摘 "要：為了降低應(yīng)急車輛的事故到達時間，針對車聯(lián)網(wǎng)環(huán)境下的車輛換道特點，提出一種基于博弈論思想下的應(yīng)急車輛協(xié)同換道模型。分析混合交通流下應(yīng)急車輛與沖突車輛的交互關(guān)系，在最小安全距離的基礎(chǔ)上根據(jù)博弈前后的安全收益、速度收益、空間收益構(gòu)建換道收益模型，對應(yīng)急車輛換道進行決策引導(dǎo)。以應(yīng)急車輛的平均速度、通行時間以及延誤作為評價標準，評估模型的效用性。仿真結(jié)果表明：在同等交通密度下，博弈引導(dǎo)模型下應(yīng)急車輛的平均速度和到達時間總體優(yōu)于傳統(tǒng)換道模型，且車輛延誤通過數(shù)低于傳統(tǒng)換道策略，在減少應(yīng)急車輛到達時間的同時降低了對社會車輛的延誤。

關(guān)鍵詞：應(yīng)急車輛；車聯(lián)網(wǎng)；換道決策；博弈論；收益模型

中圖分類號：U491.7 " "文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.09.024

Abstract： In order to reduce the accident arrival time of emergency vehicles， a collaborative emergency vehicle lane-changing model based on game theory ideas is proposed for the vehicle lane-changing characteristics in the connected vehicle environment. The interaction between emergency vehicles and conflicting vehicles under mixed traffic flow is analyzed， and a lane change benefit model is constructed based on the safety benefit， speed benefit and spatial benefit before and after the game on the basis of the minimum safe distance to guide the decision of emergency vehicle lane change. The utility of the model is evaluated using the average speed， passage time and delay of emergency vehicles as evaluation criteria. The simulation results show that under the same traffic density， the average speed and arrival time of emergency vehicles under the game-guided model are generally better than the traditional lane change model， and the number of delayed vehicle passes is lower than that of the traditional lane change strategy， reducing the arrival time of emergency vehicles while reducing the delay to social vehicles.

Key words： emergency vehicles; internet of vehicle; lane change decision; game theory; income model

0 "引 " 言

隨著我國城市規(guī)模的極速擴張、人口密度的不斷攀升，城市緊急事件的發(fā)生概率也大幅增高。但傳統(tǒng)交通面對如今頻發(fā)的應(yīng)急事件，其導(dǎo)向力已有所缺陷，應(yīng)急救援車輛無法及時到達，因此優(yōu)化應(yīng)急車輛通行效率是首要解決的問題。目前大多學(xué)者對優(yōu)化路徑選擇和信號配時的研究較多，趙建有等人以需求緊迫度為目標建立應(yīng)急車輛路徑優(yōu)化模型來提高救援效率[1]。楊楓等人結(jié)合混合布谷鳥算法建立應(yīng)急車輛路徑可靠度和最短行程的兩階段模型進行優(yōu)化[2]。張?zhí)熨n基于模糊Petri網(wǎng)對交叉口應(yīng)急車輛信號優(yōu)先配時進行調(diào)控，結(jié)合相鄰相位的流量比和排隊車輛長度給于應(yīng)急車輛優(yōu)先權(quán)限[3]。綜上，現(xiàn)階段一般以宏觀路段作為研究角度，較少有對路段應(yīng)急車輛行駛途中優(yōu)先通行的研究。本文從提升應(yīng)急車輛路段通行率出發(fā)，根據(jù)混合交通流密度、道路通行能力等信息對應(yīng)急車輛換道決策進行研究，提出一種車聯(lián)網(wǎng)環(huán)境下應(yīng)急車輛換道引導(dǎo)決策模型，基于博弈論思想分析相鄰車輛的交互關(guān)系，建立換道收益函數(shù)對應(yīng)急車輛進行換道引導(dǎo)，在減少應(yīng)急車輛到達時間的同時降低對社會車輛的延誤，提升路段上整體車輛的通行效率，從而提高應(yīng)急救援效率。

1 "研究思路概括

"應(yīng)急車輛在執(zhí)行任務(wù)時應(yīng)獲得其優(yōu)先通行權(quán)，可不受行駛線路、流向和信號燈的約束[4]。在行駛過程中往往因道路環(huán)境限制、下游排隊車輛過多、交通流密度過大等因素導(dǎo)致社會車輛無法進行配合讓道，從而造成應(yīng)急車輛時間延誤。其最主要原因是周圍車輛接收應(yīng)急車輛警報信息不及時，無法及時作出讓道配合和傳遞信息給下游車輛。在車聯(lián)網(wǎng)環(huán)境下，應(yīng)急車輛可以實時發(fā)送車輛定位、速度以及讓道請求等信息給周圍網(wǎng)聯(lián)車輛，并同時發(fā)送預(yù)警警報給普通車輛，從而進行讓道決策，減少車輛因反應(yīng)不及時所導(dǎo)致交通擁堵的情況[5]。應(yīng)急車輛行使換道優(yōu)先權(quán)往往會擾亂整個路段的交通流，為確保車輛的通行效率，并減少交互配合車輛的損失時間，獲得車輛整體收益最大，建立應(yīng)急車輛通行引導(dǎo)策略是本文的研究重點，研究思路以STCA、MOBIL模型作為基礎(chǔ)[6]，根據(jù)車聯(lián)網(wǎng)技術(shù)獲得相鄰車輛時距、定位信息、加速度等信息引入收益函數(shù)指標[7-8]，分析車輛間的交互關(guān)系，建立分層換道策略的收益函數(shù)模型。本文換道收益模型的流程如圖1所示，應(yīng)急車輛首先判斷前方是否有車，如果無車則保持原車道行進，相較于換道超車保持原車道速度行駛損失時間更少、優(yōu)先級更高，如原車道前導(dǎo)有車則判斷目標車道前導(dǎo)車是否滿足最小安全時距，若不滿足則放棄換道，若滿足則進行換道前后的收益分析，通過收益分析進行博弈決策。研究場景設(shè)置為混行交通流下的雙向四車道，車輛類型包含智能網(wǎng)聯(lián)車輛（Connected Autonomous Vehicle，CAV）、普通車輛（Conventional Vehicle，CV）和應(yīng)急車輛（Emergency Vehicle，EV），CV與CAV接收到應(yīng)急車輛的預(yù)警信號方式不同，其收益函數(shù)的參數(shù)指標也不同，參與博弈的車輛類型與相對車距將決定應(yīng)急車輛的換道收益值[9]。故根據(jù)其區(qū)域內(nèi)的車輛類別不同，結(jié)合換道博弈區(qū)域中參與者的不同情況，對EV的通行策略進行優(yōu)化并減少博弈者的速度震蕩，研究最佳的通行路徑，EV超車換道前后將迭代新的博弈類型，故重新進行博弈分析即可作出引導(dǎo)。

2 "應(yīng)急車輛博弈引導(dǎo)策略

2.1 "換道安全距離

3 "仿真與結(jié)論分析

3.1 "仿真場景

為驗證博弈換道模型的有效性，本文使用VISSIM模擬混合交通環(huán)境下應(yīng)急車輛的通行仿真實驗，根據(jù)本文場景設(shè)置仿真環(huán)境，道路條件設(shè)置為路長2 000m、車道寬度3.5m的單向兩車道，最高限速為33m/s，為確保應(yīng)急車輛救援效率，設(shè)初始速度為33.3m/s，其他車輛初始速度設(shè)為22.5m/s，最大加速度設(shè)為3m/s，最小車頭時距設(shè)1.76s，網(wǎng)聯(lián)通信延誤取0.5s，預(yù)警范圍設(shè)為5m，車輛跟車選取ACC模型。設(shè)置數(shù)據(jù)采集點于路段區(qū)域，收集應(yīng)急車輛平均速度、交通密度、交通量指標。根據(jù)換道模型設(shè)置A、B兩個實驗組，其中A組使用博弈引導(dǎo)模型，B組作為對照組使用傳統(tǒng)換道模型，通過應(yīng)急車輛平均速度以及路段車輛通過數(shù)據(jù)來評估模型的效能。

3.2 "結(jié)論分析

根據(jù)交通密度分組仿真對每組進行11次仿真，密度分布2 000veh/h～4 000veh/h，間距200veh/h，仿真時間2min。仿真評估通過應(yīng)急車輛平均速度以及路段車輛通過量來評定模型的效能。應(yīng)急車輛在不同交通密度下的平均速度對照實驗仿真結(jié)果如圖3所示，由圖3可見，當交通密度低于3 400veh/h時，博弈引導(dǎo)模型下的應(yīng)急車輛平均速度優(yōu)于傳統(tǒng)換道模型下的平均速度，當車輛密度升高，應(yīng)急車輛換道次數(shù)受限，其他車輛無法進行讓行，只能進行跟車行進，導(dǎo)致延誤時間增加，博弈引導(dǎo)模型的優(yōu)越性降低，與遵循傳統(tǒng)換道模式下的B組對照組差異相差不大，平均速度均處于相同水平線上下，因此在交通密度低于3 400veh/h下，博弈引導(dǎo)策略對于應(yīng)急車輛的通行效率總體優(yōu)于傳統(tǒng)換道策略。

"通過數(shù)據(jù)采集點收集兩組仿真在不同交通流密度下的車輛通過數(shù)如圖4所示，根據(jù)路段車輛通過數(shù)評估其他車輛避讓應(yīng)急車輛所造成的延誤影響以及局部交通流恢復(fù)情況。由圖4可見，在車流密度2 200veh/h以下兩組通過車輛數(shù)相差不大，由于車流較稀疏，應(yīng)急車輛進行博弈選擇無需換道，普通車輛換道讓行即可，故兩種模型在交通密度2 200veh/h以下效用基本相當，隨著交通流密度逐漸增長，博弈引導(dǎo)策略下的車輛通過數(shù)明顯多于傳統(tǒng)換道模式，結(jié)合圖4可得出：博弈引導(dǎo)策略在提高應(yīng)急車輛通行效率的同時減少了避讓行為對交通流產(chǎn)生的影響，縮短了其他車輛避讓所造成的延誤時間。

4 "結(jié)束語

本文基于博弈論思想建立應(yīng)急車輛優(yōu)先通行策略，構(gòu)建車輛收益引導(dǎo)模型，通過收益分析引導(dǎo)應(yīng)急車輛路權(quán)優(yōu)先分配，從而達到應(yīng)急車輛快速到達事故現(xiàn)場的目的，同時減少其他車輛因讓行而造成的延誤時間，通過仿真分析得到以下結(jié)論：

（1）對于應(yīng)急車輛通行效率的提高，博弈引導(dǎo)模型相較于傳統(tǒng)換道模型效能更佳，對整體交通流影響相對較小，滿足應(yīng)急車輛快速到達事故點的需求，同時減少獲得優(yōu)先路權(quán)所對交通流造成的影響。

"（2）基于車聯(lián)網(wǎng)技術(shù)的提升，混行交通環(huán)境下本文模型引入網(wǎng)聯(lián)車輛通信效率與應(yīng)急車輛預(yù)警擴散范圍等參數(shù)，更好擬合應(yīng)急車輛的路權(quán)分配引導(dǎo)，使模型仿真更貼合現(xiàn)代交通情況。

"本文僅通過兩車道環(huán)境模擬應(yīng)急車輛博弈分配引導(dǎo)，后續(xù)應(yīng)對多車道換道收益分配進行建模研究，多車道下的博弈組合即存在多種納什均衡，對應(yīng)急車輛的換道選擇更有引導(dǎo)性，更加符合現(xiàn)代交通環(huán)境，對提高應(yīng)急車輛的事故點到達率有更好的研究性。

參考文獻：

[1] 趙建有，肖宇，朱欣媛，等. 考慮需求緊迫度的應(yīng)急車輛路徑優(yōu)化方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2022（9）：27-34.

[2] 楊楓，種大雙. 應(yīng)急車輛動態(tài)路徑選擇的兩階段優(yōu)化模型[J]. 交通運輸系統(tǒng)工程與信息，2022，22（3）：84-92.

[3] 張?zhí)熨n. 應(yīng)急情況下單點交叉口信號控制研究[D]. 蘭州：蘭州交通大學(xué)，2021.

[4] 霍佳瑜，馬楠. 突發(fā)事件一般應(yīng)急車輛優(yōu)先通行權(quán)（快速通行）的思考[J]. 科技與創(chuàng)新，2021（5）：172-173.

[5] "TALEBPOUR A， MAHMASSANI H S， HAMDAR S H. Modeling lane-changging behavior in a connected environment： A game theory approach[J]. Transportation Research Procedia， 2015（7）：420-440.

[6] "KESTING A， TREIBER M， HELBING D. General lane-changing model MOBIL for car-following models[J]. Transportationg Research Record， 2007（1）：86-94.

[7] 薛春銘. 基于博弈的車輛協(xié)作換道策略研究[D]. 大連：大連理工大學(xué)，2017.

[8] 馬媛媛. 基于博弈論的網(wǎng)聯(lián)車輛換道輔助決策方法研究[D]. 西安：長安大學(xué)，2019.

[9] 趙晨馨，董紅召，管宇輝，等. 車聯(lián)網(wǎng)環(huán)境下車輛博弈換道協(xié)作策略[J]. 高技術(shù)通訊，2021，31（1）：64-74.

[10] 焦朋朋，楊紫煜，洪瑋琪，等. 車路協(xié)同下車隊避讓緊急車輛的換道引導(dǎo)方法[J]. 中國公路學(xué)報，2021，34（7）：95-104.

[11] OSBOME M J. An introduction to game theory[M]. Cham： Springer， 2009.

[12] 王暢，付銳，張瓊，等. 換道預(yù)警系統(tǒng)中參數(shù)TTC特性研究[J]. 中國公路學(xué)報，2015，28（8）：91-100.

收稿日期：2023-05-11

作者簡介：杜勝品（1971—），女，河北衡水人，武漢科技大學(xué)汽車與交通工程學(xué)院，副教授，碩士，研究方向：區(qū)域與城市交通系統(tǒng)規(guī)劃、道路交通安全。

引文格式：杜勝品，胡辰宇. 車聯(lián)網(wǎng)環(huán)境下應(yīng)急車輛換道策略模型[J]. 物流科技，2024，47（9）：93-97.