无人驾驶背景下的交通信号灯控制逻辑优化方案与模型
原文链接：https://baijiahao.baidu.com/s?id=1806022321946350678
摘要：本课题的主要研究方向是在自动化城市运行的过程中必不可少的无人驾驶带来的交通问题的一环。本课题旨在通过研究城市交通的运行方式、人工智能给车辆运行带来的利与弊，达到减少无人驾驶的事故概率、缓解城市交通困难的问题。本课题旨在通过合理智能调控交通信号灯，达到部分减缓交通拥堵的目的。
关键词：城市交通 汽车启动 交通数学模型
1. 绪论
1.1研究背景和意义
无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶。它一般是利用车载传感器来感知车辆周围环境，并根据感知 所获得的道路、车辆位置和障碍物信息，控制车辆 的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。 无人驾驶汽车从根本上改变了传统的“人—车—路”闭环控制方式，将不可控的驾驶员从该闭环系统中清出去，从而大大提高了交通系统的效率和安全性。
通过在各车辆上安装GPS定位系统，判断车辆距离路口的远近，并通过信号站发出指令使路口等侯车辆同时以相同加速度启动离开，并维持该加速度一段时间后再以最高速度匀速行驶，则启动差大的问题可大幅减小，又不至于增加交通事故发生的概率。
在上述背景之下，每日的早晚高峰是早晚间新闻的重点播报对象，从新闻实时转播可见一斑；从个人的早晚上下学也可亲身体会到，车流量之大，交通之拥挤，浪费时间之多。在各个城市主要交通干线、主要高架桥立交桥上都是交通拥堵的重灾区。不仅行驶缓慢，有时甚至停住不动，效率较低。对于很多上班族来说，为了到达并不很远，空闲路况车程仅需数十分钟之外的工作地点上班，需要提前近两个小时出门。时间十分宝贵，这样规模、程度的拥堵无疑给驾驶员和乘客带来极大的困扰与不便。对于转弯车道的汽车来说，由于有效绿灯时间短，车道少，排队车辆多，常常出现一辆汽车需要三至四次红绿灯周期时间才能通过路口的“交通过饱和现象”。
图1.1交通过于拥挤，影响出行效率
在某一个路口，红灯转绿灯时，在通常情况下常是前车先动出一段距离后后车再跟随移动，这样后车启动时间受到大幅延迟，并可能因此无法穿越某一红绿灯路口而不得不进行二次、三次等待。当前的交通流流量大于道路最大承载量时，车辆会因为外部环境的干扰而降低行驶速度，无形中增加了通行时间，导致出现交通流拥堵的状况。（1）
本课题旨在在交通科技已经步入智能无人驾驶的背景之下，提出在交通路况在过饱和的情况下，尽量增加交通通行总效率的解决方式。
1.2相关研究现状
关于自动化城市运行中的无人驾驶车辆交通问题是一个极富创新性的研究方向，可以通过现有的各种无人驾驶、人工智能、导航系统、交通管理等技术结合实现，在每个领域都已经有所研究，但目前还没有见到任何相关整体系统的报道。
1.3创新点
本课题的主要研究方向是在自动化城市运行的过程中必不可少的无人驾驶带来的交通问题的一环。本课题旨在通过研究城市交通的运行方式、人工智能给车辆运行带来的利与弊，达到减少无人驾驶的事故概率、缓解城市交通困难的问题。本课题项目的创新之处在于通过地区车辆局域网内互相交换信息从而达到自动调整交通运行方式最终实现利益最大化、等待时间缩短的目标。导航系统为车辆规划行驶路线后上传至局域网络，而交通系统将根据道路拥挤程度合理调整路面车道数量、红绿灯时间，并将结果反馈给导航系统重新规划，两相配合之下，交通拥挤程度、发生事故概率将大幅下降，也可以减少早晚高峰车道、红绿灯时间配置不合理的问题。
2. 方案设计
以交通路况和汽车运行相关数据为研究对象，建立数学模型，是研究交通问题的基础。本章将通过数学的方法，建立交通运行中交通路口的模型，为后续的实验奠定基础。
2.0情景假设
在智能驾驶时代，我们认为自动驾驶车辆具有GPS功能与自动的路线规划，并且将相关信息与路口进行交互在软件与硬件上都不复杂，具备高度可行性。其次，由于皆为自动驾驶，车辆同时启动也具备可行性。我们的方案设立在这样的情境下，具有较易的转化为现实的能力。
2.1 方案流程
方案流程
2.2 数学模型搭建
设路口四个方向实时车流量东西方向(a,b)，南北方向(c,d)，将转弯方向简化至直行方向上。车流从开始启动至加速到最大速度所需时间为t，最大通行速度为v。黄灯时间t黄为使正在运动的车辆未能来得及以最大负向加速度在停车线前减速为零的所有车辆以最大速度v通过路口用时。ti为i方向（i∈{(a,b),(c,d)}）车辆继续放行所用时间总和。i(’)方向上车辆总和为i0(’)。t0为黄灯时间t黄与加速过程浪费时间之和。ti’为红绿灯切换至另一方向后车辆继续放行所用时间总和（未包括t0）。t※(’)为保持i方向或切换至i’方向后全路口所有车辆（a+b+c+d）等待时间总和。
则得出ti(’)=i0(’)/v，t※=ti*(a+b+c+d)，t※’=(t0+ti’)*(a+b+c+d)。
当t※≤t※’时，应保持原通行方向。当t※＞t※’时，应切换交通信号灯。
2.3小结
本章通过建立数学模型，对切换红绿灯与否的车辆通行总时间分别列出了表达式，并提出了切换信号灯的逻辑。
2.4 方案优势论证
本章节将分析在上一节提到的t※的实际含义以及使用这一概念在本模型中的优越性。
t※，即等待时间总和，为实时在路口所有车辆的总数*每辆车要等待的时间，其意义为在保持或切换信号灯两种方案下，所有车辆分别被迫在该路口浪费时间总和。显然可知使该时间更短的方案为整个路口效益最大化方案。
3. 硬件介绍
3.1 交通信号灯
选用GIS系统为核心，利用互联网技术、GPS为辅助参与确定并统计路面情况。每辆汽车分别通过GPS、GIS进行路口定位，并将信息通过互联网上传至信号灯系统，由信号灯系统统计并得出章节2中的各个参数以及进行计算。
（1） 路口网络模块
能够联接互联网，通过互联网渠道与汽车直连，进行信息的传输交互，是整个交通信号灯与自动驾驶车辆的对外接口。能够接受将即将通过路口的车辆身份与方向信息，并上报至路口信息汇总模块；接受信号计算模块传输的车辆-信号信息，将路口信号灯信息发送至对应的车辆。
（2） 路口信息汇总模块
与路口网络模块连接，是交通信号灯中的信息统计模块。能够通过接收到的车辆身份与通行信息生成即时的路口各方向车辆排队序列，将名单上传信号计算模块。
（3） 信号计算模块
信号灯的数据计算与处理模块。通过路口信息汇总模块收集到队列数据，通过建立的数学模型计算得到路口信号灯即时信号。能够将计算结果同步至路口信号灯；能够将计算结果与队列名单相匹配后传输给路口网络模块。
（4） 信号灯
将信号灯信号通过灯光信号表现，使车辆内部人员能够明白路口信号。
3.2汽车
主要包含GPS导航、车辆控制、信息分析以及基于5G的网络连接四个模块。
出于普适性考虑，汽车的硬件模块依托于自动驾驶车辆所具备的基本硬件：车载GPS系统、车辆控制与自动驾驶系统设计，在此基础上简单加装路线分析与信息交互的功能。
（1） 车载GPS系统
自动驾驶车辆的导航系统。通过驾驶员输入的目的地，车辆定位以及地图计算并且选择车辆行进路线。在自动驾驶车辆的原本系统中处于重要部分，为车辆控制系统提供前进路线信息。
（2） 路线分析系统
基于原有的车载导航系统，从中获取车辆路线以及车辆行驶状态，提取将要通行的路口对应的网络连接地址，并且于将进入路口等待队列是控制车辆信息交互模块进行信息上报。
（3） 车辆信息交互模块
车辆端与路口信号灯的信息交互端口。通过5G网络实现信息互传，在通过路口时与路口保持实时连接和信息传输。
（4） 车辆控制与自动驾驶系统
自动驾驶车辆的智能模块。硬件上包括信息采集器、数据处理器、与其他车载信息系统的信息交互端以及对车辆行驶的控制输出端，能够做到采集与监控车辆与环境信息、按照既定路线行驶、基于采集到的信息和来自路口的信号进行实时反应、控制车辆动力、方向、灯光等，做到无人驾驶或者辅助驾驶。
3.3 硬件框架图
4. 现有设计方法及其弊端
①现有解决方案：顺序延迟启动
②产品出处：根据前后车运动形势自然形成
③缺点：启动差时间太长，造成大量拥堵，浪费时间
④值得学习的地方：注意前后间距的控制，不容易造成事故
5. 总结与展望
5.1总结
本文根据无人驾驶背景下，交通拥堵问题的情况，提出了一个建立新型交通利弊分析模型从而调整信号灯控制逻辑的合理解决方案。
1．提出了交通拥堵、红绿灯时间安排不合理的问题。
2．通过数学建模的思想方法，对红绿灯控制逻辑展开了数学化研究，从而得出了最优方案，并进行了方案优势论证。
3．针对硬件配置与运行结构进行了工程学上的阐释，详细介绍了交通信号灯、汽车所需的硬件配置并制作了硬件框架与流程图。
5.2展望
本课题对于交通实时参数的运用和理解和软、硬件的设置仍有值得改进与进一步探索的地方：
1. 前一刻的实时参数不能代表下一刻可能发生的情况。也就是说，这样的数学模型具有延迟性。可能发生由于前一刻的数据导致引起切换信号灯，但却与下一刻的变化后的实时数据冲突的矛盾情况，使系统陷入反复运算甚至于崩溃的状态。
2. 本方案设计的流程与硬件部分尚存在简化与整合的空间；对于互联网的应用仍然停留于简单的数据交互与基本运算层次，事实上信息的汇总与处理存在数据模块叠加暨“云计算”的空间，如设立GIS数据处理端口，提升流程效率。其次，对于大量车辆实时接入系统的网络稳定性仍然欠缺考虑，网络连接中断会导致一定的隐患。
3. 本课题对路况的建模局限于理想状态，缺乏对于行人等实际复杂情况下模型个体之间细微差异的考虑。
4. 本课题的模型与逻辑局限于单一路口，实际上存在数据进一步汇总进行宏观调控的空间，实现智能引流与区域性交通压力的缓解。
参考文献
[1]袁远.基于交通信号拥塞控制的智能交通系统研究[J].人民交通,2020(05):90.
[2]乔维高, 徐学进. 无人驾驶汽车的发展现状及方向[J]. 上海汽车, 2007(7):40-43.
[3]应申, 李霖, 范春波, et al. 汽车导航系统的地图数据组织[J]. 测绘地理信息, 2004, 29(2):28-30.
[4]蒋晟, 苏曼. 基于人工智能的交通信号灯系统探讨[J]. 南方农机, 2018, 49(7): 151-151.
[5] 杨祖元. 城市交通信号系统智能控制策略研究[D]. 重庆大学, 2008.
2022.2.11
