智能网联道路交通控制 课件 第1-6章 绪论、智能网联控制基础 - 交叉口空间资源动态配置方法

第1章绪论1.1网联自动驾驶发展历程(1)相关定义自动驾驶，又称自动驾驶系统，指无须驾驶员直接进行物理驾驶操作的情况下，车辆能够自主完成行驶任务并做出决策的智能系统。这一系统旨在替代驾驶员操控，确保车辆的安全行驶。自动驾驶须借助汽车这一载体才能实现其目标，由此引出另外一个概念——自动驾驶汽车。自动驾驶汽车(Autonomousvehicles,AVs)，又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种通过计算机系统实现无人驾驶的智能汽车。这种汽车依靠人工智能、‌视觉计算、‌雷达、‌监控装置和‌全球定位系统协同合作，能够在没有任何人类主动操作的情况下，自动安全地操作机动车辆。‌AV的核心功能包括环境感知、路径规划和自主控制，能实现自动行驶、自动变速、自动刹车、自动监视周围环境、自动变道、自动转向和自动信号提醒等功能。此外，自动驾驶汽车还须具备网联式自动驾驶辅助功能，以确保在复杂道路环境中的安全行驶。1.自动驾驶的兴起1.1网联自动驾驶发展历程(2)发展自动驾驶的缘由2020年，全球有135万人死于车祸；2021年我国因交通事故死亡人数61703人。大多数车祸并非汽车系统造成，而是人为因素，如超速、酒驾、疲劳驾驶等。自动驾驶能减少此类事故的发生。此外，自动驾驶还能有效避免路怒症等不良驾驶行为，从而改善交通环境。根据KoenFrenken和JulietSchor的调查，私家车95%的时间要么处于堵车、要么停放在停车场内，由此造成极大的浪费。而自动驾驶技术可以让更多的汽车被用于共享经济，如网约车，提高汽车的利用效率，减少城市对停车空间的需求。发展共享经济可以减少人们对私家车的需求，缓解城市交通压力。此外，Shladover等人对单车道公路基本路段通行能力的研究表明，当协同自适应巡航控制(CooperativeAdaptiveCruiseControl,CACC)渗透率达到100%时，路段通行能力可提升约2倍。Mahmassanil和Arem等人的研究也表明，当CACC渗透率大于60%时，道路通行能力和交通流稳定性均能得到大幅改善。而在车路协同环境下，这种改善的程度会更高。1.自动驾驶的兴起1.1网联自动驾驶发展历程(3)自动驾驶发展阶段1.自动驾驶的兴起初始时期AmericanWonder自动驾驶愿景利用磁场控制汽车1.1网联自动驾驶发展历程真正的自动驾驶20世纪80年代，CMUNavLab实验室研制成功了第一辆基于视觉的自动驾驶汽车。到了1995年，Navlab-5在98%自动驾驶情况下跑完了2850英里路程。ALVINN(AutonomousLandVehicleInANeuralNetwork)。1988年，CMU完成了另外一个研究项目，使用两层神经网络的自动驾驶汽车以70英里/小时的速度行驶了90英里。1986年，奔驰公司VaMoRs项目，自动驾驶汽车可以完成横向和纵向的控制，并且最高速度达到了36km/h。1.1网联自动驾驶发展历程第一次技术革新第一次技术革新在2000年左右，基于GPS和惯性测量仪(InertialMeasurementUnit,IMU)实现。GPS定位车辆的位置，误差在1m左右，再结合IMU，车辆的定位误差可达5cm以内，实现点到点的精准路径导航。技术革新往往由巨额的挑战奖金推动而成。2004年第一届DarpaGrandChallenge(仅限美国队伍参加)中，挑战队伍需在Mojave沙漠中完成249km的无人干预驾驶。第一名可拿到100万美元的奖金。但可惜没有队伍完成挑战，最接近的挑战队伍为卡耐基·梅隆大学的NavLab，在距离终点11.78km的时候车辆撞上了一块岩石，被卡住了。一年后，依然是Darpa，依然是Mojave沙漠，有了更多的队伍参加(依然仅限美国)，奖金翻倍达到了200万美元。这次有5个队伍完成了挑战，第一名来自斯坦福的Junior，以6小时54分的成绩完成了挑战，紧随其后的是卡耐基·梅隆大学的NavLab，成绩7小时5分钟。也是在这次挑战后，自动驾驶技术的可行性得到了验证。1.1网联自动驾驶发展历程第二次技术革新第二次技术革新源于2006年出现的激光雷达。之前的技术局限于2D的图像传感器，激光雷达的出现，将深度(即距离)引入自动驾驶领域，汽车可以获得高分辨率的三维视图，使自动驾驶技术迈进了一大步。2007年，第三届DarpaGrandChallenge国际赛将挑战场地选在了城市，地点为美国的乔治空军基地，全程96km。参赛者不仅需要汽车能够避障，还需要遵守交通规则，并完成一系列复杂场景的驾驶。最终卡耐基·梅隆大学NavLab以4小时10分钟的成绩获得第一，斯坦福Junior以4小时29分钟排名第二。第二次技术革新推动了自动驾驶的商业发展，这其中较有名的有2009年成立的Google自动驾驶团队，即后来的Weymo。团队中大多数成员来自Darpa挑战赛中的CMU和Stanford成员：ChrisUrmson、DmitriDolgov、MikeMontemerlo和AnthonyLevandowski。1.1网联自动驾驶发展历程第三次技术革新第三次技术革新，即人工智能(ArtificialIntelligence,AI)技术的大革新。自2012年起，自动驾驶进入AI时代，即我们现在所使用的智能自动驾驶技术。智能自动驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知、计算决策和控制执行。环境感知通过车载传感器完成对周围环境的探测及定位。计算决策一方面将传感器数据进行分析处理，实现对目标的识别；另一方面进行行为预测和全局路径规划、局部路径规划与即时动作规划，决定车辆当前及未来的运动轨迹。强化学习/模仿学习直接感知，端到端框架(强化学习、模仿学习使用的框架)→Pipeline框架(自动驾驶企业最常用)→直接感知框架目标检测，RCNN系列模型→YOLO系列模型→基于Transformer的模型强化学习/模仿学习直接感知框架3D目标检测1.1网联自动驾驶发展历程(4)自动驾驶发展中的制约因素美国汽车工程师学会将自动驾驶划分为L0-L5

等级。从技术发展看，目前自动驾驶的技术实现能力为

L2-L3，但受到场景的局限，如需要在高速公路、道路标识规范清晰的城市主干道路上行驶等；从产业应用落地看，L2

及以下的

ADAS应用依然保持一个较低的渗透水平，L3

及以上自动驾驶应用仍以试验和区域性示范为主，L4

及以上更高等级自动驾驶应用则需要更长的时间。自动驾驶面临的挑战1.自动驾驶的兴起Uber致命事故不规范的道路道路上的异常情况道德难题1.1网联自动驾驶发展历程2.车联网的出现Connectedandautomatedvehicles(智能网联汽车/网联自动驾驶汽车)Connectedvehicles(网联汽车)VANET(Vehicular

AdHocNetwork车辆自组织网络)Vehicularnetwork(车辆网)Telemetics(车载信息服务)V2X(车联一切)VGrid(车辆网格)不太正式场合：Internetofvehicles车-联网，是一个名词+动词结构，表示把现有汽车通过无线网络联结起来。车联-网，是动词+名词结构，强调是把车辆联结起来的一种网络。

车联网的概念源于物联网，即车辆物联网，是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与X(指人、车、路、云平台)之间的网络连接，提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶体验和交通服务，同时提高交通运行效率，提升社会交通服务的智能化水平。

车联网主要实现“三网融合”，即车内网、车际网和车载移动互联网的融合。

车联网是利用传感技术感知车辆的状态信息，并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理，以及交通信息服务的智能决策和车辆的智能化控制。(1)内涵1.1网联自动驾驶发展历程车与云平台间的通信是指车辆通过卫星通信或移动蜂窝通信等技术实现与车联网服务平台的信息交互，接收平台下达的控制指令，实时共享车辆数据。车与车间的通信是指车辆与车辆之间实现信息交流与信息共享，包括车辆位置、行驶速度等车辆状态信息，可用于判断道路车流状况。车与路间的通信是指借助地面固定通信设施实现车辆与道路间的信息交流，用于监测道路交通状况，引导车辆选择最佳行驶路径。车与人间的通信是指用户可通过专用短程通信技术(DedicatedShortRangeCommunications,DSRC)、Wi-Fi、蓝牙、移动网络等无线通信技术与车辆进行信息沟通，使用户通过移动终端设备能监测并控制车辆。车内设备间的通信是指车辆内部各设备间的数据传输，用于对设备状态的实时检测与运行控制，建立数字化的车内控制系统。(1)内涵1.1网联自动驾驶发展历程1.1网联自动驾驶发展历程日本：SmartWay、VICS(VehicleInformationandCommunicationSystem)美国：IntelliDriveConnectedVehicleResearch(CVR)。美国交通部下设部门RITA发布了“智能交通战略研究计划(2015-2019)”，该计划将研究重点集中在“互联汽车”、“自动驾驶”、“新兴功能”、“企业数据”、“协同性”和“加速产业扩张”六大领域。欧洲：车路协同CVIS项目、Car2Car通信联盟我国：2009年起步，最初只能实现基本的导航、救援等功能；2013年能够实现简单的实时通信；2014-2015年，3G和LTE技术开始应用于车载通信系统实现远程控制。2016年9月，华为、奥迪、宝马和戴姆勒等公司合作推出了5G汽车联盟，并与汽车经销商和科研机构共同开展了一系列汽车网络应用场景。到2017年底，国家颁布了多项方案，如交通运输部发布了《2017-2020

智慧交通方案》、中国信息通信研究院发布了《车联网白皮书(2017年)》、工业和信息化部发布了关于征求《国家车联网产业标准体系建设指南》意见的通知等，将发展车联网提到了国家创新战略层面。2021年，中国互联网大会发布的《中国互联网发展报告(2021)》指出，中国车联网标准体系建设基本完备，车联网成为汽车工业产业升级的创新驱动力；车联网的装机率约300多万台，市场增长率107%，渗透率15%，表明车联网发展态势良好，具备了一定的市场规模。(2)车联网发展历史车联网应用于未来的车辆驾驶，将以生态为中心，实现生态出行。安全驾驶、协同驾驶等领域的应用。交通智能化管理：对已经定位的货物进行位置跟踪，并为货物在供应链和物流链中提供服务；通过车辆传感器采集信息，并在云中心实施计算与分类处理，将不同类型的数据分类发放，使不同部门都能够掌握数据，基于反馈数据实施交通智能调度。导航精确化：车联网能够实时获取路网交通运行状态，并依据驾驶人起讫点精准计算出行路径，为驾驶人提供精确化的导航服务。整车硬件联网化用车服务线上化：如代驾、停车场、加油站、违章查询代缴、充电桩收费、上门保养、上门洗车、UBI(UsageBasedInsurance)保险，等等。服务方式多样化：车联网将不再局限于车-机这一个交互渠道，还可拓展到手机APP、微信小程序、智能穿戴设备、智能家居设备等多个交互设备，极大提升用户的用车体验，延长人车交互的频率和时间，改善交互体验。助力无人驾驶技术发展(3)车联网未来发展方向1.1网联自动驾驶发展历程近年来，单车智能自动驾驶，也称之为自主式自动驾驶，在多个环节均存在不同程度的技术瓶颈，应用过程中也出现了各种失效的问题。如在环境感知环节：各类传感器的可靠性及对突发事件的响应能力不足。一方面，容易受到遮挡、恶劣天气等环境因素影响，如十字交叉路口、隧道出入口等；另一方面，单车智能自动驾驶在目标预测、驾驶意图“博弈”等方面存在困难。在计算决策环节：算力与功耗之间的矛盾是目前单车智能自动驾驶计算平台遇到的重要瓶颈。同时，因交通行为更多是众多参与者之间的相互“博弈”，在路径动作的决策规划环节，单车智能自动驾驶难以给出最佳的解决方案。在控制执行环节：难以提供远程遥控驾驶、协同驾驶等模式。例如在某些危险或不适合人类进入的场合，需要通过

5G远程遥控驾驶来操作远端的车辆进行作业；在车辆编队行驶方面，借助头车和后方车辆的信息交互，后方车辆能够按照头车的统一命令进行驾驶，减轻后方车辆的感知计算任务负载。车联网为单车智能自动驾驶面临的上述技术难题提供了有效解决方案、可促进单车自动驾驶技术迈向新的起点，二者的融合已成共识。单车智能自动驾驶通过车辆自身的传感器进行感知决策与控制，而网联自动驾驶则通过V2X方式进行感知并帮助车辆进行决策和控制，实现智能驾驶。3网联自动驾驶的发展1.1网联自动驾驶发展历程网联自动驾驶是在现有单车智能自动驾驶基础上，通过车联网将“人-车-路-云”交通参与要素有机地联系在一起，拓展和助力单车智能自动驾驶在环境感知、计算决策与控制执行等方面的能力升级，加速自动驾驶成熟应用。在环境感知环节进行协同，支持车辆获得比单车智能感知更多的信息，如非视距感知或易受恶劣环境影响等问题；在计算决策环节进行协同，增强车与车、车与路之间的系统性决策，如解决车辆优先级管理、交叉口优化控制等问题；在控制执行环节进行协同，对车辆驾驶行为进行干预，如远程遥控车辆脱困等。与此同时，网联自动驾驶的发展，还将带动“人-车-路-云”协同车联网新型基础设施体系的建设与完善，如下图所示，助力

5G、人工智能等技术在垂直行业的应用推广，促进汽车和交通服务的新模式、新业态发展。3网联自动驾驶的发展1.1网联自动驾驶发展历程1.1网联自动驾驶发展历程3网联自动驾驶的发展优势自主式网联式更加精益单车配备所有的感知设备，设备及信息独享通过V2X从周边获取公共信息，设备及信息为所有车辆服务技术难度更低车辆架构开发复杂，对传感器等零件重量、体积要求高相对而言重量、体积要求低，布置灵活，车辆架构简单车辆成本更低车辆需要大量感知设备，如摄像头、各种雷达等更多信息从周边获取，信息来源于公共资源信息处理难度低需要通过传感器读取信息，然后通过各种识别技术进行处理融合可以直接发送对应信息，车辆直接执行，如信号灯直接通过信号发送网联化等级等级名称等级定义控制典型信息传输需求1网联辅助信息交互基于车-路、车-云通信，实现导航等辅助信息的获取，以及车辆行驶与驾驶人操作等数据的上传人地图、交通流量、交通标志、油耗、里程等信息传输实时性、可靠性要求较低2网联协同感知基于车-车、车-路、车-人、车-云通信，实时获取车辆周边交通环境信息，与车载传感器的感知信息融合，作为自车决策与控制系统的输入人与系统周边车辆/行人/非机动车位置、信号灯相位、道路预警等信息传输实时性、可靠性要求较高3网联协同决策与控制基于车-车、车-路、车-人、车-云通信，实时并可靠获取车辆周边交通环境信息及车辆决策信息，车-车、车-路等各交通参与者之间信息融合，形成车-车、车-路等各参与者之间的系统决策与控制人与系统车车、车路间的协同控制信息传输实时性、可靠性要求高发展规划比较

《国家车联网产业标准体系建设指南》对智能网联汽车的定义为：搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现V2X(人、车、路、云端等)智能信息交换、共享，具备复杂环境感知、智能决策、协同控制等功能，可实现“安全、高效、舒适、节能”行驶，并最终实现代替人来操作的新一代汽车。实际上智能网联汽车是汽车技术发展2个技术方案融合的产物，即车联网与智能化；是汽车、信息、通信等多学科多技术深度融合的典型应用。3网联自动驾驶的发展1.1网联自动驾驶发展历程

智能网联汽车具有以下特征：

智能化层面：汽车配备了多种传感器(摄像头、超声波雷达、毫米波雷达、激光雷达等)，实现对周围环境的自主感知，通过一系列传感器信息识别和决策操作，汽车按照预定控制算法决策的速度与预先规划的路线寻径行驶。

网联化层面：车辆采用新一代移动通信技术(LTE-V、5G等)，实现车辆位置信息、车速信息、外部信息等交互，并由控制器进行计算，通过决策模块计算后控制车辆按照预先设定的指令行驶，进一步增强车辆的智能化程度和自动驾驶的能力。3网联自动驾驶的发展1.1网联自动驾驶发展历程

关于智能网联汽车、自动驾驶汽车、车联网、智能交通等概念间的相互关系如图1-24所示。智能交通系统(IntelligentTransportationSystems,ITS)是指将通信技术、信息技术、控制技术、传感技术以及计算机技术等先进技术有效地集中运用到整个交通体系，从而能够在大范围内实现实时、准确、高效的运输与管理的交通系统，不仅包括了车辆，还包括了道路、行人等一系列基础设施与交通参与者。智能汽车是智能交通系统的子系统之一，是一个融合环境感知、高精度定位与建图、路径规划、车辆控制、多等级辅助驾驶等功能于一体的综合系统。目前，智能交通系统还难以全面获取交通状态，及时侦测道路情况，准确了解交通主体参与者的运行状况，以及根据车路状况和彼此交互的相关状态为出行者提供更有效的交通信息。车联网为上述问题提供了有效解决方案，它是智能交通系统和智能汽车的重要技术支撑。传统意义上的自主式智能汽车加上网联化，构成新一代智能网联汽车，除了能够保证自车与其他车辆、物体保持安全距离，还可实现车与车、车与设施、人与车、车与互联网的实时在线通信。智能网联汽车的发展，有望打造协同式自动驾驶汽车，提升交通安全与效率。3网联自动驾驶的发展1.1网联自动驾驶发展历程(1)美国政府、产业在网联路径选择上存在差异性考虑(2)欧盟战略高度重视智能化和网联化的协同发展(3)日韩布局基础设施建设，希望抢占商业化普及先机(4)我国正在加速形成智能网联汽车产业的协同发展环境4发展趋势1.1网联自动驾驶发展历程

网联自动驾驶已成为我国发展高等级自动驾驶的明确技术主线，“网联”是加强路侧基础设施对车端赋能的“管道”，也是推动“聪明的车”与“智慧的路”深度融合的支撑性技术。但是从技术和产业发展的成熟度看，网联深度支撑自动驾驶仍然面临技术融合、基础设施建设、商业运营模式等方面的困难和挑战。

网联深度协同的技术体系仍需完善，路侧基础设施尚未建立起功能安全等级等概念。一是路侧消息采信机制难以建立。二是传输信道可靠性难以保证。三是跨行业、跨地域数字身份认证尚未协同统一。四是与车端相符的路侧功能安全界定尚不明确。

基础设施建设规划尚未明晰，数据互通壁垒掣肘产业生态培育。一是参与主体多元化，建设运营模式尚不清晰。二是基建投资规模大，建设规划路径尚未明确。三是产业生态难建立，需打破数据互联互通壁垒。

网联自动驾驶的商业运营模式仍处于设计探索阶段，配套政策法规亟待完善。一是缺乏面向公众服务的“杀手级”应用。二是配套政策法规尚需完善，掣肘示范应用向商业运营转化。5面临的挑战1.1网联自动驾驶发展历程1.2网联自动驾驶的优势(1)降低交通事故率、提升出行效率。据调查，车联网可降低80%的交通事故率，提高30%的交通效率；(2)挖掘道路资源潜力，提升道路通行能力。研究表明，当CACC(CooperativeAdaptiveCruiseControl)渗透率100%时，城市道路车道饱和流率约为人工驾驶时的2倍；(3)节省能源，可降低能耗10~15%；(4)减轻驾驶人驾驶负担，实现车辆共享，便捷出行；(5)共享出行信息，实现路网交通流的优化调度与协同控制，避免交通拥堵；(6)拓展信息服务能力，打造商业生态圈。1.3道路交通网联控制模式利用智能网联汽车轨迹可控性和高机动性、安全性的优势：动态创建和撤销自动驾驶专用车道编队智能网联汽车行驶并优化其行车轨迹达到最大化压缩行车空间、提高路段通行能力的目的。1.路段1.3道路交通网联控制模式(1)无信号交叉口进入时间(ta)计划该车辆抵达交叉口停车线的时间。进入速度(va)计划该车辆抵达交叉口停车线时的速度。车辆行驶轨迹(x,v,a,θ)从进入停车线到驶离交叉口该车辆计划的行驶轨迹链，包括每一个时间单元△t内车辆在交叉口的位置、速度、加/减速度和车辆运动的转向角等。2.交叉口1.3道路交通网联控制模式(2)信号交叉口启动损失时间与饱和流率动态标定进口车道功能动态划分CAV专用车道人工驾驶车道混合驾驶车道多目标联合优化信号配时参数车辆行驶轨迹能耗舒适性…1.4智能网联控制分类按交叉口控制方式划分无信号控制交叉口信号控制交叉口按CAV渗透率划分人机混合驾驶优化控制全自动驾驶优化控制按交叉口控制规模划分单个交叉口优化控制交叉口协同控制按红灯期间是否允许CAV通行划分许可驶入控制禁止驶入控制按优化的复杂程度划分单向优化控制联合优化控制按是否有CAV专用相位划分CAV专用相位通行控制混合相位通行控制第2章智能网联控制基础

2.1车联网(1)车辆和车载系统车辆和车载系统是参与交通的每一辆汽车和车上的各种设备，通过车载传感器，车辆不仅可以实时了解自己的位置、朝向、行驶距离、速度和加速度等车辆信息，还可以通过各种环境传感器感知外界环境的信息，包括温度、湿度、光线、距离等，不仅方便驾驶人及时了解车辆和信息，还可对外界变化做出快速反应。此外，传感器获取的信息还可通过无线网络发送给周围的车辆、行人和道路，上传到车联网的云计算中心，加强信息的共享能力。(2)车辆标识系统车辆上的若干标志标识和外界的标识识别设备构成了车辆标识系统，其中标志以射频识别(RadioFrequencyIdentification，RFID)和图像识别系统为主。(3)路边设备系统路边设备系统沿交通路网布设，一般安装在交通热点地区、交叉路口或者高危地区，通过采集特定地点的交通状况，评估交通事件的影响程度及范围，给交通参与者规避交通拥堵和风险的若干建议。(4)信息通信网络系统有了若干信息后，还需要信息通信系统实现数据的传输，这是网络链路层的重要组成部分。以Wi-Fi、蓝牙、移动网络、无线网络为主，车联网的大部分网络需求需要与网络运营商合作，以便和用户的手机随时连接。1.构成2.1车联网(1)应用层应用层是车联网的最高层次，可以为联网用户提供各种出行服务。以当前应用最广泛的业务为例，全球定位系统获取车辆的实时位置数据，然后返回给车联网控制中心服务器，经网络层处理后进入用户的车辆终端设备；终端设备对定位数据进行相应的分析处理后，可以为用户提供导航、通信、监控、定位等服务。(2)网络层网络层主要功能是提供透明的信息传输服务，即实现对输入输出数据的汇总、分析、加工和传输，一般由网络服务器和WEB服务组成。GPS定位数据及车载传感器采集信息上传至控制中心，由服务器对数据进行加工，为每辆车提供定制服务；同时可对数据进行联合分析，形成车与车之间的各种关系，搭建局部车联网业务，为用户群提供高效、准确、及时的数据服务。(3)采集层采集层负责数据的采集，由各种车载传感器完成，包括车辆实时运行参数、道路环境参数和预测数据，如车速、方向、位置、里程、发动机转速、车内温度等。所有采集到的数据将上传至控制中心进行统一的分析和处理，得到用户所需要的业务数据，为车联网提供可靠的数据支持。2.体系架构2.1车联网(1)RFID技术RFID技术是通过无线射频信号实现物体识别的一种技术，具有非接触、双向通信、自动识别等特征，对人体和物体均有较好的识别效果。RFID不但可以感知物体位置，还能感知物体的移动状态并进行跟踪。RFID目前已广泛应用于智能交通领域，尤其是车联网技术中更是对RFID依赖颇深，成为车联网体系的基础性技术。RFID技术一般与服务器、数据库、云计算、近距离无线通信等技术结合使用，构建庞大的物体识别体系。(2)传感网络技术车辆服务需要大量数据支持，这些数据的原始来源正是由各类传感器采集的。不同的传感器或大量的传感器组成一个庞大的数据采集系统，动态采集一切车联网服务所需要的原始数据，如车辆位置、状态参数、交通信息等。当前传感器已由单个或几个传感器演化为由大量传感器组成的传感器网络，并且能够根据不同的业务进行人性化定制，经分析处理后作为各项业务数据为车辆提供优质服务。3.关键技术2.1车联网(3)卫星定位技术随着全球定位技术精度的提升，车联网的发展迎来了新的历史机遇，GPS系统已成为车联网的重要技术基础，为车辆的定位和导航提供高精度的位置服务，成为车联网的核心业务之一。随着我国北斗导航系统的日益完善并投入使用，车联网技术又有了新的发展方向，并逐步实现向国产化、自主知识产权的过渡。北斗导航系统将成为我国车联网体系的核心技术之一，成为车联网核心技术自主研发的重要开端。

(4)无线通信技术传感网络采集的数据需要通信系统传输出去才能得到及时的处理和分析，分析后的数据也需经过通信网络的传输才能到达车辆终端设备。考虑到车辆的移动特性，车联网技术只能采用无线通信技术实现数据的传输，因此无线通信技术是车联网技术的核心组成部分。在各种无线传输技术的支持下，数据可以在服务器的控制下进行交换，实现业务数据的实时传输，并通过指令的传输实现对网内车辆的实时监测和控制。3.关键技术2.1车联网(5)大数据分析技术大数据(BigData)是指数量庞大、结构复杂的数据或信息的集合体。在计算机技术和网络技术的推动下，各种大数据处理方法已经开始得到广泛应用。常见的大数据技术包括信息管理系统、分布式数据库(数据存储)，数据挖掘、类聚分析(算法)等，成为推动大数据在车联网中应用的强大驱动力。(6)标准及安全体系车联网作为一个庞大的物联网应用系统，包含了大量的数据、处理过程和传输节点，其高效运行必须有一套统一的标准体系来规范，以确保数据的真实性和完整性，实现各项业务的应用。标准化已成为车联网技术发展的迫切要求，也是一项复杂的管理技术。车辆联网和获取服务本身也是为车辆安全行驶提供保障，因此安全体系的建立也十分重要。能否根据当前车联网发展状况，建立一套高效的标准和安全体系，已成为制约未来车联网技术发展的关键因素。3.关键技术2.1车联网(1)车辆安全方面：车联网可以通过提前预警、超速警告、逆行警告、红灯预警、行人预警等相关手段提醒驾驶人，也可通过紧急制动、禁止疲劳驾驶等措施有效降低交通事故的发生率，保障人员及车辆安全。(2)交通控制方面：将车端和交通信息及时发送到云端，进行智能交通管理，从而实时播报交通及事故状况，缓解交通堵塞，提高道路使用率。(3)信息服务方面：车联网为企业和个人提供方便快捷的信息服务，如提供高精度电子地图和准确的道路导航。车企也可通过收集和分析车辆行驶信息，了解车辆的使用状况及问题，确保用户行车安全。其他企业还可通过相关特定信息服务了解用户需求和兴趣，挖掘盈利点。(4)智慧城市与智能交通方面：以车联网为通信管理平台可以实现智能交通，如交通信号灯智能控制、智慧停车、智能停车场管理、交通事故处理、公交车智能调度等方面都可通过车联网实现。随着交通的信息化和智能化，必然有助于智慧城市的构建。4.应用场景2.2网联自动驾驶(1)全局视图下的网联自动驾驶技术体系网联自动驾驶的体系架构可以按照“终端”、“连接”、“计算与服务”三个维度来进行解构。1.体系架构2.2网联自动驾驶(2)智能网联汽车视角下的网联自动驾驶技术体系该视角下，网联自动驾驶按照技术环节可分为感知、连接、计算与服务，其中网联系统是与雷达、摄像头、定位等并列的一种感知技术，车内电子电气架构(E/E)、车载计算平台归属于连接和计算的范畴，服务主要是与自动驾驶有关的预测和决策等。在智能网联汽车视角下，车辆的安全是非常重要的技术环节，需要遵循相应的功能安全体系(ISO26262)，以及预期功能安全体系(SOTIF)。1.体系架构2.2网联自动驾驶(3)信息通信视角下的网联自动驾驶技术体系该视角下，网联自动驾驶遵循“端-管-云-业务”的典型信息通信体系架构。一方面，无论是车载、路侧系统的各类终端，都是网络内的车联网终端用户；另一方面，各类终端通过C-V2X/5G等移动通信网络或光纤接入网络接入到边缘计算平台或云平台，平台上的各类应用为终端用户提供通用或定制化服务。1.体系架构2.2网联自动驾驶(4)交通与交管视角下的网联自动驾驶技术体系该视角下，车联网与智慧交通系统按照业务类型垂直分类，网联自动驾驶可视作涉及到多个传统业务类型增强与融合的新兴业务系统，如在传统的交通信号智能控制系统基础上增加了数据开放与广播，在交通标志标线、车辆超速预警、典型违法预警等基础上增加了信息融合与实时播发功能等。1.体系架构全局局部2.2网联自动驾驶(5)网联自动驾驶技术体系的三向视图为了更好地描述网联自动驾驶技术体系，网联自动驾驶技术体系可用三向视图进行描述。正向视图展示了系统架构和信息流，根据业务类型的不同，信息流可分为三个类型。一是车路信息流，路侧智能化系统为智能网联汽车提供超视距感知信息、道路信息、地理信息等；智能网联汽车向路侧智能化系统提供自身状态信息，用于路侧更全面地了解道路车辆状态，形成车路协同流闭环。二是面向交通治理的车路云信息流，交通与交管平台从路侧智能化系统及智能网联汽车获取车辆行驶信息，用于分析和形成宏观或微观交通状态，并将交通控制、管理、诱导等信息发送至智能网联汽车，促进改善交通环境，形成智慧交通信息流闭环。三是面向网联自动驾驶的车-路-云信息流，智能网联汽车和路侧智能化系统将感知信息与道路状态信息上传至云控平台，云控平台将适用于自动驾驶的融合感知与决策信息下发至智能网联汽车，形成网联自动驾驶信息流闭环。1.体系架构2.2网联自动驾驶(5)网联自动驾驶技术体系的三向视图顶向视图展示了关键技术的逻辑架构，信息通信、交通、汽车等各行业对于“终端”、“计算”、“连接与服务”的技术逻辑划分基本达成共识，但不同行业对于此种逻辑划分有不同的关注重点。汽车行业更关注智能网联汽车内部系统，同时关注云控平台上自动驾驶应用服务的实现。通信行业更关注车-路-云之间的连接与服务，以及边-云端的移动边缘计算(MobileEdgeComputing,

MEC)、数据中心、云计算、人工智能等关键技术。路侧智能化系统需要信息通信、交通、交管等跨行业协同，其中交管行业的责权界面相对明晰，信息通信行业和交通行业在路侧系统建设运营方面的合作模式还有待进一步探索；应用平台方面，信息通信、交通、交管、汽车等各行业仍存在平台间数据集不统一、互联互通困难等待解决的问题。1.体系架构2.2网联自动驾驶(5)网联自动驾驶技术体系的三向视图侧向视图展示了系统安全视图，包含网联自动驾驶功能安全与信息安全两部分安全体系。功能安全既包括汽车传统的功能安全体系，也包括自动驾驶汽车的预期功能安全体系，以及未来路侧设备、云端服务的预期功能安全。信息安全包括了网络安全、身份认证等关键技术体系，其中身份认证体系一方面需要明确管理机制，考虑建立跨行业、跨地域协同管理模式，共同维护协同互认的数字身份信任关系。1.体系架构2.2网联自动驾驶(1)车载感知视觉感知激光雷达感知毫米波雷达感知感知融合2.关键技术2.2网联自动驾驶(2)网联无线通信(C-V2X)

国际标准组织

3GPP定义了基于

LTE(LongTermEvolution)移动通信技术演进形成的LTE-V2X、5G及

5GV2X标准化技术。

依托国内良好的产业环境，基于

LTE-V2X的芯片模组、OBU(OnboardUnit,车载单元)、RSU(RoadSideUnit,路侧单元)等核心设备均具备了实际商用能力，且配套的端到端产业链已经建立。2.关键技术2.2网联自动驾驶(3)移动边缘计算(MEC)MEC与以

C-V2X为代表的网联技术深度融合，可实现网联自动驾驶的多类应用场景。MEC与

C-V2X融合系统可采用多层系统架构，通常包括路侧

MEC设备以及区域

MEC平台。两类

MEC相对独立，并可根据应用场景对于边缘计算的不同需求灵活组合形成“标准+定制化”的解决方案。2.关键技术2.2网联自动驾驶

从典型工况和协同环节两个维度进行考虑，可以将网联自动驾驶的应用场景划分为一个矩阵。典型工况包括各类路口、高速公路、隧道、停车场、矿山/港口等相对结构化的道路环境，以及通用工况环境。协同环节则包括协同感知、协同决策和协同控制三个部分。3.应用场景2.3车辆轨迹控制模型(1)交通工程类

从交通工程角度对跟驰行为进行建模，侧重于微观驾驶行为的表达与微观数据的标定。在分析各种外界因素对驾驶人跟驰行为影响的基础上，设计合理的模型结构使得模型能够在微观上符合实际观测数据。鉴于这类模型主要应用于交通仿真和交通安全，因而实测数据分析和模型参数标定就显得尤为重要。根据建模思想的差异，这类跟驰模型分为刺激-反应类模型、安全距离类模型、心理-生理类模型和人工智能类模型。刺激-反应类模型和安全距离类模型将人-车系统作为统一体，采用精确的运动学或动力学公式描述车辆运行轨迹，在交通仿真和智能车辆等领域有着广泛应用价值。心理-生理类模型和人工智能类模型则更多地考虑对驾驶人心理反应特性的描述与建模，模型中更多地体现了跟驰行为中人的因素。(2)统计物理类

按照统计物理学的观点，车辆被作为自驱动远离平衡的相互作用粒子。物理学家通过在跟驰模型中引入能够描述实际交通流基本特性的一些本质因素，建立起微观跟驰模型。这类模型有助于更好地理解观察到的实际交通流现象(如相变、亚稳态、迟滞现象、时走时停等)。1.车辆跟驰模型分类2.3车辆轨迹控制模型1.车辆跟驰模型分类2.3车辆轨迹控制模型(1)跟车模型线性跟驰模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(1)跟车模型非线性跟驰模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型刺激-反应模型(GM模型)2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型安全距离模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型安全距离模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型生理-心理模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型人工智能模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型(2)跟驰行为模型优化速度模型2.CHV/HV跟驰模型2.3车辆轨迹控制模型2.CHV/HV跟驰模型智能驾驶模型2.3车辆轨迹控制模型3.CAV/AV跟驰模型CACC模型通过实际与期望间距的误差项不断调整后车速度，以实现车辆的稳定跟驰。例如，加州伯克利PATH实验室提出的恒定车间时距策略的CACC模式就是一种广泛使用的方法。此外，CACC模型还包括速度控制模式、间距控制模式、间距接近控制模式和防碰撞控制模式等四种模式，这些模式在不同的行车场景下被激活，以保证车辆的稳定和安全行驶。ACC/CACC车辆跟驰要求保持稳定的车间时距，而由Treiber提出的IDM模型恰好含有能够反映车间时距这一物理意的参数，因此，应用IDM模型描述ACC车辆跟驰模型已得到学者的普遍认可。只需改变IDM模型中安全车头时距hs，即可实现传统车辆跟驰模型和ACC车辆跟驰模型间的转换。另外，基于IDM模型的CACC跟驰模型只需在ACC跟驰模型中增加对前方车辆加速度的考虑即可。虽然IDM模型考虑了驾驶人在较精确感知前方车辆行驶状态下的智能驾驶行为，然而，其本质仍然是将能够体现智能驾驶的传统驾驶人类比为ACC/CACC上层自动控制系统，从而忽略了二者间跟驰行为的差异。

加州大学伯克利分校PATH实验室针对ACC/CACC车辆跟驰模型进行了长期研究，所提模型结构简单，并通过了真车试验验证，如下表所示。2.3车辆轨迹控制模型3.CAV/AV跟驰模型2.3车辆轨迹控制模型4.车辆轨迹更新第3章基于轨迹优化/时空

预约的控制方法3.1交叉口优化控制范围

交叉口优化控制器和车辆之间的通信称为V2I通信，通信方式包括专用短程通信(DSRC)、Wi-Fi、蓝牙、4G/5G等。所有通信均存在延时，如DSRC的延时为0.002秒，5G通信具有高可靠、低延时、大带宽等优势，延时会小些。但在优化车辆行驶轨迹时，需考虑通信延时的影响并添加安全约束，否则可能发生碰撞事故。不同的通信方式可实现的通信距离也存在差异，如DSRC的最大通信距离可达1000米，5G在密集的市区可靠通信距离大约在300-400米。

基于时空预约/轨迹控制的优化方法依赖于V2I通信，只有进入通信范围内的车辆才能被有效识别并对其行驶轨迹进行优化。因此，应根据V2I通信方式确定交叉口控制器能优化的交叉口范围。3.2基于轨迹优化的控制方法(Trajectory-based)

基于轨迹优化的控制方法大多建立在全网联驾驶环境下，优化趋势由之前的单向优化(根据前方交叉口的信号配时方案和当前相位的工作状态，优化CAVs的行驶轨迹)转变到目前的双向优化(车辆行驶轨迹与信号控制参数联合优化)，使CAVs能够高效通过交叉口，且给CAVs一个平稳的加/减速度，以降低油耗和尾气排放、使车辆行驶更加平稳。1.优化原理3.2基于轨迹优化的控制方法(Trajectory-based)1.优化原理3.2基于轨迹优化的控制方法(Trajectory-based)Mahmoud等人(2020)开发了一种智能交叉口控制算法(IntelligentIntersectionControlAlgorithm,IICA)，目标是通过将信号相位、配时参数与车辆轨迹相协调来实现平均行程时间最小化。IICA能最大化绿灯时间利用率和交叉口通行能力。IICA实现过程：

首先，中央处理器(标记①)采集交叉口通信范围内每条车道上每辆车的到达信息(标记②和③)。

其次，算法计算CAVs和CHVs向交叉口移动的相关参数。然后，基于计算的车辆轨迹算法实施一种改进的自适应信号控制逻辑。

最后，算法输出两组参数：(1)发送给信号控制器的信号相位及配时参数(SignalPhaseandTiming,SPaT)，标记④；(2)CAVs的优化轨迹，标记⑤。

该过程持续运行，以更新信号状态并为到达车辆提供服务。2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)

在IICA中，车辆类型(CAV或CHV)及其运动是否受到前方车辆的限制，会影响到其轨迹计算模型。将引导车辆定义为其运动不受其它车辆限制的车辆，建立了一个非线性数学模型(即自动驾驶车行驶轨迹优化,AVTrajectoryOptimization,AVTO)来量化每条车道上一组车辆间的跟随-引导作用关系。2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)2.智能交叉口控制算法3.2基于轨迹优化的控制方法(Trajectory-based)3.车辆轨迹与信号控制参数联合优化逻辑IICA框架下还可开展与计算车辆轨迹相协调的SPaT决策，以避免因低绿灯时间利用率而造成交通信号时间损失。每次检测到新车到达时，重新评估信号控制状态，通过决策是否延长或切换正在进行的相位，建立自适应信号控制逻辑，见图3-7。交通生成模块模拟车辆在检测距离内的车辆到达情况；在求解AVTO模型之前，假设到达车辆在消息传输时间内以检测到的速度行驶，以此更新车辆的轨迹。给定一组即将运行的信号相位和配时，输入通信/检测范围内车辆的AVTO模型解决方案以确定即将到来的相位绿灯时间是否能服务全部车辆？如果相位绿灯时间计划不足，则算法请求信号控制器提供足够的绿灯延长或相位切换。因此，SPaT决策属于以下类别之一：(1)即将运行的信号方案为全部车辆提供足够的绿灯时间，以安全通过交叉口(2)即将运行的信号方案不能胜任时，当：

①未能服务的车辆在最后一个相位内。根据该车辆的轨迹，延长绿灯时间，以确保其安全通过停车线。

②未能服务的车辆在其它相位内。调整相位方案以确保有足够长的绿灯时间服务该车辆安全通过停车线。

每个相位的绿灯时长都应满足约束条件，任何低于最小或高于最大的绿灯时长都会导致频繁或迟钝的相位切换，致使额外延误的产生，需避免此种情况的发生。3.2基于轨迹优化的控制方法(Trajectory-based)3.车辆轨迹与信号控制参数联合优化逻辑3.2基于轨迹优化的控制方法(Trajectory-based)4.问题分析(1)在轨迹优化过程中，大部分研究只考虑了纵向速度轨迹优化，忽略了横向变道的过程，或假定在理想环境下横向轨迹优化过程不受限制，但在人机混合驾驶环境下，因人工驾驶车轨迹不受控且无法预测，会对CAV的变道过程造成极大干扰，这种做法与实际情况有很大出入。(2)现有研究大多车道均为混合驾驶车道，CAV与CHV混行，导致受CHV干扰，使一部分CAV无法提前规划其运动轨迹进行高效控制，不能充分发挥CAV的优势。(3)考虑了车辆轨迹优化结果来调整每个相位的绿灯时间，但采用的是感应信号控制逻辑，未从全局最优的角度去优化整个信号周期内各个相位的绿灯时间。3.3基于时空预约的管理方法(Reservation-based)1.自动交叉口管理AIM是Dresner等人在2008年提出的一种单交叉口管理策略，即“预约制交叉口”，核心思想是利用车联网技术来取代传统的交叉口信号控制方案，提升交叉口的智能化管理水平和通行效率。

在这种管理策略中，称为代理驾驶人的计算机程序控制车辆，而称为交叉口管理器的仲裁代理布设在每个交叉口。代理驾驶人提前发出预约请求、尝试为通过交叉口预留一段时间。交叉口管理器根据交叉口控制策略决定是否同意或拒绝所请求的保留。3.3基于时空预约的管理方法(Reservation-based)1.自动交叉口管理

当车辆行驶至交叉口附近时，代理驾驶人向交叉口管理器发起预约请求；交叉口管理器将此请求传递给控制策略，该策略决策车辆通过交叉口是否安全？若策略决策安全，交叉口管理器向代理驾驶人发送一条消息，表明预约已被接受；否则，交叉口管理器将发送一条消息，指示预约请求被拒绝。除了确认或拒绝请求外，交叉口管理器还可以提出反要约，如“紧急停车”。

代理驾驶人能发送“预约”、“变更预约”、“取消预约”和“预约完成”四类信息。发送“预约”、“变更预约”请求信息时，代理驾驶人需附送车辆的属性信息，包括预计到达时间、到达速度、车辆特征等参数，如车身尺寸、加/减速能力等；车辆通过交叉口后，需要发送“预约完成”信息。车辆靠近交叉口时，代理驾驶人预估到达交叉口的时间和速度，并发起“预约”请求；如果获得“同意”，它将尝试按时到达；如果确定无法完成“预约”，则发送“取消预约”；如果提前达到，则将试图“变更预约”；如果“预约”被拒绝，它会减速(降至最低速度)并再次发出“预约”请求。代理驾驶人不得在没有预约的情况下驾驶车辆进入交叉口。即使有预约，代理驾驶人也只能根据预约的相关参数和约束条件通过交叉口。在路段上，代理驾驶人采取按车道跟驰的行驶策略，并在该车和前车间保持1秒的跟驰距离。AIM回复的信息有四种：“同意”、“拒绝”、“确认”及特殊情况下的“紧急停车”。交叉口管理器回复“同意”时，附带发送预约的约束条件，如预约的唯一标识符、进入时间、进入车道、驶离车道，以及车辆在交叉路口加/减速的约束列表。“拒绝”消息用于拒绝“预约”和“变更预约”的请求。交叉口管理器发送“确认”消息，用于响应代理驾驶人发送的“取消预约”和“预约完成”消息。3.3基于时空预约的管理方法(Reservation-based)1.自动交叉口管理3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略AIM采取先到先服务(FirstCome,FirstServed,FCFS)的预约请求处理策略。交叉口被划分为n×n的网格(tiles)，其中n是该策略的粒度。每个时间步(timestep)，根据发出“预约(reservation)”请求的车辆附送信息，仿真交叉口内哪些网格会被占用。仿真期间，任何时间步若请求车辆与另一车辆占用了同一个网格，则将拒绝该“预约”请求；否则，策略将接受“预约”，并为该车辆预留网格。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(1)出口车道匹配

车辆在交叉口允许转弯，从提升交叉口控制效率和安全角度看，代理驾驶人不应决定它们从哪条车道驶出交叉口，而应由拥有更多车辆运行信息的交叉口管理器做出这一决定。代理驾驶人在其请求消息中指出其打算转向的方向即可，然后交叉口管理器决定将哪条出口车道配置给车辆。最自然的选择：对于左转和右转，选择最近的车道；而对于直行车辆，则选择它们计划到达的出口车道。如果这样配置，预约请求仿真被接受的可能性不会太高。FCFS策略基于驶入车道创建驶出车道的优先级列表，然后依次对每个驶出车道进行内部模拟，直至找到可接受的驶出车道配置。对于转弯车辆，按由近及远的优先级排序驶出车道集。对于直行车辆，以驶入车道为中心“螺旋”排序，首先是正对的驶出车道，其次是左侧第一条车道、右侧第一条车道，然后是左侧第二条车道、右侧第二条车道，依此类推。以这种方式，FCFS策略确定预约请求车辆在交叉口内的行驶轨迹。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(2)加/减速控制

给定一组车辆的附属信息，如果允许车辆在交叉口内加/减速，则车辆有无限多的可能轨迹。代理驾驶人可以将其车辆的加速度设置为车辆能力范围内的任何值。一组加速度可能会导致其与另一辆车碰撞，但另一组加速度可能让车辆安全通过。因此，交叉口的加速度必须受到交叉口控制策略的约束。允许代理驾驶人自己决定在交叉口内的加/减速在估计车辆轨迹时会使控制策略受到制约，从而大大降低效率；相反，如果代理驾驶人的请求被接受，由交叉口控制策略选择安全有效的加/减速方案并将其包含在确认消息中，则更具效率，但有效的加/减速方案求解是一个巨大的挑战。现有研究车辆在交叉口内的行驶速度都保持不变。FCFS策略首先尝试一条轨迹，在该轨迹中，请求车辆在进入交叉口时尽可能快地加速到最大速度。如果无法基于该轨迹授予预约，则会尝试请求车辆以恒速通过交叉口的可行性，即以路段上的速度通过交叉口。如果两者都不起作用，则拒绝请求。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(3)预约距离(reservationdistance)

有时前方车辆未能预约成功，必须减速，而后车的代理驾驶人可能加速并在最前面车辆之前成功预约到交叉口空间，从而造成冲突。为避免这种情况发生，需限定前方车辆未预约成功前，后方车辆不能提前预约，通过预约距离的动态转换来实现。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(4)超时系数(timeouts)

代理驾驶人的预约请求被拒绝后，其还会继续发起预约请求；而新的预约请求与之前的预约请求附送的预计达到时间和速度一般变化不大(除非减速足够大或冲突的预约请求被取消)，则预约成功的机会很小，反而会加大交叉口管理器的计算负荷。为此，FCFS策略建立了一个超时系数(tout)。一旦代理驾驶人的预约请求被拒绝后，后续请求不会被考虑，直至超时系数限定的时间之后发起的请求(由预约参数确定)。当拒绝请求时，FCFS策略在拒绝消息中包括它将考虑来自该代理驾驶人进一步请求的超时系数。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(5)缓冲区(buffers)

模拟中，时间离散化产生的伪影也足以削弱预留区块的排他性保证。在交叉口，车辆在各个方向高速行驶，这些潜在的灾难源不容忽视。例如，当代理驾驶人发现其无法按时到达交叉口、离交叉口足够近无法在交叉路口后停车时，怎么办？

静态缓冲区(staticbuffers)：静态缓冲区的大小恒定，足以达到安全目的。如果交叉口管理器假设每辆车在每个维度上都是十倍大，那么肯定不会有车辆接近另一辆车的情况发生。然而，这违背了交叉口管理器的目的，即利用自动驾驶车的高精度控制。此外，静态缓冲区不考虑车辆的运动方向。如图3-11(a)所示，如果使用较大的静态缓冲区，两辆车辆的路径永远不会相交，但会开始干扰彼此的预约过程。

另一方面，时间缓冲区(timebuffers)考虑了车辆的运动。如果交叉口管理器假设车辆可能早到或晚到，则该缓冲区限制的实际区域将随着车辆速度而缩小或增加，且仅在移动方向上。图3-11(b)和(c)显示了缓冲区如何随车辆速度变化。因此，如果两辆车沿平行线行驶，则这些车辆的时间缓冲区不会相互干扰，除非这些车辆可能发生碰撞(它们位于同一车道上，或车道过于接近车辆宽度)。单靠时间缓冲不足以保证安全-横向定位(垂直于运动方向)的微小误差仍可能导致碰撞。图3-11(d)显示了最佳解决方案：混合缓冲区(hybridbuffers)。混合缓冲器有一个随速度变化的时间缓冲区，以及一个小型静态缓冲区，用于防止横向定位误差，并用作慢速车辆的最小缓冲区。3.3基于时空预约的管理方法(Reservation-based)2.FCFS策略(6)边缘格(edgetiles)

车辆在道路上行驶时，必须保持合理的跟车间隔。如果车辆突然减速，则会将车辆置于危险状态。若后方车辆反应不够快，则可能会与前方车辆碰撞。在交叉口内，跟车间隔不是很实用，因为车辆在不同方向上行驶。交叉口管理器建立有“接近预警”机制，交叉口中的车辆不会对传感器采集数据做出正常反应，在路段模式下尽管看起来如此操作车辆可能会发生碰撞。相反，车辆十分信任交叉口管理器给予的约束。当车辆离开交叉口时，可能会遇到一辆刚离开交叉口的车辆，但速度较慢，如图3-12(a)和(b)所示，这可能导致碰撞，因为后面的车辆无法安全停车。即使自动驾驶车几乎可以瞬间做出反应，离开交叉口的车辆也需要一定的跟车间隔。

为避免这种情况的发生，FCFS策略将交叉口的网格分为两类。内部格(internaltiles)：所有侧面被其它网格包围的格，边缘格：邻接交叉口的格，即图3-12(c)中阴影显示的格。建立边缘格的目的在于为离开交叉口的车辆建立一个缓冲区，确保从交叉口驶出车辆与前车间保持所需的跟车间隔。在足够高的粒度下，边缘格在网格总数中所占比例相对较小。只有在边缘格上，才将时间缓冲增加到所需的后续间隔。3.3基于时空预约的管理方法(Reservation-based)3.应用场景(1)停车标志控制交叉口

停车标志通常用于交通量非常小的十字路口。虽然它们更具成本效益和可靠性，但其无法达到信号控制的通行能力和效率。停车标志控制交叉口与FCFS策略完全相同，只是它只接受在交叉口停车的车辆预约。任何其它预约请求都会被拒绝，并回复一条消息，指示车辆必须停在交叉口。交叉口管理器通过检查请求消息中当前时间和到达时间之间的差来确定车辆是否停在交叉口。(2)信号控制交叉口

当信号控制策略接收到预约请求时，交叉口管理器需计算在预计到达时间后车辆所在车道交通信号灯变绿的下一时间；然后，它以包含此信息的确认消息进行响应。由于确认消息具有与之相关的最大容许误差，交叉口管理器使用这些误差对绿灯的开始和结束时间进行优化。3.3基于时空预约的管理方法(Reservation-based)4.人机混合驾驶环境下FCFS策略扩展(1)既有设施利用

与驾驶人可靠通信的方法是将其纳入系统的先决条件。最简单和最好的解决方案是使用人们已经知道并理解的交通管理设施——信号灯。信号灯设施已经存在于许多交叉口，对于行人和非机动车，可以使用标准的“按钮式”信号灯，让人有足够的时间通过交叉口。这些设施也用于提醒交叉口管理器注意它们的存在。(2)信号灯模型

交叉口管理器必须能控制和理解交通信号灯与驾驶人之间的通信。为此，FCFS策略为每个交叉口的控制增添了一个新组件，称为信号灯模型。信号灯模型控制物理灯光，并向FCFS策略提供信息，以便做出决策。在更复杂的交通场景中，可以通过FCFS策略修改信号灯模型，以适应不断变化的交通状况。这些信号灯与现代灯具有相同的语义：红灯停、绿灯行、黄色见了等一等。FCFS的每一个控制策略都需要一个信号灯模型，以使人们知道该做什么。例如，FCFS的信号灯模型将所有灯光始终保持为红色，向人们表明进入永远都不安全。3.3基于时空预约的管理方法(Reservation-based)4.人机混合驾驶环境下FCFS策略扩展①全车道模式

在该模型中，与当前的信号灯系统类似，某几个方向上的所有车道都连续获得绿灯，而其它方向都是红灯，然后绿灯在各个方向上循环。该信号灯模型特别适合于控制具有大量人工驾驶车辆的场景。②单车道模

在该模型中，绿灯一次分配给一条车道，而不是按方向分配。如果大多数是人工驾驶车辆，则该模型的效率不会高，但它对于控制绝大部分为自动驾驶车、偶尔需要处理人工驾驶车的交叉口非常有用。3.3基于时空预约的管理方法(Reservation-based)4.人机混合驾驶环境下FCFS策略扩展(3)FCFS-Light策略

为了使FCFS策略适用于人机混合驾驶场景，该策略需要做两方面的调整：

①如果信号灯为绿色，确保任何车辆在该信号灯控制的车道上通过交叉口时都是安全的。

②自动驾驶车可以在红灯期间通行，前提是它们有类似于“红灯通行权”的预约许可。FCFS-Light策略阐述如下：同FCFS一样，交叉口被划分为n×n的网格；收到预约请求后，FCFS-Light策略使用附送消息中的参数确定车辆何时到达交叉口；如果车辆将到达交叉口的车道信号灯为绿色，则同意“预约”；如果车辆将到达交叉口的车道信号灯为黄色，则拒绝“预约”；如果车辆将到达交叉口的车道信号灯为红色，同FCFS一样仿真车辆的行程；如果在整个仿真过程中，无网格被其它车辆或绿灯/黄灯控制的车道所预约，则FCFS-Light策略预留网格并接受预约；否则，请求将被拒绝。3.3基于时空预约的管理方法(Reservation-based)4.人机混合驾驶环境下FCFS策略扩展①禁区网格

仅仅遵从FCFS并不能保证车辆的安全。如果车辆被授予与跟随交通信号灯的车辆存在冲突的预约，则很容易发生碰撞。为了确定任何时候哪些网格被信号灯系统使用，FCFS将一组禁区网格与每个信号灯相关联。例如，如果北向左转车道的信号灯为绿色，则从该车道左转的车辆可能使用到的所有网格都被FCFS视为禁区网格。可以通过调整黄灯时长以确保进入交叉口的车辆有足够的时间在这些网格不再是禁区之前离开交叉口。②FCFS-Light包含FCFS

如果所有车辆均为有人驾驶，FCFS-Light的控制策略与交通信号控制完全相同；若信号灯模型使所有灯光始终保持红色，则FCFS-Light的控制策略与FCFS完全相同。FCFS只是FCFS-Light的一个特例。因此，可以改变FCFS-Light的策略，使其从完全的信号控制转变至完全的FCFS控制策略中的任何一个阶段。3.3基于时空预约的管理方法(Reservation-based)4.人机混合驾驶环境下FCFS策略扩展(4)FCFS-Emerg策略

在现行交通法规中，有涉及救护车、消防车和警车等紧急车辆通行的特殊程序。为了包容紧急车辆，交叉口管理器必须能够检测到它们的存在。最简单的方法是在所有预约请求消息中添加一个新字段，该字段只是一个标记，向交叉口管理器表明请求车辆为紧急车辆。为防止普通车辆滥用这一功能而获得优待，需要通过使用某种密钥而不是简单的布尔值、甚至是某种公钥/私钥/响应机制来实现。FCFS-Emerg的一种解决方案是拒绝所有非紧急车辆的预约请求。然而，这种解决方案并不可行，因为如果所有的车辆都因预约请求被拒绝而停止，任何紧急车辆都可能陷入由此造成的交通拥堵。相反，FCFS-Emerg策略跟踪当前哪些车道包含有接近的紧急车辆，只要有紧急车辆靠近交叉口，该策略只允许这些车道上的车辆进行预约，确保紧急车辆前面的车辆也能获得优先通行权。因优先通行权的增加，紧急车辆所在车道会很快被清空，从而使得紧急车辆能够不受阻碍地行驶。3.3基于时空预约的管理方法(Reservation-based)5.问题分析(1)AIM本质上是基于全自动驾驶环境提出的，不用交通信号灯对车辆进行引导，变成了直接控制每辆车本身，才可充分发挥自动驾驶车辆操控性和交互性的优势。虽针对人机混合驾驶环境给出了解决方案，但CHV即便能够接收到AIM的引导信息也不具备可靠处理信息的能力，在CAV渗透率低时，这种控制方法的效益会显著下降。(2)AIM与CAV的联动只是单向联动，AIM根据即将到达交叉口车辆的预约请求采用FCFS算法调整车辆通行次序，下达车辆通行指令，没有针对进口道上正在行驶的CAV进行轨迹优化，交叉口整体通行效率提升不足，停车次数等交叉口效益指标没有提升。(3)因AIM基于单辆车的到达信息决策交叉口的信号控制方案，在决策过程中每辆车的权重相同，没有考虑CAV与CHV通过交叉口饱和流率的差异和自动驾驶车可列队行驶的优势，用于人机混合驾驶环境交叉口通行效率提升有限。3.4节奏控制模型(1)基本原理

节奏控制(RhythmicControl,RC)，“Rhythmic”是指有节奏，有规律性地重复，在该控制方案中所有车辆按照预先设定的周期性进入时间和恒定速度不停车通过交叉口。该控制方案与车辆在常规交叉口通行方案主要区别有三个：首先，在RC中要求同一流向车辆按照规定间隔时间进入交叉口，同一流向前后车辆之间需要保持更大的跟驰距离，以与该行驶方向存在冲突的其他车辆通过冲突点提供足够的通行时间。其次，在交叉口确定车道划分功能时，同一进口道的相邻车道之间也需要保持距离，确保在与这两条相邻车道均存在冲突的车道上行驶的前后车辆之间有足够的通行间距。最后，交叉口的路权分配方式发生改变，传统的交通控制通过将互相冲突的车辆流向划分为不同的通行小组，再允许不同的通行小组在不同的时间通过交叉口。而RC中在确保安全的条件下，不同冲突流向的车辆可以同时拥有路权。(2)步骤RC主要包括两个步骤：路径分段，该步骤的主要目的是考虑冲突流向，划分交叉口路径为不同的路段，为第二步计算不同路段车辆的通行时间和车辆进入交叉口间隔时间的关系做准备。控制模型，主要是以车辆通行安全为目标，考虑车辆通行最短时间要求，找到车辆进入交叉口的时间和不同路段车辆通行时间的关系。3.4节奏控制模型为了设计车辆通行节奏，车辆在交叉口的路径根据冲突点位置可以划分为一条条单独路段。路段根据其所属转向、几何特征和车辆通过时间可以划分为5类，各类别路段见图3-16所示。路段①至路段⑤分别用黑色实线、淡绿色虚线、绿色实线、褐色虚线和橙色虚线表示。路