DICAF:一种新颖的可扩展IVHS方法

由于车辆的路径选择问题在交通运输行业应用非常广泛，同时在数学上又非常复杂，所以这可能是交通运输领域中最复杂的问题之一^[53]。Bodin等^[81]回顾了过去40多年中700多篇参考文献，证明了这个问题的复杂性。正如之前提到的一样，对于单一的集中式TMC来说，连续不断地为在公路上行驶的数千辆汽车提供每辆车所需的公路信息既不合逻辑也不可行。而且，由于无线电发射器电力资源有限、崎岖的地形以及其他原因，单一集中式的TMC不太可能有效地为大面积区域提供好的服务。此外，还有一个众所周知的问题是，单一集中式单元并不是总能获得每个公路路段上的准确信息，只有通过大量相对自主的本地通信单元，才能较好地达到所需的精度。

DICAF认识到这些问题并提出使用分布式体系结构，在该结构中，数据收集、处理、信息传播以及决策等全部任务都被分配给IVHS系统中各个组成部分来共同完成。DICAF的基本理念就是在实体之间智能化地分配决策任务，同时尽可能使本地计算最大化，全局通信任务最小化，最终实现系统的强鲁棒性，提高系统的生产能力。这种理念的一个直接产物就是良好的可扩展性，即随着车辆和公路路段的增加，系统规模的扩大，系统将继续正常运行并能保持良好的性能。DICAF采用分布式体系结构的目的是通过向驾驶员及时提供准确而充分的公路数据来影响其对路径的选择，帮助他/她及早规划备选方案，而不是硬性规定驾驶员必须按他所憎恶或抗拒的系统指定路径行驶。Allen、Ziedman、Rosenthal、Stein、Torres和Hala-ti^[82]认为在仿真模拟研究中，导航系统的性能对驾驶员路径转换行为的影响十分明显，好的系统能使驾驶员更充分地预知交通拥堵的发生。实验室中对驾驶员进行的仿真研究也表明当出行者能获得更多、更好的出行信息时，其驾驶的总里程数就会随之减少。

为实现上述目标，这项研究提出以下三点要求：①对构成交通系统的实体——车辆和路段，要了解并分析其基本需求；②确认实体之间需要通过通信来交换的必要信息；③确定适用于所有实体的一般模型。一般模型必须能够根据输入实体的有限信息做出独立决策，且每个决策必须与其他决策保持“一致”，并共同遵守效率和安全性的总目标。本章提出的方法将会仔细确认决策和实体间通信的基本规则，以适应各种可能的情况。根据定义，由于不存在不必要的干扰和同步性，异步分布式算法理论上应能使并行处理获得最佳效果，它能最大限度使用来自不同实体的分布式信息。在一个交通运输系统的实际操作过程中，不同时间点的结果会是某些参数的函数，这些参数包括驾驶员意向的转变、汽车故障、路况变坏、交通事故等，以及其他不可预知的情况。由于单个实体不可能在任意时刻都能处理整个交通系统中准确和完整的信息，所以异步式方法允许每个实体在不影响系统安全有效地利用资源这一总体目标的前提下，尽可能快速地处理信息。异步式方法还能够识别并充分利用每个实体自身特有的能力。

目前的高速公路系统由两个部分组成——公路路段区间和车辆。公路路段区间是指高速公路上连续两个出口之间的几条路段组成的区间。本章所分析的公路指的是一般意义上的高速公路。在高速公路路段上，车辆不能随意改变路径。也就是说，假设2、3号出口间的一段公路路段区间上发生了严重的交通拥堵，正驶向2号出口的汽车可以先从2号出口离开而选择另外一条路径。如果这辆车没能从2号出口离开，就只能行驶至3号出口了。DICAF结构中介绍了高速公路的第三个组成部分——高速公路基础设施，这是该系统实现其目标的关键。基础设施分为不同部分，其中各个分布式交通管理中心（DTMC）在各自负责的地区范围内采集并传播信息。假如每辆车都能从DTMC获得所需要的信息，我们就认为这些车辆是自治的，然后车辆就可以利用这些信息进行决策。信息可以有很多格式。假设一辆车在运输途中需要非常特殊的信息，它就向当前位置所在区域的管辖者DTMC1提出请求。这种请求可能不仅包含当地信息，比如附近某个高速公路路段区间上的拥堵信息，还可能包含非本地信息，比如离汽车当前位置非常远的高速公路路段区间的驾驶环境和天气，甚至可能是远离它当前位置的高速公路沿线的银行、邮局、医院、餐馆的地址及营业时间等。为回应这一信息请求，DTMC1会立即向请求车辆传送数据。而如果所请求的信息超出其管辖范围，DTMC1可通过网络先从正确的DT-MC处获得数据，然后再将其传送给请求车辆。本章着重论述路径引导的关键参数，即拥挤信息。而获得银行、邮局、医院及高速公路沿线餐厅地址和营业时间等信息的问题不在本章的研究范围之内。

在DICAF系统中，DTMC的确切位置和数量是以下4类参数的函数：①请求服务的汽车数量；②车辆与DTMC间的平均通话时间，即传送信息所需的时间；③所要求的服务等级；④通信机制的服务范围，这取决于车辆和DTMC之间是使用无线通信还是红外信标通信。在无线通信机制中，有些最基本的选择包括标准的蜂窝式电话、蜂窝数字分组数据系统（CDPD）、被美国联邦通信委员会（FCC）搁置的专门为FHWA的IVHS定制的220MHz的无线电广播，以及其他设备。Ka-mali^[84]对能用于ITS的众多无线通信技术进行了全面综述。Sodeikat^[85]报告称，在德国LISB地区进行的演示实验成功证明了路边短程红外信标能支持高达500bit/s的传输速度。DTMC内网的设计也是交通流量和所要求的服务水平的函数。如果在城市区域内需要较高的带宽，那么一个中等带宽的网络就足以满足郊区的服务需求。

驾驶员的路径选择可能会受到天气、紧急情况、道路条件、疲劳、车辆条件以及其他主观和客观问题的影响。虽然DICAF给予每个驾驶员充分的自由，但是为了客观地评价DICAF算法，该方法还是假定每个驾驶员的基本目标是以最短时间到达最终目的地。当然也存在某些例外情况，特别是对于旅游观光或其他原因的出行。由于路线上的一个或多个路段区间可能会遇到严重的拥堵，因此驾驶员并不一定非得使用距离最短的路径。为了协助驾驶员，本章记录了一些观察和判断拥堵的方法。作为第一近似值，给定公路路段区间上行驶车辆的平均速度是个很好的测量指标，因为它能很好地反映路段区间上的生产能力；然而平均速度并不能帮助我们获得公路路段区间上行驶车辆的总量，这个量直觉上是一定会受到拥堵影响的；虽然平均车辆间距看上去能够反映路段区间上车辆总数的多少，但是就其自身而言，它既不能很好地度量流量，也不能用于判断拥堵情况，例如，它不能区分所有车辆都以50mile/h或100mile/h速度行驶这两种情况，因为这两种情况中车辆都一直会保持相同的间距；同样的道理，任何一个时刻公路路段上的车辆总数也不能体现是否发生了拥堵。因此，本章提出了一种新的判断拥堵的概念——公路路段拥堵程度（C.M.），它能综合反映公路路段区间上车辆总数、车辆的平均速度对拥堵程度的影响：

式中，X是某时刻公路路段区间上的车辆总数；Q是路段区间上允许的最大车辆数，，其中N、D、L分别是车道数、路段区间长度以及每辆车的平均长度。D和L是估算值。在交通工程文献中，常用的两个术语“车头距离”和“间隙”都可以用时间和距离来衡量和表达。车头距离指的是前车和后车车头之间的差距，而间隙指的是前车车尾和后车车头之间的差距。在某些分析中，特别是在路面街道车流在高峰时期产生严重拥堵时，如果前车是卡车，这个评价指标是非常有用的。在本书的分析研究中，D和L把车头距离和间隙都考虑在内了。根据推测，高速公路路段区间理论上在任一时刻最多能容纳辆车，此时所有车辆必须以相同的速度行驶。但作为工程估计值，Q，即高速公路路段区间在任一时刻允许容纳的最大车辆数应近似等于为。本章中假定所有路段的车道数都一样。在驾驶员手册中通常可以发现这样一个经验法则：如果前后相邻车辆之间有一个车身长的间距，就可以判断此时的车速为10mile/h，这一假定没有在上述C.M.公式中反映出来的原因是：最大车辆数必须能够反映路段区间在任一时刻物理上所能容纳车辆的最大值，而这个物理上的最大车辆数很明显是由路段长度和车辆长度严格定义的，与车辆速度没有必然关联。所以，相比之下，式（6.1）提出的定义更具一般性，因为这里采用“最大车辆数”，就包含了严重交通拥堵的情形，同时，它还允许出现比经验法则估计值更高的车辆密度。如果不考虑拥堵情况，就很难使用DICAF仿真分析系统在极端情况下的行为。经验法则，正如字面上的意思，仅仅是一种依靠经验的估计方法，既没有任何正式的理论基础，也不能严格服从，只能作为参考，在极度拥堵的情况下，它通常是不适用的。

选择式（6.1）中定义的另一个合理依据是，在一般情况下，每辆车的速度都是不相同的，一个众所周知的证据就是，通常左侧车道会被设计为高速车道，而右侧车道一般是为低速车辆设计的。此外，在任何高速公路上，高速车辆超过低速车辆都是非常常见的事情。当路段区间上的汽车数量较少时，即使有许多车辆由于各种原因而低速行驶，高速车辆仍可以保持较高的行驶速度，因此，整条路段区间上的平均速度仍可能较高。而当车辆数增加，车辆间距减少时，这种情况会发生较大改变。高速车辆超越低速车辆会变得越来越难，而且也不安全，导致高速车辆不得不减速，最终使路段的总平均速度下降。因此车辆数的不断增长会使路段拥堵情况恶化，C.M.值减少。在发生了严重交通事故的情况下，平均速度可能下降至0，C.M.值也会降至0。同样，当X值等于Q值时，C.M.值也是0。假定车辆都以不同的速度行驶，就意味着所有车辆最终将达到一个静止状态。本章假定车辆的速度服从一个均值为μ、方差为σ的正态分布，它是由特定路段区间情况和驾驶时间特性等因素决定的，同时指出当C.M.的绝对值较高时，拥堵水平较低，而较低的C.M.值表示较高的拥堵水平。最大C.M.值由路段允许的最大车速决定，最小值是0。显然，式（6.1）中关于C.M.的定义并不适用于所有车辆以相同速度行驶的情况。有人曾假定车辆速度服从著名的泊松分布，但要注意的是，虽然泊松分布更容易进行数学处理，但是正态分布更容易生成表格，使DICAF仿真能够更顺利进行。还要指出的是，仿真过程假设在某个典型场景中进行，要将全年不断行驶的车辆，与一天中某个时间以及一年中某一天内行驶的车辆进行对比，为此，本研究中使用了连续的正态分布。Kreyszig^[86]进一步指出，对于较大的N值，即一次实验中需要独立操作的次数较多的情况，二项分布可由正态分布估计得到，而泊松分布只是二项分布中的一种特定情况。

正如本章前面提到的，大多数传统的路径引导方法采用的是二元准入策略，即根据拥堵程度决定允许进入或拒绝进入。众所周知，二元策略[87]通常会导致武断的决策。与之相反，在本章中，C.M.值会逐渐演变成一个路段区间上车辆数和平均速度的函数。C.M.是一个连续函数^[86]，因为对于任意给定路段区间，该值都可以被定义或假设为（0mile/h，路段允许的最大速度值）之间的任意值。无论拥堵水平如何，都不会有车辆被拒绝进入该路段区间，除非X值等于Q值。我们期望尚不在该路段上的车辆都能避开C.M.值较低的路段，而转向走C.M.值较高的路段。因此，如果在对每辆车进行路径决策时，不采用武断的做法，路段上车辆的分布就可能更加均衡一些。

图6.2显示了一个高速公路系统的DICAF体系结构，该系统包含12条高速公路路段区间，以及9个吸引车流进入系统的交叉口。DICAF把高速公路系统分成9个区域，每个区域都由唯一的DTMC分别控制。虽然图6.2中DTMC都正好安装在交叉点上，但是在现实世界中，它们可能会被安装在所控制路段附近的某一个地方。途中，DTMC1控制路段1和3，DTMC2控制路段2和4，DTMC8控制路段12，DTMC9不控制任何路段。所有DTMC都是通过一个广域网连接，网络中的链路平行于高速公路路段。车辆一进入系统，就与当地DTMC建立联系，获得相关路段的C.M.值，然后它会以快速到达目的地为目标选择路径。当车辆到达下一个DT-MC时，会重新计算路径，这一过程不断循环直到到达最终目的地为止。某一路段的C.M.值在控制该路段的DTMC内是最准确的，但当车辆向离它距离较远的其他DTMC请求数据时，C.M.值可能会由于延迟而导致精确度降低。因此，车辆在驶向目的地的途中逐渐获取越来越准确的路段C.M.值，其结果是，车辆通过持续改进路径，最终实现效率的最大化。

(www.xing528.com)

图6.2 DICAF体系结构

每辆车都拥有一个高速公路系统的完整的静态拓扑结构数据，即路段的数量、长度以及路段之间的连通性。然而，车辆并不知道路段的C.M.值，因为这个值是动态的。本章假定静态信息不会发生变化，且不考虑施工或事故导致的道路损坏问题。当车辆在某个DTMC的管辖范围内时，它会从中获取相关路段的C.M.信息，然后，车辆执行修正的Dijkstra最短路径算法^[88]，其目的是为了选择一条从当前位置到终点的估计行驶时间（ETT）最小的路径。一个路段区间上某辆车的ETT的值由下式表示：

ETT=路段长度÷最小值（C.M.值，车辆的期望车速） （6.2）

式（6.2）中，由于以下原因，ETT只能是一个估计值：对后续路段C.M.值的测量是动态的，如果车辆并未在该路段终止行程，则该路段的C.M.值可能并不等于车辆在该路段上实际行驶过程中计算EFT时使用的C.M.值。此外，由于C.M.值仅是拥堵水平的一个指标，本章作如下假设：如果车辆准备开始在该路段上行驶，且C.M.值低于车辆的期望车速，可允许车辆以不超过125%的C.M.值，或自身的期望速度行驶。如果C.M.值高于期望车速，只允许车辆以期望车速在该路段上行驶。

反过来，每个DTMC都会计算它所控制路段的C.M.值，然后通过泛洪算法^[88]，将该值传递给其他DTMC。为提高效率，只有当某路段上的C.M.值与其他部分所传递过来的值不同时，该C.M.值才能被传递出去。当一个DTMC接收到来自其他DTMC的C.M.值时，它会更新DICAF系统中的本地记录，并利用泛洪算法^[88]将其传递出去。本地记录中的相关信息也会被传递给它管辖范围内的请求车辆。DTMC利用路段上的车辆数和任一给定时刻下该路段上的车辆速度来计算C.M.值。同样考虑到效率问题，只有在有一辆或多辆车进出该路段时，该算法才会被激活。当车辆进入某DTMC的管辖区并要求信息时，该DTMC会为进入的车辆登记以激活C.M.的计算。当车辆离开DTMC1的管辖区进入DTMC2管辖区时，后者一旦登记了该车辆的进入，就会第一时间通知DTMC1。然后，DTMC1会重新触发C.M.的计算。

每个DTMC和车辆的功能分别在图6.3和图6.4中用伪代码表示出来。

图6.3 DICAF中DTMC的功能

图6.4 车辆的函数

DICAF是可以扩展的，即随着系统的发展，车辆数和DTMC数量的增加，DICAF仍能继续运行，且性能也不会减弱。随着系统规模的扩大，计算车辆路径的任务也大大增加，计算实体的数量也会同比例增加，仍可以共同完成该任务。相反，传统的TMC在类似的条件下，连续不断地执行算法的集中式计算机很快就会被不断增加的计算负荷压垮。TMC需要昂贵的中央超级计算机，而DICAF却是经济的，每个DTMC都配备有便宜的最新式微处理器，DTMC计算单元的负担明显轻很多。此外，DTMC中的计算机维护费用也非常低。DICAF中的DTMC可以是全自动、无人操纵和独立存在的，非常类似街角的交通信号控制器。车辆的计算单元由廉价的微处理器，比如英特尔8086、摩托罗拉6809等组成。与传统的TMC类似，如果出现更强大的处理器，DICAF中的DTMC计算机也可以很快更新。DICAF非常稳定可靠，如果一个或多个DTMC无法运行，剩下的DICAF系统还会继续运行，而传统的TMC如果无法运行，则会导致整个系统完全瘫痪。在无法运行的DTMC管辖区内的车辆会被暂时排除在C.M.值计算之外，但当车辆进入其他正常运行的DTMC管辖区时又会恢复正常的操作。