欒少華

（招遠(yuǎn)市政府投資工程建設(shè)服務(wù)中心，山東 招遠(yuǎn) 265400）

0 引言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和人們對(duì)物質(zhì)文化需求的日益增長(zhǎng)，汽車化的進(jìn)程也不斷加快。據(jù)公安部統(tǒng)計(jì)，截至2021年9月，全國(guó)機(jī)動(dòng)車保有量達(dá)3.90億輛，其中汽車2.97億輛。相比于2020年全國(guó)機(jī)動(dòng)車保有量3.72億輛，其中汽車2.78億輛，增長(zhǎng)率分別是4.84%和6.83%。伴隨著車輛數(shù)量的日益增長(zhǎng)，交通運(yùn)輸帶來(lái)的問(wèn)題也愈發(fā)需要得到重視，例如，交通擁堵現(xiàn)象的頻繁發(fā)生和機(jī)動(dòng)車尾氣排放造成的城市環(huán)境污染等問(wèn)題，這些都將成為制約我國(guó)社會(huì)經(jīng)濟(jì)全面協(xié)調(diào)發(fā)展的重要因素。

平面交叉口是城市路網(wǎng)中非常重要的一環(huán)，是行人、機(jī)動(dòng)車與非機(jī)動(dòng)車在同一時(shí)空下發(fā)生交互作用的地方，是道路交通的主要集散點(diǎn)。除駕駛員的操作習(xí)慣以外，由于受到交通信號(hào)配時(shí)的調(diào)控，車輛在到達(dá)平面交叉口時(shí)，將頻繁出現(xiàn)加速、減速、怠速等不平穩(wěn)的運(yùn)行工況。這樣不僅沒有提高平面交叉口的通行效率，反而增加了尾氣排放量，加劇交通運(yùn)輸帶來(lái)的環(huán)境污染。因此，改善車輛在平面交叉口的運(yùn)行工況對(duì)減少污染物的排放具有重要意義，而通過(guò)對(duì)交通信號(hào)配時(shí)作優(yōu)化處理可以有效控制交叉口車輛的行駛情況[1]。隨著傳感技術(shù)和計(jì)算技術(shù)的快速發(fā)展，日益成熟的自動(dòng)駕駛策略也為交通運(yùn)輸?shù)奈⒂^引導(dǎo)控制作用提供了可行的途徑。在車聯(lián)網(wǎng)環(huán)境下，車輛與道路基礎(chǔ)設(shè)施和區(qū)域控制中心保持實(shí)時(shí)通信，提前獲知平面交叉口的信號(hào)燈狀態(tài)以及交通流的情況。在保障行車安全的同時(shí)，車輛會(huì)結(jié)合自身的行駛現(xiàn)狀自覺做出速度調(diào)整決策，避免因駕駛員操作習(xí)慣造成急劇加減速或怠速，從而在有效提升交叉口通行效率的同時(shí)降低污染物的排放。

1 機(jī)動(dòng)車尾氣排放的影響因素

機(jī)動(dòng)車尾氣的排放因子是指單輛機(jī)動(dòng)車運(yùn)行單位里程或時(shí)間，或者消耗單位燃料所排放的某種污染物的質(zhì)量[2]，其單位為g/km或g/s或g/kg。污染物包括氣態(tài)污染物（如CO、NOx等）和顆粒物（如PM2.5、PM1等），它們的排放因子能夠反映機(jī)動(dòng)車的排放特征[3]，也是國(guó)家制定尾氣排放標(biāo)準(zhǔn)的有效切入點(diǎn)。影響排放因子的因素主要包括車輛技術(shù)條件、燃料性質(zhì)、行駛環(huán)境、行駛速度和運(yùn)行工況等[4]。

（1）車輛的技術(shù)條件

車輛的特征參數(shù)包括車輛的類型（重量、發(fā)動(dòng)機(jī)功率等）、車齡和車輛的行駛里程等。車輛的類型是造成尾氣排放量差異的重要因素之一，重型車的尾氣排放量遠(yuǎn)遠(yuǎn)大于輕型車的尾氣排放量，這也是國(guó)家在制定排放標(biāo)準(zhǔn)時(shí)根據(jù)車輛類型分別限值的原因。此外，大量的實(shí)驗(yàn)研究表明，隨著車齡和車輛行駛里程的增加，污染物的排放量也會(huì)逐漸增加[5]。車輛的使用年限較長(zhǎng)和維修工作較少時(shí)，車輛性能較差，污染物排放將增加。

（2）燃料性質(zhì)

不同類型的燃料對(duì)機(jī)動(dòng)車的尾氣排放量有著重要影響[3]，例如柴油車比汽油車的污染物排放量更高。燃油的密度、揮發(fā)性和硫含量等是影響污染物排放量的重要因素，其中燃料的揮發(fā)性與其飽和蒸氣壓密切相關(guān)，若飽和蒸氣壓高則不易揮發(fā)。

（3）行駛環(huán)境

車輛的行駛環(huán)境可以分為內(nèi)環(huán)境和外環(huán)境，內(nèi)環(huán)境是車輛自身的環(huán)境，外環(huán)境是車輛所處的氣候條件和地理位置。關(guān)于內(nèi)環(huán)境，車輛在開啟空調(diào)時(shí)，CO和NOx排放水平將會(huì)增加2倍以上[6]。關(guān)于外環(huán)境，溫度、相對(duì)濕度等和霧霾、雨雪天氣等均會(huì)影響機(jī)動(dòng)車的尾氣排放量。此外，當(dāng)車輛行駛在非平坦道路上時(shí)，污染物的排放量也會(huì)相對(duì)于平坦道路上更多。

（4）行駛速度和運(yùn)行工況

機(jī)動(dòng)車的尾氣排放量會(huì)隨著行駛速度的變化而變化，車速較高時(shí)的排放因子較小。機(jī)動(dòng)車尾氣排放量與車的運(yùn)行工況密切相關(guān)[7]，在勻速行駛過(guò)程中，尾氣排放量較少且變化不明顯，但是在加減速和怠速的工況下，污染物的排放量會(huì)較多，其中NOx的排放量會(huì)隨轉(zhuǎn)速的增大而增加[6]。

綜上所述，機(jī)動(dòng)車的行駛速度較高且較穩(wěn)定時(shí)，單位里程的尾氣排放量較低。因此，在面對(duì)平面交叉口的交通污染問(wèn)題時(shí)，最直接有效的方法是對(duì)車輛的行駛速度和運(yùn)行工況做出合理優(yōu)化。

2 交通信號(hào)配時(shí)控制技術(shù)

交通信號(hào)控制廣泛應(yīng)用于平面交叉口，信號(hào)配時(shí)的主要內(nèi)容是通過(guò)設(shè)計(jì)交通信號(hào)運(yùn)行的參數(shù)和邏輯，從而決定各方向的通行權(quán)，對(duì)單個(gè)平面交叉口乃至干線道路和區(qū)域路網(wǎng)的運(yùn)行效率和能耗排放均有至關(guān)重要的影響。在平面交叉口處，車輛的尾氣排放量由兩部分構(gòu)成，一是勻速行駛時(shí)的排放量，該部分排放因子較小，排放量主要由勻速行駛時(shí)間決定；二是車輛加速、減速和怠速過(guò)程的排放量，該部分排放因子較大，是車輛尾氣排放增加的主要部分。交通信號(hào)配時(shí)優(yōu)化具有實(shí)施簡(jiǎn)單、見效迅速且無(wú)需大規(guī)?；A(chǔ)建設(shè)投入的特點(diǎn)，所以優(yōu)化交通信號(hào)配時(shí)被視為城市“緩堵”和“減排”的首選策略之一。

計(jì)算機(jī)技術(shù)和通信技術(shù)的發(fā)展推動(dòng)了自適應(yīng)控制模式的出現(xiàn)。自適應(yīng)控制通過(guò)檢測(cè)器檢測(cè)交通流信息，然后通過(guò)網(wǎng)絡(luò)將實(shí)時(shí)數(shù)據(jù)傳輸?shù)絇C上位機(jī)，再由上位機(jī)實(shí)時(shí)生成最佳綠燈配時(shí)計(jì)劃[8]。這種控制模式適用于區(qū)域管理和干線交通燈協(xié)調(diào)，上位機(jī)可以根據(jù)交通流自適應(yīng)調(diào)整運(yùn)行方案并協(xié)調(diào)多個(gè)信號(hào)交叉口以提高整個(gè)區(qū)域或干線的運(yùn)行效率[9]。交通信號(hào)配時(shí)決策系統(tǒng)包括SCATS、TRANSYT和SCOOT等。SCATS（Sydney Coordinated Adaptive Traffic System ）控制技術(shù)主要是由路口控制機(jī)、地區(qū)控制中心和中央監(jiān)控中心三級(jí)聯(lián)網(wǎng)，通過(guò)裝在道路上的攝像頭和傳感器獲取車流信息，并采用多種控制方式共存，從而完成點(diǎn)、線、面之間交通信號(hào)協(xié)調(diào)的自適應(yīng)控制技術(shù)。TRANSYT控制技術(shù)主要包括仿真模型和優(yōu)化過(guò)程兩個(gè)部分。首先，系統(tǒng)軟件將路網(wǎng)布局、交通流信息及初始信號(hào)配時(shí)等數(shù)據(jù)輸入到仿真模型中計(jì)算獲得性能指標(biāo)PI值。其次，對(duì)PI值進(jìn)行優(yōu)化后改進(jìn)信號(hào)配時(shí)，再把改進(jìn)后的信號(hào)配時(shí)重新輸入到仿真模型中，反復(fù)迭代獲得PI值最小的信號(hào)配時(shí)作為最佳方案。SCOOT控制技術(shù)中，系統(tǒng)能夠根據(jù)對(duì)各路段監(jiān)測(cè)數(shù)據(jù)的計(jì)算、需用時(shí)間的長(zhǎng)短以及各路段擁擠程度的監(jiān)控，結(jié)合原有數(shù)據(jù)庫(kù)中的交通參數(shù)對(duì)各路口的車流量進(jìn)行預(yù)測(cè)，從而利用交通環(huán)境對(duì)子區(qū)和路網(wǎng)所配用的信號(hào)配時(shí)進(jìn)行優(yōu)化。我國(guó)先后在一些大城市建立了交通信號(hào)控制系統(tǒng)，例如在成都、大連、北京等城市引進(jìn)了SCOOT系統(tǒng)，在上海、廣州、沈陽(yáng)等城市引進(jìn)了SCATS 系統(tǒng)[10]。

3 自動(dòng)駕駛技術(shù)

自動(dòng)駕駛汽車又稱無(wú)人駕駛汽車，是一種通過(guò)電腦系統(tǒng)實(shí)現(xiàn)無(wú)人駕駛的智能汽車。在一切事物都趨向于自動(dòng)化的智能時(shí)代，自動(dòng)駕駛把任務(wù)交給計(jì)算機(jī)芯片，依靠人工智能、視覺計(jì)算、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，減少人為操作的失誤，自動(dòng)安全地操作機(jī)動(dòng)車輛。自動(dòng)駕駛車輛能夠安全駕駛的前提是得到正確、及時(shí)、可靠的其他車輛信息和路況信息，這些信息的傳輸依靠車與車之間（V2V）和車與基礎(chǔ)設(shè)施之間（V2I）的通信技術(shù)。在車聯(lián)網(wǎng)系統(tǒng)中，車輛能夠通過(guò)專用短程無(wú)線通信與其他車輛以及交通基礎(chǔ)設(shè)施進(jìn)行信息共享，例如，車輛的位置、速度和加速度等信息可以與其他車輛共享，前方交叉口的信號(hào)燈狀態(tài)和擁堵程度等信息也可供通信車輛使用。自動(dòng)駕駛汽車將控制駕駛的各個(gè)方面，包括遵守限速、檢測(cè)行人和選擇最佳路線等，可以更準(zhǔn)確地判斷距離和速度，并對(duì)由于人類反應(yīng)延遲而可能導(dǎo)致事故的情況做出即時(shí)反應(yīng)。目前智能信息數(shù)據(jù)主要來(lái)源于“人-車-路”的交互體系，利用人-車交互、車-車通信、車-路感知等得到多方面的智能信息，從而為車輛能在平面交叉口開啟生態(tài)駕駛模式提供了潛在的應(yīng)用技術(shù)。

高級(jí)駕駛輔助系統(tǒng)（ADAS）是自動(dòng)駕駛汽車的重要組成部分，一般而言，高級(jí)駕駛輔助系統(tǒng)是由場(chǎng)景感知模塊、數(shù)據(jù)分析模塊和顯示控制模塊組成。例如，自適應(yīng)巡航控制（Adaptive Cruise Control，ACC）系統(tǒng)對(duì)車輛的節(jié)能減排具有重要作用。一般采用三種控制方法：一是全局最優(yōu)控制，采用動(dòng)態(tài)規(guī)劃算法來(lái)求得全局最優(yōu)解；二是模型預(yù)測(cè)控制（Model Predictive Control，MPC），采用滾動(dòng)優(yōu)化的思想對(duì)最優(yōu)控制問(wèn)題反復(fù)求解；三是瞬時(shí)控制，僅依靠當(dāng)前車輛狀態(tài)和道路信息作為控制輸入求解控制問(wèn)題。在自適應(yīng)巡航過(guò)程中，前方無(wú)車輛時(shí)可以根據(jù)駕駛?cè)嗽O(shè)定的速度行駛，但是如果前方已經(jīng)有其他車輛，則需要自適應(yīng)巡航跟車控制系統(tǒng)來(lái)合理調(diào)節(jié)跟車行駛的速度。人-車交互過(guò)程中，車輛可以通過(guò)視覺、聽覺、觸覺等途徑來(lái)為駕駛?cè)藛T提供相關(guān)信息，通過(guò)提供開關(guān)、觸屏、語(yǔ)音、手勢(shì)等接受駕駛?cè)藛T的指令輸入，也可以對(duì)駕駛?cè)藛T的操作失誤做出及時(shí)的主動(dòng)干預(yù)。車-車通信過(guò)程中，車輛的感知系統(tǒng)主要是通過(guò)控制器局域網(wǎng)（Controller Area Network，CAN）總線采集車內(nèi)各電子控制單元的信息，以及裝載在車上各類傳感器實(shí)時(shí)產(chǎn)生的數(shù)據(jù)信息[11]，來(lái)獲取車輛的工作狀態(tài)。例如，車輛的運(yùn)動(dòng)狀態(tài)包括車輛的位置、速度和加速度等，車輛的動(dòng)力參數(shù)包括橫擺角、發(fā)動(dòng)機(jī)的轉(zhuǎn)速等。車載自組織網(wǎng)絡(luò)VANET是基于V2V技術(shù)搭建的車輛網(wǎng)絡(luò)，可由車輛自主創(chuàng)建，不斷進(jìn)行自我配置，即使缺少基礎(chǔ)設(shè)施的參與也能夠參與工作。車-路感知過(guò)程中，基于機(jī)器視覺的行車感知技術(shù)能夠采集到豐富的信息數(shù)據(jù)。地圖精度的提高依賴于實(shí)時(shí)動(dòng)態(tài)載波相位差分技術(shù)和激光雷達(dá)等高精度定位設(shè)備配合后解算的數(shù)據(jù)處理方式，路域環(huán)境感知技術(shù)需要通過(guò)道路氣象信息系統(tǒng)完成，交通基礎(chǔ)設(shè)施狀態(tài)感知數(shù)字化體系分為交通標(biāo)識(shí)、車道線和交通信號(hào)燈等。

4 智能網(wǎng)聯(lián)的減排應(yīng)用

當(dāng)今世界，人們更傾向于關(guān)注成本最小化、產(chǎn)量最大化、節(jié)能環(huán)保、可持續(xù)發(fā)展等問(wèn)題，這些在科研領(lǐng)域和工程領(lǐng)域中可以歸結(jié)為材料、產(chǎn)品、資源或能源利用的優(yōu)化問(wèn)題。然而，研究對(duì)象和約束條件的日漸增多，使得優(yōu)化問(wèn)題變得更加復(fù)雜[12]。例如陳志偉等人[13]設(shè)計(jì)了基于交通環(huán)境信號(hào)配時(shí)優(yōu)化目標(biāo)和環(huán)境質(zhì)量約束條件，根據(jù)韋伯斯特配時(shí)法構(gòu)建了單交叉口信號(hào)配時(shí)數(shù)學(xué)模型，結(jié)果表明，該模型減少了55.20%的尾氣排放量和55.20%的平均延誤時(shí)間。王永圣等人[14]以道路級(jí)交通指數(shù)（Travel Time Index，TTI）、交通延誤時(shí)間、排隊(duì)長(zhǎng)度和車輛平均碳排放量為目標(biāo)，提出了一種基于螢火蟲算法的單交叉口交通信號(hào)配時(shí)優(yōu)化方法，使得最大排隊(duì)長(zhǎng)度下降了29.7%，等待時(shí)間下降了33.3%，路口吞吐量上升了11.8%，TTI指數(shù)降低了43.4%，車均碳排量下降了32.12%。吳顥等人[15]以交叉口的通行效率和PM2.5的排放量為目標(biāo)，建立了改進(jìn)ARRB法的信號(hào)控制優(yōu)化模型，優(yōu)化后的信號(hào)配時(shí)使得停車次數(shù)減少了45.68%，停車延誤縮減了41.84%，車輛加減速過(guò)程中的控制延誤縮減了37.17%，PM2.5的排放質(zhì)量減少了4%。封筱[16]考慮到交通誘導(dǎo)信息可能會(huì)由于駕駛?cè)藛T的主觀思想對(duì)交叉口的通行效率造成不利影響，提出了一種基于多目標(biāo)Sarsa學(xué)習(xí)的動(dòng)態(tài)路徑規(guī)劃的交通誘導(dǎo)方法，有效的緩解了交通擁堵。安思穎[17]以關(guān)鍵路徑交叉口相位協(xié)調(diào)率最高為目標(biāo)，建立了基于相位協(xié)調(diào)率的多條關(guān)鍵路徑相位差群體優(yōu)化模型，通過(guò)基于遺傳算法的粒子群優(yōu)化算法得到最優(yōu)相位差組合，實(shí)現(xiàn)了控制區(qū)域多條關(guān)鍵路徑協(xié)調(diào)優(yōu)化。劉中原等人[18]針對(duì)傳統(tǒng)路網(wǎng)規(guī)模大且包含大量時(shí)變參數(shù)造成交通協(xié)調(diào)控制繁雜等問(wèn)題，提出了一種將路網(wǎng)分解與模糊算法相結(jié)合的子區(qū)內(nèi)外層相位時(shí)間、相位類型和相序協(xié)調(diào)優(yōu)化的控制策略，該策略在內(nèi)層單交叉口及外層路網(wǎng)中均能實(shí)現(xiàn)協(xié)調(diào)控制，具有較好的時(shí)效性和經(jīng)濟(jì)性。

在城市道路中，雖然紅燈時(shí)車輛怠速的次數(shù)可以通過(guò)將優(yōu)化的信號(hào)配時(shí)和先進(jìn)的控制軟件整合到交通信號(hào)中來(lái)減少，但它們的成本可能非常高，或者可能更容易從車輛方面著手。戴榮健[19]利用自動(dòng)駕駛技術(shù)（AV）和車路協(xié)同系統(tǒng)（CVIS），開發(fā)了一種交通信號(hào)燈和車輛軌跡協(xié)同優(yōu)化控制的方法，通過(guò)NETLOGO仿真平臺(tái)發(fā)現(xiàn)，該方法能夠降低53.4%的車輛平均通行時(shí)間和61.5%的平均停車次數(shù)。Yu等人[20]以燃油消耗和尾氣排放為目標(biāo)建立了最優(yōu)控制模型，優(yōu)化了CAV（Connected Autonomous Vehicle）環(huán)境下的車輛軌跡和交通信號(hào)配時(shí)。陳壯壯等人[21]基于最優(yōu)控制理論，優(yōu)化CAV頭車的速度軌跡，并利用基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的彈性反向傳播算法（Resilient backpropagation，RPROP）設(shè)計(jì)了數(shù)值求解算法，顯著改善了交叉口的通行效益。魏濤[22]以最小化油耗和排放為目標(biāo)引導(dǎo)車輛的行駛速度，建立了離散速度軌跡優(yōu)化模型，采用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)算法進(jìn)行求解，他提出的這一生態(tài)駕駛策略，能夠有效避免行駛過(guò)程中的停車和啟動(dòng)現(xiàn)象。Yao等人[23]提出了一種混合自動(dòng)化車輛和人工駕駛車輛的交通信號(hào)和車輛軌跡聯(lián)合優(yōu)化框架，以降低汽油消耗和交通排放。結(jié)果表明，當(dāng)自動(dòng)駕駛汽車普及率達(dá)到100%時(shí)，車輛延誤、汽油消耗和二氧化碳排放量分別可減少57.21%、22.36%和18.61%。

5 結(jié)語(yǔ)

本文介紹了機(jī)動(dòng)車尾氣排放的影響因素、交通信號(hào)配時(shí)控制技術(shù)和自動(dòng)駕駛技術(shù)，并歸納了智能網(wǎng)聯(lián)在平面交叉口減排中的應(yīng)用。在后續(xù)的研究中，仍需綜合考慮交通排放的各種污染物與交叉口通行能力的各項(xiàng)指標(biāo)。因此，對(duì)高維優(yōu)化問(wèn)題的高質(zhì)量求解將會(huì)是研究中的重要突破點(diǎn)。