基于多车协作优化的冲突消解模型

传统自动驾驶车辆以假设通行权为前提设计冲突消解算法,但在无信号交叉口存在道路通行权不明确情况,给自动驾驶车辆决策带来困扰.本文提出基于多车协作优化的无信号交叉口冲突消解方法,将多个自动驾驶车辆看成一个整体,利用多目标优化控制理论,计算分配给相互冲突车辆的期望速度规划,达到协作行驶的目的.设置协作与非协作式冲突消解仿真实验.结果表明：多车协作的冲突消解方法通过优化车辆联合行动,使交叉口车辆整体收益最大,各利益体间的收益更为均衡;与非协作行驶决策相比,冲突消解时间缩短,减少交叉口单车平均延误1~2 s,平均减少量约为5%.本文可为无信号交叉口自动驾驶车辆冲突时自主协同行驶提供参考.     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。     

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.      

无信号T型交叉口左转车辆驾驶行为对交通流的影响

为研究无信号T型交叉口主路左转车辆驾驶行为对交叉口交通流的影响,建立了元胞自动机无信号T型交叉口交通流模型,在开放边界条件下研究了不同左转车辆驾驶行为对交叉口车辆车均冲突频次与延误的影响.研究结果表明:左转车辆驾驶行为与交叉口车辆车均冲突、车均延误有密切关系.在保守型驾驶行为条件下,交叉口无车辆冲突,但相比于稳重型和冒险型驾驶行为,交叉口车均延误将更高;对于稳重型和冒险型驾驶行为而言,在交叉口车辆冲突方面,冒险型驾驶行为会导致交叉口产生更多的车辆冲突;在交叉口车均延误方面,当左转车流量较低时,冒险型驾驶行为下的交叉口车均延误更高,随着左转车流量的增加,冒险型驾驶行为下的交叉口车均延误逐渐低于稳重型驾驶行为下的交叉口车均延误.     

考虑二次排队的智能网联车生态驾驶策略

为避免车辆在交叉口的急加减速与启停现象,减少车辆燃油消耗和污染物排放,提出了一种考虑二次排队的智能网联车生态驾驶策略。首先构建了考虑驾驶员反应的交叉口处排队车辆的改进IDM跟驰模型,通过信号配时、车辆排队长度等信息估计排队车辆消散时间;其次,依据交叉口处是否出现车辆二次排队,将生态驾驶策略分类为“前方车辆在绿灯时间清空”和“前方车辆二次排队”两种情况,结合智能网联车与交叉口的距离等信息优化车辆行驶轨迹;最后将提出的生态驾驶策略与自由驾驶在不同排队长度场景下进行对比仿真实验。仿真结果表明：相较于自由驾驶,生态驾驶策略能够有效减少车辆的急加减速与停车行为,随着交叉口排队长度的增加,生态驾驶策略的优化效果更加明显;当排队车辆在第一个绿灯时间消散时,采用生态驾驶策略的车辆的总体油耗降低了9.98%,CO₂、CO、HC、NOx平均排放量分别降低了11.69%、20.14%、1.66%和29.09%;当交叉口处出现车辆二次排队时,采用生态驾驶策略的车辆总体油耗降低了15.0%,CO₂、CO、HC、NOx平均排放量分别降低了15.42%、27.51%、2....     

关于信号交叉口绿灯间隔时间的研究

针对目前国内常用的绿灯间隔时间计算公式表示的模型比较简单和理想化的问题,结合汽车工程学分析车辆在交叉口的实际行驶速度情况和运行轨迹提出分析模型,通过分析上下两冲突相位中上一相位绿灯尾车和下一相位绿灯头车在绿灯间隔时间内行驶至冲突点的实际驾驶行为与相应的速度情况提出最小绿灯间隔的计算公式,以达到能得到确保信号交叉口上下两冲突相位绿灯转换之间车辆能安全通过交叉口的最合理的绿灯间隔时间计算方法的目的。     

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

面向智慧高速的合流区协作车辆冲突解脱协调方法

根据网联自动驾驶车辆接近合流区的全过程特征, 设定智慧高速合流车辆行驶的协调控制流程; 针对高速公路合流区冲突风险问题, 考虑车辆时间需求强度、车辆类型和行驶意图等因素, 提出了基于合作博弈理论的高速公路合流区网联自动驾驶车辆冲突解脱协调方法; 利用MATLAB软件对不同条件下的车辆通过合流区进行了仿真验证。仿真结果表明: 智慧高速合流区车辆行驶协调规则能够实现网联自动驾驶车辆的通过请求协调, 在合作博弈作用下能够进一步实现冲突系统虚拟支付成本最低的车辆调整决策; 合流区车辆系统虚拟风险程度随着速度的降低而降低; 当严格执行协调决策时, 网联自动驾驶车辆在合流区通过过程中具有更高的稳定性; 当潜在冲突点长度在一定范围内, 两网联自动驾驶车辆行驶速度相同时的合作博弈效果优于车辆行驶速度不同时的合作博弈效果; 利用该协调方法将冲突解脱过程的虚拟支付成本降低了9%~14%, 大大提高了网联自动驾驶车辆合流区通过过程的安全性。     

绿灯倒计时信号对驾驶员行为决策的影响

为探讨绿灯倒计时信号设置的必要性及其对交叉口通行效率和安全的影响,基于行为决策理论,构建绿灯倒计时信号对驾驶员驾驶决策的Logistics模型.分析绿灯倒计时信号对车辆通过停止线时的速度(地点车速)和平均车头时距等车流特性指标的影响,研究车队连续性、地点车速、倒计时显示时间和是否营运车辆4个因素与加速行驶、减速行驶、匀...     

基于强化学习的智能车人机共融转向驾驶决策方法

针对智能车人机共融驾驶系统中人和自主驾驶系统的驾驶权连续动态分配问题,尤其是因建模误差导致的权重分配方法适应性低的难题,提出了基于强化学习的人机共融转向驾驶决策方法;考虑驾驶人的转向特性,搭建了基于双点预瞄的驾驶人模型,并采用预测控制理论建立了智能车自主转向控制模型,构建了智能车人机同时在环的转向控制框架;基于Actor-Critic强化学习架构,设计了用于人机驾驶权分配的深度确定性策略梯度(DDPG)智能体,以曲率契合度、跟踪精确性和乘坐舒适性为目标,提出了基于模型的收益函数;构建了人机共融驾驶权分配强化学习框架,包含驾驶人模型、自主转向模型、驾驶权分配智能体以及收益函数;为了验证方法的有效性,招募了8位驾驶人开展共计48人次的模拟驾驶试验。研究结果表明：在曲率适应性验证中,人机共融-DDPG方法优于人工驾驶和人机共融-Fuzzy方法,跟踪性平均提升70.69%、39.67%,舒适性平均提升18.34%、7.55%;在速度适应性验证中,车速为40、60和80 km·h^-1条件下,驾驶人权重大于0.5的时间占比分别为90.00%、85.76%、60.74%,且跟踪性相轨迹和舒适性相轨迹都能有效收敛。可见,提出的方法能够适应曲率和车速变化,在保证安全性的前提下提升了跟踪性和舒适性。     

基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型

为了提高自动驾驶车辆在复杂机非混行交叉口行车安全性、舒适性和效率,提出了一种基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型,并进行模型泛化;设定静态离散序列交叉口网格区域的划分规则,根据多状态通行行为概率转换关系,预测非机动车在细分网格中的运动状态,并动态评估机非冲突区域的风险等级;在此基础上,采用模型预测方法设计自动驾驶车辆的横纵向控制算法,通过自适应调节航向与速度实现跟踪期望轨迹并同步规避网格冲突区域;结合车辆动力学与外部交互环境等约束条件,开发交叉口四相位信号控制交通仿真平台,采用模型在环测试的方式,从效率优度、舒适性优度、实际规划路径与参考路径的偏移量等方面,验证了对左转机非冲突区域运动规划的有效性。研究结果表明：所提出模型能够有效动态提取和预测网格风险信息,确保自动驾驶车辆与驶入交叉口非机动车的安全交互、高效通行与驾驶舒适性,其规划路径的偏移量与同类算法相比最大可降低17.1%,通行效率最大可提高26.6%,舒适性优度最大可提高39.3%,实际路径跟踪表现出高效通过交叉口机非冲突区域和规划路径占用空间低的明显优势。     

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明：驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明：在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车辆安全、平稳、环保地行驶。     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明：多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。     

自动驾驶测试与评价技术研究进展

针对实际复杂交通运行环境中自动驾驶车辆整车级测试成本高、周期长、覆盖度低、缺乏完善工具链等难题,分析了自动驾驶测试与评价技术7大领域的研究现状,展望了未来发展方向,具体涵盖了自动驾驶车辆仿真测试技术、交通流仿真测试技术、硬件在环测试技术、场地测试技术、智能性评价技术、测试评价工具链与体系构建、认证与潜在缺陷检测技术等。在自动驾驶车辆仿真测试方面,分析了自动驾驶仿真测试软件、车辆动力学模型、测试背景车交互行为模型、云控平台监管的仿真测试与车辆仿真系统标准化的研究现状,总结了自动驾驶车辆仿真测试目前存在的主要问题;在自动驾驶交通流仿真测试方面,总结了测试背景车驾驶风格模型、交通流建模与仿真、交通场景生成方法和加速测试方法的研究现状,展望了自动驾驶交通流仿真测试的未来发展趋势;在硬件在环测试技术方面,总结了人-车-路-环多维数字孪生测试和自动驾驶车辆整车级系统平台构建方法,概述了高清摄像头、毫米波雷达、超声波雷达等典型传感器数据与车车/车路通信信号的模拟技术;在场地测试技术方面,综述了封闭场地测试、开放道路测试与高速公路测试相关测试场、测试标准和关键技术的发展现状;在智能性评价技术方面,从自动驾驶智能性概念、场景复杂度量化和评估、自动驾驶智能性评价体系与社会合作性评价方法四方面介绍自动驾驶智能性评价方法的研究现状;在测试评价工具链与体系构建方面,主要从测试评价工具链技术、自动驾驶测试评价体系、自动驾驶测试标准现状三方面介绍了自动驾驶测试评价标准体系现状;在认证与潜在缺陷检测技术方面,从自动驾驶缺陷的定义、致因分析、缺陷分类、缺陷检测等方面综述了目前自动驾驶的缺陷检测方法,总结了自动驾驶车辆安全保障面临的挑战。研究结果表明: 自动驾驶测试评价技术虽已取得较大进展,但测试评价标准体系仍不完善,现有测试工具与方法难以满足L3级及以上自动驾驶车辆测试需求;虚拟仿真与数字孪生技术发展应用水平较低,在拟真度、测试效率与整车级测试能力方面存在诸多不足;未来需进一步加强全场景、高保真建模技术与实时仿真软件研发,建立虚实交互的在线加速孪生测试系统,研究自动驾驶全栈危险测试场景生成和加速测试方法,整合自动驾驶测试技术和工具,形成自动驾驶测试评价的工具链,完善标准规范。     

考虑驾驶风格的闭环反馈车速引导方法研究

信号交叉口的车速控制不当会降低车辆的燃油经济性甚至引起追尾碰撞事故,车路协同环境下的车速引导系统可以有效提高信号交叉口处的通行效率和燃油经济性.现有车速引导研究大多忽略了驾驶员风格的差异性,将导致驾驶员无法准确跟踪引导速度.针对该问题,建立考虑驾驶风格的闭环反馈车速引导模型.首先,分析不同风格驾驶员车辆最大纵向加速度的...     

单向三车道高速公路合流区智能网联车辆协同汇入控制

为提高多车道高速公路入口匝道智能网联车辆合流安全性与通行效率,提出了一种基于规则的换道策略和一个时间离散的车辆轨迹优化模型,以进行协同汇入控制;以普通单向三车道高速公路匝道合流区为研究对象,将合流区及其上下游路段划分为4个区域,并对关键的提前换道区和协同合流区分别进行交通控制;在上游提前换道区,基于最小安全跟车间距和速度效益的换道规则,将部分主线外侧车道、中间车道的车辆在合流区上游提前换道至内侧相邻车道,以此减轻合流区外侧车道的交通压力,提高合流效率;在下游协同合流区,选取合适的周期时长,以周期内合流车辆行驶速度最大为目标,不固定合流点,规划合流车辆的纵向行车轨迹,引导匝道车辆在周期结束后汇入主线,实现协同合流;利用SUMO和Python仿真验证提出的协同汇入控制方法,并进行临界跟驰车头间距的敏感性分析。仿真结果表明：与无控制自然合流相比,提出的协同汇入控制方法在不同的交通需求水平下能使车辆平均速度提高4.9%~21.1%,平均延误降低29.9%~56.5%,且不会出现停车现象;与先进先出合流控制相比,在高匝道交通需求水平下能使车辆平均速度提高3.4%~9.6%,平均延误降低22.9%~39.4%;较低的临界跟驰车头间距可以更好地提高合流区通行效率,且在主线交通需求水平较高时更明显。