高速公路紧急车道开启的动态时分复用控制方法 林宁 中 董宏昭 郑鹏军 王一冰 佘一妮

《Applied Sciences》：Dynamic Time-Division Multiplexing Control Method for Emergency Lane Opening on Freeways Linning Zhong, Hongzhao Dong, Pengjun Zheng, Yibing Wang and Yini She

　　摘要
为了解决高速公路紧急车道管理中静态策略（如频繁关闭或固定时间开放）难以适应动态交通需求的问题，本文提出了一种动态时分复用紧急车道（DTMEL）的控制方法。该方法基于社会车辆和紧急车辆交通状态的实时变化，设计了一种动态时间片划分策略，以实现道路使用权的动态分配，并确保紧急车辆的优先通行权。通过构建一个结合驾驶员决策行为和不同车辆比例的动态空间切片模型，为在社会车辆多样性条件下使用车道提供了定量设计依据。仿真实验结果表明，在不同的车辆比例下，DTMEL控制方法下的社会车辆平均速度比紧急车道频繁关闭策略高8.16–15.02%，比完全开放策略高2.15–3.29%。此外，与完全开放策略相比，DTMEL策略下的交通容量增加了约6.59–8.08%。所提出的方法减少了紧急车辆的延误率，验证了其在提高高速公路运行效率和确保紧急车辆优先权方面的可行性。

1. 引言
近年来，随着汽车拥有量和交通需求的快速增长，交通拥堵已成为限制城市和区域发展的突出问题。同时，频繁发生的紧急情况进一步加剧了道路网络的脆弱性，导致局部乃至大规模的交通容量急剧下降，以及拥堵常态化和应急情况的叠加，使得高速公路的空间资源日益稀缺[1]。因此，如何通过精细化和智能化的管理来提高高速公路紧急车道的利用效率已成为交通工程领域的研究热点。

1.1. 文献综述
长期以来，国内外学者致力于优化专用车道的管理策略以应对拥堵挑战。相关研究主要集中在两种类型的专用车道：公交专用车道和高速公路紧急车道。
在公交专用车道方面，研究从静态设置发展为动态控制。尽管传统公交专用车道的固定时间专用模式有效保证了公交运营效率，但在非高峰时段或公交流量稀少时也会造成道路资源闲置[2]，这可能加剧社会车道的拥堵。为了在“公交优先”和“整体效率”之间找到更好的平衡，学术界自20世纪90年代起逐渐关注动态和灵活的公交专用车道管理策略。最具代表性的成果是里斯本大学的Viegas和Lu于1996年提出的间歇性公交专用车道（IBL）概念[3]。其核心思想是利用动态信号或可变信息标志，在公交车接近路段时临时设置专用车道，并在公交车通过后立即恢复为社会车道，从而实现专用车道的动态共享。这一创新突破了“全天候专用”的模式，为提高车道时空利用率开辟了新途径。此后，Viegas等人通过一系列研究[4,5,6]系统完善了IBL的运行理论，深入讨论了公交车与社会车辆之间的协调规则以及路段和交叉口的信号控制策略，为动态公交专用车道奠定了理论基础。
随着车联网和协同运输系统的兴起，研究开始探索如何通过车对车通信和车路协同技术实现更准确、高效的动态车道管理。在车联网环境下提出了一种具有容量限制的公交专用车道控制策略，并进一步开发了无需车联网支持的相应入口控制策略[7]。为了确保公交交通的优先权并提高专用车道的整体利用率，Dong等人[8]在车联网环境下提出了动态清空公交专用车道（DCBL）方法。该方法通过构建随车辆状态动态调整的清空箱模型，并引入模糊控制理论来模拟驾驶员的车道变更决策，实现了公交专用车道的智能动态再利用。针对智能连接车辆和手动驾驶车辆混合环境中的公交专用车道动态利用问题，Pang等人[9]在确保公交交通优先权的前提下，提出了一种基于预测控制的连接车辆车道借用策略。实验表明，与传统车道借用禁止和清空距离控制方法相比，该策略可使人均延误分别减少60%和40%，平均车辆延误分别减少65%和32%，特别是在智能连接车辆渗透率达到30%至40%时效果尤为显著。现有研究通过构建周期性时空模型分析了混合使用公交快速公交车道的稳态性能，并提出了相应的序列优化方法和走廊路径分配模型。数值结果表明，混合使用车道方案可以在有效缓解常规车道拥堵的同时提高自动驾驶车辆的通行效率[10]。
近期研究重点关注智能交通环境下的动态公交专用车道控制和优化。基于道路分区的动态车道分配策略被开发出来，以实时调整车道可用性，同时确保公交优先权[11]。此外，还提出了基于移动闭塞区的动态控制方法，根据公交运营情况灵活调节可用道路空间，从而提高整体交通效率[12]。此外，还探索了连接车辆和自动化车辆的轨迹规划和节能驾驶策略，显示出在减少能耗和行驶时间方面的显著潜力[13]。
上述研究通常基于公交车的实时位置和交通流状态，允许社会车辆在特定时段通过动态信号或可变信息标志暂时共享公交专用车道，从而在确保公交优先权的同时提高车道的整体利用率。相关策略已在理论模型和仿真中得到验证，有效缓解了城市的频繁拥堵，其核心思想是实现公交专用车道的动态共享。
在高速公路紧急车道的开放方面，学者们在设置方法、规划布局和特殊车道效益评估方面取得了更多成果。Dutta等人[14]以弗吉尼亚州66号州际公路为例，研究了主动交通管理对交通安全和运营的影响。他们的有效策略分别将事故总数、多车事故和追尾事故减少了4%、6%和31%。提出了结合模型预测控制（MPC）-基于变速限速（VSL）和动态硬路肩运行（HSR）的集成方案，以延缓或缓解交通瓶颈[15]。此外，还开发了动态硬路肩运行（D-HSR）策略[16]，仿真结果表明其在减少非重复性交通事故方面有效。Li等人采用宏观单元传输模型[17]和线性规划及混合整数线性规划控制策略，显著提高了交通流畅性。现有研究使用多种交通性能指标[18]评估了硬路肩运行策略，包括交通流量、平均速度、速度方差以及事故条件下紧急救援车辆的行驶时间。通过结合匝道计量和干线信号优化，开发了综合交通管理方法[19]，以提高高速公路互通处的运营效率。此外，动态变速限速（DVSL）控制策略[20]已被证明可以缓解拥堵并提高交通效率，与无控制措施相比，总行驶时间减少了7.48%。此外，还提出了基于替代建模和遗传算法的优化方法，以确定在时空约束下的最佳紧急车道控制策略，旨在最小化总行驶时间和碰撞风险[21]。
Long等人[22]提出了紧急车辆借用逆向左转车道的协同优化模型，可以减少紧急车辆在交叉口的行驶时间。提出了基于物联网的交叉口紧急车辆优先权和自组织交通控制（EVP-STC）管理平台，以最小化紧急车辆的总延误、车道开放时间和等待时间[23]。此外，还开发了结合动态硬路肩运行和匝道关闭的交通管理策略，结果表明实施硬路肩开放策略可将车辆延误减少50–57%，同时燃油消耗和排放减少41–44%[24]。
为克服单一主动交通管理策略的局限性，提出了基于强化学习的变速限速和硬路肩运行的协同控制策略[25]。Khattak等人[26]使用贝叶斯混合逻辑模型量化了主动交通管理对事故伤害严重程度的影响。为解决动态开放硬路肩时实时适应性和紧急通道保障不足的问题，提出了结合LSTM-MADDPG和改进的A*算法的优化框架[27]。该框架通过LSTM支持MADDPG的智能决策，提取时间序列特征，并结合改进的A*算法为紧急车辆规划最佳清空路径。
近期研究表明，动态车道管理正从传统的基于规则的车道使用控制向更具适应性、数据驱动和混合交通导向的策略演变。Wang等人[28]证明动态车道分配可以有效提高道路资源利用率，同时也指出车道切换本身可能引入额外的运营干扰，需要在控制设计中明确考虑。针对双类连接车辆的多车道城市高速公路，进一步提出了动态最优车道管理策略[29]，表明交通需求、连接车辆渗透率和车道分配比例共同影响最佳车道配置。在新兴混合交通背景下，Guan等人[30]为传统车辆和半自动驾驶车辆的道路走廊开发了动态车道管理框架，强调了在异构交通组成下适应性车道使用决策的重要性。此外，关于紧急车道激活的最新研究也超越了单一阈值控制。Fei等人[31]提出了高速公路紧急车道激活的多目标动态优化框架，表明动态激活策略比传统方法更能平衡运营效率和安全。此外，最新综述工作表明，动态车道管理和其他容量共享方案正成为主动交通管理的重要方向，因为它们对交通流组织和网络动态有更广泛的影响[32]。然而，大多数现有研究主要关注一般车道分配、硬路肩运行或动态激活，从交通容量提升的角度进行探讨。相比之下，对于高速公路紧急车道开放问题的研究较少，其中必须协调车道资源的有效利用与紧急车辆的严格优先要求。
目前，高速公路紧急车道开放管理主要依赖于固定周期开放策略，即在交通需求高的预定时间段允许社会车辆使用紧急车道。该方法在一定程度上缓解了周期性拥堵，但本质上是一种粗糙的静态开放策略。其突出问题是缺乏灵活性，无法实时响应突发交通事件和紧急救援需求。当发生突发事件时，无法快速可靠地为紧急车辆清理通道；事件处理后，也难以高效组织紧急疏散，可能会加剧二次拥堵和安全风险。学者们更多关注研究何时开放紧急车道的优化策略，而关于紧急车道开放后的精细道路使用权分配的研究仍较为空白。

1.2. 贡献
总体而言，现有研究在提高专用车道利用率方面取得了显著进展，尤其是公交专用车道的动态控制策略研究更为深入。然而，当这些想法被应用到高速公路紧急车道的开启场景时，它们面临着一个挑战：紧急车道不仅需要高效利用，还必须确保紧急情况的优先权。目前，关于紧急车道开启后的动态控制研究仍然相对较少，特别是缺乏一种能够同时满足以下目标的系统方法：在正常交通条件下，它可以模仿公交车道的动态复用思想来提高车道利用率；在发生突发事件时，它可以快速可靠地确保紧急车辆的绝对优先权。因此，我们的论文重点关注高速公路紧急车道的时间-空间资源优化，并旨在借鉴公交车道动态复用的研究思想[33]，提出了一种用于开启紧急车道的动态时分复用控制方法（DTMEL）。本研究首先为紧急车道的分时复用建立了一个动态时间片划分机制，然后建立了一个结合驾驶员反应决策和汽车与卡车比例的空间片模型，最后整合构建了一个完整的紧急车道时分复用控制策略。所提出方法的整体方法论框架如图1所示。图1. DTMEL的整体方法论框架。我们论文的主要学术贡献可以总结如下：

1. 提出了一种高速公路紧急车道开启的动态控制框架。与传统的紧急车道管理策略（如常闭模式或固定时间开启模式）不同，所提出的DTMEL方法将动态时间片控制和动态空间片设计整合到一个统一的框架中。这为协调紧急车道开启期间的紧急车辆优先权和社会交通效率提供了解决方案。
2. 提出了一种用于自适应紧急车道复用的动态时间片划分策略。与现有的静态或基于规则的开启策略不同，所提出的策略根据社会车辆和紧急车辆的实时交通状态动态确定紧急车道的开启时间和持续时间。这使得紧急车道的使用权分配更加灵活，提高了紧急车道控制的操作灵活性，并确保了对紧急车辆需求的快速响应。
3. 建立了一个考虑驾驶员行为和异构交通组成的动态空间片模型。现有研究往往将社会车辆简化为同质交通流，而没有充分考虑到不同类型车辆在性能、变道行为和决策特性上的差异。为了克服这一限制，本研究将驾驶员决策行为和汽车与卡车比例的异质性纳入空间片设计中，从而为在不同交通组成下确定紧急车道开启长度提供了更加现实和可量化的基础。

2. 车辆通行权等级分类
在高速公路的交通环境中，交通流可以分为两类：紧急救援交通和社会交通。紧急救援交通主要包括执行紧急任务的救护车、消防车和警车等紧急车辆，而社会交通主要由连接式载人车辆（CMVs）组成，涵盖汽车和卡车等各种类型的车辆。为了明确不同类型车辆在紧急车道时分复用控制中的优先顺序，有必要将这些车辆分类为不同的通行权等级。如表1所示，在紧急车道管理中，紧急车辆在执行任务时享有最高的通行权，并且始终具有通过紧急车道的优先权；其次，社会车辆的通行权低于紧急车辆；人类驾驶的车辆（HV）和大型卡车不允许进入紧急车道。

3. 提出的方法
3.1. 紧急车道复用的动态时间片划分策略
3.1.1. 物理场景建模
为了描述时分复用的特点，定义了“时间片”和“空间片”两个术语：“时间片”指的是在紧急车道时分复用控制中，社会车辆被允许暂时使用紧急车道的时间间隔；“空间片”指的是沿着高速公路纵向划分的紧急车道复用控制区域。两者共同构成了时分复用的基本控制单元，实现了时空维度上的道路资源动态分配。图2展示了基于单个空间片划分的高速公路紧急车道时分复用段的物理场景。为了突出紧急车道时分复用的基本运行机制，本研究仅限于高速公路的连续路段，没有考虑匝道入口及其相邻区域在复杂交通干扰条件下的时分复用控制问题。

3.1.2. 社会车辆的逻辑判断模型
在划分紧急车道的时间片之前，需要确定所有类型的车辆在当前是否有权使用紧急车道。关键是比较当前通过车道的车辆到达空间片结束位置的行驶时间与即将到来的高优先级车辆（即紧急车辆）到达空间片结束位置的理想行驶时间。定义借用车辆的通行权优先级为P，即将到来的车辆（即紧急车辆）的通行权优先级为E。即将到来的车辆的位置决定了借用车辆是否可以在该空间区域内使用紧急车道。如果借用车辆能够在紧急车辆到达空间片结束位置之前通过该空间片，则允许借用车辆使用紧急车道；否则，禁止借用车辆使用。上述逻辑关系可以表示为：
(1) 其中 表示借用车道的假设成立，社会车辆在当前时间段内有权使用紧急车道； 表示借用车道的假设不成立，紧急车道仍为紧急车辆保留，社会车辆禁止进入。

3.1.3. 动态时间片划分策略
在建立社会车辆的逻辑判断模型之后，进一步提出了紧急车道复用的动态时间片划分策略。“动态时间片”指的是社会车辆在满足紧急车辆优先交通约束的情况下被允许进入和使用紧急车道的最大持续时间。其大小直接决定了紧急车道复用的安全性和效率。具体来说，动态时间片划分的过程主要包括以下步骤：
(1) 紧急车辆识别。在当前时间t，识别位于空间片上游区域且最接近空间片起始位置的紧急车辆，并获取其当前位置和运行状态信息。紧急车辆被视为一种关键车辆，它直接限制了当前空间片段内使用紧急车道的行为。(2)根据实时交通状况，预测并计算社会车辆和接近的紧急车辆到达该空间片段尾部的时间。将预测结果代入逻辑判断公式(1)，以确定社会车辆在当前时间内是否有权使用紧急车道。这一区分过程考虑了紧急车辆的接近程度以及社会车辆完成通行所需的时间，这是设置动态时间片段的先决条件。(3)动态时间片段计算。基于步骤(2)的结果，进一步确定社会车辆允许使用紧急车道的动态时间片段大小。计算规则如下：(5)其中t_s是社会车辆在当前时间允许使用紧急车道的时间片段。3.2. 建立整合驾驶员反应决策和汽车-卡车比例的空间片段模型 3.2.1. 影响空间片段长度的因素和约束在紧急车道的时分复用系统中，允许社会车辆行驶的空间片段长度直接对应于实际道路段中车辆检测系统(VMS)的间隔距离。空间片段的划分不是一个孤立的设计参数。其合理的值对系统效率、成本以及安全性有决定性影响，并且取决于紧急车道相邻道路段交通流中汽车和卡车的比例。不同比例模型的混合直接导致紧急车道时分复用系统运行效率的差异，因此需要提出一种适合的空间片段长度划分策略。如果空间片段太短，即VMS设置的间隔距离太短，将增加驾驶员在时分复用车道段的驾驶干扰。频繁的VMS信息指令会影响驾驶员的注意力，导致信息接收混乱，同时降低车道的可靠性和吸引力，这违背了开设紧急车道以提高该路段通行能力的初衷。此外，过于密集的VMS部署将大幅增加系统建设和维护成本，造成经济负担和资源浪费。另一方面，空间片段的长度也与动态时间片段的划分精度有关。如果空间片段太长，则车辆在时分复用路段内的行驶时间预测误差会增加，从而削弱动态时间片段划分的精度，甚至无法保证紧急车辆的优先权。3.2.2. 整合驾驶员反应和汽车-卡车比例的空间片段长度模型提出了一种空间片段构建方法，该方法结合了驾驶员的反应决策和汽车与卡车的比例，在考虑系统成本和精度的条件下找到合适的空间片段长度。在接收到VMS传输的信息后，驾驶员将根据对信息的理解做出相应的决策和行动。空间片段的长度应确保驾驶员有足够的反应时间，在下一个空间片段开始时对VMS的信息指令做出决策和行动。如图3所示，驾驶员在看到VMS信息后的反应决策过程可以分为两个阶段：反应阶段和行动阶段。单个空间片段长度的下限阈值是驾驶员对VMS信息的反应决策距离。图3. 驾驶员对VMS信息反应决策的示意图。影响驾驶员反应决策距离的主要因素包括车辆速度、道路表面类型以及驾驶员的个人特性。基于上述影响因素，建立了驾驶员反应决策距离模型。驾驶员的反应阶段可以分为驾驶员的识别距离和决策距离计算，如下所示：(6)(7)其中d_r是驾驶员的识别距离，d_d是决策距离；v是驾驶员识别到VMS时的车速；t_r是驾驶员看到VMS后的处理分析时间，t_d是判断时间。通常，t_r为2.5秒，t_d为1秒[36]。驾驶员的行动阶段包括在看到VMS后决定变道前的减速距离和车辆变道距离。车辆的减速距离受道路表面类型的影响，公式如下：(8)其中d_dec是车辆变道前的减速距离；v_d是驾驶员识别到VMS时的车速；v_act是驾驶员开始行动时的车速，对于指令类型的VMS，通常在没有拥堵的情况下取该值；μ是高速公路的摩擦系数；θ是道路的纵坡，通常取3%；μ_c是道路的附着力系数。在参数选择方面，高速公路大多采用沥青混凝土路面。根据《公路沥青路面设计规范》(JTGD50-2017 [37])，如表2所示，沥青路面的滚动阻力系数通常在0.01到0.02之间。表2. 路面滚动阻力系数参考值。随着车辆性能的提高，轮胎与沥青路面之间的附着力系数在干燥和潮湿条件下变化不大。参考国家道路标准规范[38]，如表3所示，通常取该值。表3. 路面摩擦系数参考值。车辆的变道距离受道路宽度的影响。变道示意图如图4所示，其公式表达如下：(9)其中d_chan是车辆从当前车道到目标车道的纵向距离；δ_l是变道的横向距离；α_max是横向加速度变化率的最大值，通常考虑人体承载能力；θ是道路的纵坡，通常取3%；μ_c是道路的附着力系数。因此，驾驶员对VMS信息反应决策距离的建模公式表示如下：(10)其中d_min是驾驶员对VMS信息的最小反应决策距离，即紧急车道开放空间的最小长度阈值。在驾驶员反应决策距离模型的基础上，还应进一步考虑紧急车道相邻车道中汽车和卡车比例对开放空间段长度的实际影响。由于两种类型车辆的制动性能和驾驶员反应行为存在显著差异，单一决策距离模型不能直接应用于混合交通流场景。因此，我们将驾驶员反应决策距离与汽车-卡车比例结合起来，提出了一个适用于不同汽车-卡车比例的动态空间段综合计算模型，如下公式所示：(11)其中c_车和c_卡分别是紧急车道相邻车道中汽车和卡车的比例，空间片段的长度根据车辆速度通过系数k_c和k_tr动态调整。融合模型的核心思想是根据车辆比例加权每辆车所需的最小空间长度，并引入速度影响系数来反映不同车辆速度对间距的动态需求，最终获得适用于给定汽油-货物比例条件的最小开放空间长度。车辆速度越高，对安全间距的需求越大，尤其是对于卡车而言，其速度对间距的影响更为敏感。融合模型不仅继承了驾驶员行为决策的理论基础，还整合了实际交通构成的动态影响，从而为不同汽车-卡车比例下的紧急车道空间片段的开放长度提供了可量化的设计依据。3.3. 紧急车道时分复用的动态控制策略 3.3.1. 控制逻辑在完成动态时间片段划分和整合车辆及卡车比例的空间片段长度建模后，需要将紧急车道时分复用方法进一步转化为可执行的控制策略。本研究以高优先级车辆（即紧急车辆）的实时位置信息为核心触发条件，构建了一个紧急车道时分复用的动态控制机制，以实现紧急优先权和高效资源利用之间的平衡。以单个空间片段的优先权控制为例，如图5所示。图5. 紧急车道时分复用的动态控制策略示意图。设vPri为当前时间接近的高优先级车辆与空间片段起点之间的直线距离，并将空间片段的上游方向定义为正值。为了确保紧急车辆的优先权，引入了一个接近半径r，默认值，表示紧急优先控制机制应在该距离范围内激活。当满足以下条件时：(12)并且此时紧急车辆到达空间片段末端的理想时间也满足：(13)这表明紧急车辆已进入接近范围，空间片段内社会车辆的可用时间为t_s。此时，紧急车道恢复为专用状态，优先级为P的社会车辆被禁止行驶。当接近范围内没有紧急车辆时，即：(14)这表明在当前时间条件下，借用车道的片段时间t_s为t，默认情况下，空间片段内的紧急车道可以向社会车辆开放。接近范围r可以通过临界条件确定：(15)推导出相应的t_s值。该值本质上反映了系统确保紧急优先权所需的最小安全警告距离。此外，当t_s>t_avg时，表示紧急车辆已通过空间片段并进入时分复用控制区域。此时也禁止社会车辆使用紧急车道。上述控制逻辑可以总结如下：(16)为了提高系统效率并减少计算负担，进一步引入了一个搜索半径r_search。r_search表示系统监控上游紧急车辆的最大范围，只有当紧急车辆在该范围内时，时分复用控制逻辑才会被触发。如果t_s>t_avg，则表示紧急车辆距离当前空间片段较远，无需激活时分复用控制。紧急车道可以默认向社会车辆开放，从而减少频繁系统切换带来的控制复杂性。3.3.2. 动态控制过程基于上述逻辑决策模型、动态时间片段划分方法和空间片段长度模型，紧急车道时分复用的动态控制过程可以总结如下图6所示。该过程从车辆-基础设施协作环境中实时收集交通信息开始，通过逐步的状态识别和控制判断动态更新紧急车道的开启或关闭状态。图6. 紧急车道时分复用的动态控制流程图。在此过程中，紧急车道以空间片段的形式进行管理，而不是作为一个完全均匀的控制段。因此，如果在某个空间片段内检测到故障或停驶的车辆，相应的控制单元可以通过VMS指令和车辆-基础设施通信立即阻止其他社会车辆进入该片段。与此同时，如果检测到有紧急车辆接近受影响区域，已经在该空间区域内行驶的社会车辆将收到通信警告，并被引导尽快驶出紧急车道。通过这种方式，所提出的DTMEL控制逻辑可以在保持紧急车辆优先权的同时，动态响应紧急车道中的障碍情况，并维持车道使用管理的整体灵活性。需要注意的是，所提出的动态控制过程主要是为连接车辆环境开发的，在这种环境中可以获取和传输实时的车辆状态信息，以支持时间切片和空间切片控制的协调实施。因此，当前框架假设相关的交通参与者可以被有效识别，并且在控制过程中可以获得车辆交互信息。对于更复杂的交通场景，例如涉及不同自动化水平的混合交通、更强的行为异质性和更不确定的驾驶员反应，所提出方法的适用性可能会受到影响，需要进一步研究。

4. 结果与讨论
4.1. 仿真实验设置
为了评估所提出的DTMEL控制方法下的交通性能，构建了一个基于元胞自动机（CA）的双车道仿真模型进行对比分析。仿真使用Matlab R2021b实现。考虑的控制策略包括：（1）所提出的DTMEL方法；（2）完全开放紧急车道（FOEL）策略，在正常交通条件下紧急车道持续对社会车辆开放；以及（3）封闭紧急车道（CEL）策略，紧急车道专门为紧急车辆保留，社会车辆禁止进入。这里使用FOEL作为对比策略，代表向社会车辆开放紧急车道的操作逻辑，可以视为固定周期开放管理的理想化形式。相比之下，CEL通过保持车道专用性来强调紧急车辆的优先权。因此，这两种策略作为基准策略，用于与所提出的DTMEL方法进行比较。仿真使用经典的NaSch模型来描述车辆跟随行为，车辆变道决策基于对称双车道元胞自动机（STCA）规则实现。仿真道路是一条单向双车道（包括一个常规车道和一个紧急车道）。模型将车道离散为400个单元格，每个单元格长3.75米，时间步长为1秒，关键仿真参数如表4所示。为了消除仿真的初始阶段的瞬态效应并确保数据采集的稳定性，总仿真时间设置为3600步，其中前1800步为热身阶段，随后的1800步用于性能分析。

4.2. 不同控制方法下的交通运行效果评估
4.2.1. 社会车辆平均速度的比较分析
为了研究不同车辆类型对紧急车道运行效率的影响，比较了三种控制方法下的交通平均速度与社会车辆交通流量的变化，这些变化是在四种不同车辆比例下的情况。结果如图8所示。随着社会车辆流入量的增加，CEL策略下的交通平均速度受到的影响最为显著。由于其策略仅在单个常规车道上为社会车辆开放通行，因此当流入量约为1120辆/小时时，其容量瓶颈首次出现。与CEL策略相比，FOEL策略通过完全开放紧急车道提高了交通容量的上限。从图8可以看出，在不同车辆比例下，平均车辆速度保持较高水平的流量范围大于CEL策略。然而，随着输入交通量继续增加，接近道路的饱和容量，CEL和FOEL策略下的平均速度都急剧下降，最终降至20公里/小时以下，交通流量迅速恶化为拥堵状态。与CEL和FOEL策略相比，DTMEL策略表现出最佳和最稳健的性能，峰值交通流量向右移动。特别是在某些车辆比例下，该方法保持了社会车辆的最佳平均速度水平。在低流量和中等流量阶段，输入流量的平均速度曲线与FOEL策略非常相似，且道路饱和流量相比其他两种策略增加了475-880辆/小时。随着交通量的进一步增加，DTMEL策略采用了动态开放控制机制，其车辆速度下降趋势比FOEL策略更为平缓。在高交通环境中，DTMEL策略在不同车辆比例下的道路段上保持了大约40-45公里/小时的平均速度。与CEL策略相比，DTMEL策略下的社会车辆平均速度提高了8.16%至15.02%；与FOEL策略相比，DTMEL策略提高了社会车辆平均速度2.15%至3.29%。

为了进一步定量比较不同控制策略在不同交通组成条件下的适用范围，统计分析了每种控制方法在不同车辆和卡车比例下能够保持稳定运行状态的输入交通流量区间，结果总结在表5中。表5显示了不同车辆-卡车比例下各种控制方法的适用流量范围。平均速度保持在60公里/小时或以上的流量范围被认为是道路处于稳定运行状态的适用范围。从表5的结果可以看出，在各种交通组成条件下，CEL策略的适用流量范围最小。相比之下，FOEL策略的适用交通范围显著扩大。DTMEL策略在不同车辆-卡车比例下表现出更大的适用流量范围，其稳定的运行流量限制总体上向右移动，表明该策略能在更高的交通需求条件下保持相对稳定的运行状态。

4.2.2. 交通容量的比较分析
社会车辆的交通容量是衡量控制方法有效性的关键指标。图9显示了在不同车辆-卡车比例下输入交通流量下的比较结果。对于CEL策略，随着输入流量的增加，社会交通流量的线性增长阶段非常短，在输入流量低于1500辆/小时时达到饱和。在三种方法中，CEL策略的饱和流量值最低。FOEL和DTMEL策略的容量曲线显示了双车道开放的优势。与CEL相比，这两种控制方法在1120-2500辆/小时的输入流量范围内，社会交通流量几乎呈线性增长，饱和流量值显著高于CEL。然而，FOEL和DTMEL策略的饱和点也受到交通组成的影响。卡车比例越高，达到饱和的阈值越低，饱和流量值也越小。DTMEL策略的交通容量曲线结合了高容量和稳定性。在达到饱和点之前，其曲线基本上与FOEL策略重叠，证明其动态重用机制在大多数情况下能够充分释放车道潜力。在接近并超过传统饱和点后，DTMEL控制策略通过动态管理有效延迟或缓解了交通容量的下降，使得在高需求条件下的社会交通流量下降趋势明显放缓。表6显示了在不同车辆和卡车比例下三种控制方法的峰值社会交通流量。表中的峰值交通流量指的是仿真过程中的最大交通流量，可以视为控制策略下的交通容量。与FOEL策略相比，DTMEL策略下的交通容量增加了大约6.59%至8.08%。应当注意的是，DTMEL策略相对于FOEL策略的容量提升主要归功于动态时间切片划分机制和动态空间切片长度模型的协调效应。前者实现了紧急车道使用的自适应时间分配，而后者在不同交通组成下确定了更合适的空间开放长度，从而共同提高了高需求条件下的交通容量。

4.2.3. 交通密度的比较分析
交通密度直接反映了道路上的拥堵程度。图10显示，CEL策略的密度曲线急剧上升，表明随着输入交通量的小幅增加，道路段迅速进入中等到高密度拥堵状态。FOEL和DTMEL策略的密度曲线在达到临界密度之前相对平滑上升，它们进入临界密度的流量阈值明显晚于CEL策略。超过临界阈值后，FOEL策略的交通密度曲线继续迅速上升，最终形成中等到高密度、低速的拥堵区域。DTMEL策略的密度变化曲线最为理想。在低到中等流量范围内，其密度与FOEL策略相当，表明车道资源得到了有效利用。在临界高流量区间，DTMEL策略的密度增长得到有效抑制，其曲线低于FOEL策略，交通密度稳定在20-40 pcu/km左右。这表明，通过动态控制紧急车道的使用，DTMEL策略有效地避免了道路路段上车辆过度聚集，将交通流密度维持在一个更有效的范围内，从而减轻了拥堵的严重程度。同时，这一特性在不同的车辆-卡车比例下保持稳定。由于DTMEL控制方法能够更好地协调由车辆性能差异引起的交通干扰，因此在卡车比例较高的情况下，其控制效果更为显著。4.2.4 紧急车辆延误率的比较分析在评估紧急车道的动态控制策略以确保紧急车辆的通行能力时，紧急车辆的延误率是最直接的衡量指标。与前述的交通运行指标不同，紧急车辆的延误主要受整体交通需求水平的影响，而交通构成的比例对其影响相对较小。因此，本节不再细分不同车辆-卡车比例的条件，而是比较三种控制方法下紧急车辆延误率的变化，以更直观地反映不同控制方法在确保紧急车辆优先通行方面的能力差异。结果如图11所示。图11. 紧急车辆延误率的变化。从图中可以看出，三种控制策略在确保紧急车辆通行能力方面存在显著差异。在CEL策略控制下，由于紧急车道的专用性质，紧急车辆的延误率保持在0%。相比之下，FOEL策略允许社会车辆进入紧急车道，在交通需求较低时，紧急车辆的延误率也保持在较低水平。然而，随着进入模拟道路路段的社会车辆流量增加，紧急车辆需要更频繁地减速或在混合交通流中等待让行，因此紧急车辆的延误率呈现出显著的非线性上升趋势，在严重拥堵的情况下可能会超过80%。DTMEL策略动态控制社会车辆进入紧急车道，同时确保紧急车辆的优先通行。在低流量阶段，紧急车道的开放程度较高，其运行状态更接近FOEL策略，因此延误率相对较低。随着交通流量的逐渐增加，控制策略将优先确保紧急车辆的通行，从而有效减少社会车辆对紧急车辆的干扰。结果显示，在3120–4000辆/小时的高交通流量条件下，DTMEL策略可以将紧急车辆的延误率控制在约25%，显著低于FOEL策略，表明该方法在平衡道路利用效率和紧急交通支持方面具有更好的综合性能。4.3 进一步讨论本研究的结果与近期关于动态车道管理和基于V2X的主动交通控制的发现基本一致。最近的研究[40]表明，由联网和自动化车辆技术支持的适应性车道管理可以改善交通运行、安全性和效率，相对于传统的基于基础设施的控制方法。在这种情况下，所提出的DTMEL方法可能具有应用于现实世界高速公路紧急车道管理的潜力，特别是在可以通过V2X基础交通管理系统获取和传输车辆状态信息、优先级识别和控制指令的联网车辆环境中。此外，最近的FHWA和USDOT报告[41,42]指出，用于现实世界联网车辆应用的V2X部署平台和实施资源正在逐步建立，这可能为所提出方法的未来现场验证和应用提供实际支持。5. 结论本文提出了一种紧急车道时分复用（DTMEL）的动态控制策略，以解决高速公路紧急车道利用率低和常规车道拥堵的问题。本研究通过动态划分开放时间片并将不同比例的汽车和卡车整合到空间片中，实现了对紧急车道交通资源的更准确表征。通过仿真进一步验证了所提出控制方法的有效性。主要结论如下：本研究突破了紧急车道“通常关闭”或固定周期开放的传统静态管理模式，同时也解决了单一主动交通管理策略（如可变速度限制或硬路肩行驶）的局限性，这些策略通常仅依赖于一种控制措施或一维调节。尽管这些策略在一定程度上可以改善交通运行，但它们通常不足以同时满足高速公路紧急车道开放场景中的交通效率、紧急车辆优先权和异构交通条件。为了克服上述局限性，我们的研究创新性地设计了一种紧急车道时分复用的时间片动态划分方法，进一步将驾驶员响应决策与车辆-卡车比例的空间片建模相结合。这两种方法的协同控制构成了DTMEL策略的核心，它能够根据社会车辆的情况自适应调整紧急车道的开放时间和持续时间，从而为高速公路紧急车道管理提供更加灵活和系统的解决方案。仿真结果表明，与CEL和FOEL策略相比，DTMEL策略在各种不同车辆-卡车比例的高速公路交通环境中具有更优的综合性能。在中等和低交通流量下，社会车辆的平均速度和通行能力接近甚至优于FOEL策略。在中等和高交通流量及拥堵条件下，DTMEL策略通过动态调整紧急车道的开放时间，能够保持较高的通行能力，平均速度也高于FOEL策略。DTMEL策略实现了在不损害紧急车道核心功能的前提下，最大化社会交通整体效率的设计目标。本研究的局限性和未来研究方向总结如下：目前的研究主要集中在联网车辆环境中提出的DTMEL方法的机制设计和仿真验证上。更真实的运行场景，特别是涉及自动化和人工驾驶车辆的混合交通条件下的紧急车道开放，并非本研究的主要关注点。此类场景涉及更复杂的交互、异构驾驶行为和实际实施的不确定性。未来的研究将进一步探讨所提出策略在混合交通条件下的适用性和控制性能，以便逐步将其扩展到现实世界的高速公路紧急车道管理中。尽管所提出的动态空间片模型考虑了驾驶员响应行为和车辆类型之间的差异，但它尚未纳入更复杂环境因素（如恶劣天气条件或联网车辆的渗透率）的影响。这些因素可能会影响车辆交互、车道变换行为和紧急车道开放的操作效果。在未来的工作中，这些影响因素将进一步整合到建模框架中，以提高所提出策略的现实性和适应性。目前的研究主要依赖于微观仿真，并关注双车道高速公路段，这在表示大规模和更复杂的高速公路系统方面仍存在局限性。特别是，尚未充分考虑多个入口、多个瓶颈和路段间交互的影响。未来的研究将把DTMEL策略从道路段层面扩展到高速公路网络层面，重点是在更复杂的交通场景下进行协同控制和通行权分配优化。