虚拟红绿灯的实现及存在的问题

虚拟红绿灯系统通过车辆间通信确定领头车,以此分配道路优先权,旨在提高交叉口通行效率,减少交通拥堵。系统基于DSRC、LTE-V或5G通信,所有车辆共享数字地图和定位信息,通过稳定可靠的无线通信协议运作。算法流程详细,包括领头车选举、优先权移交等,区别于传统红绿灯控制方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

虚拟红绿灯实现及存在的问题

虚拟红绿灯是车辆驶向交叉路口区域时,车辆通过DSRC、LTE-V或者5G通信交互信息共同确定哪一辆车为领头车(lead car),通过头车确定哪一个方向行驶的车辆有优先权,当头车经过交叉路口时,根据领头车所在的车道跟随车辆与领头车的距离来确定是将优先权传给领头车后面的跟随车辆还是传给其它正交方向的车道的车辆作为头车。通过该方法依次确定每个路口的通行次序,实现提高通行效率,缩小等待红灯的时间,减少交通拥堵的目的。

论文《Virtual Traffic Lights-System Design and Implementation》 作者Ozan Tonguz是卡内基梅隆大学的教授,目前成立了一家名叫”Virtual Traffic Lights”在推进虚拟红绿灯的推广。公司网站为http://www.virtualtrafficlights.com/

虚拟红绿灯基于如下假设:

  1. 所有的车辆都安装有DSRC通信设备。
  2. 所有的车辆共享同样的数字地图。
  3. 所有的车辆都安装有高精度GPS定位设备。
  4. 无线通信协议的稳定性、可靠性、延时充分满足虚拟红绿灯的要求。

该论文采用了J2735中的BSM和Spat消息集,在虚拟红绿灯系统中并没有RSU,其中Spat的消息是通过OBU发送出来的。另外还自定义了WSM消息集用确定如何选择领头车。

图1虚拟红绿灯系统框架

图 2 虚拟红绿灯的算法流程图

       本论文中并未给出如何选取领头的过程。

《A Distributed Virtual Traffic Light Algorithm Exploiting Short Range V2V Communications 》

图 3 虚拟红绿灯场景示意图

该论文给出了详细的算法实现流程图,具体如下图所示。该论文中提到的黄灯的意义与我们平时交叉路口的黄灯的意义并不是一样的。

论文给出了3辆和6辆车通过交叉路口的详细案例来介绍该算法的实现过程。

论文中介绍了改方法与参考文献[3]中选取领头车的算法不同之处。参考文献[3],交叉路口区域中离路口最近的车为领头车,领头车在后面才能获得通行的优先权。领头车的作用相当于一个红绿灯,广播红绿灯的信息给周围的车辆确定哪一个方向为红灯,哪一个方向为绿灯。

文中指出与参考文献[3]的三大不同之处。

1、文献[3]中并未详细给出如何选举出领头车的过程。本文给出详细的过程以及出现错误是如何恢复。

2、文献[3]中的交叉路口的管理是通过广播实现的,如果车辆没有收到广播的消息,论文中并未给出处理的方法。本论文中的一旦领头车优先通行权确认后,是通过点对点通信方式将领头车优先通行权移交给下一个领头车,这里有发送消息,返回确认的过程。

3、文献[3]中的领头车广播的消息包含了虚拟红绿算法的设置参数,需要对标准的消息进行修改,存在导致信道拥堵的情况。本论文中的方法没有对标准的消息集进行修改,不会导致信道拥堵。

图4 虚拟红绿灯的算法流程图

存在的问题

  1. 目前虚拟红绿灯只是针对单车道的交叉路口,如果存在多车道时其效率并未得到验证。只适用于单方向(直行、左转一个红绿灯相位)。当南北向按同一相位来考虑时,南北左转为一个相位时,上述虚拟红绿灯的策略并不适用。
  2. 虚拟红绿灯由红灯转绿灯的时候并没有3s的黄灯过渡。
  3. 虚拟红绿灯并未将行人过马路的因素考虑进来。

 

 

 

参考文献

[1] A. Bazzi, A. Zanella, and B. M. Masini, “A distributed virtual traffic light algorithm exploiting short range v2v communications,” Ad Hoc Networks, vol. 49, pp. 42–57, 2016

[2] Zhang.Rusheng, Schmutz .Frank, Gerard .Kyle “Virtual Traffic Lights-System Design and Implementation”, 2018,

[3] M. Ferreira, R. Fernandes, H. Conceic¸ao, W. Viriyasitavat, and O. K.Tonguz, “Self-organized traffic control,” in Proceedings of the seventh ACM international workshop on VehiculAr InterNETworking. ACM, 2010, pp. 85–90

### 城市道路交通信号灯仿真的 MATLAB 实现 为了实现基于模糊控制的城市交通信号灯仿真,可以通过以下方法完成: #### 1. 使用 MATLAB 的模糊逻辑工具箱构建模糊控制系统 MATLAB 提供了强大的模糊逻辑工具箱 (Fuzzy Logic Toolbox),用于设计和测试模糊控制器。在交通信号灯系统中,可以定义两个输入变量: - **Road01** 表示某条道路上的车辆数量[^2]。 - **Road02** 表示两条道路之间车辆数量的差异。 输出变量则表示当前道路上绿灯的时间长度。通过模糊推理机制,可以根据实时的道路状况动态调整红绿灯切换时间[^3]。 #### 2. 定义模糊规则集 模糊规则的设计是整个系统的核心部分。以下是可能的一组模糊规则: - 如果 Road01 较大且 Road02 差异较小,则延长当前路的绿灯时间。 - 如果 Road01 较小而 Road02 差异较大,则缩短当前路的绿灯时间并增加另一条路的通行机会。 这些规则可以在 MATLAB 中通过 `fis` 对象来创建,并利用图形界面编辑器进行配置[^1]。 #### 3. 构建 Simulink 模型 Simulink 是一种可视化编程环境,适合用来搭建复杂的动态系统模型。对于交通信号灯仿真来说,其基本结构包括以下几个模块: - 输入模块:接收来自传感器的数据(如车流统计信息)。 - 处理模块:调用预先设定好的模糊控制器计算最佳配时方案。 - 输出模块:驱动虚拟或实际硬件设备改变灯光状态。 下面是一个简单的例子展示如何初始化一个基础框架: ```matlab % 创建一个新的 FIS 系统 fis = mamfis; % 添加输入变量及其范围 fis = addInput(fis, [0 100], 'Name', 'Road01'); fis = addInput(fis, [-50 50], 'Name', 'Road02'); % 设置隶属函数 fis = addMF(fis, 'Road01', 'trimf', [0 25 50], 'Name', 'Low'); fis = addMF(fis, 'Road01', 'trimf', [25 50 75], 'Name', 'Medium'); fis = addMF(fis, 'Road01', 'trimf', [50 75 100], 'Name', 'High'); fis = addMF(fis, 'Road02', 'trimf', [-50 -25 0], 'Name', 'Negative'); fis = addMF(fis, 'Road02', 'trimf', [-25 0 25], 'Name', 'Zero'); fis = addMF(fis, 'Road02', 'trimf', [0 25 50], 'Name', 'Positive'); % 添加输出变量及相应 MFs... ``` 上述脚本片段展示了如何向模糊推理引擎添加必要的参数设置过程的一部分。 #### 4. 测试与验证 最后一步是对所开发出来的程序进行全面的功能性检验。这通常涉及多次运行不同场景下的实验以观察结果是否符合预期目标。例如,在高峰时段模拟高密度车流行驶情况;而在低谷期考察是否存在不必要的等待现象等问题都需要仔细考量。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值