V2N-Based Algorithm and Communication Protocol for Autonomous Non-Stop Intersections

本文提出了一种名为 Moveover 的基于车网通信（V2N）的算法与协议，通过让车辆自主规划轨迹并由本地控制器协调冲突区预留，实现了自动驾驶车辆在多种路口布局及真实通信延迟条件下的不停车安全通行，显著提升了通行效率并降低了排放。

要点

这篇论文介绍了一种名为 Moveover 的新系统，旨在让自动驾驶汽车在通过十字路口时无需停车，就像水流过管道一样顺畅。

为了让你更容易理解，我们可以把整个系统想象成一个**“没有红绿灯的超级舞会”，而 Moveover 就是这场舞会的智能调度员**。

1. 核心问题：为什么现在的十字路口效率低？

想象一下，现在的十字路口就像是一个死板的交通指挥官。

• 红绿灯模式：不管有没有车，红灯亮了大家就得停，绿灯亮了大家才能走。这就像在舞会上，不管你想不想跳舞，音乐一停你就得原地站好，等音乐再响。这造成了很多不必要的等待和拥堵。
• 传统自动驾驶：有些方案试图让所有车都听从一个“中央大脑”指挥，告诉每辆车什么时候走、怎么走。但这就像让一个指挥家同时指挥几千个乐手，一旦乐手太多（车太多），指挥家就会忙不过来，甚至死机。而且，如果指挥家说话有延迟（网络卡顿），乐手就会乱套。

2. Moveover 的解决方案：人人都是舞者，但有个“领舞”

Moveover 提出了一种全新的**“去中心化 + 本地化”**的协作模式。

🚗 角色一：自动驾驶汽车（CAV）—— 聪明的舞者

• 自己决定舞步：每辆车都知道自己的“身体条件”（比如它是辆大卡车还是小跑车，加速快还是慢）。当它快到路口时，它会自己计算一条完美的路线和速度，试图在不撞车的前提下直接冲过去。
• 不依赖别人：它不需要等别人告诉它怎么动，它自己先想好一个方案。

🏢 角色二：路口控制器（Controller）—— 场地管理员

• 只负责“划地盘”：控制器不指挥每辆车具体怎么开，它只负责管理“冲突区”（Conflict Zones）。
• 什么是冲突区？ 想象路口中间有一块块看不见的“魔法地砖”。同一时间，只有一辆车能站在一块地砖上，否则就会撞车。
• 预订机制：控制器手里有一张**“座位预订表”**。当一辆车（舞者）想通过路口时，它会问管理员：“我想在 10 点 05 分 02 秒 到 10 点 05 分 05 秒 之间占用这块地砖，行吗？”

3. 工作流程：一场高效的“预订对话”

这个过程就像你在餐厅预订座位，但速度快到毫秒级：

1. 提出请求（Proposal）：
   车子进入路口的“谈判区”（就像餐厅门口），它告诉管理员：“我计划这样走，这是我的时间表。”
2. 管理员检查（Validation）：
   管理员看一眼“预订表”：
   • 如果那个时间段没人占，管理员说：“行，这块地归你了。”
   • 如果有人占了，管理员说：“不行，那个时间段有人。你可以改到 10 点 05 分 08 秒吗？”
3. 快速调整（Negotiation）：
   车子收到反馈，迅速调整自己的速度（比如稍微慢一点或快一点），再次提出新方案。
4. 达成一致（Agreement）：
   一旦双方达成一致，车子就按照这个新计划，保持匀速冲过路口，完全不用踩刹车停下。

4. 为什么这个系统很厉害？（三大亮点）

• 🏃‍♂️ 像水流一样顺畅：
  传统的红绿灯是“停 - 走 - 停”，而 Moveover 是“慢 - 快 - 慢”。车子只需要稍微调整速度，就能像水流绕过石头一样穿过路口。这大大节省了时间，也减少了因为频繁刹车起步造成的尾气排放（就像少踩油门更省油）。

• 📱 即使网络不好也能用（抗干扰）：
  很多系统假设网络是完美的（像 5G 一样快）。但 Moveover 考虑了现实情况：如果网络是 4G（有点慢）或者信号有延迟怎么办？
  作者发现，只要“谈判区”（路口前的缓冲区）设计得足够长，车子就有足够的时间在信号延迟的情况下完成“预订”。就像在餐厅门口多留一段排队区，即使服务员动作慢点，也不会堵在门口。

• 🧠 聪明又简单（可扩展）：
  它不需要一个超级计算机去计算几千辆车的路线（那样太慢了）。它把计算压力分散给每辆车自己，管理员只负责“查表”。这让系统能轻松应对车流量巨大的复杂路口，甚至环岛。

5. 实验结果：真的有效吗？

研究人员用电脑模拟了各种场景（十字路口、三岔路口、环岛，甚至真实的城市地图）：

• 时间更短：相比红绿灯和传统的优先通行规则，Moveover 让车辆通过路口的时间减少了约 25%。
• 更环保：因为减少了急刹车和急加速，二氧化碳排放量也显著降低。
• 适应性强：无论是在理想的 5G 网络下，还是在稍慢的 4G 网络下，它都能保持高效，不会像其他系统那样一堵车就瘫痪。

总结

Moveover 就像给自动驾驶汽车装上了一个**“智能预约系统”**。它不再让车在路口傻等红灯，而是让每辆车根据自己的情况，和路口管理员快速“对表”，在毫秒之间安排好谁先过、谁后过。

结果就是： 路口不再拥堵，车子不用急刹，空气更清新，大家都能更快地到达目的地。这不仅是技术的进步，更是让城市交通从“死板排队”进化到了“流畅舞蹈”。

技术摘要

这是一份关于论文《V2N-Based Algorithm and Communication Protocol for Autonomous Non-Stop Intersections》（基于车对网通信的自动驾驶非停车路口算法与协议）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心痛点：交叉路口是交通事故和死亡的高发区（美国占致命事故的 24.8%，欧洲占受伤事故的 43%）。传统的交通信号灯虽然能管理交通，但会导致频繁的停车和起步，降低通行效率并增加污染物排放。
• 现有方案的局限性：
  • 计算复杂：许多现有的自动驾驶路口管理（AIM）方案依赖集中式控制器进行在线优化（如混合整数线性规划 MILP 或强化学习 RL），计算负担重，难以扩展到高密度交通场景。
  • 忽视通信现实：大多数研究假设通信是理想的（无延迟、无丢包），忽略了实际网络（4G/5G）中的延迟和丢包对系统安全性的影响。
  • 缺乏车辆特性适配：现有方案往往由控制器统一规划所有车辆的轨迹，忽略了不同车辆（如卡车与跑车）在动力学特性上的差异。
  • 缺乏可解释性：基于黑盒模型（如深度学习）的调度决策难以追溯和解释。

2. 方法论：Moveover 算法与协议 (Methodology)

论文提出了一种名为 Moveover 的新颖算法和通信协议，旨在实现车辆在无信号灯路口“不停车”通过。

核心架构

• 分布式计算与集中式协调：
  • 车辆端 (CAV)：每辆车（称为 EGO）根据自身动力学特性（加速度、最大速度、转弯能力）独立计算其移动档案 (Mobility Profile)，即轨迹和速度曲线。
  • 控制器端 (Controller)：部署在边缘计算 (MEC) 服务器上，负责维护调度表 (Scheduling Table)，记录已预约的冲突区 (Conflict Zones) 占用时间，并验证新车辆的提案是否会导致碰撞。
• 关键概念：
  • 协商区 (Negotiation Zone)：车辆进入路口前的一段区域，在此区域内车辆必须与控制器完成移动档案的协商。
  • 冲突区 (Conflict Zones)：路口内可能发生碰撞的路段，同一时间只能被一辆车占用。
  • 调度表：控制器存储已预约车辆的轨迹、进出路口道路及在各冲突区的进出时间。

工作流程

1. 提案 (Proposal)：当 EGO 进入协商区，向控制器发送包含其建议轨迹和速度曲线的消息。
2. 验证 (Validation)：控制器检查提案是否与调度表中其他车辆的冲突区预约重叠。
   • 若无冲突，接受提案。
   • 若有冲突，控制器返回冲突区可用的时间窗口（最早进入时间、最晚离开时间）。
3. 重规划 (Re-planning)：若提案被拒绝，EGO 根据返回的时间窗口重新计算移动档案，再次发送提案。
4. 备份模式 (Backup Mode)：若协商超时或无法在最小速度限制下完成，系统切换至备份模式（车辆停车或遵循传统优先级规则）。

通信协议

• 基于 V2N (Vehicle-to-Network) 通信，利用单播传输。
• 消息设计参考了 SAE J3186/J3216 和 ETSI TR 103 578 标准中的机动协调服务 (MCS)。
• 消息类型包括：移动档案提案、冲突区时间预留响应、协商失败/取消请求。
• 协议设计考虑了 4G (20-50ms 延迟) 和 5G (0-10ms 延迟) 网络环境下的延迟建模。

3. 主要贡献 (Key Contributions)

1. Moveover 算法：
   • 提出了一种完全可解释、确定性的调度算法，避免了黑盒模型。
   • 将轨迹优化任务下放给车辆，使其能根据自身动力学特性（如转弯半径、加减速能力）进行个性化优化，同时由控制器仅负责冲突检测。
   • 支持多种路口布局（十字路口、三岔路口、环岛、多车道）。
2. 轻量级 V2N 通信协议：
   • 设计了符合标准草案的轻量级消息集，明确定义了车辆与控制器之间的交互流程。
   • 消息大小经过优化（提案约 500 字节，响应约 130 字节），适合带宽受限环境。
3. 非理想网络环境评估：
   • 在仿真中严格评估了 4G 和 5G 网络延迟对系统性能的影响，证明了算法在真实通信条件下的鲁棒性。
   • 通过排队论模型 (M/G/1) 分析了控制器利用率与车辆到达率的关系。
4. 开源与可复现性：
   • 提供了算法、控制器及仿真场景的开源代码。

4. 实验结果 (Results)

研究使用 SUMO 交通模拟器，在多种路口场景（单/多车道十字路口、三岔路口、环岛）及真实城市地图（意大利维罗纳郊区）上进行了测试。

• 通行效率 (Travel Time)：
  • 在所有测试场景中，Moveover 均显著优于传统优先级规则、交通信号灯和理想 FIFO 算法。
  • 在四车道十字路口高密度场景下，Moveover (5G) 的通行能力达到 1.24 veh/s，比最佳基准（交通灯）高出 0.16 veh/s。
  • 在真实城市地图测试中（0.5 veh/s 密度），平均行程时间减少了约 25% (从 51.3s 降至 37.7s)。
• 排放 (Emissions)：
  • 由于减少了停车和急加速，CO2 排放量显著降低。在真实地图测试中，排放从 0.16 kg 降至 0.12 kg (减少 25%)。
• 网络延迟的影响：
  • 5G 网络：系统表现稳健，几乎不受延迟影响，能维持高通行能力。
  • 4G 网络：在低密度下表现良好，但在高密度多车道场景下，由于协商区长度限制和服务器处理队列积压，性能出现下降（容量降至 0.68 veh/s），但仍优于传统方案。
  • 消息交换：绝大多数协商仅需 2-4 条消息即可完成，极少需要 6-8 条，证明了协议的高效性。

5. 意义与结论 (Significance)

• 技术突破：Moveover 成功平衡了“不停车通行”的效率目标与“通信延迟”的现实约束，提供了一种可扩展、可解释的解决方案。
• 实际落地潜力：通过利用车辆自身的计算能力分担控制器负载，并适配现有的 4G/5G 蜂窝网络，该方案比依赖专用短程通信 (DSRC) 或超高性能计算中心的方案更具落地可行性。
• 环保与安全：显著减少拥堵带来的燃油消耗和排放，同时通过确定性冲突避免机制保障安全。
• 未来方向：论文指出未来工作将关注非联网车辆（Non-CAV）和弱势道路使用者（VRU）的混合交通场景适配。

总结：该论文提出了一种基于车对网通信的分布式自动驾驶路口管理方案，通过“车辆自主规划轨迹 + 控制器冲突协调”的机制，在考虑真实网络延迟的情况下，实现了比传统交通管理方式更高的通行效率和更低的排放，为未来智能交通系统的部署提供了重要的理论依据和技术验证。