基于车路协同的车灯自适应控制数学模型研究

为了有效减少夜间弯道中的交通事故,本文提出了基于车路协同的自适应车灯控制系统。以公路的停车视距、弯道曲线长度和弯道曲线转角为基础,建立车灯水平转角与路面情况的数学模型。对该模型进行模拟后,结果表明该系统在国家车路协同技术推广中具有广泛的应用前景。     

车路协同条件下智能网联汽车一体化决策模型

为了探索当前有限数据条件下面临的无限交通场景问题,提出车路协同条件下基于深度强化学习智能网联汽车决策模型。利用Actor-Critic机制,以highway-env为数据来源,抽取144 h交通数据作为训练数据并进行验证,分析了智能网联汽车在不同车道数条件下的驾驶行为。结果显示,本模型汽车行程时间减少20%以上,碰撞概率减少25%以上,换道轨迹可以通过动力学跟踪。     

车路协同信息融合的智能汽车行驶状态模糊评判

为了监测与评判道路上行驶的智能汽车的实时状态,基于研发的智能汽车的车载感知系统,包括通过视觉传感器、激光雷达、GPS定位、车载传感器系统及车载总线获取车内及周围环境信息。采用V2X通讯设备等获取路侧端雷视一体机、路侧传感器、气象传感器传输的交通信息,通过V2X通讯设备、4G通讯模块传送到云服务器并建立模糊评判模型。基于可信度的模糊推理算法对环境信息和交通信息进行融合,并以此为依据对行驶车辆的状态进行评判。首先,建立针对车辆行驶状态的模糊评判集合和各参数隶属度函数,计算出各参数的隶属度,并对行驶车辆的各个参数建立典型的行驶状态评判参数数据集合。其次,采用模糊假言推理方法,以典型的数据集合为基础建立带可信度和阈值的模糊规则库。应用麦姆德尼方法,建立与规则库的每个规则所对应的模糊关系矩阵库。以车辆行驶时接收到的车载端和路侧端信息作为输入,应用规则库规则进行带有可信度的模糊推理。然后,以相似度作为匹配度,对推理规则设定阈限,按照证据与规则的前件不相等的情况,计算结论的可信度得出结论。对结论进行冲突消解时,冲突消解的策略为取可信度高的结论。最后,应用匹配度对结论的可靠性进行验证,并在多个道路场景实时行驶的车辆上对算法进行试验验证。研究结果表明:算法对行驶车辆状态的评判与实车的状态相一致,可实现对车辆不安全状态的报警与行驶状态的干预,对保障行车安全有显著积极的实际应用意义。     

智能网联环境下城市路网通行能力分析

为了探究城市路网中混有智能网联车辆(CAV)的交通流特性,研究CAV不同渗透率分布下对路网通行能力的影响。应用智能驾驶模型(IDM)和协同自适应巡航控制模型(CACC)分别作为人工驾驶车辆(HDV)和智能网联车辆的纵向速度更新规则,并建立考虑车辆到信号交叉口距离影响的横向换道规则。推导基于各渗透率等级路段占路网长度比例下的混合交通宏观基本图模型(MFD),通过SUMO仿真验证模型有效性。最后针对模型中的比例参数进行敏感性分析。结果表明：混合交通MFD可以用于异质交通流组成的城市路网宏观交通状态的有效估计与通行能力分析。当CAV渗透率均匀时,在路段渗透率高于30%时,路网通行能力提升显著;当CAV渗透率非均匀时,异质路网的通行能力随着渗透率等级较高路段比例的增加而逐渐提高,100%CAV路段比例的影响尤为显著。混合交通MFD为混有CAV的城市交通调控和CAV在路网中的路径规划提供理论参考。     

智能网联环境下的混合交通流LWR模型

LWR（Lighthill,Whitham and Richards,LWR）模型可推演交通流宏观状态演化过程,在智能网联环境下混有协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车辆混合交通流LWR模型的研究,可为该混合交通流的宏观动力学特性分析提供理论工具。应用加州伯克利PATH真车试验验证的CACC模型作为CACC车辆跟驰模型,采用智能驾驶人模型（Intelligent Driver Model,IDM）模拟驾驶人在智能网联环境中的"智能"驾驶特性。基于不同CACC车辆比例下的混合交通流基本图,证明混合交通流基本图的切线斜率为交通波在混合车队中传播的波速,建立混合交通流LWR模型的一般性解析框架,得到混有CACC车辆的混合交通流LWR模型。最后,针对LWR模型冲击波特性,在6组平衡态条件下进行数值仿真试验。研究结果表明：所建立的混合交通流LWR模型可较好地描述不同CACC车辆比例时冲击波在混合车队中的传播波速;冲击波波速理论值与仿真均值的相对误差基本控制在10%以内,当冲击波处于由正向波转变为反向波的过渡阶段时,相对误差较大,为19%~26%,但绝对误差仍然较小。研究结果一方面可为混有CACC车辆的交通流宏观状态演化提供理论参考,具有推动该混合交通流其他宏观模型研究进展的积极作用;另一方面,建立的混合交通流LWR模型解析框架能够适应CACC车辆与人工-网联车辆跟驰模型选取的多样性,同时可为其他类型混合交通流LWR模型的建立提供理论支撑。     

面向新型混合交通流的快速路合流区通行能力建模

面向人类驾驶和具备协同自适应巡航功能的网联自动驾驶组成的新型混合交通流,考虑道路交通特性、道路结构以及匝道汇入前主线交通状态等因素的交互作用机理,基于概率统计理论解析网联自动驾驶渗透率和编队长度间的耦合关系,进一步基于间隙接受理论分析匝道汇入交通对合流区通行能力的折减效应,建立快速路合流区通行能力模型,定量描述不同道路条件下合流区通行能力如何随网联自动驾驶渗透率和编队长度变化。模型中的道路交通特性、道路结构及匝道汇入前部分交通状态参数根据实际道路交通环境标定,提升了模型的通用性与可迁移性。搭建内嵌车辆动力学模块的Vissim仿真平台进行模型评估,结果表明,模型精度在80%以上,且在不同网联自动驾驶渗透率和编队长度条件下皆表现良好。     

TRB2017年会——行人交通及智能交通研究综述

介绍了2017年第96届美国交通运输研究委员会年会(2017 Transportation Research Board 96th Annual Meeting, TRB2017)的概况,包括TRB的组织构架、TRB年会的组织形式及所涉及的领域等.重点介绍行人交通及智能交通2个研究领域的最新进展,并对其未来的发展进行了展望.行人交通方面,结合交通流理论与特征、应急疏散、行人等6个相关TRB(分)委员会的会议组织情况,分别从群集动力学、人员疏散、道路行人交通和客流服务与安全4个方面进行了分析和展望;智能交通方面,结合智能交通系统、自动化与互联化车辆的角色和车辆-高速公路自动化3个TRB委员会的大会组织情况以及讨论情况,分别从智能交通对驾驶安全的影响以及车路协同对交通效率和环境的影响2个方面进行了分析和展望.     

智能网联车辆交通信息处理技术与信号控制方法研究

随着科学技术的不断加强,智能网联车辆的数量也在不断增加,在智能交通系统发展中,车联网发挥了重要作用,人们对于车联网的研究也越来越多和越来越深入,为了能够使车联网更好的普及,应该加强对智能网联车辆交通信息技术和信号控制的研究。本文基于目前车联网发展现状对智能网联车辆信息处理技术和信号控制的方法进行探讨研究,以供参考。     

智能网联车辆交通流优化对交通安全的改善

为改善常规驾驶车辆交通流追尾碰撞交通安全状况,提出智能网联车辆（Connected and Automated Vehicles,CAV）与常规车辆构成的混合交通流车队稳定性优化控制方法。基于全速度差模型,应用集成速度与加速度的多前车反馈构建CAV跟驰模型,考虑CAV混合交通流车辆空间分布的随机性,将各类型局部车队稳定性作为优化目标,以局部车队头车速度扰动为系统输入,以尾车速度扰动为系统输出,应用经典控制理论领域的传递函数法推导局部车队稳定性约束条件;分析关于平衡态速度与CAV反馈系数的车队稳定域,以各类型局部车队能够在任意平衡态速度下均稳定为控制目标,对CAV反馈系数输出进行优化控制;设计高速公路上匝道交通瓶颈数值仿真试验,在不同CAV比例等多种条件下,分析CAV混合交通流优化控制对交通流车辆追尾碰撞风险的影响。研究结果表明：CAV混合交通流优化控制可降低车辆追尾碰撞风险,在碰撞时间阈值小于2 s时,100%比例的CAV交通流可将交通流的车辆追尾碰撞风险降低85.81%以上;在碰撞时间阈值大于2 s时,追尾碰撞风险可降低48.22%～78.80%。所提优化控制方法可有效降低CAV车队优化控制的复杂性,为大规模CAV背景下的混合交通流优化控制以及车辆追尾碰撞交通安全提升策略提供直接理论参考。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点,是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略,在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流,推动着城市道路交通控制对象、数据环境和控制手段的变革,为交通控制提出巨大挑战的同时,也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点,尚处于研究起步阶段。根据路权特征,先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究,包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究,包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展,但RV驾驶行为的随机性、...     

面向智能网联汽车定位的协同地图匹配算法

为实现智能网联环境下低成本、高精度的车辆定位, 研究了基于自适应遗传Rao-Blackwellized粒子滤波的协同地图匹配算法。利用联网车辆的定位信息和道路约束条件消除公共偏差, 提高车辆定位精度。将自适应遗传算法引入到粒子滤波的重采样过程中, 增加粒子的多样性, 解决传统粒子滤波算法中容易出现的“粒子退化”和“粒子耗尽”问题。通过仿真实验与传统粒子滤波以及卡尔曼平滑粒子滤波下的定位结果进行了对比, 同时分析了不同联网车辆数目对定位精度的影响。通过实际测试验证了算法在实际应用中的定位效果。实测结果表明: 以典型十字路口为例, 在联网车辆数目为4的情况下, 协同地图匹配算法的定位误差范围为1.67 m, 分别为原始GNSS定位以及单车地图匹配定位结果的41.03%和56.80%。同时, 该算法的统计定位精度(CEP)达到1.06 m, 比GNSS原始定位精度提高了2.52 m, 具有较好的定位效果。     

基于双基站交通数据采集技术的假套牌车辆识别方法

假牌、套牌车辆对社会安全和交通运输行业的秩序造成了极大的负面影响,寻找快速有效的假套牌车辆识别方法十分必要.研究了一种基于射频识别(RFID)技术和图像识别技术结合的假套牌车辆识别方法.对同一处基站的RFID系统和视频抓拍识别系统采集的车辆车牌信息进行对比分析,得出疑似假套牌车辆.然后对多基站检测信息联合比对,相比于单基站,降低了疑似假套牌车辆的数量.选取南京市主干道上6个基站的检测数据作为实例,检测结果发现,通过5处基站检测的假套牌车辆比通过2处基站检测的假套牌车辆减少了210辆,降低了假套牌车辆的误检率.对建立的疑似假套牌车辆数据库验证分析,其正确率达到94.5%.相比较传统的方法,其具有覆盖范围大、不受时间限制、反应迅速等优势,可为交警部门查处假套牌车辆提供有力支撑.     

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明：在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。