考虑驾驶员性格特性的跟驰模型

引入驾驶员个体行为差异到传统的交通流模型中,建立了反映驾驶员性格的车辆跟驰模型.以概率反映驾驶员性格特性分布,用权重系数表示不同性格驾驶员在操作方面的差异,运用交通调查的方法对模型参数进行了识别.最后,用本文所建立的模型对车队在城市交叉路口的启动过程进行了仿真.仿真结果表明,不同类型的驾驶员在跟驰过程中,速度出现明显的波动,反映了驾驶员的个体差异,与实际交通更为接近.     

基于智能驾驶员模型的危险跟驰行为特征分析

为提高危险跟驰行为研究的效率和可靠度,创新研究基于智能驾驶员模型(IDM)模型参数的危险跟驰行为定义方法。首先,以NGSIM自然车辆数据集为基础提取跟驰轨迹数据,并通过遗传算法标定IDM模型参数,挖掘驾驶员跟驰行为特征;其次,在分析跟驰行为特征指标分布规律的基础上,考虑指标间的相关性,确定各等级危险跟驰行为指标阈值;最后,设计车辆跟驰的仿真试验,选择6个指标对不同级别危险场景下的交通运行仿真结果进行评价。结果表明,危险驾驶员跟车间距更小,间距波动系数较大,并且会干扰交通整体运行。     

考虑驾驶员反应能力的跟驰模型

考虑驾驶员个体行为差异,对驾驶员的反应时间进行了分析,利用统计分析与概率论相结合反映驾驶员反应能力特性分布.在传统跟驰模型的基础上,结合最优速度差模型,建立了反映驾驶员反应能力的车辆跟驰模型.该模型对城市交叉路口车队启动过程进行了仿真,仿真结果表明:后面车辆的启动都会出现延迟,延迟时间的长短以概率的形式反映了驾驶员的个体差异,与实际交通更为接近.     

基于Multi-Agent System的跟驰模型

利用Agent相关理论,基于多个相互协作的Agent,构建了基于Multi-Agent System的跟驰模型,具体给出了各Agent的结构和元组构成,以使车辆在跟驰环境下能自适应、主动地对环境进行响应并做出决策.此外,基于构建的跟驰模型给出了数值仿真实例,并得到合理结论.     

高速公路意外事件影响下的车辆跟驰模型

应用智能主体技术, 针对双向四车道高速公路意外事件影响下的车辆跟驰行为, 建立了基于智能主体的车辆跟驰模型, 利用西部高速公路交通调查统计的数据, 对车辆主体的间距愿望进行了定量分析, 利用比例微分控制确定车辆主体的加速度响应, 建立了不同加速度队列的逻辑意图, 使模型的加速度响应符合车辆的动力特性。利用开发的EAD-Simulation系统, 在特定和随机两种不同过程下对模型进行的测试表明: 利用智能主体技术描述高速公路意外事件影响下的跟驰行为, 可充分发挥其个性、自治性和自适应性的特点, 在主体的属性描述中利用比例微分控制“类阻尼”的特性, 可有效地对车辆主体的稳定性进行控制。     

沙尘环境下交通流跟驰模型及仿真

沙尘环境下,沙、尘土及其他异物会影响驾驶员的视线,让驾驶员额外增加辨别道路条件和周围交通状况的反应时间,带来一定的交通安全隐患.为探讨沙尘环境对道路交通流的影响,本文建立了基于沙尘环境下驾驶行为的跟驰模型(SDM).线性稳定性分析和数值模拟结果表明：沙尘环境下,SDM的稳定区域缩小,交通流出现小的扰动后,难以恢复到稳定状态;而且,交通流受沙尘影响越严重,车辆速度的离散性越大,加速度的波动幅度也越大.可见,沙尘环境使交通流处于不安全的状态,易引发道路交通事故.     

实时道路条件的跟驰模型研究

为了研究实时道路条件对车辆跟驰行为的影响,应用车辆动力学结合车载GPS和传感器数据实时估算路面与轮胎间的附着系数,并应用附着系数对智能驾驶模型的最小期望跟驰间距进行修正,建立考虑实时道路条件的跟驰模型。对模型的分析表明:考虑实时道路条件的跟驰模型在保证乘客舒适性的基础上能提高道路的服务水平。     

车辆跟驰模型研究进展

梳理了近70年关于跟驰模型的研究, 根据建模方法将其分为理论驱动与数据驱动2类模型, 并归纳了跟驰模型的研究热点; 从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述; 根据所用机器学习算法的不同, 从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明: 理论驱动类跟驰模型以理论推演交通现象, 对影响因素的考量难以全面, 部分人类因素难以量化, 驾驶人决策制定过程的解释不够准确, 异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明; 数据驱动类跟驰模型以交通现象归纳交通规律, 由于数据的来源、评价指标及评价方法不同, 导致应用机器学习算法得到的模型无法系统比较; 数据驱动类模型侧重于从微观角度研究驾驶行为特性, 对复杂交通现象(如交通震荡、迟滞等)的解释性不强; 跟驰模型的研究应创新数据采集方法, 捕捉驾驶人的心理倾向、感知特性和认知能力, 并量化人类因素的影响和充分利用大数据; 数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持; 在自动驾驶完全普及之前, 人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型,是交通流理论 的基础。近年来,信息感知与获取、大数据、人工智能等技术快速发展,推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型,是以真实的车辆行驶数据为基础,利用数据科学与机器学习等 理论和方法,通过样本数据的训练、学习、迭代、进化,挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮,归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型,并分别介绍了其中的典型代表。分析数据源发现,尽管各 种高精度轨迹数据不断涌现,目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据,模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量,是否有必要考虑更多行为变量,现有输入、输出 是否可替换。在模型测试与验证方面,发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后,探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理,帮助研究者更好地了解数据驱动跟驰模型的过去与现状,促进相关研究的快 速发展。     

纯微观车辆跟驰行为研究与仿真

车辆跟驰作为交通领域研究的一个重要课题,在现实生活中具有重要的实际意义.为了研究车辆在行驶过程中的跟驰特性,首先,依据车辆跟驰原理,在原有微观车辆跟驰模型的基础上,对模型进行了改进和完善,使之更切近实际.然后,以VC6.0为平台,对纯微观车辆跟驰运行过程进行仿真,仿真结果直观地表现车辆在跟驰过程中速度、加速度的变化,反映出车辆的跟驰特性,以期对相关交通问题的解决提供有益的探索.     

考虑车辆调度和调度员分配的共享汽车混合车队规模优化

针对电动汽车存在充电续航问题与传统燃油汽车存在环境污染问题的矛盾,本文提出共 享汽车混合车队规模优化方法。首先,在不考虑成本条件下,分析动态车辆调度和实时调度员分 配对共享汽车系统需求满足和车辆利用的影响。然后,针对由传统内燃汽车、混合动力汽车、插 入式混合动力汽车和纯电动汽车构成的混合共享汽车系统,考虑车辆调度和调度员分配,以运营 商利润最大化为目标,CO2排放量和道路拥堵为约束,构建混合车队规模优化模型。通过Matlab 调用Gurobi求解器求解上述混合整数线性规划模型。最后,以成都市为例,分析不同CO2排放量 约束,以及车辆调度对共享汽车运营商利润、不同类型的车队规模、车辆利用率和用户需求满足 率的影响。同时,比较单一车队和混合车队共享汽车系统,结果显示,混合车队和单一插入式混 合动力车队可以实现经济效益和环境效益的双赢,是目前最适合共享汽车系统发展的模式。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求,提高智能车辆人-机交互协同的满意度和接受度,构筑双层驾驶人跟驰模型框架,提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先,提取个体驾驶人跟驰均衡状态的数据,采用高斯混合和概率密度函数(GaussianMixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型,即驾驶人期望跟车距离模型。然后,将期望跟车距离参数引入模型,基于高斯混合-隐马尔可夫方法(GaussianMixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性,建立第2层模型预测加速度,即个性化驾驶人跟驰模型。其次,研究不同高斯分量个数对模型效果的影响,对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后,8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性;在最优高斯分量数量下,8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2,在测试集上为0.123 m·s-2;随机选取其中1位驾驶人的2个跟车片段数据进行模型计算,结果显示,加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2,预测效果优于Gipps模型、ODM模型、单层模型及通用模型30%以上,与驾驶人实际跟驰行为的吻合度更高。     

道路几何设计对IDM模型跟驰行为的影响

考虑道路几何设计参数转弯半径、超高、坡度对车辆跟驰行为的影响,对车辆跟驰智能驾驶员模型(IDM)进行了改进.结合二自由度车辆动力学模型,利用Matlab/Simulink建立改进后的跟驰模型并进行仿真.仿真分析发现:在具有转弯、超高和坡度的道路上,改进后的模型,其跟驰车辆车头时距增大,行驶速度减小,保证了车辆行驶的安全性;车辆横摆角速度和侧向速度随半径和超高的增加而减小,保证了汽车操纵稳定性.结果表明,改进后的模型能够更准确地描述道路几何设计对车辆跟驰行为的影响.     

��ѩ�����µĽ�ͨ��Ԫ���Զ���ģ��

利用元胞自动机,建立了冰雪条件下城市道路单车道和双车道交通流微观模型。针对冰雪条件下驾驶员出于安全考虑降低车速、保持较大车间距的现象,细化了元胞尺寸,引入反映不同冰雪条件的速度因子参数和间距因子参数。通过数值模拟,得出了正常天气和冰雪天气下的车辆速度、密度、流量间的关系曲线,并分析了不同冰雪条件对交通流的影响。研究发现,中雪条件下的车速波动程度及范围最大;基本图显示冰雪条件对于临界密度、最大流量等参数影响较大;冰雪条件下的亚稳回滞现象不明显,未出现换道频率局部最大值。     

冰雪条件下的交通流元胞自动机模型

利用元胞自动机,建立了冰雪条件下城市道路单车道和双车道交通流微观模型.针对冰雪条件下驾驶员出于安全考虑降低车速、保持较大车间距的现象,细化了元胞尺寸,引入反映不同冰雪条件的速度因子参数和间距因子参数.通过数值模拟,得出了正常天气和冰雪天气下的车辆速度、密度、流量间的关系曲线,并分析了不同冰雪条件对交通流的影响.研究发现,中雪条件下的车速波动程度及范围最大;基本图显示冰雪条件对于临界密度、最大流量等参数影响较大;冰雪条件下的亚稳回滞现象不明显,未出现换道频率局部最大值.     

基于改进优化速度函数的跟驰模型研究

为了探究车辆跟驰中车头间距与速度的关系函数,采用高精度车载GPS设备获取了大量基于时间序列的车辆跟驰数据,根据实测车头间距—平均速度关系构建了改进的优化速度函数.对原优化速度函数和改进的优化速度函数进行了参数标定,并对两个函数进行了微观向宏观交通参数的推导,结果表明,改进的优化速度函数能更好地描述车辆跟驰中微观和宏观交通参数之间的关系.最后对基于两种函数的全速度差跟驰模型进行了数值模拟,结果表明,基于改进的优化速度函数的跟驰模型具有更好的稳定性.     

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

冰雪路面通行能力衰减分析

道路通行能力是道路的一种性能,是度量道路疏导车辆能力的指标。在冰雪路面条件下,由于车辆制动性能的显著降低及冰雪给驾驶员带来的心理变化,道路通行能力受到很大限制。经计算分析,冰雪路面通行能力只有正常路面的25%～50%。     

���߹�·��ѩ�����½�ͨ���пɿ����о�

为了评价冰雪环境对公路网运行质量的影响,以便及时制定相应的管理对策将冰雪灾害的影响降到最低,提出了应用交通运行可靠度评价公路运行质量的方法,并以行程时间作为评价指标.以黑龙江省的干线公路网为研究对象,根据实测数据验证了降雪情况下路段的行程时间符合正态分布的特性.应用可靠性理论和概率与数理统计理论建立了路段可靠度计算模型,根据路面磨擦系数与行程时间的关系,提出了行程时间的阈值和判定冰雪灾害发生的标准.根据黑龙江省干道网的布局,建立了路径和路网可靠度的分析方法,并应用实例验证了本方法的可行性.     

冰雪条件下城市道路交通安全评价方法研究

在城市道路交通运行环境中,冰雪路面对机动车行驶安全性有着显著的不利影响.本文通过采集积雪路面、粗糙冰路面、光滑冰路面、冰雪混合路面的摩擦系数数据,基于驾驶员在冰雪路面行车时的制动反应时间与制动距离分析,计算给出了不同类型冰雪状态下对应不同行驶车速的机动车停车距离.基于车间距与停车距离定义了冰雪路面的行车安全度,分析结果...