高速公路施工區(qū)自動(dòng)車輛行駛軌跡優(yōu)化方法*

李曉虎 麥 樂 任 杰 劉浩學(xué) 朱 彤

（長(zhǎng)安大學(xué)汽車學(xué)院 西安710064）

0 引 言

高速公路施工區(qū)是高速公路經(jīng)常發(fā)生交通事故和交通效率下降的路段[1]。研究發(fā)現(xiàn)，駕駛?cè)嗽谶M(jìn)入施工區(qū)為了提高自身的運(yùn)行速度會(huì)采取不同的換道方式，不規(guī)則的換道過程會(huì)使不同車輛之間的運(yùn)行狀態(tài)受到嚴(yán)重干擾[2]。為了改善高速公路瓶頸路段現(xiàn)存問題并發(fā)揮現(xiàn)有高速公路交通設(shè)施的最大效益，部分學(xué)者提出了主動(dòng)交通管理(active traffic management,ATM)，其中包括匝道控制和可變限速等措施。如Jin等[3]提出了在瓶頸路段上游通過設(shè)定可變限速控制以減少瓶頸路段車輛密度和增加車輛之間行駛間隙，以此緩解瓶頸路段車輛之間換道干擾，提高交通效率。Scarinci 等[4]搭建Matlab-Vissim 仿真平臺(tái)，提出了一種新的匝道控制措施，即基于匝道控制中在匝道口處安放信號(hào)燈的方法，通過檢測(cè)器檢測(cè)高速公路主線上的車輛之間的間距是否大于預(yù)設(shè)的匯入間隙以此來控制信號(hào)燈的周期，使得車輛能夠在不影響主路旅行時(shí)間的情況下安全匯入，顯著減少了瓶頸區(qū)域內(nèi)的交通沖突。

近年來，隨著網(wǎng)聯(lián)自動(dòng)車(connected and autonomous vehicle，CAV)技術(shù)的發(fā)展[5-6]，直接對(duì)每輛車運(yùn)行狀態(tài)調(diào)節(jié)，以此改善微觀交通流特性。如Ali等[7]通過駕駛模擬器研究高速公路上網(wǎng)聯(lián)自動(dòng)車環(huán)境在車輛強(qiáng)制換道過程對(duì)中安全性的影響，通過分析模型中的生存率和危險(xiǎn)率等指標(biāo)，得到了網(wǎng)聯(lián)自動(dòng)車環(huán)境在強(qiáng)制換道操作期間可以較大的提高安全性。Gong 等[8]基于車輛與車輛之間的“通信”為改善換道過程提出建議，使得車輛能夠在適當(dāng)?shù)奈恢眠M(jìn)行平穩(wěn)的強(qiáng)制性換道。Park 等[9]通過實(shí)驗(yàn)數(shù)據(jù)擬合得到速度和加速度曲線，通過仿真為匯入車輛制造出一個(gè)動(dòng)態(tài)換道間隙，該動(dòng)態(tài)間隙能夠顯著的提高交通效率與減少?zèng)_突。張新鋒等[10]從智能車本身出發(fā)，利用多項(xiàng)式函數(shù)進(jìn)行換道軌跡規(guī)劃，建立了基于穩(wěn)態(tài)轉(zhuǎn)向特性和安全距離的換道模型，利用Matlab 與CarSim 軟件進(jìn)行仿真分析，結(jié)果表明，其方法能夠?qū)崿F(xiàn)智能車輛的自動(dòng)換道行為并且控制效果較為理想。蘭鳳崇等[11]通過考慮車輛操縱穩(wěn)定性建立了車輛三自由度模型，對(duì)軌跡綜合優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到了在不同車速情況下智能車最優(yōu)換道行駛軌跡。張琳等[12]在研究車輛動(dòng)力學(xué)模型特性的基礎(chǔ)上，考慮車輛自身約束提出了一種動(dòng)態(tài)軌跡規(guī)劃方法，通過最優(yōu)指標(biāo)決策出最優(yōu)軌跡和車速，并驗(yàn)證了方法的有效性。

綜上，以往研究較少的考慮結(jié)合交通流分布和車輛運(yùn)行狀態(tài)參數(shù)的改變對(duì)施工區(qū)處車輛行車軌跡進(jìn)行優(yōu)化。筆者通過結(jié)合高速公路環(huán)境信息，建立了交通流分配模型和可變跟車時(shí)距模型，以在線的方式對(duì)施工區(qū)上游進(jìn)行換道比例計(jì)算和匯入路段可變跟車時(shí)距優(yōu)化，并以車輛行駛軌跡、速度標(biāo)準(zhǔn)差等作為表現(xiàn)形式，對(duì)施工區(qū)車輛運(yùn)行狀態(tài)進(jìn)行可視化分析。

1 換道控制策略

在臨近施工區(qū)處往往會(huì)因過多車輛需要強(qiáng)制換道而導(dǎo)致安全性和交通效率下降，見圖1（a）。結(jié)合交通流分配和施工區(qū)車輛安全匯入思想[13]，所提出的換道控制策略分為：①在施工區(qū)上游對(duì)車輛進(jìn)行交通流分配，此時(shí)借助遺傳算法通過遍歷交通流狀態(tài)并結(jié)合路邊檢測(cè)器識(shí)別是否存有換道沖突車輛對(duì)目標(biāo)函數(shù)進(jìn)行求解，以此得到區(qū)間換道比例，減少施工區(qū)封閉路段車輛的換道壓力。②在施工區(qū)匯入部分對(duì)主線車輛進(jìn)行可變跟車時(shí)距計(jì)算，通過求解所設(shè)定的目標(biāo)函數(shù)，在線計(jì)算與反饋可變跟車時(shí)距，在保證主線車輛行駛穩(wěn)定的情況下，為匯入車輛制造出匯入間隙，確保全局車輛行駛軌跡連續(xù)平穩(wěn)，見圖1（b）。

1.1 交通流分配模型

圖1 車輛運(yùn)行狀態(tài)比較Fig.1 Comparison of vehicle driving status

為減少施工區(qū)匯入部分因強(qiáng)制換道車輛數(shù)較多而導(dǎo)致外車道車輛堆積和交通效率下降現(xiàn)象。提出了在施工區(qū)上游對(duì)交通流進(jìn)行提前分配模型。即在施工區(qū)上游長(zhǎng)度為L(zhǎng) 的路段m 設(shè)定為交通流分配區(qū)域，將路段m 劃分為n 個(gè)小路段，每個(gè)小路段旁設(shè)有路邊檢測(cè)器單元（road side units，RSU）進(jìn)行換道沖突識(shí)別，每個(gè)小路段交通流分配方式見圖1（b）。在所提出的交通流分配理論中，外車道車輛在接收到“指令”分配到內(nèi)車道時(shí)，此過程會(huì)導(dǎo)致外車道車輛為了換道而減速，內(nèi)車道車輛因外車道車輛匯入和道路密度的增多而行駛緩慢。為了不因交通流分配而導(dǎo)致交通效率降低，以內(nèi)外車道車輛在總仿真時(shí)長(zhǎng)內(nèi)平均速度為目標(biāo)函數(shù)，對(duì)施工區(qū)上游車輛進(jìn)行交通流分配。此時(shí)交通流分配目標(biāo)函數(shù)見式（1）。

式中：t 為單位仿真步長(zhǎng)，s；Nt為總仿真時(shí)長(zhǎng)，s；Vint為單位仿真步長(zhǎng)內(nèi)施工區(qū)上游內(nèi)車道車輛運(yùn)行速度，m/s；Voutt為單位仿真時(shí)長(zhǎng)內(nèi)施工區(qū)上游外車道車輛運(yùn)行速度，m/s。

對(duì)目標(biāo)函數(shù)式（1）設(shè)置的控制變量為每個(gè)小路段的換道比例，即每個(gè)小路段的換道比例在0～1 之間選取[14]。其控制變量限制見式（2）。

式中：s 為不同小路段；xs為每個(gè)小路段的換道比例。

在換道過程中，一個(gè)安全換道間隙能夠保證車輛安全平順的換道至目標(biāo)車道[15]。為了不因過多的交通流分配導(dǎo)致沖突數(shù)上升，每個(gè)小路段中車輛換道時(shí)，目標(biāo)車道上的車輛間距需要滿足最小安全距離，當(dāng)換道間隙過小時(shí)，車輛繼續(xù)行駛至下一小路段，此時(shí)需要考慮的條件見式（3）～（4）。

式中：lmin為車輛換道過程中需要滿足的最小安全間距，m；l1為目標(biāo)車道上前車的長(zhǎng)度，m；l2為車輛靜止時(shí)的最小安全距離，m；Vs為自由流下每個(gè)小路段s 的車輛平均速度，m/s；h*為駕駛員想要保持的最小跟車時(shí)距，s；SRF 為安全距離折減系數(shù)，表示駕駛員在換道過程中冒險(xiǎn)行為參數(shù)；l 為目標(biāo)車道上車輛行駛間距，m。

1.2 可變跟車時(shí)距模型

為優(yōu)化施工區(qū)處車輛行駛速度和交通沖突，提出了在施工區(qū)匯入部分的可變跟車時(shí)距模型。因施工區(qū)處為車道減少路段，其中存在因車輛強(qiáng)制匯入導(dǎo)致局部車輛行駛緩慢和沖突。對(duì)此，結(jié)合施工區(qū)匯入部分的車輛運(yùn)行速度和沖突風(fēng)險(xiǎn)為目標(biāo)函數(shù)，得出不同時(shí)間段的主線車輛跟車時(shí)距，以此在不影響交通效率下避免交通沖突。研究表明，車輛的速度離散性與沖突風(fēng)險(xiǎn)之間存有相關(guān)關(guān)系，即速度離散性越大表示沖突風(fēng)險(xiǎn)越大[16]。以速度離散性表示沖突風(fēng)險(xiǎn)，速度離散性的表示形式為每個(gè)時(shí)間步長(zhǎng)不同車輛之間的速度差，此時(shí)可變跟車時(shí)距模型中目標(biāo)函數(shù)具體表達(dá)形式見式（5）。

式中：T 為優(yōu)化間隔，s；j 為車輛編號(hào)；k 為優(yōu)化間隔內(nèi)收集到的車輛總數(shù)；α，β 為速度與沖突風(fēng)險(xiǎn)之間的權(quán)重關(guān)系[17]；Vt，j為在第t 個(gè)仿真步長(zhǎng)下第j 輛車的速度，m/s。

考慮到施工區(qū)處的速度限制，施工區(qū)處每輛車速度不能超過施工區(qū)限速值Vlim，m/s，即

考慮到高速公路的乘客舒適性，對(duì)加速度進(jìn)行以下限制，見式（7）～（8）。

式中：hidea為期望跟車時(shí)距，s；τ 為車輛在自由流下通過匯入路段的時(shí)間，t；At，j為在第t 個(gè)仿真步長(zhǎng)下第j 輛車的加速度，m/s2；Amax和ΔA 分別為加速度和加速度差值的允許限制，m/s2。

相鄰仿真步長(zhǎng)內(nèi)車輛行駛距離、速度、加速度和時(shí)間之間的關(guān)系計(jì)算見式（9）～（10）。

式中：Yt，j為在第t 個(gè)仿真步長(zhǎng)下第j 輛車的行駛距離，m。

在不影響主路車輛行駛下，為匯入車輛制造出足夠的間隙以此提高車輛匯入數(shù)量，此時(shí)車輛最小跟車時(shí)距限制見式（11）。

在計(jì)算過程中，為了減少?zèng)_突風(fēng)險(xiǎn)帶來的影響，需要設(shè)置以下約束。

1）每個(gè)時(shí)間步長(zhǎng)內(nèi)相鄰車輛間的速度差應(yīng)小于ΔV1，m/s。

2）相鄰時(shí)間步長(zhǎng)內(nèi)的速度差值應(yīng)小于ΔV2，m/s。

1.3 目標(biāo)函數(shù)求解

1.3.1 交通流分配模型求解

交通流分配模型中車輛換道過程可視為0-1 問題，即比較在不同小路段內(nèi)車輛是否換道求取目標(biāo)函數(shù)最優(yōu)解，此時(shí)借助遺傳算法對(duì)交通流分配模型求解。所設(shè)定的遺傳算法的種群規(guī)模為20，種群代數(shù)為20，交叉概率為0.7，變異概率為0.05。由于待求解的目標(biāo)函數(shù)中速度與小路段換道比例并沒有直觀的公式表達(dá)，此時(shí)需要通過遺傳算法聯(lián)合外部仿真軟件進(jìn)行求解。以內(nèi)外車道車輛在總仿真時(shí)長(zhǎng)內(nèi)平均速度J1的負(fù)數(shù)為適應(yīng)度函數(shù)，借助仿真軟件遍歷不同換道區(qū)間的換道比例，求解適應(yīng)度函數(shù)達(dá)到最小值時(shí)的控制變量取值。

1.3.2 可變跟車時(shí)距模型求解

以CPLEX 應(yīng)用程序編程接口(Application Programming Interface，API)在Matlab中編輯與求解可變跟車時(shí)距模型目標(biāo)函數(shù)J2的最大值。由于單純的使用CPLEX通過API在Matlab中編輯函數(shù)復(fù)雜性較高，因此通過Matlab中Yalmip優(yōu)化工具箱進(jìn)行函數(shù)的編輯，然后通過Matlab調(diào)用CPLEX的API接口，使得目標(biāo)函數(shù)在CPLEX Database環(huán)境中求解。

2 仿真實(shí)驗(yàn)設(shè)計(jì)

2.1 實(shí)時(shí)反饋模擬環(huán)境

為了實(shí)現(xiàn)網(wǎng)聯(lián)自動(dòng)車環(huán)境，利用Matlab 通過COM 接口與Vissim 聯(lián)合仿真。通過Matlab 提取Vissim中數(shù)據(jù)并進(jìn)行計(jì)算得到優(yōu)化控制，通過COM組件將數(shù)據(jù)實(shí)時(shí)反饋給Vissim進(jìn)行可視化。具體思想為建立Vissim_COM 與Matlab 的交互界面，在Matlab中獲取換道比例和跟車時(shí)距等控制優(yōu)化值并返回至交互界面，通過COM 接口將所得優(yōu)化值在Vissim中進(jìn)行設(shè)定，其環(huán)境結(jié)構(gòu)見圖2。

圖2 模擬環(huán)境結(jié)構(gòu)圖Fig.2 Simulation environment structure diagram

2.2 交互規(guī)則

在每次仿真交互過程中，借助遺傳算法對(duì)目標(biāo)函數(shù)J1進(jìn)行求解時(shí)，在每個(gè)優(yōu)化間隔T 內(nèi)，以函數(shù)的形式調(diào)用CPLEX 求解器對(duì)目標(biāo)函數(shù)J2進(jìn)行求解。其具體算法如下。

步驟1。通過遺傳算法生成換道比例初始種群，將初始種群輸入Vissim內(nèi)部進(jìn)行仿真運(yùn)行。

步驟2。通過COM接口以遍歷交通流狀態(tài)結(jié)合的方法更新種群進(jìn)行再次仿真。

步驟3。在每次遺傳算法更新種群后進(jìn)行仿真時(shí)，借助CPLEX求解器在線計(jì)算每個(gè)優(yōu)化間隔內(nèi)的跟車時(shí)距。

步驟4。結(jié)合路邊檢測(cè)器，Matlab將所優(yōu)化后的數(shù)據(jù)進(jìn)行反饋，實(shí)現(xiàn)運(yùn)行參數(shù)的調(diào)整，以此優(yōu)化檢測(cè)到的所有車輛。

步驟5。重復(fù)上述步驟2～4，直至遺傳算法關(guān)于目標(biāo)函數(shù)J1求得最優(yōu)值后終止。

仿真實(shí)驗(yàn)算法流程見圖3。

圖3 仿真實(shí)驗(yàn)算法流程Fig.3 Algorithm procedure of simulation experiment

2.3 Vissim模型

Vissim模型為帶有外車道施工區(qū)的高速公路單向雙車道。為防止因交通量過大導(dǎo)致?lián)Q道策略崩潰[18]，每條車道的初始交通量輸入為500 veh/h，每隔500 s增加100 veh/h。所建立的施工區(qū)長(zhǎng)度為200 m，匯入路段長(zhǎng)為200 m，車輛數(shù)檢測(cè)路段長(zhǎng)度為200 m，路段m 長(zhǎng)度為800 m，每個(gè)小路段的長(zhǎng)度為200 m。換道控制策略各參數(shù)取值見表1。其中，l1，l2，SRF ，h*取Vissim內(nèi)初始值。hidea在自由流狀態(tài)能確保行車安全下進(jìn)行取值[19]。 Amax與ΔA 在不影響駕駛員舒適性下進(jìn)行取值[20]。ΔV1與ΔV2在不影響交通流的運(yùn)行特性和交通安全下進(jìn)行取值[21]。T 取值過小會(huì)導(dǎo)致匯入?yún)^(qū)域車輛無法及時(shí)按照要求進(jìn)行跟車時(shí)距調(diào)整。

2.4 基于PET的沖突檢測(cè)

Vissim 內(nèi)部無法實(shí)時(shí)顯示交通碰撞，但可以實(shí)時(shí)生成微觀的車輛運(yùn)行參數(shù)，筆者以后侵入時(shí)間（Post Encroachment Time,PET）來表示路網(wǎng)沖突次數(shù)，其具體表示為2輛車通過同一指定區(qū)域的時(shí)間差。在匯入部分每隔50 m進(jìn)行路段沖突檢測(cè)，通過RSU收集施工區(qū)交匯處PET小于1.5 s跟車狀態(tài)作為交通沖突[22]。

表1 換道控制策略參數(shù)Tab.1 parameters of lane change control algorithm

3 實(shí)驗(yàn)結(jié)果分析

3.1 可視化分析比較

在Vissim_COM/Matlab 環(huán)境中進(jìn)行單步模擬仿真，設(shè)定開始的200 s 為系統(tǒng)預(yù)熱時(shí)間，每次總仿真時(shí)長(zhǎng)為2 200 s。在遺傳算法求解換道比例過程中，每一種群代數(shù)下運(yùn)行20 次Vissim。當(dāng)種群代數(shù)達(dá)到20時(shí)，Vissim與Matlab停止交互，通過擬合最佳適應(yīng)度（best fitness）的絕對(duì)值得到圖4。此時(shí)Vissim總仿真次數(shù)為400次，總仿真時(shí)間為880 000 s。圖4中，能夠發(fā)現(xiàn)當(dāng)種群代數(shù)在第5次時(shí)即總仿真次數(shù)達(dá)到100次后追蹤到了最佳適應(yīng)度值。

圖4 最佳適應(yīng)度值的變化Fig.4 Change graph of best fitness value

在結(jié)果分析中，單純的斷面檢測(cè)無法較好的反應(yīng)出整體車輛的運(yùn)行狀況，本文檢測(cè)和優(yōu)化的車輛均為全局車輛。其中換道優(yōu)化控制策略對(duì)交通系統(tǒng)在運(yùn)行穩(wěn)定性和平順性方面的影響以車輛運(yùn)行軌跡和速度標(biāo)準(zhǔn)差指標(biāo)來衡量，見圖5～6。

在圖5（a）～（b）中，縱坐標(biāo)表示車輛位移，橫坐標(biāo)為仿真時(shí)間，其中每1個(gè)小點(diǎn)代表每隔一定時(shí)間間隔全局車輛的“曝光”位置，其中當(dāng)1輛車在行駛過程中在同一位置附近被連續(xù)“曝光”時(shí)，表明該車輛行駛受阻或發(fā)生停止，表示當(dāng)前發(fā)生交通擁堵現(xiàn)象。由每1 個(gè)小點(diǎn)組成具有線性關(guān)系的“斜線”代表每1輛車行駛位移軌跡。在仿真時(shí)長(zhǎng)內(nèi)，共識(shí)別到了1 079 輛車，“曝光”總數(shù)為11 829 次，即代表“斜線”有1 079條，小點(diǎn)有11 829個(gè)。圖5（a）為未采取換道控制策略的車輛運(yùn)行軌跡圖，其中車輛在此處的“曝光”次數(shù)增加導(dǎo)致產(chǎn)生“黑色陰影”部分，其表示車輛在匯入路段運(yùn)行受阻。能夠發(fā)現(xiàn)當(dāng)仿真步長(zhǎng)在800 s左右時(shí)，此時(shí)交通量的輸入達(dá)到700 veh/h，匯入路段開始發(fā)生擁擠，車輛運(yùn)行狀態(tài)變的不平穩(wěn)。

圖5 車輛行駛軌跡比較Fig.5 Comparison of vehicle trajectory

圖5 （b）表示采取換道控制策略后的車輛運(yùn)行軌跡圖，其中“黑色陰影”消失，表示車輛在匯入路段連續(xù)“曝光”次數(shù)減少，表現(xiàn)為此處車輛運(yùn)行連續(xù)和平順，軌跡變的“平滑”。

速度標(biāo)準(zhǔn)差對(duì)比見圖6，采取優(yōu)化措施前，速度標(biāo)準(zhǔn)差變化幅度較大。其中采取換道優(yōu)化策略后，全局車輛的速度標(biāo)準(zhǔn)差降低了20%～40%。仿真達(dá)到800 s 后，速度標(biāo)準(zhǔn)差的變化幅度有所降低，全局車輛的速度離散性明顯下降，表現(xiàn)為交通流穩(wěn)定性有所提高，安全性得到了提升。

圖6 速度標(biāo)準(zhǔn)差對(duì)比Fig.6 Comparison of speed standard deviation

換道控制策略對(duì)交通系統(tǒng)在交通效率方面的影響以全局車輛運(yùn)行速度衡量。由于數(shù)據(jù)較多，變化幅度較大，并且因車輛行駛過程中的異質(zhì)性而導(dǎo)致數(shù)據(jù)噪聲較大。為了分析數(shù)據(jù)發(fā)展趨勢(shì)和圖形可視化后的優(yōu)化控制比較，借助Matlab 中均值滑動(dòng)窗函數(shù)對(duì)數(shù)據(jù)進(jìn)行降噪處理，所選用窗口長(zhǎng)度為10，降噪后的圖形見圖7。由于在施工區(qū)上游進(jìn)行了交通流分配，會(huì)導(dǎo)致車輛在前期為了提前換道而使得全局車輛速度稍微降低，但當(dāng)仿真步長(zhǎng)在800 s 時(shí)，每條道路交通量的輸入達(dá)到700 veh/h時(shí)，全局運(yùn)行速度得到較大的提升，并且速度維持在60 km/h，此后速度變化幅度小，而此時(shí)未采取優(yōu)化措施的車輛速度變化幅度大，全局速度在800 s 后逐漸降低，表現(xiàn)為此時(shí)車輛在匯入路段受阻導(dǎo)致全局運(yùn)行速度降低。相比于采取措施之前全局車輛平均運(yùn)行速度由42.1 km/h提高到了62.4 km/h，提高了48%。

圖7 全局速度對(duì)比Fig.7 Comparison of global speed

換道優(yōu)化控制策略對(duì)交通系統(tǒng)在沖突風(fēng)險(xiǎn)評(píng)價(jià)方面的影響以全局車輛運(yùn)行沖突次數(shù)衡量，見圖8。圖8（a）～（b）分別表示未采取和采取優(yōu)化措施的沖突次數(shù)分布情況。由圖中可以看到，由于沖突檢測(cè)為檢測(cè)施工區(qū)匯入路段，在前期由于部分車輛沒有到達(dá)檢測(cè)位置，所檢測(cè)到的沖突次數(shù)較少。當(dāng)仿真時(shí)間在800 s時(shí)，隨著交通量輸入的增多和匯入路段車輛堆積較多，車輛運(yùn)行狀態(tài)變的不順暢，導(dǎo)致車輛沖突上升。800 s后，未采取優(yōu)化措施的沖突分布較為集中。而優(yōu)化后，主線車輛通過降低自身速度為匯入車輛制造出安全匯入間隙，使得車輛在匯入路段運(yùn)行平穩(wěn)，沖突分布得到改善。優(yōu)化前后所檢測(cè)到的PET沖突次數(shù)由32 929次降低到了19 973次，降低了39%，交通沖突得到了改善。

圖8 行車沖突對(duì)比Fig.8 Comparison of driving conflict

3.2 討論

本文實(shí)驗(yàn)為基于Vissim 虛擬仿真環(huán)境，其具備豐富的數(shù)據(jù)傳輸和應(yīng)用程序接口功能，能夠較好的實(shí)現(xiàn)所有車輛之間相互通信自動(dòng)駕駛，所得數(shù)據(jù)較為理想。然而在實(shí)現(xiàn)換道控制策略過程中存有嚴(yán)格的假設(shè)，其中并沒有考慮到現(xiàn)實(shí)因素的影響，例如自動(dòng)駕駛汽車和人類駕駛員駕駛汽車的共存問題，并且模型復(fù)雜度較高，外部算法在現(xiàn)實(shí)中無法較好的計(jì)算并及時(shí)反饋給車輛。在仿真過程中，對(duì)于車輛加速度和跟車時(shí)距的調(diào)整減少了主線車輛激進(jìn)駕駛行為，參數(shù)的調(diào)節(jié)避免了仿真軟件發(fā)生外車道車輛難以匯入等失真問題。

4 結(jié)束語

1）建立了集合優(yōu)化換道比例和可變跟車時(shí)距的高速公路施工區(qū)換道控制策略，以在線的方式求解線目標(biāo)函數(shù)并進(jìn)行實(shí)時(shí)控制，通過搭建Matlab/Vissim_COM的模擬仿真環(huán)境，分別通過分析速度標(biāo)準(zhǔn)差、運(yùn)行效率和基于PET的沖突檢測(cè)指標(biāo)對(duì)優(yōu)化前和優(yōu)化后進(jìn)行了評(píng)價(jià)，并且以車輛行駛軌跡作為表現(xiàn)形式。

2）結(jié)果表明，換道控制策略效果主要體現(xiàn)在仿真時(shí)間800 s后，每條車道交通量輸入為700 veh/h。采取措施前，車輛從上游路段行駛到匯入路段形成車輛堆積，表現(xiàn)為全局車輛在匯入路段“曝光”次數(shù)增多，行駛速度下降，沖突次數(shù)增加。當(dāng)采取措施后，此時(shí)匯入路段車輛連續(xù)“曝光”次數(shù)變少，全局平均速度明顯提升，通過匯入路段可變跟車時(shí)距設(shè)置，匯入路段車輛堆積減少，沖突次數(shù)減少。

3）換道控制策略中提出了可變跟車時(shí)距相關(guān)理論，在未來的實(shí)際應(yīng)用中，可以通過設(shè)置可變跟車時(shí)距的方法來確保車輛以較高速度安全交匯，為高速公路施工區(qū)行駛安全提出建議。

研究也存在一些不足，遺傳算法和CPLEX的計(jì)算和優(yōu)化時(shí)間較長(zhǎng)，因此下一步會(huì)考慮到運(yùn)用快速智能的算法應(yīng)用到實(shí)車實(shí)驗(yàn)中。