信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。     

异构智能网联汽车编队延迟补偿控制研究

智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率，但多车编队控制须解决异构编队控制器的普适性问题，且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法，在无须获取他车系统动力学参数及控制输入前提下，利用他车加速度信息即可实现车辆编队纵向跟踪控制；此外，提出一种基于Smith预测器的延迟补偿控制架构，分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明，相较常见车辆编队控制方法，本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%，有效减小了最小车头时距和跟车间距。     

面向新型混合交通流的快速路合流区通行能力建模

面向人类驾驶和具备协同自适应巡航功能的网联自动驾驶组成的新型混合交通流,考虑道路交通特性、道路结构以及匝道汇入前主线交通状态等因素的交互作用机理,基于概率统计理论解析网联自动驾驶渗透率和编队长度间的耦合关系,进一步基于间隙接受理论分析匝道汇入交通对合流区通行能力的折减效应,建立快速路合流区通行能力模型,定量描述不同道路条件下合流区通行能力如何随网联自动驾驶渗透率和编队长度变化。模型中的道路交通特性、道路结构及匝道汇入前部分交通状态参数根据实际道路交通环境标定,提升了模型的通用性与可迁移性。搭建内嵌车辆动力学模块的Vissim仿真平台进行模型评估,结果表明,模型精度在80%以上,且在不同网联自动驾驶渗透率和编队长度条件下皆表现良好。      

快速路车路协同场景交通流运行效率仿真评价

为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常规驾驶场景和信息交互场景的车辆行驶模型标定。选取期望速度行驶车辆占比、横向车距收缩比、纵向车距收缩比、通行能力拓展比对车辆运行效率进行评价,提出车辆横向偏移距离缩小比用以评价车辆空间占用状况;搭建仿真模型并进行仿真试验,分析不同信息交互水平对交通的影响程度。结果显示,车辆运行效率随信息交互水平的提升而提升,其中通行能力的提升幅度最为显著,车路协同场景下信息交互水平从4级提高到1级,道路通行能力较常规驾驶场景分别拓展了19.42%,28.06%,46.48%,74.62%,仿真时段内其余指标值提升幅度较小。车间信息交互场景下车辆行驶的横向偏移幅度缩小,且在高水平信息交互下缩小比例达到17.33%,表明相同车道宽度下车辆行驶的横向安全性提升。      

智能网联车环境下考虑反应时间影响的基本图模型

未来年由一定比例的智能网联车与人工驾驶车辆组成的异质交通流是当前交通流领域研究的前沿和热点。为研究智能网联车与人工驾驶车辆反应时间的差异对异质交通流宏观特性的影响,基于智能驾驶员模型推导出了包含反应时间与智能网联车比例的异质交通流基本图模型。首先,考虑反应时间对驾驶行为的影响,对传统IDM进行了改进;其次,基于改进后的IDM推导出了异质交通流宏观基本图模型,并分析了反应时间与智能网联车比例对异质交通流通行能力的影响。同时,对模型中通行能力的影响因素进行了敏感性分析;最后,借助MATLAB与VISSIM搭建了智能网联环境仿真平台,对本研究提出的模型进行了验证。结果表明:(1)智能网联车比例的增大能提高异质交通流的通行能力,但反应时间对通行能力具有消极影响作用;(2)自由流速度越大,异质交通流的通行能力越大;(3)最小车头间距越大,异质交通流的通行能力越小,且最小车头间距每增加0.2 m,异质交通流的最佳密度减小约0.15 veh/km,对应的最大流量减小约10 veh/h。仿真试验显示不同智能网联车比例下的仿真数据与理论曲线有较高的一致性,从而表明理论模型是正确和有效的。     

智能网联卡车编队领航车驾驶人驾驶能力需求综述

智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。     

混合交通环境下网联交叉口车辆协同诱导策略及仿真测试

在由智能网联汽车(CAV)与网联人工驾驶汽车(CHV)组成的混合交通环境下,以提升网联信控交叉口的行车效率、降低燃油消耗量为目标,设计了网联信控交叉口场景,在完成车辆运动学、跟驰及油耗建模的基础上,提出了一种基于车辆编队的网联车辆协同诱导策略,以平均行驶延误时间和平均燃油消耗量为评价指标,基于SUMO平台完成仿真测试。测试结果表明:在稀疏、欠饱和及过饱和交通流量条件下,随CAV渗透率的提升,通行效率和燃油经济性不断提高;在CAV渗透率低于60%时,CHV驾驶员服从度对协同行车诱导策略性能的影响更为显著。     

基于改进跟驰模型的混合车辆编队研究

现有的车辆编队控制研究多基于全智能网联环境，不适用于智能网联汽车(Connected and Automated Vehicle, CAV)与人工驾驶汽车(Human-Driven Vehicles, HDV)组成的混合交通场景，因此以混合交通环境下CAV和HDV组成的车辆编队为研究对象，引入头车及前车、后方HDV信息，提出一种改进的智能驾驶员模型(Intelligent Driver Model, IDM)。为更贴合驾驶员的操作行为，缓解优化速度模型(Optimal Velocity Model, OVM)受前车影响产生的速度波动，通过引入驾驶员误差，对OVM模型进行改进。为验证模型的有效性，分别对以上改进进行仿真对比分析，结果表明改进后的IDM模型和OVM模型组成的混合车辆编队在速度响应时间、跟驰间距、油耗、安全性、稳定性等性能方面得到明显改善。     

城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响

为探究城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响，通过图像语义分割技术量化景观构成要素，并用SILAB软件平台构建虚拟仿真场景，开展模拟驾驶试验。测试路段限速值分别为50 km·h^-1和70 km·h^-1。试验获取了41名被试对中央分隔带布局形式视觉刺激的眼动和车辆运行指标以及驾驶疲劳的主观评价，以分析不同中央分隔带布局形式视觉刺激下各特征参数的变化规律。采用注视点信息熵作为布局形式视觉刺激度的量化指标，并使用ROC曲线方法为表征不同中央分隔带布局形式视觉刺激的驾驶行为指标确立了舒适性阈值，根据不同中央分隔带布局形式下的驾驶行为指标及阈值，建立了舒适性综合判别模型。研究结果表明：单次扫视时长、注视次数、车道横向偏移距离受布局形式视觉刺激的影响较大；与车速50 km·h^-1相比，当车速为70 km·h^-1时，扫视频率低，单次扫视时长短，注视次数少，平均眨眼持续时间长；注视点信息熵与视觉刺激度相关；由车辆运行特征分析可知，排列式的中央分隔带布局形式由于景观单调、视觉刺激过低会导致驾驶人出现反应迟缓、疲劳，影响行车安全；规则式布局形式视觉刺激过高，环境的复杂性、新奇性、意外性等特征过于显著，会导致驾驶人难以集中注意力，从而威胁行车安全；而自然式的布局形式不仅能够改善城市快速路景观环境的单调性，还能够提供适宜的视觉刺激。研究成果能够改善中央分隔带布局形式及提高驾驶安全性提供一定的理论依据。     

半挂汽车列车高速公路弯道下坡路段运行安全研究（双语出版）

为提升半挂汽车列车在高速公路弯道下坡路段的运行安全，采用TruckSim仿真软件，构建了车辆模型、道路模型和驾驶人动力学仿真模型；基于蒙特卡罗可靠性分析法，分别建立了半挂汽车列车发生侧滑失效、侧翻失效、折叠失效和系统失效的功能函数，并选取设计速度80 km·h^-1的高速公路为研究路段，通过进行大量车辆动力学仿真试验，对不同圆曲线半径、纵坡坡度、路面附着系数、车速和车辆总质量对半挂汽车列车的运行安全的影响进行了数值分析。研究结果表明：半挂汽车列车发生侧滑和侧翻的概率随着圆曲线半径的增加而显著降低，在一般最小半径400 m的情况下，半挂汽车列车发生侧滑失效和侧翻失效的概率趋近于0；随着下坡坡度的增加，半挂汽车列车发生侧滑失效和侧翻失效的概率基本呈线性增长趋势；车速对于半挂汽车列车运行安全的影响尤为显著，当车速均值由60 km·h^-1增加到90 km·h^-1时，发生侧滑失效和侧翻失效的概率分别增加了634倍和336倍；车辆总质量的增加对半挂汽车列车侧翻有显著影响；在路面附着系数较低的条件下，半挂汽车列车的主要事故形态为侧滑和折叠，在路面附着系数较高的情况下，半挂汽车列车的主要事故形态为侧翻。因此，在道路设计中，应避免极限最小半径与陡坡组合，严格限速和限载可确保半挂汽车列车的运行安全性能。     

预应力锚索锚固效应动态模型试验

为了解既有列车振动荷载对锚索预应力损失、地表沉降及桩体水平位移的影响,以京石高铁石家庄六线隧道明挖深大基坑桩、锚围护结构为工程背景,根据相似关系,试验确定了土体-桩锚系统模型试验材料;针对列车振动荷载特点,开展了基坑开挖完成后连续振动162 d（相似关系）的模型试验,分析了振动频率分别为8.282,13.801,20.704 Hz时锚索预应力的损失规律、地表沉降、桩体水平位移以及锚索预应力随锚固深度变化的特点。试验结果表明：随着振动频率（列车行车速度）的增加,锚索预应力损失率、最终地表沉降值和桩体水平位移均大幅增加; 8.282 Hz频率（行车速度120 km·h^-1） 下振动28 d,锚索预应力平均损失率为2%;13.801 Hz频率 （行车速度200 km·h^-1） 下振动53 d,锚索预应力平均损失率为8%;20.704 Hz频率（行车速度300 km·h^-1）下振动53 d,锚索预应力平均损失率高达23%;锚固段锚索应力沿锚索锚固深度呈喇叭状开口递减趋势,接近锚固段底部时,其应力几乎为0。通过动态模型试验,掌握了列车振动荷载作用下锚索预应力随时间的损失规律,对临近铁路深大基坑锚索设计与施工具有理论指导意义。     

基于驾驶模拟技术的道路行车安全性研究综述

对驾驶模拟技术在道路行车安全领域的研究及应用现状和存在的问题进行了分析。在广泛调研国内外相关文献的基础上,对驾驶模拟器进行了分类,并总结了国内外主要代表性科研型驾驶模拟器的发展历程,分析了典型驾驶模拟器的自由度、主要特征和应用领域。以“人-车-路-环境-事故”为主线,从不良驾驶行为特性分析、车辆主动安全技术研究、道路与交通设计、车辆驾驶环境以及道路行车事故研究5个方面,系统地梳理了驾驶模拟技术在国内外道路行车安全领域的应用研究现状、存在问题以及应用展望。在不良驾驶行为特性分析方面,重点研究了运用驾驶行为特性开展分心驾驶行为和疲劳驾驶行为的识别;在车辆主动安全技术研究方面,综述了运用驾驶行为开展车辆底盘一体化控制技术、安全辅助驾驶控制技术和自动驾驶接管行为的评价研究;在道路与交通设计方面,综述了道路几何和标志标线等的设计评价;在车辆驾驶环境方面,综述了不良气象、路侧景观和交通冲突等驾驶环境对驾驶行为的影响;在道路行车事故研究方面,总结了道路行车事故再现和事故影响因素分析等内容。此外,对驾驶模拟技术进行了应用展望,主要包括特殊人群的驾驶行为特性、智能网联汽车系统的测试及验证、混合交通流环境下的行车安全问题。对未来应对驾驶模拟器的有效性评价、不适性以及二次开发等问题进行探讨,以便更好地促进驾驶模拟技术的发展。      

无人驾驶汽车路径跟踪控制方法拟人程度研究

无人驾驶汽车路径跟踪控制是无人驾驶汽车运动控制的核心所在,目前常用的路径跟踪模型主要以路径跟踪精度为主要控制目标,在很大程度上忽略了无人驾驶汽车的乘坐舒适性和控制的拟人程度。为了研究无人驾驶汽车路径跟踪控制算法的拟人程度并提高乘坐舒适性,基于转向几何学、汽车运动学和汽车动力学理论建立实车中常用的4种路径跟踪模型,提出以路径跟踪过程中的最大横向加速度a_ymax和方向盘转角平方和δ_w²共同表征路径跟踪模型的拟人程度和横向乘坐舒适性。基于驾驶人实车换道试验数据,建立多项式拟人换道参考路径,搭建CarSim/Simulink联合仿真模型,并对其进行不同车速下的车辆换道试验。研究结果表明：路径跟踪模型的横向循迹偏差均会随着车速的提高而增加,但都能较好实现路径跟踪;带预瞄路径跟踪模型和动力学前馈最优LQR路径跟踪模型拟人程度较好;汽车运动学路径跟踪模型的乘坐舒适性最差,方向盘修正激烈;在100 km·h^-1,a_ymax>0.7 m·s^-2,δ_w²>2.7×10³时,拟人程度最差;不带预瞄路径跟踪模型循迹精度最高,且拟人程度最高,乘坐舒适性最好,120 km·h^-1时,a_ymax ≤ 0.5 m·s^-2。     

考虑高速公路运行风险的雨天可变限速方法

为保证雨天环境下高速公路行驶安全，降低道路整体运行风险，结合雨天风险特征，开展考虑运行风险的雨天可变限速研究。首先应用随机森林模型，标定雨天环境下高速公路动静态风险因素的特征重要度，并结合熵值理论，建立高速公路风险模型、计算风险系数、划分风险等级;之后，以空域自适应算法中可变限速推演变化规律为基础，考虑大、小型车的行驶特征，结合预期风险、雨天停车视距、水膜厚度等因素，优化可变限速模型，细化大、小型车辆的初始控制值，进而提出不同降雨强度、不同能见度下的可变限速推荐值；在此基础上，利用驾驶模拟实景仿真系统、心理生理检测设备、微观交通流仿真软件，开展可变限速系统控制值合理性及驾驶人行车适应性与交通流运行状态的实证分析。研究结果表明：随着能见度降低和降雨量增大，在可变限速控制下，驾驶人呈现出交感神经兴奋性减弱、副交感神经兴奋性增强、心理紧张度降低的状态，其平均心率、心率变异性高频值、心率变异性低频值、心率变异性差异值分别由74.13、0.121、0.643、2.37变为78.23、0.192、0.567、2.01，驾驶人对限速方案的适应性良好；同时，可变限速可保证道路整体通行效率，不会造成交通流风险震动，在小型车、大型车限速分别为80、60 km·h^-1和小型车限速60 km·h^-1、大型车禁止驶入场景下，碰撞时间均值、中值大于未限速场景，各车道的行车安全性均能得到保障;提出的雨天可变限速控制方法合理，且具有一定工程适应性，能为异常天气高速公路宏观车流主动防控提供理论支撑。     

Assessing the Potential Impacts of Connected Vehicles: Mobility,Environmental, and Safety Perspectives

The connected vehicle is a rapidly emerging paradigm aimed at deploying and developing a fully connected transportation system that enables data exchange among vehicles, infrastructure, and mobile devices to improve mobility, enhance safety, and reduce the adverse environmental impacts of the transportation systems. This study focuses on micromodeling and quantitatively assessing the potential impacts of the connected vehicle (CV) on mobility, safety, and the environment. To assess the benefits of CVs, a modeling framework is developed based on traffic microsimulation for a real network located in the city of Toronto, Canada, to mimic communication between enabled vehicles. In this study, we examine the effects of providing real-time routing guidance and advisory warning messages to CVs. In addition, to take into account the rerouting in nonconnected vehicles (non-CVs) in response to varying sources of information such as apps, global positioning systems (GPS), variable message signs (VMS), or simply seeing the traffic back up, the impact of fraction of non-CV vehicles was also considered and evaluated. Therefore, vehicles in this model are divided into; uninformed/unfamiliar not connected (non-CV), informed/familiar but not connected (non-CV) that get updates infrequently every 5 minutes or so (non-CV), and connected vehicles that receive information more frequently (CV). The results demonstrate the potential of connected vehicles to improve mobility, enhance safety, and reduce greenhouse gas emissions (GHGs) at the network-wide level. The results also show quantitatively how the market penetration of connected vehicles proportionally affects the performance of the traffic network. While the presented results are pertinent to the specifics of the road network modeled and cannot be generalized, the quantitative figures provide researchers and practitioners with ideas of what to expect from vehicle connectivity concerning mobility, safety, and environmental improvements.     

AMT驱动构型对纯电动客车综合性能影响研究

为研究自动机械式变速器（AMT）驱动构型对纯电动客车综合性能的影响，以12 m电机直驱纯电动城市客车为研究对象，装备3挡AMT并对驱动电机重新选型，利用NSGA-Ⅱ多目标优化算法以0~50 km·h^-1加速时间最短和中国典型城市工况（普通道路和快速道路）下行驶能耗最低为目标对变速箱传动比进行优化，并制定基于车速和加速踏板开度的双参数动力性与经济性换挡规律，在中国典型城市工况不同道路下，采用2种换挡规律对整车驱动能耗与制动能量回收进行仿真，并利用最大爬坡度及加速时间对整车动力性能进行分析。研究结果表明：与原电机直驱构型下整车性能相比，AMT驱动构型在将驱动电机峰值转矩降低68.4%后，最大爬坡度从20.07%提高到20.3%，0~50 km·h^-1加速时间从14.19 s增加到18.69 s，整车动力性虽满足要求，但加速时间增加了31.7%；其驱动能耗有所降低，但制动能量回收能力有所减弱，且二者都受行驶工况和换挡规律的影响，普通道路行驶时，经济性和动力性换挡规律百公里驱动能耗分别降低了1.55%和0.55%，百公里制动能量回收分别减少了1.35%和1.53%，百公里综合能耗分别降低了-0.12%和1.62%，快速道路行驶时，经济性和动力性换挡规律百公里驱动能耗分别降低4.78%和3.72%，百公里制动能量回收分别减少了1.53%和5.1%，百公里综合能耗分别降低了5.63%和3.35%。可见，纯电动客车采用AMT驱动构型时，需综合考虑车辆设计要求及行驶工况与换挡规律的影响。     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。