基于VISSIM仿真的车联网设计速度调整的实现方法与流程

本发明涉及一种基于vissim仿真的车联网设计速度调整的实现方法，属于无人驾驶下的道路设计技术领域。

背景技术：

城市交通需求不断增长，如何更高效便捷的出行成为交通工程师和城市规划师亟待解决的问题，自动驾驶技术的出现给城市交通带来了新的曙光，它不仅能解放驾驶者的双手，还能通过实时的定位和通讯系统做出准确的路径决策，使交通出行更为安全快捷，大大提高了交通通行率和道路利用率。

由于各方面因素的限制，自动驾驶技术还未能在城市道路上广泛普及，原因主要有如下三点。首先，与自动驾驶相关的ai人工智能技术还有很大的上升空间，在国外的很多道路试验中，还存在诸如传感器精度不够高、路径决策不够迅速、紧急情况处理方案不够科学有效等问题；其次，自动驾驶这项技术要普及，必须要有与之相适应的道路基础设施，如公共交通站点的改进，道路分合流、纵横断面的改进、道路设计速度的改进等等；第三，在当下的社会背景下，人们对自动驾驶车辆的安全性能还持着怀疑的态度，这也是这项技术广泛普及的阻碍因素之一。

自动驾驶车辆在联网状态下能够实时地交换信息，如附近车辆的速度、加速度、位置、变道趋势、方向、目的地等等，以此预测交通流的趋势，完成自身车辆的行驶决策并实时控制。在车辆实时联网和计算机准确决策的双重作用下，车辆能以最安全高效和舒适的方式行驶，提高了交通通行率的同时也在一定程度上提高了车辆的平均行驶速度。本文以道路基础设施的改进为切入点，研究在自动驾驶技术即将普及的大背景下，车辆联网技术对车辆行驶速度的影响，从而对道路设计速度提出建议。

综上所述，在自动驾驶状态中，车辆联网状态下的信息实时交换是影响自动驾驶车辆运行行为的主要因素，研究车联网状态下的行车速度，对道路设计速度的确定具有重要的意义。

技术实现要素：

技术问题：本发明面临的技术问题包括：

(1)在第一阶段车联网状态与正常状态的运行对比分析时，应设置哪些控制变量，制定怎样的策略以便于利用仿真平台对行车状态进行进行综合评估，并得出各项参数的变化趋势及影响因素；

(2)如何利用vissim来捕捉区域内的车辆的运行参数信息，并设定一些约束以更真实地模拟车辆在不同路段的交通需求；

(3)如何利用matlab工具箱找出每种设定情况的最佳设计速度，评估因素的选择和权重等问题。

技术方案：为实现上述目的：本发明采用以下技术方案：

一种基于vissim仿真的车联网设计速度调整的实现方法，包括以下步骤：

1)结合正常驾驶状态下道路的车流情况，在vissim交通仿真建模软件中建立标准的道路模型；

2)基于建立的标准道路模型，利用matlab建立车辆总速度最大化的速度优化模型，模拟车辆联网状态下车辆实时交换信息并以最优决策行驶的自动驾驶行为；

3)使用c++来检测并输出vissim的车辆数据，利用excel作为主控程序调控matlab和vissim间的数据输入和输出；

4)对车辆联网和未联网状态的采集点数据进行对比，得到车辆联网下设计速度的调整。

进一步地，所述步骤1)中，将道路的路段分为数据区、改道区和分流区，默认驾驶采用wiedemann99跟车模型，在vissim交通仿真建模软件中建立标准的道路模型，设置车辆输入和路径决策等参数，仿真运行并输出评价文件。

进一步地，所述步骤2)中，以总速度最大化的速度优化模型作为车辆联网状时的速度决策模型，利用matlab的fmincon算法进行实现，速度决策模型具体如下：

上式中，公式(1)为目标函数，公式(2)为对车辆速度的约束函数，公式(3)表示同一时间内每辆车的最小距离不能大于规定值，这里最小距离被设置为10米，即gmin＝10m；公式(4)为对加速度的约束函数，公式(5)描述了速度、加速度和距离之间的函数关系，式中i为车道上的车辆编号；n为车道上的车辆总数；t为每个时间步长，表示第几秒；vi,t为某一秒某一辆车的速度；v_max为速度最大值；gmin为相邻两辆车之间的距离最小值，xi,t为某两车某一秒的位置；a_min为加速度最小值；a_max为加速度最大值；ai,t为某一秒某一辆车的加速度。

进一步地，所述步骤3)中，在构建的标准道路模型基础上，针对建立的速度优化模型，通过com接口取读正在仿真运行的交通数据，以每秒为一个时间步长，取读数据区车辆的速度、加速度、位置等信息，通过一个c++程序储存到excel中，以excel为中间程序，作为vissim和matlab数据传输的中转站，通过excellink接口调用matlab，将vissim中的仿真数据传入matlab中。matlab对接收到的速度进行优化，并返回输出每秒的决策值，即加速度，通过excellink储存到excel中，通过com借口取读excel中的优化决策，并利用com接口与excel进行对接，使用c++介入模型的内核对车辆进行控制。

进一步地，所述步骤4)中，根据步骤3)输出的结果，绘制车联网和未联网状态下各采集点的平均速度、加速度关系图，得到车辆联网下的设计速度调整结果。

有益效果：本发明与现有技术相比：本发明给无人驾驶下的设计速度调整提供了一个平台和思路，能够解决现有设计速度规范不能完全适用于无人驾驶的问题。本发明公开的设计速度调整的实现方法可以定量的对无人驾驶下的设计速度进行调整，更具科学性和实用性。

附图说明

图1为本发明提供的方法流程图；

图2为道路模型示意图；

图3为联网状态和未联网状态采集点的速度对比；

图4为联网状态和未联网状态采集点的加速度对比；

图5为联网状态和未联网状态下各时间段平均走行时间；

图6为联网状态和未联网状态下各时间段平均延误时间。

具体实施方式

下面结合附图对本发明做更进一步的解释。

如图1所示，本发明一种基于vissim仿真的车联网设计速度调整的实现方法，主要包括以下步骤：

(1)道路仿真建模

为模拟正常驾驶状态下道路的车流情况，选取较为普适和典型的城市道路主干路进行模拟，在vissim交通仿真建模软件中建立标准的道路模型，设置车辆输入和路径决策等参数，仿真运行并输出评价文件，输出速度等信息。

以城市单向两车道主干路为例，主道总长为520米，车道宽度为3.75米，不设中间带，设有南北双边分流，设计速度为50km/h，最高限速为70km/h，换算后约为20m/s，故速度优化模型以20m/s为最高速度值。道路模型如图2所示。

道路模型0至200米为区域1即数据采集控制区，此区域的所有车辆的速度、加速度、位置等信息将被采集并输入到matlab中，matlab计算并找出最优车辆控制策略，再传回vissim对车辆进行实时控制。由于在数据区中，车辆变道会导致车辆的编号发生改变，不利于数据的采集和返回控制，故假设车辆在途经区域1的过程中不可变道，在图2中以实线表示。

200至400米为区域2即车辆改道区，由于部分车辆将在c点进行分流，一方面考虑到数据区的加速对分流的影响，变道区不宜过长；二方面考虑分流有可能带来的交通拥堵和延误，变道区不宜过短。因此将变道区设置为与数据区相同长度，以中和以上两个因素的影响。

400至520米为分流区，车辆将以6:2:2的比例在此进行分流，此区域允许车辆以一切合理方式正常行驶。

(2)建立速度优化模型

基于已建道路模型，假设车辆在数据区为自动驾驶模式，且不可变道，出了数据区后切换到vissim默认的驾驶模式行驶。数据区的车辆在行驶过程中，其位置、速度、加速度等信息被输出到matlab里，matlab根据下面的速度优化模型对车辆的加速度进行决策，并返回vissim进行实时控制，以此方式模拟车辆联网状态下车辆实时交换信息并以最优决策行驶的自动驾驶行为。最优控制策略被制定为非线性优化问题，公式(1)为此速度控制策略的目标函数，以使车道上所有车辆的速度总值最大。

此模型还对车辆的速度、加速度、最小距离等参数加以约束，公式(2)为对车辆速度的约束，每辆车的速度不能超过最大值。公式(3)为同一时间内每辆车的最小距离不能大于规定值，这里最小距离被设置为10米，即gmin＝10m。公式(4)为对加速度的约束，加速度为模型的决策变量，也是返回控制的输出值，这里a_min＝-2m/s²，a_max＝2m/s²。公式(5)描述了速度、加速度和距离之间的关系，加速度是速度相对于时间的导数，而速度是行驶距离相对于时间的导数。

式中i为车道上的车辆编号；n为车道上的车辆总数；t为每个时间步长，表示第几秒；vi,t为某一秒某一辆车的速度；v_max为速度最大值；gmin为相邻两辆车之间的距离最小值，xi,t为某两车某一秒的位置；a_min为加速度最小值；a_max为加速度最大值；ai,t为某一秒某一辆车的加速度。

此模型以10秒为一个判定间隔，进一步分为10个1秒的决策步长，在每个1秒的步长开始时，vissim将所搜集的每辆车的速度、位置信息传入matlab中，优化模型计算出最优控制策略后返回vissim进行控制，这个决策参数为每辆车的加速度ai,t，通过优化这些加速度，达到区域中所有车辆的总速度最大化的目标。

(3)速度优化模型在matlab中的实现

使用fmincon局部优化函数，其主要功能为求多变量有约束非线性函数的最小值，利用目标函数以及约束函数的一阶导数信息，从给的初始点开始，在满足约束的条件下，沿着目标函数下降的方向迭代，最后收敛到局部最优解。

本模型所用的语法为：

[x,fval,exitflag,output]＝fmincon(fun,x0,a,b,aeq,beq,lb,ub,nonlcon)

即给定初值x0，求解fun函数的最小值x，fun函数的约束条件为aeqx＝beq、ax≤b，定义设计变量x的下界lb和上界ub，使得总是有lb≤x≤ub。在上面的基础上，在nonlcon参数中提供非线性不等式c(x)≤0或等式ceq(x)＝0。fval为解x处的目标函数值，exitflag为终止迭代的条件，output为优化信息的输出函数。

首先输入初始值信息，即输入x_1，v_1，a_1三个向量，并取读x_1向量的长度存入car_max，以此确定输出循环的次数。设置速度、加速度的限制值，并构造矩阵来储存每个时间步长的速度、加速度、位置信息。随后调用优化函数fmincon，逐次迭代并返回输出最优解，输入结果图表。

(4)车联网仿真框架实现

通过建立的vissim道路模型，执行仿真模型并获得结果。接着读取由com接口模拟的流量数据。具体来说，采用1秒的时间步长来读取数据采集和控制区域中车辆的速度，加速度，位置和其他信息。然后，通过c++程序将数据存储在excel中。excel用作实现vissim和matlab数据传输的中间程序。通过excellink接口调用matlab，并将vissim中的仿真数据传输到matlab。而matlab速度优化模型使用fmincon算法优化速度并返回每秒输出值，即加速度，并通过excellink将其存储在excel中。然后通过com接口在excel中读取优化决策，使用com接口与excel连接。此时通过c++程序来控制模型内核中的车辆。到目前为止，基于优化决策，vissim通过该决策模拟了车辆在联网状态下即时交换信息并确定其自身的驾驶的行为。然后vissim输出模拟评估数据，完成模拟。

(5)车辆联网速度优化结果

数据采集点分别设置在b点和c点的两条车道上。1号和2号车道b点的采集点被命名为采集点1和2，1号和2号车道c点的采集点被命名为采集点3和4。每个采集车辆的平均速度和加速度如表1所示。

表1车辆联网状态和未联网情状态的平均速度和加速度

从表1可以看出，当车辆处于联网状态时，车辆的平均速度增加，但是它们的加速度没有太大变化。在联网状态下，b点的车辆加速度低于未联网状态。因此，在matlab的速度优化决策下，当所有车辆之间的距离达到最小值时，车辆接近恒定速度。换句话说，联网车辆的加速度接近于零。

同样，c点的车辆加速度明显高于b点，大多数车辆都在加速。由于车辆不受车道变换区速度优化模型的控制，他们仍将遵循vissim的wiedemann99车型。当车辆行驶到c点并在排队等候时，为了确保交通流的均匀性，已通过的车辆将加速前进。

表2车辆在采集点2、4的速度和加速度

从表2可以看出，采集点4的速度偏差大于采集点2的速度偏差，采集点2的最大加速度为2.00m/s2，未超过a_max＝2m/s2的加速度极限。而且，加速度的最小值和速度的最大值没有超过限制。这表明在速度优化模型下，可以满足速度，加速度和最小距离的限制。

为了比较联网和未联网状态下采集点的速度和加速度，将两种状态下平均速度和加速度的模拟结果放在折线图中，如图3和图4所示。

由速度对比图3可以看出，联网状态下的多次仿真结果的车辆平均速度大约比未联网状态下的平均速度高4km/h。

由图4可以看出，两种状态下加速度的变化趋势有相同之处。未联网状态下，车辆在数据区(采集点1、2)有较为明显的减速行为，这是由于车辆刚刚进入网络时初始值较高，进入网络之后由于相邻车辆之间的速度、间距等相互作用的原因，车辆趋向于减速行驶。而从数据区进入变道区后，由于车道数的增加，车辆行驶决策的多变性增大，车辆在行驶过程中便有较明显的加速行为，故车辆在数据区(采集点3、4)的加速度均为正值。

另外，采集点1的加速度在两种情况下变化不大，而采集点2的加速度由-0.4m/s²增加幅度较大，接近于零，可见速度优化模型在速度优化的过程中寻求最优值，当相邻车辆达到最小间距，且经多次迭代后达到总速度最大时，车辆趋于以接近于零的加速度匀速行驶。

从表3可以看出，联网车辆的平均走行时间和延误时间均小于未联网状态。两种状态下的平均走行时间和延误时间的折线图分别如图5、6所示。

表3车辆联网状态和未联网情状态况的走行和延误时间

由图5、6可以看出，在联网状态下，各时间段的数据区和变道区的平均走行时间和平均延误时间均有所减少。可见，车辆联网时，能够在一定程度上提高整体车流的平均速度、平均走行时间，减少车辆延误，故可由此对道路设计速度提出调整。综上所述，本发明解决了现有车辆联网技术缺乏道路设计参数支持的缺陷，同时本发明公开的方法简单、方便，获得的结果更加的准确，从而能够根据计算的结果采用最优的设计速度，在一定程度上提高无人驾驶下的道路通行能力。