车道变换行为特性研究

基于运行方向、环境、轨迹3个角度进行了车道变换行为的分类,按照意图产生、间隙选择、执行3个阶段划分了车道变换行为,分析了跟车调查和定点调查获取的实测数据,揭示了车道变换行为的时空分布特性。认为发生车道变换行为的时间间隔在1~2 min之间,不同车型发生车道变换行为的时间间隔有所不同;出入口相对于在直线段发生的车道变换行为更加频繁。     

城市路侧禁令标志对公交车驾驶员驾驶行为影响研究

针对交通标志对公交车驾驶员驾驶行为影响程度问题,从禁令标志的角度出发,分析其对公交车驾驶员驾驶行为的影响.外业采用自然驾驶调查、录像观测、表格记录等方法调查和记录驾驶员驾驶行为,内业根据区间时间间隔和区间距离,计算获得每公里停车次数、每公里车道变换次数、每公里加减速次数、区间运行速度等表征指标.采用相关性分析法,获取调查数据内在规律特征,得到每公里禁令标志分布量与车道变换次数、加减速次数影响因素显著相关,并分别构建了指数模型和立方模型予以拟合.结果表明,在调查路段和调查周期内,城市路侧禁令标志分布量显著影响公交车驾驶员操作行为;可将1.6作为禁令标志分布量变化量指标的判断阀值,当车道变换次数平均值变化量低于0.8、加减速次数平均值变化量小于1.1时,公交车驾驶员驾驶行为较为稳定;当禁令标志分布量变化量高于1.6时,驾驶员操作复杂性增加,表现为车辆频繁车道变换和加减速.     

微观交通仿真中的车道变换模型

将车道变换行为分为强制性车道变换和任意性车道变换两种类型，分析了两种车道变换类型的各种常见情形，建立了描述车辆车道变换意图的产生、车道变换可行性分析以及车道变换的实施等行为的车道变换模型。此外，作为一种特殊的车道变换行为，还建立了反映车辆在拥挤状态下的挤车变道行为的挤车变道模型。     

微观仿真自主性车道变换模型

车道变换是一种复杂的刺激-反应行为,为了准确表示车辆变换车道的决策过程,克服现有模型的不足,重点考虑驾驶员特征和车辆类型对车道变换的影响,并将车道变换过程可划分为3个阶段,即车辆挟道意图的产生、换道可行性分析和换道的执行;引入随机效用理论描述换道需求的产生,建立了基于车道效用选择的自主性车道变换模型,利用视频处理软件获取大量车辆运行轨迹微观数据,采用极大似然估计法对构建的自主性车道变换模型进行了标定;最后,基于换道次数的仿真值与实测值,选取均方根偏差、均方根百分比偏差2个评价指标对车道变换模型的有效性进行了验证,误差指标小于10％,表明建立的自主性车道变换模型可以较好地描述车道变换复杂的运行行为.     

车道变换期望运行轨迹仿真

车道变换行为在实施过程中会产生交通冲突,降低道路系统的运行效率,严重时会引发交通事故.文中根据曲率的变化将车道变换过程划分为4个阶段,同时引入β样条曲线,在给定边界条件的基础上,确定β样条曲线的反求算法.在车辆转角、转角变化率及车辆的驾驶行为等约束条件下,确立车道变换运行速度与车道变换长度的关系,进而计算轨迹参数.以 Matlab 仿真计算轨迹曲线,并与实测数据对比,分析结果验证了模型的有效性.     

高速公路出匝分流区超车道车辆车道变换模型

为了获取高速公路出匝分流区车辆的变道运行规律,利用DV和数据采集仪对广东多条高速路多个出匝分流区上出匝车辆车道变换行为的特征数据进行了大量调查.从调查数据中,分析出车道变换特性,结合数理统计理论,应用微分法建立了出匝车辆的变道模型.该模型与调查数据拟合结果吻合,并揭示了整个出匝变道过程及交通流量对变道行为的影响.Matlab编程显示:交通流量适中时,行驶距离不超过400 m便会变道成功;交通流量大时,驾驶员应该提前变道至行车道或减速车道,为高速路规划设计、指路标志设置和安全引导驾驶提供有力理论依据.     

基于多智能主体系统的车道变换模型

为更加真实地反映车道变换行为,建立具有良好性能的车道变换模型,根据抽样调查结果分析了车道变换的基本条件。引入智能主体(Agent)理论,将Agent与车道变换行为联系起来,建立了基于多智能主体系统(Multi-Agent System,MAS)的车道变换模型框架;给出了车辆MAS的结构,抽象了各Agent成员的元组构成,给出了各Agent成员的工作原理与执行流程;基于多智能系统工程方法(Multi-Agent Systems Engineering Methodology,MASEM),给出了车道变换的仿真流程并得到仿真实例。研究结果表明:在2 km长的双向4车道高速公路上,在30 s时间内,利用提出的车道变换模型仿真得到的车道变换车辆次数与实际情况相差8%;在该时段内任意瞬间,正在执行车道变换的车辆数目与实际情况相差仅1.67%。     

考虑车道变换影响的高速公路交通事故预测模型研究

考虑车道变换可能对交通安全造成不利影响,结合广东省3条高速公路64个路段的交通运行状况数据和交通事故历史数据,利用负二项分布预测方法,建立并标定了基于交通量、路段长度、车道变换次数、大型车变道比例、单位里程变道次数等5个解释变量10组不同组合的交通事故预测模型.通过计算各组模型的Akaike信息量准则指标,得到了3组权衡了模型结构(即解释变量数量)和数据拟合度的最优模型.结果表明,虽然3组最优预测模型的预测精度仍有待提高,但是考虑车道变换影响的交通事故预测模型明显优于其他模型.这说明与车道变换相关的变量可以作为交通事故预测的有效解释变量,并且引入该类型变量可以更好地预测高速公路交通事故的发生.     

面向车道变换的路径规划及模型预测轨迹跟踪

为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制（MMPC）系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制（SMPC）系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明：当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。     

信号交叉口车辆拖延行为分析

在分析HCM2000 Back of Queue模型计算值偏大的原因中,提出了信号交叉口车辆拖延行为的概念,分析了拖延行为导致Back of Queue模型偏大的2种情况。建立了车辆拖延行为3阶段模型,重点推导了拖延行为模型中,低匀速行驶的时间与不发生拖延行为的正常状况下的停车等待时间之间的关系。根据统计分析,确定低匀速行驶的速度和时间的取值范围,在此基础上推导出车辆发生拖延行为的最大时间间隔Tmax,以及车辆发生拖延行为的条件。讨论了Tmax在考虑拖延行为的排队模型中的应用,是对考虑拖延行为的Back of Queue模型研究的进一步深化。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。     

基于多视图协同交互技术的换道图谱构建与分类

为直观展示换道过程中驾驶人视觉感知与手脚操作的细节特征,研究了多视图协同可视化的换道图谱。采用驾驶模拟舱进行高速公路驾驶实验,提取换道过程相关指标数据。将平行坐标、计数图、柱状图与换道轨迹协同可视化以构建换道图谱。采用多视图交互技术对提取的40个换道过程进行分析,提出换道过程的合格区范围并以此将换道图谱分为合格、临界合格和不合格3类,并对不合格图谱进行致因分析。结果表明,合格、临界合格和不合格图谱的比例分别为10.00%、12.50%和77.50%。不合格图谱的转向盘转速、加速度、横向加速度的平均标准差（6.57°;0.91 m/s²;0.41 m/s²）都大于合格图谱的平均标准差（4.55°;0.34 m/s²;0.17 m/s²）。导致图谱不合格的主要因素是：驾驶人手的急速操作引起转向盘转动幅度过大、横向加速度过大;驾驶人脚的急速操作引起纵向加速度的变化幅度过大。换道图谱能够精准地对换道过程进行可视化分析与诊断,为驾驶人优化换道行为提供支撑。

     

基于BP神经网络的智能车辆换道决策模型研究

为了正确刻画智能网联环境下的车辆换道行为,提出基于BP神经网络的车辆换道决策模型.分析了交通流中车辆换道行为,以HighD自然驾驶数据集为数据来源,筛选出1 900组车辆换道和未换道信息作为模型的训练与验证,利用高斯滤波方法拟合目标车辆换道轨迹和横向位移轨迹,选择影响车辆换道决策的7个参数作为模型输入,建立BP神经网络...     

微观交通仿真中换道模型的研究综述

与跟车行为相比,换道行为需要考虑的车辆更多,司机的决策过程更加复杂,也更难于描述,目前跟车模型的研究已趋于成熟,而换道模型的研究则相对滞后.针对多数交通仿真系统存在的算法内核封装性和保密性问题,对当前应用较多的几种换道模型进行了综述,介绍了几种模型的构建思想和算法,对这些模型的优缺点进行了评述和展望.期望能对换车道模型研究的深入化和精准化起到一定的参考和借鉴作用.     

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。     

减速频次催生换道意图下自动驾驶车辆自适应换道模型

科学、合理、拟人化的换道控制是实现自动驾驶车辆安全高效行驶的重要保障,已有研究主要考虑相邻车道速度差、换道间隙等要素对车辆换道控制的影响,并未考虑车辆频繁加减速导致乘车体验差而催生换道意图这一重要现象。针对该问题,设计以抗干扰能力为基础的自动驾驶车辆自适应换道调控方法,其调控过程主要包括：采用智能驾驶人模型控制自动驾驶车辆纵向驾驶行为,以减速频次为指标度量自动驾驶车辆的抗干扰能力,并将抗干扰能力引入到自动驾驶车辆换道决策过程中,模拟自动驾驶车辆因频繁加减速导致乘车体验差而产生换道意图的现象,在此基础上,提出车辆换道控制模型。然后,以智慧高速为背景,利用Netlogo构建多种自动驾驶车辆运行场景,测试所构建的自适应换道调控方法。研究结果表明：智能驾驶人模型的选用能够合理体现自动驾驶车辆换道行为对交通流的运行影响;相比于低密度车流（≤30 veh）,在中高密度车流情况下（≥40 veh）,自动驾驶车辆维持原有车道运行的能力较弱、换道频率较高,且过高[80次·（5 min）^-1]或过低[10次·（5 min）^-1]的抗干扰能力临界值会导致自动驾驶车辆运行速度降低至10 km·h^-1,因此可以根据不同车流密度条件对自动驾驶车辆的最大抗干扰能力进行设置和调整,从而保证自动驾驶车辆的运行效率,这也从侧面证明了所提自适应换道调控方法的科学性与合理性。研究结果对于提高自动驾驶车辆换道控制的合理自主性具有重要意义,该结果进一步完善了自动驾驶车辆换道模型库,能够为自动驾驶自适应换道调控提供理论和技术支撑。     

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系（即驾驶人紧急变道模型）,作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,满足避撞约束、侧向位移约束以及最大侧向加速度约束,得出Sigmoid函数表达式,作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束,逼近全局正交多项式的状态量和控制量,自动调整和处理2个阶段的切换点位置和衔接问题,以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明：提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物,同时缩短了需要优化的轨迹,优化时间都小于0.9 s,并且与基于多项式函数轨迹规划方法相比,该方法能够以距障碍物较远的距离避开障碍物,在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。     

基于二次规划的智能车辆动态换道轨迹规划研究

为实现智能车辆的自主换道操作并满足安全性、舒适性和实时性等约束条件,提出一种针对动态交通环境的换道轨迹规划模型.该模型由道路平面曲线表征模块、路径生成模块以及速度曲线生成模块组成.首先,在道路平面曲线表征模块中,模型基于实时获取的周边道路信息,利用切比雪夫多项式插值法回归拟合出连续可导的道路平面曲线函数,用以保证模型在...     

车路协同下避让紧急车辆协同换道策略

为加快紧急车辆抵达事故现场的速度,同时减少紧急车辆优先权对其他车辆的影响,运用车路协同系统,提出避让紧急车辆协同换道策略,通过调整紧急车辆下游车辆位置,实现紧急车辆高效通过路段。以紧急车辆前车（DV）及其相邻目标车道车辆为控制对象,根据相邻车道车辆间距与车车通信范围,搜索DV可换道空间间隙集。以交通流整体恢复稳定时间最小为目标,确定DV换道轨迹和相邻车道协作车辆的速度变化,引导车辆完成协同合流,既能保障车辆安全换道,还能降低换道造成的速度振荡传递。同时,为快速恢复DV换道造成的目标车道车辆速度波动,对上游车辆（UV）采取先进先出规则的换道控制策略。所提协同避让紧急车辆的策略考虑了车辆协同换道对交通流的整体影响,并在原有换道策略的基础上提出了减少速度波动传递的控制方法。案例分析结果表明：采用上下游协同换道策略最短换道时间为6s,此时紧急车辆距前车78.66 m时发送避让信号。同时研究发现,恢复交通流速度稳定所需的时间为29 s,比未采用上下游协同换道策略降低了34%。     

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。