考虑驾驶员操作误差的混合动力汽车队列生态驾驶控制

鉴于现有生态驾驶控制的研究多基于完全智能网联环境,不适用于传统人类驾驶汽车和网联汽车混行的交通场景,本文中以包含人类驾驶汽车和网联汽车的混合动力汽车队列为研究对象,提出一种考虑驾驶员操作误差的分层生态驾驶控制方法。基于随机模型预测控制算法设计上层控制器以实现车队机动性、燃油经济性和舒适性多目标优化,采用自适应等效燃油消耗最小化策略设计下层控制器以优化车辆发动机与电池的功率分配。仿真结果表明,所提出的方法可有效降低驾驶员操作误差导致的车队中混合动力汽车速度轨迹的偏移量,车辆平均油耗降低2.82%。     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

混合交通环境下网联交叉口车辆协同诱导策略及仿真测试

在由智能网联汽车(CAV)与网联人工驾驶汽车(CHV)组成的混合交通环境下,以提升网联信控交叉口的行车效率、降低燃油消耗量为目标,设计了网联信控交叉口场景,在完成车辆运动学、跟驰及油耗建模的基础上,提出了一种基于车辆编队的网联车辆协同诱导策略,以平均行驶延误时间和平均燃油消耗量为评价指标,基于SUMO平台完成仿真测试。测试结果表明:在稀疏、欠饱和及过饱和交通流量条件下,随CAV渗透率的提升,通行效率和燃油经济性不断提高;在CAV渗透率低于60%时,CHV驾驶员服从度对协同行车诱导策略性能的影响更为显著。     

道路交叉口不同相序下车辆碰撞风险模型研究

道路交叉口具有车辆冲突交织、碰撞风险加剧的交通安全复杂性的特点,而道路信号交叉口中的相序设计是制约降低车辆碰撞风险、提高交叉口安全性的主要瓶颈。文中针对上述问题,以道路交叉口车辆轨迹的不同冲突点和碰撞风险概率作为切入点,提出了不同相序下左转车与直行车不同驾驶行为的碰撞风险模型。根据运动学理论考虑车辆运行特性,运用条件概率的思想求出碰撞概率来表征车辆碰撞风险,从安全的本质出发提出了碰撞风险的表述方法,建立密度函数模型,从而建立基于概率计算的动态碰撞风险模型,通过VISSIM微观仿真软件仿真车辆的运行场景,利用仿真输出的运行数据计算风险值。研究结果表明,根据碰撞风险估计值变化规律可以确定不同相序下不同驾驶行为的碰撞风险预警阈值,而且能较好地反映实际交通安全状况,比较两种相序预警阈值的大小,还可以为信号交叉口相序设计提供定量依据。     

基于轨迹预测的智能汽车行驶风险评估方法

提出了基于预测轨迹的行车风险评估方法，首先建立了沿预测轨迹两侧具有渐变高斯截面特征的驾驶风险域DRF以表征驾驶员行为的不确定性，然后考虑车辆与周围静态、动态障碍物处于特定状态的风险后果建立环境事件成本，得到适应复杂行车场景不确定性的量化感知风险，并基于贝叶斯理论融合预测区间内的量化感知风险时间序列，实现了对于未来行车潜在碰撞风险的预测。实车轨迹和仿真实验结果表明，相比于经典TTC指标方法，基于融合未来一段时间内自车与周边环境交互信息的DRF的风险评估方法可以更快、更准确地辨识复杂交通场景的行车风险变化，为研究周边多车复杂场景下车辆碰撞风险问题提供了参考。     

网联自动驾驶车辆通过信号交叉口的速度轨迹优化

以网联自动驾驶汽车(Connected Autonomous Vehicle, CAV)为研究对象, 研究了CAV车队通过城市信号交叉口的速度轨迹优化控制策略。基于最优控制理论, 采用CAV的自动驾驶模型描述车间相互作用, 以所有CAV车辆在行驶过程中的总油耗为优化目标, 根据信号灯的配时信息建立模型约束, 通过优化CAV头车的速度轨迹, 保证整个CAV车队在绿灯相位下快速通过交叉口并实现油耗最小。为了对该优化控制进行高效求解, 采用离散Pontryagin极小值原理建立最优解的必要条件, 利用基于神经网络训练的弹性反向传播(Resilient backpropagation, RPROP)算法设计了数值求解算法。多个典型场景的仿真结果显示: 整个CAV车队均能在不停车的情形下通过信号交叉口, 避免因在红灯时间窗到达停车线造成的停车、启动等过程, 总油耗量最高可减少69.74%。该控制方法利用网联自动驾驶技术的优势, 显著改善了城市交通通行效率和燃油经济性。      

智能车经济性起步车速规划研究

智能车的车速决策影响燃油经济性。以起步阶段加速工况的燃油经济性为优化目标,建立了瞬态燃油消耗模型,并提出了基于该模型的经济性换挡规律制定方法;根据车辆纵向动力学方程,建立了基于前向欧拉离散方法的车速状态转移方程,以及确定相应的初末约束条件、边界条件;基于动态规划最优性原理,提出了智能车起步过程的经济性车速规划方法,建立了基于速度状态搜索策略;根据Matlab/Simulink和CarSim联合仿真,对比了典型驾驶员速度跟随模式的燃油消耗水平,结果表明,基于动态规划优化后的经济性车速及相应的挡位序列具有良好的节油特性,可为智能车经济驾驶的车速规划及挡位规划提供指导。     

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度，提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先，基于西安市北大街信号交叉口规格构建结构化场景，结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件；其次，根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则，以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数，构建类人化全局多目标优化模型，通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段；再次，针对非线性运动规划模型变量与约束规模化问题，采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解；最后，试验建立Prescan与MATLAB/Simulink联合仿真平台，从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明：在以信号灯状态和车辆初速度为变量建立的12种工况下，该模型与人类驾驶车辆、混合运动规划模型相比，平均可分别节省燃油消耗63.7%和29.5%，平均通行延时分别降低3、0.9 s，且轨迹曲率更平缓，最大横向加速度与方向盘转角平方和的平均值最小，证明该模型的多目标性能更好；在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下，所提出模型的车辆轨迹平滑，轨迹安全域边界距离始终大于1.4 m，曲率变化符合期望且峰值小于0.22 m^-1，说明该模型具有较好的适应性；在自由/固定终端时刻条件下，该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致，验证了模型的合理性。     

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。     

基于行程时间的人车特征动态辨识方法CSCD

实现对驾驶倾向性、汽车类型的动态识别对构建以人为中心的汽车安全驾驶辅助系统具有重要意义。本文以驾驶员隐私保护为基础,利用车载全球定位系统(GPS)捕获的行程时间,建立基于Bayes决策树的人车特征动态辨识模型,识别汽车不同类型及其驾驶员倾向性。通过设计实车和虚拟驾驶实验分别验证在不同渗透率条件下的人车特征辨识效果,验证结果表明,本文建立的人车特征辨识模型准确率在80%以上,明显优于传统决策树模型;通过设计仿真实验验证了考虑驾驶倾向性的微观仿真和实际情况具有较好相合性,仿真验证结果间接证明本文研究成果的合理性。     

车路协同无信号交叉口的矩形冲突检测及消解

针对车路协同环境下的冲突问题，建立了以系统反应时间代替驾驶员反应时间的自动驾驶车辆制动距离模型，以此作为安全距离改进了矩形冲突检测模型，并根据轨迹优化的研究思路，提出了以矩形冲突检测模型为基础的冲突消解算法，对非通行优先权车辆进行速度引导，避免车辆冲突。在车联网开源框架 Veins 的基础上，将交通仿真器 SUMO和网络仿真器 OMNeT++双向耦合，并对冲突检测模型与消解模型进行验证。仿真结果显示，该冲突检测及消解模型具有可行性，与传统无信号交叉口四路停车让行规则相比，模型中的速度引导方案能减少合流冲突车辆 8.6%的平均行驶时间，减少交叉冲突车辆 8.3%的平均行驶时间；合流冲突和交叉冲突中车辆的平均速度分别提高了61.4%和105.0%。在实际应用中，冲突消解模型可以为不同速度范围内的自动驾驶车辆提供速度参考，降低无信号交叉口车辆发生碰撞的概率，提高无信号交叉口的通行效率。     

混合动力汽车驾驶风格识别的研究

鉴于驾驶员驾驶风格对混合动力汽车燃油经济性和排放性能有重要影响,本文中旨在通过对驾驶风格进行分类和识别,提高整车控制策略对驾驶风格的适应性,以改善整车的燃油经济性。首先以某款混合动力汽车为对象,对不同驾驶员的驾驶风格进行了实车道路试验和数据采集,接着采用主成分分析提取出表征驾驶风格的综合特征参数,并应用K-均值聚类对驾驶风格进行了聚类分析,最后在此基础上利用支持向量机算法对驾驶风格进行了识别。结果表明,驾驶风格的识别精度达到了90%以上,为混合动力汽车能量管理策略的进一步自适应优化奠定了基础。     

节能导向的信号交叉口生态驾驶策略研究

为解决信号交叉口区域车辆频繁启停及怠速停车造成的燃油浪费和污染物排放问题,研究了以节能为导向的信号交叉口的生态驾驶策略问题.借助交叉口区域的V2I通信系统获得车辆自身定位和运动状态数据,以及信号灯状态与配时信息,对车辆所处车速引导场景及可通行性进行判定.对各场景下车辆时空运动轨迹进行分析,综合考虑交叉口上下游的燃油消耗,以平均每公里油耗最小建立统一的优化目标函数,求得生态驾驶轨迹最优解,以向驾驶员提供车速建议.利用M atlab开展的随机仿真实验表明,与不采用生态驾驶车速引导相比,采用生态驾驶车速引导至少可降低10% 以上的燃油消耗.对于划分的6种车速引导场景而言,最优生态驾驶策略在场景2下的节油效果最为显著,可达到30% ~60%;其次是场景4,可达到25% ~50%;在场景3和场景5中表现略差.从节约能源的角度而言,车辆在通过信号交叉口时应尽量避免停车等待,防止发动机长时间空转造成的燃油浪费,必要时可采取适当加减速的方式通过交叉口.      

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题，基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法，旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差，使得各个方向车流互相预知对方驾驶行为，以实现车辆自组织穿插通过交叉口，以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例，根据调查数据和Vissim仿真分析结果显示，所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中，自动驾驶车辆容易出现频繁的误减速、误避让，而造成通行能力和乘员舒适性的下降，提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层，根据切入场景中主旁车的冲突性关系，联立相关车辆运动方程建立整体系统的运动模型，构建考虑旁车状态的切入博弈模型，设计安全性和舒适性收益函数，进行驾驶行为博弈，输出行为决策结果。在轨迹规划层，根据车辆间距构建避障约束条件，以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求，建立轨迹规划数学模型，求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明，在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策，准确完成切入场景下的运动规划任务，车辆能准确跟踪输出的轨迹，更符合一般驾驶习惯，提高了车辆的舒适性。     

驾驶员技术与节油

汽车即使在精心维护与保养之下,技术状况符合节油要求,若驾驶操作不当,也不能收到良好的节油效果。因此,驾驶员应根据道路和交通情况,采取不同的操作方法,以达到节约燃油的目的。一位优秀的驾驶员,会根据道路和交通情况,及时调整好人、车、路三者关系,针对所驾驶的车辆,所处的道路和交通环境条件的变化,经过分析判断对车辆进行正确的驾驶。如:预热发动机和保持其正常的     

智能网联环境下城市路网通行能力分析

为了探究城市路网中混有智能网联车辆(CAV)的交通流特性，研究CAV不同渗透率分布下对路网通行能力的影响。应用智能驾驶模型(IDM)和协同自适应巡航控制模型(CACC)分别作为人工驾驶车辆(HDV)和智能网联车辆的纵向速度更新规则，并建立考虑车辆到信号交叉口距离影响的横向换道规则。推导基于各渗透率等级路段占路网长度比例下的混合交通宏观基本图模型(MFD),通过SUMO仿真验证模型有效性。最后针对模型中的比例参数进行敏感性分析。结果表明：混合交通MFD可以用于异质交通流组成的城市路网宏观交通状态的有效估计与通行能力分析。当CAV渗透率均匀时，在路段渗透率高于30%时，路网通行能力提升显著；当CAV渗透率非均匀时，异质路网的通行能力随着渗透率等级较高路段比例的增加而逐渐提高，100%CAV路段比例的影响尤为显著。混合交通MFD为混有CAV的城市交通调控和CAV在路网中的路径规划提供理论参考。     

信号交叉口环保驾驶仿真评估

为验证信号交叉口环保驾驶的应用价值,并分析不同因素对环保驾驶效果的影响,构建了环保驾驶车辆与非环保驾驶车辆混行环境下的驾驶仿真平台,并制定了合理的仿真驾驶测试方案.测试过程中采集了不同驾驶员所驾车辆的运动数据,并利用VT-Micro微观车辆燃油消耗与污染物排放模型实时计算车辆的燃油消耗与污染物排放.结果表明,环保驾驶能有效降低10% 以上的车辆燃油消耗与污染物排放;驾驶员性别、年龄对车辆环保驾驶效果无影响;驾驶员接受环保驾驶的最佳驾龄为4~6年;驾驶员环保驾驶训练时长与车辆环保驾驶收益呈显著的正相关关系,且不应低于60 min;信息系统界面宜采用车辆速度曲线表形式;非环保驾驶车辆通过跟驰环保驾驶车辆可获得一定的环保收益;系统整体的环保驾驶收益随环保驾驶车辆的占比上升而增高.      

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

基于重复博弈的无灯控交叉口驾驶员行为模型

在分析无灯控交叉口插车过程中驾驶员行为决策相互影响关系的基础上,从更小时空尺度出发,提出了考虑安全因素、速度因素的驾驶员插车行为过程效用函数,建立了基于动态重复博弈的无灯控交叉口驾驶员插车行为模型,分析了不同驾驶员类型组合在插车博弈过程中的纳什均衡及相应的驾驶员决策行为。结果表明:该模型能够在一定程度上反映不同条件下交通冲突的演化结果,说明了应用动态重复博弈进行驾驶员行为模型研究的合理性。