張宇，陳宇峰，向鄭濤，馬英魁，操翰文

（湖北汽車工業(yè)學院 電氣與信息工程學院，湖北 十堰 442002）

隨著經(jīng)濟不斷地發(fā)展，私家車的數(shù)量不斷增加，導致城市交通路段的擁堵程度上升，一定程度上影響了人們的生活，增加了出行時間。特別是在城市路段發(fā)生交通事故時，擁堵時間更長。隨著智能網(wǎng)聯(lián)技術(shù)不斷發(fā)展和完善，在復雜的交通路網(wǎng)上可以建立車輛、車輛使用者和道路之間的聯(lián)系，為解決城市交通擁堵提供了支持。但車載網(wǎng)復雜且不靈活的架構(gòu)面臨一系列挑戰(zhàn)，如高移動性、間歇性連接、應(yīng)用程序的異構(gòu)性［1］。文獻［2］中提出了車路人協(xié)同控制模型VID，打通了感知到服務(wù)的全局循環(huán)與局部循環(huán)，適用于協(xié)同應(yīng)用場景，進一步解決了車載網(wǎng)面臨的挑戰(zhàn)。為解決城市交通擁堵，文獻［3］從“人-車-路-環(huán)境”4 個方面對城市道路交叉口的安全現(xiàn)狀進行了綜合分析,采取適當?shù)母深A措施，改善城市道路交叉口的安全狀況。文獻［4］提出了基于車輛網(wǎng)絡(luò)技術(shù)的城市交叉口車輛事故預警分析方法，分析了車輛擁擠狀況，完成城市交叉口車輛事故的預警分析。文獻［5］采用BP 神經(jīng)網(wǎng)絡(luò)對二次事故進行分級預警，降低了事故發(fā)生后的擁堵程度。文獻［6］中提出了基于連通車輛的交叉口交通控制模型，引入了中央控制，降低了交叉路口碰撞風險和車禍概率。文獻［7］中提出了協(xié)作數(shù)據(jù)調(diào)度算法，在V2I和V2V通信環(huán)境中提高了數(shù)據(jù)傳播性能。文獻［8］基于層次分析的模糊綜合評價方法建立道路交通事故預警模型，在一定程度上減少了道路交通事故。以往事故預警和控制模型大多數(shù)只考慮如何降低事故發(fā)生的概率來減緩交通擁堵，沒有考慮誘導車輛分流來達到減緩交通擁堵的目的。針對上述問題，文中通過實現(xiàn)實時傳遞事故通告給后方車輛，進行路徑誘導。最后進行仿真驗證，通過分析分流率，明顯降低了事故發(fā)生后的擁堵程度，證明文中方法有較好的實用性。

1 系統(tǒng)架構(gòu)

1.1 系統(tǒng)整體架構(gòu)

城市事故交通預警主要目的是改善城市交通發(fā)生事故后的擁堵，實現(xiàn)事故信息的通告和車輛誘導等?；贛ininet-WiFi 和SUMO 聯(lián)合仿真的城市交通事故預警場景如圖1 所示。路側(cè)單元（road side unit，RSU）分布在路邊，作為車輛事故通告的接收與轉(zhuǎn)發(fā)。云控完成事故信息的收集與轉(zhuǎn)發(fā)。前方發(fā)生事故，事故車輛廣播事故信息，通過RSU1將事故信息上傳給云控，云控通過處理后將事故信息發(fā)送給RUS2，RSU2將事故信息廣播給此路段后方同向車輛，后方同向車輛收到事故信息從而采取對應(yīng)措施。系統(tǒng)架構(gòu)分為基礎(chǔ)設(shè)備層和控制層。

圖1 車輛事故通告?zhèn)鬟f過程

1）基礎(chǔ)設(shè)備層 如圖2 所示，基礎(chǔ)設(shè)備層由硬件設(shè)備組成。RSU、車載單元（on board unit，OBU）等通過傳感、信號處理等技術(shù)對車輛節(jié)點、道路設(shè)施進行監(jiān)控。整個道路由多個RSU 組成，每輛車都配有OBU，可傳遞信息和響應(yīng)RSU的信息。RSU和控制器相連，實現(xiàn)車輛事故信息的接收和轉(zhuǎn)發(fā)。為避免信號串擾，不同的RSU使用不同的信道。

圖2 基礎(chǔ)設(shè)備層

2）控制層 文中的控制架構(gòu)是層次控制架構(gòu)，如圖3所示，分為上層控制器、路邊設(shè)備控制器和車輛控制器。上層控制器處理車輛事故信息，對網(wǎng)絡(luò)的集中控制提高了資源的利用率，改善了管理上的繁瑣。車輛控制器上傳車輛事故信息以及車輛行駛方向的判斷。路邊設(shè)備控制器接收事故車輛信息和轉(zhuǎn)發(fā)事故信息。層次控制交互流程如圖4所示，其中D表示路口導向線的長度。導向線是指設(shè)置于路口駛?cè)攵蔚能嚨婪纸缇€，車輛在進入導向線區(qū)域后不允許換道。

圖3 層次控制圖

圖4 交互流程圖

1.2 RSU選擇算法

發(fā)生事故后，事故車輛將位置信息通過附近RSU上傳到上層控制器，上層控制器計算該事故車輛到后方路口的距離，比較得出事故車輛與后方各路口最短距離，找出距離事故車輛最近的路口，使上層控制器可以選擇對應(yīng)RSU 轉(zhuǎn)發(fā)事故信息，節(jié)省開銷，實現(xiàn)事故信息的精準轉(zhuǎn)發(fā)。上層控制器隨后將車輛事故信息發(fā)布到該路口的上個RSU，通過該RSU將前方事故廣播給后方車輛。

車輛與路口距離計算采用兩點距離公式。如果車輛A的位置為（λ1,φ1），路口B的位置為（λ2,φ2），則車輛和路口之間的距離Dl計算公式為

1.3 事故車輛信息格式

城市交通場景中，車輛過多，信息量較大，文中僅考慮通知同方向車輛進行事故預警。車輛在道路行駛過程中，OBU 和RSU 進行通信；發(fā)生事故時，通過OBU持續(xù)廣播事故信息，事故信息定義為

式中：I為事故信息向量；Vid為車輛編號；Vx為車輛當前位置的橫坐標；Vy為車輛當前位置的縱坐標；Vdes為車輛行駛方向。

2 聯(lián)合仿真

2.1 仿真實現(xiàn)

仿真測試的方便性、安全性、可重復和低成本等優(yōu)點使其成為車聯(lián)網(wǎng)測試的常規(guī)手段，在車聯(lián)網(wǎng)的發(fā)展過程中起著舉足輕重的作用。目前有很多仿真工具，根據(jù)文中需求選擇了Mininet-WiFi作為網(wǎng)絡(luò)模擬器，實現(xiàn)通信仿真；SUMO 作為道路交通模擬器，實現(xiàn)車輛運動仿真。

SUMO 是微觀的、空間上連續(xù)、時間上離散的全開源的交通仿真軟件，具有可移植高、兼容性高等特點。通過使用SUMO來完成城市道路的建立。Mininet-WiFi 是無線網(wǎng)絡(luò)模擬器Mininet 的延伸，具有原生WiFi 支持。通過使用Mininet-WiFi 來建立OBU 和RSU 的無線連接，RSU 和控制器之間的連接。SUMO 通過提供的Traci 接口實現(xiàn)與其他模塊的交互，Mininet-WiFi 通過該接口實現(xiàn)以下功能：1）從SUMO 獲取車輛當前的運動信息。2）向SUMO發(fā)送車輛控制信息，從而實現(xiàn)車輛的運動控制。具體的交互過程如圖5所示。

圖5 交互過程圖

在SUMO中創(chuàng)建道路時包含3個文件：nod.xml和edg.xml 文件包含網(wǎng)絡(luò)信息，該信息在SUMO 中將轉(zhuǎn)換為節(jié)點和路網(wǎng)信息；rou.xml 文件包含流量需求和路由信息，該信息在SUMO中將轉(zhuǎn)換為車流信息。SUMO 交通場景搭建流程如圖6 所示。在Mininet-WiFi中搭建無線通信場景。Mininet-WiFi的mac80211_hwsim 模塊負責創(chuàng)建虛擬Wi-Fi 接口。通過身份驗證的車輛節(jié)點將連接到RSU，兩者使用cfg80211 與無線設(shè)備驅(qū)動程序進行通信。RSU 為每個車輛節(jié)點分配IP 地址。Mininet-WiFi與SUMO通過套接字建立連接。

圖6 SUMO交通場景搭建流程

2.2 仿真場景設(shè)置

文中通過Mininet-WiFi 和SUMO 實現(xiàn)聯(lián)合仿真，設(shè)置1個上層控制器和2個RSU，通信協(xié)議采用IEEE 802.11p，其他仿真參數(shù)如表1所示。

表1 仿真參數(shù)

采用SUMO 模擬器建立長2 km 、6 車道的道路，視作城市主干道。SUMO 車輛事故場景如圖7所示，包含事故點以及2個RSU的位置。仿真實驗主要分析事故響應(yīng)時間和不同導向線長度下的車輛分流率。道路中車輛隨機生成，通過10 次仿真實驗求平均值來計算各項指標。

圖7 SUMO車輛事故場景

3 仿真分析

3.1 事故響應(yīng)時間

事故響應(yīng)時間指從事故車輛上傳事故信息到正常行駛車輛首次接收事故信息所需要的時間：

式中：T為事故響應(yīng)時間；Taci為事故車發(fā)送信息時間；Tnor為正常行駛車輛收到消息的時間。不同車輛數(shù)目情況下的事故響應(yīng)時間如圖8所示，可以看出：事故響應(yīng)時間為0.60～1.00 s，車輛數(shù)的增加導致事故響應(yīng)時間越來越高，但從整體上看事故響應(yīng)時間對事故預警的傳播影響較小。

圖8 不同車輛數(shù)情況下事故響應(yīng)時間

3.2 分流率

事故發(fā)生時，如果沒進行事故預警，事故車輛信息沒有被后方車輛及時知道，會造成道路的擁堵和二次事故的發(fā)生；事故信息被及時傳遞給后方車輛，受影響的車輛會采取對應(yīng)措施，如減速、換道等，從而減緩道路的擁堵。

后方正常行駛車輛收到事故信息時，如果處于導向線范圍外就分流，否則不分流。分流車輛指未過十字路口且不在導向線范圍內(nèi)的正常行駛車輛收到前方事故信息進行分流的車輛，未分流車輛指收到事故信息后在導向線范圍內(nèi)無法分流的車輛，分流率的計算公式為

式中：P為分流率；Call為事故發(fā)生時未過十字路口的車輛總數(shù)；Cwal為導向線范圍內(nèi)車輛數(shù)。

不同車輛數(shù)情況下，不同導向線長度下的分流率如圖9 所示，可以看出：不同車輛數(shù)情況下的分流率都在90%以上，且隨著車輛數(shù)的增加，分流率也增加。原因是在車輛數(shù)達到一定數(shù)量時，導向線范圍內(nèi)的車輛數(shù)有限。同一車輛數(shù)的情況下，隨著導向線的長度不斷增加，車輛的分流率呈下降趨勢，因為隨著導向線長度的增加，正常行駛車輛在收到事故信息時在導向線范圍內(nèi)的車輛增多，導致分流率下降。整體上看，當路段發(fā)生事故后，車輛預警效果較好，降低了事故發(fā)生后造成道路擁堵的概率，并在一定程度上避免了二次事故的發(fā)生。

圖9 不同車輛數(shù)情況下分流率

4 結(jié)論

為了緩解城市道路發(fā)生交通事故后造成的擁堵，通過事故信息傳遞、RSU 的選擇和車輛分流的方法實現(xiàn)了事故預警，并用Mininet-WiFi 和SUMO聯(lián)合仿真進行事故預警效果的驗證。不同車輛數(shù)和不同導向線長度對分流率的影響實驗結(jié)果顯示，整體分流率在90%以上，事故預警效果顯著，驗證了文中方法的有效性和可行性。后續(xù)研究將考慮車輛分流后對其他車道交通狀況的影響。