基于NGSIM数据库的驾驶风格聚类研究

驾驶风格用于表征驾驶人的行为特性,对发展自动驾驶技术、制定个性化的驾驶策略具有重要价值。文章基于美国NGSIM数据库中的车辆行驶状态数据,选取横向速度绝对值均值、横向速度绝对值标准差、纵向速度绝对值的标准差等九个统计量作为特征变量,利用主成分分析降维算法及K-means聚类算法对行驶数据进行驾驶风格分类研究。将驾驶风格分为保守型、一般型及激进型三个类别,数据分析表明,保守型驾驶人的横向速度均值、纵向加速度均值、横纵向冲击度均值等统计量均为三种类型中的最小值,而激进型驾驶人的对应统计量为三者中的最大值,一般型驾驶人居中,验证了本次聚类结果的合理性。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。     

基于不同风格行驶模型的自动驾驶仿真测试自演绎场景研究

为了验证自动驾驶汽车决策结果的安全性,提出一种具有自主决策和交互能力的行驶模型生成方法,该行驶模型作为背景车被用于构建自演绎仿真场景来测试自动驾驶汽车的连续决策能力。首先,以强化学习为基础、结合遗传与进化思想,创新地设计并生成了具有自主决策和交互能力的不同风格行驶模型;然后,在模型构建阶段分别训练生成了保守、普通和激进3种风格的行驶模型,其中普通风格行驶模型的训练参数来源于自然驾驶数据集highD的车辆参数分布,保证了该行驶模型的真实性;最后,在普通风格行驶模型的基础上设计并训练出了具有显著激进特征的激进风格行驶模型,以增强自演绎场景的复杂性和测试效果。结果表明：在模型真实性方面,以highD数据集中的跟车速度、车头间距、换道时刻下碰撞时间等参数的分布为真值,研究所生成的普通风格行驶模型的参数分布与真值的平均相似程度为88%,相较于基于规则的智能驾驶人模型（IDM）提升了20.3%;在场景测试性方面,以被测系统为主要责任方的碰撞次数为评估指标,研究生成的不同风格行驶模型所构成的自演绎场景的测试性约是由IDM构成的基线场景的7倍。因此,设计和生成的行驶模型所构成的自演绎场景可以有效支撑面向自动驾驶决策系统的仿真测试。     

基于自然驾驶数据的高密度立交出入口车辆轨迹特征研究

互通式立体交叉是道路交通网络重要的节点,而随着相邻立交之间的间距不断缩小,逐渐形成了高密度立交群,容易造成交通拥堵,加大驾驶负荷和事故风险。为明确在高密度立交群出入口区段的运行风险和安全隐患,在重庆内环路选取了1簇高密度立交群作为研究对象,开展了实车驾驶实验。使用车载仪器采集自然驾驶状态下车辆轨迹数据,包含速度、实时行驶位置以及车辆中心与两侧车道线之间的横向距离;基于对实测数据的深度分析,明确立交出入口的车辆轨迹形态以及车道选择行为特征和驾驶人性别对轨迹形态的影响关系,挖掘车辆驶离（汇入）主线过程中的换道行为特征和驾驶风险影响因素。结果表明：(1)出入口类型对车道选择和轨迹形态有明显影响,相比于平行式出口,直接式出口的轨迹更顺畅,换道次数更少;(2)驾驶人在净距较近的2座立交驶入驶出时,进入主线路段更倾向选择辅助车道或者最外侧车道行驶,以减少换道次数;(3)出入口附近的主线车道数变化会影响驾驶人的车道选择行为;(4)驶离主线时,平行式出口的换道持续时间要高于直接式出口,而入口类型对于换道时间没有显著影响,78%驾驶人的换道时间为5～10 s;(5)出口区段的运行风险高于入口区段,可在出...     

考虑驾驶心理的封闭式道路车辆出匝换道模型

针对现有分流区车辆换道出匝模型对驾驶人心理因素考虑不足的问题,以换道紧迫感的概念来反映驾驶人心理对驾驶行为的影响,应用微分法建立了车辆出匝的换道模型。该模型揭示了车道数、减速车道长度、交通标志牌的设置、交通流量、行驶车速等对驾驶人出匝换道行为的影响。结果表明:考虑驾驶人心理的出匝换道模型在分流区上游端内更符合实际;驾驶人会依据交通环境对换道地点位置进行自动调节,但指路标志牌位置设置过近时,仍会使出匝车辆无法及时变更车道;交通流量的增大,会使出匝车辆的换道区间变得分散,换道行为更加激进。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

驾驶风格对驾驶行为的影响

为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式（换道意图和车道保持）进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明：驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数（p=0.002）、方向盘转角熵值（p=0.04）、加速踏板开度（p=0.01）、制动踏板开度（p=0.02）这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。     

驾驶人抑制控制对风险驾驶行为的影响研究

为研究驾驶人抑制控制能力与风险驾驶行为之间的关系,采用线索化Go/NoGo实验范式测量驾驶人抑制控制能力,结合抑制控制与风险决策行为特征构建模拟驾驶场景,基于驾驶模拟器系统对51名被试开展了模拟驾驶实验,记录驾驶人风险决策表现情况,并采集驾驶人操作和车辆运行数据,就抑制控制能力对风险驾驶行为的影响进行了分析.结果表明:...     

城市道路多车道交织区的微观驾驶行为特性

为明确城市道路立交交织区的微观驾驶行为特征,在重庆市主城区南山立交开展小客车实车试验,通过车载高精度GPS和Mobileye采集了32名驾驶员在自然驾驶状态下的交织区实测数据,获得了交织区以及邻近路段范围内的行驶轨迹特征、速度特征、车辆汇入行为、换道时间等微观驾驶行为的变化规律和分布特性,并分析了驾驶人性别、气质类型对微观驾驶行为的影响.结果表明,驾驶人在交织区范围内会经历减速和加速2个阶段,内敛型驾驶人进入交织区时的减速长度显著大于外向型驾驶人,交织区内的加/减速度幅值在±0.5m/s2范围内,交织区进口速度高于出口速度.在交织区范围内,男性驾驶人比女性驾驶人更早执行换道操作;另一方面,男性驾驶人穿越三角区再汇入车流的危险行为占比较大,容易导致交通事故的发生.男性驾驶人和外向型驾驶人通常更偏向以较高的速度通过交织区,并且换道持续换道时间较短;女性和内敛型则相反,速度普遍偏低,且需要更长的换道时间.      

人机混驾交通流交织区换道模型切换控制策略

因交织区的强制换道存在紧迫性, 车辆换道行为在交织区后半段会出现因换道意愿强烈而产生的激进换道行为, 这种微观的换道行为将给交通流带来一定影响; 在人机混驾情形下, 不同类型换道切换控制模型同样可能影响交织区通行能力。在分析人机混驾交通流交织区换道行为特性的基础上, 将换道类型分为保守型换道和激进型换道; 在可接受安全间隙模型的基础上结合自动驾驶车辆间的协同行为, 构建自动驾驶车辆在保守状态下的协同换道模型; 以及在激进型状态下考虑目标车道后车类型影响下, 构建激进型换道模型。通过分析津保立交桥实地调研轨迹数据和NGSIM中US-101交织路段轨迹数据, 分别拟合了保守型、激进型换道模型切换点分布函数; 考虑不同车辆驾驶行为特性及其相互作用, 提出人机混驾条件下换道模型切换控制逻辑决策。以SUMO仿真软件搭建实验平台, 考虑人工驾驶车辆换道模型切换点分布特性, 以优化最大流率、交织区整体车辆运行速度、换道车辆速度等为目标, 确定不同自动驾驶车辆渗透率下自动驾驶车辆的最佳保守型-激进型换道模型切换点。仿真结果显示: 在交织区长度为250 m, 自动驾驶渗透率分别为0.2, 0.5, 0.8时, 自动驾驶换道模型切换点分别在180, 80, 50 m处达到最佳, 即随着自动驾驶渗透率的提高, 换道切换点最佳位置将向交织区入口处逐渐移动, 且在自动驾驶渗透率较低时这种换道切换点的变化较为明显; 在较高渗透率下, 由于协同换道出现频率增高, 自动驾驶强制性换道行为比例降低, 换道模型切换点对交织区通行能力的影响逐渐变小。本项研究对人机混驾条件下高速公路交织区自动驾驶车辆的换道控制提供决策依据      

基于驾驶人不满度的高速公路自动驾驶换道决策

为了实现高速公路的自由换道行为决策，并满足行车安全高效性、决策结果平稳无震荡、与运动规划模块结合引导车辆行驶等要求，提出了一种基于驾驶人不满度的换道行为决策方法。首先，根据驾驶人的速度期望建立了驾驶人不满度累积模型，并基于驾驶人速度不满累积度产生换道意图。其次，依据不同车道障碍车的运动状态，设计了2种目标车道选择策略，通过预测引擎对各个待选车道进行预测和评估，选取其中行车效率较高的车道作为目标车道，同时建立换道最小安全距离模型，用以在换道全过程中判断换道的可行性。然后，将换道行为决策的结果以目标车道的形式传递给基于改进人工势场的运动规划模块，用于运动规划模块目标的选取，以引导车辆横纵向运动。最后，在CarSim/PreScan/Simulink的联合仿真平台和硬件在环平台上建立多种测试场景，验证换道行为决策算法。试验结果表明：换道行为决策算法能够依据驾驶人速度不满累积度产生稳定的换道意图，进而根据所设计的换道策略选取具有更高行车效率的目标车道，并在换道过程中持续判断换道的可行性，以应对障碍车辆突然加减速等突发状况，保证换道过程的高效性和安全性；换道行为决策算法通过目标车道的转换，引导运动规划模块调整车辆的运动，实现跟车、换道等行为。     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

人-车-路交互下的驾驶人风险响应度建模

人机共驾中，共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态，对行车风险场模型进行重构，通过构建风险场力作用机制，建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型，用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果，对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性，在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中，驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）；风险响应度较高的保守型驾驶中，驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1，标准差为1.25 s^-1），单位时间内制动操作最多[均值为0.65次·（15 s）^-1]，总体驾驶风格倾向于规避风险；风险响应度较低的激进型驾驶中，驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1，标准差为0.42 s^-1），相较于保守型驾驶，单位时间内加速操作较多[均值为0.48次·（15 s）^-1]，制动操作较少[均值为0.50次·（15 s）^-1]，总体驾驶风格倾向于追求行驶效率；风险响应度居中的平衡型驾驶中，驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1，标准差为0.36 s^-1），单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少，对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法，所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现，更为全面地反映驾驶人的个性化驾驶状态。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

考虑驾驶风格的智能车自主驾驶决策方法

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3%.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0%,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.      

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.     

城市快速路匝道合流区车辆交互行为模式

在城市快速路匝道合流区,驾驶任务难度主要来自于车辆与其周边车辆之间的动态交互,目前对这种交互行为的特征和机理的认识还不十分清楚。基于从无人机视频中提取的高精度车辆轨迹数据,提取出表征车辆交互行为的指标TTC和GAP,并结合速度、加速度、车道位置等其他指标,对车辆的交互过程加以刻画,从中获得了大量交互行为实例,并在此基础上归纳总结出9种典型的车辆交互行为模式。通过分析各模式特征发现：即使在相同的外部环境下,车辆交互行为模式也可能存在差异,这表明交互行为不仅与车辆之间的相对位置、时空距离、速度状态等环境因素有关,还与驾驶人的应对能力、动机及风险意识等认知心理有关;另外,不同的交互模式面临的风险不同,并且该风险既可能是周边车辆行为发生改变而被迫卷入,也可能是驾驶人自身主动寻求的结果;9种不同类型的交互行为模式,构成了驾驶人自行感知的4种风险状态互相转换的具体实现形式;在驾驶过程中,驾驶人努力寻找契机并选择某种交互行为模式在各个风险状态之间来回切换,并非仅由心理压力较大的危险态向压力较小的自由态转换,也会发生反向转换,前者主要由降低事故风险和减少认知努力的动机驱动,后者旨在追求行车效率,但同时驾驶人会付出更多的认知努力以对抗风险的增加,这充分反映了驾驶人试图在行车效率、事故风险与认知努力三方面取得平衡。研究成果对深化理解驾驶行为及其背后的决策机制具有积极意义。     

多车道复杂环境下驾驶倾向性状态辨识

驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度,是车辆安全驾驶辅助系统,特别是其碰撞预警系统中汽车驾驶人意图等心理、意识计算必须考虑的核心参数.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,获取不同态势下驾驶倾向性特征数据,利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型.实验验证表明,所建模型对驾驶人倾向性类型的辨识准确率可达到91％以上,能够适应多车道情况下驾驶人倾向性类型的动态识别,为以人为中心的个性化汽车主动安全系统的实现提供理论基础.     

危险驾驶环境下高速公路施工区交通冲突研究

为保障高速公路不停车施工作业区的服务水平和通行安全,基于交通冲突技术对施工作业区车辆行驶状态进行分析。分别通过驾驶员状态、车辆行驶速度、车辆加速度状况对分心驾驶、超速驾驶和鲁莽驾驶进行分析,并运用监督分类模型进行鲁莽驾驶识别,分析3种危险驾驶行为的交通冲突状况,运用距离碰撞时间模型获取施工作业区追尾冲突和换道冲突严重程度。结果表明,有监督分类算法中急变速召回率、急变道召回率和算法准确率均可达到90%;施工作业区追尾冲突的一般和严重阈值分别为3.7 s、2.1 s,换道冲突的一般和严重阈值分别为4.9 s、2.7 s。     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...