基金項(xiàng)目：廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目“基于5G和北斗的城市路況交通路口安全車(chē)速引導(dǎo)系統(tǒng)”（編號(hào)：2021KY1124）

作者簡(jiǎn)介：陳杰威（1991—），碩士，講師，研究方向：通信技術(shù)、智慧交通。

摘要：針對(duì)現(xiàn)有車(chē)速引導(dǎo)方法沒(méi)有考慮多車(chē)道、多車(chē)輛互相干擾的情況，文章基于智能輔助駕駛技術(shù)應(yīng)用的環(huán)境，介紹了一種具備智能輔助變道功能的車(chē)速引導(dǎo)方法，并使用MATLAB軟件構(gòu)建了一個(gè)雙車(chē)道、多車(chē)輛道路環(huán)境模型，對(duì)該方法進(jìn)行仿真分析。結(jié)果表明，相比普通的車(chē)速引導(dǎo)方法，采用該智能輔助駕駛技術(shù)的車(chē)速引導(dǎo)方法，在多車(chē)道、多車(chē)輛的道路環(huán)境下，依舊擁有較高的成功率，魯棒性更強(qiáng)，可以進(jìn)一步提高交通路口的通行效率，減少車(chē)輛的平均停等時(shí)間，優(yōu)化交通環(huán)境。

關(guān)鍵詞：車(chē)速引導(dǎo)；智能輔助駕駛；車(chē)聯(lián)網(wǎng)；通行效率；MATLAB

中圖分類(lèi)號(hào)：U491.2⁺5

0 引言

交通路口是城市交通的關(guān)鍵節(jié)點(diǎn)，也是導(dǎo)致城市交通擁堵的癥結(jié)之一^［1］。其原因在于，車(chē)輛的駕駛者往往難以超越視覺(jué)的生理極限提前感知前方交通路口的紅綠燈狀態(tài)。因此，車(chē)輛是否能在行駛至路口時(shí)剛好碰上綠燈成了一個(gè)隨機(jī)事件。智能輔助駕駛技術(shù)，又稱(chēng)為高級(jí)駕駛輔助系統(tǒng)（Advanced Driver Assistance System，ADAS），是利用安裝在車(chē)輛上的各類(lèi)傳感器，幫助車(chē)輛感知周邊環(huán)境信息，并結(jié)合通信技術(shù)實(shí)現(xiàn)車(chē)聯(lián)網(wǎng)（Vehicle to Everything，V2X），進(jìn)而實(shí)現(xiàn)自適應(yīng)巡航、高精地圖導(dǎo)航、自動(dòng)輔助變道、自動(dòng)輔助超車(chē)等較高級(jí)的自動(dòng)駕駛功能的技術(shù)。

隨著新能源汽車(chē)行業(yè)發(fā)展，市場(chǎng)上出現(xiàn)了包括特斯拉的Autopilot、小鵬汽車(chē)的NGP、理想汽車(chē)的NOA等智能輔助駕駛技術(shù)。這為利用智能輔助駕駛技術(shù)進(jìn)行交通路口的車(chē)速引導(dǎo)，幫助駕駛者提前感知路口紅綠燈的狀態(tài)，實(shí)現(xiàn)交通路口安全、高效通行提供了技術(shù)基礎(chǔ)。

本文將對(duì)智能輔助駕駛技術(shù)在交通路口車(chē)速引導(dǎo)方面的應(yīng)用做簡(jiǎn)單介紹，并利用MATLAB軟件建模仿真進(jìn)行效果分析，以期說(shuō)明智能輔助駕駛技術(shù)的應(yīng)用可以有效、可靠地改善交通路口的通行效率。

1 車(chē)速引導(dǎo)

1.1 V2X道路環(huán)境

如圖1所示為本文研究的具備V2X車(chē)聯(lián)網(wǎng)條件的道路環(huán)境。該環(huán)境下的車(chē)輛具備5G通信、“北斗”衛(wèi)星導(dǎo)航定位等功能；交通路口的紅綠燈為智能紅綠燈，也具備通信和定位功能。在V2X車(chē)聯(lián)網(wǎng)環(huán)境下，可以實(shí)現(xiàn)車(chē)輛與道路基礎(chǔ)設(shè)施之間的通信，幫助車(chē)輛駕駛員“超視距”提前感知前方交通路口的紅綠燈狀態(tài)，以便提前調(diào)整優(yōu)化車(chē)輛行駛狀態(tài)。

1.2 智能輔助駕駛系統(tǒng)

如圖2所示為本文研究的智能輔助駕駛系統(tǒng)，包括5G通信模塊、“北斗”導(dǎo)航定位模塊、傳感器模塊、中央處理芯片以及與之協(xié)同的車(chē)輛自動(dòng)控制系統(tǒng)。該智能輔助駕駛系統(tǒng)通過(guò)毫米波雷達(dá)、激光雷達(dá)、視覺(jué)攝像頭等多種傳感器，結(jié)合“北斗”衛(wèi)星導(dǎo)航定位技術(shù)，可以幫助車(chē)輛有效獲取自身狀態(tài)信息，包括位置、速度、加速度以及附近其他車(chē)輛的同類(lèi)信息。此外，系統(tǒng)通過(guò)5G通信技術(shù)，可以提前獲取前方路口紅綠燈的狀態(tài)信息。最終借助高算力的車(chē)規(guī)級(jí)中央處理芯片，完成相關(guān)智能決策，協(xié)助駕駛員實(shí)現(xiàn)車(chē)輛定速續(xù)航、跟車(chē)行駛、自動(dòng)變換車(chē)道、自動(dòng)超車(chē)等智能輔助駕駛功能^［2-3］。

1.3 車(chē)速引導(dǎo)方法

本文所述的車(chē)速引導(dǎo)方法，旨在利用V2X技術(shù)幫助駕駛員提前獲知前方路口紅綠燈信息，并計(jì)算獲得一個(gè)優(yōu)化的引導(dǎo)車(chē)速。如駕駛員按照該引導(dǎo)車(chē)速行駛，即可使車(chē)輛在到達(dá)路口時(shí)剛好遇上綠燈順利通過(guò)，避免不必要的紅燈等待。同時(shí)，在多車(chē)道、多車(chē)輛的環(huán)境下，其他車(chē)輛必然會(huì)對(duì)車(chē)速引導(dǎo)的成功率造成負(fù)面影響，故本文還將利用智能輔助駕駛技術(shù)，實(shí)現(xiàn)車(chē)輛的智能輔助車(chē)道變換，以降低其他車(chē)輛對(duì)車(chē)速引導(dǎo)的負(fù)面影響，提高車(chē)速引導(dǎo)的成功率。

1.3.1 引導(dǎo)車(chē)速的獲取

如圖3所示為車(chē)速引導(dǎo)系統(tǒng)的基本工作流程。其中，引導(dǎo)區(qū)指車(chē)輛獲取前方路口紅綠燈信息，并開(kāi)始計(jì)算引導(dǎo)車(chē)速、執(zhí)行車(chē)速優(yōu)化的道路區(qū)間，通常為距離前方交通路口一定距離的路段。本文采用文獻(xiàn)^［4］中提出的引導(dǎo)車(chē)速計(jì)算方法。該方法利用“北斗”衛(wèi)星導(dǎo)航定位技術(shù)實(shí)現(xiàn)車(chē)輛的定位、測(cè)速，并通過(guò)車(chē)聯(lián)網(wǎng)通信獲取前方紅綠燈信息，計(jì)算獲得一個(gè)基于單車(chē)道、單車(chē)輛道路模型的引導(dǎo)車(chē)速，可以有效實(shí)現(xiàn)車(chē)速引導(dǎo)的目標(biāo)。本文采用該方法用于計(jì)算車(chē)輛初入引導(dǎo)區(qū)時(shí)的初始引導(dǎo)車(chē)速以及變道后的引導(dǎo)車(chē)速修正。

1.3.2 智能輔助車(chē)道變換

受限于道路中其他車(chē)輛的影響，特別是同車(chē)道前方慢速車(chē)輛的阻礙，現(xiàn)實(shí)條件下駕駛員很難全程都按照初始的引導(dǎo)車(chē)速行駛。故還需利用智能輔助駕駛技術(shù)，協(xié)助駕駛員在遇到前方車(chē)輛阻擋時(shí)，在確保行車(chē)安全的情況下，實(shí)現(xiàn)智能輔助變道，從而進(jìn)一步提高車(chē)速引導(dǎo)的成功率。

如圖4所示為智能輔助駕駛系統(tǒng)的狀態(tài)機(jī)。當(dāng)車(chē)輛剛剛進(jìn)入引導(dǎo)區(qū)時(shí)，將按照初始引導(dǎo)車(chē)速行駛。此時(shí)如果遇到前方慢車(chē)阻擋，首先判斷跟隨前車(chē)行駛是否也能遇到綠燈通過(guò)路口。如果可以則跟車(chē)行駛；如果不可以，則啟動(dòng)變道決策流程，判斷是否滿(mǎn)足變道條件。如果滿(mǎn)足則變換車(chē)道，并修正引導(dǎo)車(chē)速后繼續(xù)按引導(dǎo)車(chē)速行駛；如不滿(mǎn)足，則暫時(shí)跟隨前車(chē)行駛，等待一段時(shí)間后，再次進(jìn)行變道決策流程。

1.3.3 變道決策

如圖5所示為本文研究的變道決策流程。該決策方法借鑒了人工駕駛時(shí)的駕駛習(xí)慣，可以保障駕駛安全性和平順性。出于安全考慮，應(yīng)設(shè)置一個(gè)車(chē)距的安全閾值D^［5］。當(dāng)旁車(chē)道前方D₁距離內(nèi)存在其他車(chē)輛時(shí)，應(yīng)通過(guò)速度傳感器測(cè)量其車(chē)速并與本車(chē)對(duì)比，當(dāng)對(duì)方車(chē)速低于本車(chē)時(shí)無(wú)法安全變道。同理，當(dāng)旁車(chē)道后方D₂距離內(nèi)存在其他車(chē)輛時(shí)，如其車(chē)速大于本車(chē)，也不能實(shí)現(xiàn)安全變道。只有滿(mǎn)足旁車(chē)道前、后方一定距離內(nèi)均無(wú)其他車(chē)輛，或有車(chē)輛但與本車(chē)的相對(duì)車(chē)速滿(mǎn)足安全約束條件時(shí)，方可執(zhí)行變道操作。

2 仿真測(cè)試

2.1 基本假設(shè)

為簡(jiǎn)化研究問(wèn)題，本文仿真建?；谝韵禄炯僭O(shè)：

（1）僅考慮單一路段、單一紅綠燈，即兩個(gè)交通路口之間的一段道路。

（2）道路為雙車(chē)道直行道路，即不考慮車(chē)輛轉(zhuǎn)彎和轉(zhuǎn)彎車(chē)輛干擾的情況。

（3）不受非機(jī)動(dòng)車(chē)、行人影響；不考慮氣候條件對(duì)智能輔助駕駛系統(tǒng)的影響。

2.2 仿真流程

如圖6所示為仿真流程。仿真全過(guò)程分類(lèi)為3個(gè)實(shí)驗(yàn)組進(jìn)行對(duì)照實(shí)驗(yàn)，分別為無(wú)車(chē)速引導(dǎo)（對(duì)照1組）、有車(chē)速引導(dǎo)無(wú)智能輔助變道（對(duì)照2組）、有車(chē)速引導(dǎo)且有智能輔助變道（實(shí)驗(yàn)組）。通過(guò)統(tǒng)計(jì)“一次通過(guò)率”“平均等待時(shí)長(zhǎng)”等數(shù)據(jù)，對(duì)3個(gè)實(shí)驗(yàn)組進(jìn)行對(duì)比，即可以得出實(shí)驗(yàn)結(jié)論。

為了保證對(duì)照實(shí)驗(yàn)的有效性，控制變量，故設(shè)置固定的全局參數(shù)，如下頁(yè)表1所示。全局參數(shù)中除了“其他車(chē)輛數(shù)量”外均為固定值，模擬一段道路及路口紅綠燈的基本狀況。通過(guò)調(diào)整“其他車(chē)輛數(shù)量”可以模擬道路繁忙情況。在不同繁忙情況下進(jìn)行對(duì)比實(shí)驗(yàn)，進(jìn)而得出車(chē)速引導(dǎo)方法的成功率變化趨勢(shì)，這是本文研究的重點(diǎn)方向。

在采用同一組全局參數(shù)的情況下，進(jìn)行多次獨(dú)立重復(fù)實(shí)驗(yàn)，模擬車(chē)輛在不同隨機(jī)狀態(tài)下參與道路交通的情況，進(jìn)而完成統(tǒng)計(jì)分析。故設(shè)計(jì)每次隨機(jī)實(shí)驗(yàn)的參數(shù)取值范圍，如表2所示。

2.3 結(jié)果與分析

本文通過(guò)改變“其他車(chē)輛數(shù)量”進(jìn)行多輪實(shí)驗(yàn)。隨著道路中其他車(chē)輛的數(shù)量增加，通過(guò)對(duì)比無(wú)車(chē)速引導(dǎo)、有引導(dǎo)無(wú)輔助變道、有引導(dǎo)有輔助變道3個(gè)對(duì)照實(shí)驗(yàn)組的“一次通過(guò)率”“平均等待時(shí)長(zhǎng)”等主要參數(shù)指標(biāo)的變化趨勢(shì)，可以得出相關(guān)結(jié)論。參數(shù)指標(biāo)的定義如式（1）：

一次通過(guò)率=到達(dá)路口時(shí)剛好綠燈的車(chē)輛數(shù)總車(chē)輛數(shù)平均等待時(shí)長(zhǎng)=∑車(chē)輛等紅燈的時(shí)長(zhǎng)總車(chē)輛數(shù)（1）

2.3.1 實(shí)驗(yàn)一

實(shí)驗(yàn)參數(shù)：其他車(chē)輛數(shù)量為0。

如表3所示，在車(chē)速引導(dǎo)的幫助下，可以有效地提高一次通過(guò)率，降低平均等待時(shí)長(zhǎng)。顯然，在無(wú)其他車(chē)輛干擾的情況下，有、無(wú)輔助變道技術(shù)介入，對(duì)實(shí)驗(yàn)結(jié)果不造成影響。

2.3.2 實(shí)驗(yàn)二

實(shí)驗(yàn)參數(shù)：其他車(chē)輛數(shù)量為5。

對(duì)比表3、表4可見(jiàn)，當(dāng)?shù)缆分杏衅渌?chē)輛行駛時(shí)，車(chē)速引導(dǎo)的成功率會(huì)受到其他車(chē)輛的影響。特別是當(dāng)前方有慢速車(chē)輛阻擋時(shí)，無(wú)輔助變道技術(shù)的普通車(chē)速引導(dǎo)的成功率的下降幅度較大。

2.3.3 實(shí)驗(yàn)三

實(shí)驗(yàn)參數(shù)：其他車(chē)輛數(shù)量為10。

如表5所示，當(dāng)?shù)缆分械钠渌?chē)輛增長(zhǎng)到較多數(shù)量后，相比于無(wú)其他車(chē)輛干擾的情況，無(wú)輔助變道技術(shù)的普通車(chē)速引導(dǎo)成功率已經(jīng)大幅降低，效果不佳。而具備輔助變道技術(shù)的車(chē)速引導(dǎo)，仍然有較高的成功率，效果良好。

2.3.4 魯棒性分析

如圖7所示為3個(gè)實(shí)驗(yàn)組對(duì)照的結(jié)果。無(wú)車(chē)速引導(dǎo)的條件下，一次通過(guò)率在50%左右浮動(dòng)，即約等于綠燈時(shí)長(zhǎng)占紅綠燈總時(shí)長(zhǎng)的占比，符合數(shù)理統(tǒng)計(jì)規(guī)律。在有車(chē)速引導(dǎo)的情況下，一次通過(guò)率均相比無(wú)車(chē)速引導(dǎo)有較大提高。但隨著車(chē)道中其他車(chē)輛的數(shù)量增加，無(wú)輔助變道的普通車(chē)速引導(dǎo)的成功率出現(xiàn)明顯下降。相比之下，有輔助變道的車(chē)速引導(dǎo)方法成功率下降幅度較低，魯棒性更強(qiáng)。

3 結(jié)語(yǔ)

本文采用MATLAB建模仿真的實(shí)驗(yàn)方法，實(shí)驗(yàn)并分析了基于智能輔助駕駛的車(chē)速引導(dǎo)方法。實(shí)驗(yàn)結(jié)果證明，在雙車(chē)道、多車(chē)輛的道路模型下，智能輔助駕駛技術(shù)的應(yīng)用，可以有效提高車(chē)速引導(dǎo)的成功率和魯棒性，可以有效、可靠地提高交通路口的通行效率。本文還存在一些不足，比如道路建模有一定的簡(jiǎn)化，對(duì)實(shí)際路況中的一些干擾因素沒(méi)有過(guò)多考慮，這也是未來(lái)的研究方向。

參考文獻(xiàn)

［1］郭 蓬，王夢(mèng)丹，楊建森，等.車(chē)路協(xié)同下的基于S函數(shù)的交叉口平滑車(chē)速引導(dǎo)方法［J］.汽車(chē)電器，2022（7）：4-6.

［2］王 雷，王傳磊.車(chē)聯(lián)網(wǎng)及關(guān)鍵技術(shù)的應(yīng)用分析［J］.物聯(lián)網(wǎng)技術(shù)，2018，8（7）：63-65，68.

［3］汪明磊，陳無(wú)畏，王家恩.智能車(chē)輛車(chē)道保持系統(tǒng)中避障路徑規(guī)劃［J］.合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，37（2）：129-133.

［4］陳杰威，鄭欣悅，劉 丹，等.北斗系統(tǒng)應(yīng)用環(huán)境下的車(chē)速引導(dǎo)效能分析［J］.西部交通科技，2022（9）：146-148，205.

［5］于立勇. 基于車(chē)路協(xié)同安全距離模型的車(chē)速引導(dǎo)系統(tǒng)研究［D］.北京：北京交通大學(xué)，2014.

收稿日期：2023-03-30