多模态智能交通信号系统仿真评估

多模态智能交通信号系统仿真模型开发与评估

摘要

该研究展示了多模式智能交通信号系统（MMITSS）仿真工具，用于评估更广泛的多模式智能交通系统服务部署可能产生的影响，最终实现对MMITSS应用的独立于场地的分析。研究还通过考虑仿真变量和交通需求水平的组合，确定了每种MMITSS运行场景下最有利的运行条件。MMITSS仿真平台由Vissim微观交通仿真软件、基本安全消息分发程序、在Windows平台运行的Econolite ASC/3交通信号控制器模拟器以及在Linux平台运行的路侧设备模块组成。研究表明，智能交通信号系统最多可减少35%的车辆延误，并将平均交通流速度提高最多27%。此外，公交信号优先（TSP）使走廊上的公交和客运车辆行程时间分别最多减少了29%和28%。然而，TSP可能会因减少支路上的绿灯时间而导致全路网延误增加。货运信号优先（FSP）可在主要货运路线沿线有效实施。尽管FSP显著降低了卡车延误，但全网络延误明显增加，特别是在交通组成中卡车比例较大的场景下。公交与货运信号优先组合（TSP and FSP bundle）的仿真研究显示，该组合运行成功实现了优先等级层次，并为卡车提供了更高的优先级。MMITSS应用能够有效改善已配备和可能未配备车辆的车辆行程时间和延误，具体效果取决于所考虑的场景。通常，在应用TSP、FSP或两者同时应用时，会出现全系统的不利影响。

引言

该研究展示了一个多模式智能交通信号系统（MMITSS）的仿真框架，并评估了MMITSS应用的潜在影响。联网车辆研究旨在通过无线通信（包括车对车和车对基础设施）。美国运输部（DOT）正在评估联网车辆研究，以确定这些应用的全部潜力并改进运营实践。美国交通部联网车辆研究的一个重点领域是动态交通应用（DMA）计划。预计DMA计划将更具成本效益且快速地部署联网车辆技术和应用。在变革性联网车辆应用的研究与部署方面的合作将促进交通安全、流动性和环境的改善（1）。

MMITSS是DMA项目之一，旨在通过采用先进通信技术的信号交叉口和走廊来提升通行效率，促进包括乘用车、行人、自行车骑行者、公共交通车辆、货运和紧急车辆在内的各种出行方式的高效通行，并借助新一代交通信号控制系统实现这一目标。MMITSS整合来自联网车辆、移动设备和现有基础设施的信息。利用这些数据，该系统改进交通控制算法，为多种出行方式及货物开发更有效且更安全的智能信号控制系统。MMITSS应用包括智能交通信号系统（I-SIG）、公交信号优先（TSP）、移动可访问的行人信号系统、货运信号优先（FSP）以及应急车辆优先。在超越这些应用的概念性框架之后，MMITSS组合系统及更大的DMA项目面临的下一个挑战是确定应用部署的可行性、每项应用的影响，以及协调部署多个应用可能带来的复合效益（1）。

亚利桑那大学与加州大学伯克利分校、Savari、Econolite以及SubCarrier系统公司合作，启动了MMITSS原型开发工作，其中包括操作概念的制定、MMITSS系统需求的确定以及MMITSS系统的高层设计。原型开发团队持续开展MMITSS系统的软硬件开发工作，涉及实时实地部署，以测试和验证系统需求并收集性能数据。原型开发团队正在北加利福尼亚和亚利桑那州安瑟姆分别开发两个MMITSS原型系统。由于每个实地站点采用不同的技术，高层设计将区分MMITSS实施所需的通用设计特征和定制设计特征。两个测试平台将实现相同的通用操作场景。两个MMITSS原型系统的测试结果将证明，在不同实现方式和路网上的MMITSS应用能够提供相同的功能。除了这两个原型系统外，还将对第三个站点进行评估，以促进对MMITSS影响的与地点无关的分析，以确定在部署单个或多个MMITSS应用的地区可能产生的影响。

本研究的目标是开发一个独立的MMITSS仿真模型，以评估更广泛的多模式智能交通系统服务部署的潜在影响，从而最终促进对MMITSS应用的与地点无关的分析。该研究还评估了各种MMITSS应用的有效性，并确定了每种MMITSS应用最有利的运行条件。

先前的研究

许多研究已针对用于交通仿真的联网车辆测试平台展开。索默（2, 3）以及索默等人（4）开发了一个集成的仿真模型Veins，该模型通过耦合微观交通仿真模型SUMO和通信仿真器OMNeT++实现。Veins是一个用于运行车载网络仿真的开源程序。交通仿真模型在每个仿真步长中更新各个车辆的数据，包括速度和位置，并将移动性数据发送给通信仿真器。网络模型利用移动性数据模拟通信模块，并将通信数据重新发送回交通仿真模型。Veins的最新版本集成了SimuLTE和INET框架，用于研究异构车载网络[，例如使用IEEE 802.11p专用短程通信、无线保真（Wi-Fi）和长期演进技术（LTE）]。

李（5）提出了一种离线仿真框架，该框架集成了Vissim交通仿真模型和NCTUns无线通信模拟器。该研究开发了交通仿真代理和通信网络仿真代理，以解决交通仿真器与通信仿真器之间数据交换不一致的问题，并实现两个仿真器的同步运行。该研究还采用基于卡尔曼滤波方法的随机状态估计技术，用于估计联网车辆市场渗透率较低情况下的累计行程时间。研究发现，与感应控制相比，该方法使交叉口的总延误减少了34%，平均速度提高了36%。然而，随着市场渗透率的降低，系统性能逐渐下降。特别是在30%的市场渗透率下，改善效果有限（5）。

一个具有模块化架构的开源仿真平台是iTETRIS，该平台集成了SUMO（交通模拟开源软件）和ns-3。iTETRIS控制系统的模块化架构使得该平台能够通过套接字与使用不同编程语言编写的模块进行交互。此外，iTETRIS可执行大规模协同智能交通系统评估仿真，包括协同交通拥堵检测和公交专用车道管理应用。该程序作为欧盟资助的仿真平台，符合欧洲电信标准协会针对智能交通系统的标准要求（6）。

埃尔贝里等人将INTEGRATION交通分配与仿真软件（7）与OPNET软件（8）集成，构建了VNetIntSim建模平台。该工具能够精确模拟车对车和车对基础设施通信以及车辆移动统计。该工具通过在INTEGRATION和OPNET平台之间建立双向通信通道，充分利用了这两个平台的优势。该通道用于在两个仿真器之间传输所需信息，包括车辆位置。这些位置是在INTEGRATION（交通分配与仿真软件）中每十分之一秒建模，并发送到OPNET建模器，平台通信的同时更新车辆位置。

为联网车辆研究构建一个可靠的仿真平台是一项具有挑战性的工作。其中一个挑战是仿真运行速度较慢，通常对于大规模路网而言，其速度会低于实时仿真。本研究利用Docker软件提供的容器化技术来克服仿真运行速度慢的问题。该研究通过亚利桑那大学原型开发团队开发的软件在环仿真系统，评估了MMITSS的效果。

MMITSS仿真模型开发

MMITSS仿真平台由Vissim微观交通仿真软件、基本安全消息（BSM）分发器[或信号请求消息（SRM）分发器]程序、路侧设备（RSE）模块以及Econolite ASC/3交通信号控制器模拟器组成。Vissim、BSM分发器和Econolite ASC/3交通信号控制器模拟器运行在Windows平台，而RSE模块运行在Linux平台。这两个平台通过以太网电缆连接。

Vissim仿真模型截图和(b) 地图文件示例图像)

图1提供了示例交叉口的截图。仿真模型中网络对象的位置信息应与实际网络完全一致。特别是，MMITSS建模要求链路信息（包括位置、宽度和长度）与道路相匹配，以识别仿真模型中的车辆位置信息，如图所示。MMITSS建模需要将Vissim的x–y坐标的参考点与地图文件的GPS经纬度值精确匹配，以确定Vissim中的车辆位置。

该程序使用高分辨率地图信息来确定车辆的位置，如图1所示。每个交叉口需要一个地图文件，其中包含各路侧单元（RSE）通信范围内每条道路车道的经纬度坐标。路段的直线部分所需的地图点少于弯曲部分。例如，图中示例地图文件在单个交叉口包含了75个地图点。地图文件包括以下信息：交叉口ID、属性、参考点、进口道、车道、车道属性、车道宽度、车道节点、车道连接以及参考车道。交叉口中间的参考点是仿真模型中路侧单元（RSE）的位置；通常将路侧单元（RSE）安装在其中一个交通信号灯头上。

MMITSS仿真平台的信息流图如图2a所示。来自Vissim的车辆移动数据包含各个联网车辆的位置和速度，这些联网车辆数据被传输到BSM分发器程序。在Vissim中，联网车辆被建模为一个独立的车辆类别，并使用动态链接库进行模拟。在图1a中，红色车辆代表联网车辆，蓝色车辆为普通车辆。当车辆进入每个交通信号控制器预设的专用短程通信区域时，BSM分发器会将BSM数据发送至路侧单元（RSE）。通信范围设置为300米。图2b是BSM分发器的截图。该图显示了车辆进入RSE通信范围时传输的数据，包括唯一车辆ID以及Vissim中x–y坐标格式的车辆位置数据。通过地图文件信息，车辆位置数据被转换为经纬度值，以确定每辆车的精确位置。

RSE模块使用Docker软件提供的容器化技术。每个Docker容器运行一个独立的RSE模块，且可在一台Linux计算机上同时运行多个Docker容器。尽管本研究未使用通信仿真器，但通信模块由Docker实现。在本研究中，同时运行了六个容器以操作六个信号灯交叉口。最优信号配时数据（包括各相位的最佳信号序列和持续时间）由相位分配算法（9, 10）估算得出。该最优解被传输至Econolite ASC/3交通控制器面对。Vissim通过智能交通系统协议国家交通通信命令更新信号时间。

仿真模型结果

仿真分析用于评估MMITSS在独立站点的性能。研究结果将有助于评估更广泛的多模式智能交通系统服务部署的潜在影响。如图3所示，位于弗吉尼亚州钱蒂利的美国50号公路研究走廊是其中最繁忙的北弗吉尼亚（华盛顿特区大都市区）内交通严重拥堵的主干道。该走廊通常作为主要通勤路线，连接美国28号公路和66号州际公路两个高度拥堵的高速公路互通立交。此外，驾驶员经常将此走廊作为66号州际公路的替代路线。研究走廊全长2.4公里（1.5英里），涵盖六个信号交叉口。研究路段每个方向有三条车道。部分交叉口每个方向有六条车道，包括两条左转专用车道和一条右转专用车道。研究路段西起森特维尔路，向东延伸至斯特林费洛路。

早高峰时段，东行方向的交通流量通常达到每小时2700辆车辆，西行方向为每小时2800辆车辆。走廊内信号灯交叉口间距较近，在早高峰期间出现严重拥堵。在六个信号灯交叉口中，森特维尔路和斯特林费洛路交叉口在支路上面临较大的交通需求。研究走廊采用感应式信号协调控制，优化后的周期长度介于210至240秒之间。大部分周期时间分配给美国50号公路。信号配时的方向分布在一天中的不同时段有所变化。

该仿真研究采用了Vissim中的静态路径选择和车辆输入，并结合了弗吉尼亚州交通部提供的早高峰时段1小时的交通量计数和转向流量数据。

交通量与通行能力比值（V/C比）是用于反映拥堵水平的常用指标。研究走廊在早高峰时段的需求产生了0.85的V/C比，表明测试交叉口接近拥堵状态。随后，在Vissim模型中按比例增加和减少交通需求输入，以获得V/C比分别为0.50和1.0的场景。这些V/C比分别代表畅通状态和拥堵状态。

Vissim模型根据弗吉尼亚州交通部提供的各种交通数据进行了校准。校准的输入参数包括自由流速度、饱和流率和车辆速度分布。车辆类型特性也进行了调整，以更好地匹配实际路况。特别是长度、宽度、动力、重量分布和重量分布已更新，以更真实地反映卡车动力学特性。此外，跟驰模型经过校准，以反映实地测量的饱和流率。具体而言，采用Wiedemann 74模型来表示干线道路，并校准其产生每车道每小时1900辆车辆的饱和流率，调整了平均停车距离（ax）、安全距离的加性参数（bx_add）以及安全距离的乘性参数（bx_mult）（11）。每个仿真场景均使用不同的随机种子重复运行五次，以捕捉VISSIM软件的随机特性。

该仿真研究采用了与亚利桑那州车联网测试平台中交通信号控制器所实施的相同算法。

该仿真研究包含四个场景：I-SIG、TSP、FSP以及公交与货运信号优先组合应用。I-SIG应用旨在研究最优交通信号控制系统对配备车载设备车辆的有效性，以减少车辆停靠次数并最大化系统通行能力。当一辆配备设备的车辆进入专用短程通信区域时，路侧单元（RSE）开始接收来自该车辆的基本安全消息（BSMs）。系统利用来自RSE处理器的车辆信息，计算车辆预计到达时间。随后，结合战略优先算法和车辆到达时间，系统通过相位分配算法确定所需的服务相位。最后，交通信号控制器处理最优的相位顺序和配时方案。

对于TSP和FSP两种情况，当配备的公共交通车辆或卡车进入通信范围时，路侧单元（RSE）会收到来自车辆的信号优先请求消息（SRM）。MMITSS系统持续跟踪公交车或卡车的行驶状态，估算其到达停车线的时间，并将该估算时间与信号相位和配时数据进行匹配，以确定公交车或卡车预计到达交叉口时的信号相位。如果当前估算值相较于上一次发送的SRM中的估算值发生显著变化，系统（即优先请求生成器）将广播更新后的SRM。MMITSS优先系统应用数学优化模型，并据此确定最优的信号配时方案。根据当前交通状况和车辆请求的优先级别，路侧单元（RSE）将决定是否延长绿灯时间，以确保请求优先级较高的车辆能够安全通过交叉口，或基于当前交通状况判断相位是否应终止。

当公交车或卡车通过交叉口后，车载设备会向路侧单元（RSE）发送取消信号优先请求消息（SRM）。路侧单元（RSE）接收到该取消信号优先请求消息（SRM）后，将控制交通信号控制器结束优先放行，并恢复正常的交通信号控制。如果交叉口处还有其他符合优先条件的车辆，MMITSS优先系统也将根据优先系统输出（11）处理这些优先请求。

公交与货运信号优先组合场景研究了如何在单个交叉口管理配备设备的公共交通和货运车辆，以及如何处理来自多辆车辆的优先请求。在MMITSS系统中，包括公共交通和货运车辆在内的配备车辆可主动参与发送信号优先请求消息（SRM）。MMITSS系统能够随时处理来自多辆车辆以及多种交通方式的多个优先请求。为了管理这些多重请求，MMITSS系统提供了一个优先等级层次，以支持优先控制中的偏好设置。

i-sig仿真结果

该仿真研究量化了I-SIG在不同拥堵水平下的全系统影响。表 1总结了I-SIG运行对全系统延误和速度的影响。实施I-SIG显著减少了车辆延误，并显著提高了交通流平均速度。对于 0.50的V/C比率，当联网车辆的市场渗透率为25%、50%和 75%时，I-SIG分别将车辆延误减少了16.7%、24.1%和25.2 %。该结果表明，在V/C比率为0.50的情况下，路网中联网车辆数量的增加将改善系统性能。然而，在0.85和1.00的V/C比率下，最显著的延误减少（35.5%）仅出现在联网车辆市场渗透率为25%的情况下。仿真结果表明，对于弗吉尼亚试验场，联网车辆50%和75%的高市场渗透率并不总是在V/C比率为 0.85和1.0时提供最优的运行条件。然而，与基准情况相比， 高市场渗透率也显著降低了车辆延误。该研究表明，为提升信号交叉口性能，联网车辆的最佳市场渗透率取决于路网的拥堵水平。

该仿真研究还评估了不同I-SIG场景对车辆平均速度的影响。研究发现，与体积/容量比为0.50、0.85和1.00的情况相比， I-SIG场景下的车辆平均速度分别提高了9.2%、20.2%和7.7%。感应控制系统。总之，研究发现，在0.85 V/C比率和联网车辆 市场渗透率为25%的条件下运行I-SIG系统为最优。在此组合 条件下，车辆延误平均减少了35.5%，车辆速度平均提高了 27.1%。这些结果在0.05显著性水平下具有统计学意义。

图4比较了所有六个交叉口的延误情况。仿真结果表明， 与基准情况相比，I-SIG显著减少了所有交叉口的延误。具体 而言，MMITSS系统在交通最拥堵的森特维尔和斯特林菲尔 德交叉口分别将延误改善了47.2%和51.0%。该图还显示， I-SIG在主干道和支路上均有效减少了延误。

TSP仿真结果

本节展示了在不同拥堵水平下公交信号优先（TSP）的系统级 影响。仿真模型中的公交需求设定为东行和西行交通流量的 2%。所有公共交通车辆均从东行–西行研究走廊的一端行驶至 另一端。在走廊拥堵程度递增的各场景中，公共交通车辆的数 量按比例增加。所有公共交通车辆（占东行和西行车流的2%） 均被模拟为配备设备的公共交通车辆，其余所有车辆均为未配 备设备的乘用车。在基准情景中，仿真研究假设所有公交和客 运车辆均未配备设备。

东行走廊和 (b) 西行走廊的行程时间)

图5显示了公交信号优先（TSP）对公共交通车辆和乘用 车平均行程时间的影响。分析使用了美国50号公路的东行和 西行行程数据。仿真结果表明，TSP缩短了公共交通车辆和乘 用车的行程时间。具体而言，TSP使东行和西行公共交通车辆 的行程时间分别减少了12.8%和28.8%，并使普通汽车的行程 时间最多减少了28.1%。行程时间的减少在0.85 和 1.00 的 V/C比率下最为显著。在这些有限的仿真场景和路网条件下， 在V/C比率为1.0时观察到联网公共交通车辆的最大TSP效益。

仿真表明，TSP有效促进了公共交通车辆通过信号控制交叉口 的通行。然而，研究也发现TSP实施带来了一些负面影响，表 现为全路网延误增加。

该研究还调查了路网中所有车辆在实施和不实施公交信号优 先（TSP）情况下的延误。仿真研究发现，对于全部车辆而言， 在V/C比率为0.5时，TSP使延误减少了1.3%，但在V/C比率为 1.0时，延误增加了10.6%。如果给予公交优先，延长绿灯时间将 从其余相位中扣除，通常会减少支路的绿灯时间。因此，支路上 的交通延误是TSP系统最常见的负面影响，可能会增加整个路网 的车辆延误。

具体而言，沿公交线路行驶的公交和客运车辆延误分别减少 了最多34.7%和32.1%；在支路（北向和南向进口道）上，在森 特维尔路和斯特林菲尔德路交叉口，其延误分别增加了最多 128.4%和59.2%，这些交叉口是最拥堵的交叉口。图6显示了森 特维尔路交叉口的平均排队长度和车辆停靠次数。该图清楚地表 明，公交信号优先（TSP）通常使公交线路车辆受益，但会导致 支路上车辆的排队长度更长（以及更多的车辆停靠次数）。

仿真结果表明，TSP在实施的走廊上能有效减少公交和 客运车辆的行程时间，但由于支路绿灯时间减少，可能会增 加全路网延误。

FSP仿真结果

FSP应用为信号控制网络中的货运和商用车辆提供交通信号 优先。本研究假设测试走廊作为主要货运通道使用。本节 展示了两种拥堵水平和两种卡车构成比例下的货运信号优先（ FSP）效果。该研究考察了体积/容量比（V/C ratio）为0.50和 0.85，以及卡车构成比例为20%和80%的组合情况。在FSP情景 中，所有卡车均假设为配备状态；在基准情景中，所有卡车均为 未配备状态。卡车仅允许在研究走廊的东端和西端之间行驶，不 允许转向交通流。

场景	总计 (s) 基准情况	汽车 (s) 基准情况	卡车 (s) 基准情况	总计 (s) MMITSS	汽车 (s) MMITSS	卡车 (s) MMITSS
东行 V/C 0.5, 20%卡车	260	257	270	251	249	255
V/C 0.85, 20%卡车	393	389	404	302	298	312
V/C 0.5, 80%卡车	300	296	300	280	276	280
V/C 0.85, 80%卡车	391	383	392	376	354	378
西行 V/C 0.5, 20%卡车	248	243	258	241	236	249
V/C 0.85, 20%卡车	486	482	495	284	278	297
V/C 0.5, 80%卡车	292	284	293	261	252	262
V/C 0.85, 80%卡车	602	596	603	516	506	518

表2 FSP行程时间结果

表2显示了配备和未配备货运信号优先（FSP）情况下卡车 和乘用车的行程时间。该研究仅评估了使用卡车路线的东西向走 廊行程。根据模拟结果，与基准情景相比，FSP持续减少了卡车 和乘用车的行程时间。特别是，在体积/容量比为0.85、车辆组 成为20%卡车的场景下，FSP使西行行程的卡车行程时间最多减 少了40.0%，未配备设备的乘用车行程时间最多减少了42.4%。

该研究还量化了实施货运信号优先（FSP）前后货运车 辆和普通交通的系统范围延误。尽管FSP显著减少了货车延 误，但全路网延误大幅增加，尤其是在80%卡车场景下，全 路网延误最多增加了97%。综上所述，该仿真研究发现，在体积/容量比为0.85、20%卡车的情况下，货运信号优先为 卡车带来最大效益。尽管货运信号优先显著减少了货车延误， 但系统范围内的延误显著增加，尤其是在卡车占比较高的场景 中。与公交信号优先运行类似，卡车路线的延长绿灯时间缩短 了支路的绿灯时间，导致支路严重拥堵，并造成系统整体性能 恶化。

TSP和FSP组合仿真结果

本节量化了公交与货运信号优先组合应用对整个系统的影响。MMITSS组合系统的总体目标是改善信号交叉口多交通模式 的系统通行性。本研究在多种运行条件下评估了公交信号优先 和货运信号优先的应用效果。MMITSS组合系统可处理来自 联网公交车和联网卡车的多个优先请求，这些请求可能随时到 达。其优先请求的重要性由优先等级层次决定。在本次仿真研究中， 联网卡车的优先等级高于公共交通车辆，并分别为卡车和公共 交通车辆分配了1000:1的权重因子。由于联网卡车相较于联网 公共交通车辆具有更高的优先权重，该仿真研究评估了多种模 式下多个优先请求流程的准确性。特别是，该研究评估了能够 促进优先控制偏好的优先等级层次。

卡车通过森特维尔道路交叉口的北向和南向路线行驶，不 允许转向交通流。公共交通车辆需使用研究走廊的东行和西行 路线，同样不允许转向交通流。假设东行和西行交通流中有 2%为公共交通车辆，其余98%为乘用车。北向和南向车辆中 有20%被建模为卡车，其余车辆为乘用车。对于MMITSS组 合系统场景，所有卡车和公共交通车辆均配备路侧单元（ RSE）。将sit车辆建模为配备车辆。在基准情景中，所有车辆均未配备。

研究发现，MMITSS组合系统为联网卡车提供了优先权， 如图7所示。特别是，配备MMITSS组合系统的联网卡车平均 延误减少了最多48%。然而，该应用显著增加了公交车的延 误，表明系统给予联网卡车的优先等级高于联网公交车。研 究还发现，在卡车路线上，联网卡车和未配备设备的乘用车 的行程时间分别减少了42.4%和40.0%。但是，在公交线路 上的公交车和客车的延误显著增加。延误增加的主要原因是 卡车进口道所需的绿灯时间增加。因此，该组合系统在基于 预定义控制层级为卡车分配优先权方面是有效的。

MMITSS组合系统可应用于多种交通方式，包括在信号交叉 口的紧急车辆、行人和特种服务车辆。

结论与进一步研究建议

本研究开发了一个多模式智能交通系统服务仿真模型，以评估更 广泛的多模式智能交通系统服务部署的潜在影响，最终促进对 MMITSS应用的与地点无关的分析。该研究还评估了各种 MMITSS应用的有效性，并确定了每种MMITSS应用最有利的 运行条件。

开展了仿真研究，以量化MMITSS在更广泛运行条件下 的部署效果。I-SIG研究表明，实施I-SIG显著减少了车辆延 误并显著提高了平均速度。特别是，在0.85 V/C比率和联网 车辆市场渗透率为25%的条件下，I-SIG运行效果最佳，车辆 延误平均减少35.5%，车辆速度平均提高27.1%。TSP研究表 明，TSP使走廊上的公交和客运车辆行程时间最多减少了29 %，分别降低了28%。然而，由于支路绿灯时间减少，公交信号 优先增加了全路网延误。研究还发现，货运信号优先可有效 应用于主要货运通道。特别是，与基准情景相比，货运信号 优先持续减少了卡车和乘用车的行程时间。尽管货运信号优 先显著降低了货车延误，但路网的全路网延误大幅增加，尤 其是在交通组成中卡车比例较高的场景下。公交与货运信号 优先组合的仿真研究表明，该组合运行成功实现了分层优先 级排序。在此应用中，联网卡车被赋予比公共交通车辆更高 的优先等级。整体系统延误也显著增加。研究人员得出结论： 只要装备与非装备车辆沿与装备车辆相同的进口道行驶， MMITSS应用就能有效改善它们的车辆行程时间和延误。仿真结果基于弗吉尼亚测试站点特定的路网条件；MMITSS应 用在其他路网上可能产生不同的结果。因此，未来研究应量 化MMITSS应用在不同路网和运行场景下的潜在效益。

应进一步研究量化路网中联网车辆密度的影响。仿真研 究发现，计算机处理能力影响了MMITSS软件在环仿真系统 中可处理的联网车辆最大数量。因此，建议开展敏感性研究 以确定联网车辆密度的影响。鉴于MMITSS应用无法识别共 享车道上联网车辆的目的地，建议进一步研究共享车道对系 统性能的影响。最后，右转和左转候车港湾的长度影响了转 弯车辆的检测。因此，应进一步研究确定由MMITSS运营的 交叉口转弯车道的最佳长度。