高密度瓶颈交通流主动-回应汇入行为定义与建模

汇入行为是导致高速公路、快速路汇入区瓶颈失效的根本原因,也是引发车辆冲突、交通事故的重要诱因。基于上海虹许路汇入区高精度轨迹数据,在经典的3类汇入行为(自由、协作、压迫)分类基础上发现并定义了一类新的汇入行为:主动-回应汇入,即在目标车道插车间隙不足的条件下,汇入车辆通过横向偏移主动表达汇入意图,引发后车合作让行,从而实现汇入。由于传统的换道类型划分方法已不适用于描述瓶颈区汇入过程的复杂交互现象,因此根据汇入车辆的横向位置将汇入过程划分为4个时段,以目标车道后车让行的时段不同对4类汇入行为进行了重新划分。基于此对虹许路汇入区轨迹数据中的汇入行为进行分类,并比较主动-回应汇入行为与经典的3类汇入在汇入位置与汇入间隙变化分布的差异。进一步,采用风险空间理论判断目标车道间隙的可汇入程度,并结合混合高斯-隐马尔可夫模型实现对后车的让行意图识别,建立了主动-回应汇入模型。最后构建了瓶颈交通流仿真原型系统以验证模型有效性。结果表明:在宏观交通流层面,主动-回应汇入行为在汇入位置、速度和间隙的分布上与实证数据一致,均值没有显著差异;在个体行为层面,也能再现定义描述的"主动试探-两车博弈-回应让行"的过程。该研究成果对解析瓶颈交通流早发性失效机理、揭示汇入风险变化过程以及设计符合人类驾驶人交互特征的自动驾驶汇入策略均具有重要的指导意义。     

突发事故条件下道路交通流早发性失效机理研究

为了探究突发事故条件下道路交通流早发性失效机理,采用尖点突变模型建立了交通流早发性失效分析模型。首先,将尖点突变模型变量与交通流参数一一对应,建立了交通流尖点突变模型与实际道路交通运行状态的映射联系,并针对系统状态控制点在平衡曲面上的运动路径与交通流状态演变过程进行了对应分析。随后,引入分叉系数、包围系数及失效阈值边界3个参数定量描述了分叉集,旨在全面、细致地刻画分叉集的特征,揭示分叉集特征对系统状态控制点运动路径的实际影响。基于实测数据,建立了同一路段上有、无事故2种场景下的交通流尖点突变模型,通过最小二乘法拟合得到模型相关参数,并以此为基础推导计算得到2种场景下分叉集的特征参数。采用定量与定性分析相结合的方式对2种场景下交通流系统的演变进行了对比分析,进而揭示了突发事故条件下交通流早发性失效机理,并提出了相应的早发性失效预测方法。最后,结合2种场景下短时交通流参数时序变化路径进行了验证性分析,证明了所采用方法的可行性及合理性。     

混合交通流出行者Agent行为模型

由于混合交通流的交通行为和交通情况的复杂性,针对混合交通流的微观仿真模型开发一直是系统仿真领域研究难点和热点.文中提出一个基于活动的、适用于城域混合交通流仿真的出行者Agent行为模型——A-TAM,通过分析一个完整的典型出行过程,借此构建出A-TAM模型层次框架,应用Agent建模、效用函数理论和“心理场”理论对A-TAM模型中各层次模型进行分别建模,最后应用A-TAM模型对自行车在混合交通流无信号交叉口的行为进行建模,仿真结果验证了A-TAM模型的有效性.      

基于驾驶行为分析的交通流中车辆跟驰建模与仿真

着重从驾驶行为分析的角度，对车辆跟驰模型中与人的因素有关的GM模型、CA模型、线性Helly模型、AP模型以及基于模糊逻辑和神经网络的车辆跟驰模型进行了详细的评述，提出了未来智能交通流中应充分考虑到数字驾驶行为对智能车辆跟驰建模与仿真的影响，以期正确地揭示出交通流的特性和本质。     

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。      

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航（ACC）和协同式自适应巡航（CACC）等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响,利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明：自动驾驶可以提升交通容量;与ACC车辆比例r_a相比,CACC车辆比例r_c对交通容量的影响更为显著;当r_c>0.5时,饱和流量快速增加,当r_c=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明：自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下,车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。     

不良车辆行为图谱及其在匝道区精细化车道管理中的应用

车辆行为图谱能够综合反映交通流中的车辆行为特征及车辆行为的动态变换,便于分析特定场景下的驾驶行为优劣.本文首先分析了城市道路的车辆行为特征,建立了不同交通流模式下的车辆行为图谱,并结合微观车辆行为对宏观交通流的影响方式,得到针对特定道路环境和交通流模式的不良车辆行为图谱.接着分析了不良车辆行为图谱与交通拥堵之间的致因链生成机制及结构,提出截断拥堵致因链的拥堵缓解方案.匝道区车辆的换道行为对交通流有很大的影响,通过对匝道区车辆换道行为图谱的分析,利用合理的车辆换道行为引导方法,建立面向匝道区精细化车道管理的拥堵致因链截断方法.最后利用VISSIM交通仿真平台进行了验证,结果表明:改善匝道区车辆换道行为图谱能够降低或消解不良车辆换道行为引发的匝道区交通拥堵.     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

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。     

基于表征驾驶风格的驾驶员纵向加速度模型

驾驶员驾驶风格的差异会引起纵向加速度决策与最优值存在一定程度的偏差.改进了基于最优预瞄的驾驶员纵向加速度模型,以跟随速度为参考量,提出了多点多目标的二阶预瞄决策模型,并以预瞄视野、决策意愿和决策偏差表征驾驶员的驾驶风格进行建模.通过Simulink-Carsim联合仿真,验证模型可以反映出不同驾驶风格下的驾驶行为,为研究分析真实驾驶行为提供借鉴.     

基于分布式强化学习的车辆控制算法研究

端到端自动驾驶算法的开发现已成为当前自动驾驶技术研发的热点。经典的强化学习算法利用车辆状态、环境反馈等信息训练车辆行驶，通过试错学习获得最佳策略，实现了端到端的自动驾驶算法开发，但仍存在开发效率低下的问题。为解决虚拟仿真环境下训练强化学习算法的低效性和高复杂度问题，本文提出了一种异步分布式强化学习框架，并建立了进程间和进程内的多智能体并行柔性动作-评价（soft actor-critic, SAC）分布式训练框架，加速了Carla模拟器上的在线强化学习训练。同时，为进一步实现模型的快速训练和部署，本文提出了一种基于Cloud-OTA的分布式模型快速训练和部署系统架构，系统框架主要由空中下载技术（over-the-air technology, OTA）平台、云分布式训练平台和车端计算平台组成。在此基础上，本文为了提高模型的可复用性并降低迁移部署成本，搭建了基于ROS的Autoware-Carla集成验证框架。实验结果表明，本文方法与多种主流自动驾驶方法定性相比训练速度更快，能有效地应对密集交通流道路工况，提高了端到端自动驾驶策略对未知场景的适应性，减少在实际环境中进行实验所需的时间和资...     

基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价方法

为解决网联环境下重型车驾驶人驾驶安全绩效评价在指标多样性、模型可靠性、评价完整性和结果可溯性等方面的问题，提出一种基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价框架，包括驾驶行为指标提取方法、包含零值的超效率数据包络分析方法和基于效率前沿分析的驾驶安全绩效提升方案。基于网联环境下重型车自然驾驶数据特征，提取6个行程级的危险驾驶行为指标作为模型输入项，包括：表征激进驾驶的超速行为、急加速行为和急减速行为；表征分心驾驶和疲劳驾驶的打哈欠行为、使用手机行为和吸烟行为。表征驾驶风险暴露因素的行驶时间和行驶里程作为模型输出项。将每个驾驶人视为独立的决策单元，构建3种驾驶绩效评价模型，分别从激进驾驶、分心和疲劳驾驶以及综合驾驶风险3个维度对驾驶绩效进行评价。进一步利用效率前沿分析准确识别低绩效驾驶人，并量化其达到最佳驾驶绩效所需提升的驾驶行为指标。将该框架应用于南京某重型车车队的34名驾驶人，使用连续3个月的网联数据开展驾驶绩效评价。结果表明：该框架能够准确计算驾驶绩效得分，不同驾驶绩效等级驾驶人之间的驾驶行为特征存在显著差异，超速行为和打哈欠行为是影响驾驶绩效评价结果的关键因素，针对低绩效...     

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。      

微观交通流仿真一体化环境研究

针对国内交通仿真研究的零散性和解决问题的单一性等特点，结合项目组开发的仿真软件，提出了微观交通流仿真一体化环境的结构和功能，按照面向对象、面向消息和模块化建模的思想对一体化仿真的理论框架以及构建一体化仿真环境的关键技术进行了探讨。     

驾驶员轨迹决策行为影响因素的仿真研究

通过分析包括前方道路可行区域、驾驶员体力负担及道路交通法规在内的众多因素对驾驶员开车的影响，利用模糊决策理论建立了驾驶安全性、驾驶轻便性和驾驶合法性3个评价指标，并进行了在几种典型路况下的驾驶员-汽车-道路闭环系统仿真计算，有效地描述了驾驶员在开车时动态决策汽车预期轨迹的行为。     

基于双边控制法的仿真交通拥堵缓解分析

交通拥堵是阻碍道路交通发挥应有通行能力、降低车道通行效率的常见交通现象。自动驾驶汽车的出现给拥堵问题的解决提供了新的解决思路和技术方向。基于微观交通流交通波理论,根据实际道路饱和交通流车辆跟驰行为建立虚拟交通场景,通过自动驾驶仿真平台构建仿真试验环境,对采用双边控制法的自动驾驶汽车影响下的“幽灵堵塞”拥堵波传导现象进行了仿真分析。结果表明：采用双边控制法的自动驾驶车辆在缓解拥堵波传递上具备 优化效果,拥堵波得到有效缓解,通行效率提升 37.57%。     

考虑驾驶人特性的一主多从混合博弈容错控制

为保证线控底盘电动汽车在遭遇执行器失效时的稳定性，并考虑人-车交互行为，提出了以驾驶人为领导者的一主多从（Single-leader-multiple-follower，SLMF）混合博弈容错控制框架。为实现驾驶人-车辆的交互控制，首先建立了两者的耦合模型。其次，将驾驶人及5个底盘子系统即主动前轮转向（Active Front Steering，AFS）系统和4个轮毂电机建模为博弈中的6个参与者，基于Stackelberg主从博弈与多人合作博弈设计了SLMF混合博弈控制框架。考虑驾驶人具有优先控制权限及执行器对驾驶人行为的补偿作用，基于Stackelberg博弈理论建立了驾驶人与底盘子系统的主从博弈模型，其中驾驶人作为领导者通过感知跟随者的行为做出转向决策，而5个底盘子系统被建模为跟随者。由于跟随者追求共同的横向稳定控制目标，因此基于合作博弈理论建立了合作模型，并对领导者的转向策略做出最优响应。最后，为研究跟随者之间追求不同目标导致不合作时的控制效果，设计了非合作Nash博弈与Stackelberg博弈相结合的混合博弈为对比方法，通过实时硬件在环测试验证并对比了2种方法。结果表明：针对不同风格的驾驶人，所设计的方法可以保证遭遇执行器卡死失效车辆的稳定性。与不合作的情况相比，2种不同风格的驾驶人驾驶的车辆在底盘子系统合作时，车辆稳定性分别提升了54.62%和53.78%，驾驶人工作负荷分别降低了31.79%和36.07%。     

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中，自动驾驶车辆容易出现频繁的误减速、误避让，而造成通行能力和乘员舒适性的下降，提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层，根据切入场景中主旁车的冲突性关系，联立相关车辆运动方程建立整体系统的运动模型，构建考虑旁车状态的切入博弈模型，设计安全性和舒适性收益函数，进行驾驶行为博弈，输出行为决策结果。在轨迹规划层，根据车辆间距构建避障约束条件，以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求，建立轨迹规划数学模型，求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明，在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策，准确完成切入场景下的运动规划任务，车辆能准确跟踪输出的轨迹，更符合一般驾驶习惯，提高了车辆的舒适性。     

考虑分心驾驶行为的高速公路合流区安全性评价方法

现有的公路项目安全性评价主要基于车辆运行速度的协调性,并未考虑交通状况和驾驶人可能出现的注意力不集中情况。考虑驾驶人分心驾驶和交通状况,提出一种高速公路合流区安全性评价方法：将驾驶行为、交通流及合流区几何设计等因素纳入到安全评价模型中,构建高速公路合流区的Vissim仿真模型,通过设置临时走神的持续时长和发生概率这两个参数实现对分心驾驶行为的模拟;采用灰色聚类方法综合评价高速公路合流区的交通安全性,构建入口匝道合流区的风险预测模型,并应用该模型预测依托工程高速公路入口匝道合流区的交通安全风险。研究发现入口匝道合流区的风险预测值符合多元线性回归,在相似的交通流状态下随着走神时间、走神概率的增加而单调递增。除了驾驶行为因素,交通量、主线与匝道运行速度差是影响合流区交通安全的另外两个主要因素。当高速公路主线交通量较大时,合理的限速可以降低合流区的风险水平。提出的考虑分心驾驶行为的安全性评价方法可快速、全面地评价合流区的风险水平,为制定合理的交通管制措施、改善公路合流区交通安全提供理论依据。     

高速公路交通流控制仿真的若干问题

本文从控制理论和计算机仿真的角度，结合高速公路交通流的确定性和随机性共存的特点，提出了高速公路交通流控制仿真的若干问题，阐述了利用计算机仿真解决这些问题的必要性，详细列举了高速公路交通流建模，仿真优化，参数辨识，交通流状态估计，控制策略和方法的选择，控制系统效果评价及系统实现等问题。