考虑慢车影响的双车道PFV跟驰模型研究

在双车道交通系统中会有较多的因素影响跟驰行为,针对单车道提出的跟驰模型能否直接适用于双车道系统值得研究。双车道交通系统中的车辆存在换道行为,因此,在研究双车道跟驰行为时不仅应考虑本车道前后车辆的影响,还应该考虑邻近车道车辆的影响,合理地将换道规则引入跟驰模型中。考虑慢车影响,基于PFV跟驰策略建立了双车道跟驰模型。仿真结果表明,相较于FVD策略而言,采用PFV策略,慢车在双车道交通系统中造成的车辆延误较小且无碰撞发生,可以更好地描述车辆在双车道系统中遇到慢车时的跟驰行为。     

网联环境下无信控交叉口行车避碰预警方法

为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法。首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验证了方法的有效性,并分析了网联车辆渗透率对提出的预警方法的影响。测试结果表明:提出的预警方法可以有效降低无信控交叉口的碰撞风险;随着网联车辆渗透率提升,平均旅行时间、平均碰撞比例和平均碰撞相对动能不断减小,网联车辆渗透率达到60%时,可认为该方法是可靠的。     

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。     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上，运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境，解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型，利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟，仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明:CACC车辆占比为40%~50%时，混合交通流安全性恶化最严重，TET和TIT分别增加约68%和89%，车辆速度离散系数为0.9以上；通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m），可有效降低混合交通流的追尾碰撞风险。      

面向自动驾驶汽车测试的交通车辆交互过程建模

为满足自动驾驶汽车测试对场景真实度的要求,提出一种针对交通车辆交互关系的耦合特征建模方法。结合基于机理模型构建的虚拟数据和采集的真实场景数据建立交通车辆行为数据集;采用深度学习建立局部信息响应的交通车辆行为决策模型、跟驰模型和换道模型,结构相对简单的单体模型能提升场景模拟的可扩展性;针对自动驾驶汽车测试对模型鲁棒性要求高的问题,建立分布执行-集中对抗训练的架构进行交通车辆模型优化,提高模型对输入扰动的鲁棒性。构建交通车辆交互仿真环境对模型进行仿真,通过仿真数据与真实数据分布之间的对比和量化评价指标验证模型的有效性。     

基于车车通信的车辆并行协同自动换道控制

为研究多车协同自动换道,分析了三车道八车场景中两车协同行为,对两车并行协同行为进行界定,提出了两车并行协同自动换道控制策略。针对三车道八车场景,以车车通信为条件,实时获取周围车辆的运动状态变化和换道意图,根据周围车辆的运动状态,设计了两车协同换道轨迹模型,规划换道车辆的参考协同换道轨迹。在此基础上,提出了并行协同自动换道安全距离模型,以形成换道车辆与周围车辆的换道轨迹约束,保证生成安全可靠的协同换道轨迹。最终根据规划的安全参考轨迹,采用模型预测控制算法,实时优化换道车辆的速度和前轮转角,实现轨迹纵横向跟踪。仿真结果表明,所提出的并行协同控制策略能够实现两车安全协同自动换道,同时提高换道效率。     

基于多传感器融合的换道预警模型研究

针对基于单一传感器换道预警模型准确性和可靠性不足,且换道过程中自车加速度的确定未考虑真实场景因素等问题,提出了基于多传感器融合的换道预警模型,并在模型自车加速度的确定中充分考虑了自车车速、他车相对距离和相对速度等因素,优化了原有的换道预警模型,并采用碰撞时间和安全换道距离为评价指标制定换道决策规则。仿真和实车实验结果表明,基于多传感器融合的换道预警模型预警更加灵敏高效,符合道路使用和驾驶员操作要求,验证了多传感器在环境感知中的优势,证明了换道预警模型的有效性。     

基于改进PFV策略的双车道连续元胞自动机模型

根据道路实际情况,提出考虑多车信息的改进PFV策略,并进行参数标定;将跟驰策略和换道规则相结合,建立双车道连续元胞自动机模型,采用周期边界式条件进行模型仿真,比较不同密度下双车道交通流变化情况和车辆换道行为,通过仿真结果的时空图显示车辆换道造成的系统速度延迟,通过比较双车道系统的交通流密度-交通流量、交通流密度-行驶速...     

考虑横向干扰的交叉跟驰模型研究

在传统跟驰模型的基础上,对车辆横向位置分布进行了实地调查,分析了周边交通场景对跟随车的横向干扰特性。引入最大转移速度和疏散路程参数,建立了交叉跟驰模型并进行了交通仿真。统计分析结果表明:行驶车辆横向位置分布基本符合正态分布,跟随车的行为变化与车辆偏离中心线的距离大小有关,交叉跟驰模型可以更加准确地反映实际道路交通场景。此模型的建立能够揭示车辆微观交互行为,对保障车辆运行安全和交通流稳定性具有重要的现实意义。     

高密度交通流状态下行车安全性分析

在高密度交通流状态下,车辆行驶的自由度下降,相互影响逐渐增大,主要以跟驰行驶和换车道行驶为主。事故统计表明,高密度交通流状态是交通事故多发的主要原因之一。根据行车动力学原理和车辆运行特征,分别构建了跟驰行驶和换车道行驶的安全约束条件。根据不同交通状态下车辆安全制动的加速度,初步建立非线性的行车风险评价模型。借助交通仿真软件Vissim对某山区高速公路路段进行模拟实例分析,能有效地反映高密度交通流状态下车辆行驶的安全性。     

基于长短期记忆神经网络与注意力机制的智能汽车分车型跟驰模型

考虑到跟驰车流中前车车型对智能汽车跟车行为的影响，采用长短期记忆 （Long Short Term Memory，LSTM）神经网络，基于 NGSIM 数据集，通过 One-Hot方法编码车型特征，并引入注意力机制 （Attention Mechanism） 生成输入特征的注意力权重，训练并建立了一种可根据前车车型产生不同跟驰行为的智能车辆跟驰模型 （Identifiable Vehicle Type Car-Following Model，IVT-CF）。在不同前车车型的跟车场景中仿真发现，IVT-CF 模型仿真车辆的速度和位移的均方误差 （Mean Square Error，MSE） 比不分车型的 LSTM 模型分别降低了 23.8%、31.7%，比 IDM 模型分别降低了 15.8%、18.7%，仿真精度更高。在混入大型车辆的车队跟驰场景仿真中发现，交通流速度和车头间距的收敛时间为 92 s，该模型能较快收敛，具有较好的稳定性和抗干扰能力。     

基于非线性模型预测控制的车辆纵向队列协调控制

本文中针对基于分层控制结构的车辆队列上、下层控制缺少联系的问题,提出了车辆队列跟驰与个体车辆动力学稳定性协调控制的思路,其基本思想是在保证队列中个体车辆安全稳定行驶的同时,尽可能实现队列跟驰控制的目标。基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法设计了车辆队列协调控制方案,设计了包括跟驰间距误差、跟驰速度误差以及车速与车轮圆周速度差3个子目标的优化目标函数,将队列跟驰与车辆动力学稳定性的协调控制转化为约束优化控制问题;基于序列二次规划(sequential quadratic programming,SQP)方法进行求解,得到车辆前、后轴的制动/驱动力矩来实现上层决策输出的期望跟驰加速度。基于由3车辆组成的非线性队列模型对控制方案进行了仿真分析,结果表明,所提出的基于NMPC的车辆队列协调控制策略可以在大范围操纵工况下,在保证车辆安全稳定行驶的基础上实现队列的跟驰控制。     

基于车路协同的高速公路车辆碰撞预警模型

为了预防和减少高速公路碰撞事故的发生,及时向高速公路一定范围内的相关车辆提供事故预警信息,提出了一种基于车路协同的高速公路车辆碰撞事故预警模型。首先,基于4G和DSRC通信网络构建了高速公路通信场景与事故预警框架。其次,建立了高速公路环境下双车道两车相撞的事故场景,分析了车辆在高速行驶时发生碰撞的动机以及可能发生的碰撞事故类型。最后,分析了追尾碰撞与侧向碰撞发生之前两车在横向和纵向两个方向接近的全过程,探索两种碰撞事故发生的内在规律,建立潜在碰撞事故判定规则,并基于车路协同技术建立了以时间、位置、速度、车间距以及制动距离为参数的车辆追尾碰撞预警模型与车辆侧向碰撞预警模型。针对实车场地试验对碰撞事故测试成本高难度大等问题,基于Veins仿真平台搭建了具备4G和DSRC异构通信网络环境的高速公路车联网仿真场景,对两种事故预警模型的性能进行测试。测试结果表明,在车速低于120 km/h的情况下,通过潜在碰撞事故判定得到预警结果,并给相关车辆发送事故预警消息广播,能有效避免追尾碰撞和侧向碰撞的发生。     

基于元胞自动机的公交车靠站换道行为研究

为研究非机动车密度对公交车进站的影响,选取福州市区2处典型的直线式公交停靠站点,通过无人机视频获取路段车辆信息;将公交车进站强制换道分为保守型和激进型,在考虑车辆延误损失和风险损失的基础上,量化公交车与非机动车博弈双方的收益,建立保守型强制换道决策模型;考虑相邻车辆最小安全距离,建立公交车激进型强制换道模型,提出一种强制换道元胞自动机仿真模型。仿真结果表明,公交车激进型强制换道概率随着非机动车密度和公交车密度的增大而增大。     

车路协同下车队避让紧急车辆的换道引导方法

为保证紧急车辆更安全、高效地到达紧急事故现场,基于车路协同系统,提出车队避让紧急车辆的换道引导策略。针对目标车道无车辆、有车辆和有车队3种不同场景,分别提出确保紧急车辆快速通过的协同换道策略。通过协同换道策略引导紧急车辆前方行驶的车队和目标车道的车辆改变速度以调整车辆间距,使其满足换道安全距离,依据换道轨迹规划使车队完成换道,并提出紧急车辆发送紧急避让信号的位置方法,计算当不影响紧急车辆的速度情况下,其发送紧急避让信号时与车队尾车的最短距离。利用SUMO交通仿真软件,实现车路协同环境下3种不同场景车队避让紧急车辆的换道引导,并比较目标车道为车队的场景下,车队换道至目标车队的每个空档中（方式A）和车队换道至目标车队的同一个空档中（方式B）2种不同的换道引导策略。研究结果表明：目标车道有车队的场景下,方式B的协同换道时间更短,发送紧急信号的位置距车队尾车82 m,较方式A的87 m更近,对周围车辆影响更小,因此此场景采用方式B的协同换道策略;在目标车道无车辆、有车辆和有车队3种场景下,紧急车辆分别距车队尾车71,71,82 m时发送紧急避让信号,其可以维持期望速度,验证了最短距离与车辆速度的关系式;与未使用换道引导策略的情况相比,紧急车辆的速度提高,延误减少。     

基于V2V通信的车队纵向协同控制

传统的车队在实现车辆纵向队列控制时,仅仅依靠雷达或者视觉传感器进行感知,从而致使车辆获取信息的能力有限,无法满足车辆在复杂交通环境下的跟随性能。为了克服雷达和传感器的不足,文章将车车（V2V）相连通信技术应用于车辆的纵向协同控制系统中,通过车辆上搭载的车载单元（OBU）之间的通信进行数据交互。首先,设计车队纵向跟随的控制策略,选择固定车头时距的间距跟驰策略,根据前车状态反馈对后车车速进行调节,该方法能够保证后车的跟驰安全,提升跟驰的稳定性。然后基于Prescan/Simulink建立车队纵向协同控制系统的模型和实验场景,仿真结果证明车辆纵向跟随控制策略的准确性和间距跟驰策略的准确性。     

基于安全参数的双车道元胞自动机交通流模型及两种交通规则下的模拟分析

提出了基于安全参数的双车道元胞自动机交通流模型,该模型主要在车辆确定性减速的过程中考虑驾驶员对前方车辆下一时间步速度的预估,安全参数代表驾驶员驾驶心理的冒险程度;基于不同安全参数,在双车道自由换道超车和禁止换道超车两种交通规则下,通过MATLAB数值模拟仿真得到车流量和车流密度之间的关系曲线,结果表明安全参数的增大可获得更大的交通量,道路上车辆较少时禁止换道超车也可增加交通流量,随着车辆的增加自由换道超车可提高道路利用率,随着车辆的进一步增加两种交通规则下的车流量基本一致。     

人机混驾交通流交织区换道模型切换控制策略

因交织区的强制换道存在紧迫性, 车辆换道行为在交织区后半段会出现因换道意愿强烈而产生的激进换道行为, 这种微观的换道行为将给交通流带来一定影响; 在人机混驾情形下, 不同类型换道切换控制模型同样可能影响交织区通行能力。在分析人机混驾交通流交织区换道行为特性的基础上, 将换道类型分为保守型换道和激进型换道; 在可接受安全间隙模型的基础上结合自动驾驶车辆间的协同行为, 构建自动驾驶车辆在保守状态下的协同换道模型; 以及在激进型状态下考虑目标车道后车类型影响下, 构建激进型换道模型。通过分析津保立交桥实地调研轨迹数据和NGSIM中US-101交织路段轨迹数据, 分别拟合了保守型、激进型换道模型切换点分布函数; 考虑不同车辆驾驶行为特性及其相互作用, 提出人机混驾条件下换道模型切换控制逻辑决策。以SUMO仿真软件搭建实验平台, 考虑人工驾驶车辆换道模型切换点分布特性, 以优化最大流率、交织区整体车辆运行速度、换道车辆速度等为目标, 确定不同自动驾驶车辆渗透率下自动驾驶车辆的最佳保守型-激进型换道模型切换点。仿真结果显示: 在交织区长度为250 m, 自动驾驶渗透率分别为0.2, 0.5, 0.8时, 自动驾驶换道模型切换点分别在180, 80, 50 m处达到最佳, 即随着自动驾驶渗透率的提高, 换道切换点最佳位置将向交织区入口处逐渐移动, 且在自动驾驶渗透率较低时这种换道切换点的变化较为明显; 在较高渗透率下, 由于协同换道出现频率增高, 自动驾驶强制性换道行为比例降低, 换道模型切换点对交织区通行能力的影响逐渐变小。本项研究对人机混驾条件下高速公路交织区自动驾驶车辆的换道控制提供决策依据      

基于深度强化学习的高速公路换道跟踪控制模型

为解决自动驾驶汽车在高速公路安全换道问题,提出了一种基于深度强化学习算法的换道跟踪控制模型,并进行了仿真实验。采用五次多项式方法,建立车辆换道路径模型,并给出跟踪误差函数;将车辆三自由度动力学模型与深度强化学习框架相融合,搭建换道路径跟踪控制模型;通过深度确定性策略梯度（DDPG）算法来更新该模型;学习得到换道路径跟踪的最佳转向角,来控制车辆完成换道过程。结果表明：在100 km/h车速条件下,本方法控制的横向位置误差绝对值的最大值接近0,角偏差绝对值最大值为10 mrad;所提出的方法相比传统的模型预测控制方法而言,轨迹跟踪的横向位置误差和角误差更小。因而,该模型能够实现高速环境下的自主换道过程,这对保证交通安全和缓解交通有意义。     

考虑通信时延的智能网联汽车协同定位方法

为了满足网联环境下自动驾驶车辆安全行驶的需求，必须实现车辆全时空高精度定位。针对单车定位(Single Vehicle Localization, SVL)方法的不足，提出了一种基于双层滤波结构的智能网联汽车协同定位框架。首先，基于卡尔曼滤波对各车辆状态进行修正；然后设计基于联邦卡尔曼滤波的协同定位估计方法，通过构建一个主滤波器和多个局部滤波器，将本车状态与修正后的邻车状态进行融合；使用多种数据拟合方法，基于真实数据构建传输时延概率模型，基于高斯分布构建处理时延概率模型；此外，提出一种通信时延误差补偿方法，并融入协同定位框架；最后，设计了5组仿真试验，评估SVL、未进行通信时延误差补偿的协同定位方法(CLWC)和基于通信时延误差补偿的协同定位方法(CLC)的定位性能，并深入分析了速度和行驶方向对定位结果的影响。研究结果表明：在城市道路环境下，CLWC相较于SVL,精度提高了15%～23%;在空旷道路环境下，通信时延较小情况时，CLWC优于SVL,CLC在CLWC基础上将精度进一步提高了5%～13%。在长直道、弯道、隧道等场景，CLC能够保证定位轨迹平滑，精度明显高于SVL,同时进一步验...