智能网联汽车运动规划方法研究综述

分析了近年来智能网联汽车(Intelligent Connected Vehicle, ICV)运动规划方法的研究,根据规划时空尺度和任务目标,将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务,回顾了各级子任务中智能网联技术的研究和应用现状;探讨了ICV中驾驶人行为特性及其对运动规划结果的影响;从技术背景、研究场景、算法流程和应用理论4个方面,提出ICV运动规划方法研究的未来发展方向。结果表明:由于ICV主要依赖车辆网联信息规划运动路径,而路网中同时存在不同网联等级的ICV,这将增加路径规划问题的求解难度;现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况,将现有算法与微观交通流模型相结合有助于解决此问题;ICV中人机协同及任务切换领域已出现诸多研究热点,如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题;借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识,但是车-车、车-路网联信息在此领域的应用仍然有限;采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略;根据具体规划任务特点选择构建ICV运动规划模型的基础理论,有助于发挥各类理论的优势,提升规划算法的灵活性和适用性。     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。     

智能网联车辆交通信息处理技术与信号控制方法研究

随着科学技术的不断加强,智能网联车辆的数量也在不断增加,在智能交通系统发展中,车联网发挥了重要作用,人们对于车联网的研究也越来越多和越来越深入,为了能够使车联网更好的普及,应该加强对智能网联车辆交通信息技术和信号控制的研究.本文基于目前车联网发展现状对智能网联车辆信息处理技术和信号控制的方法进行探讨研究,以供参考.     

智能网联车路口行驶的决策策略分析

智能网联车的无人驾驶分为感知、规划、执行三个部分,行为决策是无人驾驶发展的核心技术之一。在复杂的交通路口,车辆行驶路线难以预测,通过分析车辆在路口行为发生条件统计,设计出合理和安全的驾驶行为。文章以智能网联车为研究对象,使车辆行驶到十字路口的换道、转弯、调头等行为对应行驶场景,能够保证智能网联车安全、合理的在一定可控范围下行驶在复杂的十字路口。无人驾驶车辆在十字路口的通行中提高了行驶效率和减少了运营成本,带给人们更加便利和舒适的服务,推动智能网联车更全面的发展。     

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、...     

智能网联混合车流的动态特性及稳态控制策略

自动驾驶技术为精确控制和优化车辆跟驰提供了条件,通过梳理近年来国内外网联混合交通的研究现状和发展动态,发现传统驾驶人的随机行为是影响交通系统稳定性的重要因素,网联车辆对于稳定车流态势具有良好的效果,从而也提高了车辆跟驰的安全性.为此,基于未来一段时间内网联车与人工驾驶共存的情形,研究网联混合交通的跟驰模型及稳态机理对于...     

基于双向多车跟随式拓扑的混合车辆队列稳定性研究

车辆队列控制在提高驾驶安全性、提升交通流量、改善燃油经济性方面具有巨大潜力.现有车辆队列控制研究多针对完全由网联自动驾驶车辆组成的队列,难以应用于实际混合交通环境,而现有混合队列控制研究通常仅考虑网联自动驾驶车辆跟驰控制目标,而忽略了其对后方交通流与队列稳定性的影响.为此,研究了混合人工驾驶车辆与网联自动驾驶车辆的队列...     

智能网联汽车封闭道路测试执行方法概述

智能网联汽车封闭道路测试作为推动智能网联汽车快速发展的重要一环,其执行方法将为智能网联汽车产品研发和验证提供重要参考和依据.文章基于汽车传统ADAS测试执行方法,首先从测试场景、测试环境、测试车辆控制和测试结果响应方面分析了智能网联汽车测试与ADAS测试的异同;其次,依托ADAS测试框架体系,结合智能网联汽车测试特性,...     

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。     

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为，以更加精确地进行车辆的运动决策，建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础，首先阐述了交通环境中安全势场的客观性、普遍性以及可测性，然后通过引入加速度参数对既有安全势场模型进行改进，改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上，构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响，由于不同速度、加速度信息在智能网联环境下车辆可以实时获取，因此该模型可应用于未来智能网联环境中。此外，在模型参数标定过程中，通过对NGSIM数据进行筛选，得到含有较多减速停车以及启动加速状态的轨迹数据，共筛选得到412组NGSIM真实跟驰车对数据，并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果，选择OVM模型、IDM模型与本文模型进行比较，并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标，结果表明，建立的基于安全势场理论的车辆跟驰模型具有良好的精度，适用于描述考虑加速度参数条件下的跟驰行为，可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。     

智能网联车环境下考虑反应时间影响的基本图模型

未来年由一定比例的智能网联车与人工驾驶车辆组成的异质交通流是当前交通流领域研究的前沿和热点。为研究智能网联车与人工驾驶车辆反应时间的差异对异质交通流宏观特性的影响,基于智能驾驶员模型推导出了包含反应时间与智能网联车比例的异质交通流基本图模型。首先,考虑反应时间对驾驶行为的影响,对传统IDM进行了改进;其次,基于改进后的IDM推导出了异质交通流宏观基本图模型,并分析了反应时间与智能网联车比例对异质交通流通行能力的影响。同时,对模型中通行能力的影响因素进行了敏感性分析;最后,借助MATLAB与VISSIM搭建了智能网联环境仿真平台,对本研究提出的模型进行了验证。结果表明:(1)智能网联车比例的增大能提高异质交通流的通行能力,但反应时间对通行能力具有消极影响作用;(2)自由流速度越大,异质交通流的通行能力越大;(3)最小车头间距越大,异质交通流的通行能力越小,且最小车头间距每增加0.2 m,异质交通流的最佳密度减小约0.15 veh/km,对应的最大流量减小约10 veh/h。仿真试验显示不同智能网联车比例下的仿真数据与理论曲线有较高的一致性,从而表明理论模型是正确和有效的。     

智能网联运营模式思考

随着智能网联功能车辆的普及,对于新的车辆运营模式,需要新的形式来完成智能网联车辆的运维,包括车辆的试驾,定制化生产,定制化销售,维修保养,运营模式等,都会对传统的生产、销售、运营带来新的冲击,本文分别从智能网联功能出发,阐述了关于智能网联带来新的运营模式内容,结合相关的车联网功能基础,完成从传统车辆运营模式向新一代运营模式转变,从而更好地适用于智能网联车辆,最大可能地激发智能网联车辆商业价值。     

面向瓶颈多簇运动波消除的拥堵吸收智能驾驶模型

高速公路瓶颈运动波是诱发通行延误与事故风险主要原因.智能网联下精细化感知与精准化控制为消除运动波影响提供了技术环境.在构建一种在线、主动消除广域运动波的拥堵吸收智能驾驶模型的基础上,解析车头间距与运动波传播关联机制,确定运动波完全消除设计实施条件,提出消除单个运动波最佳驾驶策略;面向多簇运动波形成时间[位置[规模等特性...     

通信时延与丢包下智能网联汽车控制性能分析

网联协同控制是智能网联汽车的重要应用场景，而车联网的通信时延与丢包可能导致控制性能下降，甚至影响行车安全。为了分析时延与丢包对网联车辆控制的稳态与瞬态性能的影响，设计了网联控制器，并开展了仿真与实车试验。基于车辆动力学特性，将通信时延与丢包下的网联车辆控制分解为纵向控制与横向控制，进行了统一建模，并设计了控制器进行试验分析；搭建了网联自动驾驶的CarSim-Simulink联合仿真平台，及集成可模拟时延与丢包的LTE-V原理样机的智能网联汽车试验平台；开展了不同时延与丢包率下网联跟车控制与网联路径跟踪控制的仿真试验与实车试验。试验结果显示：时延与丢包对控制误差的影响形态有相似性；时延或丢包率取系统及工况参数有关的小值时，如试验中时延小于200 ms或丢包率小于20%，工况随机因素对控制误差的影响可能超过时延与丢包的影响；在更大的时延或丢包率下，时延与丢包的出现方式（如出现时机等）对控制误差影响更大。研究结果表明：能实现针对网联车辆控制系统通信特性的控制器优化设计，使得当时延与丢包在工况相关阈值内时，系统控制误差有界。所揭露的规律一方面可用于对造成危险控制误差的时延与丢包工况进行预警，另一方面也可用于基于给定的稳态或瞬态控制误差边界，判定对应工况允许的时延与丢包率边界。     

智能网联汽车信息安全关键技术研究

智能网联汽车的高度智能化和网联化是信息的集成与共享。在智能网联汽车的设计过程中，要充分考虑到车联网的信息安全因素，否则将会影响到车辆的智能化控制精度。本文针对智能网联汽车信息安全关键技术进行分析研究，简要阐述了智能网联汽车发展现状，同时提出智能网联汽车信息安全问题、影响因素及关键技术应用。     

智能网联车辆生态驾驶研究现状及展望

作为近年来智能网联汽车领域的研究焦点，生态驾驶旨在提高驾驶安全的基础上，通过改善驾驶行为，有效缓解能源消耗和污染排放等问题，引起了各国政府、企业、高校和研究机构等的高度重视。同时，随着智能网联车辆技术的迅速发展，网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展，通过与传统生态驾驶进行对比，从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素；从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析；并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题，致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明:智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似，不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响；相较于传统生态驾驶，智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶；且由于各种新型技术的快速发展，结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。      

智能网联场景下纯电动客车车速规划算法研究

文章针对智能网联场景,在考虑交通信号灯SPAT信息的基础上,采用MPC模型预测控制算法对队列行驶的纯电动客车进行实时车速规划,实现了车辆交通路口前不停车跟驰行驶,同时保证了车队中各个车辆的行驶安全性、能耗经济性、驾驶平顺性及乘坐舒适性。     

智能网联汽车测试场场景设计方法研究

智能网联汽车测试场是"无人驾驶"车辆运行安全测试的基础设施.构建测试场景、分析测试场设计要素和技术指标是测试场设计的核心.基于"车-路-环境"的测试场景分类,给出典型测试场景模型构建方法和建设需求,可用于支撑智能网联汽车测试场总体设计.     

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型。首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布。其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相比于传统的车间临界距离计算模型,提出方法能够动态刻画出车辆在不同速度、加速度条件下临界距离的变化趋势,并且能够根据车辆不同的运动状态,动态表达出车辆间临界距离的变化。在此基础上,根据智能网联环境下车辆各类运动状态能够被实时感知的特点,总结出车辆各类运动状态下需要的换道安全临界时间,最终建立基于安全势场理论的最小安全距离换道模型。最后,对模型进行数值仿真分析,仿真结果表明：车辆换道所需要的最小纵向安全距离与换道车辆以及其周围车辆的运动状态有着直接关系。在今后趋于成熟的智能网联环境下,该模型可以进一步进行扩展,利用安全势场的分布情况,对车辆换道过程进行动态实时干涉,能够为今后智能网联环境下车辆协同换道、车辆自动驾驶以及车辆群体优化控制等相关研究提供一定的理论支撑。