基于V2I的两难区域防护系统

一种基于车联网技术的集成化两难区域防护系统

查立腾、张云龙、帕普鲁特·宋奇楚萨和丹尼·R·米德尔顿

摘要

当前的两难区域保护实践依赖于环形线圈、视频或雷达检测器等传统检测技术，其性能对安装条件敏感且受限于有限的检测范围。本文提出并评估了一种基于车路通信技术的两难区域保护框架。所提出的框架利用路侧设备接收到的通信数据，用于感应式信号控制和两难区域保护。为检验该框架的有效性，在 VISSIM中构建了仿真测试平台。设计了三种仿真场景以研究所提出框架的有效性。结果表明，在完全市场渗透率下，所提出的框架提供了最佳的两难区域保护效果，并且相较于传统的绿灯延长系统，冲突交通流的延误也显著降低。针对市场渗透率的敏感性分析显示，当渗透率水平降至40%或更低时，两难区域保护的性能下降至绿灯延长系统的水平。在较低的渗透率下，冲突交通流的等待时间变化更大。通常，在20%的渗透率下，标准差相比完全市场渗透率时增加了一倍。

索引术语 —车联网技术，车对基础设施（V2I）通信，感应式信号控制，两难区域。

一、引言

V EHICLES 困在两难区域的车辆在绿灯结束阶段常常面临是停车还是通行的决策困境，导致追尾和侧向碰撞的风险较高。多年来，已开发出多种类型的两难区域防护系统。这些系统要么专注于调整处于（或预测将进入）两难区域车辆的绿灯延长或清空时间间隔，要么旨在黄灯开始前发出提前预警。这些系统的性能在很大程度上依赖于检测模块，该模块将车辆的位置和速度信息传输至相应的计算模块。

然而，传统的检测器（如环形线圈、视频或雷达检测器）存在检测范围有限且对安装敏感的问题。互联车辆技术的进步将实现通过车对车（V2V）通信和车对基础设施（V2I）通信进行无线数据传输。V2I通信仅需路侧单元（RSE）和一定程度的车载设备（OBE）即可成功实现。

前所未有的高分辨率无线通信数据（如车辆运动学、信号状态和信号交叉口几何结构）可被持续用于车辆检测。

本研究的主要目标是提出并评估一种基于车对基础设施（V2I）通信的集成式两难区域保护框架。所提出的框架利用路侧设备（RSE）接收到的通信数据，用于感应式信号控制以及两难区域保护。该两难区域保护方法在考虑两难区域保护效益和所有冲突交通流车辆成本的基础上，确定适当的绿灯延长；并在相位终止前数秒向驾驶员发出提前预警。为实现该目标，在VISSIM中构建了仿真测试平台；无线通信环境及应用算法通过COM应用程序编程接口（API）实现。设计了三种仿真场景，通过调整两难区防护方法和提前预警功能来检验所提出框架的有效性。

考虑到完全市场渗透率在近期可能无法实现，作者还探讨了渗透率对所提出框架性能的影响。

本文其余部分由五个章节组成。第二节简要介绍了两难区域保护系统和车联网技术的背景。第三节阐述了冲突区保护框架。第四节描述了仿真评估方法，包括详细的仿真设置和场景。第五节讨论了仿真结果。第六节对本文进行总结，并提出了该框架进一步发展的建议。

II. 背景

两难区域（I型）最初被定义为在黄灯开始时，车辆既无法舒适地停车，也无法安全通过的区域[1]。该定义背后的关键假设是驾驶员能够获得准确的停车距离和通过距离信息[1],[2]。然而，驾驶员的决策总是受到感知误差的影响，在黄灯开始时存在犹豫不决的情况也十分常见。相比之下，Zegeer et al.提出了II型两难区域的概念，即当出现黄灯信号[3]时，有10%至90%的驾驶员会选择停车的区域。II型两难区域的概念推动了许多关于驾驶员停车与通行选择行为建模的研究[4]–[6]。

大部分研究工作集中在设计一个可靠且有效的两难区域保护系统。根据提供两难区域保护的时机，现有策略可分为绿灯前（终止）和绿灯后（终止）两类。绿灯前（终止）策略包括提前预警、绿灯延长或两者结合，在绿灯结束前采取措施[3],[7]–[9]。绿灯后（终止）策略旨在降低绿灯结束后发生的碰撞风险。一种典型方法是延长清空时间间隔，以便让潜在车辆安全通过，从而降低直角碰撞事故的风险[10]。

大多数现有应用利用绿灯延长（预绿灯策略的一个分支）来使车辆通过两难区域。代表性方法包括绿灯延长系统和绿灯终止系统。绿灯延长系统专门延长主干通行相位的绿灯时间，除非该相位间隙结束或达到最大时长[3]，但这种方法因增加支路街道的延误以及主干直行相位频繁达到最大时长而受到批评。相比之下，绿灯终止系统则旨在综合考虑安全（例如被困在两难区域内的车辆数量）和效率（冲突交通流的延误）因素，智能地终止绿灯延长[2],[9],[11]。最近的研究工作集中在量化困于两难区域车辆的潜在碰撞风险[2],[12],[13]甚至碰撞严重程度[14]的指标上。

尽管在策略开发方面取得了进展，但这些系统的核心部分——车辆检测——仍然完全依赖于传统检测技术[2],[3],[7],[9]–[11],[15]。感应线圈需要进行路面切割，并受固定位置的限制；视频检测可能受到光线变化和空气扰动等环境条件的影响；即使是最近的雷达检测器，其性能仍对安装（例如高度、角度）敏感[16]。实际上，在例如1000英尺范围内的合格检测，可能需要结合多种类型的检测器[11],[15]。为主动提前预警而配置闪光装置进一步增加了系统的复杂性[7]。

车联网技术允许通过5.9 GHz专用短程通信（DSRC）信道在车对车以及车与基础设施之间进行信息传输，用于车载环境无线接入（WAVE）[17]。消息集、数据帧和数据元素的格式由汽车工程师学会在SAE J2735标准中规定[18]。车联网技术创建了一个平台，实现高分辨率和实时数据传输，支持多种旨在提升交通系统安全、交通流动性及环境性能的应用[17],[19]。

车路协同通信仅需路侧单元和一定程度的车载设备即可实现，有望率先部署。常用的有三种消息集：基本安全消息（BSM）、地图数据（MAP）和信号相位与定时（SPaT），分别用于描述车辆运动学、交叉口几何信息和信号状态。通过在路侧单元（RSE）接收并融合同步 BSM、MAP和SPaT消息，可实现车辆检测。车辆检测频率最高可达10赫兹，有效范围可达1000米（3280英尺）。此外，还可通过路侧单元（RSE）发送提前预警，例如使用路侧预警（RSA）消息集[18]。

一些初步研究探讨了车载预警在冲突区域保护中的作用，其中部分研究保留了绿灯延长功能[15],[20]。然而，车辆‐交通信号交互仍然依赖于传统的检测技术。迄今为止，在车对基础设施通信环境（V2I communications environment）下，尚无一个将感应式信号控制与冲突区域保护（含提前预警）相结合的框架。

III. 冲突区保护框架

本节首先介绍了基于成本效益的冲突区保护方法。然后，详细描述了系统组件及其功能。

A. 成本效益型两难区保护方法

两难区域保护方法在为直行主车流提供绿灯延长的效益与来自冲突方向车辆所引起的延误成本之间进行权衡。该方法最初由Sharma 等[2],[13]提出。它仅适用于每个车道最多有一辆车处于两难区域的情况；否则，直行主车流绿灯始终保持。

1) 广义单因素两难区域危险函数：

设 F为决定驾驶员在黄灯开始时停车或通过决策的主要单一因素。F可以是到达停车线的行驶时间，或从同质人群中随机选择的驾驶员所感知的加速度。该因素通常被建模为其真实值 f 与误差项 ε之和
$$ F= f+ ε. $$
我们假设 $ \varepsilon \sim N(0, \delta^2_\varepsilon) $，然后 $ z= \varepsilon/\delta_\varepsilon \sim N(0,1) $。
进一步假设存在一个阈值$F_t$，当超过该阈值时，驾驶员通过交叉口会感到不适或不安全，此时应准备停车。那么黄灯开始时的停车概率等于
$$ P_{stop} = P(F> F_t) = P\left(z< \frac{f - F_t}{\delta_\varepsilon}\right)= \varphi\left( \frac{f - F_t}{\delta_\varepsilon} \right). $$
如果驾驶员在适合通过时却选择停车$(f \leq F_t)$，或者为了安全起见应当停车时却决定继续通行$(f > F_t)$[2]，则很可能发生单车冲突。冲突概率可以表示为
$$ P_{conflict} =
\begin{cases}
P_{stop} & f \leq F_t \
1 - P_{stop} & f > F_t
\end{cases}. $$
公式(3)中的交通冲突概率被视为两难风险。结合公式(2)，$f < F_t$对应的事件表示停车概率小于0.5的情况。因此，风险函数可修改为
$$ DZHazard(F)= P_{conflict}=
\begin{cases}
P_{stop} & P_{stop} \leq 0.5 \
1 - P_{stop} & P_{stop} > 0.5
\end{cases}. $$
交通冲突的概率可以从图1(a)所示的停车曲线[2]中获得。

2) 安全增益与延误成本：

两难区风险函数量化了由两难区域问题引起的单车冲突概率。假设每20000次冲突约发生一次碰撞，令 $B(\$)$表示每次碰撞的平均成本[21]，则 $1/20000 \times P_{conflict} \times B(\$)$为该车辆提供冲突区域保护的预估效益[2]。

同时，主干通行相位的绿灯延长会导致来自冲突交通流的车辆产生额外延误。图1(b)中的阴影区域表示由于一个单位的绿灯延长而对一个冲突交通流造成的延误，假设到达率为常数[2]。其数学表达式为[2]
$$ \Delta Delay= \frac{q_{conflict}}{(1− q_{conflict} s)}× r×Ext+ \frac{q_{conflict}}{2×(1− q_{conflict} s)}× Ext^2 $$
其中 $q_{conflict}(veh/s)$为某一冲突相位的到达率；$s (veh/s)$为饱和流量；$r(s)$为冲突相位的默认红灯时间；$Ext(s)$为绿灯延长。假设 $C(\$/veh/s)$表示单位延误成本，则总延误成本表示为$C ×\Delta Delay(\$)$。

当启动两难区域保护方法时，系统会持续比较提供绿灯延长的效益（$1/20000 × P_{conflict} × B$）与额外延误的成本（$C ×\Delta Delay$）。一旦总延误超过所提供的效益，绿灯即被终止。单位效益B和成本C的估计值由Sharma等[2],给出，分别为22670（美元）和20.32/3600（$/辆/秒）。

图1(c)–(d) 为该框架的运行提供了图示说明。假设两难区初始边界为$[0.1，0.9]$，估计停车概率介于$0.1$至$0.9$之间的车辆将被视为陷入两难区域的车辆[2]–[4]。只要效益大于成本，就会请求当前绿灯相位延长绿灯时间；否则，发出强制关闭（绿灯）指令。如图1(d)所示，随着绿灯延长过程的进行，两难区边界从$[0.1，0.9]$逐渐收缩至$[0.4，0.6]$。这表明考虑到所有冲突交通流的总延误迅速增加，只有具有较高冲突风险的车辆才能获得两难区域保护。冲突风险在停车与通行概率相等的情况[图1(a)]附近最高，此处表现出最大程度的决策犹豫。

B. 系统组件和功能

图2(a)–(b) 描述了所提出的框架的配置。关于车辆、交叉口几何的信息

信号状态通过标准消息集发送至路侧单元（RSE）。两难区域保护方法被集成到RSE的某一应用层，该应用层以基本安全消息（BSM）和信号相位和配时（SPaT）的信息流作为输入。检测模块用于启动基于车路协同的感应信号控制操作，并为控制模块提供数据输入。它持续检测配备车辆的实时位置和信号状态。当检测到有配备车辆在等待时，将生成一个调用请求。

C. 算法

1) 检测算法：

为检测模块设计了三个功能检测区域，分别为停车线检测区域、提前检测区域和广义停车线检测区域。检测模块需要在RSE处对MAP数据与接收到的BSM中的位置信息（例如车辆位置、车道ID和链路ID）进行映射处理，基于该映射RSE能够识别目标车辆[22]。各区域的配置如图2(c)所示。

1) 停车线检测区域的功能类似于停车线检测器。位于该区域内的任何装备车辆都将对相应相位发出请求，以启动或延长绿灯。为了保证运行效率，停车线检测具备断开功能。在最小绿灯时间结束后，一旦检测到第一个设定间隔（例如2秒），该功能将被强制失效。

2) 提前检测区域始于车对基础设施（V2I）通信区域的起点，止于停车线检测区域的上游边缘。提前检测区域覆盖了不同速度下的各种II型冲突区域。该区域可捕捉即将陷入两难区域的装备车辆，并在成本效益分析结果支持的情况下，发出绿灯延长请求。

3) 广义停车线检测区域在概念上同时涵盖了停车线检测区域和提前检测区域。它补充并扩展了停车线检测的功能。在渗透率较低的情况下，如果停车线检测区域内的车辆未配备相关设备，则可能会产生排队。只要配备设备的车辆速度低于排队速度阈值（例如，5英里/小时），就会向当前相位发出呼叫。

对于左转行驶，广义停车线检测区域的大小受限于车道长度。在极低渗透率的极端情况下，若车道内没有任何车辆配备设备，则可能发生回溢情况。配备设备的左转车辆可能会被阻塞到相邻直行车道，并错误地向直行相位发出呼叫，从而进一步加剧回溢问题。我们假设左转车道上游位置可在地图数据中识别。当检测到回溢时，将采取额外对策，向左转相位发出呼叫。

2) 控制算法：

控制模块旨在实现两难区域保护，同时维持感应式信号控制。其基本逻辑如图2(d)所示。该模块继承来自检测模块的输入数据，包括车辆的运动学参数和信号状态。对于信号控制操作，最小绿灯时间和通过停车线检测实现的绿灯延长最初被赋予主观车流，这与两难区域保护无关。仅当同时满足以下两个条件时，才启动效益成本分析方法：冲突相位被调用，且在最小绿灯时间结束后，停车线检测处于断开模式。

提前预警被集成用于处理绿灯延长即将结束且有车辆被困在两难区域的情况。为了给驾驶员提供足够的反应时间，警告信息必须在绿灯结束前几秒发出[7]。因此，该两难

必须在前瞻时间窗口（例如4秒）内实施区域保护，如图2(b)所示。换句话说，该应用将根据BSM消息中提供的当前速度、位置和航向，预测车辆在未来前瞻时间窗口内的位置。每当预测成本超过预测效益时，系统将向相应驾驶员发送提前预警，以帮助他们准备停车。

警告区域覆盖从无线通信区域的起点到根据检测到的速度确定的相应两难区域的起点。请注意，当前位于两难区域内的车辆将在前瞻时间窗口内被清除，不应接收到警告信息。根据设计，提前预警的默认持续时间等于前瞻时间窗口。不可否认的是，警告功能与基于数秒前检测数据所进行预测的精度下降之间存在权衡。

IV. 仿真评估方法

仿真评估方法旨在评估所提出框架的有效性。首先，在VISSIM中构建了仿真测试平台，同时通过COM接口实现无线通信功能，该接口可在运行时访问交通网络对象。仿真时间步长设置为0.1仿真秒，相当于10赫兹的BSM传输频率。设计了三种仿真场景，以研究所提出框架的两难区防护方法和提前预警功能的有效性。

A. 仿真测试平台的开发

交叉口的布局和相位序列如图3所示。目标交叉口位于德克萨斯州大学站的乔治·布什大道与HarveyMitchell Parkway交汇处。四个进口道基于车对基础设施（V2I）的检测区域以阴影区域标出。为了模拟V2I通信，

我们做出了一些关键的运行假设和设置，如下所示：

1) 每个方向的通信距离设置为距停车线1000英尺。假设无通信延迟且通信成功率为100%。
2) 在每个仿真时间步长开始时，假设路侧单元（RSE）处理来自信号相位和配时（SPaT）和地图消息（MAP）的所有所需数据元素。仅模拟车载单元（OBEs）与路侧单元（RSE）之间的交互。
3) 假设车道和转向ID、停车栏位置以及左转专用车道起点信息均来自MAP消息集。
4) 车载设备（OBE）在向路侧单元（RSE）传输数据期间保持相同的临时ID。

B. 仿真场景

基准场景采用成本效益两难区域保护方法并具备提前预警功能，被视为最优策略。为了评估提前预警的有效性，场景1在基准场景基础上取消了提前预警功能。场景2则采用传统的绿灯延长系统，用于考察成本效益两难区防护方法的性能表现。

1) 基准场景：

采用广泛接受的两难区边界[0.1, 0.9]。假设驾驶员在接收到车载警告后平均感知‐反应时间为1秒，且已有车辆被困时需3秒才能驶出两难区域，因此使用4秒的前瞻时间窗口。先前的研究表明，以到停车线的行驶时间表示时，[0.1, 0.9]边界大约为[2.5秒, 5.5秒]，持续时间为3秒[9],[11]。

主干道进口道（哈维·米切尔公园大道）上乘用车的设计速度设定为60英里/小时，次要道路进口道（乔治·布什大道）上为45英里/小时。卡车的设计速度比乘用车低5英里/小时。“黄灯开始时”的车辆行为建模选择了“单一决策”模式，并使用Chang et al.[6]提供的数据进行了校准。表I显示了基准场景的交通量水平、信号配时和检测设置。具体的信号配时设置基于《交通信号操作手册》[8]中的指南。

2) 场景1:

场景1 具有基线条件的所有特征，但不包含提前预警。相应地，前瞻时间窗口被设置为 0 秒。当来自冲突交通流的当前总延误超过提供两难区域保护的效益时，绿灯将立即被强制关闭。如果场景1中陷入两难区域的车辆数量明显多于基线，则可以证明提前预警的有效性[2]。

3) 场景2：

场景2采用传统的绿灯延长方案，并与场景1共享大部分设置。停车线检测被6英尺×40英尺停车线检测器取代，消隐时间为2秒；仅为主路直行车道提供6英尺×6英尺提前检测器。如果
我们做出了一些关键的运行假设和设置，如下所示：

1) 每个方向的通信距离设置为距停车线1000英尺。假设无通信延迟且通信成功率为100%。
2) 在每个仿真时间步长开始时，假设路侧单元（RSE）处理来自信号相位和配时（SPaT）和地图消息（MAP）的所有所需数据元素。仅模拟车载单元（OBEs）与路侧单元（RSE）之间的交互。
3) 假设车道和转向ID、停车栏位置以及左转专用车道起点信息均来自MAP消息集。
4) 车载设备（OBE）在向路侧单元（RSE）传输数据期间保持相同的临时ID。

B. 仿真场景

基准场景采用成本效益两难区域保护方法并具备提前预警功能，被视为最优策略。为了评估提前预警的有效性，场景1在基准场景基础上取消了提前预警功能。场景2则采用传统的绿灯延长系统，用于考察成本效益两难区防护方法的性能表现。

1) 基准场景：

采用广泛接受的两难区边界[0.1, 0.9]。假设驾驶员在接收到车载警告后平均感知‐反应时间为1秒，且已有车辆被困时需3秒才能驶出两难区域，因此使用4秒的前瞻时间窗口。先前的研究表明，以到停车线的行驶时间表示时，[0.1, 0.9]边界大约为[2.5秒, 5.5秒]，持续时间为3秒[9],[11]。

主干道进口道（哈维·米切尔公园大道）上乘用车的设计速度设定为60英里/小时，次要道路进口道（乔治·布什大道）上为45英里/小时。卡车的设计速度比乘用车低5英里/小时。“黄灯开始时”的车辆行为建模选择了“单一决策”模式，并使用Chang et al.[6]提供的数据进行了校准。表I显示了基准场景的交通量水平、信号配时和检测设置。具体的信号配时设置基于《交通信号操作手册》[8]中的指南。

2) 场景1:

场景1 具有基线条件的所有特征，但不包含提前预警。相应地，前瞻时间窗口被设置为 0 秒。当来自冲突交通流的当前总延误超过提供两难区域保护的效益时，绿灯将立即被强制关闭。如果场景1中陷入两难区域的车辆数量明显多于基线，则可以证明提前预警的有效性[2]。

3) 场景2：

场景2采用传统的绿灯延长方案，并与场景1共享大部分设置。停车线检测被6英尺×40英尺停车线检测器取代，消隐时间为2秒；仅为主路直行车道提供6英尺×6英尺提前检测器。如果在最小绿灯时间后仍有车辆通过检测器，则绿灯将继续延长直至间隙或达到最大绿灯时间。该设置模拟了典型的绿灯延长系统。

五、结果与讨论

本节的第一部分评估了所提出的框架在完全市场渗透率下的有效性。第二部分则对渗透率进行了敏感性分析。

A. 完全市场渗透率下所提出框架的有效性

所提出框架的有效性从主干直行交通流的安全性能和冲突交通流的效率两个方面进行了分析。根据图3中的信号配时，相位1和相位5可能分别与第6相位和相位2同时运行。在计算延误时我们对此进行了修正，但在分析中仍将对应于相位1和相位5的交通流称为冲突交通流。其他冲突相位包括相位3、4和8。陷入两难区域的车辆比率被提出作为安全指标[9],[11]。转向车辆被排除在分析之外[4]。

考虑到VISSIM中延误的计算方式是理想行程时间与实际测量行程时间之差，这与公式(5)中的定义不同[2],[23]，因此我们采用红灯时长作为效率指标。每个场景运行了两个仿真小时，因为通过COM的密集交互显著降低了仿真速度。事实上，在所提出的交通量设置下，一个仿真秒可能需要在配备4.0 GB内存和3.2 GHz处理器的64位Windows 7 Dell台式机上，实际时间为10秒。

1) 陷入两难区域的车辆比率比较：

我们的初步分析证实，陷入两难区域的车辆比率为右偏分布。在比较这些比率时，未使用 T检验，而是采用了Griffin和Flower的 Z 检验。该方法假设比率服从泊松分布，并使用正态分布来近似泊松分布[22],[24]。结果列于表II中。

场景1中陷入两难区域的车辆比率相比基线增加了 111%，在 p值< 0.01下具有显著性。基线中的提前预警是两个场景之间的主要差异，它使潜在驾驶员做好停车准备，从而缓解了两难区域问题。其他研究也证实了绿灯结束阶段提前预警的有效性[7],[9]。场景1与场景2之间陷入两难区域的车辆比率差异在95%置信水平下具有显著性。

传统的绿灯延长系统在发生最大饱和时无法提供两难区域保护，此时每车道可能有两辆或更多车辆处于两难区域。在中高交通量设置下这一问题尤为突出。成本效益方法论在效益小于成本时终止绿灯，从而降低了最大饱和的发生频率。

最大绿灯计时器启动后的绿灯时间分布如图4(a)所示。场景2的相位延长最长，且约有20%的概率落在区间[46 s，50 s]内，已知相位2和相位6的最大绿灯时间为50 s。进一步分析发现，实际达到最大绿灯时间的比例为14%。然而，对于基线和场景1，该比例几乎为0%。此外，分布出现偏移

在基线和场景1之间可以识别出一种模式。与能够根据当前计算的效益和成本值立即终止绿灯的场景1不同，基线在4秒的前瞻时间窗口内做出决策。假设对车辆动力学的预测完全准确，绿灯结束最多可延迟4秒。

2) 冲突相位红灯时长的比较：

两小时仿真期间的平均红灯时长如图4(b)所示。由于采用了4秒的前瞻窗口，基线的红灯持续时间略长于场景1。场景1与场景2之间存在差距，表明在场景2中，每个冲突相位的车辆经历的红灯时长大约多出20秒。这是由于更长的绿灯时间所致。

因此，在场景2中，冲突交通流的车辆预计会遭遇更多延误。

B. 市场渗透率的影响

所提出的框架面临的一个挑战来自渗透率，因为只有装备车辆才能通过车路协同通信被检测到。针对不同的渗透率，研究了所提出的框架的有效性和可靠性。

1) 不同渗透率下的两难区域保护：

图5给出了陷入两难区的车辆比率与渗透率之间的关系。需要注意的是，计算该比率时仅使用了在路侧单元（RSE）接收到信息的装备车辆。对于基线情况，当渗透率从100%下降到40%时，陷入两难区域的车辆比率增加。然而，当进一步降低至20%车载单元时，该比率略有下降。在[20%至100%]车载单元范围内，场景1为基线提供了上限，而在场景2中，陷入两难区域的车辆比率则相对稳定。事实上，在车载单元比例为80%或更低时，场景2的表现优于场景1，并且当车载单元比例降至40%以下时，其性能接近于场景1。

绿灯延长系统（场景2）中的检测依赖于车辆负载。所有通过的车辆都会对当前相位发出请求，计算出的比率几乎保持不变。然而，两难区域保护以及场景1和场景2中的信号控制均基于对渗透率敏感的车路协同通信。该比率的趋势

基线情况下被困在两难区域的车辆数量较多，可能由以下两个原因解释，而场景1仅存在后一个原因。

首先，内部的跟驰模型有助于传播和实施警告信息。前导车辆对车载警告做出的停车决策会迫使整个车队减速。后方车辆无论是否为装备车辆，都会由于跟驰机制而选择减速。随着渗透率降低，装备车辆往往变得更加独立，因为其前方车辆可能是未装备车辆。当做出停车决策时，它们可能已经陷入两难区域。事实上，随着渗透率降至20%，场景1的曲线逐渐接近场景2的曲线。其次，随着渗透率下降至20%（在更低的渗透率水平下，这一情况可能不成立），相位被更频繁地终止。在中高交通量设置下，经常观察到每条车道上有一辆装备车辆被困在两难区域的情况。尽管计算过程中将相位数量作为线性暴露因素考虑在内，但其影响可能并未被充分计入。

当渗透率较低（低于20%）时，未提供曲线，因为预期变化较大。在极端情况下，当渗透率接近0%时，该比率甚至可能无法计算，因为绿灯始终优先主干直行交通流。

2) 红灯时间的可变性：

图6 展示了基线情况下环1四个相位的渗透率与平均红灯时长之间的关系。环2的结果类似，因此未予展示。

渗透率降低导致相位2的红灯时间减少，因为冲突相位被频繁跳过，前提是主干通行相位获得了最小召回。对于三个冲突相位而言，随着渗透率降低，相位1和相位3呈现出单调递增的关系。然而对于相位4，这种趋势并不一定成立。较低的渗透率使得某个冲突相位更有可能被跳过，但这反而可能减少后续冲突相位的等待时间。例如，如果在相位3未检测到配备车辆，但在相位4检测到了，则在相位2结束后会立即给予相位4绿灯，从而显著减少相位4的等待时间。

尽管冲突相位的红灯时长存在不确定性，但在较低车载单元水平下，变化量增加的现象始终被观察到。图6中均值曲线周围的误差棒表示一个标准差。较大的变化量表明整个系统的稳定性较差。以相位1为例，在20%渗透率下的驾驶员预计平均等待红灯时间为117秒。在极端幸运/不幸的情况下，该驾驶员需要等待29秒/205秒（117±88秒）。总体而言，当渗透率从完全市场渗透率变为20%时，标准差增加了一倍。

VI. 结论

本文提出并评估了一种基于车对基础设施（V2I）通信的两难区域保护框架（含提前预警）。该框架整合并实现了感应式信号控制和通过车路协同通信实现的基于成本效益的冲突区域保护方法。该基于成本效益的冲突区域方法平衡了冲突区域保护的效益与冲突所产生的延误成本。

为该框架开发了两个关键模块。检测模块用于启动基于车对基础设施（V2I）的感应式信号控制，并为实施冲突区域保护的控制模块提供数据输入。

提出了一种仿真评估方法，用于研究所提出的框架在提升信号交叉口运行的安全性和效率方面的有效性。在 VISSIM中构建了仿真测试平台，通过COM接口实现无线通信功能。假设采用基于成本效益的冲突区域方法和提前预警的基准场景为最优策略。同时提出了两个对比场景：一个仅取消提前预警，另一个采用传统的绿灯延长系统。这些场景旨在分别评估提前预警功能以及基于成本效益的冲突区保护方法的功能性。作者使用陷入冲突区域的车辆比例作为安全指标，红灯时长作为延误指标。评估结果表明

1) 所提出的框架在完全市场渗透率下，在两难区域保护方面表现最佳，同时冲突交通流的延误也显著减少。
2) 在40%或更低的车载设备普及率下，所提出框架在两难区域保护方面的性能下降至绿灯延长系统的水平。在极低的渗透率下（例如低于20%），可能会出现较大的波动。
3) 冲突交通流所产生的延误并不一定会随着渗透率的降低而增加。频繁跳过冲突相位（减少延误）与发起请求的机会减少（增加延误）之间存在权衡。
4) 在较低的渗透率下，冲突交通流的红灯时间变化始终较高。通常情况下，标准差从100%渗透率到20%渗透率时翻倍。

我们的未来研究将进一步探讨所提出框架的有效性和可靠性，并考虑对当前系统的潜在改进。需要在不同的速度分布条件下进行全面评估，因为车辆速度和速度方差被广泛认为是影响事故率和碰撞严重程度的关键因素。关于所提出框架的稳定性，非高峰时段与低渗透率相结合的极端情况需要特别关注。当多辆车辆陷入两难区域时，可通过优化算法来增强冲突区域保护。在此类事件中，可通过联合考虑每位相关驾驶员的停车与通过操作，明确捕捉碰撞概率。用于冲突区域保护的盈亏平衡阈值也可将导致的事故严重程度纳入考量，以量化绿灯延长效益[14]。

对于未来的实施，设计参数（例如预警时间长度和重复频率）需要根据最新的车联网研究进行校准和更新。