基于元胞自动机的破损路面车辆换道仿真

针对路面破损条件下,驾驶员为获得更高行驶效益而进行车道变换的现象,以元胞自动机Na Sch模型为基础,引入慢启动规则和换道规则,建立路面破损条件下双车道车辆微观换道模型。以换道需求、车道选择、间隙检测和换道执行4个过程确立仿真流程,对不同路面破损条件下的驾驶员特性、交通流特性和车辆换道特性进行仿真分析。从车辆运行角度对路面破损等级进行划分,依据效用理论计算车辆在不同车道上的行驶效益,建立车辆车道选择模型,并定义换道系数,分析单块路面破损对车辆换道行为的影响。基于驾驶员的行为差异,在仿真过程中将驾驶员分为冒险型、机敏型、谨慎型和迟缓型4类,通过设置仿真参数,对不同类型驾驶员在路面破损条件下的行为特性进行分析。结果表明:换道系数随路面破损等级的增加而不断增大,破损等级越高,车辆在破损路段行驶的效益越低,进一步增大驾驶员进行车道变换的概率,能够很好地模拟路面破损对车辆换道行为产生的影响。冒险型驾驶员在中密度区的换道率最高,随着路面破损程度的增加,车辆换道率和行驶速度方差随之增大,说明破损路面会降低车辆行驶效益,加剧换道行为的产生,同时增加车辆行驶速度的波动性,对交通流正常运行产生一定干扰,不利于行车安全。     

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      

基于动态重复博弈的车辆换道模型

在对车辆换道行为分析的基础上,提出了一种应用动态重复博弈原理建立车辆换道模型的方法,对每个阶段车辆的博弈过程以及车辆行为策略进行了描述,并利用速度期望的值作为车辆不同行为决策概率,在此基础上,考虑影响车辆速度期望的各个因素来对车辆速度期望的获得进行了分析。通过对不同交通流条件下实际调查的车辆换道次数与仿真值进行比较,表明了所提出模型的有效性。     

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.     

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...     

交织车辆的跟车换道行为研究

在不满足换道条件下,交织车辆因换道的强制要求,会有选择地放弃跟车转而进行挤车换道.针对此现象,在深入分析交织车辆的跟车换道行为的基础上,从驾驶员的角度出发,选择其跟车换道的影响因素,构建了跟车换道的效用函数,建立了交织车辆跟车换道的二元选择 Logit 概率模型.基于车辆轨迹获取技术对模型的相关变量进行了调查,采用最大似然估计法对模型进行了标定.选择命中率作为评价指标,采用实例对模型的有效性进行了验证.结果表明,模型能有效地模拟交织车辆的跟车换道行为,精度高达99.0%.      

基于外部动态环境的汽车碰撞危险估计算法研究

针对现有紧急情况下车辆的碰撞危险评估算法大多只考虑量测噪声干扰带来的不确定性,提出一种综合考虑路面动态环境不确定性和量测噪声干扰的汽车碰撞危险估计算法。首先,构建"路面状况-车速-最大减速度"模糊推理模型,即由路面状况和自车车速,经模糊推理智能算法快速获取车辆制动最大减速度;建立基于运动学的预测模型,考虑上述路面附着状况动态变化和传感器量测噪声带来的不确定性,采用蒙特卡洛法实时计算自车当前行驶环境下的碰撞概率。根据汽车动力学和道路有关参数预测车辆紧急制动和转向的轨迹,从而得到制动避撞与换道避撞的碰撞概率。以交叉路口和追尾工况为例,对比分析了不同路面情况下制动避撞和转向避撞的碰撞概率,从而为车辆选择合理的避撞方式。结果表明,所提出的危险估计算法与真实交通动态环境下的紧急避撞行为比较相符,具有良好的有效性和可行性。     

高速公路超限检测及劝返车道设置技术研究

鉴于公路路线规范关于超限检测站设置条件及劝返车道布设指标规定得过于笼统,该文基于超限运输现状与车辆运行需求,研究了不停车计重收费系统(EWTC)及其相应的车道宽度与称重区长度。通过车辆换道模型研究,提出了不同情形下车辆换道的安全转弯半径,并提出了EWTC系统称重区的宽度渐变指标建议值。在上述研究的基础上,通过分析超载车辆的驶离选择,提出了劝返车道的不同设置方式及其相应的优缺点和适用范围。     

基于车辆动力学模型的换道轨迹规划研究

针对自动驾驶车辆换道轨迹规划时的操纵稳定性问题，基于CarSim/Simulink仿真平台建立了车辆动力学模型，构建了轨迹规划系统框架，通过轨迹信息后处理并提出了目标函数设计，进行了横向控制序列采样以保证车辆的稳定与极限性能，完成了算法对轨迹的综合评价选优。随后开展了仿真试验，对比分析了轨迹跟踪控制系统下的实际轨迹、最优规划方法所规划的换道轨迹。仿真结果表明，该轨迹规划系统框架及算法模型能有效提高车辆的操纵稳定性，可实现冰雪路面等极端工况下自动驾驶车辆换道轨迹规划。     

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。      

考虑换道行为的无信号控制环岛交通流建模

为了研究环岛内车辆换道行为频繁发生影响环岛内交通运行效率,从而引发交通事故并阻断整个交通等问题,考虑到环岛和高速公路类似,进出车辆都在同一侧发生且车辆只有交织冲突,将环岛看成一条短的环形高速公路,用高速公路交通流模型来分析环岛内的交通流特性,并基于现有换道交通流理论,通过引入换道强度变量ε(t,x)对无信号控制的环岛内交通行为进行研究,分析其运行特性,建立考虑换道行为的多车道环岛交通流模型。研究结果表明:引入换道强度变量的无信号环岛交通流模型能真实反映环岛内交通情况;通过数值例子也验证了该模型的有效性,证实频繁的换道行为会降低环岛的车辆实际通过能力。研究是对现有文献中无信号控制环岛交通流建模的补充。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

考虑驾驶心理的封闭式道路车辆出匝换道模型

针对现有分流区车辆换道出匝模型对驾驶人心理因素考虑不足的问题,以换道紧迫感的概念来反映驾驶人心理对驾驶行为的影响,应用微分法建立了车辆出匝的换道模型。该模型揭示了车道数、减速车道长度、交通标志牌的设置、交通流量、行驶车速等对驾驶人出匝换道行为的影响。结果表明:考虑驾驶人心理的出匝换道模型在分流区上游端内更符合实际;驾驶人会依据交通环境对换道地点位置进行自动调节,但指路标志牌位置设置过近时,仍会使出匝车辆无法及时变更车道;交通流量的增大,会使出匝车辆的换道区间变得分散,换道行为更加激进。     

不良车辆行为图谱及其在匝道区精细化车道管理中的应用

车辆行为图谱能够综合反映交通流中的车辆行为特征及车辆行为的动态变换,便于分析特定场景下的驾驶行为优劣.本文首先分析了城市道路的车辆行为特征,建立了不同交通流模式下的车辆行为图谱,并结合微观车辆行为对宏观交通流的影响方式,得到针对特定道路环境和交通流模式的不良车辆行为图谱.接着分析了不良车辆行为图谱与交通拥堵之间的致因链生成机制及结构,提出截断拥堵致因链的拥堵缓解方案.匝道区车辆的换道行为对交通流有很大的影响,通过对匝道区车辆换道行为图谱的分析,利用合理的车辆换道行为引导方法,建立面向匝道区精细化车道管理的拥堵致因链截断方法.最后利用VISSIM交通仿真平台进行了验证,结果表明:改善匝道区车辆换道行为图谱能够降低或消解不良车辆换道行为引发的匝道区交通拥堵.     

多车道高速公路出口车辆换道行为研究

为研究多车道高速公路出口车辆换道行为,提出了出口换道车辆样本的识别指标与标准。基于筛选出的高速公路出口段的车辆换道样本,分析了不同换道需求次数下的出口换道位置分布特征,确定车辆换道影响范围,通过对车辆换道影响范围图的特征和原因的分析,并结合实际情况,提出高速公路出口诱导设置的建议。基于最后一次换道和路段上普通换道的持续时间、速度、横向加速度、纵向加速度样本,利用SPSS中T检验模块,完成换道过程中的车辆运动状态特征显著性分析。最后,找出换道意图关键影响因素,构建驾驶人换道意图与各关键影响因素的二元Logistic关系模型。     

通行能力仿真中的换道模型研究

道路通行能力是在饱和交通流下得到的,而目前交通微观仿真中缺少分析饱和流状况下的换道模型,从分析饱和流下换道行为的特性出发,建立了饱和流率下的换道模型。该模型在需求判断中用累积的速度优势代替了传统模型的瞬间速度优势,避免了仿真中车辆在短时间内频繁换道的现象;在可行性检测中加入了前后间距不足时司机的减速行为,与传统模型相比该模型能更好地反映拥挤流下的换道行为,更适合于道路通行能力的仿真。     

微观仿真自主性车道变换模型

车道变换是一种复杂的刺激-反应行为,为了准确表示车辆变换车道的决策过程,克服现有模型的不足,重点考虑驾驶员特征和车辆类型对车道变换的影响,并将车道变换过程可划分为3个阶段,即车辆挟道意图的产生、换道可行性分析和换道的执行;引入随机效用理论描述换道需求的产生,建立了基于车道效用选择的自主性车道变换模型,利用视频处理软件获取大量车辆运行轨迹微观数据,采用极大似然估计法对构建的自主性车道变换模型进行了标定;最后,基于换道次数的仿真值与实测值,选取均方根偏差、均方根百分比偏差2个评价指标对车道变换模型的有效性进行了验证,误差指标小于10％,表明建立的自主性车道变换模型可以较好地描述车道变换复杂的运行行为.     

预告标志对城市快速道路交织区交通流特性的影响

为了更好地采用城市快速路交织区的交通流特性指导、优化道路设计,基于城市快速路交织路段内驾驶员的换道行为及车辆换道数据,分析该路段内的车辆换道轨迹及持续时间等信息。建立基本的车辆换道规则,发掘预告标志设置对交织路段交通流特性的影响,并在AnyLogic中建立模型进行仿真。结果表明,预告标志设置对交织区车辆换道特征会产生影响。     

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型。首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布。其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相比于传统的车间临界距离计算模型,提出方法能够动态刻画出车辆在不同速度、加速度条件下临界距离的变化趋势,并且能够根据车辆不同的运动状态,动态表达出车辆间临界距离的变化。在此基础上,根据智能网联环境下车辆各类运动状态能够被实时感知的特点,总结出车辆各类运动状态下需要的换道安全临界时间,最终建立基于安全势场理论的最小安全距离换道模型。最后,对模型进行数值仿真分析,仿真结果表明：车辆换道所需要的最小纵向安全距离与换道车辆以及其周围车辆的运动状态有着直接关系。在今后趋于成熟的智能网联环境下,该模型可以进一步进行扩展,利用安全势场的分布情况,对车辆换道过程进行动态实时干涉,能够为今后智能网联环境下车辆协同换道、车辆自动驾驶以及车辆群体优化控制等相关研究提供一定的理论支撑。     

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。