V2I 协同调度能否提升路口通行效率?

仿真显示,V2I 调度让网联车不停车通过无信号路口,多数密度下缩短行程时间并降低 CO2,仅重拥堵时优势减弱。

直接答案

在仿真中能。当网联自动驾驶车辆(CAV)通过车路通信(V2I)把通行计划交给部署在边缘计算服务器上的控制器时,先到先调度(FIFS)算法可让它们不停车通过无信号四岔路口;在多数测试密度下,它在行程时间和 CO2 排放上都优于优先通行规则、红绿灯和 FIFO 基准。例外是测试中最重的负载,即每个方向 0.20 辆/秒,此时大量车辆退回依赖传感器的驾驶模式,优势随之减弱。

1篇文献引用

本文由 WisPaper 驱动的搜索和论文分析生成。

控制器取代红绿灯

论文研究的是一个只有 CAV 行驶的单车道四岔路口。路口区域由路侧或蜂窝基础设施覆盖,并由多接入边缘计算(MEC)服务器提供服务,该服务器承载路口控制器,端到端时延较低。车辆通过 V2I 使用机动协同消息与该控制器通信,并借助“目标道路资源”这一概念预留道路片段。

路口几何结构决定了调度逻辑。控制区从路口向后延伸 100 m,路口本身是冲突区,被划分为四个边长 7.2 m 的子区。右转经过一个子区,直行经过两个,左转经过三个。同一时刻一个子区只能有一辆车占用,但车辆在子区之间移动时会同时占用两个子区。控制器的任务是让这些子区不产生冲突,同时让车辆保持行驶。

FIFS 为何优于普通 FIFO 队列

每辆车进入控制区后,会假设道路为空,计算自己到路口的最快轨迹,并把由此得到的各子区进入和离开时刻作为提案发送给控制器。控制器检查冲突区之前和内部的碰撞,一旦发现冲突就把提案推迟到第一个可接受时刻,然后返回一条指令。如果车辆能执行该指令,就确认并一次性固定轨迹。

与 FIFO 基准的关键差别在于车辆何时可以占用空间。在 FIFO 下,车辆只有在前车被调度之后才能进入子区;作者指出,即使通信理想,这也会造成较长行程时间。FIFS 则把每辆新到车辆与现有时间表对照调度,因此队列不会把整个进口道串行化。论文还强调,每辆车只定义一次轨迹,避免反复改变轨迹给实际协议带来复杂性。

备用模式是拥堵时的退路

该设计假设车辆不会停车,但并未假设这一条件始终成立。如果车辆到冲突区的距离低于安全阈值,或收到的速度曲线低于 3 m/s,车辆就进入备用模式。在备用模式下,它不再听从控制器,而是依靠自身传感器和正常道路规则行驶,并在通过路口后通知控制器。控制器会等待所有备用模式车辆通过后再重新初始化。

这一机制解释了论文的主要限制。备用模式被描述为严重拥堵时的最后手段,而它正是在测试的最高密度下削弱性能的原因。该协议也有意保持轻量:通信一次只涉及一辆车,已调度车辆无需进一步交互,消息交换次数只随路口车辆数线性增长。

带真实 V2I 时延的 SUMO 仿真

结果来自 SUMO 交通仿真器,由 Python 脚本通过交通控制接口驱动,每次仿真持续 1000 s。四条单车道道路汇入路口,车辆按泊松过程到达,各方向到达率相同,每辆车以等概率左转、右转或直行。最高速度为 50 km/h,最高转弯速度为 20 km/h,加速度上限为 2.6 m/s²,制动上限为 -4.5 m/s²。

通信被建模为每条消息在两个方向上均匀随机延迟 20 至 100 ms,作者称这对带 MEC 的 5G 蜂窝系统而言是偏悲观的取值。比较对象包括:横向道路优先的优先通行情形、绿灯 35 s 加黄灯 3 s 的红绿灯、理想通信下的 FIFO,以及理想通信下的 FIFS。两项指标分别是车辆从进入仿真到离开的行程时间(秒),以及该行程时间内按 SUMO 默认设置计算的 CO2 排放。

FIFS 在最高负载前保持优势

在最轻负载,即每个方向 0.05 辆/秒时,红绿灯是最差选项,因为它造成不必要的停车和等待。优先通行规则表现更好,但约 20% 的车辆从需要让行的道路到达时会遭遇延迟。FIFO 和 FIFS 都避免停车,表现最佳;在这一密度下两者非常接近,通信协议的影响可以忽略。

在每个方向 0.15 辆/秒时,排序发生变化。红绿灯此时优于优先通行规则,因为它避免一部分车辆长时间等待。FIFO 即使通信理想也暴露出局限,而 FIFS 让每辆车行程时间不超过 50 s、每辆车 CO2 不超过 200 g,并且在真实 V2I 时延下也成立。在 0.05 至 0.20 辆/秒每方向的密度范围内,理想通信的 FIFS 在平均值和最差情况上都处于最优;采用真实协议的 FIFS 仍明显优于优先通行、红绿灯和 FIFO。只有在每个方向 0.20 辆/秒时,大量车辆进入备用模式,性能才变得非最优。

单车道且仅限 CAV 的范围限制外推

验证场景在若干方面较窄,这对想外推的人很重要。它是一个经典的单车道四岔路口,只有 CAV,没有人类驾驶车辆,也没有行人或骑行者等弱势道路使用者。作者表示,把算法扩展到其他路口类型、环岛、人类驾驶车辆和非联网对象留待未来工作,并提出摄像头可作为检测非联网对象和弱势道路使用者的初步方案。

该架构也是集中式的:车辆只通过 V2I 控制器协调,适配分布式车车通信场景以及开展实地测试被列为未来工作。因此,这些性能数字描述的是在建模时延分布下仅含 CAV 的仿真交通,而不是实测道路结果。

关键判断取决于密度而非协议

论文最有用的比较不是抽象地看 FIFS 与 FIFO,而是看密度上升时各选项所处的位置。拥堵中等时,优先通行规则优于红绿灯;一旦交通拥堵,情况反转:在每个方向 0.20 辆/秒时,优先通行规则会让部分车辆等待过久,平均行程时间和排放显著上升。理想通信的 FIFS 在所有测试密度上都优于它们。

采用真实协议时,实际解读是:FIFS 在轻到中等流量区间优势最清晰,因为它完全消除了停车;其优势取决于能否让车辆不进入备用模式。每个方向 0.20 辆/秒是论文自己指出的阈值:此时严重拥堵把许多车辆推入依赖传感器的驾驶模式,协同调度不再最优。因此,判断这类控制器是否值得部署时,应问自己的路口运行负载离该阈值有多近,而不只是问是否具备 V2I 协同能力。

本文引用的文献

1

Maneuver Coordination Using V2I to Improve Traffic Efficiency at Intersections

一种先到先调度(FIFS)的 V2I 算法让 CAV 不停车通过无信号四岔路口;在 SUMO 仿真中,当密度为每个方向 0.05 至 0.20 辆/秒时,它在行程时间和 CO2 上优于优先通行规则、红绿灯和 FIFO 基准,但在最重负载下备用模式会削弱性能。