基于行驶轨迹的车辆换道行为预测方法研究

车辆换道行为是机动车在道路上行驶时的一种常见行为,对其进行预测能有效减少交通事故。基于NGSIM项目数据,对换道车辆换道时刻的行为特性进行分析,运用随机森林算法筛选出表征换道行为的参数指标：横纵向速度、加速度、偏角、车头间距以及相对时距,提出一种级联LSTM模型预测车辆在行驶过程中是否会发生换道行为,并与传统单层LSTM模型对比。结果表明：级联LSTM模型预测准确率可达93.6%,具有良好的换道预测效果且高于单层LSTM模型,可为自动驾驶和深度学习提供一定的理论参考。     

临近交叉口的车辆跟驰换道行为研究

临近交叉口的车辆往往呈现出复杂多样的跟驰换道行为.基于二维最优速度(OV)交通流模型,本文构建了一个改进的双车道车辆跟驰换道模型,以刻画交叉口前路段上的车辆跟驰换道机制及车流宏观特征.借助模型分析了换道车辆比例、换道期望参数和跟驰安全距离等对交通流宏观特征的影响.结果表明:换道车辆比例对通过停车线的进口道流量有负面影响,换道行为越多,进口道流量越小.换道期望参数越大,换道成功率越大;当道路拥堵时,增大换道期望会减少进口道流量.增大安全距离,容易提升换道成功率但会减小进口道流量,同时促使拥堵发生.     

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。     

智能车辆自由换道轨迹规划研究

针对目前传统换道模型存在的两个缺陷:一是忽略了换道过程中前轮转向角为0的情况;二是存在侧向加速度过大、产生跃变或轨迹曲率不连续等问题。通过对其它车辆换道模型的比较,并结合等速偏移轨迹函数其侧向加速度恒为0的优点和正弦函数换道轨迹具有优异平滑性的特点,提出了一种新的换道模型,该模型能够较好的解决已有的一些车道变换模型存在的不足。并用MATLAB仿真实验对几个换道模型进行比较,证实所提出的换道规则的可行性和优势。     

考虑与跟驰模型结合的自由换道模型及仿真

考虑跟驰过程与换道过程的结合,在车辆换道过程的具体实施过程中引入跟驰模型,以全速度差模型为基础,对换道过程中的换道加速度进行确定,并通过对天津市视频录像换道时间的统计分析,建立了换道距离与换道时车头偏角之间的关系.最后利用Netlogo平台对模型进行了实现与仿真分析,结果表明:该模型很好地体现了实际换道的特点.     

合流区竞争与协作换道判定方法与特性研究

为提高换道模型的精确性,基于接受间距、车头时距和碰撞时间三指标构建了竞争与协作换道行为的定量判定方法。首先,系统阐述了该方法的实施过程;然后,基于快速路合流区的车辆运行轨迹数据,通过实验验证了该方法的适用性;最后,对道路资源有限条件下的竞争与协作换道行为特性进行了统计分析,着重探讨了接受间距与相对速度关系、换道时间、后随车最大速度变化和加加速度等外显特征,并得到了不同接受间距下的竞争与协作换道概率。研究表明：所提竞争与协作行为的判定方法,能有效识别复杂环境中的换道行为类型;竞争与协作换道的接受间距均服从正态分布,在间距小于8m时,竞争换道发生概率随间距增大而增大,之后则随间距增大而减小;间距大于20m时,协作换道概率达到92.4%,竞争换道概率小于10%。     

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一,将车载参数和车辆位置参数相结合,提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验,采集18 位驾驶员的9 个车载实时参数数据,以及前后车辆间的相对速度、相对距离、相对角度,提取412 个换道行为单元和824 个车道保持行为单元,共 88 992 条数据. 运用数理统计方法分析表明,方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异,在这3 个特征参数的基础上,建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型,用部分样本对模型效能评价. 结果表明,混合模型对换道行为的识别精度为93.6%,具有良好的识别效果,可以很好地应用到 ADAS.     

高速公路车辆换道行为风险研究

换道作为车辆的基本驾驶行为之一,对道路上车辆的运行安全有着至关重要的影响.针对高速公路上换道行为导致事故频发的现状,通过对换道车辆及其相邻车辆在换道过程中的运行特征及位置、速度关系进行分析,构建车辆安全换道模型.研究结果表明:通过对不同换道特征的换道行为进行MATLAB仿真,可确定车辆之间的不同速度、加速度情况及驾驶员反应时间下的动态安全距离,以此来确定换道安全和风险的动态临界阈值,为自动驾驶换道预警系统提供理论上的支撑.     

基于神经网络与马尔可夫链的换道次数预测方法

为在先验数据有限情况下较精确地预测道路换道次数,提出基于神经网络与马尔可夫链的组合预测模型。采集路段区间平均车速和车流密度,采用BP神经网络训练初步拟合模型;运用马尔可夫链方法,进一步给出换道次数在表示高估、正常、低估的3组区间内的分布及概率,改善BP神经网络误差。运用组合预测模型对西安市某道路的换道次数进行了预测分析,结果表明,实际换道次数均在模型给出的较大概率的预测区间内,表明模型能够根据路段区间平均车速和车流密度较好地预测换道次数。     

基于随机效用模型的大城市与卫星城市间交通模式配置研究

在对大城市和卫星城市间复合交通模式进行分析的基础上,结合个人出行特性,提出了大城市和卫星城市间的典型交通模式;基于对个体出行行为的分析,探讨了随机效用理论在交通模式选择决策行为中的应用;以M NL模型为基础,研究了主卫城间复合交通模式的效用因子及标定方法,提出了模型在城间交通模式配置时的应用步骤;结合具体示例进行了分析验证.     

基于Stackelberg 博弈理论的自主性车道变换模型

本文提出了一种基于Stackelberg 策略的自主式车道变换模型.车道变换是一种 非常复杂的决策过程,很多因素会影响驾驶员做出变换车道的决策.本文关注自主式车道 变换情况,在自主式车道变换中驾驶员希望通过车道变换来得到更好的驾驶环境,例如 更高的速度或者更大的车头时距等.车道变换是一个决策的过程,在这个过程中驾驶员会 权衡诸多的因素并做出决策.在车道变换过程中目标车辆和在目标车道上的后随车辆会 相互产生影响.另外不同的驾驶员有不同的特点,即便在相同的交通环境下也会做出不同 的决策.我们利用Stackelberg 策略理论对驾驶员的车道变换决策行为进行建模,并利用仿 真对所提出的模型进行验证.     

车辆换道行为建模的回顾与展望

微观交通仿真工具在智能交通领域中发挥着越来越重要的作用,而换道模型则是微观交通仿真工具中最重要的组成部分.本文将换道模型按其应用分为自动巡航控制模型与计算机仿真模型.系统回顾了计算机仿真模型中的换道决策模型与换道执行模型.换道决策模型主要包括:规则模型、离散选择模型、人工智能模型、马尔可夫模型、生理—心理模型及生存模型;换道执行模型主要包括:运动波混合模型和元胞自动机模型.针对各个模型分别阐述了其研究对象、模型结构、参数标定及其模型的应用.最后,展望了换道行为建模未来的研究方向,为建立适合中国的换道模型提供参考.     

基于变向车道的平面交叉路口信号控制方法研究

对于多相位控制的平面交叉路口,为了降低路口的延误,提高路口的通行能力,可以通过设置变向车道,实施交叉路口的平面复合交通,来提高车道的利用率。为此,必须对该路口的信号控制方法进行相应的改进与调整：一是路口停止线的设置;二是路口信号灯的设置。     

���н�ͨ���з�ʽѡ���������Է���

影响城市交通出行方式选择的因素有很多,本文致力于分析具有随机特性的因素对出行方式选择的影响程度,即随机弹性.使用具有较好收敛性的集计交通战略STM模型作为分析出行方式选择的工具,并根据对道路实测数据的统计分析,验证了作为影响出行方式选择的重要因素——小汽车出行速度为随机变量并服从k阶爱尔朗分布.根据经济学的随机弹性理论,推导出小汽车出行速度对出行方式选择的随机弹性计算模型,利用北京市的实际数据验证了模型的有效性.并得出结论：交通政策指标（影响因素）的可靠度越高,政策目标对政策指标的弹性值越稳定、集中,即政策目标达到的可靠度越高,随机弹性分析模型可作为一种交通政策量化分析的工具.     

基于车辆碰撞约束的换车道安全分析

车辆的行驶行为可分为自由行驶、跟车行驶和换车道行驶等三种不同行为。换车道行驶过程中,车辆容易发生侧刮、对向相撞、追尾等交通事故。根据车辆运动规律,提出了换车道过程中三个避免碰撞约束条件,选择运行速度和加速度为安全评价指标,通过二阶加法评价方法计算危险系数,确定了不同换车道危险系数的安全等级,并以某山区高速公路为例,阐述了换车道安全评价的分析与应用。     

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.