一种新型集成式信号约束最优速度方法用于网联车辆环境下的混合交通流

《Electronics》：A New Integrated Signal-Constrained Optimal Velocity Method for Mixed-Traffic Flow in a Connected-Vehicle Environment

　　

在信号化的城市道路网络中，周期性信号相位切换是影响交通流稳定性和运行效率的关键因素。随着网联自动驾驶车辆（CAV）技术的快速发展，利用其增强的感知、通信和协同控制能力已成为一个重要研究课题。为了表征由信号相位切换引起的加速、减速、排队和消散扰动，研究人员提出了一种信号约束最优速度模型（SC-OVM）。通过引入连续信号决策函数，该模型将交通信号状态与前车跟随和停车线跟踪动态耦合在一个统一的最优速度框架内。此外，线性稳定性分析、边界临界条件分析和扰动概率建模被整合以揭示由突发信号相位切换引起的不稳定性机制，并扩展到随机预测误差和自适应信号相位配时（SPaT）输入。数值模拟表明，与全速度差模型（FVDM）、虚拟前车模型（VLV）和智能驾驶员模型（IDM）相比，SC-OVM控制的CAV能够平滑车辆轨迹、减少平均延误、提高绿灯末期通过性能，并在效率、稳定性和安全性方面实现平衡表现。这些发现为信号交叉口混合交通流的稳定性建模和协同控制提供了理论支持和实践见解。

在信号化城市道路网络中，周期性信号相位切换是影响交通流稳定性和运行效率的关键因素。网联自动驾驶车辆（CAV）技术的快速发展提供了利用其增强感知、通信和协同控制能力来改善信号交叉口运行效率的机遇。然而，现有研究存在不足：经典最优速度模型（OVM）和全速度差模型（FVDM）未显式嵌入信号状态；信号感知模型常采用分段规则，导致信号切换边界动力学表征不足；基于模型预测控制（MPC）的方法难以获得解析稳定性边界。为此，研究人员开展了本研究，提出了一种信号约束最优速度模型（SC-OVM），通过连续信号决策函数统一前车跟随和停车线跟踪，并发展多级稳定性分析框架。数值模拟验证了模型在效率、稳定性和安全性方面的优势。论文发表在《Electronics》。

研究人员为开展研究主要用到以下关键技术方法：1）构建信号决策函数Z(t)，通过Sigmoid型函数将信号状态转化为连续决策权重，动态耦合前车跟随和停车线跟踪；2）发展多级稳定性分析框架，包括确定性线性稳定性分析（推导稳态绿/红灯条件下的稳定性条件）、近似稳定性分析（通过平滑函数刻画信号切换边界行为）、随机稳定性分析（引入预测误差，将确定性阈值转化为概率阈值）以及自适应SPaT扩展（将更新后的信号配时参数纳入局部稳定性分析）；3）数值仿真采用单车道双信号交叉口场景（总长1400 m，两个交叉口分别位于600 m和1200 m，固定配时Ts=80 s，绿信比Sp=0.4，相位差15 s），蒙特卡洛方法（50次重复，600 s仿真）评估不同CAV渗透率和预测误差下的性能，并与FVDM、VLV模型和智能驾驶员模型（IDM）对比。

研究结果如下：

**4.1 敏感性分析**
通过分析平滑强度ε和跟车权重比β对临界灵敏度a_c的影响，发现：信号相位切换会引发时变稳定性边界，a_c在绿转红过渡期低频扰动范围内出现峰值，在红转绿过渡期初期排队释放阶段较高；增大ε可平滑a_c在切换瞬间的突变，为车辆提供更宽的时间缓冲；增大β显著降低a_c整体水平，压缩高a_c区域，有效抑制中低频扰动放大，有利于信号相位切换附近的弦稳定车队运行。

**4.2 数值模拟**
在协调双交叉口主干道场景中，设置0%～80%不同CAV渗透率，CAV由SC-OVM控制，人类驾驶车辆（HV）采用三种驾驶风格（保守、正常、激进）的异构参数。模拟结果包括：
- 随着CAV渗透率增加，车辆轨迹整体平滑，不必要停车减少，排队长度缩短，绿灯利用率提高。平均延误在两个交叉口均持续下降，当渗透率超过50%时改善更为显著。绿灯末期通过率方面，上游交叉口1从10%提升至11.8%（50%渗透率时），下游交叉口2从2%提升至7.2%（80%渗透率时）。
- 与FVDM、VLV模型和IDM的基准对比显示：SC-OVM在延误、绿灯末期通过率、加速度波动和急刹车频率方面实现更均衡性能。SC-OVM的加速度波动为2.301±0.008 m/s²，低于FVDM和VLV模型；急刹车频率为5.492±0.243次/车，相比FVDM、VLV模型和IDM分别降低约46.1%、49.9%和39.5%。IDM虽然加速度波动最低，但下游延误显著增大。
- 鲁棒性分析表明，上游交叉口1的绿灯末期通过率对预测误差不敏感，不同误差水平下基本保持稳定；下游交叉口2在高CAV渗透率下受预测误差影响较大，但性能退化有限。例如，在p=0.8场景下，当预测误差标准差从1.0 s降至0.0 s时，性能退化从1.03个百分点逐渐降至0。

**总结讨论部分**：
本研究提出了一种用于信号交叉口混合交通流的信号约束最优速度模型（SC-OVM）。通过将连续信号决策权重嵌入最优速度函数，该模型统一了前车跟随和停车线跟踪，能够连续描述绿灯通行、红灯停止和相位切换条件下的车辆响应。研究发展了一个多级稳定性分析框架。确定性分析表明，SC-OVM在绿灯条件下可恢复经典跟车稳定性，在红灯条件下描述对停车线的固定目标收敛。近似和随机分析进一步刻画了信号相位切换边界以及预测误差和有效时间误差下稳定性边界的变化。自适应SPaT扩展表明，更新后的信号配时输入可通过相位切换率纳入局部稳定性框架，使SC-OVM可作为自适应信号控制下的稳定性感知车辆响应模块。在协调双交叉口主干道场景中的数值模拟验证了模型的有效性。提高SC-OVM控制CAV的渗透率可减少平均延误、平滑车辆轨迹并提高绿灯末期通过性能。与FVDM、VLV模型和IDM的基准对比显示，SC-OVM在效率、稳定性和安全性方面实现了更均衡的性能，特别是降低了加速度波动和急刹车频率。本研究也存在若干局限性：当前研究聚焦单车道场景，未显式考虑换道行为或多车道交互；通信延迟和丢包通过等效时间误差表示，尚需开发完整的延迟-微分稳定性分析；自适应SPaT扩展验证了与更新信号配时输入的局部兼容性，但车辆轨迹与自适应信号配时的完整联合优化留待未来研究。未来工作将进一步考虑多车道交通、实际通信不确定性、缓解预测误差增大导致性能退化的补偿策略、自适应信号优化以及天气依赖的参数标定。总体而言，SC-OVM将经典跟车理论扩展到信号约束混合交通条件，为信号交叉口的稳定性分析和CAV协同控制提供了一个可解释的建模框架。