基于元胞自动机的自动驾驶技术对交通运行的影响研究

自动驾驶汽车是解决交通拥堵问题的一个新颖而有效的措施。为了研究自动驾驶车对交通系统的影响,文章建立了考虑了随机慢化现象的单车道元胞自动机模型和考虑了换道行为的多车道元胞自动机模型,逐步探求不同自动驾驶车比例对交通流三要素的影响规律。研究发现:当车辆密度适中时,自动驾驶车可以明显提高车流量和平均车速,且其比例越高,效果越明显;当车辆密度过大或过小时,自动驾驶车的效果不明显。文章的研究成果可作为进一步研究自动驾驶车对交通流影响的依据。     

智能网联环境下多车道异质交通流建模与仿真

为探究智能网联自动驾驶车辆(Connected and Autonomous Vehicle, CAV)与人工驾驶车辆 (Human Driving Vehicle, HDV)混合行驶的多车道异质交通流运行特征,本文剖析了异质交通流中不同类型车辆的跟驰模式,提出不同类型车辆双车道及多车道换道模型,进而构建了多车道异质交通流仿真模型,并分析了不同CAV混入率下的道路通行能力及换道行为特征。研究结果表明,随着CAV渗透率的提高,单车道通行能力由1678 pcu·h-1提升至4200 pcu·h-1,交通流临界密 度由25 pcu·km-1增长至35 pcu·km-1 ,同一渗透率下不同车道数的道路通行能力及临界密度值呈现显著差异性。异质交通流换道行为呈现三阶段特征：在低密度下,不同类型车辆均可自由行驶及换道;密度在20~100 pcu·km-1 时,车辆换道频率呈“上凸”状,CAV渗透率越高,HDV凸形峰值越大,而CAV峰值较低;在高密度下,受可换道空间的约束,不同类型车辆均无法完成换道。此外,进一步讨论了不同CAV渗透率及密度条件下的异质交通流仿真效益,包括交通量提升及秩序改善特征等。研究成果有助于理解智能网联环境下多车道异质交通流运行状况,为未来异质交通流管理提供理论参考。     

基于爬坡换道的驾驶特性分析

道路网中存在着许多坡道路段,在进行驾驶特性分析时,人们通常将注意力放在下坡路段而忽略了爬坡路段的安全性研究。同时,在爬坡过程中,对通行能力影响最大的是货车,针对这一现象,引入交通流元胞自动机模型,利用爬坡路段纵坡度对其进行改进,选择谨慎型与激进型两种驾驶员分析其换道行为的差异性,建立了一种基于爬坡换道的交通流元胞自动机模型,并分析纵坡度对货车行驶速度的影响以及两种驾驶员爬坡换道的特性。仿真结果表明:坡道纵坡度对货车的速度有显著影响,同时两类驾驶员根据道路状况选择主动换道,若主导换道的驾驶员占比较高,就能显著提高道路的通行能力。     

三车道中公交车密度对交通流的影响研究

通过建立三车道上的交通流元胞自动机模型来仿真三车道中公交车对交通流的影响.在模型中引入了小汽车和公交车的行驶特性.对两种车辆的换道规则考虑了司机的驾驶心理,合理控制车辆换道的概率.通过数值模拟得到了分别随小汽车和公交车密度的增大时,公交车和小汽车流量的变化规律.说明只要合理控制小汽车密度,公交车对交通流量的影响是有限的.但是当小汽车的密度较大时,公交车密度的增大会严重影响道路的交通流量.     

网联自动驾驶环境下改进的加权MOBIL自主性换道决策模型

为了提高高速公路运行效率,减少交通拥堵和交通事故的发生,改进了传统的MOBIL自主性换道决策模型.在网联自动驾驶的环境中考虑车辆换道后对原车道与目标车道多辆后随车制动影响程度的不同,构建权重因子表达式.利用MATLAB软件进行数值仿真实验,通过定性与定量分析将提出的加权MOBIL自主性换道决策模型与传统模型进行比较.实验结果表明:与传统换道模型相比,加权MOBIL换道决策模型能提高交通流的平均速度,减少延误以及减少整体的制动幅度.因此,提出的改进加权MOBIL自主性换道决策模型能提高交通流的运行效率以及安全性.     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。      

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

考虑驾驶愤怒的元胞自动机交通流模型

驾驶员在愤怒时的驾驶行为表现与正常驾驶时存在较大的差异,这些行为差异会影响车辆的运行速度、运行轨迹等,进而对道路交通流产生影响.文中在NaSch元胞自动机交通流模型的基础上,考虑愤怒驾驶行为的特点,从运行速度、换道条件和安全距离3个方面重新确定元胞更新规则,构建考虑驾驶愤怒情绪的周期边界条件下双车道元胞自动机交通流模型.在MATLAB环境下,对所建模型与普通NaSch交通流模型进行对比仿真分析.结果表明,驾驶愤怒所引起的行驶速度变化对交通流影响明显.     

基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。     

基于元胞自动机的城市道路偶发性拥堵交通行为模拟

以元胞自动机模型为基础,在传统的车辆换道规则上,引入驾驶人行为因素,根据不同区域交通流特点和驾驶行为特点,给出了不同的车辆换道规则,建立了一种适用于城市道路偶发性拥堵交通流行为分析的元胞自动机改进模型。并利用该模型,模拟分析了偶发性拥堵发生时不同车流密度的车辆排队和平均车速情况。     

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%.      

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

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。     

基于驾驶行为的车道变换模型研究及仿真

可靠合理的车道变换模型能提高微观交通仿真精度.为了研究车道变换行为意图起因及行为过程的规律,利用高空摄像法分析了城市干道基本路段驾驶人变道驾驶行为的特征,获取了变道车辆与其周围车辆距离、车速等的数值关系,提出期望车道的概念,总结了期望车道选择和车辆车道变换的基本规律,建立了基于驾驶行为的直线路段车道变换模型.最后编写V...     

侵犯性驾驶行为对道路交叉口通行能力的影响

为研究侵犯性驾驶行为对城市局部区域交通通行的影响及影响程度,选取北京市4个典型道路交叉口进行1周观察.借助录像设备记录早高峰、平峰、晚高峰3个时段三类常见的侵犯性驾驶行为:侵占公交专用车道、随意变换车道、插队.数据显示:随意变换车道发生的次数最多且多数交叉口各时段间有显著差异;平峰时段侵占公交专用车道更为明显;各时段插队次数比较平均.为探究侵犯性驾驶行为对道路交叉口通行能力的影响,提出交叉口平均负荷能力(ALC)和侵犯性驾驶行为负荷(ADL)两项指标.计算结果与预期假设不同,具有侵犯性驾驶行为的车辆没有阻碍道路交叉口的车辆通行.     

基于元胞自动机的高速公路货车结伴行为研究

为了研究高速公路货车结伴行为,本文建立了一种适应于结伴货车车队的双 车道元胞自动机模型.分析了高速公路货车结伴特性及其对道路交通流的整体影响.研究 表明,结伴车辆在时空上是一个紧密联系的整体,流量较大时,车头时距分布曲线呈双峰 分布形式.同一流量时,不同长度车队间的平均速度差异较小,车队能保持较理想的速度 平稳行驶.结伴车队的存在激增了普通车辆的换道频率,改变了交通流状态,使基本图出 现明显的中断现象,当车队长度较长时,限制了同步流的产生.所提出模型刻画了高速公 路上货车主动结伴出行行为,为特殊情况下的交通流特性研究提供了参考和借鉴.     

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.     

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。     

�೵����ͨ��··���־�ڵ������о�

普通公路上设置路侧标志是提高公路交通安全最常用的措施. 由于多车道普通公路上大车率较高,内侧车道小车驾驶员视认标志容易受到外侧车道大车的遮挡,使路侧标志功能难以有效发挥. 本文在分析驾驶员视认标志特点的基础上,以我国最常见的双向4车道普通公路为研究对象,分析了内侧车道小车驾驶员受外侧车道大车遮挡问题,并以车流到达服从泊松分布为基础建立了路侧标志受大车遮挡的遮挡概率计算模型. 在此基础上,本文从重复设置、改变标志设置形式和位置三个角度提出了解决路侧标志遮挡问题的对策. 最后,通过一个实例分析,验证了本文研究结论的正确性和可行性.     

普通公路路侧交通标志的遮挡与重复设置

为解决大型车对路侧交通标志的遮挡问题,针对普通公路大型车比例较高的特征,分析了我国常见的双向4车道普通公路外侧车道行驶的大型车遮挡内侧车道行驶的小型车驾驶员视认路侧交通标志的过程,推导了视认过程中的遮挡长度和遮挡概率的计算公式,设计了确定路侧交通标志重复设置次数的计算流程,建立了路侧交通标志重复设置间距的计算模型,并用算例进行了验证.结果表明:重复设置一次后,两块限速标志都被大型车遮挡的概率为0.023;路侧交通标志重复设置的最佳间距为155 m.