智能网联环境下城市交通主干线协调控制研究

为探究智能网联环境下的城市交通主干线协调控制，首先针对干线协调控制的理论与方法进行分析；然后针对智能网联环境提出一种基于车辆组队的动态车速诱导与信号优化的干线协调控制方法(Dynamic Speed Guidance and Dynamic Signal Timing of Fleet, DSDSF)；最后通过搭建仿真平台对所建立的智能网联环境下干线协调控制方法进行仿真实验与分析。仿真结果表明，在所提出的干线协调控制方法下的车辆平均延误时间和平均停车次数相对于定时控制方法分别降低了48.2%和56.8%，相对于MAXBAND协调控制方法分别降低了25.5%和38.5%，验证了该干线协调控制方法的有效性与可行性。

城市道路网是日常交通出行的载体，而城市道路网的主干道是城市交通出行的最重要通道，承载着城市交通的绝大部分交通量，因此城市交通主干道的通行效率能够决定城市的整体交通出行体验。随着新一代智能交通技术与网联技术的发展，智能网联系统给城市交通主干线协调控制提供了更多更准确的实时交通数据，同时也让道路交通运行主体之间的信息交互更加便捷，改变了传统的交通运行环境，相应的道路交通流特性也会随之改变，因此智能网联环境下的城市交通主干线协调控制需要进一步的深入研究。

近年来在干线协调控制技术的研究中，大量国内外学者都取得了一定的研究成果。传统的城市交通干线协调控制方法主要分为两类，即最大带宽的优化模型和最小延误的优化模型。Little [1] [2]最先在城市交通干线协调控制中提出绿波带宽的概念， 并建立了求解最大带宽的混合整数线性规划模型(MAXBAND)；Gartner [3]在MAXBAND 模型基础上建立了一种可变带宽的MultiBand 模型，更加适用于干线交通量变化的场景；Abu-Lebdeh [4]在干线协调控制中考虑了绿信比、相位差和车辆速度等参数，建立了基于动态车速引导的调控方法；Chen [5]基于路侧可变信息板设备引导道路车速， 建立了一种车速引导与动态配时调整的线控方法；王殿海[6]利用检测器获取的交通数据优化周期和绿信比参数，采用绿灯延长或提前亮启的方式增加公交通行信号，建立了干线公交优先控制的协调优化模型；曲大义[7]基于交叉口车辆排队和消散的特性，建立了不同排队次数的相位差模型，提出了周期时长、相位相序和绿信比的优化策略。

随着车联网与车路协同等技术的发展，在智能网联环境基础上，许多学者开展了对车辆主动控制和交叉口信号优化协同调控的研究。Niu [8]通过智能网联系统获取的实时车辆与交通信号状态，建立了节能驾驶速度引导和绿波速度引导的两种干线协调速度引导方法；Kim [9]利用智能网联设备获取的车辆到达信息， 建立了一种能够动态调整绿波带宽的干线协调控制方法；吴伟[10]以主干道的车速与交通量的乘积为目标函数，建立了动态车速与交叉口相位差优化的整合模型；徐建闽[11]，杨晓芳[12]以绿波带宽度最大化为目标，通过数解算法求解绿波协调参数，建立了以通行能力最大化为目标的干道瓶颈交叉口双向绿波控制模型；梅朝辉[13]，高志波[14]等人同样基于智能网联设备基础上，建立了各自的动态车速诱导与配时优化的集成模型；张明岩[15]利用分类控制思想划分车流， 分别进行车速诱导， 并采用蝙蝠算法进行