考虑燃油消耗和排放的交叉口汽车路径规划与控制模型

针对现有道路交叉口环保驾驶研究中未充分结合交通状态、未充分考虑道路交叉口冲突区域等问题,基于车联网(V2X)技术,研究提出了一种道路交叉口环保驾驶汽车路径优化控制模型。该模型提前采集前方道路交叉口交通信号灯控制时间信息,并在交叉口前设置控制区域,整个控制过程分为两个阶段:首先,以最低燃油消耗和排放最低为目标,对进入控制区域的车辆进行速度规划,确保以最为环保的方式通过信号灯;其次,以最大程度避开交叉口冲突点为目标,对进入交叉口的车辆进行通行速度规划,使车辆最大程度回避分流冲突点、交叉冲突点、合流冲突点。通过两个阶段的路径规划与控制,实现车辆整体上以最环保的方式通过交叉口的目的。为了验证模型的有效性,搭建了Python和Vissim集成的仿真平台进行仿真,设置了不同的交通流状态场景,并和Webster信号配时下,不受其他控制器控制的车辆进行了燃油消耗和排放对比。试验结果显示,相比于Webster信号配时下,不受其他控制器控制的车辆,受路径规划控制模型控制车辆的燃油消耗降低了42.7%,CO排放量减少了4.26%,表明研究构建的路径规划控制模型是一种有效的道路交叉口环保驾驶路径优化控制策略,可以为车联网条件下车辆环保驾驶提供依据。     

基于WiFi和Android的道路交通信号控制机的设计

道路交叉口出现一些特殊交通情况时,交通信号灯仍然按正常的相位周期性工作,对交通流起不到良好的控制作用。针对这种情况,提出了一种道路交通信号现场实时控制方案,使用Android智能手机,通过Wi Fi无线传感网络向交通信号控制机发出控制指令,从而改变交通信号灯的工作状态,适应道路交叉口交通状况的要求。该方案的实施为现场交通值勤人员提供了方便、快捷地临时控制交通信号灯的方法。     

基于深度强化学习的单路口交通信号控制

合理的交通信号灯控制方案能减少交叉口处的排队长度,缓解交通拥堵问题.路口交通流具有非线性、时变性、不确定性等特点,对其建模困难,从而导致无法借助其精确的数学模型来优化交通信号控制方案.本文将深度强化学习方法应用到交通信号控制问题,深度强化学习Agent以减少路口处的排队车辆总数为目标,通过观察交叉口处所有入口车道的状态进行相位控制;使用SUMO仿真平台对本文提出的控制方法进行了仿真实验.实验结果表明,相较于定时控制方法,本文提出的基于深度强化学习的控制方法能显著减少交叉口处的排队车辆数,缓解交通拥堵.     

困境区域引起的无意闯红灯违规分析

本文分析了车辆在交叉口由于车辆的行驶速度较高或野蛮驾驶造成的闯红灯行为,其中除了应当给予惩处的驾驶员的故意行为以外,也包括无意闯红灯行为。无意闯红灯的原因和特点同城市交叉口的宽度、理想速度、车辆动力学特点、交通信号灯的黄灯间隔时间以及困境区域有关。本文给出了由困境区域引起的无意闯红灯违规的数学描述, 建立了用于城市道路交叉口闯红灯违规的模型,利用该模型对西安部分地区的数据进行仿真和评价。     

混合交通信号控制相位切换及其评价

本论文重点讨论的是影响信号灯交叉口通行效率和安全性的信号相位变换问题及其评价。研究中综合考虑了机动车和非机动车以及行人交通通过交叉口的特征，把最佳交通效率和交通安全性作为相位变换的准则，从而给出交通信号相位变换及其参数的确定方法和相应的数学模型，最后推荐两种通行方式用于我国混合交通交叉口。本论文的研究成果对于提高混合交通条件下信号灯交叉口的交通控制效果和确保交通安全性具有重要意义和使用价值。     

混合交通状态下交叉口排队机动车流启动车头时距研究和应用

研究的主要内容包括:信号灯控制道路交叉口红灯周期形成的排队车辆,在放行后不同车型的启动时间和不同车型组成的混合机动车流车头时距的分布研究;混合交通状态下机动车启动通过交叉口时受到干扰后的延误时间研究;利用上述研究成果对混合交通状态下交叉口排队车辆的放行绿灯时间进行估算。课题以现实交通数据为基础,通过统计分析结果最终建立放行绿灯时间估算表,对混合交通状态下道路交叉口信号灯的配时起到指导意义。     

基于小尺度的无灯控交叉口智能车辆驾驶行为决策模型

针对自动驾驶车辆与传统车辆在无灯控交叉口的动态交汇协同问题,在更小时间尺度上将交汇过程划分为完全信息下的重复博弈过程。通过构建一种新型驾驶员激进度模型,判断传统车辆驾驶员驾驶激进度,帮助自动驾驶车辆制定驾驶策略。同时,提出一种最佳减速度选取模型,解决智能车辆避让后速度过低的问题。采用CarSim与MATLAB/Simulink进行联合仿真,结果表明,提出的两种模型能准确地估计传统车辆驾驶员类型并帮助自动驾驶车辆安全、快速地通过无灯控交叉口。     

高速跟车状态下驾驶人最低视觉注意力需求

为了避免现有驾驶分心研究方法的局限性,从注意力需求角度入手,探索了高速跟车过程中驾驶人安全驾驶所需的最低视觉注意力。在驾驶模拟器上进行试验,记录26名驾驶人在正常驾驶和视线遮挡驾驶2种状态下的视觉行为和视线遮挡行为数据,并进行统计分析。考虑驾驶人个体差异,初步探索了最低视觉注意力需求分布。结果表明:高速跟车驾驶状态下,驾驶人可以不需观察周围交通信息安全行驶35m左右,视线遮挡距离与车速无关,可用于表征注意力需求。视线遮挡距离和遮挡频率存在个体差异,但驾驶人总体遮挡百分比基本不变。高速跟车过程中驾驶人的剩余注意力主要用于观察道路前方和其他区域。具体表现为视线遮挡驾驶状态下驾驶人对道路前方和其他区域的观察距离显著缩短,而观察频率基本不变,且仅需行驶25m左右的时间驾驶人即可完成观察周围交通状况,说明观察频率对获取交通信息更为重要。驾驶人平均每行驶20~60m(1.0~2.8s)需要观察前方道路一次,每行驶80~220m(4.1~8.6s)需要观察车速表一次,每行驶140~300m(6.7~13.5s)需要观察后视镜一次,每50~200m(2.5~9.1s)可以遮挡视线一次,但遮挡距离一般小于43.7m(约2.4s)。研究结果有助于提高分心预警系统的环境敏感性和车内人机界面设计的合理性。     

道路交叉口车路协调实验系统设计与实现

提出了道路交叉口车路协调实验系统框架、实现方法并进行了系统搭建测试。在分析系统功能的基础上进行了系统逻辑框架与系统物理框架设计,实现了各子系统功能,包括：GPS车载定位信息采集、交通控制系统设定、路侧处理单元与车载处理单元程序设计与短程无线通信,在此基础上建立了道路交叉口车路协调实验系统,模拟实际交通运行状态对系统主要性能进行测试。实验结果表明该系统可以完成信号灯状态的车载实时显示,但应进一步提高定位精度与通信效果。实验系统不仅为进一步研究基于车路协调的下一代智能交通运输系统提供了实验平台,还能采集相关的车辆运行数据与驾驶员特征数据。     

《道路交通安全法》中关于机动车礼让行人相关法律规定及解读

正关于汽车礼让斑马线,在《道路交通安全法》中第三十八条、第四十四条、第四十七条和第六十二条有明确规定,本文对上述四条进行详解。第三十八条车辆、行人应当按照交通信号通行;遇有交通警察现场指挥时,应当按照交通警察的指挥通行;在没有交通信号的道路上,应当在确保安全、畅通的原则下通行。本条是关于道路指挥系统的规定。交通信号广义上包括交通信号灯、交通标志、交通标线和交警指挥。本条中所说的"交通信号灯",是指     

动态

博世研发出一款结合摄像头和人工智能的新型车内监控系统睡眠不足、注意力分散、安全带未系等情况都可能会对驾乘人员人身安全造成严重后果。为避免危险驾驶及可能导致的道路交通事故,未来的车辆传感器不仅需要感知外部路况信息,而且需要实时关注驾乘人员状态。为此,博世已经研发出一款结合摄像头和人工智能的新型车内监控系统。博世集团董事会成员Harald Kroeger表示:"当车辆能够准确感知驾乘人员状态,驾驶就能变得更加安全和便捷。"该系统预计于2022年投产。届时,欧盟也将把驾驶员疲劳和注意力分散预警等安全驾驶技术作为新车标配。据欧盟委员会估计,到2038年,车辆安全新标准将挽救超过25000人的生命,并避免超140000起严重道路交通事故。实时监测车内状况能从源头上解决自动驾驶车辆的安全问题。例如,在高速公路上,自动驾驶车辆若要将驾驶控制权移交给驾驶员,需确保驾驶员未处于微睡眠、正在阅读报刊或使用智能手机发邮件等状态。     

无灯控交叉口交通安全隐患的治理

本文选择了发生过一起特别重大交通事故的交叉口,将其作为无灯控交叉口交通安全隐患治理的研究对象。在研究思路上,主要基于该起特别重大交通事故的主要原因,开展对无灯控交叉口交通安全隐患的排查。在本项研究中,首先,系统地阐述了交叉口的地理位置、几何特征以及交通特征。其次,分析了该交叉口存在的主要交通安全隐患。第三,作为无灯控交叉口交通安全隐患的治理措施,重点提出了两种交通控制方式。在停车让行控制方式中,借鉴国外的经验,专门为停车让行控制交叉口绘制了较为完善的交通标志与标线系统,特别设计了停车让行警告标志以及与之配套的"前方停车"路面标线,从而使次要道路上的车辆在到达交叉口时停车概率大幅度提高。在信号灯控制方式中,重点讨论了信号灯设置条件以及信号配时的方法。     

现代轿车车灯的流行趋势

众所周知,驾驶视野的好坏直接影响到行车安全。据统计,驾驶员有关交通的信息存80％以上是通过视觉获得的,包括道路的表面形状、方向、交通信号、交通标志的内容,车辆所处的交通环境以及对面方向上的车流等,以上信息在白天很容易通过视觉获得,但在没有光线的夜间,特别是在恶劣环     

冬夏绿灯倒计时信号下停止或通过决策的差异性分析

为研究冬夏两季路面状况下驾驶员在绿灯变红灯过程中停止或通过决策的差异性,选取了沈阳市6个交叉口,在夏季(正常路面)与冬季(路面积雪状态)采用录像方法采集车速、最大减速度、倒计时信号、E-Police和距离停车线的距离等数据,分析了目标车辆的接近速度,停止或通过的比例以及最大减速度制动区域.研究发现,夏季,设有倒计时信号灯的交叉口,最大减速多发生在停车线前60~80 m;而在只有E-Police的交叉口,最大减速往往发生在20~30 m.冬季,交叉口设有倒计时信号灯和E-Police,最大减速多发生在停车线前70~80 m;在只有倒计时信号灯的交叉口,最大减速会在40~60 m制动;而在只有E-Police的交叉口,最大减速多发生在停车线前20~40 m.这表明倒计时信号灯有利于车辆平稳地减速,特别是在冬天结冰的道路上,使驾驶员更早做出停止决策,减少了突然刹车的发生.      

蝴蝶领结型交叉口交通组织与几何参数计算

为消除平面交叉口左转交通对交叉口的瓶颈作用，采用蝴蝶领结型交叉口交通组织方式，禁止交叉口车辆左转，将左转车流引至次要道路的环岛处进行掉头，将左转车流变成直行车流，并根据车速、道路和交通条件推导了掉头环岛与交叉口的距离、半径和车道宽度的计算模型。经过蝴蝶领结型交叉口交通组织以后，使交叉口的车辆禁止向左行驶，促使冲突点减少且信号控制只需两个相位，能够将交叉口信号灯的利用率提升，对交叉口运行效率具有显著提升效果。     

西大直街与红军街环形交叉口交通延误问题分析

为了改善哈尔滨市西大直街与红军街环形交叉口交通阻塞的状况,对发生交通延误的西大直街处出口方向进行调查。通过分析调查,列出三种解决方案,分别是增加信号灯;拆除前方信号灯,在入口处安置信号灯;加护栏,禁止行人横过,行人可以进入地下通道。从行车顺畅、行人安全、造价低等方面经过比选提出最佳解决交叉口交通拥堵问题的方案。     

交叉口渐变段线型研究与函数模型构建

减少事故发生、合理的渐变段长度及线型设计,能改善交叉口的通行环境、保障车辆安全行驶、提高路口整体的通行能力.在参考美国关于城市道路交叉口设计相关资料的基础上,对比我国现有城市道路交叉口设计相关技术规范的欠缺之处,结合我国交通参与者实际行车习惯,提出一种符合我国驾驶员驾驶习惯的渐变段线型及其函数模型.通过对现场交叉口车辆进行航拍得到车辆运行轨迹,再将轨迹坐标化,带入Matlab和Spss进行数据拟合,得到交叉口渐变段线型,最终对渐变段线型函数构建,并对模型进行参数标定与简化,使其有利于工程实际计算,为我国城市交叉口渐变段设计提供较为合理的参考.     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点，是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略，在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流，推动着城市道路交通控制对象、数据环境和控制手段的变革，为交通控制提出巨大挑战的同时，也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点，尚处于研究起步阶段。根据路权特征，先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究，包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究，包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展，但RV驾驶行为的随机性、...     

基于非饱和条件下主干道的绿波控制设计

信号控制是城市交通管理中最常用和最有效的方法,机动车驾驶在设有若干信号灯的城市道路上时,可能会依次受到多个信号的干扰。干线协调控制将一条干道上若干相邻的交通信号连接起来,加以协调控制,以减少车辆在各交叉口上的停车时间,使干道的车辆通行顺畅。在干线协调控制理论与方法的基础上,根据单点控制F-B模型,以昆明市一二一大街干道为例,实地调查了几何特性、交通量、行车速度等交通基础数据,对各独立交叉口进行单点配时设计。应用＂图解法＂,形成了一二一大街干道的＂绿波＂设计方案,并对方案进行了定性和定量分析评价;通过指标对比,采用线控后此路段平均延误降低,车辆排队时间缩短,交通状况明显改善。     

基于Prescan 的信号灯路口跟停场景虚拟重构

为满足我国智能驾驶汽车测试场景库的搭建和ADAS(高级驾驶辅助系统)功能研发和验证的需求,设计了一种基于Prescan的交通信号灯路口车辆跟停场景虚拟重构方法,该方法由道路环境建设模块、初始条件设定模块和车辆控制模块组成。道路环境建设模块通过输入道路参数信息构建虚拟道路,初始条件设定模块通过输入本车和目标车的初始位置、初始速度信息确定零时刻车辆和道路的空间位置及状态信息,车辆控制模块依据车辆速度位置等信息,利用训练的神经网络控制本车加速度,实现跟停场景的虚拟重构。仿真结果表明,该方法可以实现交通信号灯路口车辆跟停场景的虚拟重构。