2025年，隨著智能網(wǎng)聯(lián)汽車(ICV)技術的快速發(fā)展和應用，公路市場迎來了新的發(fā)展機遇和挑戰(zhàn)。數(shù)據(jù)顯示，雙向雙車道半幅封閉公路作業(yè)區(qū)在交通流量較大時，車輛的平均通行時間會增加20%～50%，路段的平均通行能力會降低10%～20%，交通事故發(fā)生率會提高大約一倍。這些數(shù)據(jù)表明，公路作業(yè)區(qū)的交通優(yōu)化和安全管理至關重要。本文通過對基于強化學習的雙車道公路作業(yè)控制區(qū)ICV合流策略的研究，探討了如何利用智能網(wǎng)聯(lián)技術提高公路作業(yè)區(qū)的通行效率和安全性。

  一、公路作業(yè)區(qū)的交通瓶頸問題

  《2025-2030年中國公路行業(yè)市場調(diào)查研究及投資前景分析報告》雙向雙車道半幅封閉公路作業(yè)區(qū)是交通研究中的瓶頸路段。這種作業(yè)方式通過封閉原有行車道某個方向并在其中開展施工作業(yè)，導致該方向車流受到嚴重影響。通常通過開辟臨時道路或壓縮車道寬度，使封閉車道車流利用剩余空間交替通行。然而，這種設置雖然能夠保障交通的通行，但普遍存在行車速度降低、通行能力下降及駕駛沖突頻發(fā)等問題。研究表明，作業(yè)區(qū)的交通沖突和延誤多集中在警告區(qū)末端，而信號控制可以有效減少交通沖突，提高瓶頸區(qū)通行能力。

  二、基于強化學習的公路作業(yè)區(qū)車速引導模型

  公路市場發(fā)展現(xiàn)狀分析提到為解決公路作業(yè)區(qū)的交通瓶頸問題，本文提出了一種基于強化學習的車速引導模型。該模型利用智能網(wǎng)聯(lián)汽車(ICV)的控制優(yōu)勢，結合信號配時控制原理，設計了一種能夠引導ICV以高速度、低延誤且不停車通過信號口的策略。模型的主要特點包括：

  (一)信號配時策略

  基于Webster車流延誤公式及現(xiàn)有配時研究，提出了一種適用于雙車道道路交替通行的信號配時方案。該方案通過合理設置信號周期和綠燈時間，優(yōu)化了交通流的通行效率。具體而言，信號配時周期為392秒，相位1的綠燈時間為83秒，黃燈時間為15秒，紅燈時間為98秒;相位2的紅燈時間為98秒，綠燈時間為83秒，黃燈時間為15秒。

  (二)狀態(tài)空間與動作空間

  狀態(tài)空間包括自車速度、加速度及距離信號口長度，前車速度和間距，信號狀態(tài)，當前周期下該信號剩余時間，下一綠燈開始時間，信號口前停車排隊長度。動作空間則為車輛的縱向加速度區(qū)間，設定加速度下限為amin，上限為amax。

  (三)獎勵函數(shù)

  獎勵函數(shù)從舒適性、安全性和高效性三個方面進行設計。舒適性方面，對加速度采取負增益設計，避免速度波動;安全性方面，定義碰撞獎懲，避免碰撞事故;高效性方面，鼓勵ICV在不停車的情況下，盡可能高速地通過信號口。具體獎勵函數(shù)如下：

  舒適性獎勵：R舒適性=?λ?(a當前2+Δa當前2)安全性獎勵：R安全性={?1,0,若發(fā)生碰撞否則高效性獎勵：R高效性={獎勵值,懲罰值,若在綠燈時通過信號口否則三、公路作業(yè)區(qū)的仿真分析

  通過SUMO仿真平臺，對提出的信號-速度引導模型進行了測試和驗證。仿真環(huán)境包括初始化區(qū)、控制引導區(qū)、合流區(qū)和交替通行區(qū)，總長度為1750米。仿真結果顯示，信號-速度引導模型在不同流量和不同ICV市場滲透率的混合交通流下，能夠有效引導大部分ICV在綠燈時到達信號口并通過交替通行車道。具體結果如下：

  (一)性能分析

  在不同流量下，隨著ICV市場滲透率的提高，信號-速度引導模型的平均單車停車延誤逐漸降低，車輛平均速度逐漸增大。

  在400、500、600 pcu/h流量下，純ICV交通流相比于純HDV交通情況，平均單車停車延誤分別降低了9.92秒、12.68秒、72.70秒，平均速度分別提升了5.10%、2.48%、1.90%。

  在高流量情況下，信號-速度引導模型能一定程度上提高雙車道封閉作業(yè)路段的安全性。

  (二)對比分析

  與固定信號配時和動態(tài)信號配時相比，信號-速度引導模型在各流量背景下均能提高平均車速和降低平均單車停車延誤。特別是在交通流量接近道路設計飽和流量時，模型在延誤降低方面的效果更加顯著。在中、高流量情況下，模型有著更低的最小TTC值，表現(xiàn)出更優(yōu)秀的安全性。

  四、公路作業(yè)區(qū)的舒適性分析

  采用ISO2631-1:1997(E)標準中，座椅上加權加速度均方根值進行評定。實驗結果顯示，信號-速度引導模型在各流量背景下均表現(xiàn)出更高的駕駛舒適性。具體數(shù)據(jù)如下：

  在400 pcu/h流量下，固定配時為0.94 m/s2，動態(tài)信號配時為1.00 m/s2，信號-速度引導模型為0.65 m/s2。

  在650 pcu/h流量下，固定配時為0.97 m/s2，動態(tài)信號配時為0.85 m/s2，信號-速度引導模型為0.76 m/s2。

  五、總結

  2025年，公路市場在智能網(wǎng)聯(lián)汽車技術的推動下，迎來了新的發(fā)展機遇。本文通過對基于強化學習的雙車道公路作業(yè)控制區(qū)ICV合流策略的研究，提出了一個能夠有效提高公路作業(yè)區(qū)通行效率和安全性的車速引導模型。該模型通過優(yōu)化信號配時和車速引導，顯著降低了車輛的停車延誤，提高了平均駕駛速度，并在不同流量和ICV市場滲透率的混合交通流下表現(xiàn)出良好的性能。此外，該模型還表現(xiàn)出更高的駕駛舒適性，為公路作業(yè)區(qū)的交通優(yōu)化提供了新的思路和方法。未來，隨著智能網(wǎng)聯(lián)技術的進一步發(fā)展，公路作業(yè)區(qū)的交通管理將更加智能化和高效化，為公眾提供更安全、更便捷的出行體驗。

更多公路行業(yè)研究分析，詳見中國報告大廳《公路行業(yè)報告匯總》。這里匯聚海量專業(yè)資料，深度剖析各行業(yè)發(fā)展態(tài)勢與趨勢，為您的決策提供堅實依據(jù)。

更多詳細的行業(yè)數(shù)據(jù)盡在【數(shù)據(jù)庫】，涵蓋了宏觀數(shù)據(jù)、產(chǎn)量數(shù)據(jù)、進出口數(shù)據(jù)、價格數(shù)據(jù)及上市公司財務數(shù)據(jù)等各類型數(shù)據(jù)內(nèi)容。