智能網(wǎng)聯(lián)在平面交叉口減排中的應(yīng)用

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

隨著社會經(jīng)濟(jì)的快速發(fā)展和人們對物質(zhì)文化需求的日益增長，汽車化的進(jìn)程也不斷加快。據(jù)公安部統(tǒng)計，截至2021年9月，全國機(jī)動車保有量達(dá)3.90億輛，其中汽車2.97億輛。相比于2020年全國機(jī)動車保有量3.72億輛，其中汽車2.78億輛，增長率分別是4.84%和6.83%。伴隨著車輛數(shù)量的日益增長，交通運輸帶來的問題也愈發(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)動車尾氣排放造成的城市環(huán)境污染等問題，這些都將成為制約我國社會經(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)動車與非機(jī)動車在同一時空下發(fā)生交互作用的地方，是道路交通的主要集散點。除駕駛員的操作習(xí)慣以外，由于受到交通信號配時的調(diào)控，車輛在到達(dá)平面交叉口時，將頻繁出現(xiàn)加速、減速、怠速等不平穩(wěn)的運行工況。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，加劇交通運輸帶來的環(huán)境污染。因此，改善車輛在平面交叉口的運行工況對減少污染物的排放具有重要意義，而通過對交通信號配時作優(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)和計算技術(shù)的快速發(fā)展，日益成熟的自動駕駛策略也為交通運輸?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)域控制中心保持實時通信，提前獲知平面交叉口的信號燈狀態(tài)以及交通流的情況。在保障行車安全的同時，車輛會結(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降低污染物的排放。

1 機(jī)動車尾氣排放的影響因素

機(jī)動車尾氣的排放因子是指單輛機(jī)動車運行單位里程或時間，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)動車的排放特征[3]，也是國家制定尾氣排放標(biāo)準(zhǔn)的有效切入點。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，這也是國家在制定排放標(biāo)準(zhǔn)時根據(jù)車輛類型分別限值的原因。此外，大量的實驗研究表明，隨著車齡和車輛行駛里程的增加，污染物的排放量也會逐漸增加[5]。車輛的使用年限較長和維修工作較少時，車輛性能較差，污染物排放將增加。

（2）燃料性質(zhì)

不同類型的燃料對機(jī)動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，CO和NOx排放水平將會增加2倍以上[6]。關(guān)于外環(huán)境，溫度、相對濕度等和霧霾、雨雪天氣等均會影響機(jī)動車的尾氣排放量。此外，當(dāng)車輛行駛在非平坦道路上時，污染物的排放量也會相對于平坦道路上更多。

（4）行駛速度和運行工況

機(jī)動車的尾氣排放量會隨著行駛速度的變化而變化，車速較高時的排放因子較小。機(jī)動車尾氣排放量與車的運行工況密切相關(guān)[7]，在勻速行駛過程中，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，污染物的排放量會較多，其中NOx的排放量會隨轉(zhuǎn)速的增大而增加[6]。

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

2 交通信號配時控制技術(shù)

交通信號控制廣泛應(yīng)用于平面交叉口，信號配時的主要內(nèi)容是通過設(shè)計交通信號運行的參數(shù)和邏輯，從而決定各方向的通行權(quán)，對單個平面交叉口乃至干線道路和區(qū)域路網(wǎng)的運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，一是勻速行駛時的排放量，該部分排放因子較小，排放量主要由勻速行駛時間決定；二是車輛加速、減速和怠速過程的排放量，該部分排放因子較大，是車輛尾氣排放增加的主要部分。交通信號配時優(yōu)化具有實施簡單、見效迅速且無需大規(guī)?；A(chǔ)建設(shè)投入的特點，所以優(yōu)化交通信號配時被視為城市“緩堵”和“減排”的首選策略之一。

計算機(jī)技術(shù)和通信技術(shù)的發(fā)展推動了自適應(yīng)控制模式的出現(xiàn)。自適應(yīng)控制通過檢測器檢測交通流信息，然后通過網(wǎng)絡(luò)將實時數(shù)據(jù)傳輸?shù)絇C上位機(jī)，再由上位機(jī)實時生成最佳綠燈配時計劃[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)整運行方案并協(xié)調(diào)多個信號交叉口以提高整個區(qū)域或干線的運行效率[9]。交通信號配時決策系統(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)控中心三級聯(lián)網(wǎng)，通過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、線、面之間交通信號協(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)化過程兩個部分。首先，系統(tǒng)軟件將路網(wǎng)布局、交通流信息及初始信號配時等數(shù)據(jù)輸入到仿真模型中計算獲得性能指標(biāo)PI值。其次，對PI值進(jìn)行優(yōu)化后改進(jìn)信號配時，再把改進(jìn)后的信號配時重新輸入到仿真模型中，反復(fù)迭代獲得PI值最小的信號配時作為最佳方案。SCOOT控制技術(shù)中，系統(tǒng)能夠根據(jù)對各路段監(jiān)測數(shù)據(jù)的計算、需用時間的長短以及各路段擁擠程度的監(jiān)控，結(jié)合原有數(shù)據(jù)庫中的交通參數(shù)對各路口的車流量進(jìn)行預(yù)測，從而利用交通環(huán)境對子區(qū)和路網(wǎng)所配用的信號配時進(jìn)行優(yōu)化。我國先后在一些大城市建立了交通信號控制系統(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、沈陽等城市引進(jìn)了SCATS 系統(tǒng)[10]。

3 自動駕駛技術(shù)

自動駕駛汽車又稱無人駕駛汽車，是一種通過電腦系統(tǒng)實現(xiàn)無人駕駛的智能汽車。在一切事物都趨向于自動化的智能時代，自動駕駛把任務(wù)交給計算機(jī)芯片，依靠人工智能、視覺計算、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，自動安全地操作機(jī)動車輛。自動駕駛車輛能夠安全駕駛的前提是得到正確、及時、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，車輛能夠通過專用短程無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，前方交叉口的信號燈狀態(tài)和擁堵程度等信息也可供通信車輛使用。自動駕駛汽車將控制駕駛的各個方面，包括遵守限速、檢測行人和選擇最佳路線等，可以更準(zhǔn)確地判斷距離和速度，并對由于人類反應(yīng)延遲而可能導(dǎo)致事故的情況做出即時反應(yīng)。目前智能信息數(shù)據(jù)主要來源于“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)。

高級駕駛輔助系統(tǒng)（ADAS）是自動駕駛汽車的重要組成部分，一般而言，高級駕駛輔助系統(tǒng)是由場景感知模塊、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，采用動態(tài)規(guī)劃算法來求得全局最優(yōu)解；二是模型預(yù)測控制（Model Predictive Control，MPC），采用滾動優(yōu)化的思想對最優(yōu)控制問題反復(fù)求解；三是瞬時控制，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題。在自適應(yīng)巡航過程中，前方無車輛時可以根據(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)來合理調(diào)節(jié)跟車行駛的速度。人-車交互過程中，車輛可以通過視覺、聽覺、觸覺等途徑來為駕駛?cè)藛T提供相關(guān)信息，通過提供開關(guān)、觸屏、語音、手勢等接受駕駛?cè)藛T的指令輸入，也可以對駕駛?cè)藛T的操作失誤做出及時的主動干預(yù)。車-車通信過程中，車輛的感知系統(tǒng)主要是通過控制器局域網(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時產(chǎn)生的數(shù)據(jù)信息[11]，來獲取車輛的工作狀態(tài)。例如，車輛的運動狀態(tài)包括車輛的位置、速度和加速度等，車輛的動力參數(shù)包括橫擺角、發(fā)動機(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時動態(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、車道線和交通信號燈等。

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)化問題。然而，研究對象和約束條件的日漸增多，使得優(yōu)化問題變得更加復(fù)雜[12]。例如陳志偉等人[13]設(shè)計了基于交通環(huán)境信號配時優(yōu)化目標(biāo)和環(huán)境質(zhì)量約束條件，根據(jù)韋伯斯特配時法構(gòu)建了單交叉口信號配時數(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%的平均延誤時間。王永圣等人[14]以道路級交通指數(shù)（Travel Time Index，TTI）、交通延誤時間、排隊長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配時優(yōu)化方法，使得最大排隊長度下降了29.7%，等待時間下降了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法的信號控制優(yōu)化模型，優(yōu)化后的信號配時使得停車次數(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)信息可能會由于駕駛?cè)藛T的主觀思想對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]針對傳統(tǒng)路網(wǎng)規(guī)模大且包含大量時變參數(shù)造成交通協(xié)調(diào)控制繁雜等問題，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)中均能實現(xiàn)協(xié)調(diào)控制，具有較好的時效性和經(jīng)濟(jì)性。

在城市道路中，雖然紅燈時車輛怠速的次數(shù)可以通過將優(yōu)化的信號配時和先進(jìn)的控制軟件整合到交通信號中來減少，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)了一種交通信號燈和車輛軌跡協(xié)同優(yōu)化控制的方法，通過NETLOGO仿真平臺發(fā)現(xiàn)，該方法能夠降低53.4%的車輛平均通行時間和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配時。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，采用長短時記憶神經(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程中的停車和啟動現(xiàn)象。Yao等人[23]提出了一種混合自動化車輛和人工駕駛車輛的交通信號和車輛軌跡聯(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)自動駕駛汽車普及率達(dá)到100%時，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

本文介紹了機(jī)動車尾氣排放的影響因素、交通信號配時控制技術(shù)和自動駕駛技術(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指標(biāo)。因此，對高維優(yōu)化問題的高質(zhì)量求解將會是研究中的重要突破點。