考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

基于驾驶人行为选择的交叉口混合交通流建模与分析

针对信号交叉口混合交通流机动车和非机动车冲突问题,采用元胞自动机模型建立交叉口处混合交通流模型。该模型将驾驶人行为选择引入演化规则,包括决策点规则和启动点规则。利用Matlab软件进行仿真,结果表明:首先,模型能够描述右转机动车和直行非机动车交通冲突的相互关系;其次,当非机动车到达率增加时,机动车饱和流量和临界到达率分别下降的百分比为80%和12%;最后,改变决策点和启动点驾驶行为概率对改变机动车流量效果明显。     

一种虚拟交通环境中的微观交通仿真模型

为提高虚拟交通环境中车辆行为仿真的逼真度及解决用户与系统的实时交互问题,提出了一种微观交通模型.该模型由道路模型和车辆行为模型构成:道路模型包括了车道的交通属性、几何形状、路网拓扑关系等数据;车辆行为模型考虑驾驶员的交通性格、车辆性能等因素,包括自由行驶、跟驰及换道模型.车辆行为模型可检测与用户所驾驶的汽车仿真器的位置关系,并作出减速、换道、停车等响应.建立了包含153个车道的虚拟交通环境,对模型进行测试,结果表明:所建立的微观交通仿真模型能够反映仿真车辆的个体行为差异;路网中仿真车辆为600辆时,仿真周期约2~4 ms,能实现实时仿真及与用户的实时交互.      

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。      

考虑交叉口上自行车冲突的改进社会力模型

随着"共享单车"的数量激增,在自行车行驶空间不足的条件下,骑行者占用行人路权,迫使行人产生减速、转向等避让行为。在交通混织的交叉口,自行车与人的冲突尤为严重,不仅增加了交叉口通行时间,更降低了行人安全。为优化交叉口交通组织,需深入分析行人在自行车扰动环境下的复杂行为模式,建立微观行人模型展开仿真分析。然而,已有研究多基于西方城市完备的自行车行驶环境,对国内因缺少自行车规划导致的人车冲突考虑不足,致使仿真结果不准确。因此,基于社会力理论提出改进的行人模型,建立了行人与自行车冲突仿真模型。此外,为克服传统摄像头拍摄角度的局限性,利用无人机采集提取了完整的行人运动轨迹数据,并结合最大似然估计方法对模型进行标定;最后引入原始社会力模型作对比,利用行人真实轨迹数据验证模型精度。实验结果表明:改进的行人模型更能真实合理地描述现实世界中行人的随机行为,对国内行人行为研究具有重要意义,为交叉口的交通规划、管理和信号控制方案设计提供理论依据。     

����Ԫ���Զ����Ľ���ڷ���ƽ̨�о�

元胞自动机是研究交通仿真的强有力工具。但以往的元胞自动机模型都对交通的局部规则进行大量简化,这种简化用于描述路段的车流规律是可行的,却很难真实反映交叉口复杂的车流运行状态。鉴于此,本文提出新的无信号交叉口二维元胞自动机模型。该模型的特点在于:(1)细化了元胞自动机交叉口模型;(2)引进了驾驶员在交叉口的微观行为模型,如车辆饱和流,跟车模型,穿越冲突交通流临界间隙理论等。这使得模型能充分考虑交叉口中各方向车流的冲突影响,更加真实地反映交叉口的车流规律。在此基础上,本文建立了一个单交叉口的仿真平台,经检验该平台是合理有效的。     

城市道路平面交叉口交通流微观仿真实例

城市道路平面交叉口交通流微观仿真,以微观仿真模型的建立和仿真评价为两大主要功能,为交叉口设计和改善提供计算机决策支持,具有操作方便、可视化强和信息可靠程度高的特点,同时也为交通实验工程学的发展注入了新鲜空气,带来了新思路、新前途.     

基于仿真的城市道路交叉口最小安全间距研究

采用仿真的方法,研究了不同环境和交通流状态下,车辆驶出交叉口后在路段上的速度和车辆之间交互状态的变化规律.根据车队离散理论和交通冲突理论,以断面车辆速度标准差SD和交通冲突数量作为判断交通安全性的指标,通过判断车辆驶出交叉口后的运行状态,寻求车辆达到稳定状态时所需的距离,并以此距离作为道路交叉口之间的最小安全间距;最后建立了交叉口最小安全间距与各影响因素之间的函数关系.     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

交叉口交通信号相位优化技术研究

提高通行能力，减少交通拥挤和事故，是城市交通管理的主要目的。目前解决城市平面交叉口交通流的冲突问题的主要办法是采用交通信号灯。根据交通流通过交叉口时形成的冲突点，提出相位优化原理，有助于完整地解决相位优化的网络图计算问题，为解决城市平面交叉口交通拥挤与事故提供多相位安排的理论依据。实例证明，此相位优化技术不仅具有理论价值，而且具有工程应用价值，可为城市交通实用管理提供参考。     

交通灯控制下基于元胞自动机的行人过街模型研究

本文提出了一种交通灯控制下的基于元胞自动机的行人过街穿越模型,该模型由行人元胞子模型、机动车元胞子模型及相互作用子模型三部分组成,用于分析在带有人行横道的一维道路上,由行人与机动车构成的混和文通流的特性。该模型着重考虑了行人的行为特性,在考虑诸多实际影响因素的情况下,研究了行人的产生概率,行人不遵守交通规则的概率、行人群效应等对于车流量、行人流量和等待时间的影响,并据此提出混和交通流情况下城市交通管理方案,以保证行人安全,提高通行效率,减少城市拥堵。     

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。      

电动汽车混入条件下随机动态用户均衡分配模型

为分析电动汽车动态充电需求对公共充电设施服务水平的影响, 给充电设施网络规划与运营提供参考, 在考虑燃油汽车和电动汽车出行者行为差异、路段拥堵状态、车辆能源消耗、充电设施布局与服务水平等因素的基础上, 采用巢式Logit模型描述了包含充电需求判断、充电设施和路径选择的电动汽车出行联合选择行为; 建立了考虑用户在途快速充电行为的动态交通流分配模型, 提出了混合交通下随机动态用户均衡条件及等价的变分不等式模型, 并设计了融合电动汽车充电排队仿真的动态交通流迭代算法; 通过算例验证了模型与算法的有效性, 并进一步探究了在电动汽车推广的不同阶段, 需求和供给关键因素对充电设施服务水平的影响。研究结果表明: 受路网交通流量分布和充电设施布局的影响, 充电设施利用率在时间和空间上具有明显的非均衡性; 电动汽车混入率的提高会增加平均充电等待时间, 并改变充电高峰期的时间分布; 电动汽车电池初始电量和充电设施处的排队长度均对用户的充电需求判断呈负效应; 当路网中充电设施数量与需求规模不匹配时, 会导致服务水平急剧下降, 同时极易诱发局部拥堵; 用户在充电设施处的逗留时间以15~20 min居多, 约90%用户的等待时间在9 min以内, 因此, 提出的模型符合实际, 能够充分反映混合交通网络中电动汽车充电行为引发的一系列影响。      

�����ٶ��ܶ����Ե�Ԫ���Զ������н�ͨ��ģ��

针对城市道路路段上车流的流量和密度之间的特性，对道路元胞自动机交通流模型进行了改进，使CA模型能够较好模拟城市道路交通流。提出了网格动态调整算法，该算法根据模型模拟的路段流量和密度计算车辆平均通行距离，并以此距离动态调整CA模型的格子长度，按照城市道路路段上车辆速度的统计分布规律，以路段的车流速度密度模型输出作为下步模拟的平均车速，通过车辆速度的分布范围确定车辆加速减速的概率，对模型车速进行更新。选择500米长的城市主干道上的一条车道，利用本文改进的CA模型进行模拟，模拟结果表明:该模型在车速为30-65公里/小时范围内，能较好模拟城市道路上车流的运行特性。改进后的CA模型，适用于对城市道路上中速车流运行状况的模拟。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

基于交通流生存函数的交叉口通行能力计算模型

针对基本通行能力不能全面反映道路交通状况的缺点, 提出了城市道路随机化通行能力概念; 依据评价体系定义交通中断与持续中断, 量化了城市道路交通拥堵程度; 研究了现有通行能力估计方法, 利用乘积限与寿命分布列构造并估计了交通流分布函数; 结合交叉口各入口交通流数据特性改进传统连续交通流参数模型, 提出了基于交通流生存函数的交叉口通行能力计算模型; 将该模型估计结果与道路通行能力手册HCM2010中的模型估计结果和交叉口实测流量进行误差对比。分析结果表明: 生存函数模型计算出的中断、持续中断交叉口通行能力与HCM2010中的模型计算结果误差均值分别为0.162 1与0.116 4, 方差分别为0.029 0与0.015 2, 两者误差波动均较小; 提出的计算模型结果与实测较大流量相对误差分别为9.720%、3.822%和4.936%、4.779%, 统计意义下提出的计算模型相对误差为5.871%, 估计效果稳健; 城市道路交通中断次数、可接受中断概率、交通流、速度与道路通行能力之间存在生存函数乘积限对应关系, 研究交叉口的通行能力为7 632 pcu·h-1, 提出的计算模型估计结果更具有可靠性。可见, 提出的计算模型适用性较好, 特别在不同拥堵程度的城市道路交通区域, 通过可接受中断概率估计通行能力, 可为城市道路交通组织与管理部门提供优化目标、科学决策和易于接受的理论依据。      

基于元胞自动机的附加导流岛型出口仿真建模

为研究附加导流岛型出口对快速路交通流的影响，本文建立针对附加导流岛型出口的元胞自动机模型。基于KKW (Kerner Klenov Wolf)模型，引入3种换道规则并分段设定，以描述附加导流岛型出口影响下的车辆换道行为。针对主辅路直接衔接的几何特点，对主路车辆经由出口驶出的过程等效简化，定义附加导流岛型出口下的车辆驶出规则。模型的数值仿真结果表明：导流岛通过引导辅路车辆在导流岛上游向外侧车道合流，能够使辅路下游的内侧车道起到辅助车道的作用。在此设置下，辅路车流对车辆驶出造成的直接干扰得到缓解，主路的通行效率显著提高。然而，辅路车辆经过导流岛后的强制换道会对驶出的平稳交通流造成扰动而诱发局部拥堵， 影响驶出车流的进一步疏散，导致主路饱和流量和平均速度的下降。此外，导流岛使得辅路形成道路缩减瓶颈，在其影响下，辅路总饱和流量大幅下降。导流岛对辅路内侧车道的占用使得其流量和平均速度均低于外侧车道，通行效率受到更大的影响。     

基于异构图学习的交通场景运动目标感知

为了提高无人车在交通场景中的运行效率和运输安全,研究了基于异构图学习的交通场景运动目标感知; 考虑实际交通场景中运动目标之间的复杂交互关系对目标运动的影响,基于异构图学习提出了交通场景中多目标检测-跟踪-预测一体化感知框架; 结合YOLOv5和DeepSORT检测并跟踪运动目标,获得目标的运动轨迹; 使用长短期记忆(LSTM)网络从目标历史轨迹中学习目标的运动信息,使用异构图学习目标间的交互信息,以提高运动目标轨迹预测准确度; 使用LSTM网络对目标运动信息与交互信息解码得到目标未来轨迹; 为了验证方法的有效性,在公共交通数据集Argoverse、Apollo和NuScenes上进行了评估。分析结果表明:结合YOLOv5和DeepSORT可实现对运动目标的检测跟踪,对交通场景中的运动目标实现了75.4%的正确检测率和61.4%的连续跟踪率; 异构图能够有效捕捉运动目标之间复杂的交互关系,并且捕捉的交互关系能够提高轨迹预测精度,加入异构图捕捉交互关系后,运动目标的平均位移预测误差降低了63.0%。可见,考虑交通场景中运动目标之间的交互关系是有效的,引入异构图学习运动目标之间的交互关系可以感知运动目标的历史与未来运动信息,从而帮助无人车更好地理解复杂交通场景。      

基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力，提出以改进元胞传输模型模拟路网流量分布状态，以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足，明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动，构建出行决策行为与元胞流量传输的强耦合机制，提出一种新的动态分流元胞传输模型；基于动态分流元胞传输模型获得的路网性能参数，以路网效率为路网基础性能指标，构建反映扰动事件影响期内路网效率累积动态变化的韧性指标；并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型，提出的动态分流元胞传输模型通过设置交叉口动态分流参数，建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制，可准确描述路网实际流量分布状态；提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能，直观展示路网抵御扰动并从扰动中恢复的能力，契合韧性内涵；韧性评估中若忽视出行决策行为潜在影响，将获得次优甚至明显偏离实际的方案或结果。