自动驾驶汽车对城市空间形态的影响综述

基于城市规划视角的文献综述,分析自动驾驶汽车对居住人口分布、停车用地、区域可达性、街道设施环境等城市空间形态方面的影响。私人自动驾驶汽车相对共享自动驾驶汽车更可能诱发人口的郊区化,而这种影响在不同城市和人群间存在差异。自动驾驶汽车将带来城市停车用地的减少和更灵活的停车场布局,但可能产生更高的行驶里程。相较于大城市,自动驾驶汽车对农村或城郊区域可达性的提升效果更加显著。自动驾驶时代的街道通过缩窄车道、减少道路交通标志和信号灯,可提供更多的公共空间,但无交通信号灯管控车流的道路交叉口和较多的上落客空间对步行和自行车网络使用的流畅性带来不利影响。最后,针对中国城市面临的道路交通拥堵和环境挑战,提出应对自动驾驶汽车时代的规划政策建议。     

“半自动驾驶电车”与城市公共交通共生发展探讨

随着车辆保有量逐年上涨和城市规模增大,城市交通拥堵问题愈发突出。人们将越来越多的目光投向自动驾驶领域,但受制于法律、伦理、技术等难题,自动驾驶迟迟无法商业化落地。本文提出一种新颖的思路,以“半自动驾驶电车”为载体,开启自动驾驶的商业化落地步伐,提出“半自动驾驶电车”与城市公共交通共生发展的对策和建议,进一步加强智慧交通建设,为新时代建设公共交通强国提供有益探索。     

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明：自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。     

自动驾驶影响下的出行行为研究综述

从小汽车出行总需求、出行方式选择、在途时间利用三方面梳理了自动驾驶影响下的出行行为研究现状,分析了用于研究自动驾驶对出行行为影响的数据基础与研究方法,总结了影响自动驾驶环境下出行方式选择的关键因素,指出了出行行为研究存在的问题和未来发展方向。研究结果表明：出行总需求的相关研究主要关注当前服务不足人口的潜在出行,大多通过需求假设分析潜在的变化,在假设的可靠性和结果的准确度方面还存在不足;出行方式选择的相关研究显示车辆服务和出行属性、社会人口和家庭属性、出行习惯属性、居住地和环境属性、个人心理和偏好属性等是影响出行方式选择的关键因素,考虑到不同的研究对象、场景设计与分析方法,性别、年龄、持有驾照、家庭结构等因素对出行行为的具体影响还有待进一步检验;人们对自动驾驶时代在途时间利用的方式和受益程度的认知存在较大的不确定性与异质性,亟需理论模型来进一步讨论潜在的时间利用变化;基于自动驾驶对出行行为影响相关研究的局限性,提出了建立自动驾驶汽车的规范化描述和丰富数据采集方式,开展横向与纵向对比研究,加强各影响因素异质性的考量,辨析自动驾驶时代各类出行行为间的相互影响机制的改进方向。     

网联自动驾驶车辆混合交通流专用道管控方法

分析了网联自动驾驶车辆(CAV)混合交通流中各车辆类型及其跟驰模式下的车头间距,从通用性混合交通流特征层面理论推导了各车头间距模式的概率表达式,从而对混合交通流进行了数学描述;以混合交通流整体通行流率最大为目标,计算了多车道混合交通流中一个CAV专用道的设置条件以及专用道设置后CAV交通流在专用道和混合道上的最优交通流分配比例,将一个CAV专用道情形推广至多个CAV专用道动态管控的一般性情形,构建了混合交通流专用道动态管控的分析方法;应用案例分析论证了CAV专用道管控方法的有效性。研究结果表明：在交通需求为2 000 veh·h^-1时,各CAV渗透率阶段均无需设置CAV专用道;在交通需求为3 000 veh·h^-1时,需在CAV渗透率为0.2~0.4的阶段下考虑设置CAV专用道;在交通需求为5 000 veh·h^-1时,需考虑在各CAV渗透率阶段下设置CAV专用道;提出的CAV专用道管控方法可根据交通需求和车道总数等条件定量化计算不同CAV渗透率阶段下的最优CAV专用道数量以及CAV交通流最优分配比例,且交通需求能够影响反映CAV专用道设置条件的临界CAV渗透率范围,交通需求和车道总数量可分别从交通需求属性和道路空间属性方面促进最优CAV专用道数量的提升,符合多车道场景混合交通流CAV专用道管控的特性。     

考虑潜变量的自动驾驶汽车租赁行为

将自动驾驶汽车（autonomous vehicle,AV）与分时租赁、点对点（peer-to-peer,P2P）租赁模式相结合,为出行者提供新型的出行方式. 为探究出行者租赁自动驾驶汽车的行为特征,分析出行者对AV分时租赁、AV P2P租赁、私家车、公共交通的选择意愿及其影响因素. 基于出行方式选择意愿的调查数据,将结构方程模型（structural equation model,SEM）与多项Logit （multinomial Logit,MNL）模型相结合,建立同时标定显变量与潜变量参数的结构方程-多项Logit （structural equation-multinomial Logit,SE-MNL）模型,对比分析了MNL与SE-MNL模型的参数标定结果. 研究结果表明:在95%的置信水平下,显变量中的出行费用、车内时间、驾照情况、出行目的、婚姻状况以及潜变量中的便捷性、安全性、乘车体验、舒适性对出行者选择AV分时租赁或P2P租赁的影响都是显著的;SE-MNL模型的拟合度较MNL模型高出2%～3%.      

西安城市交通引导城市空间发展的措施研究

西安市第四次城市总体规划明确了城市向外围拓展的空间发展目标,作为城市发展的引导条件,城市交通系统急需调整和完善。本文针对西安城市的特点,提出了以提高交通可达性为主要目的的城市交通改善措施,具有一定的实用价值和借鉴意义。     

城市道路场景下驾驶注意力需求的影响因素研究

为探索城市道路场景下影响驾驶注意力需求的交通因素,搭建包含多种交通变量的城市道路交通场景,对30位被试进行驾驶模拟器视线遮挡实验。以视线遮挡概率表示驾驶注意力需求等级,采用逐步逻辑回归方法建立各交通变量对驾驶注意力需求等级模型,并分析其影响方式。结果显示,遮挡概率沿驾驶路线波动较大,不同交通变量对驾驶注意力的需求不同。十字路口、公交车站、路边停放车辆、跟车距离、会车距离和弯道曲率等对驾驶注意力需求影响显著。越接近十字路口遮挡概率越小,到达十字路口时几乎没有遮挡。说明被试会主动适应外界交通环境对注意力的需求,有选择的获取与驾驶有关的交通变量信息,并预测各个交通变量的发展趋势。研究结果有助于提高驾驶分心预警系统的环境敏感性。     

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。     

混合交通环境下网联自动驾驶车辆跟驰模型与优化策略

为进一步提高混合交通环境下车辆的行车效率与交通流的稳定性,在考虑后视效应的基础上,融合多辆前车速度与加速度等状态信息,以指数平滑方式构建了网联自动驾驶车辆(CAV)跟驰模型;在此基础上,研究了前后方车辆数和状态信息完整度对模型稳定性的影响,结合Lyapunov第一方法和线性谐波微扰法进行了线性稳定性分析,并确定了模型最优参数;利用混合交通环境特性,在考虑通信信息丢失的情况下提出了CAV在不同位置和状态下的跟驰策略,并在该策略支撑下进行了不同CAV渗透率的车辆启动、车辆刹车停止、环形道路3个典型场景下的数值仿真。研究结果表明：在刹车停止场景中,全部车辆的停止波速最大提高了26.1%;在车辆启动场景中,启动波速最大提高了15.5%,车辆加速度和速度变化更为平缓;在环形道路场景中,当混合交通流中CAV渗透率由40%提高至100%时,在较大扰动条件下车辆的平均速度波动时间相较于低CAV渗透率场景下降了44.8%,波峰下降了5.7%,波谷上升了19.4%,而CAV渗透率较低时提出的优化策略对混合交通流的改善并不明显。由此可见,在当前构建实际混合交通环境与开展CAV实车试验比较困难的情况下,该跟驰模型和策略可用于车辆跟驰仿真与特定场景下的测试验证,能够有效保障混合交通环境中的交通流扰动吸收和车队稳定行驶。     

一种基于地图辅助的自动驾驶视-惯融合定位方法

视觉同步定位与建图(Simultaneous Localization and Mapping, SLAM)方法广泛应用于自动驾驶领域。传统的方法利用车载摄像头表征车辆周围环境,同时估计自身位置,当车辆运动过快时,定位精度和鲁棒性会下降。针对此问题,本文提出一种地图辅助的视-惯融合定位方法。该方法在ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)的基础上拓展地图保存功能,将建图和定位拆分为两个独立模块,车辆首先以较慢的速度构建并保存具有视觉特征的地图,然后,在第2次运行时车载计算机调用预先保存的地图实现精确且稳定的定位性能。由于构建地图阶段采用了图优化算法融合惯性测量单元(Inertial Measurement Unit, IMU)的信息,地图误差得到有效校正。在KITTI数据集场景和实际场景中验证了所提方法的良好性能。实验结果表明,所提方法在4, 8, 16 m·s-1 驾驶速度下的定位精度分别为2.59,2.61,2.73 m,图像失帧率和路径丢失率分别为3.76%和1.38%,3.89%和1.69%,4.27%和1.84%。相比原始的ORB-SLAM2方法,系统定位精度和鲁棒性均得到了提高。     

自动驾驶公众接受度研究综述

全面梳理并总结了自动驾驶公众接受度领域的相关研究, 从接受自动驾驶的可能性与态度、了解与信任程度、感知与关注点、支付意愿和使用偏好5个方面定义并阐述了接受度的内涵; 从调查对象的选取、问卷设计、调查方式与抽样、模型构建与数据分析方法等方面对比了现有研究采用的数据采集和分析方法; 总结了影响自动驾驶公众接受度的关键因素, 剖析了其对公众接受度的影响, 指出了存在的问题和未来研究方向。研究结果表明: 现有大部分研究重点关注接受自动驾驶的可能性、态度和使用偏好等问题, 对支付意愿的研究相对较少; 公众对自动驾驶普遍持积极态度, 对自动驾驶技术及其相关功能有所了解; 安全问题是人们对自动驾驶的首要关注点, 不同群体对该问题的担忧程度有显著差异; 人们为享受自动驾驶技术而愿意支付额外费用的意愿不够强烈, 来自发达国家受访者的支付意愿普遍低于发展中国家受访者; 个人心理和生理属性, 社会人口属性, 伦理、法律责任和车辆安全水平, 车辆自动化水平及相关属性, 出行相关属性以及环境因素等是影响公众对自动驾驶接受度的几类关键因素; 然而, 现有研究对伦理和法律责任等因素的量化分析还较为缺乏, 性别、年龄和收入水平等部分关键因素的影响仍存在争议, 还需进一步讨论; 相关研究在对样本的代表性分析、问卷和调查方案的精细化设计以及关键因素的具体作用机制分析等方面还有待进一步深入。     

自动驾驶汽车仿真器综述:能力、挑战和发展方向

仿真器在自动驾驶汽车（Autonomous Vehicle,AV）系统的研究、开发和验证中发挥着举足轻重的作用。本文系统地探讨了AV仿真器的国内外现状,并重点分析了其能力、面临的挑战和未来发展趋势。首先,梳理了AV仿真器的发展历程,阐述了国内外相关研究现状。接着,依据技术性指标、功能性指标、性能指标和商业性指标,对各类仿真器进行了全面评估,同时讨论了它们在不同研究和开发任务中的适用性。此外,深入剖析了AV仿真器所面临的挑战和限制,结合深度学习、人工智能等先进技术的发展,提出了针对性的解决策略。对于如何克服AV仿真器在复杂环境和多元场景下的局限性,提出了一系列具有前瞻性的解决方案。在此基础上,着重强调了未来研究的机遇和新兴趋势,这些将为下一代仿真器的发展奠定基础。最后,本综述旨在为研究人员、开发者及行业利益相关者提供有益的参考,协助他们选择最符合需求的工具,并激发自动驾驶领域未来的创新潜力。综述的内容有助于推动AV仿真器在自动驾驶研究和实际应用中发挥更大的作用,从而为人类出行带来更为安全、便捷和高效的体验。     

交通运输从业者对自动驾驶接受度建模与分析

为了研究交通运输从业者对自动驾驶的接受意愿,确定影响接受度的关键因素,从而掌握交通运输从业者对自动驾驶的态度和关注点。通过分析交通运输从业者的职业特性,基于传统的技术接受模型（Technology Acceptance Model,TAM）,综合考虑感知有用性、感知易用性、信任度和使用意愿四方面的功能认知和感知风险性的负面影响认知,并增加外部因素,兼顾个人属性特征的影响,加入从事该职业时长、个人月收入等职业变量,在此基础上设计调查问卷,对样本数据进行相关性分析和有序Logistic回归分析,筛选出自动驾驶接受度的关键影响因素。结果表明,交通运输从业者对自动驾驶的接受度较高,但与普通人群具有一定的区别;感知有用性、感知易用性、信任和使用意愿对自动驾驶的接受度具有显著正向影响;感知风险性具有显著负向影响;受教育程度和个人月收入对接受度也有一定的影响,受教育程度越高、个人月收入越高,对自动驾驶的接受度也越高。研究结论可以为提升自动驾驶汽车落地推广的策略提供一定的理论依据,同时也为政府制定相关政策提供依据。     

基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究

共享自动驾驶汽车是智慧交通和绿色交通的重要发展方向之一,但目前其相关研究仍不充分,影响用户使用共享自动驾驶汽车意愿的因素及其作用机理有待深入剖析.为此,本文首先通过引入感知风险、服务质量和社会影响三个潜变量,构建了扩展技术接受度模型.然后将扩展技术接受度模型的潜变量、个人社会经济属性变量和出行方式属性变量整合到多项Lo...     

自动驾驶车辆对混合交通流的平衡影响研究

在自动驾驶车辆和人工驾驶车辆构成的混合交通系统中,不同车辆类型的出行者对路径的选择原则表现出不同的偏好。为充分了解自动驾驶车辆投入市场后对混合交通系统的作用,考虑两种不同车辆类型的出行行为,构建混合交通网络均衡模型,并将模型嵌入算例网络中进行验证。通过研究发现:自动驾驶车辆在混合交通系统中的比例对道路网络系统效率有显著影响,自动驾驶车辆比例的增加能够有效降低路网系统中的人均出行时间。     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统,但驾驶员仍需对驾驶环境进行监测,若发生紧急事件或驾驶环境超出系统运行设计域等情况,驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现,驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态,从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷,降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号,提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响,探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control,ToC) 的管理问题。在复杂道路交通下,驾驶员需要更多时间恢复对环境的感知,且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中,为防止过渡区出现集中的ToC,可以制定相应交通管理措施,以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点,讨论网联环境下人-机交互系统设计以及ToC形式。单个的交互方式有其自身的优、缺点,多种类型相结合的交互形式能形成优势互补,及时地将接管信息传递给驾驶员,并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高,网联信息需要更好地呈现策略,以保证人-机交互界面具有较高的可用性和接受性,为驾驶员提供更加准确的交互信息。同时,利用驾驶员状态识别技术实时监测驾驶员所处状态,并通过人-机交互系统提醒驾驶员,使其保持警觉,提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响,结合接管时的驾驶环境,遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用,逐步改进现有人-机交互系统的设计和性能,对过渡区域ToC的管理问题展开深入研究。     

交通可达性与城市经济活动的空间特征分析：以北京市为例

借助开源大数据平台,提出交通可达性及城市经济活动数据采集策略,利用全局常参数和局部变参数回归模型研究北京市六环区域内两者的空间特征.相比于全局模型,局部模型能够较好地刻画交通可达性与城市经济活动间的空间异质性特征.结果表明,私人交通可达性呈现以天安门为中心径向递减的多圈层结构,公共交通呈现轨道交通沿线区域高的特点.交通可达性与经济活动匹配度具有空间非平稳性,空间分离和匹配现象并存.西北部、中部区域空间匹配特征显著,东北部、东部区域次之,西南区域空间分离现象最为严重.丰台及良乡等分离区域,宜重视道路及轨道线网等基础设施建设工作;未来科学城等私人交通匹配,公共交通分离的区域,可考虑修建轨道线路,并增加公交运营服务水平;中关村科学城、北京经济技术开发区等匹配区域,以调整交通运营管理政策为主.