临近交叉口的车辆跟驰换道行为研究

临近交叉口的车辆往往呈现出复杂多样的跟驰换道行为.基于二维最优速度(OV)交通流模型,本文构建了一个改进的双车道车辆跟驰换道模型,以刻画交叉口前路段上的车辆跟驰换道机制及车流宏观特征.借助模型分析了换道车辆比例、换道期望参数和跟驰安全距离等对交通流宏观特征的影响.结果表明:换道车辆比例对通过停车线的进口道流量有负面影响,换道行为越多,进口道流量越小.换道期望参数越大,换道成功率越大;当道路拥堵时,增大换道期望会减少进口道流量.增大安全距离,容易提升换道成功率但会减小进口道流量,同时促使拥堵发生.     

考虑多车影响的分子动力学智能网联跟驰模型

为研究含智能网联汽车(Connected and Automated Vehicle, CAV)和人工驾驶汽车(Regular Vehicle, RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、 加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在 混行交通流中的跟驰过程。稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性。数值仿真与模型验证结果表明,与PATH 实验室的CACC(Cooperative Adaptive Cruise Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19 m∙s-1 ,平均误差减小26.79%,拟合精度提高了0.91%。同时,在CAV和 RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加。迟滞回环曲线表明,与全速度差(Full Velocity Difference, FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强。该模型可用于同质流或CAV与人工驾驶车辆等混行环境下的CAV跟驰控制,在目前开展混行实车实验困难的情况下,为混行交通流场景下的车辆控制及交通设施规划设计提供理论依据和模型支持。     

交叉口车辆跟驰换道模型构建及仿真

为了提高城市交叉口的通行能力、保障交通安全、研究车辆行驶规律,提出了一种新的与跟驰结合的换道概率实时判断模型。首先,从车辆运行状态出发,将交叉口车辆行驶过程分为跟驰-换道-再跟驰3个阶段;然后,在全速差跟驰模型(Full Velocity Difference Model,简称FVD模型)的基础上,将跟驰与换道模型相结合,根据3阶段建立换道概率模型,并利用实测数据进行参数标定;最后,通过模拟仿真交叉口路段,对模型影响因素进行分析。仿真结果显示,在靠近交叉口停车线过程中,车流速度浮动会趋于平稳;当离交叉口停车线距离、车辆分布情况均相同时,相同道路环境下,前方车辆中大型车辆的比例越高,车辆换道概率越大,大型车辆比例上升20%,车辆换道概率上升3%;当前方大车比例、车辆分布情况相同时,离停车线距离增加100m,车辆换道概率增加10%。这符合实际运行中车辆运行规律,可为探究其他影响因素提供参考。     

考虑车流异质性的信号交叉口疏解车辆跟驰模型

为客观地描述绿灯期间交叉口进口道异质疏解车流的跟驰行为，基于实测数据验证全速差模型发现，其加速度、速度、车间距的仿真结果存在较大误差. 考虑不同车型车辆性能和驾驶员驾驶行为差异，基于4 种跟驰情景，即小客车跟驰小客车(car-car)，小客车跟驰公交车(car-bus)，公交车跟驰小客车(bus-car)，公交车跟驰公交车(bus-bus)，建立考虑车流异质性的车辆跟驰模型. 结果表明，改进模型的性能提升明显，较全速差模型，速度和跟驰间距的均方根百分比误差(RMSPE)分别下降了15.29%，22.32%，更符合交叉口进口道异质疏解车流的跟驰行为.     

融入公交车与自动驾驶车队的异质交通流模型

为研究网联自动驾驶车（connected autonomous vehicle, CAV）和人工驾驶车（human-pilot vehicle, HPV）所组成的异质交通流特性及公交车驾驶行为对环境的影响，首先，分析异质交通流中的4种跟驰模式：人工驾驶小汽车跟驰、人工驾驶公交车跟驰、自适应巡航控制(adaptive cruise control, ACC)跟驰和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰；接着，基于各跟驰模型的特点，构建车辆跟驰和换道的元胞自动机模型，综合考虑CAV车队特性、驾驶员与CAV各自反应时间特性以及HPV加塞特性，并利用跟驰模式判断参数融合不同跟驰模式特性，实现统一的模型表达；最后，仿真分析不同CAV渗透率下CAV排队强度及公交车换道行为对交通流的影响.结果表明：在一定的CAV渗透率下，促使CAV形成队列比单纯提高CAV渗透率更能有效提升道路通行效率；适量的公交换道有助于充分利用道路通行能力，过多的公交换道则会妨碍正常交通，公交换道对交通流造成的通行效率衰减随CAV渗透率的增大而减小；同步流状态...     

强制性换道的空间特征对分流区交通流的影响

为研究车辆在多车道分流区的跟驰换道行为，将强制性换道划分为激进型和保守型.在考虑驾驶员换道需求与空间位置关系的基础上，量化两种强制性换道行为的转换条件，并给出车辆强制性换道规则；对跟驰模型中的减速度参数进行优化，建立多车道下分流车辆的跟驰换道模型；采用实际数据标定模型中关键参数，并验证模型的可行性.仿真结果表明：分流车辆的横向空间分布对交通流的干扰具有显著性影响；当分流车辆集中在最左侧车道时，中间2车道的运行速度波动明显，折减量最大时达到51.4%，恢复稳定所需时间更多；通过 4组实验场景发现，分流车辆的合理空间分布对交通流运行速度有较大的改善作用.     

跟跟驰驰自自动动驾驾驶驶车车时时人人驾驾车车行行为为研研究究：实证与建模

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展,智能网联车辆（Connected and Automated Vehicle,CAV）、自动驾驶车辆（Autonomous Vehicle,AV）和人工驾驶车辆（Human-driven Vehicle,HDV）混行的状态将在未来一段时间内存在。在混行条件下,车辆间的交互影响模式将发生变化。本文以HDV跟驰AV的驾驶行为为研究对象,通过分析驾驶实验数据将跟驰AV时HDV的驾驶风格量化并分为迟疑型、平稳型和信赖型三类。同时考虑驾驶风格、车辆的转弯能力和转弯半径等参数改进智能驾驶人模型（Intelligent Driver Model,IDM）,建立了前车为AV时的HDV跟驰模型。该模型通过对三类不同风格HDV跟驰AV时的驾驶参数的标定,能根据不同跟驰风格采取相应的跟驰策略。经数据拟合检验,该模型在启动加速、匀速行驶和制动减速阶段均能以较高精度拟合实际驾驶数据,其中直行跟驰的平均拟合精度为96.2%,转弯跟驰的平均拟合精度为91.4%。可见,本文提出的模型可以刻画HDV跟驰AV时的行为特征。在目前难以进行大规模混流实车实验的情况下...     

混合交通下智能网联车借道公交专用车道控制

为研究含人工车的混合交通流下部分智能网联车借道城市公交专用车道的控制问题，以 两个信号交叉口间公交专用车道为研究对象，提出以不妨碍公交车优先通行、满足换道动机和换 道安全条件的智能网联车借道公交车道控制策略。基于公交车道控制预测模块设计智能网联车 进入和离开公交专用道规则，采用改进最小化由换道引起的所有制动模型计算的收益作为智能 网联车换道时激励准则。期望跟随车类型若为人工车时，目标车辆礼让系数取1；妨碍公交优先 必须离开公交道时，满足安全规则即可。通过具体仿真实验予以验证，结果表明：本方法在高交 通需求下，与不允许借道控制方法、基于清空距离公交专用车道控制方法对比，人均延误分别减 少60%和40%，车均延误分别减少65%和32%，渗透率在30%~40%范围内控制效果显著。     

考虑多前车作用势的混行交通流车辆跟驰模型

基于自动驾驶车辆(AV)和常规人驾车辆(RV)混合行驶的情况，在全速度差(FVD)模型的基础上考虑了多前车和一辆后车的车头间距、速度、速度差、加速度差等因素，建立了适用于AV和RV 2种车辆的混行车辆跟驰模型；引入分子动力学理论定量化表达了周围车辆对主体车辆的影响程度；利用RV和AV混行场景跟车数据，以模型拟合精度最高为目标，对所有参数遍历寻优，进行标定；对比分析了混行车辆跟驰模型和FVD模型控制下交通流的稳定性，解析了车速对交通流稳定性的影响；设计了数值仿真试验，模拟了城市道路和高速公路2种常见场景，分析了混行车辆跟驰模型的拟合精度。研究结果表明:考虑周围多车信息有利于提高交通流的稳定性；车辆速度越低交通流稳定性越差；考虑多车信息的分子动力学混行车辆跟驰模型可以提前获得整个车队的运行趋势，更好地模拟AV的动力学特征；与FVD模型相比，在城市道路条件下混行车辆跟驰模型中的RV平均最大误差与平均误差分别减小了0.18 m·s-1和13.12%，拟合精度提高了4.47%；与PATH实验室的ACC模型相比，在高速公路条件下混行车辆跟驰模型中的AV平均最大误差和平均误差分别减小了7.78%和26.79%，拟合精度提高了1.21%。可见，该模型可用于混行环境下AV的跟驰控制与队列控制，以及AV和RV的跟驰仿真。      

自适应巡航控制车辆跟驰模型综述

分析了自动驾驶汽车自适应巡航控制(Adaptive Cruise Control,ACC)和协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,从系统控制原理、车车通信技术与车间时距方面阐述了ACC与CACC车辆的异同点;将目前主流ACC/CACC车辆跟驰模型分为3类:基于智能驾驶的车辆跟驰模型、加州伯克利大学PATH实验室车辆跟驰模型与基于控制论的车辆跟驰模型,总结3类车辆跟驰模型的建模思路与主要优缺点;从道路通行能力、交通安全和交通流稳定性3方面,分析了ACC/CACC车辆对交通流特性的影响,及其研究现状与未来发展趋势。研究结果表明:不同的ACC/CACC车辆跟驰模型对通行能力的影响存在较大差别,ACC/CACC车辆有利于提升交通安全性,但由于缺乏统一的安全性评价指标,难以量化ACC/CACC车辆对交通安全性的影响程度;小规模实车试验验证了ACC车辆具有不稳定的交通流特性,否定了ACC车辆稳定性数值仿真结果,而数值仿真试验和小规模实车试验均表明CACC车辆可较好提升交通流稳定性,因此,完全依赖于计算机仿真试验无法获得令人信服的结论,实车试验是ACC/CACC研究的必要途径;为了完善ACC/CACC在交通领域的研究,应构建不同ACC/CACC车辆比例下的混合交通流基本图模型、智能网联环境下的ACC/CACC车辆跟驰模型建模方法与ACC/CACC混合交通流稳定性解析方法。     

轨道列车时刻表问题研究综述

广泛的实践应用和复杂的计算挑战,使得轨道列车时刻表优化问题,多年来一直是交通运 输及运筹管理学界的热点研究问题。作为轨道交通运营规划的一个子阶段,列车时刻表向上与 线路规划(或开行方案)、向下与动车组调度融合,可以得到多个延伸的研究选题。在特定的时空 网络中,列车时刻表设计就是为每个列车确定一条无冲突的运行路径,使基于用户的度量指标如 乘客候车时间,或企业的度量指标如运营费用达到最优。对于没有列车越行和停站模式给定的 情况,通过整数变量可以完整地刻画列车时刻表模型,但如果考虑列车越行或列车停站决策,则 需要引入列车在车站出发顺序或停车决策的0-1变量。一般而言,列车时刻表问题的数学模型是 一类典型的大规模、多目标、强耦合的NP完全问题。算法设计是列车时刻表问题最为重要和困 难的部分。对于问题较简单或规模较小的情况,常用方法是对原有复杂问题进行适当简化和(或) 对难处理表达式进行合理修改,然后使用先进的计算架构和商用优化软件求解更新后模型。当 然,分支定界和动态规划这两类直接分解算法,是求解列车时刻表问题的重要方法。对于问题复 杂和规模庞大的情况,以拉格朗日和列生成为代表的对偶分解算法,则是求解列车时刻表问题的 最佳选择。未来,探讨列车时刻表与各种现实需要(如设施维修),以及时变票价和客票分配等因 素之间的深度融合,是一个有价值的研究方向;其次,研究网络环境下列车时刻表问题,将是一个 非常有意义的研究选题;最后,应进一步设计集成了问题特点与现代优化技术的各类求解算法, 开发能够完全应用于实际运营的商用软件。     

车路协同环境城市快速路分流区通行能力提升策略

根据车路协同环境城市快速路分流区不同车型的自动、人工驾驶混合车流特征，引入动态加速度、可变换道概率改进元胞自动机模型车流运行规则；设计了考虑主路自动驾驶渗透率、大型车混入率、驶出自动驾驶渗透率、驶出车流率、出口匝道车道数、换道决策点距离等因素耦合作用的分流区换道仿真试验；对比分析了多因素耦合作用下驶出车辆自由换道率、平均换道距离等指标影响程度，研究了城市快速路分流区道路通行能力变化规律；提出了基于可变换道决策点距离的分流区道路混合车流通行能力提升策略。研究结果表明:分流区驶出车辆自由换道率越高，道路通行能力越大；主路车流自动驾驶渗透率对通行能力的影响最为显著，自动驾驶环境可达到人工驾驶环境道路通行能力的2倍；出口匝道车道数对通行能力的影响不显著，2条出口匝道比1条出口匝道的通行能力提升约3%；换道决策点距离对通行能力的影响较为显著，车辆换道决策点距离从100 m增加到150 m时，分流区道路通行能力可提高9.6%~10.6%。可见，可借助移动式交通标志提前引导车辆换道决策，显著提高分流区道路通行能力。      

车辆长度和速度对双车道交通流的影响

为研究大型车辆转道及敏感驾驶行为对公路交通的影响,在SDNS(Sensitive Driving Nash)交通流模型基础上,引入长短车辆转道规则,假定双车道上同时存在长度和最大速度均不同的车辆,建立混合交通流模型.在周期性边界条件下,模拟得到当转道概率、混合比例、减速概率、车辆长度、速度等参数改变时,混合交通流的速度、流量与密度的基本图.仿真结果表明,系统临界密度、最大平均速度、流量随减速概率增加而减小;当慢速长车占总车辆比例大于50%时,更容易产生阻塞,此时车辆转道成功率小于5%;当系统中长车比例为50%时,流量峰值仅为0.42,比全小车的情况减少了20%;长车是造成转道困难的主要因素,当转道概率均为50%时,系统长车比例从25%增加至75%,转道成功率最大值由6.32%减少至2.78%.      

基于车辆动力传动和转向系统的换道轨迹优化策略

现有的换道轨迹研究大多是将换道轨迹规划和换道轨迹跟踪进行相对独立的研究,这类轨迹在实施过程中将产生不可避免的误差。为了消除这一误差以及缓解或解决由于不当换道行为引起的交通问题,本文提出一种考虑车辆动力传动和转向系统的换道轨迹优化策略,用以指导或替代驾驶员的换道行为。首先,利用Next Generation Simulation (NGSIM)数据获得换道过程的主要驾驶任务,并用highD数据对其进行验证。其次,基于二自由度车辆模型分析车辆的换道运动特性,构建能够被动力传动系统和转向系统所实现的换道轨迹。结果表明,所提策略可以在保证驾驶安全性的前提下,实现经济、舒适和高效的换道过程。单独考虑经济、舒适和高效的优化策略,能够分别降低35.71%的单位路程燃油消耗,94.58%的前轮转角的角速度以及70%的换道所需时间。这说明所提的换道轨迹优化策略能够从微观角度缓解或解决由不当换道驾驶行为造成的交通问题,并为驾驶辅助系统提供理论依据和方法指导。     

车道分隔方式对驾驶换道行为的影响

为探索不同车道分隔方式对驾驶换道行为的影响，在分析机动车驾驶换道决策机理与换道决策属性的基础上，改进双车道元胞自动机(STCA)的换道规则模型，提出了基于层次分析法(AHP)的多属性换道决策模型.在同向 3车道上设置不同车道分隔方式，运行模型以获得每种分隔方式在不同空间占有率情况下的换道动机概率、换道成功概率分布规律.分析发现：平均换道动机概率直接与交通流内部状态属性有关，平均换道成功概率则由交通流内部状态属性与车道隔离方式共同决定；通过对不同分隔方式下的换道规律分析，表明模型能较好诠释不同车道分隔方式的交通管理法规涵义.该换道决策模型构造方法上具有同时处理多个外部决策属性的能力，具有较强的通用性.     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。      

多网联范围下的智能网联车换道决策组合模型研究

为提升不同网联范围下智能网联车(Intelligent Connected Vehicles, ICV)的换道效率,结合深度强化学习和分子动力学理论,提出一种融合掩码机制和注意力机制的双深度Q网络(MaskAttention-DDQN, MAQ)换道决策模型。首先,在SUMO (Simulation of Urban Mobility)仿真环境中采集网联范围内ICV及人工驾驶车辆(Human Drive Vehicles, HDV)的行驶状态信息。其次,搭建MAQ模型,采用掩码机制和注意力机制方法,实现固定模型输入大小,以及实现置换不变性。第三,为实现车辆间影响程度的数值化,以车辆间相对速度和相对位置为参数,使用分子动力学理论为网联范围内HDV信息赋予权重。最后,分别在不同交通密度仿真环境中对不同换道决策模型和赋权方法进行对比,并测试ICV在不同网联范围(80~330 m,以50 m为间隔)下的换道决策效果。仿真结果表明,以40辆HDV、100m网联范围为例,MAQ模型比DeepSet-Q模型拟合精度提高了90.2%;分子动力学赋权方法相比线性权重赋权方法总奖励值提高了5.5%,ICV平均车速提高了4.8%;ICV平均车速随着网联范围的扩大,呈现出先增大、再减小、后趋于平稳的变化规律。     

基于元胞自动机的高速公路临时瓶颈交通流仿真

为研究强制换道及冲突点分布对高速公路临时瓶颈交通流的影响,在NS(NaSch)模型和STCA(symmetric two-lane cellular automata)模型的基础上,引入强制换道规则,根据瓶颈口上游驾驶员心理状态的变化,建立高速公路瓶颈交通流模型.在开口边界条件下,针对不同的安全换道概率、强制换道概率、冲突点距离和冲突区间长度参数,模拟得到瓶颈交通流量和换道频率与车辆到达率的关系.仿真结果表明,安全换道行为对系统流量影响小;强制换道行为是降低瓶颈系统最大流量的主要因素,当安全换道概率为0.5时,强制换道概率从0.0增加至0.1,最大流量下降了17%;冲突点距离的增加缓解了交通拥堵程度,当冲突点距离从1 cell增加至4 cell时,临界车辆到达率上升了4%;冲突区间长度对交通事故风险的影响较大,最大强制换道频率随冲突区间长度的增加而增加.