网联环境下无信控交叉口行车避碰预警方法

为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法。首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验证了方法的有效性,并分析了网联车辆渗透率对提出的预警方法的影响。测试结果表明:提出的预警方法可以有效降低无信控交叉口的碰撞风险;随着网联车辆渗透率提升,平均旅行时间、平均碰撞比例和平均碰撞相对动能不断减小,网联车辆渗透率达到60%时,可认为该方法是可靠的。     

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。     

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。     

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。     

智能网联环境下城市路网通行能力分析

为了探究城市路网中混有智能网联车辆(CAV)的交通流特性，研究CAV不同渗透率分布下对路网通行能力的影响。应用智能驾驶模型(IDM)和协同自适应巡航控制模型(CACC)分别作为人工驾驶车辆(HDV)和智能网联车辆的纵向速度更新规则，并建立考虑车辆到信号交叉口距离影响的横向换道规则。推导基于各渗透率等级路段占路网长度比例下的混合交通宏观基本图模型(MFD),通过SUMO仿真验证模型有效性。最后针对模型中的比例参数进行敏感性分析。结果表明：混合交通MFD可以用于异质交通流组成的城市路网宏观交通状态的有效估计与通行能力分析。当CAV渗透率均匀时，在路段渗透率高于30%时，路网通行能力提升显著；当CAV渗透率非均匀时，异质路网的通行能力随着渗透率等级较高路段比例的增加而逐渐提高，100%CAV路段比例的影响尤为显著。混合交通MFD为混有CAV的城市交通调控和CAV在路网中的路径规划提供理论参考。     

信号交叉口车路协同诱导策略下ACC车辆控制模式研究

信号控制交叉口是城市道路交通网络中的基本节点,车辆在通过交叉口时频繁地启停和加减速等严重降低了交叉口的通行效率,并产生了更高的燃料消耗和污染物排放。无人驾驶技术中的车路协同技术和自适应巡航控制(Adaptive Cruise Control, ACC)技术为缓解交叉口处的交通拥堵和提高节能减排水平带来了新的契机。ACC车辆可以通过车载检测设备和传感器技术等实时获取自身与前车的行驶状态,并通过ACC控制系统做出比人类驾驶员更精确、稳定和安全的决策判断。根据ACC车辆在信号交叉口车路协同诱导策略下的行驶工况信息,考虑了ACC车辆在信号交叉口车路协同诱导策略下的控制模式,利用诱导策略对ACC车辆的控制模式进行了划分。在智能驾驶模型(IDM)的基础上建立了不同控制模式下的加速度算法,利用MATLAB对信号交叉口车路协同诱导策略下的ACC车辆的交通特性进行仿真模拟,对比分析了传统ACC车辆和车路协同诱导策略下的ACC车辆在通过交叉口时的平均延误、平均燃油消耗和平均污染物排放。仿真结果表明,车路协同诱导策略下的ACC车辆在不同等级车流密度下均能够降低交叉口的延误,并减少车辆的燃油消耗与污染物排放量。     

网联自动驾驶车辆通过信号交叉口的速度轨迹优化

以网联自动驾驶汽车(Connected Autonomous Vehicle, CAV)为研究对象, 研究了CAV车队通过城市信号交叉口的速度轨迹优化控制策略。基于最优控制理论, 采用CAV的自动驾驶模型描述车间相互作用, 以所有CAV车辆在行驶过程中的总油耗为优化目标, 根据信号灯的配时信息建立模型约束, 通过优化CAV头车的速度轨迹, 保证整个CAV车队在绿灯相位下快速通过交叉口并实现油耗最小。为了对该优化控制进行高效求解, 采用离散Pontryagin极小值原理建立最优解的必要条件, 利用基于神经网络训练的弹性反向传播(Resilient backpropagation, RPROP)算法设计了数值求解算法。多个典型场景的仿真结果显示: 整个CAV车队均能在不停车的情形下通过信号交叉口, 避免因在红灯时间窗到达停车线造成的停车、启动等过程, 总油耗量最高可减少69.74%。该控制方法利用网联自动驾驶技术的优势, 显著改善了城市交通通行效率和燃油经济性。      

不同渗透率下非信控交叉路口混合预约多车协同控制EI北大核心CSCD

预约式方法是解决非信控交叉路口多车协同控制问题的经典方法。传统预约式方法通常假设路口中仅存在智能网联车辆(intelligent and connected vehicle,ICV),缺少对人类驾驶车辆(human-driven vehicle,HDV)和ICV并存情况的讨论。本文基于预约式方法,针对ICV与HDV混行的非信控交叉路口协同控制方法展开研究,并探究ICV渗透率变化对非信控交叉路口通行效率的影响。首先,对混合交通流下非信控交叉路口进行功能区域划分,并提出混合预约多车协同控制架构;其次,基于预约式方法制定考虑HDV驾驶行为特性的混合预约多车协同控制策略,包括ICV单元格预约策略和ICV速度控制策略;最后,基于SUMO/Python搭建非信控交叉路口混合交通联合仿真平台,以路口通过率和路段平均速度为评价指标,在ICV渗透率分别为100%、90%、60%和30%的情况下进行不同交通流量下的仿真验证。结果表明,所提出的控制策略能保证所有车辆安全通过交叉路口,且非信控路口通行效率随ICV渗透率的提高而提高。     

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。     

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、...     

面向城市道路的智能网联汽车多车道轨迹优化方法

为提高城市路网下智能网联汽车的通行效率以及燃油效率,提出面向城市道路的多车道时空轨迹优化方法。首先,结合多车道时空位置关系定义智能网联汽车状态与约束,综合考虑通行效率与燃油经济性构建时空轨迹复合优化模型,并采用庞特里亚金极大值算法进行求解。然后,本文设定协同换道的规则,并通过Q-learning算法获取最优的换道策略。最后,通过SUMO/Python联合仿真验证了该方法可以在不同车辆饱和程度、绿信比状态及最低通行速度条件下有效提高通行效率,且燃油效率得到明显改善。     

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%。     

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。     

网联车辆检测设备受电磁干扰试验信号影响的研究

汽车智能化、网联化的飞速发展带动了汽车电子化、智能化、集成化产业的发展，但与此同时，也带来了更加复杂的车内外电磁环境。车辆网联通信功能在复杂电磁环境下的可靠运行，轻则关乎用车舒适度，重则影响行车安全性。因此，网联车辆的电磁可靠性至关重要。然而实验室内完成汽车网联通信功能电磁可靠性测试离不开搭建网联仿真场景的检测设备。本文从保护网联车辆场景搭建测试设备在电磁干扰试验中的可靠性出发，设计方案进行摸底研究，分别在不同场强、不同频率、不同天线位置下，测试网联车辆检测设备端接收到的信号强度；并通过对测试数据进行分析处理，给出推荐测试布置，为后续网联车辆检测的完善化、标准化提供了一定的参考。     

考虑能效均衡的信号交叉口车辆协同轨迹优化策略

为缓解信号交叉口区域交通拥堵与污染物排放问题，建立了考虑能效均衡的信号交叉口车辆上下游协同轨迹优化模型。根据信号灯相位配时建立上游区域车辆通行预判模型，基于能源消耗与通行效率建立车辆上下游协同轨迹优化策略，采用带精英策略的非支配排序遗传算法求解多目标优化模型的最优速度曲线，并与无引导方法、三角函数优化法进行了对比试验，结果表明，采用所提出的多目标优化引导算法最大可减少交叉口上下游区域的燃油消耗量21.05%，缩短行程时间13.85%，具有更好的适应性和鲁棒性。     

基于效率-安全评价的近距离错位交叉口信控优化

在城市中2个近距离错位交叉口之间的交织路段,来自不同方向的车流相互干扰严重,尤其是在交织长度限制下的连续换道操作,对交通效率和安全水平造成不良影响.因此,基于效率-安全综合考虑,研究了一种安全协调信号控制方案.即在上游交叉口的支路处设置右转信号灯,将交织路段内主、次路的车流冲突点进行时间和空间上的分离,并对近距离错位交叉口进行系统的相位和配时优化设计,从而达到降低车辆运行延误、提高行车安全性的目的.以福州市浦上大道-金州南路-金港路交叉口为例,运用Vissim微观仿真软件和SSAM替代安全评价模型,从效率-安全2个方面综合比较安全协调信控方案与信控现状、单点优化方案的优劣.实验结果表明,相对于信控现状,单点优化方案和安全协调信控方案的效率-安全水平分别提升了36.17% 和57.17%,验证了安全协调信控方案的优越性.此外,通过Vissim调整2个交叉口之间的距离,比较安全协调信控方案和单点优化方案相对于信控现状的效率-安全综合优化程度.研究表明,近距离错位交叉口的间距越小,安全协调信控方案的优越性越明显.      

交通事故场景在智能网联汽车仿真测试中的应用

在汽车全生命周期范围内,通过三支柱测试认证方法来验证智能网联汽车的功能和安全,是提升车辆安全性和交通效率的有效手段,具有广阔的应用前景。其中,如何通过仿真方法来高效验证在危险工况和事故场景下智能网联汽车的主动安全防护能力,成为目前亟待解决的问题之一。基于交通事故场景,建立交通事故数据到仿真测试场景重构的技术方案,并通过实际案例验证了该方案应用于仿真测试的可行性。实践证明,所建方案有助于丰富智能网联汽车仿真测试场景库,提升仿真测试效率,加快完善智能网联汽车的安全测试与评估的进程。     

基于动态距离窗的交叉口CAV轨迹规划算法

针对目前智能网联车(connected and autonomous vehicle,CAV)通过交叉口的轨迹规划算法无法兼顾效率与安全协同最优的问题,根据CAV驶入交叉口通信范围时的不同初始行驶状态引入动态距离窗(dynamic distance windows,DDW)概念,提出适用于可控安全行驶条件下通行效率最优的轨迹规划算法。算法根据CAV初始行驶状态参数和信号灯信息、最大舒适加/减速度和道路限速约束条件,获得CAV初始行驶状态对应的DDW。针对CAV初始位置与停车线上游特定位置间的距离处于DDW范围之内和之外的两种情况,分别设计相应的轨迹规划算法,实现CAV通过交叉口延误最小。仿真结果显示,所提出的算法可有效提高CAV通过交叉口的效率,并且具有更小的速度波动及更平滑的时空轨迹。     

考虑驾驶员操作误差的混合动力汽车队列生态驾驶控制

鉴于现有生态驾驶控制的研究多基于完全智能网联环境,不适用于传统人类驾驶汽车和网联汽车混行的交通场景,本文中以包含人类驾驶汽车和网联汽车的混合动力汽车队列为研究对象,提出一种考虑驾驶员操作误差的分层生态驾驶控制方法。基于随机模型预测控制算法设计上层控制器以实现车队机动性、燃油经济性和舒适性多目标优化,采用自适应等效燃油消耗最小化策略设计下层控制器以优化车辆发动机与电池的功率分配。仿真结果表明,所提出的方法可有效降低驾驶员操作误差导致的车队中混合动力汽车速度轨迹的偏移量,车辆平均油耗降低2.82%。     

智能网联环境下CAV专用道对道路通行能力的影响

智能网联汽车(Connected-Automated Vehicle,CAV)市场推广的过程中,与人工驾驶汽车混合行驶的环境将长期存在。高速公路CAV专用车道可以在当前技术条件下为CAV提供一个更为安全的行车环境。本文基于传统的元胞自动机模型和CAV跟驰模型构建了一个混合交通流的数值仿真模型,并在单向四车道高速公路的两种CAV专用道的仿真场景下,研究了流量随CAV比例的变化情况。然后,对CAV失去通信能力后的退化情况进行了仿真实验比较。研究结果表明,在CAV比例高于30%时,设置CAV专用车道能够有效提升道路通行能力并降低CAV退化率,为CAV提供了平稳安全的行驶环境。