考虑前车安全速度效应的自动驾驶车辆异质交通流特性分析

随着自动驾驶技术的发展,自动驾驶车辆获取的信息更加完善。为研究考虑前车安全速度效应条件下自动驾驶车辆对高速公路交通流的影响,以双车道元胞自动机模型为基础,建立考虑前车安全速度效应的跟驰规则和换道模型。利用MATLAB数值模拟高速公路异质交通流,分析考虑前车安全速度效应的自动驾驶车辆对道路交通流的影响,并分析车辆的拥堵情况和换道情况。研究表明,考虑前车安全速度效应的自动驾驶车辆可以显著提升道路通行能力,全自动驾驶车辆可达全人工驾驶车辆交通流的近似2倍;考虑前车安全速度效应的自动驾驶车辆的增加可以降低道路拥挤程度,全自动驾驶车辆比全人工驾驶车辆发生拥堵的临界密度提高了20 veh/km;自动驾驶车辆渗透率的增加会增加相应的换道次数,全自动驾驶车辆情况下,自动驾驶车辆基本不发生换道行为,同时智能网联车辆可以减小暴露碰撞安全性风险。     

城市路网交通流元胞自动机模型研究

研究城市路网交通流的动态特性,揭示交通拥堵、环境污染和交通事故的产生原因和规律,能为城市交通问题的解决提供理论依据.元胞自动机模型是研究城市路网交通流动态特性的一个有效工具,能够再现许多重要的交通流特征.从路段模型、交叉口模型和路网模型3个方面总结和评述了国内外各种典型交通流元胞自动机模型.在现有模型的基础上,通过对车辆起讫点分布、路径选择行为、双向通行多车道路段车辆换道规则、不同控制交叉口的车辆更新规则以及网络拓扑结构等方面进行改进,可以提高元胞自动机模型在城市路网交通流仿真中的真实性.     

考虑频繁换道倾向的交通流元胞自动机模型

为揭示频繁换道对交通流的影响,构建一种考虑频繁换道倾向的元胞自动机模型。对NGSIM车辆轨迹数据进行提取、统计分析,研究车辆速度、车头间距对车辆换道倾向的影响;改进换道概率函数刻画上述影响,并定义驾驶行为倾向函数表征频繁换道对目标车道紧邻后车的影响,构建考虑频繁换道倾向的双车道元胞自动机STCA-FLC模型。结果表明:STCA-FLC模型较STCA模型在车流密度小于13辆/km时,车辆平均速度、流量最大分别提高约6.67%、3.02%;在车流密度大于13辆/km时,车辆平均速度、流量最大分别降低约9.48%、14.91%。     

交通流元胞自动机模型综述

随着交通流模拟的需要及智能交通系统的发展,出现了基于元胞自动机理论的交通流模型。交通流元胞自动机模型由一系列车辆运动应遵守的运动规则和交通规则组成,并且包含驾驶行为、外界干扰等随机变化规则。文章介绍了交通流元胞自动机模型的产生与发展,总结和评述了国内外各种元胞自动机模型,并对元胞自动机模型的发展提出展望。     

基于改进PFV策略的双车道连续元胞自动机模型

根据道路实际情况,提出考虑多车信息的改进PFV策略,并进行参数标定;将跟驰策略和换道规则相结合,建立双车道连续元胞自动机模型,采用周期边界式条件进行模型仿真,比较不同密度下双车道交通流变化情况和车辆换道行为,通过仿真结果的时空图显示车辆换道造成的系统速度延迟,通过比较双车道系统的交通流密度-交通流量、交通流密度-行驶速...     

城市交通路段机、非混合运行速度特性分析

近年来,交通问题受到了国内外专家们的重视,提出了各种各样的交通流模型,其中元胞自动机(cellular auotmation,CA)交通流模型的研究受到了广泛的关注.但是通常在元胞自动机模型中并没有考虑非机动车,然而机、非混合路段在我国大量存在.文中提出的机非混合元胞自动机模型模拟了3种车辆(长车、短车、非机动车)在混合路段上的运行,分别对3种车辆在不同密度、混合比例的情况下进行了计算机模拟,最后对运行的数值结果进行分析.该模型能够更加合理的描述机、非混合道路上车辆运行的状况,并且更加符合我国交通流中大量非机动车存在的特点.     

基于快慢车辆主动换道特性的双车道元胞自动机模型研究

针对现实中车辆的主动换道的交通现象，在典型的对称双车道元胞自动机（STCA）模型的基础上，分别考虑快车和慢车不同的主动换道行为，建立了一种新的对称双车道元胞自动机模型，并对该模型进行了数值模拟。由于快慢车辆主动换道特性的引入，有效地抑制了2种慢车堵塞的形成，增加了混合交通流中间密度区域的流量。模拟结果显示，新模型中车流的相分离受慢车影响较小，符合Knospe提出的换道原则；局部密度区域的车辆换道率的增加使堵塞难以长时间存在，提高了道路的通行能力。     

用元胞自动机模型分析货运车辆对高速公路交通安全的影响

在NS模型的基础上，提出了一个高速公路双车道元胞自动机模型，考虑车辆超车换道行为，并设定发生交通事故的条件，以分析与衡量货运车辆对高速公路交通安全的影响。通过向交通流中混入不同比例的货运车辆，模拟了各种比例下的交通流运行状况，分析了货运车辆与平均速度、换道率、事故率等指标之间的关系。模拟结果表明，货运车辆会对高速公路交通流产生扰动作用，影响行车安全：随着货运车辆比例增大，交通流平均速度减小，换道率和事故率上升。     

基于安全参数的双车道元胞自动机交通流模型及两种交通规则下的模拟分析

提出了基于安全参数的双车道元胞自动机交通流模型,该模型主要在车辆确定性减速的过程中考虑驾驶员对前方车辆下一时间步速度的预估,安全参数代表驾驶员驾驶心理的冒险程度;基于不同安全参数,在双车道自由换道超车和禁止换道超车两种交通规则下,通过MATLAB数值模拟仿真得到车流量和车流密度之间的关系曲线,结果表明安全参数的增大可获得更大的交通量,道路上车辆较少时禁止换道超车也可增加交通流量,随着车辆的增加自由换道超车可提高道路利用率,随着车辆的进一步增加两种交通规则下的车流量基本一致。     

考虑时空分布特征的混合自行车流元胞自动机模型仿真方法

针对非机动车交通流中传统元胞自动机模型主观定义时空参数,粗略划分自行车虚拟车道,导致仿真精度偏差的问题,构建了精细元胞自动机模型.基于NaSch模型的更新规则,考虑二维空间内异质自行车间的错位冲突及动态换道行为特征,细化了模型网格密度及模拟时间步长.产生换道需求的自行车可以换至满足安全侧向换道条件及前行需求条件的横向位...     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上，运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境，解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型，利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟，仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明:CACC车辆占比为40%~50%时，混合交通流安全性恶化最严重，TET和TIT分别增加约68%和89%，车辆速度离散系数为0.9以上；通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m），可有效降低混合交通流的追尾碰撞风险。      

基于驾驶行为的城市道路车辆主观换道模型研究

车辆换道行为因其运行环境复杂,所涉及的交通因素众多,容易引起交通冲突,从而降低道路交通系统的安全性.对车辆换道行为的动态特性及其对车流运行的影响机理进行建模与研究,对提高交通系统的运行效率有重要意义.基于城市道路车辆换道行为的特征,改进了元胞自动机模型细化车辆换道过程;考虑驾驶员特性、车辆类型的影响,采用模糊推理理论描述驾驶员的换道决策,进而建立了城市道路驾驶员主观换道模型.通过将实测交通流数据与仿真输出数据进行对比,验证模型的有效性.结果表明,所建立的模型输出结果与实测数据的误差较小,说明模型具有一定的有效性.     

减速频次催生换道意图下自动驾驶车辆自适应换道模型

科学、合理、拟人化的换道控制是实现自动驾驶车辆安全高效行驶的重要保障,已有研究主要考虑相邻车道速度差、换道间隙等要素对车辆换道控制的影响,并未考虑车辆频繁加减速导致乘车体验差而催生换道意图这一重要现象。针对该问题,设计以抗干扰能力为基础的自动驾驶车辆自适应换道调控方法,其调控过程主要包括：采用智能驾驶人模型控制自动驾驶车辆纵向驾驶行为,以减速频次为指标度量自动驾驶车辆的抗干扰能力,并将抗干扰能力引入到自动驾驶车辆换道决策过程中,模拟自动驾驶车辆因频繁加减速导致乘车体验差而产生换道意图的现象,在此基础上,提出车辆换道控制模型。然后,以智慧高速为背景,利用Netlogo构建多种自动驾驶车辆运行场景,测试所构建的自适应换道调控方法。研究结果表明：智能驾驶人模型的选用能够合理体现自动驾驶车辆换道行为对交通流的运行影响;相比于低密度车流（≤30 veh）,在中高密度车流情况下（≥40 veh）,自动驾驶车辆维持原有车道运行的能力较弱、换道频率较高,且过高[80次·（5 min）^-1]或过低[10次·（5 min）^-1]的抗干扰能力临界值会导致自动驾驶车辆运行速度降低至10 km·h^-1,因此可以根据不同车流密度条件对自动驾驶车辆的最大抗干扰能力进行设置和调整,从而保证自动驾驶车辆的运行效率,这也从侧面证明了所提自适应换道调控方法的科学性与合理性。研究结果对于提高自动驾驶车辆换道控制的合理自主性具有重要意义,该结果进一步完善了自动驾驶车辆换道模型库,能够为自动驾驶自适应换道调控提供理论和技术支撑。     

人机混驾交通流交织区换道模型切换控制策略

因交织区的强制换道存在紧迫性, 车辆换道行为在交织区后半段会出现因换道意愿强烈而产生的激进换道行为, 这种微观的换道行为将给交通流带来一定影响; 在人机混驾情形下, 不同类型换道切换控制模型同样可能影响交织区通行能力。在分析人机混驾交通流交织区换道行为特性的基础上, 将换道类型分为保守型换道和激进型换道; 在可接受安全间隙模型的基础上结合自动驾驶车辆间的协同行为, 构建自动驾驶车辆在保守状态下的协同换道模型; 以及在激进型状态下考虑目标车道后车类型影响下, 构建激进型换道模型。通过分析津保立交桥实地调研轨迹数据和NGSIM中US-101交织路段轨迹数据, 分别拟合了保守型、激进型换道模型切换点分布函数; 考虑不同车辆驾驶行为特性及其相互作用, 提出人机混驾条件下换道模型切换控制逻辑决策。以SUMO仿真软件搭建实验平台, 考虑人工驾驶车辆换道模型切换点分布特性, 以优化最大流率、交织区整体车辆运行速度、换道车辆速度等为目标, 确定不同自动驾驶车辆渗透率下自动驾驶车辆的最佳保守型-激进型换道模型切换点。仿真结果显示: 在交织区长度为250 m, 自动驾驶渗透率分别为0.2, 0.5, 0.8时, 自动驾驶换道模型切换点分别在180, 80, 50 m处达到最佳, 即随着自动驾驶渗透率的提高, 换道切换点最佳位置将向交织区入口处逐渐移动, 且在自动驾驶渗透率较低时这种换道切换点的变化较为明显; 在较高渗透率下, 由于协同换道出现频率增高, 自动驾驶强制性换道行为比例降低, 换道模型切换点对交织区通行能力的影响逐渐变小。本项研究对人机混驾条件下高速公路交织区自动驾驶车辆的换道控制提供决策依据      

基于近邻车型的交通流模型及仿真研究

双倍视距交通流模型大多未考虑本车与近邻车型的影响.而实际道路交通一般是由不同类型的车辆构成的,为了准确地模拟实际车流之间的相互作用,在分析道路中车辆类型和驾驶员视距关系的基础上,提出基于近邻车型的元胞自动机交通流模型,设计了相应的跟车规则,并对该模型加以实现以分析车辆的行驶特性.模拟结果表明,与只考虑同一种车型的双倍视距元胞自动机交通流模型相比,当道路中不同车辆类型的车辆、数目比较接近时,本文所提出的模型在一定程度上提高了车流的运行速度,提高了通行能力,同时也提高了驾驶的安全系数.     

基于BP神经网络的智能车辆换道决策模型研究

为了正确刻画智能网联环境下的车辆换道行为,提出基于BP神经网络的车辆换道决策模型.分析了交通流中车辆换道行为,以HighD自然驾驶数据集为数据来源,筛选出1 900组车辆换道和未换道信息作为模型的训练与验证,利用高斯滤波方法拟合目标车辆换道轨迹和横向位移轨迹,选择影响车辆换道决策的7个参数作为模型输入,建立BP神经网络...     

基于元胞自动机交通流模型的车辆换道规则

将元胞自动机模型应用于周期性边界条件下的高速公路交通的换道规则模拟,并对不同条件下交通流的平均速度和流量进行仿真.基于驾驶员的性格差异,提出了更灵活的弹性换道规则,并探讨了不同换道规则对交通流流量等参数的影响.在计算机仿真过程中,通过变换交通流密度,得出了与不同换道规则对应的交通流基本图.结果表明:相对于以前的模型,遵循2种新规则的模型均可不同程度地改善道路的通行能力,提高道路资源的利用效能;从安全性角度进行对比分析,可得出较优的换道规则.     

基于多值CA模型的两轮车加速过程建模与分析

在多值元胞自动机模型(EBCA2模型)的基础上,首先,对最大速度进行了扩展,并引入车辆的加速过程,建立了适用于人力自行车、电动自行车和摩托车的多值元胞自动机交通流模型。然后,对改进模型和非机动车两值元胞自动机模型进行了仿真对比分析。最后,利用改进模型分别模拟了两轮车在不同的最大速度、最大加速度和车辆的慢化行为下的交通流,并分析了这些参数对交通流的影响。仿真结果表明:与两值元胞自动机模型相比,在保证车流的流量-密度-速度特性不受影响的情况下,改进模型大大增加了其仿真速度;车辆的加速过程、慢化车辆数和低速车辆慢化行为都会对系统交通流产生一定影响,加速度变化对交通流影响较大,不同速度下的随机慢化行为对交通流的影响不同。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于元胞自动机的快速路交织区建模仿真

快速路匝道处的交通流因交织方向多而显得具有混乱、复杂和难于管理.匝道交织区的交通管理对于提高快速路通行能力、加强交通安全运行具有非常重要的意义.文中引入"冒险系数"来表达驾驶员的驾车习惯,并使用元胞自动机模型来仿真快速路交织区中交织车辆的跟车和换道行为.仿真得到交通流量、交织区长度等参数对交织路段交通所产生的效果和影响,并用宏观流速曲线验证了模型.