面向信号交叉口网联自动驾驶车辆的统一风险场模型：效率、安全与减排综合优化研究

《Sustainability》：A Static–Dynamic Driving Risk Field Model for CAV at Signalized Intersections: Enhancing Efficiency, Safety, and Decarbonization

　　

摘要

交叉路口是城市交通中的关键瓶颈，对交通事故、延误和排放的贡献远超其比例。本研究提出了一种面向信号交叉口网联与自动驾驶车辆（CAVs）的统一风险场模型，该模型在势能场框架下整合了静态环境因素（标线、信号配时与几何特征）和动态因素（移动车辆）。研究引入风险感知圆机制来模拟驾驶员的风险感知过程，同时降低计算复杂度。基于梯度的控制律将风险场转化为期望加速度，并在VISSIM-Python联合仿真平台中进行回写以评估其有效性。结果表明，平均行程时间减少6.8%，平均延误减少8.1%，交织区域缩短，加速度波动减小。此外，安全分析显示碰撞时间（TTC）方差降低27.8%，冲突后间隙（PET）均值增加22.6%，PET方差降低21.8%。NOx、HC、CO和CO₂的排放分别减少5.3%、5.5%、4.5%和3.3%。这些发现表明，所提出的模型同时提升了出行效率、交通安全和减排水平，为信号交叉口网联自动驾驶车辆的控制提供了定量化、可解释的工具，支持智能、可持续且具有韧性的交叉口管理。