为轨迹级交通控制研究提供参考

作者：杨晓光, 赖金涛, 张振, 马成元, 胡笳

单位：同济大学 道路与交通工程教育部重点实验室, 上海 201804

伴随着车路协同技术在交通领域的发展，交通控制向着自动化、主动化及协同化的方向发展，并催生出新型交通控制方式——轨迹级交通控制（Trajectory based Traffic Control, TTC）。轨迹级交通控制通过调节网联自动驾驶车辆（Connected and Automated Vehicle, CAV）的轨迹，来控制网联自动驾驶车辆与人类驾驶车辆（Human-driven Vehicle, HV）共同构成的新型混合交通流，实现交通流运行效益的最大化。轨迹级交通控制研究已是国际上交通前沿研究的热点与难点，但仍处在前期理论研究阶段，研究内容较为分散。

本文回顾了已有文献中的研究，凝练了轨迹级交通控制的概念与特点，并从轨迹级交通控制构架、局部协调控制系统、广域协同控制系统三个层面出发，体系化梳理了轨迹级交通控制的系统框架及各系统模块的研究进展。通过梳理发现，虽然轨迹级交通控制理论研究已进展到一定深度，但大多数研究的理论假设较强，并未充分考虑真实道路环境下新型混合交通流的群体特征、风险特征和异质特征，难以形成可大规模落地应用的技术储备。因此，本文从交通群体博弈与共识机制、面向多源风险的轨迹级稳健控制方法及大规模异构交通测试与实证分析三个方面进行展望，为轨迹级交通控制研究提供参考。

0 背景

车路协同是未来智能交通领域发展的重要导向标，意在融合汽车智能与道路智能，实现人车路在广域全时空下的信息交互和有效协同，提升道路交通系统的运行效率与安全性。我国为车路协同的发展提供了有力的政策支持。随着车路协同技术的到来，车辆等载运工具将逐步由驾驶辅助向自主智能发展，不同智能等级的网联自动驾驶车辆（Connected and Automated Vehicle, CAV）与人类驾驶车辆（Human-driven Vehicle, HV）混行的新型混合交通系统将长期存在。根据《中国汽车产业发展年报2022》，2021年我国智能网联乘用车渗透率已达23.5%。随着不同等级智能网联汽车的渗透以及机动车出行需求的激增，车路协同环境下的新型混合交通安全问题及拥堵问题将日益复杂且严重。

传统交通控制系统已无法适用于车路协同环境下的交通问题。传统控制系统更多地从交通流的角度出发，采用道路断面式的控制设施如信号灯、可变限速牌、路径引导牌以及停车诱导牌等，实现连续断面区间内交通流的均质化控制。这种均质化控制机制难以适用于不同智能等级的网联自动驾驶车辆与人类驾驶车辆混行的异质交通控制。因此，为应对车路协同环境下新型混合交通的控制难题，亟需变革现有交通控制模式，将交通控制模式从对“流”的控制过渡到通过路与车之间融合实现交通系统要素之间的自洽与协同。

上述交通控制模式的转变需求催生出了一种新型交通控制模式——轨迹级交通控制。轨迹级交通控制充分发挥车路协同技术优势，借助路侧单元（Roadside Unit, RSU）对全域交通状态的轨迹级感知能力，利用网联自动驾驶车辆轨迹的高度可控性，实现车路协同环境下新型混合交通流的轨迹级感知和控制。这种轨迹级交通控制方法既保证了交通主体对交通控制需求的快速响应，又大幅提高交通控制的实时性和精准性。因此，轨迹级交通控制是车路协同环境下交通控制模式变革的一个重要方向。

1 轨迹级交通控制概念及特点

1.1 轨迹级交通控制概念

1.1.1 范围

车路协同技术在交通领域的应用打破了传统条件下车与路功能分离式的发展模式，使得车与路逐渐形成了高耦合、广交互和强协同关系。在这种车路关系下，依据协同性高低，车路协同可分为三个发展阶段：信息共享阶段，智能交互阶段以及群体协同阶段。随着车路协同的协同等级提升，交通控制向着适应性更强、主动性更强、协同性更强的方向发展。其发展路径如图1所示。本文将研究范围框定在群体协同阶段的交通控制，即轨迹级交通控制。

图1 交通控制与车路协同等级的发展路径

1.1.2 定义

轨迹级交通控制（Trajectory based Traffic Control, TTC）是车路协同环境下的一种新型交通控制方法。其控制对象是由网联自动驾驶车辆与人类驾驶车辆共同构成的新型混合交通流。该控制方法利用道路场端智能设备及智能车辆技术采集车辆轨迹数据，以此感知交通状态，并通过车路通讯技术向网联自动驾驶车辆发布秒级控制指令，调节微观车辆运动轨迹，协同微观车辆的交互驾驶行为，从而管控并影响宏观交通流运行的表现，实现交通流运行效益的最大化。它是一种宏观交通管控与微观车辆协调相互耦合的交通控制手段，典型控制案例包括快速路轨迹级速度协调控制、信号交叉口生态驾驶引导、特殊车辆轨迹级优先控制等。

1.1.3 应用场景

依据控制实施的环境-对象-手段-数据-媒介，轨迹级交通控制场景可以由五个层面的要素构成：道路层、交通层、管控层、感知层和通信层。各层次的场景要素如图2所示。轨迹级交通控制方法可应用于快速道路场景及城市道路场景。快速道路场景如图3所示。其中，网联自动驾驶车装配通过车载控制单元，与路侧控制单元通信连接，实时上传自身轨迹数据，并接收路侧控制单元的控制指令。城市道路场景如图4所示。其中，网联自动驾驶车不仅与路侧单元互通，还跟交叉口控制单元互通。交叉口控制单元不仅需要协调交叉口内部的网联自动驾驶车，还需要联动交叉口四肢上的路侧控制单元以作全局调控。

图2 轨迹级交通控制场景要素分解

图3 快速道路轨迹级交通控制场景

图4 城市道路轨迹级交通控制场景

1.1.4 概念甄别

轨迹级交通控制与现有的交通控制方法有着似的特征。其中较为相似的控制方法为：交通流控制、协同驾驶、轨迹数据驱动的交通控制。为避免混淆，有必要甄别轨迹级交通控制与这些交通控制方法的异同，如表1所示。通过与这些控制方法进行甄别可知，轨迹级交通控制具有三个关键特点：1）以车辆个体行为的协同调控为核心手段；2）以实现交通流运行效益最大化为目标；3）以微观车辆轨迹为控制媒介。

表1 交通控制方法对比

1.2 轨迹级交通控制特点

轨迹级交通控制具备宏微观耦合控制的显著特征。如表2所示，它在控制目标设计、交通系统动态建模、可行约束考量以及控制算法设计等方面具有独树一帜的特点，与其它交通控制方法有着显著区别。

表2 轨迹级交通控制特点

2 轨迹级交通控制研究现状

2.1 轨迹级交通控制构架

轨迹级交通控制构架的搭建主要包括三块研究内容：信息拓扑构建、计算网络搭设及控制机制设计。控制机制旨在研究控制实现的原理及控制系统结构。信息拓扑为控制提供可靠的数据输入，计算网络为控制任务分配及完成提供充足的算力，控制机制为控制目标实现的有效性提供保障。

2.1.1 信息拓扑

信息拓扑旨在研究控制所需的信息流及其拓扑结构。一个信息拓扑结构由节点及节点间的有向连线构成，它将路侧控制单元视作中心节点，将受控车辆视作分支节点。图5给出了两种信息拓扑结构：1）中心分支拓扑。该信息拓扑结构中，每个中心节点会与其临近的分支节点相互通信连接，中心节点之间也会相互连接。2）分支互联拓扑。该结构在中心分支拓扑的基础上，增加相邻分支节点之间的连接。相较于中心分支拓扑，分支互联拓扑具有更为鲁棒的结构。其鲁棒性体现在：哪怕分支节点与中心节点断联，也能通过分支节点接入车路协同信息网络。

图5 轨迹级交通控制信息拓扑结构

2.1.2 计算网络

计算网络用来表征控制相关的计算任务在信息拓扑节点上的分配结构。计算网络由计算节点与计算连线构成，计算节点为计算任务承担者，计算连线表示其连接的计算节点之间存在任务关联。如图6，计算网络分为三种类型：

1）集中式计算网络。该计算网络仅由中心计算节点集中承担了所有控制相关的计算任务，可开展全域优化控制，但计算效率较低。

2）自组织计算网络。该计算网络仅由分支计算节点自行组织并承担控制相关的计算任务，因此计算网络效率较高，但易使控制陷入局部最优。

3）半自组织计算网络。网络中，中心节点会对全局交通流做优化计算，并且会下放部分任务到分支节点上。因此，该网络具备上述双重优势，是未来控制计算网络的研究重点。

图6 轨迹级交通控制的计算网络

2.1.3 控制机制

根据所控制的交通流范围，轨迹级交通控制的控制机制可以划分为局部协调机制及广域协同机制。两种机制均围绕“调节车辆轨迹，改变交通状态”的核心思想开展控制。两种机制下的控制系统结构如图7及图8所示。两个层次控制系统之间的内在机理体现在：广域协同控制系统联动协调多个局部协调控制系统，局部协调控制系统受到广域协同控制系统的约束和调控。两种控制机制及其系统并非互为相斥的关系，而是局部到广域的升级关系。局部协调机制是广域协同机制的基础，也是现有研究关注的热点。考虑到未来车路协同环境下交通流的异质性、复杂性，广域协同机制下的轨迹级交通控制将是未来的研究重点。

图7 局部协调机制下的控制系统结构

图8 广域协同机制下的控制系统结构

2.2 局部协调控制系统

2.2.1 轨迹级交通感知器

轨迹级交通感知器主要联合路面定点传感器数据及网联车辆轨迹数据，实时感知过去一段时间内的交通状态。感知器需要基于采集数据建立交通运行状态的表征体系，设计宏微观交通一体化表征的动态感知算法。根据交通状态表征形式，感知器可分为流态感知器及粒态感知器。具体见表3。

表3 轨迹级交通感知器

2.2.2 轨迹级交通系统动态模型

轨迹级交通系统动态是轨迹级交通控制实现的基础，主要从交通流运行规律出发，揭示车辆轨迹演化对交通流运行的影响机理，是交通系统可观可控的基础原理，为控制的实现提供根本依据。为建立轨迹级交通系统动态模型，现有研究主要从车辆、车群、车流三个层面展开。相应地，现有文献中，轨迹交通系统动态模型主要分为三类：1）车辆轨迹演化模型；2）车群状态转移模型；3）迹流一致传递模型。前两类系统动态模型是立于交通参与者的视角，对交通参与者（个体或群体）的状态进行直接建模；而第三类模型脱离了这一视角，从道路交通空间视角出发，对空间各个位置上的交通流状态及变化过程进行建模。三类模型的含义、常见模型及特点如表4所示。

表4 轨迹级交通控制特点

图 9 基本图中车群状态变化与交通流状态变化的对应关系

2.2.3 轨迹级交通控制器

轨迹级交通控制器以最小化微观车辆成本或最大化宏观交通流效益为控制目标，将网联自动驾驶车辆的未来轨迹变化作为交通控制变量，将车辆轨迹/车群状态/车流状态作为交通状态变量，建立上述轨迹级交通系统动态模型，结合自动控制、运筹优化、机器学习等理论，设计轨迹级交通控制算法，寻找最优轨迹控制序列及交通状态序列，实现基于最优轨迹设计的交通流控制。轨迹级交通控制器根据系统动态模型类型的不同分为了三种类型：车辆轨迹簇协调控制器、车群扰动抑制控制器、迹流一致协同控制器。每种轨迹级交通控制器的控制目标、控制方法与控制特点如表5中所示。

表5 不同类型轨迹级交通控制器的控制目标、方法与特点对比

2.3 广域协同控制系统

广域协同控制系统旨在联合不同道路区域的局部协调控制系统，协同各道路区域的交通流，实现广域范围内的轨迹级交通控制。根据道路区域类型的不同，可以将广域协同控制系统分为以下几种常见类型：多路段协同控制系统、合流区协同控制系统以及交叉口协同控制系统。表6从控制对象、控制目标与控制方法三个维度对不同类型的广域协同控制系统进行对比。

表6 不同类型广域协同控制系统的控制对象、目标与方法对比

3 总结与展望

虽然轨迹级交通控制理论研究已进展到一定深度，但大多数研究的理论假设较强，并未充分考虑真实道路环境下新型混合交通流的群体特征、风险特征和异质特征，缺少对群体博弈与共识、稳健安全控制以及异质交通实证的研究，难以保障控制的可行性、安全性与实用性，无法形成可大规模落地应用的技术储备。因此，未来研究挑战及发展趋势主要集中在以下三方面：

（1）交通群体博弈与共识机制

未来的轨迹交通控制应充分考虑交通群体意识与个体意识之间的兼容并进，才能保障控制技术落地应用的可行性。因此，充分考虑个体效益与集体效益的耦合协同关系，建立个体与群体分治与共识的运行机制，形成竞争-合作双态博弈的轨迹级交通控制架构，保障交通群体控制的可行性，是未来的重点研究方向。

（2）面向多源风险的轨迹级稳健控制方法

现有研究常采用确定性或者不确定性考虑不足的控制方法，使得轨迹级交通控制在实际应用中产生复杂且不可估量的安全风险，难以应用于真实的车路协同环境。因此，如何建立强随机高动态交通系统模型，解析网络-系统-信息等要素失效的多源风险演化机理，构建能够稳健适应于高动态多风险环境的轨迹级交通控制方法，是未来需解决的基础科学问题。

（3）大规模异构交通测试与实证分析

未来真实的道路交通场景，必然是由人类驾驶车辆、人机共驾车辆及高级自动驾驶车辆混行的大规模异构交通场景。鉴于真实道路中大规模异构交通场景的稀缺性，亟需基于真实样本数据解析异构交通主体特性及其交互机理，生成虚实结合的大规模异构交通场景，构建轨迹级交通控制系统的标准化测验流程及多维效能评估体系，从而高效测评和验证轨迹级交通控制的应用效果。这是加速轨迹级交通控制落地应用的必要途径。

作者简介

杨晓光教授，同济大学二级教授、博士生导师，主攻交通系统工程与智能交通系统基础理论与关键技术。主持完成国家自然科学基金项目等国家研究计划20余项；主参与完成我国第一套自主研发的“城市交通实时自适应控制系统”；创建了“交通设计理论与方法体系”，提出了“交通工程学2.0”等，成果被国内外广泛采用；主编著国家规划教材《交通设计》等，并在国际上推广应用；已培养博士研究生78人、硕士研究生170余人、博士后15人。获国家与省部级科技进步奖10余项，入选交通运输部“新世纪十百千人才工程”第一层次、上海市领军人才，获评2021年中国智能交通年度人物等。担任教育部交通运输类专业教学指导委员会副主任、交通工程教学指导分委员会主任；中国智能交通协会专家委员会道路优化与控制专业委员会主任；中国人工智能学会智能交通专业委员会副主任；全国城市道路交通文明畅通提升行动计划专家组专家；中国公交学会常务理事、住建部市政公用行业专家委员会城市交通专家组成员；曾受聘科技部全国智能交通系统专家咨询委员会委员等。

*文章转自中国公路学报，如有侵权，请联系删除。