基于驾驶人心理风险场模型的个性化换道决策方法

行驶环境中交互车辆的运动行为会对驾驶人心理产生刺激,引起驾驶人心理状态的变化,进而影响其换道决策行为。为此提出了1种基于驾驶人心理风险场模型的个性化换道决策方法。基于单向3车道快速路交通场景,通过交互式多模型分析车辆的横向速度与横向位移,引入可变横向速度相关的转移概率矩阵,预测交互车辆的目标车道选择;建立驾驶人心理风险场模型,量化行驶环境与交互车辆的运动行为对驾驶人心理风险造成的影响;利用高仿真驾驶模拟器联合SUMO试验平台开展287人次的模拟驾驶试验,通过建立混合交通仿真场景采集驾驶人的换道数据,并选取平均碰撞时间与驾驶人心理风险因子2个特征参数,使用K-means算法进行驾驶风格聚类,将驾驶人分为保守型、正常型和激进型这3类,并进一步确定不同风格的驾驶人在换道初始时刻所能接受的心理风险阈值。在此基础上,实现车辆的个性化安全换道决策。驾驶模拟器试验验证结果表明：对应于保守型、正常型和激进型的驾驶人,实际最小换道决策时间分别为3.48,6.29,11.33 s,实际最大换道决策时间分别为4.65,7.45,12.52 s,理论换道决策时间分别为4.09,6.83,11.95 s,所建立...     

基于自然驾驶数据的跨江大桥小客车驾驶行为特征研究

跨江大桥历来都是城市交通的命脉和交通结点,为明确跨江大桥的运行速度特征以及驾驶行为模式,在重庆市菜园坝大桥展开了30位被试的小客车实车驾驶试验,使用航姿测量系统和Mobileye630采集自然驾驶状态下汽车的连续行驶速度、加速度和道路环境信息.基于自然驾驶数据,明确了菜园坝大桥的速度变化模式,分析了车辆合、分流对大桥主线行驶车辆运行特性的影响.研究结果表明,菜园坝长江大桥2个行驶方向都呈"加速-减速-加速-减速"的变化趋势;在自由流状态下,桥头和桥尾15th百分位与85th百分位速度的差值从10 km/h增加到20 km/h,不同驾驶人在大桥上的速度幅值具有较强的离散性,表明车辆之间存在严重的纵向冲突,揭示了跨江大桥车辆追尾事故的本质原因.菜园坝大桥菜苏方向合流区平均减速距离131 m,平均减速度为-0.301 m/s2,分流区平均减速距离213 m,平均减速度-0.406 m/s2,苏菜方向分流区平均减速距离267 m,平均减速为-0.387 m/s2,车辆在合流点附近的减速距离和减速度要低于分流点,合流与分流车辆的换道行为会显著影响大桥主线直行车辆的运行状态,导致驾驶人采取减速行为.匝道出入口与桥头距离越近,车辆速度受到的影响程度就会高,有必要加强分/合流点附近的交通管控和行车引导,提高车辆行驶安全性.      

基于动态风险饱和度的高速公路交通安全分析

为了反映高速公路运营安全状况，提出了动态风险饱和度理论，构建了动态风险饱和度模型和计算方法。依据路段不同交通饱和度下车辆的驾驶行为，以路段交通安全为约束，研究了跟车行驶和换道行驶2种驾驶状态下，考虑车速变化及雾天等特殊天气条件影响的路段平均最小安全车头时距计算方法，利用建立的安全车头时距与安全流量之间的转换关系，得到不同驾驶状态下的路段安全流量。在不同车辆驾驶状态切换阈值下，计算路段实际交通流量与路段安全流量的比值得到高速公路路段动态风险饱和度值。以G3高速公路某改扩建路段所在路网为例进行验证，计算得到了路网中各路段不同切换阈值下的动态风险饱和度值。动态风险饱和度随着交通饱和度的增大，呈现稳定的先增大后减小的规律，且在换道行驶状态时达到最大，在跟车行驶状态时开始下降，与现有交通安全状态分析相吻合。相较于交通饱和度，动态风险饱和度更能够反应出高速公路路段交通安全动态变化的规律。      

基于视频识别的互通合流区交通冲突空间分布

为深入研究高速公路互通合流区交通冲突空间分布特征,克服传统数据采集的条件限制,弥补断面数据采集的缺点,利用无人机视频采集高精度、区域连续的多车辆轨迹数据,并运用OpenCV视频自动分析系统和Matlab扩展工具,依据帧间差分法和时空上下文视觉跟踪算法原理,进行车辆识别与跟踪,记录采集范围内车辆每一帧的微观车辆运动数据。运用交通冲突识别指标TDTC(Time Difference to Collision)同时识别同车道和异车道冲突,将交通冲突分为严重冲突、中度冲突和一般冲突,并使用累计频率法确定严重冲突与中度冲突的阈值为3.1 s,中度冲突与一般冲突的阈值为7.8 s。依据地面坐标绘制直观的交通冲突空间分布图,并进行了量化统计分析。发现在靠近互通合流区匝道出口处及合流区末端是交通冲突比较集中且交通冲突比较严重的区段;整个互通合流区的严重冲突率呈现先增后减再增加的趋势;主线交通量比匝道交通量对交通冲突率空间分布的影响大,匝道大车比例比主线大车比例对交通冲突率空间分布的影响大。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

分心对驾驶人交通冲突反应时间的影响(双语出版)

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态：侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信（认知+视觉复合分心）3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明：认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09 s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人（分别增加0.31 s和0.27 s）以及纵向追尾冲突（分别增加0.47 s和0.38 s）的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高（前车减速度增大、车头时距减小以及自车速度增大）,驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。     

Vehicle Rear-end Collision Warning Algorithm Based on Driver's Braking Behavior

利用图像式汽车行驶记录仪在北京市采集了大量自然行驶状态下的驾驶行为数据,基于追尾碰撞中的驾驶员制动操作行为,分析驾驶员安全与危险跟车状态和车辆状态参数之间的关系,利用Fisher判别分析法建立了符合驾驶员危险感知特性的车辆追尾预警算法.研究结果表明该算法总的判别准确率高达95％.     

分心对驾驶人交通冲突反应时间的影响

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态:侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信(认知+视觉复合分心)3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明:认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人(分别增加0.31s和0.27s)以及纵向追尾冲突(分别增加0.47s和0.38s)的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高(前车减速度增大、车头时距减小以及自车速度增大),驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。     

基于交通状况及行驶速度的高速公路换道时间研究

换道行为是影响高速公路运营安全的重要因素之一,而换道时间为交通安全分析模型中的关键参数,在换道时间标定中应考虑不同交通状况和不同行驶速度的影响。为此,在交通状况不同的多条高速公路进行了一系列的现场实车试验,通过行车记录仪采集连续的行车视频,采用计算机视觉技术中的Canny算法识别行车视频图像中的车道边缘线,获取精确的车辆轨迹与车道边缘线的偏移值,实现对车辆换道行为的准确识别。根据车载辅助驾驶装置记录的试验车辆换道时的行驶速度,以及换道影响区域内试验车辆邻近的各种车辆,对车辆换道时所处的不同交通状况和行驶速度组合条件下的车辆换道时间进行分析研究。结果表明:不同交通状况下的高速公路换道时间均服从对数正态分布;换道时间与车辆换道影响区域内的交通状况存在显著联系,车辆在处于低密度交通状况下的换道时间比在中、高密度交通状况下的换道时间长;当车辆在处于低密度交通状况和低行驶速度下换道时,换道时间比其他交通状况和行驶速度组合下的长,而在中、高密度交通状况下车辆的换道时间并不受车辆行驶速度的影响。本研究成果可为自动驾驶、微观交通仿真等相关模型的换道行为参数标定提供参考。     

基于线性路径跟踪控制的换道避撞控制策略研究

为实现车辆自主避撞,改善道路交通安全状况,提出一种基于线性路径跟踪控制的换道避撞控制策略。为实时确定制动和换道时机,获取跟车状态下自车和前车车速、加速度、相对距离以及驾驶人制动反应时间计算制动安全距离和换道安全距离,并在此基础上分别引入制动危险系数B和换道危险系数S评估制动与换道风险,使得车辆发生追尾碰撞的危险程度和主动干预阈值更直观。根据车辆期望横向加速度和期望横向位移的变化特性,采用5次多项式法规划符合驾驶人换道避撞特性的避撞路径。为保证换道避撞过程中驾驶人的安全舒适,采用最大横向加速度约束换道避撞轨迹。为实现对换道避撞路径的线性跟踪控制,保证车辆的操纵稳定性和横摆稳定性,基于车辆稳态动力学模型建立前馈控制,结合线性反馈控制消除换道路径的位置和横摆角偏差,修正参考路径实现直车道场景追尾避撞控制。仿真和实车交叉验证试验表明：根据车辆期望横向加速度和期望横向位移建立的符合驾驶人换道避撞特性的五次多项式换道路径与驾驶人实际换道避撞路径基本吻合,结合碰撞时间和车间时距的制动避撞控制策略能够在保证车辆行驶安全舒适性的同时有效避免车辆追尾碰撞,减少交通事故的发生。     

城市快速路互通立交分流区交通冲突预测模型

为研究互通立交分流区交通冲突特性,确保车辆的安全运行,提升通行效率,分别选取TTC和PET模型作为判定追尾冲突和换道冲突的标准,通过对交通流和交通冲突数据的分析,拟合出预测交通冲突发生概率的二分类Logistic回归模型.研究结果表明:分流区交通冲突发生数不仅随着交通流率的增加而上升,还受到车辆驶入分流区时所处的位置、...     

基于LSTM概率多模态预期轨迹预测方法

针对单模态轨迹预测无法充分表示未来预测空间以及解决轨迹预测固有的不确定性问题，本文构建了驾驶行为意图识别及交通车辆预期轨迹预测模型。驾驶行为意图识别模块识别被预测车辆车道保持、左换道、右换道、左加速换道和右加速换道的概率；交通车辆预期轨迹预测模块采用编码器-解码器架构，输出被预测车辆未来6 s内可能发生的多种行为和轨迹。通过HighD数据集对模型进行训练、验证与测试。试验结果表明：基于意图识别的预期轨迹预测模型生成的多模态概率分布可提高本车行驶安全性，与其他方法相比显著提高轨迹预测精度，在预测长时域轨迹上具有明显的优势。     

基于无人机视频拍摄的高速公路小型车换道行为特性

为了研究高速公路小型车的换道行为特性,采用2台无人机同时在200 m的高空对交通流进行拍摄,获取交通流运行状态。构建拍摄路段的高精度地图,获取每一时刻车辆的精确运行状态数据,在此基础上对2个视频进行拼接,最终获得车道位置、速度、车辆编号等8项关键指标,共提取换道行为1 520条,筛选后得到完整的自由换道数据942条。采用车辆轨迹是否持续偏移作为判断换道行为起终点的依据,在此基础上分析换道的时间长度、空间长度、与周边车辆的相互状态以及换道行为的安全性等16个特征参数。得出平均换道时间长度为6.09 s,平均换道空间距离为148.08 m,换道时间与空间长度均符合对数正态分布。换道车辆与目标车道后方车辆的平均距离最小（34.29 m）,其相对距离在10 m以内的占28.24%,驾驶人为了加快行驶,在与目标车道后方车辆相对距离较小的情况下,依然采取换道措施。与正前方车辆的相对速度差最大,平均值为10.2 km·h^-1,并且在83%的情况下,本车的速度大于前车,说明车辆自由换道是由于前方车辆行驶速度较慢所引起。采用TTC,MTC分别对换道起始时刻的安全性进行分析,并将安全状态划分为4种类型：严重-紧急状态、严重-非紧急状态、非严重-紧急状态、非严重-非紧急状态。其中严重-非紧急,非严重-非紧急这2种状态占比最高。该研究成果对了解中国驾驶人在高速公路上的换道行为特性,以及对建立适用于中国实际交通环境特征的换道行为模型具有一定参考意义。     

危险换道驾驶行为预测方法研究

提出了两种危险换道驾驶行为预测算法,分别为基于贝叶斯因子阈值法的隐马尔可夫模型预测算法和基于运动时间窗特征提取法的支持向量机预测算法,它们所需的车辆运行特征变量均可在车联网环境下获得。通过基于Prescan-Simulink联合仿真的驾驶员在环仿真,获得危险和正常两种换道场景下的车辆运动数据,进而对提出的两种算法进行验证和比较。结果表明,两种预测算法对危险换道驾驶行为的预测均有较高的准确率,有助于对危险换道的驾驶员给予及时警告或辅助纠正,从而减少危险换道事故的发生。在样本数据有限的条件下,SVM算法的预测效果更好。     

基于驾驶人特性的自适应换道预警算法研究

本文中建立了基于驾驶人行为特性的换道危险感知模型,提出一种参数在线辨识、阈值可调的换道预警算法。通过模糊逻辑方法,以速度关联度、换道安全系数及横向偏移为指标确定周围车辆对自车换道的影响程度,修正换道参数;利用递推极大似然估计对模型参数进行在线辨识,获得实时危险评估值;并基于信息熵搜索最佳报警阈值,将实时评估值与报警阈值进行比较,判断系统的报警状态。采用实车试验的自然驾驶行为数据进行验证,结果表明,自适应预警模型的准确率达92.1%,预测危险状态的时间可提前0.3～1 s,符合驾驶员的心理预期,具备可操作性。     

基于TTC及DRAC的高速公路施工区追尾冲突研究

针对高速公路施工区的交通安全问题以及施工区普遍存在的持续时间较短、积累的事故数据难于满足统计分析要求的现实情况,探讨了基于交通冲突替代交通事故的交通安全分析方法.通过采集和分析处理高速公路半幅封闭施工区和单向超车道封闭施工区合流段和施工区段的车型、车速、车头时距等基于车辆个体的交通参数数据,提出了基于避免碰撞时间(TTC)的追尾冲突数计算方法和基于避免碰撞减速度(DRAC)的追尾风险度计算方法.应用上述方法评价了典型施工区合流段和施工区段的追尾冲突状况.研究结果表明,2种事故数据替代方法均可从不同侧面量化描述追尾冲突的发生状态.      

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

高速公路施工区自动车辆行驶轨迹优化方法

为改善高速公路施工区路段车辆运行状态,建立了一种集合优化换道比例和可变跟车时距的换道控制策略.通过引入交通运行效率和冲突风险目标函数并进行在线求解,从而对施工区车辆行驶轨迹进行优化,提高了车辆的平顺性.在网联自动车环境下,以施工区上游路段车辆平均速度为目标函数,借助遗传算法遍历交通流状态集合,求解换道比例,以此调整施工区上游车辆分布.以施工区汇入路段车辆交通效率和冲突风险为可变跟车时距模型的目标函数,调用CPLEX/Matlab求解器得到汇入路段可变跟车时距.为了在线计算和可视化建立了Matlab/Vissim_COM的仿真平台,通过Matlab编程技术以单步仿真的方式提取Vissim车辆信息,将CPLEX求解器和Vissim的封装环境以函数调用的方式与遗传算法结合,对车辆信息进行优化计算和参数反馈.在总仿真次数达到400次时,模型控制得到最优.结果表明,与未实施控制相比,在最优控制中,当仿真时长达到800 s时,每条车道交通量输入达到700 veh/h,优化效果较为明显,即全局车辆在汇入路段"曝光"次数减少,车辆行驶轨迹变的"平滑",全局运行速度提高了48%,速度标准差的变化幅度降低,全局车辆的速度离散性得到改善,以后侵入时间表征冲突风险,冲突次数降低了39%,高速公路施工区车辆运行状态得到了改善.      

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

面向前车的驾驶行为感知与意图识别算法研究

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model, DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent, OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework, IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM (Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。