车路协同混合交通场景要素解析与测试案例生成

面向混合交通环境下多车效率类和单车安全类场景测试需求，研究了基于混合交通场景要素解析的车路协同测试案例生成方法; 为提高测试案例的多样性和覆盖度，分析了混合交通特征要素相互作用机理，构建了混合交通场景要素层次模型，提出了场景要素重要度的一致性描述指标，并在此基础上建立了测试案例复杂度模型; 针对多车效率类场景仿真测试，提出了复杂度激励的组合测试案例生成方法，设计了场景要素强耦合组合策略; 针对单车安全类场景仿真测试，提出了基于复杂度聚类的蒙特卡洛测试案例生成方法，设计了风险场景特征参数抽样机制; 选取车路协同混合交通典型场景开展仿真试验，验证了提出的测试案例生成方法的有效性。研究结果表明，对于多车效率类混合交通高速公路匝道合流场景测试，提出的方法比传统成对测试方法的场景最大复杂度提高了11.93%，高复杂度场景占比提高了60.02%，测试案例覆盖度提高了12.08%;对于单车安全类车路协同换道预警场景测试，提出的方法比传统蒙特卡洛测试方法的危险场景数提高了195%，且其参数估计误差降低了5.95%，高风险场景数提高了119%，且其参数估计误差降低了4.78%。可见，提出的方法能够提高测试案例的多样性和覆盖度，有助于开展复杂环境和风险条件下车路协同系统功能测试，能够有效满足多车效率类和单车安全类场景测试需求。      

车路协同系统的视景仿真模型

在车路协同系统仿真的基础上,以局部交通网络的实时交通仿真为例,建立了车路协同系统视景仿真模型库,确立了视景仿真系统的框架体系结构。将视景仿真集成为整个仿真系统的一个联邦成员,建立了车车信息交互、车路信息交互的典型视景仿真功能模型。使用LOD模型简化技术对视景仿真功能模型进行分解,生成了5个不同精细程度的LOD模型。采用DOF、LOD、Switch功能化节点,从节点结构上优化了典型应用场景中的交叉口信号灯、车辆运动等相关模型,建立了一套类似模型几何形状的层级节点结构。构建了车路协同系统可视化视景仿真平台,包括HLA/RTI信息交互与控制模块、车路协同数据处理模块、信息交互模块、模型引导控制模块、视角动态切换模块与模型状态参数动态显示模块。采用建模优化相关技术,对典型交通场景进行了视景仿真。仿真结果表明:通过LOD模型简化技术,模型简化率最高可达95.5%,内存占用减少86.3%;通过视景仿真方法的使用,提高了渲染效率与系统仿真效率,车路协同典型交通场景验证了仿真方法的可行性。     

基于交通业务特征理解的车路协同可信交互方法

为保障车路协同环境下信息的可信交互，分析了车车、车路协同信息交互流程和不同模式下的交互需求，设计了车路协同可信交互架构；构建了车辆行为状态推演模型与路径扰动因子量化模型，设计了车辆主体可信度计算方法与等级评估规则，实现了车辆主体行为可信认证；通过对交通业务的有效特征理解构建了消息紧急度量化模型，利用低分辨率筛选策略初步过滤了消息报文，基于支持向量机(SVM)对消息内容进行了深度理解，形成了多分辨率交互内容认知方法；使用包含OMNeT++和SUMO仿真模拟器的Veins搭建了仿真测试环境，针对不同网联自动驾驶车辆(CAV)渗透率下的开放道路和交叉口场景开展了仿真试验，对提出的车路协同可信交互方法进行了测试验证。研究结果表明:结合交通业务特征理解能够有效改善车路协同信息交互的可信度判别，提出的方法对信标位置消息的平均认知正确率可以达到90.91%，相比基于时效性检测的可信交互方法提高了8.68%；在安全效率消息可信交互验证试验中，随着恶意车辆比例的增加，传统基于投票机制的车路协同可信交互方法逐渐失效，而提出的方法在保证单次认证时延小于13 ms的条件下，平均正确率达到94.96%，较传统基于反向传播(BP)神经网络的方法提高了3.05%，且CAV渗透率越大，可信交互检测结果的准确率越高，漏报率越低，能够满足车路协同可信交互需求。      

车路协同环境下车辆群体协同决策研究综述

从车路协同环境下车辆群体协同决策机制、协同决策方法与典型应用场景方面分析了国内外车辆群体协同决策的研究现状;考虑车辆群体协同决策机制的不同,系统梳理了集中式和分布式2种决策机制的相关研究;针对车辆群体协同决策方法的多样性,以基于优化和基于启发式2类决策方法为主线,对比分析了不同决策方法的优劣;考虑车辆群体协同决策应用场景的不同,全面分析了匝道、路口、路段和路网等多个应用场景下车辆群体协同决策的相关理论与研究;考虑国内外车辆协同决策典型项目进展,分别梳理了中国、美国、日本和欧洲代表性车辆群体协同决策项目任务、建设与实施情况;从系统结构、普适模型和示范场景3个方面提出了未来车路协同环境下车辆群体协同决策的发展趋势。研究结果表明:集中式车辆群体协同决策机制有助于提升局部区域内的车辆通行性能,分布式车辆群体协同决策机制有助于提升全局范围内的交通运行状态;基于优化的车辆群体协同决策方法在特定场景下可最大程度提升决策效果,基于启发式的车辆群体协同决策方法在大多数场景下可获得可行的决策效果;由于不同场景下车辆群体协同决策问题的复杂性有所不同,需要在统一框架下做针对性建模。研究结果可为车路协同环境下新型混合交通系统的管理与控制提供参考。      

基于车路协同的商运车辆载重实时监测技术的应用

车路协同系统(Cooperative Vehicle-Infrastructure System,CVIS)是基于无线通信、传感探测等技术进行车路信息获取,通过车车、车路信息交互和共享,实现车辆和基础设施之间智能协同与配合,达到优化利用系统资源、提高道路交通安全、缓解交通拥堵的目标.车路协同的建设与发展,将对交通运营管理和提高交通运行质量有着划时代的意义.美国政府的车路协同概念涉及智能交通的诸多方面.     

车路协同环境下交通业务服务系统设计与开发

为解决车路协同个性化服务和交通管理应用需求的冲突问题，对现有应用进行了总结，基于应用集成设计了车路协同环境下的交通业务服务系统。综合考虑国标、国内外研究组织提出的应用以及国内实际落地的应用，并分析了上述应用的发展方向，共整合总结得到14个依托实际交通场景的交通业务，作为系统目标。针对现有主体产品集中于路侧单元和车载单元两类核心设备的现状，运用结构化的系统分析和设计方法进行了功能模块和逻辑框架的设计，统一考虑了各类交通设施的实体特性和通信特性，设计了服务系统的物理架构和数据流内容，实现了对所提出的14项交通业务的兼容。开发了示范系统并实现了样例功能，系统表现出良好的适应性和可移植性。     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明:在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车辆安全、平稳、环保地行驶。      

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。      

智能车路协同系统关键技术与应用

智能车路协同技术是当今国际智能交通领域的前沿技术和必然发展趋势，是保证安全、提 高效率、优化能耗、降低排放的有效手段，将以集计模型为基础的道路交通流理论提升到以对交 通主体的精确描述为基础的新道路交通流理论。本文将智能车路协同系统作为未来道路交通系 统的基础性公共平台，重点探讨因此产生的国家智能交通系统体系框架用户服务中服务领域划 分的变化；在此基础上分别介绍构建和应用智能车路协同系统需要的相关技术，包括由多模通 信、智能网联、信息安全和系统集成构成的系统构建关键技术，以及由协同感知、协同决策与控 制、仿真测试验证和自动驾驶构成的系统应用关键技术；考虑智能车路协同系统建设与应用的长 期性，给出不同应用阶段的主要建设内容、信息共享程度和可以实现的协同功能等；针对我国智 能车路协同系统应用过程中面临的挑战，指出加深对智能车路协同技术内涵的理解，把握智能车 路协同技术实质，提升智能车路协同系统服务体验并适度加快智能车路协同技术的规模应用，可 有效推进现代智能交通系统的发展。总之，开展智能车路协同系统相关基础理论研究、关键技术 开发和实际系统应用，对未来智能交通系统建设和相关学科发展具有重要作用。     

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。      

最优化路网可观可控性的DSRC 网设计模型研究

我国高速公路电子不停车收费系统联网建设即将实现全国联网,如此大规模的系统互联为高速公路的运行管理带来了新的契机.既提供了一种可靠的交通运行状态信息获取方式,也构建了一个具有相当覆盖范围的车路交互平台,从而实现路网的协同管控与出行服务水平的提升.基于此,首先给出路网可观性、可控性的概念模型;其次根据 DSRC设备双向交互的特点,提出面向路网可观性与可控性双目标优化模型,基于路网旅行时间测量误差最小化为目标的路网可观性评估模型及基于路网系统旅行时间最小化为目标的路网可控制性评估模型,最后,通过数值算例对模型进行了验证.结果表明,提出的模型是可行的、有效的.     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。      

基于群体决策的多交叉口协同控制方法

基于竞争-合作的群体决策机制，将单点信号优化构建为各相位的交叉口通行权的竞争过程，将多点协同构建为上下游相位之间的协作过程，提出了一种兼顾多交叉口协同效益和单交叉口控制优化的路网信号配时设计方法；利用车路协同环境下路网内车辆路径信息的可感知性，动态精准地量化解析上下游交通耦合关系；在此基础上建立了分层动态决策框架，在单层决策中剥离了上下游交叉口控制决策对本地决策的影响，解耦协同控制模型中路网交通状态和信号控制决策之间的复合关系；设计了基于交叉口内各交通流向竞争力的分布式信号配时决策算法，并通过仿真试验平台比较了群体决策协同控制方法与传统协同控制方法的控制效果。研究结果表明: 相较于传统协同控制方法，群体决策协同控制方法可动态适应路网交通需求，在交通效率和稳定性上具有显著优势，在不同饱和度的交通需求水平下可降低车均延误15%以上；在路网交通饱和度较高的情况下, 群体决策协同控制方法延误降低幅度可达19.2%，控制优势更加明显；由于群体决策协同控制方法可在下游交叉口进口道车辆排队过长时减少上游车辆流出，可降低路网最大排队长度超40%，有效规避路网溢流风险；通过对群体决策协同控制模型的分布式求解，可实现单次决策过程计算时间小于0.01 s，具有应用于大规模复杂路网的实时信号配时决策的潜力。