車聯(lián)網(wǎng)環(huán)境下巡航控制系統(tǒng)對(duì)交通流油耗的影響

秦嚴(yán)嚴(yán)，王昊，陳全，冉斌

?

車聯(lián)網(wǎng)環(huán)境下巡航控制系統(tǒng)對(duì)交通流油耗的影響

秦嚴(yán)嚴(yán)1, 2, 3, 4，王昊1, 2, 3，陳全1, 2, 3，冉斌3, 4

(1. 城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，江蘇 南京，210096； 2. 現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，江蘇 南京，210096； 3. 東南大學(xué) 交通學(xué)院，江蘇 南京，210096； 4. 威斯康星大學(xué)麥迪遜分校 土木與環(huán)境工程系，威斯康星州 麥迪遜，53706)

為研究未來車聯(lián)網(wǎng)環(huán)境下聯(lián)網(wǎng)巡航控制(CCC)系統(tǒng)對(duì)交通流油耗的影響，選取Helly跟馳模型作為手動(dòng)駕駛車輛跟馳模型，基于CCC車輛跟馳特性，構(gòu)建多前車反饋的CCC跟馳模型；推導(dǎo)CCC系統(tǒng)的擾動(dòng)傳遞函數(shù)，計(jì)算CCC系統(tǒng)關(guān)于反饋系數(shù)與平衡態(tài)速度的穩(wěn)定域；針對(duì)高速公路上匝道瓶頸，考慮CCC車輛與手動(dòng)駕駛車輛混合行駛中的隨機(jī)性，在不同的主路需求與匝道需求情況下設(shè)計(jì)數(shù)值仿真實(shí)驗(yàn)，評(píng)估CCC車輛對(duì)交通流油耗的影響。研究結(jié)果表明：當(dāng)CCC系統(tǒng)穩(wěn)定時(shí)，CCC車輛有利于降低交通流油耗，當(dāng)CCC車輛比例達(dá)到約60%時(shí)，油耗降低速度較快，相比于傳統(tǒng)手動(dòng)車輛交通流，CCC車輛交通流油耗降低約35%以上；當(dāng)CCC系統(tǒng)不穩(wěn)定時(shí)，交通流油耗降低率小于3.59%；CCC系統(tǒng)穩(wěn)定域能夠影響交通流油耗降低。

交通流；油耗；聯(lián)網(wǎng)巡航控制；跟馳模型；車聯(lián)網(wǎng)

近年來，交通能源消耗以及尾氣污染問題凸顯，有關(guān)車輛節(jié)能減排的研究日益受到關(guān)注。隨著智能交通系統(tǒng)與自動(dòng)駕駛汽車技術(shù)的發(fā)展，車聯(lián)網(wǎng)環(huán)境下的智能駕駛系統(tǒng)車輛可實(shí)時(shí)獲取前方行車狀態(tài)，有效提升交通流平穩(wěn)性，為車輛節(jié)能減排等問題的有效解決提供了新的途徑。目前，智能駕駛系統(tǒng)車輛的大規(guī)模實(shí)地測(cè)試難以開展，因此，智能駕駛系統(tǒng)車輛與傳統(tǒng)手動(dòng)駕駛車輛混合行駛時(shí)的交通流特性研究是現(xiàn)階段評(píng)估智能駕駛系統(tǒng)車輛有效解決相關(guān)交通問題的必要途徑，且已成為國際上交通流理論以及智能交通領(lǐng)域的研究熱點(diǎn)[1]。在各類型智能駕駛系統(tǒng)車輛的研究中，自適應(yīng)巡航控制(adaptive cruise control，ACC)系統(tǒng)車輛依靠車載檢測(cè)設(shè)備獲取前車行車信息，可有效縮短車頭時(shí)距；而協(xié)同自適應(yīng)巡航控制(cooperative adaptive cruise control，CACC)系統(tǒng)車輛應(yīng)用車載無線通信系統(tǒng)，在獲取前車行車狀態(tài)時(shí)，精度更高、速度更快，但CACC車輛仍然沒有充分體現(xiàn)出車聯(lián)網(wǎng)的特性。在車聯(lián)網(wǎng)環(huán)境下，車車互聯(lián)的特性進(jìn)一步推動(dòng)聯(lián)網(wǎng)巡航控制(connected cruise control, CCC)系統(tǒng)的發(fā)展。CCC車輛在車聯(lián)網(wǎng)環(huán)境下獲取多前車行車狀態(tài)，形成CCC控制系統(tǒng)。目前，人們對(duì)ACC車輛與CACC車輛對(duì)交通流特性的影響研究較多[2]。秦嚴(yán)嚴(yán)等[3]對(duì)ACC車輛、CACC車輛以及手動(dòng)駕駛車輛這3種車型混合行駛時(shí)的混合交通流通行能力進(jìn)行了理論分析，其研究結(jié)果表明：當(dāng)CACC車輛在混合交通流中的比例大于60%時(shí)，可有效提升傳統(tǒng)手動(dòng)駕駛交通流的通行能力，ACC車輛的期望車間時(shí)距對(duì)通行能力的提升有一定影響；進(jìn)一步地，秦嚴(yán)嚴(yán)等[4]研究了這3種車型混合交通流駕駛舒適性與交通流穩(wěn)定性之間的關(guān)系，發(fā)現(xiàn)不同CACC車輛比例下的混合交通流穩(wěn)定性會(huì)影響混合交通流駕駛的舒適性；ZHOU等[5]研究了CACC車輛在高速公路匝道瓶頸匯入時(shí)的交通安全特性，其研究結(jié)果表明在合理的匝道匯入控制策略下，CACC車輛能夠起到平滑交通擾動(dòng)的作用，進(jìn)而可提升交通安全水平；GE等[6]針對(duì)CCC系統(tǒng)，分析了跟馳模型參數(shù)、CCC車輛通信延時(shí)以及CCC系統(tǒng)的車間通信方式對(duì)交通流穩(wěn)定性的影響，但沒有進(jìn)一步地研究CCC車輛對(duì)交通問題的改善作用；QIN等[7]改進(jìn)了CCC車輛模型，研究了CCC車輛反饋系數(shù)的輸出控制與系統(tǒng)穩(wěn)定域之間的關(guān)系。然而，目前有關(guān)CCC車輛系統(tǒng)對(duì)交通流油耗的影響的研究較少，而交通流油耗降低與節(jié)約資源以及降低交通環(huán)境污染等直接相關(guān)，因此，研究CCC車輛系統(tǒng)對(duì)交通流油耗的影響具有重要意義。為此，本文作者從CCC系統(tǒng)跟馳特性出發(fā)，基于跟馳模型理論分析CCC系統(tǒng)穩(wěn)定性，并通過數(shù)值仿真實(shí)驗(yàn)探索未來大規(guī)模CCC系統(tǒng)對(duì)交通流油耗的影響。

1 聯(lián)網(wǎng)巡航控制系統(tǒng)

1.1 系統(tǒng)概述

車聯(lián)網(wǎng)環(huán)境下車與車之間實(shí)現(xiàn)車車無線通信，CCC車輛可基于車車通信技術(shù)感知多前車行駛速度及加速度等信息，并與其所監(jiān)測(cè)的前方多輛手動(dòng)車輛構(gòu)成CCC系統(tǒng)[6]。1輛CCC車輛與輛手動(dòng)車輛構(gòu)成的CCC系統(tǒng)見圖1。其中，車輛?1表示車輛的前車，尾車CCC車輛可接收前方輛手動(dòng)車輛的行車信息反饋，1為CCC車輛關(guān)于手動(dòng)車輛?1的反饋系數(shù)，2為CCC車輛關(guān)于手動(dòng)車輛?2的反饋系數(shù)，k為CCC車輛關(guān)于手動(dòng)車輛?的反饋系數(shù)。在CCC車輛與手動(dòng)車輛混合行駛的交通流中，2種車型車輛位置分布的隨機(jī)性使得每個(gè)CCC系統(tǒng)中的取值是不同的，取值同樣受到車車通信有效范圍的約束。就目前而言，車間通信的可靠范圍為200~300 m，即在任意行駛速度下的車間有效通信范圍約為4輛車之間[6]。因此，本文以最大取值為3的CCC系統(tǒng)作為研究對(duì)象。

圖1 聯(lián)網(wǎng)巡航控制系統(tǒng)

1.2 跟馳模型

選取手動(dòng)車輛跟馳模型，并考慮CCC車輛的多前車信息反饋跟馳特性，建立相應(yīng)的CCC跟馳模型。對(duì)于手動(dòng)車輛而言，研究者們提出了多種跟馳模型[8]。依據(jù)文獻(xiàn)[9]，本文選取經(jīng)典Helly類跟馳模型作為手動(dòng)車輛跟馳模型，模型表達(dá)式為

對(duì)于CCC跟馳模型而言，多前車反饋信息存在多樣性。依據(jù)文獻(xiàn)[10]可知，CCC真車實(shí)驗(yàn)中以前車電子閥門角度作為反饋信息，因此，本文應(yīng)用該反饋建立CCC跟馳模型：

2 系統(tǒng)穩(wěn)定性

穩(wěn)定性分析是CCC系統(tǒng)的基本屬性，也是理論分析CCC車輛多前車反饋系數(shù)的必要手段[7]。下面應(yīng)用CCC車輛和手動(dòng)車輛跟馳模型，對(duì)CCC系統(tǒng)在前車反饋數(shù)量分別取1，2與3時(shí)的穩(wěn)定性進(jìn)行分析。

分別定義車輛速度擾動(dòng)及車頭間距擾動(dòng)表達(dá)式如下：

在交通流平衡態(tài)，應(yīng)用泰勒公式對(duì)手動(dòng)車輛跟馳模型(見式(1))進(jìn)行線性化處理，得到如下關(guān)系式：

將式(4)代入式(5)得到關(guān)于擾動(dòng)項(xiàng)的偏微分方程：

式中：為拉普拉斯算子。

針對(duì)CCC車輛跟馳模型(見式(2))中的多前車反饋項(xiàng)，將式(4)代入式(3)中計(jì)算得到該多前車反饋項(xiàng)對(duì)應(yīng)的擾動(dòng)微分方程：

結(jié)合式(6)，將式(8)代入式(2)得到CCC車輛跟馳模型關(guān)于擾動(dòng)項(xiàng)的微分方程：

對(duì)式(9)進(jìn)行拉普拉斯變換得到擾動(dòng)由前車傳遞至CCC車輛時(shí)的傳遞函數(shù)2()：

以圖1所示的CCC系統(tǒng)為研究對(duì)象，其前方擾動(dòng)作為系統(tǒng)輸入，尾車CCC車輛對(duì)擾動(dòng)的輸出作為系統(tǒng)輸出，則該控制系統(tǒng)的傳遞函數(shù)()為

令=j(其中j為頻率域，j為虛數(shù)單位；為頻率，≥0)，將式(11)的拉普拉斯域轉(zhuǎn)化為頻率域，當(dāng)傳遞函數(shù)()幅頻特性的幅值小于1時(shí)，該CCC系統(tǒng)穩(wěn)定，即

由式(7)，(10)和(12)可以看出：CCC系統(tǒng)穩(wěn)定性由平衡態(tài)速度以及CCC車輛的多前車反饋系數(shù)k決定。本文CCC車輛多前車反饋數(shù)量最大取值為3，當(dāng)分別取值1，2和3時(shí)，將跟馳模型參數(shù)以及式(7)與(10)代入式(12)中，可計(jì)算得到各平衡態(tài)速度取值以及各反饋系數(shù)取值下的穩(wěn)定性，即得到CCC系統(tǒng)關(guān)于平衡態(tài)速度與前車反饋系數(shù)的穩(wěn)定域。為了簡(jiǎn)化CCC系統(tǒng)控制的復(fù)雜性，本文假設(shè)CCC系統(tǒng)反饋系數(shù)取值相同，由此計(jì)算得到的系統(tǒng)穩(wěn)定域見圖2，其中A區(qū)域?yàn)榉€(wěn)定區(qū)域，B區(qū)域?yàn)椴环€(wěn)定區(qū)域。由圖2可以看出：隨著多前車反饋數(shù)量增大，反饋系數(shù)取值對(duì)CCC系統(tǒng)穩(wěn)定時(shí)平衡態(tài)速度范圍的敏感性降低。由文獻(xiàn)[7]可知CCC系統(tǒng)應(yīng)當(dāng)盡可能地具備較大的穩(wěn)定速度范圍，依據(jù)圖2中的穩(wěn)定域結(jié)果可得反饋系數(shù)分別如下：=1時(shí)，反饋系數(shù)1=0.25；=2時(shí)，反饋系數(shù)1=2=0.35；=3時(shí)，反饋系數(shù)1=2=3=0.45。

多前車反饋數(shù)量：(a) 1；(b) 2；(c) 3

3 CCC系統(tǒng)對(duì)交通流油耗影響的仿真分析

3.1 評(píng)價(jià)指標(biāo)

基于跟馳模型數(shù)值仿真實(shí)驗(yàn)，應(yīng)用交通流油耗評(píng)價(jià)指標(biāo)分析CCC系統(tǒng)的影響是常見的研究手段。本文選取的交通流油耗評(píng)價(jià)指標(biāo)如下[14]：

式中：F為車輛在時(shí)刻產(chǎn)生的油耗；1~16為系數(shù)，取值分別如下[14]：1=?0.679 440，2=0.135 273，3= 0.015 946，4=?0.001 190，5=0.029 665，6=?0.000 28，7=1.49×10?6，8=0.004 808，9=?2.1×10?5，10=5.54×10?8，11=8.33×10?5，12=9.37×10?7，13=?2.5×10?8，14=?6.1×10?5，15=3.04×10?7，16=?4.5×10?9。

由于本文主要探究CCC系統(tǒng)相對(duì)于傳統(tǒng)手動(dòng)車輛對(duì)交通流油耗的影響，因此可將式(13)中評(píng)價(jià)指標(biāo)參數(shù)的取值應(yīng)用到本文仿真實(shí)驗(yàn)中[15?18]，依據(jù)式(13)統(tǒng)計(jì)得到所有車輛在全部時(shí)間內(nèi)的油耗累積值，以此作為仿真實(shí)驗(yàn)中交通流油耗的仿真值。

3.2 仿真結(jié)果分析

基于車輛跟馳模型，對(duì)上匝道瓶頸進(jìn)行交通流油耗影響的數(shù)值仿真實(shí)驗(yàn)。參考文獻(xiàn)[19]選取仿真路段，即假設(shè)仿真路段中的主路和匝道均為單車道道路，仿真路段全長(zhǎng)為6.5 km，上匝道位于整個(gè)路段的中間位置。上游車輛的初始駛?cè)胨俣仍?5~30 m/s范圍內(nèi)隨機(jī)確定，并選擇3組交通需求情況進(jìn)行仿真：主路需求為1 800 輛/h且匝道需求為400輛/h(記為需求Ⅰ)；主路需求為1 500輛/h且匝道需求為300輛/h (記為需求Ⅱ)；主路需求為1 200輛/h且匝道需求為200輛/h (記為需求Ⅲ)。CCC車輛按照本文第2節(jié)中給出的反饋系數(shù)取值，并考慮交通流中車輛空間分布的隨機(jī)性，按照?qǐng)D1所示的控制結(jié)構(gòu)隨機(jī)地接收前方1輛車、2輛車或3輛車的行駛信息反饋。針對(duì)連續(xù)CCC車輛的情況，后車CCC車輛可接收前方3輛車的反饋信息。鑒于2種車型在車輛混合行駛中的隨機(jī)性，各CCC車輛比例下均獨(dú)立進(jìn)行3次仿真實(shí)驗(yàn)，并取交通流油耗仿真均值作為該情況下的油耗仿真結(jié)果。以CCC車輛比例為0時(shí)的手動(dòng)車輛交通流油耗仿真結(jié)果為基準(zhǔn)，計(jì)算得到不同CCC車輛比例下交通流油耗相對(duì)于手動(dòng)車輛的交通流油耗降低率，結(jié)果如圖3所示。

1—交通需求Ⅰ；2—交通需求Ⅱ；3—交通需求Ⅲ。

由圖3可以看出：當(dāng)CCC車輛比例小于50%時(shí)，交通流油耗降低率小于15%；當(dāng)CCC車輛比例達(dá)到60%時(shí)，交通流油耗的降低速度變快。同時(shí)，為了進(jìn)一步分析車聯(lián)網(wǎng)環(huán)境下的交通流油耗情況，本文對(duì)CCC車輛比例為10%時(shí)的仿真結(jié)果進(jìn)行進(jìn)一步統(tǒng)計(jì)，計(jì)算可知在3組交通需求下，每輛CCC車輛的平均實(shí)際油耗相比于手動(dòng)車輛分別降低23.43%，20.14%和20.58%，這表明車聯(lián)網(wǎng)環(huán)境有利于降低交通流油耗。

此外，有研究表明交通穩(wěn)定性可能影響交通運(yùn)營質(zhì)量[4, 20]。由本文第2節(jié)中所得CCC系統(tǒng)穩(wěn)定域可知：CCC系統(tǒng)在車速大于10 m/s時(shí)處于穩(wěn)定狀態(tài)，在車速小于10 m/s時(shí)不穩(wěn)定。為了進(jìn)一步探究CCC系統(tǒng)穩(wěn)定域與交通流油耗降低的內(nèi)在關(guān)聯(lián)性，將上述仿真實(shí)驗(yàn)中車輛初始駛?cè)胨俣仍O(shè)為5~10 m/s。鑒于初始速度較低，在仿真實(shí)驗(yàn)中僅考慮交通需求Ⅲ情況下的仿真實(shí)驗(yàn)，仿真結(jié)果見表1。由表1可以看出：CCC車輛比例增加對(duì)交通流油耗降低的影響并不明顯，相比于手動(dòng)車輛交通流，CCC車輛交通流油耗僅降低3.59%。這一結(jié)果驗(yàn)證了CCC系統(tǒng)穩(wěn)定域?qū)煌饔秃慕档偷挠绊?，這一結(jié)論與文獻(xiàn)[4]和文獻(xiàn)[20]中的結(jié)論相一致。

表1 交通需求Ⅲ下CCC車輛比例對(duì)交通流油耗的影響

4 結(jié)論

1) CCC系統(tǒng)穩(wěn)定域影響交通流油耗降低率，當(dāng)CCC系統(tǒng)穩(wěn)定時(shí)，CCC車輛有利于交通流油耗的降低，相比手動(dòng)車輛交通流，CCC車輛交通流可使油耗降低35%以上；而當(dāng)CCC車輛比例小于50%時(shí)，交通流油耗降低速度緩慢，降低比例小于15%，當(dāng)CCC車輛比例達(dá)到60%時(shí)，交通流油耗降低速度變得較快；當(dāng)CCC系統(tǒng)不穩(wěn)定時(shí)，CCC車輛對(duì)交通流油耗降低的影響不明顯，油耗降低率小于3.59%。

2) 針對(duì)由CCC車輛與手動(dòng)車輛構(gòu)成的CCC系統(tǒng)的穩(wěn)定域分析方法以及交通流油耗影響的仿真實(shí)驗(yàn)設(shè)計(jì)能夠適應(yīng)不同CCC車輛與手動(dòng)車輛跟馳模型的選取，可為未來大規(guī)模CCC車輛背景下的交通流油耗管理與控制提供參考。

[1] MAHMASSANI H S. 50th anniversary invited article— autonomous vehicles and connected vehicle systems: flow and operations considerations[J]. Transportation Science, 2016, 50(4): 1140?1162.

[2] 秦嚴(yán)嚴(yán), 王昊, 王煒, 等. 自適應(yīng)巡航控制車輛跟馳模型綜述[J]. 交通運(yùn)輸工程學(xué)報(bào), 2017, 17(3): 121?130. QIN Yanyan, WANG Hao, WANG Wei, et al. Review of car-following models of adaptive cruise control[J]. Journal of Traffic and Transportation Engineering, 2017, 17(3): 121?130.

[3] 秦嚴(yán)嚴(yán), 王昊, 王煒, 等. 混有CACC車輛和ACC車輛的異質(zhì)交通流基本圖模型[J]. 中國公路學(xué)報(bào), 2017, 30(10): 127?136. QIN Yanyan, WANG Hao, WANG Wei, et al. Fundamental diagram model of heterogeneous traffic flow mixed with cooperative adaptive cruise control vehicles and adaptive cruise control vehicles[J]. China Journal of Highway and Transport, 2017, 30(10): 127?136.

[4] 秦嚴(yán)嚴(yán), 王昊, 王煒, 等. 混有CACC車輛和ACC車輛的混合交通流駕駛舒適性[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2017, 49(9): 103?108, 173. QIN Yanyan, WANG Hao, WANG Wei, et al. Driving comfort of traffic flow mixed with cooperative adaptive cruise control vehicles and adaptive cruise control vehicles[J]. Journal of Harbin Institute of Technology, 2017, 49(9): 103?108, 173.

[5] ZHOU Mofan, QU Xiaobo, JIN Sheng. On the impact of cooperative autonomous vehicles in improving freeway merging: a modified intelligent driver model-based approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(6): 1422?1428.

[6] GE Jin, OROSZ G. Dynamics of connected vehicle systems with delayed acceleration feedback[J]. Transportation Research Part C: Emerging Technologies, 2014, 46: 46?64.

[7] QIN Yanyan, WANG Hao. Analytical framework of string stability of connected and autonomous platoons with electronic throttle angle feedback[J]. Transportmetrica A: Transport Science, 2018, DOI: 10.1080/23249935.2018.1518964.

[8] 王殿海, 金盛. 車輛跟馳行為建模的回顧與展望[J]. 中國公路學(xué)報(bào), 2012, 25(1): 115?127. WANG Dianhai, JIN Sheng. Review and outlook of modeling of car following behavior[J]. China Journal of Highway and Transport, 2012, 25(1): 115?127.

[9] WANG Hao, WANG Wei, CHEN Jun, et al. Using trajectory data to analyze intradriver heterogeneity in car-following[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010(2188): 85?95.

[10] LI Kun, IOANNOU P. Modeling of traffic flow of automated vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(2): 99?113.

[11] SHLADOVER S E, NOWAKOWSKI C, LU Xiaoyun, et al. Cooperative adaptive cruise control: definitions and operating concepts[J]. Transportation Research Record: Journal of the Transportation Research Board, 2015(2489): 145?152.

[12] LI Yongfu, ZHANG Li, PEETA S, et al. A car-following model considering the effect of electronic throttle opening angle under connected environment[J]. Nonlinear Dynamics, 2016, 85(4): 2115?2125.

[13] QIN Yanyan, WANG Hao, RAN Bin. Stability analysis of connected and automated vehicles to reduce fuel consumption and emissions[J]. Journal of Transportation Engineering, Part A: Systems, 2018, 144(11): 04018068-1?9.

[14] WU Changxu, ZHAO Guozhen, OU Bo. A fuel economy optimization system with applications in vehicles with human drivers and autonomous vehicles[J]. Transportation Research Part D: Transport and Environment, 2011, 16(7): 515?524.

[15] TANG Tieqiao, HUANG Haijun, SHANG Huayan. Influences of the driver’s bounded rationality on micro driving behavior, fuel consumption and emissions[J]. Transportation Research Part D: Transport and Environment, 2015, 41: 423?432.

[16] TANG Tieqiao, LUO Xiaofeng, LIU Kai. Impacts of the driver’s bounded rationality on the traffic running cost under the car-following model[J]. Physica A: Statistical Mechanics and its Applications, 2016, 457: 316?321.

[17] LI Xiaopeng, CUI Jianxun, AN Shi, et al. Stop-and-go traffic analysis: theoretical properties, environmental impacts and oscillation mitigation[J]. Transportation Research Part B: Methodological, 2014, 70: 319?339.

[18] LEE J, PARK B. Development and evaluation of a cooperative vehicle intersection control algorithm under the connected vehicles environment[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1): 81?90.

[19] TALEBPOUR A, MAHMASSANI H S. Influence of connected and autonomous vehicles on traffic flow stability and throughput[J]. Transportation Research Part C: Emerging Technologies, 2016, 71: 143?163.

[20] PUEOOBPAPHAN R, VAN AREM B. Driver and vehicle characteristics and platoon and traffic flow stability: Understanding the relationship for design and assessment of cooperative adaptive cruise control[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010( 2189): 89?97.

(編輯 伍錦花)

Impacts of connected cruise control systems on traffic flow fuel consumption in internet of vehicles environment

QIN Yanyan1, 2, 3, 4, WANG Hao1, 2, 3, CHEN Quan1, 2, 3, RAN Bin3, 4

(1. Jiangsu Key Laboratory of Urban Intelligent Transportation System, Nanjing 210096, China; 2. Jiangsu Province Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing 210096, China; 3. School of Transportation, Southeast University, Nanjing 210096, China; 4. Department of Civil and Environment Engineering, University of Wisconsin-Madison, Madison 53706, USA)

In order to study the impacts of connected cruise control (CCC) systems on traffic flow fuel consumption of traffic flow in the future internet of vehicles environment, the Helly model was selected as the car-following model of manual driven vehicles. Based on the car-following characteristics of CCC vehicles, a CCC car-following model was built considering multiple preceeding feedbacks. The transfer function of perturbations of CCC systems was deduced. Then, the stability region about feedback coefficient and equilibrium velocity was calculated for CCC systems. The bottleneck of highway with an on-ramp was selected for numerical simulations. The simulation experiments were designed under different demands of both main road and ramp, taking the randomness in the mixed driving with CCC vehicles and manual driven vehicles into consideration. The impact of CCC vehicles on fuel consumption was evaluated. The results show that CCC vehicles can reduce the fuel consumption when the CCC system is stable. The reduction speed of fuel consumption becomes faster when CCC vehicle proportion reaches to 60%. The traffic flow with CCC vehicles can reduce fuel consumption by more than 35%, compared with that of traditional manual driven vehicles. However, the reduction of the fuel consumption is less than 3.59% if the CCC system is unstable. The reduction of fuel consumption is influenced by the stability region of the CCC system.

traffic flow; fuel consumption; connected cruise control; car-following model; internet of vehicles

10.11817/j.issn.1672-7207.2018.11.032

U491.112

A

1672?7207(2018)11?2894?07

2018?01?12；

2018?03?05

國家自然科學(xué)基金資助項(xiàng)目(51478113，51878161)；國家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目(2016YFB0100906)；交通運(yùn)輸部科學(xué)技術(shù)研究計(jì)劃項(xiàng)目(2015364X16030)；江蘇省研究生科研與實(shí)踐創(chuàng)新計(jì)劃項(xiàng)目(KYCX17_0146) (Projects(51478113, 51878161) supported by the National Natural Science Foundation of China; Project(2016YFB0100906) supported by the National Key R&D Program of China; Project(2015364X16030) supported by the Information Technology Research Program of Ministry of Transport of China; Project(KYCX17_0146) supported by the Postgraduate Research & Practice Innovation Program of Jiangsu Province)

王昊，博士，教授，從事交通流理論研究；E-mail: haowang@seu.edu.cn