性計算流程

1.4 智能網(wǎng)聯(lián)交通系統(tǒng)穩(wěn)定性指標評價體系

對于智能網(wǎng)聯(lián)交通系統(tǒng)而言，由于其系統(tǒng)目標在于實現(xiàn)安全、高效、舒適、精確的出行服務，因此，可以通過以下8項指標對系統(tǒng)的穩(wěn)定性、運行情況進行評價。

1)道路交通事故率：是指一定時期內(nèi)某一特定范圍內(nèi)事故發(fā)生數(shù)量與該范圍內(nèi)的人口數(shù)、車輛數(shù)、運行里程之間的比例關系，是用于安全方面的評價，在評估車輛主動安全技術時可以納入考慮。隨著智能網(wǎng)聯(lián)交通系統(tǒng)技術發(fā)展成熟度的提高、應用范圍的增大，道路交通事故率將呈現(xiàn)明顯下降趨勢。

2)交通事故嚴重程度：是指若不幸發(fā)生交通事故，事故造成的人員傷亡情況和財產(chǎn)損失情況，可用于安全方面的評價，在評估車輛主動安全技術時考慮。由于前向碰撞預警等車輛主動安全技術的發(fā)展，交通事故嚴重程度將大幅降低。

3)路網(wǎng)通行能力：是指在一定的交通狀態(tài)下，一定時間(日、小時)內(nèi)，道路網(wǎng)某區(qū)域內(nèi)所能負擔的交通能力，是效率方面的評價指標，以每小時通過的車輛數(shù)為衡量標準，在評估智能網(wǎng)聯(lián)技術對交通流的促進作用時考慮。智能網(wǎng)聯(lián)交通系統(tǒng)通過人、車、路、管控協(xié)同聯(lián)動等將大幅度提高城市路網(wǎng)通行能力。

4)車輛出行行程時間：是指單輛車從其始發(fā)地到目的地的整個出行過程所用時間，主要考慮與自由流下的期望時間相比，是效率方面的評價指標，在評估智能網(wǎng)聯(lián)技術對車輛出行促進作用時考慮。智能網(wǎng)聯(lián)程度越高，車輛出行越順暢，出行行程時間也就越接近自由流下的期望時間。

5)乘車舒適度：是指城市居民在乘車出行過程中，由于車輛加減速、變道等操作行為而在生理、心理方面對出行的反應指標，用于舒適度方面評價，在評估智能網(wǎng)聯(lián)技術對乘車人出行體驗的提升作用時考慮。在智能網(wǎng)聯(lián)交通系統(tǒng)中，各交通要素之間能夠通過多維感知技術將車間距時刻保持在安全范圍，從而保證較高的乘車舒適度。

6)行走便捷性：是指城市居民在步行出行過程中，根據(jù)人行道狀況、目的地路徑選擇、過街需求滿足情況等城市道路建設情況產(chǎn)生的心理滿意程度，用于舒適度方面評價，在評估智能網(wǎng)聯(lián)技術對非機動車和行人出行的體驗提升作用時考慮。智能網(wǎng)聯(lián)交通系統(tǒng)通過行人與車輛之間的感知保證行人行走的安全性。同時，道路智能化程度越高，高精度實時定位技術為行人提供的行走指引也越明確，行人的行走便捷性也越高。

7)交通感知精確度：是指交通管控設備對車輛、行人的感知以及與其他通信設備連接的穩(wěn)定程度，在評價智能網(wǎng)聯(lián)交通管控設備的感知準確度時考慮。在智能網(wǎng)聯(lián)場景下，如果不能保證高可靠性、精確的感知和連接，那么所有后續(xù)的控制、決策都將喪失方向，缺少針對性，進而喪失了智能網(wǎng)聯(lián)交通系統(tǒng)的先進技術優(yōu)勢。

8)交通管控有效度：是指用于智能網(wǎng)聯(lián)交通系統(tǒng)的交通管控設備在感知到行人、車輛特征后，決策實施的有針對性的管控措施及實施效果，用于評估交通管控設備的有效性。在智能網(wǎng)聯(lián)交通系統(tǒng)中，交通管控設備是維持系統(tǒng)穩(wěn)定性的重要一環(huán)，交通管控設備在日常運行中的穩(wěn)定決策表現(xiàn)反映了智能網(wǎng)聯(lián)交通系統(tǒng)的技術進展程度。

2 模擬場景模型驗證

下面用一個協(xié)同聯(lián)動的模擬場景對上述模型進行驗證?？紤]一個城市中的T型交叉口及其附近路段，假設該交叉口為完全智能網(wǎng)聯(lián)交叉口，車輛均為智能網(wǎng)聯(lián)汽車，交叉口附近布置有精度較高的行人檢測設備和通信設備，道路均勻布置RSU，且能夠將交叉口信息穩(wěn)定傳輸給附近車輛。利用SUMO仿真軟件建立仿真場景，設定相關參數(shù)，多次運行仿真，調(diào)整人、車、路、管控的參數(shù)，根據(jù)仿真結果文件來標定各子系統(tǒng)對整個系統(tǒng)穩(wěn)定性的影響權重，最終得到行人、車輛、道路、管控子系統(tǒng)的影響權重向量為ω=[0.19 0.23 0.34 0.24]。

2.1 基于車速推薦的智能網(wǎng)聯(lián)交叉口協(xié)同控制

在某信號燈相位黃燈時間的第2 s，路側單元對在人行橫道邊等待的行人進行感知與識別，通過計算得到供行人安全通行的接下來綠燈相位時長，并相應地調(diào)整車道的綠燈相位時長。接下來到達交叉口車輛根據(jù)與RSU及信號燈的連接，獲得目標車道在交叉口處的可供通行最小時長和最大時長，據(jù)此計算推薦車速。當推薦車速不超過限速范圍時，車輛執(zhí)行車速推薦策略，以不影響乘車人舒適度的方式調(diào)整自身速度，以達到不停車通過交叉口目的；當推薦車速超過路段限速范圍時，車輛調(diào)整至最經(jīng)濟節(jié)能的駕駛模式行駛至交叉口停車線處等待綠燈通行，具體流程如圖7所示。

圖7 基于車速推薦的智能網(wǎng)聯(lián)交叉口協(xié)同控制流程

2.2 系統(tǒng)評價指標確定

在應用前文所述模型時，對各個子系統(tǒng)需要有具體定性的評價指標予以標定其影響作用的“正負值”：對行人子系統(tǒng)，在交叉口處最應關注的是過街行人數(shù)量；對車輛子系統(tǒng)，在交叉口處對整個系統(tǒng)運行影響最大的是排隊車輛數(shù)；對道路子系統(tǒng)，可以用路面狀況和路側單元感知準確度、計算復雜度來評價；對管控子系統(tǒng)，可以用管控措施的有效度來進行評價。狀態(tài)評價指標如表1所示。

表1 智能網(wǎng)聯(lián)交叉口各子系統(tǒng)狀態(tài)評價指標

2.3 子系統(tǒng)間的影響關系矩陣

各子系統(tǒng)間影響關系有正反饋(用“+”表示)和負反饋(用“-”表示)。正反饋表示一個子系統(tǒng)評價指標的提高會提升另一個子系統(tǒng)評價指標，如過街行人增多會增加交叉口平均排隊車輛數(shù)；負反饋表示一個子系統(tǒng)指標的提升會降低另外一個子系統(tǒng)的評價指標，如車輛增多會降低道路路面狀況良好程度。對于影響程度的確定，文中定義影響程度分為4級，±3表示影響非常強烈，±2表示影響強烈，±1表示有一定影響，0表示影響可以忽略，根據(jù)筆者個人判斷建立了影響關系矩陣，結合一致性檢驗方法最終確定了子系統(tǒng)間影響關系值矩陣，最終矩陣的一致性檢驗值CR=0.012。智能網(wǎng)聯(lián)交通子系統(tǒng)間影響關系如表2所示。

表2 智能網(wǎng)聯(lián)交通子系統(tǒng)間影響關系

子系統(tǒng)間的影響關系矩陣為

在文中的研究中，設定多重反饋系數(shù)τ=0.4，根據(jù)A=M(E-τM)-1可以求得多重反饋作用下智能網(wǎng)聯(lián)交叉口子系統(tǒng)影響關系矩陣為

2.4 智能網(wǎng)聯(lián)交叉口應對擾動的協(xié)同響應情況

在正常情況下，包含行人子系統(tǒng)、車輛子系統(tǒng)、道路子系統(tǒng)、管控子系統(tǒng)的智能網(wǎng)聯(lián)交叉口處于一個相對穩(wěn)定狀態(tài)，表現(xiàn)為行人能夠安全過街、車輛能夠順暢通過交叉口、路面狀況良好以及信號燈等智能交通設備正常運作，但由于交通流的不確定性以及城市規(guī)劃活動等原因，交通系統(tǒng)組成元素的狀態(tài)突變將會影響到相應子系統(tǒng)的穩(wěn)定狀態(tài)，進而影響到整個系統(tǒng)的穩(wěn)定性。智能網(wǎng)聯(lián)交通系統(tǒng)通過人、車、路、管控的協(xié)同聯(lián)動，能夠很好地處理交通出行場景中的元素擾動情況。

1)初始條件。外部環(huán)境良好、路段所有車輛狀態(tài)良好、行人行走速度正常，交通基礎設施正常運轉。

2)行人子系統(tǒng)發(fā)生擾動。當東西方向過街行人人流量增加至300人·h-1時，定義行人子系統(tǒng)擾動值為1，即在不考慮協(xié)同的情況下，系統(tǒng)狀態(tài)向量X=(1,0,0,0)，動態(tài)響應向量R=(-0.93，-1.40,1.21,0.82),穩(wěn)定性評價指標S=0.40；應用協(xié)同聯(lián)動措施后，整個系統(tǒng)的狀態(tài)向量為X=(0.8,0.1,-0.1,0.2)，動態(tài)響應向量為R=(-0.73,-1.16,0.93,0.73)，此時系統(tǒng)穩(wěn)定性評價指標下降為S=0.36。

3)車輛子系統(tǒng)發(fā)生擾動。當南北方向車流量各增加200 veh·h-1時，定義車輛子系統(tǒng)擾動值為1，系統(tǒng)狀態(tài)向量X=(0,1,0,0)，動態(tài)響應向量R=(-1.52,-1.94,1.52,1.40)，穩(wěn)定性評價指標S=0.68；應用協(xié)同聯(lián)動措施后，整個系統(tǒng)的聯(lián)動狀態(tài)向量為X=(0.1,0.8,0.2,-0.3)，動態(tài)響應向量為R=(-1.48,-1.85,1.56,1.23)，此時系統(tǒng)穩(wěn)定性評價指標下降為S=0.60。

4)道路子系統(tǒng)發(fā)生擾動。南北方向道路限速降低至60 km·h-1時，定義道路子系統(tǒng)擾動值為-1，系統(tǒng)狀態(tài)向量X=(0,0,-1,0)，動態(tài)響應向量R=(-1.65,1.52,1.36,1.21)，穩(wěn)定性評價指標S=0.60；應用協(xié)同聯(lián)動措施后，整個系統(tǒng)的聯(lián)動狀態(tài)向量為X=(0.2,-0.2,-0.8,0.3)，動態(tài)響應向量為R=(-0.71,-0.65,0.53,0.58)，此時系統(tǒng)穩(wěn)定性評價指標下降為S=0.28。

5)管控子系統(tǒng)發(fā)生擾動。當某處發(fā)生交通事故需要管制一定路段時，定義管控子系統(tǒng)擾動值為-1，系統(tǒng)狀態(tài)向量X=(0,0,0,-1)，動態(tài)響應向量R=(-1.65,-1.52,1.65,0.93)，穩(wěn)定性評價指標S=0.46；應用協(xié)同聯(lián)動措施后，整個系統(tǒng)的聯(lián)動狀態(tài)向量為X=(0.1,-0.1,-0.1,-0.8)，動態(tài)響應向量為R=(-1.43,-1.32,1.43,0.81)，此時系統(tǒng)穩(wěn)定性評價指標下降為S=0.40。

根據(jù)評價指標的對比可以看出，文中應用的考慮多重反饋的智能網(wǎng)聯(lián)交通系統(tǒng)多層次映射關系模型與理論結果相一致，該模型在實際交通場景中有一定的應用參考價值。

3 結 語

文中所建立的智能網(wǎng)聯(lián)交通系統(tǒng)多層次映射關系模型能夠協(xié)助評估智能網(wǎng)聯(lián)交通發(fā)展階段，使發(fā)展智能網(wǎng)聯(lián)交通技術有更清晰明確的目標，協(xié)助分析智能網(wǎng)聯(lián)交通系統(tǒng)之間各元素的相互作用關系。其不足之處有以下兩方面：

1)模型中子系統(tǒng)間相互影響程度的確定未得到大量數(shù)據(jù)支撐；

2)考慮的是完全智能網(wǎng)聯(lián)環(huán)境，對于在城市交通中的實際應用還有一定距離。