考虑逆冲击波传播的混合交通流下网联自动驾驶车辆在连续信号交叉口的基于弹簧的层次化节能驾驶控制

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Spring-based hierarchical eco-driving control for connected automated vehicles at consecutive signalized intersections in mixed traffic considering backward shockwave propagation

　　

本文研究内容：
- 开发一种基于弹簧模型的层级式生态驾驶控制方法，用于混合交通环境下连续信号交叉口处的网联自动驾驶车辆（CAVs）
- 利用显式解析能量最优轨迹，构建长时程终端状态优化模型
- 引入机会约束以处理下游信号相位与配时（SPaT）信息及人类驾驶车辆（HV）随机起步损失时间的不确定性
- 设计一种空间域模型预测控制（MPC），采用基于弹簧的后向压力指标来缓解后向冲击波的传播
- 在三个连续信号交叉口走廊和实际城市路网上验证该方法在减少能耗和提高通行能力方面的效果

引言

信号交叉口是城市路网的瓶颈，被广泛认为是能源浪费、排放产生和出行延误的主要来源。频繁的信号灯切换迫使车辆反复减速、怠速和加速，增加了大量能耗，并可能在上游进口道产生走走停停的交通波动（Yao等，2018）。为缓解这种低效现象，"生态驾驶"作为一种有前景的策略应运而生，并受到研究人员和政策制定者越来越多的关注（Ding等，2024b；Fan等，2024；Jayawardana等，2024）。生态驾驶的核心思想是调整车辆的加速和巡航行为，使车辆能够在绿灯期间通过交叉口而无需不必要的停车，从而减少怠速时间并平滑速度轨迹（Guo等，2021；Zhao等，2018）。早期的生态驾驶策略主要依赖于车载引导或驾驶员提示系统，根据信号相位与配时（SPaT）信息向人类驾驶员提供推荐速度（Jiang等，2022；Li等，2024a）。然而，这些系统的效果受到驾驶员遵从度和反应时间损失的制约。随着网联自动驾驶车辆（CAVs）的出现，通过精确的轨迹控制和与基础设施的实时通信，为突破上述局限提供了新的机遇（Hu等，2024；Zhao和Zhang，2021；Li等，2024c）。CAVs可以通过车路通信（V2I）获取SPaT信息，并在接近交叉口时执行生态驾驶策略，以最小化不必要的停车并平滑速度轨迹（Shi等，2023）。

生态驾驶策略通常使CAVs提前减速、以低速巡航，然后再加速以顺利通过信号交叉口而不在红灯前停车（Ding等，2024a；Ding等，2024b；Feng等，2018；Yang等，2024）。在交通需求较低时，这种由生态驾驶策略引起的提前减速可能是可接受的甚至是有益的，因为它可以鼓励后续车辆采取类似的生态驾驶行为，从而帮助车队在不停车的情况下通过交叉口，如图1(b)和1(c)所示。然而，在中等或高交通需求下，低速CAVs可能成为移动瓶颈，甚至产生向上传播的后向冲击波，占用路段储存空间并阻止来自上游交叉口的车辆进入路段，如图1(b)所示。这种网络层面的扰动难以仅通过交通信号进行调节，因为它源于微观车辆动力学。与人类驾驶员不同，人类驾驶员通常会在社会压力（如后续车辆按喇叭）的影响下加速以恢复车流，而执行生态驾驶策略的CAVs缺乏这些社会反馈机制。因此，它们可能持续保持低速，从而加剧上游拥堵。

此外，现有的生态驾驶策略——无论是针对孤立交叉口还是连续交叉口——通常将到达当前交叉口的时间（即终端时间）设定为最小可行值，同时将到达速度（终端速度）视为固定常数或无约束变量（Guo等，2021；Mintsis等，2020；Zhao等，2018）。这样的设定可能导致不切实际或次优的终端状态（终端时间和终端速度）。例如，左转或右转的终端速度应低于直行的终端速度，但固定终端速度会忽略这种操作差异。相反，将终端速度设为无约束可能产生过低甚至接近零的终端速度，这不仅降低了交叉口通行能力，还破坏了下一个交叉口处轨迹规划的连续性。此外，一辆车在一个交叉口的终端状态直接作为下游下一个交叉口的初始状态，形成固有的时空连续性。然而，大多数现有方法在不明确考虑这种耦合的情况下局部确定这些状态（Hu等，2024；Lei等，2025）。从走廊级或网络级角度来看，这种短视优化未能考虑下游条件，可能导致车辆在连续信号交叉口反复减速和再加速，造成频繁的速度波动和跨交叉口的非平滑轨迹。

为了解决上述问题，本文开发了一种基于弹簧模型的层级式生态驾驶控制方法，用于混合交通环境下连续信号交叉口处的CAVs。该方法将上层长时程轨迹规划与下层实时控制相结合，明确考虑后向冲击波的传播。

在上层，我们建立了一个长时程生态驾驶轨迹优化问题，确定CAVs在每个交叉口的期望终端时间和终端速度。通过在车辆动力学和边界条件下解析求解庞特里亚金极小值原理（PMP），推导显式的能量最优轨迹，并将其嵌入混合整数非线性规划（MINLP）模型中，联合优化能耗和出行时间。下游SPaT信息和HV起步损失时间的不确定性通过由可调风险系数α∈[0,1]控制的机会约束纳入每个交叉口的可行通行时间窗口中，使每个CAV能够根据预测的可靠性调整其激进程度。特别是，考虑了排队HV的位置相关起步损失时间，其中第一辆车通常具有最大的起步损失时间，后续车辆的响应速度逐渐加快。设计了一种专门的顺序求解算法，以获得CAVs在连续信号交叉口上的路径级可行且能量高效的终端状态。

在下层，一种空间域模型预测控制（MPC）将上层计划转化为可执行的控制输入，并优化接近当前交叉口的加速度配置。在每个步骤中，控制器跟踪计划的终端时间和速度，同时严格执行车辆动力学、运动学边界、追尾安全约束和信号合规性。为了在能效和缓解后向冲击波传播之间取得平衡，目标函数纳入了基于弹簧的后向压力指标。概念上，弹簧模型模拟了上游的有效储存容量；其压缩量量化了CAV后方混合车辆队列占据的这部分储存容量。当队列尾部接近上游边界——表明明显的冲击波——时，弹簧被建模为高度压缩，表示强烈的后向压力。在这种情况下，生态驾驶权重被降低，优先级从节能转向果断通行，以缓解上游压力并防止溢流。相反，当弹簧处于松弛状态（表示轻载和弱冲击波效应）时，控制器恢复常规生态驾驶模式，优先保证平滑且节能的轨迹。

简而言之，在本文提出的层级式生态驾驶框架中，上层利用下游SPaT信息为每个受控CAV优化连续交叉口上的路径级终端状态。当前交叉口处计划的终端状态随后作为参考输入传递给下层。下层计算实时控制输入，使CAVs跟踪当前交叉口的计划终端状态，同时严格保证安全。基于这一层级结构，本文做出了以下三个主要贡献：

- 设计了一种新的空间域MPC，纳入基于弹簧的后向压力指标，以有效跟踪计划终端状态，同时明确缓解由生态驾驶引起的后向冲击波传播。当虚拟弹簧压缩——表明冲击波正在向上游传播并减少可用空间——时，控制器自适应地将优先级从节能转向队列消散和溢流预防。相反，当弹簧松弛时，控制器恢复常规的生态驾驶操作，强调平滑、节能的轨迹。这种机制使CAV能够动态响应不断出现的后向压力，同时保持轨迹平滑性。

- 开发了一种长时程规划模型，优化CAVs在连续信号交叉口上的终端状态。该方法明确地整体确定和执行终端状态约束，而非将每个交叉口独立对待并使用固定或无约束的目标。此外，引入了一种由风险系数α∈[0,1]控制的机会约束公式，使模型能够系统地考虑下游SPaT信息的不确定性，以及HV的位置相关随机起步损失时间。

- 在三个连续信号交叉口组成的信号走廊和混合交通环境下的实际城市路网上对拟议方法进行了评估。与通过信号配时来优化网络性能的传统策略不同，本研究证明了调节微观车辆行为可以为网络级优化提供一种潜在的替代机制。结果表明，所提出的微观级生态驾驶控制成功地减少了能耗，同时提高了整体网络通行能力和稳定性。

本文其余部分组织如下：第2节简要综述与本文相关的研究。第3节描述本文研究的问题。第4节提出上层规划，基于显式能量最优解和针对下游SPaT信息及HV起步损失时间不确定性的机会约束公式，建立长时程生态驾驶轨迹优化。第5节设计下层控制，引入一种基于弹簧后向压力指标的空间域MPC，明确考虑由生态驾驶引起的后向冲击波传播。第6节报告数值仿真结果、参数分析和不同交通场景下的性能评估。最后，第7节总结全文并展望未来的研究方向。

文献综述

在过去十年中，CAVs在信号交叉口处的生态驾驶策略引起了大量研究关注，研究重点主要在于提高能效和减少交叉口附近的走走停停行为。现有研究大致可分为两大类：孤立交叉口生态驾驶和多交叉口生态驾驶（Mintsis等，2020）。第一类研究孤立交叉口处的生态驾驶轨迹优化问题。

问题描述

城市交通网络通常由多个通过路段连接的信号交叉口组成，如图2所示。CAVs按照预定义的几何路径通过网络，可能在不同的交叉口直行、左转或右转，而非沿着单一笔直走廊行驶。无论CAVs在网络中采取何种几何路径，纵向运动都可以系统地表示为行驶一段距离……

上层规划：长时程生态驾驶轨迹优化

本节详细介绍混合交通环境下CAVs沿连续信号交叉口的上层规划过程。4.1节首先将走廊分解为子路段，建立能量最小子轨迹模型，然后推导显式解析表达式，将CAVs在每个子路段上的终端状态（即CAVs到达每个节点的时间和速度）映射到相应的能量最优位置、速度和加速度曲线……

下层控制：考虑后向冲击波传播的生态驾驶控制

本节开发一种下层控制，计算实时控制输入以跟踪上层计划的终端状态，并在混合交通中明确考虑后向冲击波的传播。5.1节首先建立离散空间域车辆动力学模型。5.2节随后制定一种基于MPC的生态驾驶控制器，该控制器在跟踪上层计划终端状态的同时，嵌入基于弹簧的后向压力指标来惩罚过度减速……

数值仿真

本节在三个信号交叉口组成的信号走廊和实际城市路网上全面评估所提出的基于弹簧的层级式生态驾驶控制的性能。所有场景中使用的详细参数配置汇总于6.1节。6.2节研究当考虑不同下游交叉口信息和预测时限时，所提方法的计算复杂度。6.3节进一步进行了……

结论

本文研究了混合交通环境下CAVs沿连续信号交叉口的生态驾驶策略。我们提出了一种基于弹簧的层级式生态驾驶控制框架，将上层长时程规划与下层实时轨迹跟踪相结合，专门针对后向冲击波的传播问题。上层通过将显式能量最优轨迹纳入MINLP模型，确定跨交叉口的最优终端时间和速度……

CRediT作者贡献声明

薛永杰：论文撰写——初稿、方法论、调查。冯强：软件、数据整理。周斌：软件、数据整理。柯锦涛：论文撰写——初稿、指导、资金获取。周宇：验证、指导。于斌：指导、资金获取。

薛永杰 | 冯强 | 周斌 | 柯锦涛 | 周宇 | 于斌