基于稳定性和宏观交通流模型的车辆路径规划

为了提升车辆的安全性和能量利用率，从路径规划的层面出发，针对避免车辆遇到极端工况及低效率工况的问题，提出将车辆稳定性判据模型和交通流模型相结合的方法来规划车辆路径，使得车辆在路面湿滑情况下实现快速、安全的行驶。使用交通流模型预测车辆未来将要面临的交通环境变化，再使用稳定性判据模型评估未来交通的安全性，以便为混合动力车辆规划出最快且最安全的路径。具体来讲，为了预测混合动力车辆未来将要面临的车速及车流密度的变化，使用通量矢量分裂格式求解广义Aw-Rascle-Zhang（GARZ）宏观交通流模型。此外，使用驾驶人在环仿真平台PreScan，收集了同一驾驶人在不同车速及不同相对前车距离时给出的前轮转向角响应。基于前轮驱动（FWD）前轮转向（FWS）车辆和全轮转向（AWS）分布式驱动车辆（DDV）的Simulink模型，给出了不同前轮转向角对应的轮胎力饱和因子（δ_TFSC）响应。使用人工神经网络训练不同车速和车流密度对应的δ_TFSC，建立了车辆的稳定性判据模型。使用新建立的稳定性判据模型对交通流模型预测的参数（车流速及车流密度）进行稳定性评估。然后，基于以上的方法优化了车辆行驶路径，以确保车辆在湿滑路面上的行驶安全。最后，使用US-101真实交通流数据来验证交通流模型的预测结果。经实例验证得出：交通流模型与车辆横向稳定性判据模型相结合可以从路径规划的层面保证车辆安全行驶并提升交通系统的通行效率。     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

基于分时路网模型的车辆导航动态自适应寻路算法

以交通流连续特性为基础,建立了分时动态交通路网模型,分析了分时路网“先进先出”的特性,并提出了一种高效的动态自适应最优路径规划算法,可应用于车辆实时动态导航系统。     

面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

动态交通信息策略博弈协调模型研究

对突发事件下驾驶员路径选择博弈行为进行了分析,基于协调用户和系统利益的思想,结合微波检测数据预测出行者行为的模型,提出了交通事件下变换信息供给策略的交通流诱导双层规划模型和相应的基于滚动时段的求解算法.仿真结果表明:在满足用户需求的同时,路网流量分布趋向管理者期望的方向,并能缩短事件影响和持续时间,缓解交通事件下的交通流振荡现象,改善路网使用效益,该方法具有可实施、操作性强的优点.     

基于驾驶员路径选择的动态交通仿真模型

描述一个基于路径的动态交通仿真模型(RDTS)，它使用一个微观交通流仿真器结合一个驾驶员路径策划器来实现路网中每辆车从出发地到目的地行程的模拟。应用开发的时间相关最短路模型，驾驶员在向目的地前进途中可以根据交通条件的动态变化而动态地选择和变更路径。RDTS模型采用一个路径选择模型来模拟详细的动态交通分配过程，并且致力于反映路网中个别车辆的行为表现及其相互作用，其中包含车辆生成、路径选择和车辆移动模型，可以很好地应用于驾驶员动态路径诱导领域。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.     

基于LiDAR场景建模的智能车路径规划

针对智能车路径规划问题,研究了基于激光雷达(LiDAR)数据的智能车驾驶场景建模方法,采集待建模场景的三维激光雷达点云数据,通过点云分割处理,去除车辆行驶道路上的点云,然后将三维点云进行俯视投影,实现二维栅格地图建模;从搜索邻域和搜索方向2个方面对传统A*算法进行改进:根据当前节点附近障碍物的分布情况,自适应地选择4邻域或8邻域搜索策略,在此基础上研究了一种自适应搜索方向A*算法,所提出的算法将搜索方向缩小至3个,根据路径规划终点相对起点的方向,确定算法的搜索方向.仿真实验表明,相较于传统A*算法(4邻域搜索),所提出的算法在规划的路径长度方面降低了约15.5%,在计算时间上降低约38.2%;对比传统A*算法(8邻域搜索),所提出的算法在计算时间上降低约47.2%,在规划路径长度和计算时间上,所提出的算法明显优于传统算法.      

面向车道变换的路径规划及模型预测轨迹跟踪

为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制（MMPC）系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制（SMPC）系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明：当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。     

基于交通流路径分布的交通拥堵管理决策支持

提出了基于车辆识别技术的交通流路径分布信息采集系统的构架方案。为了清晰表达交通流路径分布信息,研究了交通流路径分布的信息格式。基于决策支持系统构架设计,提出了交通拥堵管理决策方案库构建技术路线。以上海市快速路基于车牌识别的交通信息采集与处理系统建设为实例,阐述了交通流路径分布对于提高交通拥堵管理水平的应用。     

观测路径出行时间下随机网络交通需求估计

道路网络起讫点（OD）需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件。综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型。上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间的偏差,约束为交通需求、路段流量、路段出行时间与路径出行时间之间的传播关系,通过高斯混合模型（GMM）对其中轨迹未知的观测出行时间依概率聚类。下层为随机网络交通出行均衡模型,分别运用出行时间预算和随机用户均衡处理路网不确定性和出行者感知误差。上、下层之间通过交通需求和OD-路段关联比例进行信息传递。设计迭代算法框架求解双层规划模型,迭代算法包含求解上层模型的最速下降法、求解下层模型的相继平均算法和求解GMM模型的最大期望（EM）算法。通过算例表明轨迹未知的路径出行信息的加入在提升需求估计精度的同时也增大了估计值的方差;设计的迭代算法能够稳定收敛到10^-5的精度;GMM软聚类方法估计的交通需求显著优于硬聚类方法估计的需求值;交通需求值对观测路径出行时间的扰动更加敏感。研究考虑出行者风险态度,通过轨迹信息的重新构建揭示城市交通需求演化规律。     

基于定向树搜索的博弈配流模型

通过将交通路网中路径搜索的定向式启发策略与深度优先的树搜索算法相结合,提出了一种有效路径的定向树搜索算法。该算法利用节点坐标划定有效搜索区,使搜索范围缩小。在具体的求解过程中一是利用已求出的节点位势确定下一步搜索的邻接节点范围,二是利用一个简单的节点估价函数确定进一步要选择的节点。通过给每一个节点一个搜索标记号来记录搜索树的分杈情况,可以顺利的实现有效路径的连续搜索,并结合博弈理论建立了新的交通流分配模型,给出了博弈配流的步骤。新模型合理反映了交通路网中出行者的出行路径决策行为,提供了唯一的路径流量解,因此便于在交通网络的灵敏度分析和优化设计中应用。最后,用一个简单算例说明了该方法的有效性。     

降级路网的认知及交通流平衡分析模型

为定量衡量因路段降级原因导致路网通行能力的丧失量,分析出行者在降级路网中的路径选择行为将导致何种网络交通流平衡状态,通过将降级路网划分为车流外界因素导致路段可通行能力降级和路段上车流量增加导致道路服务水平的下降两种类型,辨别旅行时间长短与旅行时间波动对出行者路径选择行为的影响,推导出同时考虑这两方面因素影响的可变路径旅行时间风险度量;在此基础上建立了降级路网中的交通流平衡分析模型,该模型满足存在性和惟一性,并能正确描述出行者对降级路网结构认知差异性情况下的网络交通流平衡状态。通过实例展示了不同旅行可靠性要求下,出行者对路径旅行时间长短的权衡关系以及整个路网交通流平衡结果。     

基于时间依赖网络的城市交通紧急疏散线路研究

研究时间依赖网络的城市紧急疏散交通线路问题.在对考虑疏散过程中交叉口延误和通行能力、紧急疏散网络防堵塞改造已有研究的基础上,对紧急疏散时城市交通网络的时变特性进行分析,提出了动态路阻交通紧急疏散线路的思想.考虑到紧急疏散时不一定满足FIFO要求的特性,将研究对象转化为时间依赖非FIFO网络交通紧急疏散线路的确定问题,建...     

多用户多准则城市交通网络非稳定均衡分析

为了反映现实中交通出行者实施出行与否的决策过程,通过对实际城市交通网络状态的分析,引入了非稳定均衡网络状态的概念。同时通过对出行者出行选择行为的深入分析,引入了多用户多准则非稳定均衡网络状态的非线性互补问题模型和变分不等式模型,并利用超级网络的概念证明了两者的等价性。新模型能够将出行者的路径选择决策、目的地选择决策、出行方式选择决策以及出行与否决策合理的整合在一起,从而可完整的反映城市交通流的形成模式。给出了求解多用户非稳定均衡态的变分不等式模型的修正投影算法,并通过一个数值例子验证了算法的有效性。结论部分给出了多个可进一步深入研究的方向。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点，是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略，在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流，推动着城市道路交通控制对象、数据环境和控制手段的变革，为交通控制提出巨大挑战的同时，也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点，尚处于研究起步阶段。根据路权特征，先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究，包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究，包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展，但RV驾驶行为的随机性、...     

基于蚁群算法的自适应路径导航算法

针对时常发生和不断加剧的交通拥挤、堵塞等情况,研究一种动态的、自适应的导航算法,以达到对车辆进行合理有效的路径导航和路径规划的目的.这一算法是在蚁群算法的基础之上,辅以多因素综合评判的方式,改进蚁群算法的评判标准,构建动态导航模型.以该导航模型为基础,通过仿真实验进行求解,仿真实验中将路径宽度、通行时延等随机因素考虑在内并进行综合权衡,使得动态导航的结果具有现实中的指导意义.数据实例表明,该导航算法是可行的、有效的,具有良好的导航效果,可为实际的导航系统提供有力地决策支持.     

高速公路突发事件救援车辆诱导

为了提升高速公路突发事件应急救援效率,将交通状况、在途潜在风险等信息纳入高速公路突发事件救援车辆诱导研究中,基于实时和时变路网环境下的交通信息,以车辆出行时间最小,路径可靠性最强为目标,构建基于在途时间和路径可靠性的车辆诱导最优化模型。设计一种实时信息和时变信息结合策略,使模型规划路径随路网交通量变化而相应做出阶段性调整,采用滚动时域策略将该动态决策问题转化为一系列离散时间点的静态决策问题,用于计算应急救援路径时间;在此基础上,考虑到高速公路突发事件发生后路网交通事故率升高,同时容易发生拥堵的状况,进一步将救援规划路径可靠性作为决策目标,即应急救援车辆规划路径在面对道路中断或者严重拥堵时是否拥有更多的调整策略,更新救援路径尽快完成救援任务;为了便于量化计算将上述目标转化为统一的价值成本,共同决定救援车辆的行驶路径。研究结果表明：当行驶路段交叉口间距离较长,中间无其他道路连通,行驶过程中由于突发事件破坏趋势蔓延导致道路中断或拥堵等意外发生时,无法更新调整救援路径,最终导致救援延误;因此,基于救援时间和路径可靠性的车辆诱导最优化模型能够克服以上问题,进一步提高救援效率。