基于换道概率分布的多车道交织区元胞自动机模型

交织区是快速路系统的重要组成部分，由于车辆频繁换道、相互作用复杂，容易造成交通瓶颈。本文提取城市多车道交织区时间分辨率为0.1 s、空间分辨率为0.1 m·px-1 的高精度车辆轨迹，分析交织区及相邻路段的交通流和车辆行为特性，提出分区元胞自动机模型。在上游和下游换道模型中，建立基于速度差、车辆间距的换道动机规则、间距规则及Logistic换道概率规则。对于交织影响区，建立考虑速度、间距及路径转换需求的换道动机规则，根据安全风险构建换道时机的多步决策规则，提出基于换道频率Gaussian分布模型的换道概率规则，并对主要参数进行灵敏度仿真测试分析，模型具备评估交织区不同换道状态的实际应用潜力。仿真与实测显示，本文 模型流量、速度、密度及换道分布等特性与实际相符，能有效反映车辆在不同位置的换道需求与强度差异性，刻画多车道交织区复杂的换道行为。     

城市连续隧道交织区主线交织车辆换道点选择行为研究

基于城市连续隧道交织区分析主线交织车辆换道点选择行为,以实地采集的车行轨迹数据为基础,利用随机森林模型分析主线车辆换道点选择行为特征及影响行为决策的影响因素,而后分别采用支持向量机模型与随机森林模型进行换道点选择行为决策建模和对比分析。研究结果表明：影响主线交织车辆换道点选择的主要因素为目标车辆状态以及本车道的后车状态,且经特征筛选之后建立换道决策模型的精度更高,其中支持向量机模型可以较好的刻画换道行为,模型的预测精度不低于85%。研究成果有助于在仿真模型中更准确描述换道点选择行为,同时为城市连续隧道交织区的优化和辅助驾驶策略制定提供支撑。     

城市干线短交织区元胞自动机多级换道决策模型

为探索城市干线短交织区交通运行特性,基于高精度车辆轨迹数据,提出细化元胞尺寸与步长的交织区元胞自动机多级换道决策模型.划分上下游、交织影响区等多个分区,独立设置变量与规则进行建模;考虑车辆换道速度差、间距及换道安全风险,建立上下游换道模型,交织影响区多级换道决策模型;对未分区换道模型(I),分区STCA换道模型(II),分区多路合流换道模型(III),本文模型(IV)进行仿真验证.与实测数据相比,本文模型平均车道流量误差仅为 1.64%. 模型 I~IV 在交织影响区的平均速度误差分别为 98.35%、23.77%、16.46%、7.45%,换道次数误差分别为33.34%、97.75%、62.97%、11.85%.结果表明,本文模型能有效模拟短交织区复杂的换道行为及交通流特性.     

强制性换道的空间特征对分流区交通流的影响

为研究车辆在多车道分流区的跟驰换道行为，将强制性换道划分为激进型和保守型.在考虑驾驶员换道需求与空间位置关系的基础上，量化两种强制性换道行为的转换条件，并给出车辆强制性换道规则；对跟驰模型中的减速度参数进行优化，建立多车道下分流车辆的跟驰换道模型；采用实际数据标定模型中关键参数，并验证模型的可行性.仿真结果表明：分流车辆的横向空间分布对交通流的干扰具有显著性影响；当分流车辆集中在最左侧车道时，中间2车道的运行速度波动明显，折减量最大时达到51.4%，恢复稳定所需时间更多；通过 4组实验场景发现，分流车辆的合理空间分布对交通流运行速度有较大的改善作用.     

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图，提高车辆行驶安全性，综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度，提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先，筛选和平滑处理车辆轨迹数据，将车辆轨迹数据分为向左换道、向右换道及直线行驶3类，构建换道意图样本集。其次，构建融合注意力机制的 CNN_GRU模型，识别换道意图样本集，考虑到行驶过程中车辆之间的交互性，将被预测车辆和周围车辆的位置和速度信息作为模型的输入，经过CNN层特征提取的特征作为GRU层的输入，经过注意力机制层对不同的特征增加不同的权重系数，利用 Softmax 层识别换道意图。最后，选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能， 同时，与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明，所提模型车辆换道意图识别整体准确率达到97.37%，迭代时间为6.66 s，相比于其他模型准确率最多提高9.89%，最少提高2.1%。分析不同预判时间下的意图识别，模型可在车辆换道前2 s 内均能识别换道意图，准确率在89%以上，表现出良好的识别性能。     

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。     

基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论...     

基于时域卷积网络与注意力机制的车辆换道轨迹预测模型

精准的车辆轨迹预测模型可以为自动驾驶车辆提供其周围车辆的准确运动状态信息,进而判断本车与周围车辆短期内是否有发生冲突的可能性。本文提出一种基于时域卷积网络与注意力机制(Temporal Convolutional Networks with Attention mechanism,TCN-Attention)的车辆换道轨迹预测模型。该模型以时域卷积网络作为当前输入的特征提取器,利用时间与空间注意力机制使模型在不同时间和空间位置之间建立动态关联,更准确地捕捉车辆之间的动态时空相关性,实现准确预测车辆换道轨迹。与传统单一车辆轨迹特征输入不同,本文通过对输入特征进行多维扩充与融合,进一步提高了轨迹预测准确率。此外,本文提出一种换道执行起止时刻定义方法更准确地确定数据集中的换道起止时刻。实验表明,本文所提模型能以高准确率预测变换车道轨迹,在整体效果上优于其他深度学习模型,与ConvLSTM (Convolution Long Short-Term Memory)相比,TCN-Attention的平均绝对误差(Mean Absolute Error,E_MAE)降低了69.8...     

多车道交织区车辆跟驰行为风险判别与冲突预测

车路协同系统(IVICS)是保障安全高效出行的新兴技术之一,将高精度车辆轨迹数据与机器学习方法相结合,提出一种可应用于IVICS的多车道交织区的潜在风险判别与冲突预测方法.首先,基于无人机视频,从广域视角提取交织区交通矢量位置、速度等信息,并划分上下游、交织影响区等多个分区;然后,考虑决策行为(车车边缘距离、接近率)与...     

结构化道路智能车辆换道轨迹规划

针对结构化道路的智能车辆自主换道轨迹规划,提出碰撞锥模型与鲸鱼优化算法相结合的轨迹规划方法。以换道车辆安全性和稳定性评价指标为优化目标,建立优化函数与约束条件,通过鲸鱼优化算法获得最优换道轨迹。结合模型预测控制方法,运用MATLAB/Simulink与CarSim进行算法验证。实验结果表明：文中方法实时性较强,在不同车速和转向轨迹下能够实现安全稳定换道。     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.     

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

变道约束下近邻交织区交通均衡组织方法

针对相邻较近的交织区车辆持续交织运行特点,以提高交织区通行效率及交通安全为目标,提出一种基于变道约束下近邻交织区交通均衡组织方法,旨在计算不同时段交通量所对应近邻各交织区的最佳提前变道诱导距离,以减少近邻交织区车辆相互干扰,降低平均交通延误,提高道路通行效率.对重庆市海峡路两段近邻交织区的日均交通量(4 092 pcu/h),早高峰时段交通量(5 340 pcu/h),晚高峰时段交通量(4 596 pcu/h),以及年均交通量(3 276 pcu/h)进行仿真建模分析.实验选取近邻交织区内累计平均延误作为近邻交织区的评价指标,利用仿真软件(Vissim 4.3)持续仿真 40次.结果表明,最佳提前变道约束距离为交织区长度的 60%,其相应的平均交通延误分别降低了57%、73%、63%和72%.     

变道约束下近邻交织区交通均衡组织方法

针对相邻较近的交织区车辆持续交织运行特点,以提高交织区通行效率及交通安全为目标,提出一种基于变道约束下近邻交织区交通均衡组织方法,旨在计算不同时段交通量所对应近邻各交织区的最佳提前变道诱导距离,以减少近邻交织区车辆相互干扰,降低平均交通延误,提高道路通行效率.对重庆市海峡路两段近邻交织区的日均交通量(4 092 pcu/h),早高峰时段交通量(5 340 pcu/h),晚高峰时段交通量(4 596 pcu/h),以及年均交通量(3 276 pcu/h)进行仿真建模分析.实验选取近邻交织区内累计平均延误作为近邻交织区的评价指标,利用仿真软件(Vissim 4.3)持续仿真 40次.结果表明,最佳提前变道约束距离为交织区长度的 60%,其相应的平均交通延误分别降低了57%、73%、63%和72%.     

侧向碰撞风险对交织区汇合行为的影响

为研究高速公路交织区匝道车辆的汇合行为,基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)构建了交织区汇合加速度模型,利用美国 Next Generation Simulation (NGSIM)车辆轨迹数据提取汇合车辆与周围车辆之间的横纵向距离差、速度差及加速度等交通 参数作为候选变量,将1 s后的汇合加速度作为预测变量,对模型进行五重交叉训练和测试,获取 模型最佳参数组合,引入横向距离碰撞时间 TC 分析汇合过程中侧向碰撞风险对汇合加速度的影 响。研究发现：与基于视角的刺激-反应模型(VASR)相比,本文模型的预测精度更高;引入变量 TC 在均方误差(MSE)、平均绝对偏差(MAD)和R2这3个指标上均优于原模型;在各影响变量之中,汇 合车辆与目标车道领车的速度差 ΔVPL 和横向距离碰撞时间 TC 对汇合加速度的影响最大,相对影 响程度分别达到20.2%和12.1%。研究发现,GBDT模型能够准确预测车辆汇合加速度,深入挖掘 变量和汇合加速度之间的非线性关系,引入变量 TC 能够有效提高模型精度。     

考虑交织影响累积效应的交通流模型

依托南京市某交织区路段,从微观方面对交织区车辆跟驰行为和换道行为等运行特征进行分析.在LWR模型与Jiang模型的基础上,分析现有模型的不足.在改进的守恒方程与动力学方程中分别引入不同的驶入与驶出换道影响项,同时针对不同换道方式,对换道敏感系数和模型的边界条件进行设定,并进行差分处理.利用实测数据对模型参数进行标定,并与现有模型进行对比.结果表明:驶入与驶出的交织车流对原车道和目标车道的影响并不相同,并且改进模型与实际交通流吻合度更高,误差更小.     

基于支持向量机的车辆驾驶行为识别研究

从车辆行驶轨迹的角度,车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备行为和车辆换道执行行为,它们对交通拥堵、交通事故等都有着重要影响,也是自动驾驶、交通仿真等系统的基础构成模块.然而,如何从实际微观交通流数据中对3种行为进行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法,使用真实车辆轨迹数据,为提高模型的准确率,首先对样本数据进行归一化和主成分分析预处理,然后采用网格搜索算法对惩罚因子和核参数进行寻优,最后利用样本数据对基于支持向量机的分类模型进行训练和测试.结果表明,模型的测试精度达到了98.41%,能够很好地识别车辆的行驶状态,为驾驶行为各阶段的研究提供支持.     

高速公路隧道临近段车辆换道持续时间生存分析

为研究高速公路隧道临近段车辆换道行为,提高隧道路段行车安全水平,在广东省的3条高速公路隧道临近路段开展自然驾驶试验,采集换道车辆的行车轨迹以及周围行车环境等数据。基于采集到的车辆换道数据,采用生存分析的全参数估计方法,考虑不同驾驶人换道风险感知水平的异质性,构建随机参数加速失效时间(AFT)模型,分析隧道临近段行车环境、车辆运行状态等潜在因素对车辆换道持续时间的影响。研究结果表明：相较于固定参数AFT模型,随机参数AFT模型具有更好的拟合优度;至隧道进口的距离、起始车道前车的车速差、换道方向和至目标车道前车距离会对高速公路隧道临近段车辆换道持续时间产生显著影响;车辆换道位置距离隧 道进口越近,至目标车道前车的距离越近,换道持续时间越短;相较于换道车辆车速大于起始车道前车的情况,换道车辆处于非跟驰状态和车速小于起始车道前车时,换道持续时间分别增加 7%和20%。研究结果可为高速公路隧道临近段交通安全设施改善和微观驾驶行为模型构建提供理论依据和方法指导。     

混合自动驾驶场景多换道需求下的主动间隙适配和换道序列规划

为解决城市道路拥挤状态下车辆可行换道间隙少、换道时间长,进而导致停车等待、堵塞后续车流等问题,本文基于智能网联环境下车辆之间的交互协同,提出了一种混合自动驾驶场景多换道需求下的主动间隙适配和换道序列规划模型.首先,采用多项式和三角函数分别描述了换道过程中的空间轨迹和速度曲线,得出了换道间隙可行性判别依据.在此基础上,构造了换道启动可行状态集合,并构建了单个换道请求下的间隙适配和协同换道的最优控制模型.然后,考虑多换道需求,构建了主动间隙适配和换道序列规划模型,对换道序列进行整体优化.最后,设计了数值仿真实验,验证了本文模型可对多换道需求进行时空优化.仿真实验结果表明,本文模型能够降低换道行为对城市道路通行能力的影响,且适用于不同的交通需求,模型可提升24％的道路通过量.     

计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。