錢立軍，陳 晨，陳 健，陳欣宇，熊 馳

（1.合肥工業(yè)大學(xué)汽車與交通工程學(xué)院，合肥230009；2.南昌理工學(xué)院機(jī)電工程學(xué)院，南昌330044）

前言

當(dāng)前，各國主要大型城市已建立為自動駕駛服務(wù)的高智能化基礎(chǔ)設(shè)施，并開展了車輛位置實時采集、低時延通信等功能測試。自動駕駛汽車為主體的無信號燈交叉口自動管理策略已成為一個研究熱點。

離散的分布式控制是一類有效的車輛控制策略，能分?jǐn)偪刂破鞯挠嬎阖?fù)荷。此時，各車擁有單獨的控制器，能夠識別相鄰車的運動并協(xié)商通行權(quán)。為了降低控制算法的復(fù)雜度，可根據(jù)不同的行駛?cè)蝿?wù)對交叉口的物理空間進(jìn)行劃分。一般地，車輛在無信號燈交叉口的任務(wù)被分解為：狀態(tài)觀察、到達(dá)時間優(yōu)化和軌跡跟蹤控制。由于離散化程度越高的分布式方法擁有更好的實時性，則將最小控制單元轉(zhuǎn)化為車隊可以有效減少控制對象的數(shù)量。

在提升交通性能方面，車隊已被證明具有足夠的應(yīng)用潛力，并在高速場景中得到驗證。但是，大部分擁堵和事故發(fā)生于交通瓶頸處，在非高速場景驗證車隊的優(yōu)勢也十分必要。一方面，運動趨勢相同的車輛在進(jìn)行組隊時，可以減少通信開銷。另一方面，在自適應(yīng)巡航等自組織策略中，適當(dāng)規(guī)模的車隊將會使道路通行能力得到成倍提升。此外，車隊可使信號燈交叉口的交通性能指標(biāo)得到優(yōu)化。

然而，固定規(guī)模的車隊無法適應(yīng)不同密度的車流環(huán)境?？紤]到城市場景中車流量的不確定性，無信號燈交叉口環(huán)境下需要更為靈活的組隊策略。另外，受限于基礎(chǔ)設(shè)施的范圍和帶寬，隊形調(diào)整的時間和空間并不充裕。因此，研究快捷且智能的隊形選擇系統(tǒng)來應(yīng)對復(fù)雜的城市交通環(huán)境有一定必要性。

近年來，強(qiáng)化學(xué)習(xí)（reinforcement learning，RL）因其適應(yīng)性強(qiáng)的特點在交通領(lǐng)域得到深入研究。除了調(diào)控信號燈配時之外，RL也逐漸被應(yīng)用于車輛的視覺學(xué)習(xí)、轉(zhuǎn)向控制、運動規(guī)劃等方面。考慮到車輛的動力學(xué)特性具有馬爾科夫性，可使用無模型的RL方法來求解部分可觀測的馬爾科夫決策過程。但是，信號燈周期仍然是當(dāng)前智能體學(xué)習(xí)過程中不可缺失的參數(shù)之一，而RL在無信號燈交叉口的研究并不充分。

為此，本文在基于Q學(xué)習(xí)的組隊決策過程中結(jié)合固定時距跟車模型，提出一種基于多車隊協(xié)同規(guī)劃的交通流離散策略，設(shè)計了包含車隊選型與車輛軌跡規(guī)劃的計算框架。并且，結(jié)合了基于車隊的交通流模型和多車隊協(xié)同策略，定義了一個車隊通行時間的安全約束。

其次，考慮到車隊組合中的狀態(tài)變量有限，選擇高效的Q學(xué)習(xí)方法進(jìn)行建模，設(shè)計獎勵函數(shù)的同時考慮了通行效率、行車延誤和燃油經(jīng)濟(jì)性等指標(biāo)。并且，根據(jù)交叉口功能區(qū)間定義了初始狀態(tài)和動作空間，用于確定車隊組合狀態(tài)。

最后，在建立多車隊協(xié)同最優(yōu)控制問題時，設(shè)計了一個預(yù)防追尾碰撞的安全約束。基于高斯偽譜法對合流區(qū)內(nèi)的車隊軌跡進(jìn)行預(yù)求解。通過仿真試驗，分析了所提策略有效性和車隊協(xié)同的優(yōu)勢。

1 問題描述與建模

在智能交通環(huán)境下，道路專用短程通信技術(shù)（dedicated short range communication，DSRC）覆蓋范圍內(nèi)的交叉口路網(wǎng)可被劃分為緩沖區(qū)、核心區(qū)和自由駕駛區(qū)。本文聚焦于孤立交叉口，根據(jù)文獻(xiàn)［14］選擇一個典型的單車道十字路口為研究場景。交叉口中的觀察區(qū)、協(xié)同區(qū)和合流區(qū)分別對應(yīng)于路網(wǎng)中的功能區(qū)間，如圖1所示。、和分別表示觀察區(qū)、協(xié)同區(qū)和合流區(qū)的長度尺寸，為車道寬度。

圖1 交叉口功能區(qū)間示意圖

1.1 交通流離散控制框架

在以車隊為通行單元的要求下，以任意車輛為例來說明其組合分配、隊形排列和通過路口的過程。其中，以交叉口中心點為原點，車道上第輛車的位置記為x。該車輛駛過交叉口過程中須經(jīng)歷以下4個步驟。

步驟1：位置觀察階段。首先，車輛位于觀察區(qū)以外，X表示所有在觀察區(qū)內(nèi)車輛位置的集合。當(dāng)該車進(jìn)入觀察區(qū)后（x≤++），其位置、速度和加速度等信息被路側(cè)單元所識別。識別到的車輛會被添加進(jìn)集合中，即X=X∪x。

步驟2：組合分配階段。定義同時間段內(nèi)協(xié)同通過交叉口的車隊集合為一個組合。在協(xié)同區(qū)內(nèi)，將采用Q學(xué)習(xí)方法，于X中選擇最優(yōu)的車隊規(guī)模。當(dāng)有車輛到達(dá)協(xié)同區(qū)時（x=+），建立Q學(xué)習(xí)的可用狀態(tài)空間?；谒⒌莫剟詈瘮?shù)和約束條件，選擇當(dāng)前情況下的最優(yōu)組合狀態(tài)=(，，，)。

步驟3：車隊排列階段。此步驟同樣發(fā)生在協(xié)同區(qū)內(nèi)。根據(jù)得到的最優(yōu)車隊規(guī)模，各車道上的車輛將受到以下控制：（1）各車道上位置最靠前的車輛被定義為領(lǐng)航車，其他車輛為跟隨車，且所有的領(lǐng)航車將同時到達(dá)合流區(qū)，即x()=；（2）跟隨車將在時刻之前，與其領(lǐng)航車排列成標(biāo)準(zhǔn)車隊。被選中的車輛也將從X中被剔除。

步驟4：軌跡跟蹤階段。文獻(xiàn)［15］表明，可通過尋找離線的運動方案來提高協(xié)同運動的實時性?；诖耍跁r刻之后，所有的車隊將在合流區(qū)內(nèi)跟蹤事先儲存的安全軌跡，直至其通過交叉口。此交通流離散控制框架如圖2所示。

圖2 離散控制框架流程圖

經(jīng)過上述步驟，各車道上連續(xù)的交通流被拆分為多個小規(guī)模車隊，并在不同時間段內(nèi)受到分布式控制。

1.2 車隊離散模型

對于車道上規(guī)模為n∈Ν的車隊，其領(lǐng)航車的運動學(xué)模型為

式中：L為車隊總長度；v為車隊通過交叉口的平均速度。虛擬車隊如圖3所示，圖中藍(lán)色箭頭形象描述虛擬車隊的構(gòu)造。當(dāng)多個車隊形成的組合進(jìn)入交叉口時，有沖突隱患的車隊可以被視為虛擬隊列，該虛擬車隊被定義為一個組合。假設(shè)各車隊在交叉口處的平均速度均為常數(shù)，則此組合的交叉口占用時間為

圖3 虛擬車隊與間隙

式中：表示此組合的時間窗口；表示在該組合中包含的車隊數(shù)目；τ為此組合中第個車隊在交叉口的占有時間；G表示組合中兩個車隊之間的排隊間隙與交叉口尺寸的差值，表示這些差值的總和?；诖?，交叉口的瞬時吞吐量（輛/h）為

式中：表示該組合中的車輛總數(shù)；n表示第個車隊的規(guī)模。以為自變量對求偏導(dǎo)，可得

由于式（7）恒為負(fù)，可知減少虛擬間隙是提高瞬時吞吐量的有效途徑。并且，圖3和式（7）展示了以下規(guī)律：對任何控制策略，=0時，控制效果與虛擬隊列的最優(yōu)效果相當(dāng)；＞0時，過大的車隊間隙會增大交叉口的占用時間；當(dāng)＜0時，將優(yōu)于虛擬隊列的控制效果。因此，在選擇組合形式時，定義一個強(qiáng)制性約束：

2 車隊組合分配

根據(jù)步驟2所定義，在協(xié)同區(qū)內(nèi)的車輛將根據(jù)集合X來選擇最優(yōu)的組合形式。由此，無信號燈交叉口的車隊協(xié)同通行問題被轉(zhuǎn)化為車隊間的組合問題。由于在通信范圍限制下車隊組合形式有限，故選擇Q學(xué)習(xí)算法對車隊組合情況進(jìn)行尋優(yōu)。

在協(xié)同區(qū)中，轉(zhuǎn)化后的強(qiáng)化學(xué)習(xí)問題為一個無模型的Markov決策過程。在每個時刻，一個動作a∈將有的概率使環(huán)境狀態(tài)s∈轉(zhuǎn)變?yōu)樾碌臓顟B(tài)s。在狀態(tài)s下的動作a將獲得一個價值r∈。Q學(xué)習(xí)方法中的價值迭代公式為

式中：∈(0，1)為學(xué)習(xí)率；∈(0，1)為系統(tǒng)折扣因子。

2.1 狀態(tài)向量設(shè)計

對于車隊而言，車速、跟車間距、規(guī)模等是影響其運動狀態(tài)的重要參數(shù)。在尺寸受限的場景中，車隊規(guī)模的影響高于其他參數(shù)。尤其在失去信號燈控制的平面交叉口，過大的車隊規(guī)模將延誤其他車輛。因此，將狀態(tài)空間定義為車隊規(guī)模的組合情況。對于四向單車道交叉口而言，狀態(tài)向量由4個元素組成=(，，，)∈S，其中n表示在此組合中第車道上的車隊規(guī)模。

基于此，在所研究的固定場景中，狀態(tài)量的總數(shù)為

式中表示單一車隊中的車輛數(shù)目上限。

2.2 動作空間設(shè)計

由于狀態(tài)向量是車隊的組合類型，所以智能體的動作是篩選一個合適的車隊組合。為了滿足狀態(tài)向量之間的切換條件，定義動作為

式中a表示該組合中位于車道上車隊的規(guī)模增減，且每次變動的車輛數(shù)目為一輛。并且，狀態(tài)轉(zhuǎn)移過程中必須滿足邊界約束：

然而，在實際計算中并不是所有動作都是可行的。因此，可使'滿足式（8）且'?X時的定義為一個有效動作。

2.3 獎勵函數(shù)設(shè)計

通行效率和行車延誤等參數(shù)是最能反映控制策略有效性的指標(biāo)。為了提高交叉口流量上限并降低延誤，在設(shè)計獎勵函數(shù)時同時考慮了~4個指標(biāo)。

表示各狀態(tài)下在合流區(qū)內(nèi)呈現(xiàn)的瞬時效率。

表示車輛平均等待時間：

式中ε為各車隊的行車延誤。

為各車隊的行程時間標(biāo)準(zhǔn)差（standard deviation of travel time，SDTT）：

為合流區(qū)內(nèi)的平均燃油消耗（L/100 km）：

式中為車輛的平均瞬時油耗，L/h。

明確評價指標(biāo)之后，狀態(tài)下的獎勵值定義為

式中：X為對各指標(biāo)的樣本標(biāo)準(zhǔn)化處理后的值；、、和表示權(quán)重系數(shù)，且∑||=1；負(fù)號表示該指標(biāo)值呈負(fù)相關(guān)關(guān)系。

對于大流量的城市交叉口而言，減少擁堵是首要目標(biāo)。因此，瞬時效率的重要程度要遠(yuǎn)高于其他指標(biāo)。由于權(quán)重賦值過程具有強(qiáng)烈的主觀性，采用G1法對評價指標(biāo)進(jìn)行重要度排序，并確定權(quán)重系數(shù)的具體數(shù)值。

2.4 初始狀態(tài)設(shè)計

在確定可行動作空間和獎勵值之后，需對狀態(tài)的尋優(yōu)過程設(shè)計一個初始值。類似于二維路徑規(guī)劃的過程，從不同初始點出發(fā)找到的運動路徑也是不同的。在觀察區(qū)的尾部定義一個尺寸為的子區(qū)間，如圖4所示。該子區(qū)間只用于確定初始狀態(tài)，對其他過程不產(chǎn)生干擾。

圖4 子區(qū)間示意圖

此時，智能體初始狀態(tài)被定義為

式中：n為車道上被選入初始狀態(tài)的車輛數(shù)目；(?)表 示 在 時 刻中，滿 足x()∈[+，++]的x的個數(shù)。當(dāng)有車輛到達(dá)協(xié)同區(qū)的時刻，將觸發(fā)和n的計算流程。并且，首個到達(dá)協(xié)同區(qū)的車輛被定義為觸發(fā)車輛。例如，圖4所示車道上的n=2。因此，由式（11）可知Q學(xué)習(xí)模型中狀態(tài)的變化過程為

式中：為最優(yōu)狀態(tài)；為最優(yōu)狀態(tài)下位于第車道上的車隊規(guī)模；表示學(xué)習(xí)步數(shù)；表示Q學(xué)習(xí)迭代次數(shù)。

3 車隊軌跡規(guī)劃

3.1 協(xié)同區(qū)內(nèi)軌跡規(guī)劃

根據(jù)式（19）確定最優(yōu)狀態(tài)后，被選中的車輛將在各車道內(nèi)協(xié)同組隊，其過程分兩個階段。

階段1：車道上的前輛車將組合成一個車隊。第1輛車為領(lǐng)航車，位置記為x。其他車輛根據(jù)式（2）所示的跟車策略，調(diào)整與領(lǐng)航車之間的相對位置。

階段2：不同車道的領(lǐng)航車也將調(diào)整其相對位置。為了適應(yīng)合流區(qū)內(nèi)的預(yù)存軌跡，對領(lǐng)航車的軌跡進(jìn)行規(guī)劃時必須滿足下列條件：

對于?∈S，?＞0，有x()=成立，且≠0。為領(lǐng)航車到達(dá)合流區(qū)的時刻。為提升交通效率，將協(xié)同過程定義為一個時間最優(yōu)的控制問題，構(gòu)建的Bolza問題如下：

式中為觸發(fā)車輛到達(dá)協(xié)同區(qū)的時刻。并且，為了交叉口占用時間不重疊，須施加時距約束：

式中表示組合中領(lǐng)航車到合流區(qū)的時刻。此外，當(dāng)領(lǐng)航車執(zhí)行其最優(yōu)軌跡時，同車道內(nèi)的跟隨車將根據(jù)式（2）進(jìn)行跟車運動。

3.2 合流區(qū)內(nèi)軌跡規(guī)劃

到達(dá)合流區(qū)的任意組合將受到全局的多車隊協(xié)同控制，這也是Q學(xué)習(xí)的建?；A(chǔ)?？紤]所有車輛的安全約束，同樣以時間窗口為最優(yōu)化目標(biāo)，構(gòu)建最優(yōu)控制問題為

式中：-的負(fù)號表示車輛駛離；為所有車輛離開合流區(qū)的時刻；安全約束的集合=[，，…，，…，d]；且d表示不同車隊中車輛之間的距離。具體地，每輛車都將與其他車隊的所有車輛進(jìn)行約束，即

式中n和n分別為車隊和車隊的規(guī)模。使用高斯偽譜法對式（20）和式（22）所示的最優(yōu)控制問題進(jìn)行轉(zhuǎn)化，并選擇snopt求解器進(jìn)行計算。

4 仿真結(jié)果與分析

設(shè)計了兩種工況，對基于Q模型的組隊過程進(jìn)行描述，驗證所提策略的有效性。在不同車流量工況下，與非組隊方法及傳統(tǒng)虛擬隊列方法進(jìn)行對比，驗證所提方法的優(yōu)勢。

設(shè)計式（16）中獎勵權(quán)重時，前后指標(biāo)間的比值分別選為1.8、1.8和1.4，由此確定的權(quán)重系數(shù)以及其他Q模型參數(shù)如表1所示。

表1 Q模型仿真參數(shù)

4.1 組隊過程分析

選擇主支路型、流量均衡型交叉口為研究場景，在Matlab/Vissim仿真平臺中定義各車道流量，仿真所需的道路及車輛參數(shù)如表2所示。

表2 道路及車輛參數(shù)

工況1：主支路型交叉口兩個方向上的車流量差距顯著，設(shè)計各車道上的流量為=1600輛/h，=700輛/h，=1800輛/h，=600輛/h。為了描述車輛排隊的過程，以前兩個組合的運動軌跡舉例說明。

如圖5所示，前兩個組合包含14輛車，仿真前10 s內(nèi)所有車輛均在協(xié)同區(qū)外。在第10.81 s時，第1輛車到達(dá)協(xié)同區(qū)，根據(jù)車輛位置確定組合1的狀態(tài)向量為=(2，2，2，2)。隨后，組合1中的領(lǐng)航車同時在19.84 s到達(dá)合流區(qū)，記為。

圖5 工況1中的車輛軌跡

另一方面，組合1以外的車輛在第19.75 s到達(dá)協(xié)同區(qū)，并同時確定組合2的狀態(tài)向量為=(3，0，3，0)。組合2中的車輛在經(jīng)過位置調(diào)整后于第25.64 s到達(dá)合流區(qū)，記為。

為檢驗安全性，給出同車道內(nèi)相鄰車輛間的距離，如圖6所示。車流密度的差異導(dǎo)致各車道上的初始車距相差明顯。當(dāng)組合1中的車輛于10.81 s時開始組隊，其跟車距離逐漸減小。在組合2形成后，受式（21）的時間間隔約束，相同車道上不同組合的車輛間距開始明顯增大，如車道1與車道3中的。并且，車隊進(jìn)入合流區(qū)后將保持車距隊形，即在運動的全過程中車距均大于，說明沒有追尾事故發(fā)生。

圖6 工況1中的車間距

工況2：對于流量均衡型交叉口，各支路上的車流密度較接近，設(shè)計各車道上的流量為=1400輛/h，=1600輛/h，=1500輛/h，=1400輛/h。

此時，前兩個組合中共包含24輛車。由于車流密度相近，每個車道上均有6輛車，其軌跡如圖7所示。圖中，車道2~4上的軌跡線型與車道1線型一致，且顏色屬性與圖5相同。不同于工況1，由于車輛分布均勻且密集，所分配的狀態(tài)向量為==(3，3，3，3)。并 且，兩 個 組 合 內(nèi) 的 車 分 別 于 第11.08 s和第19.17 s開始組隊，并于=18.60 s和=26.31 s到達(dá)合流區(qū)。

圖7 工況2中的車輛軌跡

工況2中的車距變化曲線如圖8所示，可以觀察到與工況1類似的分組動作。并且，所有車輛之間均保持著足夠安全的距離。

圖8 工況2中的車間距

根據(jù)上述兩個工況的仿真結(jié)果，可發(fā)現(xiàn)兩個現(xiàn)象：（1）相比于車輛較為稀疏的情況，大流量工況更利于隊列的形成，即當(dāng)狀態(tài)向量集包含足夠多的元素時，所提方法趨向于找到價值更高的解，驗證了Q學(xué)習(xí)模型的有效性；（2）在兩種工況下，都能滿足-＞的條件，說明前后組合之間存在式（21）中定義的空檔期。由此可認(rèn)為上述工況中的車流量均未達(dá)到所提方法的飽和流量。因此，為了驗證組隊方法在大流量工況下的優(yōu)勢，設(shè)計如下對比試驗。

4.2 交通性能對比

為了驗證車輛組隊后的飽和吞吐量，在不同流量工況下進(jìn)行對比仿真。此時，選擇虛擬隊列法和非組隊的離散控制策略作為對比方法，對獎勵函數(shù)中的評價指標(biāo)進(jìn)行比較。仿真時各車道平均流量為1 200~2 200輛/h，進(jìn)行5次計算后統(tǒng)計對比結(jié)果。

如圖9所示，虛擬隊列法的飽和吞吐量約為3 200輛/h，由于仿真工況均超出其極限值，故計算結(jié)果標(biāo)準(zhǔn)差較小，在圖中無法顯示。對于非組隊方法，其通行能力首先隨著到達(dá)車輛的增加而增大。當(dāng)平均流量超過1 800輛/h之后，可知其飽和吞吐量大約為6 250輛/h。因此，1 800輛/h可定義為非組隊方法的極限工況。當(dāng)車流量小于極限工況時，吞吐量的計算值會因各車道上車流密度的隨機(jī)性產(chǎn)生波動，體現(xiàn)為較大的標(biāo)準(zhǔn)差狀態(tài)。對于組隊方法而言，即使平均流量達(dá)到2 200輛/h時其吞吐量約可為8 400輛/h，且未達(dá)到飽和狀態(tài)。

圖9 通行能力對比結(jié)果

因此，可進(jìn)一步對極限吞吐量的理論值進(jìn)行對比。在流量足夠大時，組隊方法的最優(yōu)狀態(tài)向量為=(3，3，3，3)。類似地，非組隊方法的最優(yōu)狀態(tài)向量為=(1，1，1，1)。此外，由于虛擬隊列方法只允許一輛車進(jìn)入交叉口，則其最優(yōu)狀態(tài)向量為=(1，0，0，0)。3種狀態(tài)下的交叉口占有時間為4.96、2.25和1.10 s。由式（6）可知，其飽和吞吐量的理論值分別為8 710、6 400和3 273輛/h，與仿真結(jié)果相對應(yīng)。因此，組隊方式可提升約36.1%的通行能力。

通行能力的差異也表現(xiàn)在行車延誤方面。如圖10所示，虛擬隊列無法處理大流量工況，隨著車流密度的增大，行車延誤也急劇增大。對于非組隊方法，在平均流量低于極限工況時，行車延誤變化不大；在突破極限工況后，延誤數(shù)值急劇增大。對于所提的組隊方法而言，由于未達(dá)到飽和狀態(tài)，所以交通流的整體運動沒有受到很大影響。并且，相比于非組隊的方法，組隊后的車輛最多可以降低約65%的延誤時間。

圖10 行車延誤對比結(jié)果

SDTT和油耗在獎勵函數(shù)中的權(quán)重遠(yuǎn)小于上述兩個參數(shù)，因此其對比結(jié)果呈現(xiàn)出不同的特征。如圖11所示，非組隊方法的SDTT值最小，約為組隊方法的1/3。就變化趨勢而言，虛擬隊列法因其行車延誤的增加，SDTT也隨著車流量的增大而增大。對于非組隊和組隊方法而言，得益于任務(wù)分解的控制策略，它們的SDTT值在高流量工況中呈下降趨勢。

圖11 SDTT對比結(jié)果

類似的特征同樣表現(xiàn)在燃油消耗上，如圖12所示。虛擬隊列方法的油耗數(shù)值呈穩(wěn)定增長狀態(tài)。另外兩種方法的油耗峰值出現(xiàn)在中等流量工況，此結(jié)論已在作者之前的工作中得到證明。

圖12 燃油消耗對比結(jié)果

對比結(jié)果表明，在權(quán)重的影響下，盡管組隊策略可以提升交叉口吞吐量，但會略微增加交通流的波動和汽車的燃油消耗。

5 結(jié)論

本文中提出一種考慮車隊的離散控制策略。首先推導(dǎo)出多車隊協(xié)同軌跡規(guī)劃的篩選約束，并基于此約束設(shè)計了用于車隊規(guī)模選型的Q學(xué)習(xí)模型，以通行效率、行車延誤等為復(fù)合指標(biāo)設(shè)計獎勵函數(shù)。

其次，在安全性方面，以跟車模型為基礎(chǔ)，提出了防追尾的安全約束。通過兩種工況的仿真結(jié)果表明了車輛組隊的有效性，并驗證了過程中的安全性。

最后，將所提方法與其他方法進(jìn)行比較，結(jié)果表明組隊策略可以提升大約36.1%的交叉口通行能力，且無更大的行車延誤。但是，由組隊引起的自組織過程將使燃油消耗略微增加。因此，在提升交通效率的基礎(chǔ)上，進(jìn)一步降低車隊油耗也值得深入研究。