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。     

无信控交叉口环境下考虑驾驶员误差的集中式轨迹规划

针对混合交通中人类驾驶汽车引起的碰撞隐患，提出一种考虑驾驶员误差的无信控交叉口集中式轨迹规划方法。首先，以最优控制框架设计了多车协同轨迹规划方法，以运动时间、燃油经济性和行车延误建立复合优化目标。其次，通过实车试验采集不同驾驶员的操作数据集，建立加速度误差的马尔科夫链误差转移概率矩阵。最后，基于车辆碰撞估计结果对可能发生事故情况进行重规划计算，并在不同自动驾驶市场渗透率工况下进行仿真验证。仿真结果表明，碰撞发生率和平均重规划次数与渗透率负相关。采用重规划方法后交叉口内的规划成功率可达90%以上，且燃油经济性等交通指标得到改善。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

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。     

网联自动车混行状态下信号交叉口通行能力分析

车头时距是表征交叉口通行能力的主要参数。为探讨网联自动车混行状态下交叉口的通行能力,通过网联自动车跟驰模型推导通过停止线的安全车头时距,分析混行状态下4种跟驰行为,针对是否考虑前车类型,基于概率模型构建混合交通流背景下交叉口通行能力模型,通过参数标定分析网联自动车速度、车头时距、渗透率及信号控制对交叉口通行能力的影响,其中人工驾驶车辆的相关参数和模拟场景中涉及的数据均为实测所得。结果表明,网联自动车速度增加、车头时距减小、渗透率增加、不考虑前车类型都会提升交叉口的通行能力,混合交通流背景下提升交叉口通行能力的根本原因在于车辆通过停止线的均衡态车头时距减小;交叉口受信号控制时的均衡态车头时距越小,通行能力降低幅度越显著。     

道路交叉口不同相序下车辆碰撞风险模型研究

道路交叉口具有车辆冲突交织、碰撞风险加剧的交通安全复杂性的特点,而道路信号交叉口中的相序设计是制约降低车辆碰撞风险、提高交叉口安全性的主要瓶颈。文中针对上述问题,以道路交叉口车辆轨迹的不同冲突点和碰撞风险概率作为切入点,提出了不同相序下左转车与直行车不同驾驶行为的碰撞风险模型。根据运动学理论考虑车辆运行特性,运用条件概率的思想求出碰撞概率来表征车辆碰撞风险,从安全的本质出发提出了碰撞风险的表述方法,建立密度函数模型,从而建立基于概率计算的动态碰撞风险模型,通过VISSIM微观仿真软件仿真车辆的运行场景,利用仿真输出的运行数据计算风险值。研究结果表明,根据碰撞风险估计值变化规律可以确定不同相序下不同驾驶行为的碰撞风险预警阈值,而且能较好地反映实际交通安全状况,比较两种相序预警阈值的大小,还可以为信号交叉口相序设计提供定量依据。     

预警时间对信控交叉口避撞驾驶行为的影响研究

研究不同预警信息发布时间下,不同性别驾驶人对于交叉口迎头侧面避撞情景驾驶行为影响规律,为提高车辆避撞预警系统功效性提供理论依据.基于汽车驾驶模拟器设计实验,招募具有稳定驾驶能力的驾驶人45名,采集7种预警信息发布时间(2.5～5.5 s),将无预警作为控制组,采用C#编程提取能够表征驾驶行为的变量.用方差分析和线性回归方法分析在交叉口迎头侧面碰撞情景下不同预警信息发布时间对驾驶人的制动时间、最大减速度、测试车辆与冲突车辆的最小距离的影响.结果表明,预警信息发布越早,驾驶人的制动时间越长,最大减速度越小,说明较早发布预警信息可以减缓驾驶人采取制动措施的剧烈程度.同时,预警信息发布较早,可以增大车辆间的最小间距,降低碰撞事故发生的可能性.此外,女性驾驶人的驾驶行为比男性驾驶人更加保守.     

交叉口左转与直行车辆动态碰撞风险估计模型

为改善交叉口安全状况,提高整个交叉口的交通安全水平,对交叉口碰撞类型之一的左转与直行车辆动态碰撞风险估计模型及警告阈值进行了研究。分析了交叉口左转与直行车辆的运行过程并基于风险内涵,提出了左转与直行车辆的动态碰撞风险估计模型;运用Vissim微观交通仿真软件仿真输出的车辆运行数据计算碰撞风险估计值。仿真结果表明,根据碰撞风险估计值变化规律可以确定出左转与直行车辆的碰撞预警阈值。     

车车通信环境下基于驾驶意图共享的车辆避撞预警算法

针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。     

基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

基于车路协同的高速公路车辆碰撞预警模型

为了预防和减少高速公路碰撞事故的发生,及时向高速公路一定范围内的相关车辆提供事故预警信息,提出了一种基于车路协同的高速公路车辆碰撞事故预警模型。首先,基于4G和DSRC通信网络构建了高速公路通信场景与事故预警框架。其次,建立了高速公路环境下双车道两车相撞的事故场景,分析了车辆在高速行驶时发生碰撞的动机以及可能发生的碰撞事故类型。最后,分析了追尾碰撞与侧向碰撞发生之前两车在横向和纵向两个方向接近的全过程,探索两种碰撞事故发生的内在规律,建立潜在碰撞事故判定规则,并基于车路协同技术建立了以时间、位置、速度、车间距以及制动距离为参数的车辆追尾碰撞预警模型与车辆侧向碰撞预警模型。针对实车场地试验对碰撞事故测试成本高难度大等问题,基于Veins仿真平台搭建了具备4G和DSRC异构通信网络环境的高速公路车联网仿真场景,对两种事故预警模型的性能进行测试。测试结果表明,在车速低于120 km/h的情况下,通过潜在碰撞事故判定得到预警结果,并给相关车辆发送事故预警消息广播,能有效避免追尾碰撞和侧向碰撞的发生。     

基于网联车辆轨迹数据的周期排队长度估计

近年，基于网联车辆轨迹数据的交通管控与服务研究方兴未艾。其中，信号控制交叉口排队长度估计备受关注。然而，在低渗透率条件下，单个周期内轨迹稀少且提供的交通信息十分有限。现有研究仅以当前周期内网联车辆轨迹数据为输入，难以获得准确且可靠的周期级排队长度估计结果。因此，融合利用历史网联车辆轨迹数据提供的车辆到达和停车位置信息以及当前周期内实时观测的网联车辆排队信息，提出一种基于最大后验概率的周期最大排队长度估计方法。首先，依据历史轨迹数据的停车位置信息，估计排队长度的先验分布；其次，依据历史轨迹数据的车辆到达信息，估计周期内车辆的历史到达分布，并结合周期内最后1辆排队网联车辆的到达时刻与停车位置，构建排队长度似然函数；最后，基于贝叶斯理论，结合前述先验分布与似然函数，推导周期排队长度的后验分布，并采用最大后验概率方法实现周期最大排队长度的估计。仿真结果表明：所提方法在不同饱和度和渗透率条件下，均优于现有的方法；即使在车辆轨迹数不超过1 veh·周期^-1的低渗透率条件下，所提方法的平均绝对估计误差也不超过2 veh·周期^-1。实证结果表明：在渗透率仅为8.96%的条件下，所提方法的平均绝对误差为2.12 veh·周期^-1，平均相对估计误差为12.4%，同样优于现有同类方法。     

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型和GM (General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明：采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。     

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题，基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法，旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差，使得各个方向车流互相预知对方驾驶行为，以实现车辆自组织穿插通过交叉口，以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例，根据调查数据和Vissim仿真分析结果显示，所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

无信号交叉口网联车辆协同碰撞预警研究进展

为明晰无信号交叉口网联车辆协同碰撞预警研究的局限性及发展方向,系统梳理了协作式交叉口碰撞预警（CICW）的研究进展。首先,分类梳理了现有交叉口行车冲突检测方法的优势与不足;其次,总结了不同预警级别、机制和模式的适用性;再次,归纳了CICW有效性及安全性评价指标,对比了仿真、实车以及虚实融合测试的技术特征;然后,分析了驾驶人不确定性与通信不可靠对CICW的影响及优化思路;最后,对CICW的发展方向进行了展望。结果表明：行车风险场模型是解决现有CICW冲突检测方法中综合交通风险、冲突严重程度表征问题的可行方案,但仍需进一步研究适当的环境参数、风险指标及阈值的设定;CICW应用场景下的驾驶人驾驶特征的建模、预测和在线识别,以及CICW预警模式的自适应构建是设计可靠有效CICW应用的可行解决思路;实现对CICW的全方面客观评估,有赖于研究搭建综合评价机制及大规模试验平台;车联网通信不可靠严重影响CICW的有效性,需要进一步研究信道拥塞控制机制与基于通信故障/失效预测的CICW容错机制。     

基于视频识别技术的无信号交叉口安全预警系统原型开发

基于视频识别技术开发无信号交叉口安全预警系统原型,在Visual Studio 2010开发环境下,借助halcon8.0图像处理算子,应用背景差法识别与跟踪运动车辆,实时采集车速、加速度、距离等微观交通信息,建立无信号交叉口安全通行模型实现动态安全预警功能,利用模型车辆测试系统的预警可靠性,在参数设置合理的条件下取得了87%的预警成功率。     

车联网关键指标对车辆安全影响仿真测试方法

提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。     

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。     

基于OpenCV的前方车辆检测和前撞预警算法研究

针对汽车的追尾碰撞事故,提出了基于OpenCV的前方车辆检测和多信息融合预警的方法。该方法首先利用Haar-like+Gentle Adaboost实现前方车辆的快速识别,结合Kalman滤波原理跟踪车辆,实现前方车辆检测,然后基于几何模型实时计算前车与本车的横纵向距离,最后根据本车及前车车速、碰撞时间TTC、横向距离等信息与阈值进行比较,分级识别碰撞风险。试验结果表明,该检测方法平均耗时22 ms/帧,检测率达到96%,并能较准确地测量车距,实现可靠的前方避撞预警输出。