用于微观仿真车辆模型中轨迹的简化算法

实际车辆运行轨迹的测量和计算都比较复杂。现存的微观仿真车辆模型，往往都回避了车辆轨迹的计算，而用直线运行来近似代替。构建微观车辆模型时，在影响车辆运行轨迹的各个因素中，可以只考虑前轮转向角和前后轴间距离2个主要因素，而质量、摩擦、刚体系数等其他次要因素是可以忽略的。据此，给出了车辆运行轨迹计算的简化算法，并为此进行了若干试验论证。结果表明，这种简化，一方面使得车辆微观模型在轨迹上更加接近于真实，另一方面，算法计算量小，是微观仿真中可以接受的。     

公交车辆运行微观交通仿真模型研究

介绍了上海交通大学与吉林大学共同开发的微观交通仿真系统MTSS的体系结构;建立了公交网络描述模型、公交车辆产生模型、乘客需求模型、公交站点事件反应模型和公交车辆运行模型;以微观交通仿真系统MTSS为仿真平台构建了公交车辆运行微观仿真模型;对上海市斜土路非港湾式站点与华山路港湾式站点进行了实地数据调查,利用实测数据对建立的公交车辆运行微观交通仿真模型进行了验证,测量值与仿真值之间的误差在10%以内。验证结果表明,建立的公交车辆运行微观交通仿真模型可以较好的描述公交车辆的运行过程以及与其他交通流之间的相互影响关系。     

道路交叉口不同相序下车辆碰撞风险模型研究

道路交叉口具有车辆冲突交织、碰撞风险加剧的交通安全复杂性的特点,而道路信号交叉口中的相序设计是制约降低车辆碰撞风险、提高交叉口安全性的主要瓶颈。文中针对上述问题,以道路交叉口车辆轨迹的不同冲突点和碰撞风险概率作为切入点,提出了不同相序下左转车与直行车不同驾驶行为的碰撞风险模型。根据运动学理论考虑车辆运行特性,运用条件概率的思想求出碰撞概率来表征车辆碰撞风险,从安全的本质出发提出了碰撞风险的表述方法,建立密度函数模型,从而建立基于概率计算的动态碰撞风险模型,通过VISSIM微观仿真软件仿真车辆的运行场景,利用仿真输出的运行数据计算风险值。研究结果表明,根据碰撞风险估计值变化规律可以确定不同相序下不同驾驶行为的碰撞风险预警阈值,而且能较好地反映实际交通安全状况,比较两种相序预警阈值的大小,还可以为信号交叉口相序设计提供定量依据。     

基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法

基于机理分析的车辆动力学建模过程通常进行简化及假设,无法准确计算实际车辆在不同道路条件下的动力学变化,进而导致智能汽车轨迹跟踪控制精度低、不稳定等问题。鉴于此,本文中提出了一种基于混合建模技术的非线性建模与控制方法,构建机理分析-数据驱动的车辆动力学串联混合模型,车辆状态与控制数据经机理模型实现计算处理,级联合并后作为数据驱动模块的输入,长短时记忆网络作为主干网络实现时序数据的非线性关联特征提取和最终的模型输出计算。测试结果表明,该模型可以补充计算机理模型中的部分未建模动态并提高模型计算精度,且具有隐式理解不同路面附着条件的能力。其次,使用Euler积分完成对预测模型的离散化并设计模型预测控制轨迹跟踪算法,设计前馈反馈控制算法在实现车辆的纵向控制的同时提供横向控制中预测模型所需的外部输入,最终实现更符合实际行驶环境且更精准的轨迹跟踪控制效果。CarSim/Simulink联合仿真结果表明,该方法实现了不同道路附着系数下控制量精确输出,同步提升了智能汽车轨迹跟踪控制精度和稳定性,具有良好的横纵向协调控制效果。     

基于触须算法构建与修正的智能车辆自主驾驶与避障

基于二自由度的智能车辆模型,研究了在不同转向盘转角和车速下,影响行车轨迹的因素.构建了基于行车轨迹的触须,对障碍物的避障算法进行了分析.根据三维和二维激光雷达测得的数据绘制512×512地图,实现智能车辆合理和自主避障.仿真和试验结果验证了模型和算法的有效性.     

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.     

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。     

行人过街预警方法

行人是交通系统中不可或缺的一部分,也是交通场景内最灵活、复杂、多变的因素。据统计,90%以上的交通事故都是由人为因素造成的。文章主要面向行人,研究行人过街的预警方法。建立人车微观交互模型,提出以行人头部偏差角为基础的关注度算法。采集行人和车辆鸟瞰视频,标定行人与车辆的二维坐标点为轨迹数据,通过轨迹数据和头部偏差角计算出最大加速度和关注度,以最大加速度和关注度聚类出两种典型过街风格,分析不同过街风格的预警程度。最后利用生成对抗网络模型预测出人车交互时行人的轨迹,用预测轨迹描述行人对交互车的反应情况。该实验对研究无信号十字交叉路口行人过街预警有重要参考意义,理论上增强了行人与车辆在无信号交叉路口的交互安全性。     

无人驾驶车辆轨迹跟踪控制研究

为了提升智能车辆在轨迹跟踪控制中的性能,文章基于车辆运动学模型建立了一种带有前馈补偿和反馈最优控制策略的线性二次型调节器(LQR)轨迹跟踪控制算法。并通过搭建Carsim/Simulink联合仿真模型,验证该算法在不同工况下的轨迹跟踪效果。结果表明,该算法在不同车速和不同路面附着条件下都能保证无人驾驶车辆准确地跟踪参考轨迹,且具有较强的鲁棒性。     

交叉口左转与直行车辆动态碰撞风险估计模型

为改善交叉口安全状况,提高整个交叉口的交通安全水平,对交叉口碰撞类型之一的左转与直行车辆动态碰撞风险估计模型及警告阈值进行了研究。分析了交叉口左转与直行车辆的运行过程并基于风险内涵,提出了左转与直行车辆的动态碰撞风险估计模型;运用Vissim微观交通仿真软件仿真输出的车辆运行数据计算碰撞风险估计值。仿真结果表明,根据碰撞风险估计值变化规律可以确定出左转与直行车辆的碰撞预警阈值。