纯电动商用车异质队列的多目标控制

队列行驶的研究能有效解决商用车货运安全、能耗浪费和环境污染等问题,但现有研究多基于单一跟车目标控制的匀质队列,这在货运场景中无法达到很好的控制效果。本文中构造了纯电动异质商用车队列,为其设计了分布式非线性模型预测控制器。根据道路环境信息和车辆跟车、安全、舒适和节能等特性,分别建立了领航车和跟随车的控制器模型,实现异质队列的多目标控制。为验证所提出控制方法的有效性,由5辆动力学特性相异的商用车组成队列,并搭建了控制仿真平台进行Trucksim/Simulink联合仿真。结果表明,本文中提出的控制算法能有效实现异质商用车队列的多目标控制,与PID定速巡航控制相比,能耗可降低5.3%以上。     

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...     

基于车队离散模型的交叉口关联度量化方法研究与试验

分析了常用的基于流量、距离、周期的交叉口合并控制原则,提出了综合因素关联度量化方法,考虑交通流量、交叉口距离、车队离散特性等因素,基于车队离散模型,构建相邻交叉口间关联度的量化公式,建立指标修正公式,结合实际分析模型的可靠性,获得反映综合因素的关联度值,为子区交通信号控制提供是否合并控制的决策支持。采用仿真软件进行模型应用,选择了具有典型意义的700 m相邻交叉口,以及4个交通流平稳上升的时段,进行关联度值计算,并根据是否合并的决策支持调整信号控制参数。结论表明:对于单一原则难以界定的边缘性合并判断,基于车队离散模型的量化综合判断方法能够有效地解决,并为交通信号协调控制决策。     

基于预测型路线行程时间的信号控制相位差优化技术研究

相位差是区域信号协调控制的重要参数,其动态优化直接影响通行能力和路网延误。论文考虑交通流诱导与交通信号控制的协同运作,通过研究车队在停车线车头受阻和车尾受阻的不同等待状态,建立了相位差与诱导参数路段行程时间的相关关系,基于诱导控制协同的动态性考虑,提出基于预测型诱导用行程时间的信号控制相位差优化技术,阐述其优化算法流程。论文利用长春市长春大街含3个交叉口的路线进行算例试验,结果表明利用预测型行程时间优化相位差之后干线总行程时间最高节约12.9%左右,延误减少高达51.3%,达到诱导控制信息共享、协同运作提高路网运行效率的目的。     

车队认知能力增强的通信区块间隙优化方法

为了在单车超越车队的过程中缩短超车车辆与车队间通信范围，减少车队通信压力，锁定影响车辆入队的关键车队区块，同时通过将待进入关键区块的车队进行间隙优化调整，为驾驶人提供定制化换道入队引导服务，提出了基于驾驶人超车风格特征参数的车队内信息传输关键区块锁定算法，通过分析影响驾驶人换道入队位置范围的关键因素，将驾驶人换道入队过程分为本车道速度调整过程与入队速度调整过程，利用非参数贝叶斯算法获取驾驶人超车换道特征数据并提出基于关键区块所在车队位置序列的车辆间隙优化调整策略。研究结果表明：超车车辆加速度、与前车预计碰撞时间、与车队相对速度是影响驾驶人换道入队范围的关键因素；通过非参数贝叶斯算法将超车车辆运行数据分类获取的驾驶人换道入队驾驶操作基元，可准确提供驾驶人行为特征关键参数；通过将驾驶人换道特征分为48个子类型，可锁定驾驶人换道入队范围且车队关键区块范围随着超车车辆与车队速度差值不同在各个特征类型上呈现不同变化趋势；针对驾驶人入队特征对待进入车队关键区块的车辆间隙进行优化调整，不仅可以为驾驶人提供可接受的驾驶辅助信息，同时减少了车队间隙产生过程中车辆加速度范围，提升了车队运行的舒适性。     

路段上集群智能网联汽车的车队形成机制

智能网联汽车是解决城市交通问题的关键技术之一,对于未来城市智能交通体系建设有着关键作用。集群的智能网联汽车已经具备了涌现的基本条件,设计科学合理的交互规则,可以实现车辆的自组织,分布式涌现控制。以微观仿真软件VISSIM及C2X模块为研究平台,修改驾驶模型参数,在C2X模块中编程实现3条交互规则:速度一致、尽量靠近、避免碰撞,在仿真软件中构建单车道仿真模型,运行仿真实验,统计车辆在路段上不同距离形成车队情况,利用车头时距分布的熵值来衡量车流的有序性。仿真结果表明,车辆在运行至50s后初步形成车队,随着时间的增加,形成的车队越稳定,车流熵值在路段上随距离增加而减小,说明形成车队后更加有序,在路段上呈现出涌现现象。     

实时自适应交通信号控制CPN建模分析

以单路口交通控制为研究时象,指出了传统单路口控制策略中存在的一些缺陷,提出一种优化的交通信号控制策略:实时自适应控制。按照该策略,采用非固定相序控制方案,并提出了相应相位持续时间的具体算法。然后,建立了实时自适应策略的着色Petri网(CPN)模型,对CPN模型进行静态结构分析和动态仿真分析,检验并确认所提出的策略和算法的可行性;最后,通过建立交通信号控制的评价指标来对该策略进行评价。仿真结果表明,与固定相序、固定相位持续时间的策略相比,该实时自适应控制策略对单一十字路口实现了更为有效和优化的控制。     

信号周期时长优化方法研究

分析传统交通信号控制系统中周期时长优化存在的问题,为适应混合交通自适应控制系统进行区域或干线战略控制和战术控制的需要,构建了基于双层规划的信号周期时长优化模型,借助分层迭代的思想,通过改进粒子群优化算法求解双层规划模型。利用Vissim仿真长春某一实验路网的不同交通状态,对模型和算法的有效性进行对比验证。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

临界饱和状态交通干线协调控制模型

为提升临界饱和状态下干线车流通行效率，提出了一种基于冲击波理论的干线双向信号协调控制方法。首先，建立了考虑车速变化、转向比例、车道变化等因素的干线交通流模型，分析了临界饱和交通干线交通流运行状态与各参数间的关系。第二，构建了以干线双向通过量最大化为优化目标的混合整数线性规划模型，通过优化干线公共周期和各交叉口绿信比以提高干线通行能力。第三，构建了以延误最小化为优化目标的二次规划模型，并提出了相应的求解算法，通过优化相位差和相位方案实现了干线交叉口的信号协调。临界饱和交通干线协调控制模型由通过量最大化模型和延误最小化模型构成，考虑各交叉口间的制约影响关系，有效避免了排队滞留、溢出、交叉口“死锁”等现象。采用两阶段优化方法，通过通过量最大化模型优化周期及绿信比，继而应用延误最小化模型优化交叉口相位方案及相位差，获得干线系统双向信号协调最优控制方案。最后，应用临界饱和交通状态干线协调控制模型对南京市中山东路10个交叉口进行了信号协调优化，并对优化结果进行了仿真分析。结果表明：临界饱和交通状态干线协调控制模型能对双向临界饱和干线的信号控制方案进行优化，与对照方案相比，优化方案的双向总交通量提升了21.9%，车均延误降低了63.1%，通行能力与服务水平提升显著。     

基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为，但随意地在路边或者禁停区域上下客，不但容易干扰道路交通秩序，还可能造成人员伤亡的恶性交通安全事故，需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署，全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB（Human-Vehicle Interaction Behavior）及上下客行为识别方法，实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中，利用YOLOv4（You Only Look Once，Version 4）目标检测模型和SORT（Simple Online and Realtime Tracking）跟踪算法输出高置信度目标信息，并抽取车辆时空位置特征表达。在人车关系检测模块中，结合人与车辆的空间位置变化和相对运动方向，形成人车关系的时空特征表达。通过计算视频中人车时空位置特征，基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别，并依据不同人车交互行为的定义，可以实现上下客行为识别。使用真实城市交通场景视频数据，对多种天气条件（晴天、阴天、雨天）下的不同人车行为进行了识别试验。试验结果表明：所提出的方法可以全天候工作，其中在白天多种天气条件下，停车和上下客行为的检测准确率能达到90%和87%以上，夜晚正常天气条件下分别为82.5%和77.5%；同时，检测速度在每秒30帧以上，满足实际应用的实时性要求。     

基于虚拟车队的自动交叉路口车辆时序优化模型

智能网联汽车可通过彼此交互协同安全地通过交叉路口,自动交叉路口控制已成为未来发展趋势。为解决现有基于预约的自动交叉路口控制模型未全局优化车辆通过顺序及模型非线性导致求解效率低等问题,提出一种基于虚拟车队的自动交叉路口车辆时序优化模型,实现车辆通过时序的高效全局优化。首先,为构建到达安全时间间隔约束,基于车辆冲突分析计算交叉口进口道停车线到各相互作用点的距离。其次,为便于建模和求解,基于时间维度构建虚拟车队并形成车辆索引序列。然后,以交叉口车辆总延误最小为优化目标,车辆通过控制区段的最小行程时间和到达冲突区域边界的安全间隔为约束条件,构建自动交叉路口车辆通过时序非线性优化模型。在此基础上,引入0-1变量将该模型转化为混合整数线性规划模型,并基于开源求解器CBC对模型进行求解。最后,设计数值仿真试验验证模型的有效性并进行了模型的参数敏感性分析。研究结果表明:所构建模型在不同交通需求下优化效果均优于基于"先到先服务"规则的模型,车均延误和最大单车延误能够减少61.50%和39.73%;当安全间距和优化周期较大时,构建模型的延误控制效果更为显著;模型和算法为未来智能网联环境下自动交叉路口控制提供了一种可选的方法。     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

基于非线性模型预测控制的车辆纵向队列协调控制

本文中针对基于分层控制结构的车辆队列上、下层控制缺少联系的问题,提出了车辆队列跟驰与个体车辆动力学稳定性协调控制的思路,其基本思想是在保证队列中个体车辆安全稳定行驶的同时,尽可能实现队列跟驰控制的目标。基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法设计了车辆队列协调控制方案,设计了包括跟驰间距误差、跟驰速度误差以及车速与车轮圆周速度差3个子目标的优化目标函数,将队列跟驰与车辆动力学稳定性的协调控制转化为约束优化控制问题;基于序列二次规划(sequential quadratic programming,SQP)方法进行求解,得到车辆前、后轴的制动/驱动力矩来实现上层决策输出的期望跟驰加速度。基于由3车辆组成的非线性队列模型对控制方案进行了仿真分析,结果表明,所提出的基于NMPC的车辆队列协调控制策略可以在大范围操纵工况下,在保证车辆安全稳定行驶的基础上实现队列的跟驰控制。     

基于模糊逻辑的交通信号控制与仿真研究

提出了一种基于模糊逻辑的交叉口信号控制算法,并通过对相位顺序进行优化,获得了更好的控制效果。与传统的信号模糊控制算法相比,该算法具有相位组合灵活、延误时间小等优点,能够有效解决交通流不平衡的问题,更适应城市交叉口实时变化的交通状况。仿真研究表明:该控制算法能够大大减少车辆延误时间,是进行城市智能交通控制的一种实用且行之有效的方法。     

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...     

基于人均延误最小的干线交叉口协调配时优化

为了提高干线协调控制在国内混合交通流条件下的交通运行综合效率,以干线中小汽车、公交车和自行车为研究对象,提出了综合考虑上述3种车型通行效率的干线交通信号协调控制的配时优化模型与算法。模型的研究从出行者的角度分析干线协调的延误,以干线人均延误最小建立了目标函数,并设计启发式算法进行计算,从而获得目标函数的优化值。为了验证提出的干线协调配时优化方法的有效性,选取南京洪武北路上的干线协调交叉口为实例进行验证,通过在Vissim中建立实际干线协调控制路段的空间模型并采用提出的优化方法进行配时,发现在不同车型组成比例条件下,人均延误最多减少了11．4％。结果显示,该模型能够有效地提高混合交通流条件下的干线交通运行综合效率。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

网联通信时延下的混合队列控制特性分析

针对CACC协同自适应巡航控制技术,探究其在车联网通信时延影响下,与驾驶员驾驶汽车共存而构成的混合队列系统的性能.从微观跟车行为角度,基于频域传递函数,推导通信时延下的CACC队列稳定最小跟车时距的理论表达式,并通过数值验证指出CACC队列稳定最小跟车时距随通信时延增大而增大的特性.从交通激波特性角度,针对无时延CAC...