基于前车运动状态的运动学安全距离完善研究

根据前车的加速度大小及其变化率对前车的运动状态进行判断,当前车处于紧急制动或持续加速时,对基于车辆制动过程运动学分析的安全距离模型进行修正完善。在双轮模型的基础上进行了仿真实验,结果表明:当前车出现撞车时,完善后的模型依然能够达到避撞目的,当前车处于持续加速时,完善后模型在保证安全的前提下改善了道路的通过性。     

车辆自动紧急制动系统联合仿真研究

基于毫米波雷达的工作特性建立了前方障碍物目标识别算法,用以筛选影响车辆正常行驶的有效目标。基于最小安全距离模型建立车辆2级预警以及紧急制动系统,根据前车运动状态将模型分为前车静止、前车匀速或加速、前车减速或制动停车3种工况,利用Trucksim搭建车辆模型,在Matlab/Simulink中搭建雷达模型和2级预警模型,实现联合仿真。仿真结果显示,基于最小安全距离模型建立的2级预警紧急制动算法是合理的。     

考虑多前车反馈的智能网联车辆跟驰模型

基于智能网联车辆(Connected Autonomous Vehicle, CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明：所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.     

多前车影响的智能网联车辆纵向控制模型

为了更好地模拟智能网联车辆(CAV)的跟驰特性, 在纵向控制模型(LCM)的基础上考虑V2V环境下多辆前车速度和加速度的影响, 构建了智能网联环境下的纵向控制模型(C-LCM); 对LCM和C-LCM进行稳定性分析, 比较了2个模型的交通流稳定域, 确定了不同通信距离时C-LCM对交通流稳定域的影响; 设计数值仿真试验对加速和减速的常见交通场景进行模拟, 分析了在V2V通信条件下CAV的跟驰行为特征; 仿真分析了CAV不同通信距离以及不同渗透率影响下的交通流安全水平; 构建了包含不同CAV渗透率的混合交通流基本图模型。研究结果表明: 交通流稳定域随着考虑前车数量的增多而增大, 当只考虑1辆前车时, 前车与本车的间隔越远, 车辆速度系数对C-LCM稳定域的影响越大; C-LCM可以提前对多前车的行为做出反应, 更好地模拟CAV的动力学特征, 在减速情景中速度超调量从0.15减少为0.08, 最大速度延迟时间由7.5 s缩短为4.9 s, 在加速情景中速度超调量从0.07减少为0.04, 最小速度延迟时间由3.5 s缩短为2.6 s; 随着CAV渗透率的提升, 交通流的安全水平不断提升, 当通信范围内有4辆CAV时, 交通流的安全性能达到最高, 其TIT和TET指标的最大减少量分别为57.22%和59.08%;随着CAV渗透率的提升, 道路通行能力从1 281 veh·h-1提升为3 204 veh·h-1。可见, 提出的C-LCM可以刻画不同车辆的跟驰特点, 实现混合交通流建模, 并降低混合交通流的复杂性, 为智能网联车辆对交通流的影响分析提供参考。      

基于分层COX 模型的跟驰反应延迟时间生存分析

驾驶员的反应延迟时间是驾驶员跟驰行为的重要指标之一,也是跟驰模型中的重要参数之一. 为分析延迟时间与车辆运动状态、光照条件影响因素之间的关系及延迟时间的概率分布,通过实车实验得到跟驰行为延迟时间自然驾驶数据,采用Kaplan-Meier 方法进行延迟时间单因素分析并构建延迟时间分层COX模型. 结果表明：驾驶员跟驰反应延迟时间生存函数受前车加速度,前车加速度变化状态影响显著;前车加速度与延迟时间风险函数之间的关系随时间变化,需采用分层COX模型建模;前后车相对距离每增大10 m,延迟时间风险函数取值减小6.03%;前车由变速运动变为匀速运动时,延迟时间风险函数取值减小35.39%. 研究给出延迟时间风险函数与影响因素之间的定量关系,结果可应用于跟驰模型参数优化与微观驾驶行为仿真模型.     

高速公路隧道临近段车辆换道持续时间生存分析

为研究高速公路隧道临近段车辆换道行为,提高隧道路段行车安全水平,在广东省的3条高速公路隧道临近路段开展自然驾驶试验,采集换道车辆的行车轨迹以及周围行车环境等数据。基于采集到的车辆换道数据,采用生存分析的全参数估计方法,考虑不同驾驶人换道风险感知水平的异质性,构建随机参数加速失效时间(AFT)模型,分析隧道临近段行车环境、车辆运行状态等潜在因素对车辆换道持续时间的影响。研究结果表明：相较于固定参数AFT模型,随机参数AFT模型具有更好的拟合优度;至隧道进口的距离、起始车道前车的车速差、换道方向和至目标车道前车距离会对高速公路隧道临近段车辆换道持续时间产生显著影响;车辆换道位置距离隧 道进口越近,至目标车道前车的距离越近,换道持续时间越短;相较于换道车辆车速大于起始车道前车的情况,换道车辆处于非跟驰状态和车速小于起始车道前车时,换道持续时间分别增加 7%和20%。研究结果可为高速公路隧道临近段交通安全设施改善和微观驾驶行为模型构建提供理论依据和方法指导。     

基于模糊推理的跟驰安全距离控制算法及实现

车辆跟驰是普遍存在的交通现象之一。由于驾驶员在控制车辆过程中具有模糊的、不确定性的行为特征，难以对驾驶员的行为进行精确的数学描述，此外，为保证车辆行驶的安全，有必要对车辆跟驰时如何保持安全距离进行研究。基于此，提出基于模糊推理的车辆跟驰间距控制算法，并对其进行了仿真运算。仿真结果表明，用模糊推理模拟驾驶员的行为是可行的，并且通过模糊推理控制后车的速度，后车能够以安全距离跟随前车安全行驶。     

考虑驾驶员记忆的多前车速度差跟驰模型研究

为了探究驾驶员记忆和多前车速度差对交通流的影响,本文基于全速度差模型（full velocity difference model,FVDM）,结合驾驶员记忆因素和多前车对跟驰车的作用,构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。通过改进模型的线性稳定性特征,得出改进模型的稳定性条件。再对改进模型下的车流启动和制动过程进行仿真,并与FVDM的仿真结果作对比。然后采用微小扰动法对改进模型进行数值仿真,研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。最后,利用下一代仿真（next generation simulation,NGSIM）数据标定了改进模型的参数,并预测了其加速度。研究结果表明：驾驶员记忆在一定程度上不利于交通流的稳定,而多前车速度差对稳定交通流具有积极作用;与FVDM相比,改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%,预测精度更高,均方根误差降低了24.3%。     

高速公路汽车安全距离模型

通过对汽车制动过程的简化与分析,推导出了汽车制动距离,建立了高速公路汽车行驶安全距离模型。经过对算例和规定值的比较,结果表明,该文所建立的高速公路汽车行驶安全距离模型可以根据不同的道路、天气环境给出比规定值更准确的汽车行驶安全距离。     

一种基于最小可觉差的安全车距设计模型

根据交通流动力学、交通心理学和心理物理学理论,通过引入最小可觉差,深入剖析了驾驶员通过觉察车间距离变化程度来感知前车行驶状态的过程. 在此基础上,讨论了跟车行为的两种极端情况,分别得出了跟驰距离的变化范围以及跟驰距离与路面粗糙度、车速和驾驶员反应时间的定量关系. 把跟驰距离变化范围的下限视作安全车距控制方程,进一步得到了铺设防滑材料、沥青、雨天、雪天和结冰等不同路面条件下安全车距设计的理论值,并和安全法规定的安全车距进行比较,验证了本文安全间距设计理论的合理性. 该方法可为交通安全设计和管理提供一定的理论依据.     

基于模糊决策跟驰理论的计算机仿真

对于车辆跟驰过程中模糊的、不确定性的、难以进行精确数学描述的行为过程,探讨采用模糊控制来实现。面对交通系统的诸多影响因素,寻找最优解决方案解决各种交通问题,在现实交通环境中难以实现,应用计算机技术进行交通仿真。利用计算机仿真技术,结合模糊控制规则给出高速公路上车辆跟驰行为的一种仿真,仿真结果表明,用模糊推理模拟驾驶员的行为是可行的,并且通过模糊推理控制后车的速度,后车能够以安全距离跟随前车安全行驶。     

基于分子动力学的车辆换道交互行为特性及其模型

传统换道模型中,把前后临界空隙作为参数固定数值,忽视了车辆和车道间的动态交互作用等因素.从分子动力学角度,系统考虑跟驰需求安全特性,从动态的需求安全距离角度研究车辆在“跟驰-换道-跟驰”过程中的行驶状态转换.确保在换道完成时,换道车辆和目标车道后车能以需求安全距离进行跟车行驶,建立了模拟分子动力学的期望安全间距模型,并对模型进行了仿真分析.结果表明,分子动力学特性模型可以把跟驰行为和换道行为很好地结合起来.研究成果为分析车辆运行交互特性,车辆可变限速技术,自适应巡航控制技术等提供理论依据和技术支撑.     

汽车安全车距模型影响因素分析

高速公路汽车追尾是一种严重的交通安全事故,人们试图从理论与技术上解决高速公路汽车追尾问题.其中,建立追尾的数学模型是研究追尾现象的基础.根据车辆的运行状态和制动规律.得出行车安全距离模型,同时对模型中的参数进行了说明和分析.采用MATLAB软件对高速公路车辆的安全距离模型进行仿真分析,得出安全距离随车速和附着系数的变化规律,寻求既保证车辆安全行驶又不影响道路通行能力合理的安全距离值,为降低高速公路事故率提供一定的依据.     

基于运动学的换道安全间距研究

通过建立基于运动学理论的换道模型并分析主车与原车道前车及目标车辆前后车的速度、加（减）速度及安全距离,研究车辆换道行为的安全性。研究结果表明：车辆在进行换道过程中,换道时间由车道及车辆的宽度、驾驶速度、纵向加速度及驾驶员的特性有关系。研究结果可为车辆安全换道决策提供重要依据。     

汽车安全车距模型影响因素分析

高速公路汽车追尾是一种严重的交通安全事故,人们试图从理论与技术上解决高速公路汽车追尾问题。其中,建立追尾的数学模型是研究追尾现象的基础。根据车辆的运行状态和制动规律,得出行车安全距离模型,同时对模型中的参数进行了说明和分析。采用MATLAB软件对高速公路车辆的安全距离模型进行仿真分析,得出安全距离随车速和附着系数的变化规律,寻求既保证车辆安全行驶又不影响道路通行能力合理的安全距离值,为降低高速公路事故率提供一定的依据。     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

基于分子动力学的车辆换道交互行为特性及其模型

传统换道模型中,把前后临界空隙作为参数固定数值,忽视了车辆和车道间的动态交互作用等因素.从分子动力学角度,系统考虑跟驰需求安全特性,从动态的需求安全距离角度研究车辆在“跟驰—换道—跟驰”过程中的行驶状态转换.确保在换道完成时,换道车辆和目标车道后车能以需求安全距离进行跟车行驶,建立了模拟分子动力学的期望安全间距模型,并对模型进行了仿真分析.结果表明,分子动力学特性模型可以把跟驰行为和换道行为很好地结合起来.研究成果为分析车辆运行交互特性,车辆可变限速技术,自适应巡航控制技术等提供理论依据和技术支撑.     

智能网联车辆在无信号交叉口的避让策略

智能网联车辆为无信号交叉口的安全和效率提高提供新思路。以双向2车道无信号交叉口为研究对象,提出基于车辆轨迹预测的车车冲突检测算法,在此基础上制定基于车辆优先级、道路交通安全法、道路优先级的三级判定法则,由此提出冲突碰撞避免策略。以典型的交叉口交叉冲突场景为例,对5种避撞策略进行仿真测试。仿真结果表明,各种策略均能实现避撞,但前4种策略车辆延误均有所增加;以单车行程时间为效率指标,前车状态保持不变,后车在距离冲突点50 m处减速的策略为兼顾安全和效率的最优策略。     

列车运行调度MLD模型

通过对影响列车运行状态的事件进行分析,指出各类事件对列车状态的影响本质上是改变列车的加速度。采用MLD建模理论建立了列车运行调度模型,该模型将连续行为和离散行为统一在一个框架中并考虑了停站时间、安全距离等约束。以6站5区间的调度区段为例,对模型进行了仿真研究。针对施加干扰后列车发生的晚点的情况,采用压缩列车停站时间和区间运行时间的方法对晚点的列车进行调整,最终列车恢复了正点运行。仿真结果证明了模型的有效性和正确性。     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.