面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制：前沿與展望

楊曉光　朱際宸　彭晴　楊彥青　郭宇崢　馬成元

摘要：預(yù)約出行正逐漸成為重要的出行模式，為了確保預(yù)約出行在城市道路交通系統(tǒng)的實施，交通控制發(fā)揮著至關(guān)重要的支撐和保障作用，因此對面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制前沿工作進(jìn)行綜述。以交通控制為研究主線，對面向預(yù)約出行的需求適應(yīng)性交通控制方法、保障預(yù)約出行效益的車輛控制，以及控制與服務(wù)協(xié)同 3 個方向的前沿研究進(jìn)行綜述。結(jié)果表明，相比于傳統(tǒng)出行方式，預(yù)約出行對于出行時間可靠性要求較高，交通控制需要保障預(yù)約出行的行程時間可靠性。同時，還需要構(gòu)建既有利于提升路網(wǎng)整體運行效益，又能保障預(yù)約出行車輛優(yōu)先通行的控制方法。最后，需要推動交通控制技術(shù)和服務(wù)型交通管理技術(shù)的融合，實現(xiàn)交通控制與出行服務(wù)的有機(jī)結(jié)合。

關(guān)鍵詞：交通控制；預(yù)約出行；車路聯(lián)網(wǎng)與協(xié)同；出行服務(wù)

中圖分類號：? U 491???????????? 文獻(xiàn)標(biāo)志碼：?? A

Research on vehicle-infrastructure cooperative traffic control for urban road travel reservation： frontiers and prospects

YANG Xiaoguang1，ZHUJichen1，PENG Qing1，YANG Yanqing1，GUO Yuzheng1，MA Chengyuan2

（1. Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China;2. Department of Civil and Environmental Engineering， University of Wisconsin-Madison， Madison 53706， United States）

Abstract： The trend of road travel reservation is gradually emerging as a crucial mode of transportation. In order to ensure the successful implementation of road travel reservation within the urban road traffic system， traffic control plays an exceedingly pivotal and protective role. Thus， this comprehensive review focused on the cutting-edge work in cooperative vehicle-infrastructure system traffic control pertaining to road travel reservation. With traffic control as the primary research theme， it encompassed a review of adaptive traffic control methods for road travel reservation， vehicle control to ensure the benefits of road travel reservation， and advanced research in control and service coordination. The findings reveal that， in comparison to conventional travel modes， road travel reservation places higher need on travel time reliability，necessitatingtrafficcontroltoensurethereliabilityofroadtravelreservation.Simultaneously， it is imperative to develop control methods that not only enhance the overall operational efficiency of the road network but also preserve the priority for individual reserved vehicles. Finally， it is? essential? to? promote? the?? integration?? of? traffic? control? technology?? and? service-oriented? traffic management technology， achieving an organic fusion of traffic control and travel services.

Keywords： traffic control; travel reservation; vehicle-infrastructure cooperative system; travel service

隨著經(jīng)濟(jì)和社會的快速發(fā)展，我國居民機(jī)動車保有量持續(xù)攀升。汽車交通賦予人類出行靈便性的同時，也導(dǎo)致城市道路交通供需矛盾日益突出。每位出行者的出行時刻、目的地和路徑選擇各異，從而導(dǎo)致出行需求在時空范圍內(nèi)呈現(xiàn)動態(tài)變化。由于城市道路交通系統(tǒng)所擁有的資源（如時間、空間、環(huán)境容量和投資等）受到限制，一旦道路交通設(shè)施建成，其供給能力便呈現(xiàn)出靜態(tài)特征，無法靈活調(diào)整以滿足不斷變化的出行需求。交通供需的時空不匹配問題往往從一個路口交通擁堵開始，逐漸蔓延至周邊交叉口，最終演變?yōu)閰^(qū)域性大規(guī)模交通擁堵，這給交通安全、通行效率以及資源利用等方面帶來了諸多挑戰(zhàn)。因此，亟需優(yōu)化城市道路交通系統(tǒng)的供需結(jié)構(gòu)，調(diào)控交通出行需求的時空分布，實現(xiàn)城市道路交通系統(tǒng)的精細(xì)化和精準(zhǔn)化供需協(xié)同管理[1]。

以往的城市道路交通系統(tǒng)缺乏實時的信息交流和高效的管理手段，造成供需不匹配問題的出現(xiàn)。隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的不斷發(fā)展，城市道路交通系統(tǒng)已發(fā)展成為能夠獲取全時空范圍內(nèi)出行信息和供給資源的系統(tǒng)。如果能夠充分利用城市交通系統(tǒng)的供需信息，將線下的車輛排隊擁堵轉(zhuǎn)化為線上的預(yù)約排隊等候，提前計劃制定車輛經(jīng)過擁堵區(qū)域和關(guān)鍵連線的時刻表，可使得有限的交通系統(tǒng)資源得到充分利用，提高城市交通的組織與管理水平[2]。由此，預(yù)約出行作為一種全新的需求管理手段被引入到城市道路交通系統(tǒng)的管控中。出行者可以借助車路聯(lián)網(wǎng)與協(xié)同技術(shù)，提前預(yù)約出行需求，包括預(yù)訂交通工具、提前規(guī)劃路徑、安排出行時刻等。預(yù)約出行依靠全局優(yōu)化算法，有計劃地安排出行請求，合理調(diào)控出行需求在時空范圍內(nèi)的分布，從而實現(xiàn)交通資源的合理配置和優(yōu)化利用。預(yù)約出行將線下的擁堵轉(zhuǎn)化為可利用的時間，緩解擁堵區(qū)域和關(guān)鍵連線上的交通壓力，是調(diào)控城市路網(wǎng)需求時空分布、實現(xiàn)供需匹配的重要手段，因此，它也是實現(xiàn)“人享其行”的重點研究方向。

另外，交通控制作為調(diào)控交通流運行狀態(tài)的重要手段，通過尋求交通流通行權(quán)的最佳分配組合，在挖掘交通系統(tǒng)時空供給資源、緩解和預(yù)防交通擁堵等問題方面發(fā)揮著關(guān)鍵作用。隨著預(yù)約出行模式逐漸成為城市交通重要的出行模式，交通控制研究正面臨著全新的挑戰(zhàn)。雖然預(yù)約出行系統(tǒng)可提前安排行程，但預(yù)約出行車輛在城市道路上的駕駛狀態(tài)將受到多種隨機(jī)因素的影響，無法保證從出發(fā)地到目的地的出行時間和行駛速度，從而導(dǎo)致預(yù)約出行服務(wù)的可靠性仍然存在疑問[3]。面向預(yù)約出行，交通控制工作不僅需要承擔(dān)提高城市道路交通系統(tǒng)運行效率的任務(wù)，還需考慮如何確保預(yù)約車輛的有序可靠通行，并動態(tài)優(yōu)化調(diào)整控制策略。車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展為交通控制注入了全新的活力，下一代交通控制系統(tǒng)正在快速向自組織和智能化的方向發(fā)展，研究面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制問題具有重要的現(xiàn)實意義和理論價值。

相比傳統(tǒng)的交通控制問題，面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制具有以下特點： a.交通控制方法可提高預(yù)約出行的可靠性。以往的交通控制往往忽視個體出行者的異質(zhì)性和優(yōu)先級，而面向預(yù)約出行的交通控制更注重個體用戶的需求和偏好，通過車路聯(lián)網(wǎng)與協(xié)同技術(shù)，實時獲取和分析大量路徑信息和軌跡數(shù)據(jù)，以根據(jù)個體用戶的出行需求和預(yù)約情況進(jìn)行調(diào)整和優(yōu)化。b.利用城市路網(wǎng)全時空范圍內(nèi)的信息進(jìn)行優(yōu)化控制。通過車路聯(lián)網(wǎng)與協(xié)同技術(shù)，預(yù)約出行系統(tǒng)能夠獲取城市路網(wǎng)全時空范圍內(nèi)的交通需求、路網(wǎng)容量和實時軌跡等信息，交通控制方法可以利用預(yù)約出行提供的路網(wǎng)信息資源，實現(xiàn)交通控制方案的動態(tài)優(yōu)化。 c.實現(xiàn)交通控制與出行服務(wù)一體化。預(yù)約出行整合多方出行資源，提供從始發(fā)地到目的地的出行服務(wù)。交通控制則決定著預(yù)約出行車輛的通行效率，是預(yù)約出行中的重要一環(huán)。協(xié)同交通控制方法與預(yù)約出行服務(wù)能更好地保障出行者的效益，真正實現(xiàn)城市道路交通系統(tǒng)的供需匹配[4]。

綜上所述，針對預(yù)約出行環(huán)境的車路聯(lián)網(wǎng)與協(xié)同交通控制已然成為亟需研究的重要課題，然而有關(guān)這方面的前沿性研究綜述與展望仍然缺乏。借助車路聯(lián)網(wǎng)與協(xié)同技術(shù)，交通控制系統(tǒng)可以獲取精細(xì)、實時的出行信息，如何基于預(yù)約出行信息優(yōu)化交通控制方案是重要的研究方向。伴隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)帶來的車輛可控性上升，交通控制的邊界將被拓展，交通控制系統(tǒng)可以實現(xiàn)與預(yù)約出行車輛的交互，通過對車輛進(jìn)行控制以保障預(yù)約出行通行效益。進(jìn)一步地，交通控制系統(tǒng)需要與出行服務(wù)系統(tǒng)協(xié)同，實現(xiàn)控制與服務(wù)的一體化，能夠提前規(guī)避預(yù)約車輛在出行過程中的不可控因素，提高預(yù)約出行的服務(wù)可靠性。鑒于此，本文首先回顧了預(yù)約出行研究的發(fā)展歷程，梳理并綜述了面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制領(lǐng)域的前沿成果，包括面向預(yù)約出行需求適應(yīng)性交通控制方法、保障預(yù)約通行效益的車輛控制策略，以及交通控制與出行服務(wù)的協(xié)同。最后，展望了面向預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制未來的發(fā)展趨勢和重點研究方向。

1 預(yù)約出行研究發(fā)展歷程

1.1 預(yù)約出行概念的提出

預(yù)約出行的概念首次由Akahane等[5]提出，旨在管理日本東京高速公路的交通需求。其核心思想是借鑒火車座位預(yù)訂系統(tǒng)的方法，調(diào)整高速公路上出行者的出發(fā)時間，以確保擁堵路段在高峰期不超過其最大容量。隨后， Wong[6]進(jìn)一步闡明了預(yù)約出行的概念、預(yù)約系統(tǒng)的功能和基本框架。這些早期的預(yù)約出行理論研究所探討的預(yù)約機(jī)制相對簡單，主要限于駕駛員向系統(tǒng)提交請求，系統(tǒng)根據(jù)每個時段內(nèi)每個路段的可用容量選擇接受或拒絕預(yù)約，并提供替代方案。研究表明，預(yù)約出行對緩解交通擁堵具有顯著效果。

1.2 車路聯(lián)網(wǎng)與協(xié)同技術(shù)下預(yù)約出行研究的發(fā)展與探索

預(yù)約出行理論的研究在過去的十多年內(nèi)取得了長足的發(fā)展，然而其研究對象大部分聚焦于高速公路[7-9]。由于高速公路是一個封閉和連續(xù)的系統(tǒng)，交通運行狀態(tài)相對簡單和可控，實施預(yù)約出行的可操作性較強(qiáng)。然而，城市道路交通的開放性、復(fù)雜性和不可預(yù)測性更強(qiáng)，實施預(yù)約出行十分困難。隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的不斷發(fā)展，城市道路交通系統(tǒng)的感知能力逐漸提升，能夠提前獲取個體化出行需求與宏觀交通供給能力，因此，城市道路交通場景的預(yù)約出行正在不斷探索與實踐當(dāng)中，基本流程如圖1所示。預(yù)約出行首先要求出行者注冊系統(tǒng)，提供出行偏好、出發(fā)地、出發(fā)時間、目的地、出行方式等信息；然后，預(yù)約出行服務(wù)平臺將匯總所有的出行需求信息，并結(jié)合路網(wǎng)的供給資源，對交通系統(tǒng)的狀態(tài)進(jìn)行推演與預(yù)測，通過優(yōu)化算法為出行者安排出行的路線、時刻表，與此同時對交通控制方案、管理手段等進(jìn)行調(diào)整；最后，系統(tǒng)將出行方案推薦給出行者，生成最終出行方案后，根據(jù)出行者的出行方式，提供車輛路徑誘導(dǎo)、多模式交通組合、車輛接送等出行服務(wù)，并根據(jù)預(yù)約車輛的履約情況執(zhí)行相應(yīng)的干預(yù)措施，如補(bǔ)貼獎勵或禁止預(yù)約等。

Zhao 等[10]在城市道路網(wǎng)絡(luò)中提出的 DSRS （downtown space reservation system）系統(tǒng)可以被看作是預(yù)約出行在城市道路領(lǐng)域的首次探索。Menelaou等[11]進(jìn)一步提出了車輛路徑預(yù)約系統(tǒng)來管理城市區(qū)域內(nèi)的道路交通，對每輛車進(jìn)行出發(fā)時刻和出行路徑的規(guī)劃，保證每個路段都能夠處于不擁堵的狀態(tài)。大量研究證明，預(yù)約出行能夠有效緩解城市道路交通擁堵[12-14]，相關(guān)的研究與應(yīng)用方興未艾。由于直接在城市范圍內(nèi)實行預(yù)約出行較為困難，目前，許多城市正在逐步開展特定場景下的城市道路交通預(yù)約出行實踐工作，如深圳市正在推動景區(qū)道路交通的預(yù)約出行政策，通過對預(yù)約通行配額、時段、車型和預(yù)約方式渠道等進(jìn)行管理，顯著地提升了景區(qū)旅游交通的服務(wù)水平[15]；北京市為了解決回龍觀地區(qū)嚴(yán)重的交通擁堵現(xiàn)象，設(shè)計了為用戶推薦出發(fā)時刻的預(yù)約出行系統(tǒng)，通過錯峰出行，不僅能夠有效縮減個體用戶的出行時間，還可以顯著降低交通系統(tǒng)的擁堵時間[16]。此外，國內(nèi)外針對如公交車輛、緊急救援車輛、特勤車輛等的預(yù)約出行也有大量研究與實踐工作[17-19]。隨著出行習(xí)慣的變遷，未來預(yù)約出行模式將會不斷推廣到多種城市交通場景中，如何保障預(yù)約出行服務(wù)的可靠性成為交通控制方法重要的研究方向，為交通控制研究提出了新要求：不僅需要關(guān)注整體系統(tǒng)運行效率，還需考慮優(yōu)先預(yù)約車輛以保證預(yù)約可靠性。

車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，有助于管理者分析城市道路交通這個復(fù)雜的巨系統(tǒng)，由此預(yù)約出行能夠更好地實現(xiàn)交通資源統(tǒng)籌調(diào)度[20]。如 Liu 等[21]使用多智能體系統(tǒng)為智能網(wǎng)聯(lián)汽車創(chuàng)建了多層預(yù)約出行框架，從路網(wǎng)、路徑、單車控制多個層次實現(xiàn)高效的預(yù)約出行； Habibullah 等[22]通過車路聯(lián)網(wǎng)與協(xié)同技術(shù)獲取車輛的駕駛信息，開發(fā)了一種實時的路線預(yù)約方法，能夠準(zhǔn)確地評估車輛的預(yù)約出行費用，并通過調(diào)控需求的時空分布有效地避免擁堵。車路聯(lián)網(wǎng)與協(xié)同技術(shù)推動了預(yù)約出行的發(fā)展，為治理城市道路交通問題、實現(xiàn)城市道路交通系統(tǒng)供需最佳協(xié)同提供了巨大的幫助。

1.3 面向預(yù)約出行的交通控制發(fā)展與挑戰(zhàn)

上述關(guān)于預(yù)約出行研究的發(fā)展歷程可以看出，預(yù)約出行作為一種有效緩解交通擁堵的交通管理手段，正在經(jīng)歷場景由高速公路到城市道路、機(jī)制由簡單模式到復(fù)雜關(guān)聯(lián)、方式由理論探討到實踐應(yīng)用的快速發(fā)展階段。為了確保預(yù)約出行在城市道路交通系統(tǒng)中的實施，交通控制發(fā)揮著至關(guān)重要的支撐和保障作用，形成了面向預(yù)約出行模式的城市交通控制研究方向。特別是近年來智能網(wǎng)聯(lián)和自動駕駛等新技術(shù)的興起，為預(yù)約出行的實施提供了更加有利的條件，同時也為交通控制帶來了重大挑戰(zhàn)。一方面新技術(shù)的應(yīng)用使得預(yù)約這一行為本身的可操作性變得更強(qiáng)；另一方面，預(yù)約出行環(huán)境下交通控制對象更加復(fù)雜，控制目標(biāo)更加多元，控制方法更加靈活。在車路聯(lián)網(wǎng)與協(xié)同技術(shù)的支持下，交通控制研究是影響預(yù)約出行能否順利應(yīng)用的必要條件和關(guān)鍵環(huán)節(jié)，是下一代交通控制系統(tǒng)必須要研究的問題。

2 面向預(yù)約出行的需求適應(yīng)性交通控制方法

借助車路聯(lián)網(wǎng)與協(xié)同技術(shù)，預(yù)約出行能夠為交通控制系統(tǒng)提供精細(xì)、實時的出行信息。如何基于預(yù)約出行信息優(yōu)化交通控制，以適應(yīng)實時變化的交通需求，達(dá)到供需匹配的目標(biāo)，是亟待解決的問題。相關(guān)研究包括基于預(yù)約出行信息的信號優(yōu)化控制方法與車道預(yù)約控制方法。

2.1 基于預(yù)約出行信息的信號優(yōu)化控制方法

預(yù)約出行車輛可以提供高精度的軌跡信息、準(zhǔn)確的路徑信息、起訖點信息、個體轉(zhuǎn)向需求信息、出發(fā)時間、預(yù)期到達(dá)時間等，可以提供的信息如圖2所示。

一部分研究依據(jù)歷史信息直接制定控制策略，將預(yù)約出行車輛提供的數(shù)據(jù)作為傳統(tǒng)固定檢測器數(shù)據(jù)的補(bǔ)充和拓展，提高對交通流運行參數(shù)的估計精度以支撐信號配時策略[23-25]。Wang 等[26]首先建立了預(yù)約出行車輛和非預(yù)約出行車輛的路徑誘導(dǎo)模型，隨后基于預(yù)約出行的路徑，得到各路段的交通狀態(tài)，利用 HCM 方法[27]動態(tài)優(yōu)化交叉口的信號配時方案。由于預(yù)約出行的交通分配結(jié)果無法反映實時動態(tài)的交通流變化情況，吳偉等[28]利用車路聯(lián)網(wǎng)與協(xié)同技術(shù)實時感知得到的預(yù)約出行車輛信息，構(gòu)建了實時調(diào)整雙向協(xié)調(diào)路徑、優(yōu)化相位差和車輛推薦速度的數(shù)學(xué)模型，可為基于預(yù)約出行信息的實時信號優(yōu)化控制方法提供依據(jù)。

隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，預(yù)約出行車輛的出行路徑與實時位置信息都可以被獲取，因此，可以利用這些信息對交通需求進(jìn)行主動預(yù)測，從而實現(xiàn)主動優(yōu)化控制[29]。Gayah 等[30]證明了車輛的轉(zhuǎn)向行為將會影響交通系統(tǒng)的宏觀參數(shù)，顯著影響交通流未來的演變狀態(tài)，故預(yù)約出行車輛提供的大量路徑信息與轉(zhuǎn)向需求信息，對于提高交通流預(yù)測精度、提升信號主動控制效果具有重要意義[31]。然而，大多數(shù)現(xiàn)有研究都將轉(zhuǎn)向比例假設(shè)為常數(shù)[32-34]。Mousavizadeh等[35]提出了利用小波變換方法從浮動車數(shù)據(jù)中提取預(yù)測轉(zhuǎn)向比例的關(guān)鍵因素，進(jìn)而利用神經(jīng)網(wǎng)絡(luò)方法實時估計路網(wǎng)整體轉(zhuǎn)向比例。 Lin 等[36]利用網(wǎng)聯(lián)車輛的路徑信息與出行信息預(yù)測各個路段未來的轉(zhuǎn)向比例，以此為基礎(chǔ)預(yù)測未來的排隊長度以主動優(yōu)化信號配時。盡管許多工作都利用預(yù)約出行車輛的信息來預(yù)測未來交通流量和轉(zhuǎn)向比例，但轉(zhuǎn)向比例的估計本質(zhì)上仍是一個集計數(shù)據(jù)，以往研究大部分是預(yù)測較長時間范圍內(nèi)或較大路網(wǎng)范圍內(nèi)的集計轉(zhuǎn)向比例數(shù)據(jù)[37-39]。如何利用預(yù)約出行車輛提供的非集計信息，預(yù)測實時的轉(zhuǎn)向比例仍需要深入研究。此外，轉(zhuǎn)向比例估計與主動預(yù)測方法需要大量歷史數(shù)據(jù)作為支撐，模型的計算成本和訓(xùn)練成本較高，難以滿足實時信號控制的要求[40]。

預(yù)約出行系統(tǒng)倡導(dǎo)車輛和路網(wǎng)資源的共享，通過合理分配和調(diào)度，實現(xiàn)路網(wǎng)資源的高效利用。借助車路聯(lián)網(wǎng)與協(xié)同技術(shù)，預(yù)約出行可以向交通控制系統(tǒng)提供全路網(wǎng)信息，因此，面向預(yù)約出行的交通控制方法正朝著路網(wǎng)協(xié)同、系統(tǒng)最優(yōu)的方向發(fā)展。傳統(tǒng)集中式協(xié)同方法將路網(wǎng)所有交叉口的信號配時納入到統(tǒng)一的優(yōu)化模型中，其計算成本隨著網(wǎng)絡(luò)規(guī)模的增加而呈指數(shù)級增長[41]。分布式方法能夠?qū)⒋笠?guī)模路網(wǎng)的集中式信號優(yōu)化問題分解為一系列子問題，雖然提高了計算效率，但其協(xié)同效果往往受制于路網(wǎng)系統(tǒng)動態(tài)方程的精確度，難以達(dá)到全局最優(yōu)[42]。預(yù)約出行提供路網(wǎng)范圍內(nèi)的出行信息，將有助于提高城市路網(wǎng)交通狀態(tài)演變的建模精度，從而提升分布式方法的協(xié)同控制效果。 Moradi 等[43]基于車路聯(lián)網(wǎng)與協(xié)同技術(shù)建立了路網(wǎng)信號協(xié)同控制的分層框架，利用觀測到的車輛出行信息識別交通運行狀態(tài)，提高了分布式信號控制動態(tài)方程的預(yù)測精度，相比集中式框架大幅縮減了計算時間。如何利用預(yù)約出行提供的信息，綜合考慮路網(wǎng)均衡條件、預(yù)約出行時刻表、路徑誘導(dǎo)等多種因素，構(gòu)建路網(wǎng)系統(tǒng)動態(tài)方程[44]，將是未來重要的研究方向。

2.2 車道預(yù)約控制方法

為了保障預(yù)約出行車輛的通行效益，有學(xué)者提出綜合考慮預(yù)約出行車輛信息與歷史交通流情況，為預(yù)約出行車輛預(yù)留車道，通過車道入口和出口控制系統(tǒng)，確保預(yù)約出行車輛在車道上可以暢通行駛[45]。Dobre[46]提出了車道預(yù)約的智能控制系統(tǒng)，出行者支付費用預(yù)約某條車道，系統(tǒng)確保出行者能夠以更高的速度行駛。然而，車道預(yù)約控制無法避免將交通壓力轉(zhuǎn)移到普通車道上[47]。 Fang 等[48]考慮到車道預(yù)約控制對于正常交通流的負(fù)面影響，設(shè)計了車道預(yù)約控制優(yōu)化模型，保證預(yù)約出行車輛行駛時間的同時降低對社會車輛的負(fù)面影響。為了減少預(yù)約車道對正常交通造成的負(fù)面影響，最大限度地提高預(yù)約車道行程時間的穩(wěn)健性， Wu 等[49]設(shè)計了車道預(yù)約的雙目標(biāo)優(yōu)化模型。進(jìn)一步地， Bai 等[50]的研究證明了車道預(yù)約控制不僅會影響社會車輛的通行效率，還會帶來社會車輛排放的增加。早期的車道預(yù)約控制大多基于靜態(tài)的歷史需求數(shù)據(jù)，導(dǎo)致車道預(yù)約控制方案無法動態(tài)適應(yīng)交通狀況，造成通行資源的浪費，甚至惡化社會車輛與路網(wǎng)總體的出行效益[51]。

隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，城市道路交通系統(tǒng)能夠掌握準(zhǔn)確的交通需求信息，科學(xué)合理地控制車道預(yù)約方案，最大程度挖掘車道通行能力，動態(tài)精準(zhǔn)化車道預(yù)約控制成為可能。 Viegas 等[52]提出了間歇式車道的概念，通過可變信號燈表示公交預(yù)留車道的可用性，引導(dǎo)社會車輛在不影響公交車運行的前提下使用該預(yù)約車道。Wu 等[53]利用網(wǎng)聯(lián)通信技術(shù)向社會車輛實時發(fā)布預(yù)約出行車輛的信息并設(shè)置限制區(qū)域，允許限制區(qū)域范圍外的社會車輛自由進(jìn)出預(yù)約車道，以確保預(yù)約出行的優(yōu)先通行權(quán)。隨著網(wǎng)聯(lián)自動駕駛車輛的出現(xiàn)，車道預(yù)約控制方法能夠直接控制預(yù)約出行車輛與社會車輛的軌跡， Levin 等[54]在網(wǎng)聯(lián)自動駕駛車輛環(huán)境下，通過控制車輛軌跡實現(xiàn)預(yù)約車道的動態(tài)使用，并且探索了預(yù)約車道與無信號控制交叉口之間的協(xié)同控制方法。 Zhang 等[55]通過控制預(yù)約出行車輛與社會車輛的軌跡，在動態(tài)復(fù)用預(yù)約車道的同時確保預(yù)約出行的絕對優(yōu)先權(quán)。在此基礎(chǔ)上，文獻(xiàn)[56]進(jìn)一步提出了預(yù)約車道的時空切片算法，將預(yù)約車道動態(tài)分配給預(yù)約出行車輛和社會車輛。

面向預(yù)約出行環(huán)境，車道預(yù)約控制方案需要綜合考慮預(yù)約出行車輛的實時需求信息，結(jié)合預(yù)約出行需求與優(yōu)先級，并考慮交通狀態(tài)的隨機(jī)不確定性，判定精準(zhǔn)、動態(tài)、魯棒的車道預(yù)約控制方案，對于保障預(yù)約出行效益、提升路網(wǎng)總體運行效率具有重要的意義。

3 保障預(yù)約出行通行效益的車輛控制策略

當(dāng)預(yù)約車輛完成從起點到終點的路徑搜索后，在行駛過程中易受到系統(tǒng)隨機(jī)性干擾，嚴(yán)重影響預(yù)約出行的快捷性與軌跡平順性。車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展可以實現(xiàn)預(yù)約出行車輛與交通控制系統(tǒng)的交互，通過對車輛進(jìn)行控制適應(yīng)時變的交通狀態(tài)，從而保障預(yù)約出行通行效益。研究方向主要包含車速引導(dǎo)控制與車輛軌跡優(yōu)化控制。

3.1 車速引導(dǎo)控制

由于人類駕駛員和傳統(tǒng)車輛感知條件的限制，車輛的速度控制策略往往不夠合理，從而導(dǎo)致燃油損耗、行程時間、延誤等的增加，極大地降低了預(yù)約出行的服務(wù)可靠性。因此，利用車路聯(lián)網(wǎng)與協(xié)同技術(shù)的感知能力，對預(yù)約車輛速度進(jìn)行引導(dǎo)，以適應(yīng)前方信號控制方案，是未來預(yù)約出行環(huán)境下優(yōu)化個體車輛駕乘體驗、提高交通系統(tǒng)運行效率的重要方法。

早期的車速引導(dǎo)控制系統(tǒng)主要是為了解決黃燈期間兩難區(qū)問題和提高駕駛安全性所提出的，基于前方信號配時方案引導(dǎo)車輛以安全速度通過交叉口[57-59]。在實踐中，有學(xué)者發(fā)現(xiàn)速度引導(dǎo)控制能夠有效降低燃油消耗與尾氣排放[60]，因此，以燃油經(jīng)濟(jì)性為目標(biāo)的車速引導(dǎo)研究成為熱點。Rakha 等[61]利用網(wǎng)聯(lián)技術(shù)獲取前方配時方案信息，構(gòu)建了車輛燃料消耗最小化的速度建議模型。 Kamal 等[62]通過預(yù)測前方車輛未來行駛狀態(tài)與感知的信號方案，使用模型預(yù)測控制方法計算車輛的最佳速度。 Jiménez等[63]基于預(yù)約出行時刻表，為駕駛員制定每個路段上應(yīng)保持的最佳燃油經(jīng)濟(jì)性速度，能夠在滿足預(yù)約出行時刻表的同時降低燃油消耗，提高了預(yù)約出行的服務(wù)質(zhì)量。

Servin 等[64]的研究證明速度引導(dǎo)控制系統(tǒng)盡管能夠降低油耗與排放，但是也會導(dǎo)致行程時間與延誤的增加。因此，車速引導(dǎo)控制方法開始逐漸關(guān)注車輛周圍交通流運行狀態(tài)，以提高系統(tǒng)運行效率為目標(biāo)。李鵬凱等[65]利用車路聯(lián)網(wǎng)與協(xié)同技術(shù)，基于實時信號狀態(tài)，以交叉口車輛停車時間最小化為目標(biāo)，提出了面向個體車輛的車速引導(dǎo)模型。文獻(xiàn)[66]開發(fā)了一種速度引導(dǎo)的多級動態(tài)規(guī)劃方法，能夠隨著信號方案的變化實時調(diào)整預(yù)約出行車輛的速度引導(dǎo)策略，實驗證明該方法可以適應(yīng)動態(tài)的交通需求，從而提高交叉口處的通行效率。 Jiang 等[67]進(jìn)一步提出了不影響交通流整體運行效率的針對網(wǎng)聯(lián)車輛的個體車輛速度引導(dǎo)與生態(tài)駕駛策略。劉顯貴等[68]提出了提高道路通行效率與降低燃油排放的多目標(biāo)車速引導(dǎo)模型，結(jié)合信號燈配時信息，考慮了受控車輛與未受控車輛之間的相互影響。同時，也有研究證明，在多交叉口范圍內(nèi)實行速度引導(dǎo)控制方法，能夠有效提高區(qū)域路網(wǎng)的通行效率[69]。

速度引導(dǎo)控制方法從最初的利用信號配時信息與簡化駕駛模型的粗略速度建議，逐漸向微觀的、直接面向車輛控制的、實時精準(zhǔn)建議速度轉(zhuǎn)變。控制目標(biāo)也從早期的優(yōu)化個體車輛駕乘體驗，發(fā)展為關(guān)注系統(tǒng)整體交通流運行狀態(tài)，提高系統(tǒng)運行效率[70]。這些工作為未來面向預(yù)約出行的交通控制方法提供了參考。針對預(yù)約出行車輛，保障預(yù)約出行優(yōu)先、確保預(yù)約出行車輛能夠按時到達(dá)目的地將是未來重要的控制目標(biāo)。 Teng 等[71]為了提高公交車的服務(wù)可靠性，開發(fā)了一種動態(tài)調(diào)整車輛速度的模型，以保證出行時刻表的可靠性。文獻(xiàn)[72]進(jìn)一步考慮了公交車在路段上受到隨機(jī)因素的影響。類似的思想在應(yīng)急車輛出行中也有體現(xiàn)，如Unibaso等[73]為了保障緊急車輛能夠快速通過交叉口，設(shè)計了速度引導(dǎo)控制方案以保障車輛迅速通過交叉口，并且提高行駛過程的安全性。目前，保障預(yù)約出行優(yōu)先的車速引導(dǎo)控制策略大多關(guān)注提升個體車輛的運行效益，而忽略了交通流中車輛間的相互影響。在未來預(yù)約出行環(huán)境下，如何通過速度引導(dǎo)方案引導(dǎo)預(yù)約出行車輛盡快通過交叉口，同時兼顧周圍車輛狀態(tài)和交通流情況，將是十分關(guān)鍵的問題。

3.2 車輛軌跡優(yōu)化控制

隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，車輛的可控性逐漸提升。網(wǎng)聯(lián)自動駕駛車輛的出現(xiàn)拓展了交通控制系統(tǒng)的邊界，可以直接對個體車輛的行駛軌跡進(jìn)行優(yōu)化控制，以適應(yīng)前方的信號燈狀態(tài)。在未來預(yù)約出行環(huán)境下，網(wǎng)聯(lián)自動駕駛車輛的軌跡規(guī)劃將是提高預(yù)約出行車輛運行快捷性與軌跡平順性的重要手段。

在車速引導(dǎo)研究的基礎(chǔ)上，早期的車輛軌跡優(yōu)化控制根據(jù)前方信號燈配時方案與周圍交通流狀態(tài)，優(yōu)化車輛在路段上的行駛軌跡，以適應(yīng)信號方案，實現(xiàn)降低油耗、提高通行效率的目標(biāo)。 Matsumoto 等[74]建立了對信號配時方案反饋的車輛軌跡強(qiáng)化學(xué)習(xí)優(yōu)化方法，訓(xùn)練后的車輛在交叉口的停車次數(shù)顯著減少。與直接對個體車輛進(jìn)行控制不同， Han 等[75]注意到綠燈期間車輛往往組成車隊通過，因此，首先優(yōu)化車隊頭車的軌跡，進(jìn)而約束整個車隊的軌跡以適應(yīng)信號配時方案。進(jìn)一步地， Varga 等[76]提出不應(yīng)當(dāng)只以車輛快速通行交叉口為目標(biāo)進(jìn)行軌跡優(yōu)化，還應(yīng)當(dāng)根據(jù)車輛的當(dāng)前位置和期望到達(dá)時間，考慮前方信號燈配時狀態(tài)，以最小化延誤和提高預(yù)約出行可靠度為目標(biāo)優(yōu)化車輛軌跡。這些研究工作為未來網(wǎng)聯(lián)自動駕駛環(huán)境下，保障預(yù)約出行按時到達(dá)目的地、提高出行服務(wù)可靠性的軌跡優(yōu)化控制提供了重要參考[77]。

在適應(yīng)信號配時方案的軌跡優(yōu)化控制研究的基礎(chǔ)上，許多研究進(jìn)一步討論了信號與軌跡協(xié)同控制的方法，為面向預(yù)約出行的交通控制方法提供了參考。 Feng 等[78]利用動態(tài)規(guī)劃算法求解交叉口車輛軌跡和信號配時的協(xié)同優(yōu)化模型。 Yu 等[79] 實現(xiàn)了車輛軌跡和信號燈配時的集成優(yōu)化，并將其模型擴(kuò)展應(yīng)用于多交叉口干線場景[80]。針對人類駕駛車輛和自動駕駛車輛混行的場景，軌跡與信號協(xié)同控制方法將是未來面向預(yù)約出行交通控制重要的研究方向[81]。在新型混合交通環(huán)境下，一個有效方式是將網(wǎng)聯(lián)自動駕駛車輛作為頭車，引領(lǐng)混合車隊在綠燈期間通過交叉口，提高運行效率[82]。另一種方式是基于跟馳模型解析人類駕駛車輛行為， Ma 等[83]在預(yù)測人類駕駛車輛軌跡的基礎(chǔ)上，建立了橫縱向軌跡規(guī)劃與信號配時協(xié)同優(yōu)化方法，并進(jìn)一步將該協(xié)同方法推廣到靈活的配時方案策略中[84]。隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的不斷發(fā)展，傳統(tǒng)的交通信號控制未來也將被更加精細(xì)與精準(zhǔn)化的汽車協(xié)同駕駛替代[85]。

面向預(yù)約出行環(huán)境，軌跡優(yōu)化控制也面臨新的需求與目標(biāo)。如何通過軌跡優(yōu)化控制保障預(yù)約出行按時到達(dá)，提高預(yù)約出行服務(wù)的可靠性，是未來面向預(yù)約出行的基礎(chǔ)問題。特別是預(yù)約出行車輛與非預(yù)約出行車輛混行的條件下，如何考慮周圍車輛的狀態(tài)設(shè)計高效的軌跡控制方法，并且兼顧預(yù)約出行車輛與社會車輛的效益，將是未來重要的研究方向。

4 交通控制與出行服務(wù)的協(xié)同

借助于車路聯(lián)網(wǎng)與協(xié)同技術(shù)手段，預(yù)約出行系統(tǒng)可以匯集交通需求和供給信息，整合多方出行資源，提供從始發(fā)地到目的地的出行服務(wù)。然而，由于交通系統(tǒng)的隨機(jī)性、模糊性、不確定性和復(fù)雜性等特點，預(yù)約出行車輛在城市道路上的駕駛狀態(tài)仍然受到多種因素的影響。協(xié)同交通控制方法與預(yù)約出行服務(wù)，依托于全局供需優(yōu)化算法，實現(xiàn)控制與服務(wù)的一體化，能夠提前規(guī)避預(yù)約車輛在出行過程中的不可控因素，提高預(yù)約出行的服務(wù)可靠性。相關(guān)的研究包括出行路徑與控制方案的協(xié)同優(yōu)化與特殊需求車輛優(yōu)先方法。

4.1 出行路徑與控制方案的協(xié)同優(yōu)化

以往的預(yù)約出行研究主要集中于如何為用戶分配出行路徑，較少考慮路段的信號控制方案對出行路徑的影響[86]。然而，城市路網(wǎng)的出行路徑規(guī)劃與信號控制是相互耦合、相互關(guān)聯(lián)的，其關(guān)聯(lián)機(jī)制如圖3所示。信號控制方案會造成路段上的延誤與排隊，影響行程時間與旅行成本，進(jìn)而影響預(yù)約出行路徑規(guī)劃的結(jié)果；預(yù)約出行路徑規(guī)劃會影響路段上的交通流量分配，對信號配時的優(yōu)化造成影響。因此，面向預(yù)約出行，出行路徑與控制方案的協(xié)同優(yōu)化對于提升路網(wǎng)整體性能、保障預(yù)約出行服務(wù)具有重要的意義。

由于路徑與信號之間的耦合關(guān)系，一種常見的協(xié)同優(yōu)化方法是迭代優(yōu)化思想[87]：首先，在確定的流量分布下優(yōu)化信號配時；隨后，根據(jù)信號方案重新分配路徑，直到路徑與信號的優(yōu)化結(jié)果滿足收斂條件時，判定問題收斂。 Gartner 等[88]基于迭代優(yōu)化的思路，對周期、綠信比、相位差等信號配時參數(shù)進(jìn)行優(yōu)化。保麗霞等[89]沿用迭代優(yōu)化的思想提出試算的方法，建立了消散擁堵和最小化系統(tǒng)總出行時間的雙目標(biāo)優(yōu)化模型。雖然迭代優(yōu)化方法邏輯直觀，但是缺少嚴(yán)謹(jǐn)?shù)睦碚摻馕?，并不一定能夠獲得最優(yōu)解[90]。為了克服其缺點，將信號控制變量引入到路徑?jīng)Q策模型之中，建立統(tǒng)一的優(yōu)化模型成為研究的重點。 Li 等[91]構(gòu)建了超網(wǎng)絡(luò)，將路徑誘導(dǎo)與信號配時集中到統(tǒng)一的優(yōu)化框架下，并采用拉格朗日松弛理論對路徑和信號進(jìn)行分別優(yōu)化。Taale等[92]在背壓控制原理的基礎(chǔ)上，提出了一種交通信號控制與出行路徑協(xié)同優(yōu)化的模型。 Qian 等[93]進(jìn)一步提出了車輛的出發(fā)時刻、行駛路徑、信號配時的協(xié)同優(yōu)化模型。此外，也有學(xué)者針對預(yù)約出行的路徑選擇與邊界控制的協(xié)同優(yōu)化進(jìn)行研究[94]。

隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，移動導(dǎo)航、實時路徑誘導(dǎo)等手段使得預(yù)約出行車輛可以隨時調(diào)整路徑，在行進(jìn)過程中變換行駛路線，有效降低路段旅行時間和交叉口等待延誤[95]。因此，面向?qū)崟r變化的交通需求，實現(xiàn)動態(tài)的路徑與控制協(xié)同優(yōu)化，將是未來預(yù)約出行環(huán)境下交通控制重要的發(fā)展方向。Gayah 等[96]指出，應(yīng)當(dāng)考慮實時的信號配時方案與交通狀態(tài)，動態(tài)地為司機(jī)規(guī)劃路徑以避開局部擁堵區(qū)域。 Safadi 等[97]考慮了交通控制的實時排隊狀態(tài)，提出了基于排隊狀態(tài)的路徑分配與信號方案動態(tài)反饋優(yōu)化模型，并通過最優(yōu)控制分析方法求解。高淑萍等[98]建立了交叉口信號配時方案與動態(tài)路徑誘導(dǎo)的雙層優(yōu)化模型，利用改進(jìn)蟻群算法來求解優(yōu)化模型。

在實時變化的交通需求環(huán)境下，動態(tài)的出行路徑與實時的控制方案之間存在復(fù)雜的耦合關(guān)系，動態(tài)的出行路徑與信號控制協(xié)同優(yōu)化往往存在大量非線性的系統(tǒng)動態(tài)方程，雙層優(yōu)化算法、隨機(jī)性求解算法以及啟發(fā)式算法[99]等都被應(yīng)用于出行路徑與信號配時的動態(tài)協(xié)同優(yōu)化中。但協(xié)同優(yōu)化模型隨著車輛數(shù)和網(wǎng)絡(luò)規(guī)模的增加而快速增加，在大規(guī)模網(wǎng)絡(luò)上的實時優(yōu)化仍然不現(xiàn)實[100]。因此，許多研究嘗試基于簡化的模型假設(shè)，以降低模型復(fù)雜度，滿足實時優(yōu)化的要求。但是，簡化模型將限制協(xié)同效果，無法實現(xiàn)系統(tǒng)最優(yōu)的目標(biāo)，在城市路網(wǎng)中的應(yīng)用仍然存在質(zhì)疑[101]。因此，當(dāng)預(yù)約出行系統(tǒng)為用戶制定出行服務(wù)方案時，需要考慮信號控制下的交通流時空演化情況，動態(tài)分配出行路徑，在交通系統(tǒng)動態(tài)精確性、信號控制方案靈活性、路徑選擇動態(tài)性以及算法求解效率等多個要素之間進(jìn)行平衡[102]。

4.2 特殊需求車輛優(yōu)先方法

在城市道路交通預(yù)約出行還在不斷探索的現(xiàn)階段，特殊需求車輛（如公交車輛、緊急救援車輛、特勤車輛等）的預(yù)約出行方法已經(jīng)得到了較為廣泛的研究與應(yīng)用。特殊出行需求是城市道路出行服務(wù)的重要對象，如何通過控制手段保證特殊需求在城市道路上的出行服務(wù)與優(yōu)先通行要求，是預(yù)約出行環(huán)境下交通控制與出行服務(wù)協(xié)同的重要研究方向。

楊曉光等[103]提出了特殊需求車輛行程時間可靠度的概念，需要通過控制手段確保車輛在規(guī)定時間內(nèi)到達(dá)終點，實現(xiàn)交通控制與出行服務(wù)的協(xié)同，保障特殊需求車輛的優(yōu)先通行。當(dāng)多個特殊需求車輛的優(yōu)先請求沖突時， Mirchandani 等[104]提出利用車路聯(lián)網(wǎng)與協(xié)同技術(shù)獲取的實時車輛信息，對未來交通流進(jìn)行預(yù)測，通過動態(tài)規(guī)劃方法選取最佳信號方案以保障特殊需求車輛優(yōu)先通行。除了信號優(yōu)先控制方法外， Nguyen 等[105]結(jié)合路徑優(yōu)化與信號控制，首先以最快行駛速度為目標(biāo)搜索到達(dá)救援地點的最佳路徑，隨后借助車路聯(lián)網(wǎng)與協(xié)同技術(shù)為救援車輛預(yù)留出通暢的道路，并利用信號燈方案協(xié)調(diào)社會車流。但是，該方法先安排路徑后調(diào)整信號方案，未能夠充分協(xié)同優(yōu)化路徑分配與信號配時，優(yōu)化效果仍有待提高。為了解決路徑規(guī)劃與信號控制之間的復(fù)雜耦合關(guān)系， Su 等[106]設(shè)計了多智能體分布式學(xué)習(xí)機(jī)制，結(jié)果表明，通過該機(jī)制，緊急救援車輛能夠動態(tài)選取最佳行駛路徑，信號燈也能夠同步優(yōu)化信號方案，縮短緊急救援出行車輛的行程時間。

通過交通控制與出行服務(wù)的協(xié)同，可以保證特殊需求車輛的優(yōu)先通行與服務(wù)的可靠度，但是會對普通社會車輛產(chǎn)生影響，造成延誤的增加和擁堵的加劇，甚至?xí)?dǎo)致上下游交叉口的擁堵[107]。因此，如何在保障特殊需求車輛協(xié)同優(yōu)先的同時，考慮社會車輛的通行效益，是未來面向預(yù)約出行環(huán)境和系統(tǒng)最優(yōu)目標(biāo)的重要研究內(nèi)容，是下一代交通控制系統(tǒng)必須要考慮的問題。 Liu 等[108] 基于車路聯(lián)網(wǎng)與協(xié)同技術(shù)，對公交駐站時間、行駛速度以及信號優(yōu)先控制方案進(jìn)行協(xié)同優(yōu)化控制，并盡可能降低對社會車輛的影響。李振龍等[109] 提出了綜合考慮公交相位優(yōu)先與非公交相位補(bǔ)償?shù)膯吸c信號優(yōu)化方法。樹愛兵等[110]進(jìn)一步將該模型拓展到干線場景，結(jié)合綠波控制方法與公交優(yōu)先控制方法，實現(xiàn)交通控制與出行服務(wù)的協(xié)同。 He 等[111]針對公交車和私家車混行條件下的交叉口，構(gòu)建了基于車隊的路網(wǎng)信號協(xié)同優(yōu)化模型。文獻(xiàn)[112]進(jìn)一步提出了多模式優(yōu)先控制方法，針對公交車、私家車以及行人的效益進(jìn)行綜合優(yōu)化。

作為現(xiàn)階段預(yù)約出行的主要應(yīng)用和研究場景，特殊需求車輛的交通控制與出行服務(wù)的協(xié)同需要更多考慮城市道路交通的整體通行效益，從追求特殊需求車輛與預(yù)約出行車輛個體利益最大化為目標(biāo)，轉(zhuǎn)向提升整體道路通行效益為目標(biāo)，綜合考慮社會車輛、非機(jī)動車、行人的效益，是未來面向預(yù)約出行的交通控制與出行服務(wù)協(xié)同研究的重點。

5 未來展望與重點研究方向

5.1 保障行程時間可靠性的交通控制方法

預(yù)約出行為出行者制定出行時刻表，要求盡可能在規(guī)定時間內(nèi)將出行者送達(dá)至目的地。因此，相比于傳統(tǒng)出行方式，預(yù)約出行對于出行時間的可靠性要求較高，出行者對出行成本的感知會受到實際行程時間與期望行程時間之間的偏差、早到與晚到損失成本、行程時間波動等因素的影響[113-115]，現(xiàn)有研究需要更加深入分析控制方案和乘客感知成本之間的關(guān)聯(lián)。作為有效調(diào)控交通流運行狀態(tài)的手段之一，如何通過交通控制方法降低行程時間的波動，綜合利用車速引導(dǎo)、軌跡優(yōu)化與信號優(yōu)先等方式保障預(yù)約出行車輛按時到達(dá)，是面向預(yù)約出行的交通控制研究中的重要問題。此外，如何利用預(yù)約出行提供的信息精確預(yù)測交通流變化，預(yù)測未來行程時間的波動，從而動態(tài)調(diào)整控制參數(shù)、實時求解優(yōu)化控制模型是亟需解決的問題[116]。

5.2 平衡用戶最優(yōu)與系統(tǒng)最優(yōu)的控制方法

預(yù)約出行的目標(biāo)是高效利用系統(tǒng)資源，避免路網(wǎng)出現(xiàn)擁堵，實現(xiàn)交通系統(tǒng)最優(yōu)，提高城市道路網(wǎng)絡(luò)的運行效益。然而，有學(xué)者指出：只關(guān)注部分出行者的利益，也會損害系統(tǒng)整體的效益；單純追求系統(tǒng)最優(yōu)化，也會對緊急程度較高、優(yōu)先級較高的預(yù)約出行者不利[117]。如何平衡用戶最優(yōu)與系統(tǒng)最優(yōu)的控制目標(biāo)，是未來研究的重要方向。目前，面向預(yù)約出行的交通控制研究大多局限于個體預(yù)約出行車輛的優(yōu)先控制，通過控制方法來確保一部分預(yù)約出行車輛的用戶獲得最優(yōu)目標(biāo)，忽略了控制方法對交通流的整體影響。因此，需要平衡預(yù)約出行車輛個體用戶的最優(yōu)化和交叉口整體交通流系統(tǒng)的最優(yōu)化，構(gòu)建既有利于提升路網(wǎng)整體運行效益，又能保障預(yù)約出行車輛優(yōu)先通行的控制方法。

5.3 出行即服務(wù)與服務(wù)型交通管理技術(shù)融合

出行即服務(wù)（mobility as a service， MaaS）主要由交通出行者、交通運營商、政府管理部門、服務(wù)商、數(shù)據(jù)服務(wù)商及其他利益主體構(gòu)成，為出行者提供綜合信息服務(wù)與一站式出行服務(wù)，是未來預(yù)約出行的重要技術(shù)支撐[118]。交通控制系統(tǒng)是MaaS技術(shù)中不可或缺的一部分，通過信息與智能技術(shù)等手段，為出行服務(wù)提供有效且科學(xué)的交通控制方法，實現(xiàn)交通控制與出行服務(wù)的有機(jī)結(jié)合。隨著車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展，有學(xué)者提出在MaaS技術(shù)基礎(chǔ)上，構(gòu)建交通管理即服務(wù)（ transportation management as a service， TMaaS）體系，整合政府、用戶終端等資源，提供交通控制與路線規(guī)劃等服務(wù)，避免MaaS過分強(qiáng)調(diào)個體出行服務(wù)水平的提高，追求個體最優(yōu)，而無法保證整體系統(tǒng)最優(yōu)的缺點[119]。然而，TMaaS仍然存在管理與服務(wù)系統(tǒng)性整合不足的問題，僅能提供被動服務(wù)、被動響應(yīng)及被動改善。因此，先進(jìn)智能的交通管理即服務(wù)（ actively intelligent transportation management as a service， AITMaaS）是下一代交通控制系統(tǒng)與未來城市道路交通系統(tǒng)發(fā)展的重要方向。基于預(yù)約出行服務(wù)和交通控制的先進(jìn)性與智能化技術(shù)，科學(xué)而高效地組織交通，對于切實改善交通和出行，乃至發(fā)展智能交通產(chǎn)業(yè)，具有極其重要的理論意義和實用價值。

6 結(jié)束語

車路聯(lián)網(wǎng)與協(xié)同技術(shù)的發(fā)展對城市道路交通系統(tǒng)將產(chǎn)生深遠(yuǎn)的影響。預(yù)約出行正成為未來發(fā)展的重要方向，同時也對交通控制提出了新的要求和目標(biāo)。本文深入研究了車路聯(lián)網(wǎng)、協(xié)同技術(shù)和預(yù)約出行技術(shù)的發(fā)展現(xiàn)狀及趨勢，并闡明面向預(yù)約出行的交通控制研究的必要性。在此基礎(chǔ)上，進(jìn)一步系統(tǒng)地對預(yù)約出行的車路聯(lián)網(wǎng)與協(xié)同交通控制研究的關(guān)鍵問題進(jìn)行了梳理，綜述了相關(guān)領(lǐng)域的前沿研究成果，并展望了未來的重點研究方向。面向預(yù)約出行的交通控制研究不僅在理論上對預(yù)約出行創(chuàng)新發(fā)展和下一代交通控制系統(tǒng)開發(fā)具有重要的意義，而且對于主動服務(wù)型城市道路交通控制系統(tǒng)關(guān)鍵技術(shù)發(fā)展、真正意義上實現(xiàn)城市道路網(wǎng)絡(luò)交通供需最佳協(xié)同具有重要的應(yīng)用價值。

參考文獻(xiàn)：

[1]楊曉光， 朱際宸， 王一喆， 等.汽車變革發(fā)展中的城市交通系統(tǒng)重構(gòu)與研究綜述[J].交通運輸研究， 2022， 8（3）：2–20.

[2]王靈麗， 黃敏， 薛田莉， 等.基于微觀交通仿真的道路預(yù)約出行效益研究[J].中山大學(xué)學(xué)報（自然科學(xué)版）， 2022， 61（6）：89–98.

[3]周睿予， 陳紅， 陳恒瑞.城市道路預(yù)約出行策略下的出行方式選擇[J].北京交通大學(xué)學(xué)報， 2022， 46（6）：43–51.

[4]楊曉光， 馬萬經(jīng)， 姚佼， 等.智慧主動型交通控制系統(tǒng)及實驗[J].工程研究-跨學(xué)科視野中的工程 ， 2014， 6（1）：43–53.

[5] AKAHANE H， KUWAHARA M， SATO T. A basic study ontripreservationsystemsforrecreationaltripson motorways[J].DobokuGakkaiRonbunshu，2000，2000（660）：79-87.

[6] WONGJT. Basicconceptsforasystemforadvance booking for highway use[J]. Transport Policy， 1997， 4（2）：109–114.

[7] EDARAP，TEODOROVI?D. Modelofanadvance- bookingsystemforhighwaytrips[J]. Transportation ResearchPartC： EmergingTechnologies， 2008， 16（1）：36–53.

[8] SUP，PARKBB. Auction-basedhighwayreservation system an agent-based simulation study[J]. Transportation ResearchPartC： EmergingTechnologies， 2015， 60：211–226.

[9] KIMY，KANGSC. Innovativetrafficdemand management strategy： expressway reservation system[J].TransportationResearchRecord：Journalofthe Transportation Research Board， 2011， 2245（1）：27–35.

[10] ZHAOY，TRIANTISK，TEODOROVI?D，etal. A travel demand management strategy： The downtown space reservationsystem[J]. EuropeanJournalofOperational Research， 2010， 205（3）：584–594.

[11] MENELAOUC，KOLIOSP，TIMOTHEOUS，etal. Controlling road congestion via a low-complexity route reservation approach[J]. Transportation Research Part C： Emerging Technologies， 2017， 81：118–136.

[12] ZHAO Y， TRIANTIS K， EDARA P. Evaluation of travel demandstrategies：amicroscopictrafficsimulation approach[J]. Transportation， 2010， 37（3）：549–571.

[13]湯若天， 薛新， 盧健， 等.不同預(yù)約出行服務(wù)機(jī)制對節(jié)假日旅游景區(qū)出行行為的影響——以南京景區(qū)為例[J].綜合運輸， 2022， 44（9）：24–29，52.

[14]郭繼孚， 刁晶晶， 缐凱， 等.預(yù)約出行模式展望[J].交通運輸系統(tǒng)工程與信息， 2021， 21（5）：160–164，173.

[15]王樂.交通預(yù)約通行政策與深圳市實踐[J].交通與運輸， 2019， 32（S1）：97–102，107.

[16]郭繼孚 ， 刁晶晶 ， 王倩 ， 等.預(yù)約在城市交通中的應(yīng)用——北京市回龍觀地區(qū)的預(yù)約出行實踐[J].城市交通， 2020， 18（1）：75–82.

[17] MEWADAA，TANWARS，NARMAWALAZ. Comparisonandevaluationofrealtimereservation technologiesintheintelligentpublictransport system[C]//2018FifthInternationalConferenceon Parallel， Distributed and Grid Computing （PDGC）. Solan： IEEE， 2018：800–805.

[18] ZHOU X M， WEI G H， ZHANG Y B， et al. Optimizing multi-vehicle demand-responsive bus dispatching： a real- time reservation-based approach[J]. Sustainability， 2023，15（7）：5909.

[19] LIU K， CHAN E， LEE V， et al. Design and evaluation of token-basedreservationforaroadwaysystem[J]. Transportation Research Part C： Emerging Technologies， 2013， 26：184–202.

[20]郭繼孚， 張建波， 孫建平.大規(guī)模網(wǎng)聯(lián)車輛協(xié)同服務(wù)研究進(jìn)展[J].中國基礎(chǔ)科學(xué)， 2021， 23（1）：45–50.

[21] LIUSR，F(xiàn)ENGYH，WUGY. Reservation-based networktrafficmanagementstrategyforconnected andautomatedvehicles：amultiagentsystem approach[C]//2021IEEEInternationalIntelligent Transportation Systems Conference （ITSC）. Indianapolis：IEEE， 2021：2150–2155.

[22] HABIBULLAHB，TENGR，SATOK. Highwaytoll collectionmethodforconnectedautomatedvehicle platooningusingspatio-temporalgridreservation[J]. Communications and Network， 2022， 14（4）：171–199.

[23]馬萬經(jīng)， 李金玨， 俞春輝.智能網(wǎng)聯(lián)混合交通流交叉口控制：研究進(jìn)展與前沿[J].中國公路學(xué)報 ， 2023， 36（2）：22–40.

[24] FENG Y H， HEAD K L， KHOSHMAGHAM S， et al. A real-time adaptivesignal control in a connected vehicle environment[J].TransportationResearchPartC： Emerging Technologies， 2015， 55：460–473.

[25]姚佼， 范海雁， 韓印， 等.基于車載數(shù)據(jù)的城市道路交叉口自適應(yīng)控制研究[J].上海理工大學(xué)學(xué)報， 2014， 36（3）：239–244.

[26] WANGJW，YOUL，HANGJY，etal. Pre-trip reservationenabledrouteguidanceandsignalcontrol cooperative method for improving network throughput[J]. PhysicaA： StatisticalMechanicsanditsApplications， 2023， 609：128405.

[27] AK?ELIKR. Thehighwaycapacitymanualdelay formula for signalized intersections[J]. ITE Journal， 1988， 58（3）：23–27.

[28]吳偉， 馬萬經(jīng)， 楊曉光.車路協(xié)同環(huán)境下基于路徑的信號協(xié)調(diào)優(yōu)化模型[J].吉林大學(xué)學(xué)報（工學(xué)版）， 2014， 44（2）：343–351.

[29] WANG Q， YUAN Y， YANG X T， et al. Adaptive and multi-pathprogressionsignalcontrolunderconnected vehicle environment[J]. Transportation Research Part C： Emerging Technologies， 2021， 124：102965.

[30] GAYAHVV，DAGANZOCF. Effectsofturning maneuversandroutechoiceonasimplenetwork[J].TransportationResearchRecord：Journalofthe Transportation Research Board， 2011， 2249（1）：15–19.

[31] GUO Q Q， LI L， BAN X G J. Urban traffic signal control withconnectedandautomatedvehicles： Asurvey[J]. Transportation Research Part C： Emerging Technologies，2019， 101：313–334.

[32] ZHU J C， MA C Y， YANG X G， et al. An asynchronous cooperativesignalcontrolframeworkinurbanroad network[C]//2021 6thInternationalConferenceon Transportation Information andSafety （ICTIS）. Wuhan： IEEE， 2021：1105–1111.

[33] ALISLAMSMAB，HAJBABAIEA. Distributed coordinatedsignaltimingoptimizationinconnected transportation networks[J]. Transportation Research Part C： Emerging Technologies， 2017， 80：272–285.

[34]馬成元， 朱際宸， 賴金濤， 等.基于群體決策的多交叉口協(xié)同控制方法[J].交通運輸工程學(xué)報 ， 2022， 22（3）：152–161.

[35] MOUSAVIZADEHO，KEYVAN-EKBATANIM， LOGAN T M. Real-time turning rate estimation in urban networksusingfloatingcardata[J]. Transportation ResearchPartC： EmergingTechnologies， 2021， 133：103457.

[36] LINSC，DAIJC，LIRM. Network-levelsignal predictivecontrolwith real-time routinginformation[J]. Transportation Research Part C： Emerging Technologies，2023， 147：104007.

[37] MAHMOUDN，ABDEL-ATYM，CAIQ，etal. Predictingcycle-leveltrafficmovementsatsignalized intersectionsusingmachinelearningmodels[J]. Transportation Research Part C： Emerging Technologies，2021， 124：102930.

[38] YUANJH，ABDEL-ATYMA，YUELSS，etal. Modelingreal-timecycle-levelcrashriskatsignalized intersections based on high-resolution event-based data[J]. IEEE Transactions on Intelligent Transportation Systems，2021， 22（11）：6700–6715.

[39] WANG S L， PATWARY A U Z， HUANG W， et al. A general framework for combining traffic flow models and Bayesiannetworkfortrafficparametersestimation[J]. Transportation Research Part C： Emerging Technologies，2022， 139：103664.

[40] GHODS A H， FU L P. Real-time estimation of turning movement counts at signalized intersections using signal phaseinformation[J]. TransportationResearchPartC： Emerging Technologies， 2014， 47：128–138.

[41] CHOWAHF，SHAR，LIS. Centralisedand decentralisedsignaltimingoptimisationapproachesfor network traffic control[J]. Transportation Research Part C： Emerging Technologies， 2020， 113：108–123.

[42] WANG P R S， LI P F T， CHOWDHURY F R， et al. A mixedintegerprogrammingformulationandscalable solution algorithms for traffic control coordination across multipleintersectionsbasedonvehiclespace-timetrajectories[J].TransportationResearchPartB：Methodological， 2020， 134：266–304.

[43] MORADI H，SASANINEJADS， WITTEVRONGELS， et al. The contribution of connected vehicles to network traffic control： A hierarchical approach[J]. Transportation ResearchPartC： EmergingTechnologies， 2022， 139：103644.

[44] NARAYANANS，CHANIOTAKISE，ANTONIOUC. Modelling reservation-basedsharedautonomousvehicle services： Adynamicuserequilibriumapproach[J]. Transportation Research Part C： Emerging Technologies，2022， 140：103651.

[45] SU P， PARK B， LEE J， et al. Proof-of-concept study for a roadwayreservationsystem：integratedtraffic managementapproach[J].TransportationResearch Record， 2013， 2381（1）：1–8.

[46] DOBREC.Intelligentlanereservationsystemfor highway（s）[J].InternationalJournalofVehicular Technology， 2012， 2012：604965.

[47]王天昊， 王曉春.國內(nèi) HOV 車道應(yīng)用綜述[J].上海公路， 2022（3）：120–123.

[48] FANG Y F， CHU F， MAMMAR S， et al. A new cut-and- solveandcuttingplanecombinedapproachforthe capacitatedlanereservationproblem[J]. Computers & Industrial Engineering， 2015， 80：212–221.

[49] WU P， CHE A D， CHU F， et al. An improved exact ε-Constraintandcut-and-solvecombinedmethodfor biobjective robust lane reservation[J]. IEEE Transactions onIntelligentTransportationSystems， 2015，16（3）：1479–1492.

[50] BAI X， ZHOU Z L， CHIN KS，etal. Evaluating lane reservationproblemsbycarbonemissionapproach[J].TransportationResearchPartD：TransportandEnvironment， 2017， 53：178–192.

[51] HANLS，WUP，CHUCB. Service-oriented distributionallyrobustlanereservation[J]. Journalof Industrial Information Integration， 2022， 25：100302.

[52] VIEGAS J， LU B C. Widening the scope for bus priority withintermittentbuslanes[J]. TransportationPlanning and Technology， 2001， 24（2）：87–110.

[53] WU W， HEAD L， YAN S H Y， et al. Development and evaluationofbuslaneswithintermittentanddynamic priority in connected vehicle environment[J]. Journal of Intelligent Transportation Systems， 2018， 22（4）：301–310.

[54] LEVINMW，KHANIA. Dynamictransitlanesfor connected and autonomous vehicles[J]. Public Transport， 2018， 10（3）：399–426.

[55] ZHANG Z， LAI J T， MA C Y， et al. Ensuring absolute transitprioritythroughtrajectorybasedcontrolofconnectedandautomatedtraffic[C]//20216th InternationalConferenceonTransportationInformation and Safety （ICTIS）. Wuhan： IEEE， 2021：1132–1135.

[56] ZHANG Z， LAI J T， YANG X G. Dynamic spatial slice optimizationforbuspriorityundertheenvironmentof mixedtraffic[C]//2022IEEE25thInternational Conference on Intelligent Transportation Systems （ITSC）.Macau： IEEE， 2022：3023–3025.

[57] LI M Z， ZHANG L N， YANG X G. A review of yellow dilemma problem and a dynamic speed guidance system design based on CVIS[J]. Procedia-Social and Behavioral Sciences， 2013， 96：473–479.

[58]黃瑋， 馬萬經(jīng)， 楊曉光.兩難區(qū)安全改善問題的感應(yīng)控制方法研究[J].交通信息與安全， 2009， 27（4）：75–79.

[59] PAPAIOANNOU P. Driver behaviour， dilemma zone andsafetyeffectsaturbansignalisedintersectionsin Greece[J]. Accident Analysis & Prevention， 2007， 39（1）：147–158.

[60] NIU D N，SUN J. Eco-Driving versus green wave speed guidanceforsignalized highway traffic： a multi-vehicle drivingsimulatorstudy[J].Procedia-Socialand Behavioral Sciences， 2013， 96：1079–1090.

[61] RAKHAH，KAMALANATHSHARMARK. Eco- drivingatsignalizedintersectionsusingV2I communication[C]//201114thInternationalIEEE Conference on Intelligent Transportation Systems （ITSC）.Washington： IEEE， 2011：341–346.

[62] KAMAL M A S， MUKAI M， MURATA J， et al. Model predictive control of vehicles on urban roads for improved fuel economy[J]. IEEE Transactions on Control Systems Technology， 2013， 21（3）：831–841.

[63] JIM?NEZ F， CABRERA-MONTIEL W. System for road vehicleenergyoptimizationusingrealtimeroadand traffic information[J]. Energies， 2014， 7（6）：3576–3598.

[64] SERVINO，BORIBOONSOMSINK，BARTHM. An energyandemissionsimpactevaluationofintelligent speed adaptation[C]//2006 IEEE Intelligent Transportation Systems Conference. Toronto： IEEE， 2006：1257–1262.

[65]李鵬凱， 楊曉光， 吳偉， 等.車路協(xié)同環(huán)境下信號交叉口車速引導(dǎo)建模與仿真[J].交通信息與安全， 2012， 30（3）：136–140，156.

[66] KAMALANATHSHARMA R K， RAKHA H A. Multi- stagedynamicprogrammingalgorithmforeco-speed controlattrafficsignalizedintersections[C]//16th InternationalIEEEConferenceonIntelligent Transportation Systems （ITSC 2013）. The Hague： IEEE， 2013：2094–2099.

[67] JIANG H F， HU J， AN S， et al. Eco approaching at an isolated signalized intersection under partially connectedandautomatedvehiclesenvironment[J]. Transportation ResearchPartC： EmergingTechnologies， 2017， 79：290–307.

[68]劉顯貴， 王暉年， 洪經(jīng)緯， 等.網(wǎng)聯(lián)環(huán)境下信號交叉口車速控制策略及優(yōu)化[J].交通運輸系統(tǒng)工程與信息 ，2021， 21（2）：82–90.

[69] WANGJF，LVJR，ZHANGQ，etal. Impactof connected vehicle guidance information on network-wide averagetraveltime[J].AdvancesinMechanical Engineering， 2017， 9（1）：1-9.

[70] WU W， LI P K， ZHANG Y. Modelling and simulation of vehiclespeedguidanceinconnectedvehicle environment[J].InternationalJournalofSimulation Modelling， 2015， 14（1）：145–157.

[71] TENG J， JIN W M. Development and evaluation of bus operationcontrolsystembasedoncooperativespeed guidance[J]. DiscreteDynamicsinNatureandSociety， 2015， 2015：928350.

[72]滕靖 ， 金威敏.基于區(qū)間車速引導(dǎo)的公交運行控制方法[J].同濟(jì)大學(xué)學(xué)報（自然科學(xué)版）， 2015， 43（8）：1194–1199.

[73] UNIBASO G， DEL SER J， GIL-LOPEZ S， et al. A novel CAM-basedtrafficlightpreemptionalgorithmfor efficientguidanceofemergencyvehicles[C]//13th InternationalIEEEConferenceonIntelligentTransportation Systems. Funchal： IEEE， 2010：74–79.

[74] MATSUMOTO Y， NISHIO K. Reinforcement learning ofdriverreceivingtrafficsignalinformationforpassing throughsignalizedintersectionatarterialroad[J]. Transportation Research Procedia， 2019， 37：449–456.

[75] HAN X， MA R， ZHANG H M. Energy-aware trajectory optimizationofCAVplatoonsthroughasignalized intersection[J]. Transportation Research Part C： EmergingTechnologies， 2020， 118：102652.

[76] VARGAB，TETTAMANTIT，KULCS?RB，etal. Publictransporttrajectoryplanningwithprobabilistic guarantees[J].TransportationResearchPartB：Methodological， 2020， 139：81–101.

[77] LV W X， DANG J W， ZHANG Z H， et al. Collaborative trajectories optimization for tram and connected vehicles atsignalizedintersection[J]. AppliedSciences， 2023， 13（3）：1514.

[78] FENGYH，YUCH，LIUHX. Spatiotemporal intersection control in a connected and automated vehicle environment[J].TransportationResearchPartC：Emerging Technologies， 2018， 89：364–383.

[79] YUCH，F(xiàn)ENGYH，LIUHX，etal. Integrated optimization of traffic signals and vehicle trajectories at isolatedurbanintersections[J]. TransportationResearchPart B： Methodological， 2018， 112：89–112.

[80] YUCH，F(xiàn)ENGYH，LIUHX，etal. Corridorlevel cooperativetrajectoryoptimizationwithconnectedand automatedvehicles[J]. TransportationResearchPartC： Emerging Technologies， 2019， 105：405–421.

[81] ZHENG F F， LIU C， LIU X B， et al. Analyzing the impact of automated vehicles on uncertainty and stability of the mixedtrafficflow[J]. TransportationResearchPartC： Emerging Technologies， 2020， 112：203–219.

[82]孫偉， 張夢雅， 馬成元， 等.新型混合交通交叉口信號與車輛軌跡協(xié)同控制方法[J].交通運輸系統(tǒng)工程與信息，2023， 23（1）：97–105.

[83] MA C Y， YU C H， YANG X G. Trajectory planning for connected and automated vehicles at isolatedsignalized intersectionsundermixedtrafficenvironment[J]. Transportation Research Part C： Emerging Technologies，2021， 130：103309.

[84] MA C Y， YU C H， ZHANG C， et al. Signal timing at an isolated intersection under mixed traffic environment with self-organizingconnectedandautomatedvehicles[J]. Computer ‐ Aided Civil and Infrastructure Engineering， 2023， 38：1955-1972.

[85]姚佼， 楊曉光.車路協(xié)同環(huán)境下城市交通控制研究[J].上海理工大學(xué)學(xué)報， 2013， 35（4）：397–403.

[86] MENELAOU C， KOLIOS P， TIMOTHEOU S， et al. On the complexity of congestion free routing in transportation networks[C]//2015 IEEE 18th International Conference on Intelligent Transportation Systems. Gran Canaria： IEEE， 2015：2819–2824.

[87] GARTNER N H. Influence of control measures on traffic equilibriuminanurbanhighwaynetwork[J].Transportation Research Record， 1977， 644：125–129.

[88] GARTNERNH，LITTLEJDC，GABBAYH.Simultaneousoptimizationofoffsets，splits，andcycle time[J]. TransportationResearchRecord， 1976， 596：6–15.

[89]保麗霞， 楊兆升， 胡健萌， 等.交通流誘導(dǎo)與控制協(xié)同的雙目標(biāo)優(yōu)化模型及準(zhǔn)最優(yōu)求解算法[J].吉林大學(xué)學(xué)報（工學(xué)版）， 2007， 37（2）：319–324.

[90] HAN LS， UKKUSURIS，DOAN K. Complementarity formulationsforthecelltransmissionmodelbased dynamicuserequilibriumwithdeparturetimechoice， elastic demand and user heterogeneity[J]. Transportation ResearchPartB：Methodological，2011，45（10）：1749–1767.

[91] LIPF，MIRCHANDANIP，ZHOUXS. Solving simultaneousrouteguidanceandtrafficsignal optimizationproblemusingspace-phase-time hypernetwork[J].TransportationResearchPartB：Methodological， 2015， 81：103–130.

[92] TAALEH，VANKAMPENJ，HOOGENDOORNS. Integratedsignalcontrolandrouteguidancebasedon back-pressureprinciples[J].TransportationResearch Procedia， 2015， 10：226–235.

[93] QIANGM，GUOM，ZHANGLH，etal. Traffic scheduling and control in fully connected and automated networks[J]. TransportationResearchPartC： EmergingTechnologies， 2021， 126：103011.

[94] SIRMATELII，GEROLIMINISN. Economicmodel predictive control of large-scale urban road networks via perimetercontrolandregionalrouteguidance[J]. IEEE Transactions on Intelligent Transportation Systems， 2018， 19（4）：1112–1121.

[95]杜牧青， 鞠姿彥， 呂晨希， 等.考慮交叉口延誤的超路徑算法及其應(yīng)用[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版）， 2021， 45（4）：626–632.

[96] GAYAH V V， GAO X Y S， NAGLE A S. On the impacts oflocallyadaptivesignalcontrolonurbannetwork stabilityandthemacroscopicfundamentaldiagram[J]. TransportationResearchPartB： Methodological， 2014， 70：255–268.

[97] SAFADIY，HADDADJ. Optimalcombinedtraffic routingandsignalcontrolinsimpleroadnetworks： an analyticalsolution[J]. TransportmetricaA：Transport Science， 2021， 17（3）：308–339.

[98]高淑萍， 趙會賓， 張玲， 等.基于信號燈配時的動態(tài)路徑誘導(dǎo)模型[J].中國公路學(xué)報， 2011， 24（1）：109–114.

[99] CHAI H J， ZHANG H M， GHOSAL D， et al. Dynamictraffic routing in a network with adaptive signal control[J]. Transportation Research Part C： Emerging Technologies，2017， 85：64–85.

[100] HUL，WANGLJ，ZHOUZR，etal. Network-wide trafficsignaloptimizationunderconnectedvehicles environment[C]//2021IEEEInternationalIntelligent Transportation Systems Conference （ITSC）. Indianapolis：IEEE， 2021：2463–2470.

[101] YUH，MAR，ZHANGHM. Optimaltrafficsignal controlunderdynamicuserequilibriumandlink constraintsinageneralnetwork[J].Transportation Research Part B： Methodological， 2018， 110：302–325.

[102]彭顯玥 ， 王昊.交通分配與信號控制組合優(yōu)化研究綜述[J].交通運輸工程與信息學(xué)報， 2023， 21（1）：1–18.

[103]楊曉光， 彭春露， 劉好德， 等.城市道路上救援車輛行程時間可靠性仿真研究[J].交通與運輸， 2006（2）：45–49.

[104] MIRCHANDANIPB，LUCASDE. Integratedtransit priority and rail/emergency preemption in real-time traffic adaptivesignalcontrol[J].JournalofIntelligent Transportation Systems， 2004， 8（2）：101–115.

[105] NGUYENVL，HWANGR H，LIN PC. Controllable pathplanningandtrafficschedulingforemergency services in the Internet of vehicles[J]. IEEE Transactions onIntelligentTransportationSystems，2022， 23（8）：12399–12413.

[106] SU H R， ZHONG Y D， CHOW J Y J， et al. EMVLight： A multi-agentreinforcementlearningframeworkforan emergency vehicle decentralized routing and traffic signal controlsystem[J]. TransportationResearchPartC： Emerging Technologies， 2023， 146：103955.

[107] HUMAGAINS，SINHAR， LAIE， et al. Asystematic review of route optimisation and pre-emption methods for emergency vehicles[J]. Transport Reviews， 2020， 40（1）：35–53.

[108] LIUJH，LINPQ，RANB. Areservation-based coordinated transitsignal prioritymethodfor busrapid transitsystemwithconnectedvehicletechnologies[J]. IEEE Intelligent Transportation Systems Magazine， 2021， 13（4）：17–30.

[109]李振龍， 王保菊， 金雪， 等.綜合考慮公交相位優(yōu)先和非公交相位補(bǔ)償?shù)膯吸c信號優(yōu)化方法[J].科學(xué)技術(shù)與工程， 2015， 15（12）：109–113，117.

[110]樹愛兵， 劉明， 劉小高.干線公交優(yōu)先下的相位快速補(bǔ)償機(jī)制研究[J].交通運輸工程與信息學(xué)報 ， 2022， 20（1）：98–107.

[111] HE Q， HEAD K L， DING J. PAMSCOD： Platoon-based arterialmulti-modalsignalcontrolwithonlinedata[J]. Transportation Research Part C： Emerging Technologies，2012， 20（1）：164–184.

[112] HE Q， HEAD K L， DING J. Multi-modal traffic signal control with priority， signal actuation and coordination[J]. Transportation Research Part C： Emerging Technologies，2014， 46：65–82.

[113] SUN L T，SONG R. Improving efficiency in congested trafficnetworks： Pareto-improvingreservationsthrough agent-basedtimetabling[J]. Sustainability， 2022， 14（4）：2211.

[114]胡盼， 楊曉光.基于廣義出行成本的出行方案優(yōu)化[J].系統(tǒng)工程理論與實踐， 2017， 37（4）：982–989.

[115]趙靖， 徐競琪， 嚴(yán)佳超， 等.考慮行程時間波動的干線信號協(xié)調(diào)控制魯棒優(yōu)化模型[J].鐵道科學(xué)與工程學(xué)報 ， 2023， 20（4）：1261–1269.

[116]王嘉文， 杭佳宇， 李思潔， 等.自適應(yīng)信號控制交叉口行程時間可靠性[J].系統(tǒng)工程， 2020， 38（5）：109–117.

[117] SHEFFI Y， POWELL W B. Optimal signal settings over transportationnetworks[J]. JournalofTransportation Engineering， 1983， 109（6）：824–839.

[118] POLYDOROPOULOU A， PAGONI I， TSIRIMPA A， et al. Prototype business models for Mobility-as-a- Service[J]. Transportation Research Part A： Policyand Practice， 2020， 131：149–162.

[119]楊曉光， 郝正博， 楊正， 等.智能交通主動管理與服務(wù)系統(tǒng)（ATMaaS）框架體系[C]//交通治理與空間重塑——2020年中國城市交通規(guī)劃年會論文集.北京：中國建筑工業(yè)出版社， 2020：2055–2063.

（編輯：丁紅藝）