面向自动驾驶编队的多交叉口生态速度规划策略与仿真验证方法

针对车联网环境下自动驾驶编队通过连续交叉口时的能耗与效率问题，研究人员提出融合下游交叉口信息的生态速度规划策略（CSS/SSS），通过计算通行时段容量与生态速度，在仿真中验证其较单交叉口策略（SIPSS）和无策略（NSS）可降低67.21%油耗和2.74%延误，为智能交通系统节能优化提供新方法。

　　

随着车联网（IoV）技术的快速发展，自动驾驶车辆（AVs）的生态驾驶成为智能交通系统的关键挑战。交叉口作为城市路网的瓶颈区域，频繁的启停和速度波动导致能源浪费与通行效率下降。尤其当自动驾驶编队（platoon）连续通过多个信号控制交叉口时，传统单交叉口速度策略（SIPSS）因忽略下游交叉口关联性，易引发编队急减速甚至停车。现有研究多聚焦单车或单交叉口场景，缺乏对编队多交叉口协同优化的系统性解决方案。

为解决这一难题，山东某研究团队在《Simulation Modelling Practice and Theory》发表研究，提出多交叉口生态速度规划策略。通过分析编队通过当前与下游交叉口的场景特征，设计恒定速度策略（CSS）和分段速度策略（SSS-Ⅰ/SSS-Ⅱ），建立通行时段容量计算模型，并基于青岛真实交叉口数据仿真验证。结果表明，新策略可显著降低速度波动，最高减少67.21%燃油消耗和2.74%延误时间。

关键技术方法包括：1）基于车联网的编队-基础设施协同通信框架；2）多交叉口通行时段与容量计算模型；3）生态速度动态规划算法；4）SUMO仿真平台构建六车道双交叉口场景（以青岛珠江路-嘉陵江东路为原型），对比CSS/SSS与SIPSS/NSS的性能差异。

研究结果

1. 场景分析
   将编队通过双交叉口的场景分为恒定速度、加速和减速三类，揭示下游交叉口信号相位与排队车辆对当前交叉口速度决策的约束机制。

2. 策略设计

• CSS：在通行时段充足时保持匀速通过双交叉口；
• SSS-Ⅰ/SSS-Ⅱ：通过分段调速匹配交叉口通行能力，避免编队解列。

1. 生态速度计算方法
   提出通行时段计算公式T_pass=L/v_eco+ΔT，结合交叉口饱和流量动态优化v_eco，确保编队整体通过性。

2. 仿真验证
   在SUMO中设置当前交叉口（珠江路-嘉陵江东路）与下游交叉口（长江东路-嘉陵江东路）场景，结果显示：

• CSS降低油耗52.3%，SSS-Ⅱ进一步优化至67.21%；
• 当前交叉口存在排队时，SSS-Ⅰ减少延误2.74%，显著优于SIPSS。

结论与意义
该研究首次将下游交叉口动态信息纳入编队速度规划，突破传统单交叉口策略的局限性。CSS与SSS通过协同优化编队速度曲线，实现“绿色波浪”效果，为智能网联汽车（ICV）生态驾驶提供可落地的技术路径。未来可扩展至混合交通流或恶劣天气等复杂场景，推动车路协同系统（V2X）的实际应用。研究获山东省自然科学基金（ZR2023MG008）支持，成果对智慧城市节能减排具有重要参考价值。