智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点,是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略,在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流,推动着城市道路交通控制对象、数据环境和控制手段的变革,为交通控制提出巨大挑战的同时,也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点,尚处于研究起步阶段。根据路权特征,先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究,包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究,包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展,但RV驾驶行为的随机性、...     

混合交通流环境下信号配时研究

交通路口的信号配时大多采用只考虑机动车辆影响的F．韦伯斯特—B．柯布理论，不适合中国混合交通流的特点。本文考虑混合交通流环境下机动车和非机动车辆对信号配时的影响，对F．韦伯斯特—B．柯布信号配时公式进行改进，提出适合中国国情的交通路口信号配时计算公式。最后通过北京市体育馆西路路口的实测交通数据验证信号配时公式有效性，并进行相关的讨论。     

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。     

网联通信时延下的混合队列控制特性分析

针对CACC协同自适应巡航控制技术,探究其在车联网通信时延影响下,与驾驶员驾驶汽车共存而构成的混合队列系统的性能。从微观跟车行为角度,基于频域传递函数,推导通信时延下的CACC队列稳定最小跟车时距的理论表达式,并通过数值验证指出CACC队列稳定最小跟车时距随通信时延增大而增大的特性。从交通激波特性角度,针对无时延CACC、有时延CACC和时延过大而退化后的ACC自适应巡航3种情形,给定相同的跟车时距,进行不同渗透率下的大规模交通仿真实验,实验结果表明,在无时延和1 s时延这2种情形下,CACC在20%及以上的渗透率时均能显著降低交通扰动,削弱激波,性能差别不明显; 相比而言,退化后的ACC性能明显恶化。     

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。     

混合交通流连续动力学建模

对现有的交通流动力学模型进行了简单的评价,在此基础上提出一种新的高阶混合交通流动力学模型,新模型重点研究了混合交通中的干扰项,用粘性项来计算交通阻力,然后对建立的交通流动力模型在特征根问题(车流应是各向异性)、负速度问题(车流倒退)和线性稳定性(主要指高密度下的车流稳定性)问题进行了理论分析。理论分析结果表明,新的高阶交通流动力学模型有效解决了困扰大多数高阶非平衡连续流模型难以处理的问题,而且新模型充分考虑了混合车流中不同车型比例车辆间的粘性阻力,相比较其他模型更能准确反映非纯小车流情况下的交通真实情况。     

交通路口混合交通流的分布式模糊控制

考虑非机动车辆对路口信号控制的影响,提出了交通路口混合交通流分布式模糊控制的一种新方法;基于北京体育馆西路路口的实测数据,利用德国VISSIM仿真软件进行仿真,验证了该分布式模糊控制方法是一种有效的方法。     

智能网联混合动力汽车队列模型预测分层控制

提出了一种智能网联混合动力汽车队列的模型预测分层控制方法,有效提高了队列的安全性、燃油经济性和乘坐舒适性。首先,建立了可准确表征智能网联混合动力汽车队列行驶中多过程耦合特性的动力学模型。然后,针对智能网联混合动力汽车队列系统的非线性和混杂特征,构建了智能网联混合动力汽车队列的模型预测分层控制构架。上层控制器利用所建立的基于反馈校正的鲁棒预测模型,消除由于参数误差或车辆动态特性变化引起的模型失配现象,增强预测模型的准确性和鲁棒性,进而实现安全性、经济性和舒适性多目标协调控制和智能网联混合动力汽车队列期望加速度的在线优化;下层控制器利用队列中智能网联混合动力汽车多系统动态协调控制器,实现发动机和电机两个动力源的准确与协调控制。最后,试验结果表明:所提出的模型预测分层控制系统在提高队列中车辆的跟踪能力的同时,明显改善了车辆的燃油经济性和乘坐舒适性。     

智能网联环境下异质交通流基本图和稳定性分析

为研究人工驾驶车辆和智能网联车辆（CAVs）的混合运行对交通流产生的影响,以其基本图和稳定性为突破口研究提高异质交通流运行效率的关键技术与方法。选择全速度差模型（FVDM）作为人工驾驶车辆跟驰模型,将加州伯克利分校实车数据标定的协同自适应巡航控制（CACC）模型作为CAVs跟驰模型。建立了异质交通流基本图模型,研究了CACC车辆的混入对道路通行能力的影响;对比了不同人工驾驶模型对异质流通行能力产生的差异性。从大车-小车组成的传统异质交通流研究方法入手,利用跟驰模型建立人工-网联异质流的稳定性解析方法,并运用Matlab验证了不同CACC比例下的稳定性分析。结果表明：与人工驾驶交通流相比,CACC同质交通流的道路通行能力大约提升了95%;实验中选用不同人工驾驶模型对通行能力实验结果造成的差异不大。平衡态速度为15 m/s时,低比例CAVs（如低于20%）并不能改善交通流;当CAVs比例达到20%及以上时,异质流稳定性随着CAVs的比例增加逐渐呈现出稳定趋势;当CAVs比例达到70%以上时,异质流基本稳定。

     

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.     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展,越来越多的网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)涌入道路交通,与传统人工驾驶车辆(Human Pilot Vehicle,HPV)形成混合交通流(Mixed Traffic Stream,MTS).为在提高MTS交通流量的同...     

自动驾驶专用车道影响下的CACC车流管理策略

自动驾驶专用车道对混合交通流的作用与协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车流大小相关.为分析已存在自动驾驶专用车道场景下CACC车流在各车道上的分布情况对交通流的影响,利用已有的人工驾驶车辆(Human-driving Vehicle,HV)和CACC跟...     

智能网联车辆交通流优化对交通安全的改善

为改善常规驾驶车辆交通流追尾碰撞交通安全状况,提出智能网联车辆（Connected and Automated Vehicles,CAV）与常规车辆构成的混合交通流车队稳定性优化控制方法。基于全速度差模型,应用集成速度与加速度的多前车反馈构建CAV跟驰模型,考虑CAV混合交通流车辆空间分布的随机性,将各类型局部车队稳定性作为优化目标,以局部车队头车速度扰动为系统输入,以尾车速度扰动为系统输出,应用经典控制理论领域的传递函数法推导局部车队稳定性约束条件;分析关于平衡态速度与CAV反馈系数的车队稳定域,以各类型局部车队能够在任意平衡态速度下均稳定为控制目标,对CAV反馈系数输出进行优化控制;设计高速公路上匝道交通瓶颈数值仿真试验,在不同CAV比例等多种条件下,分析CAV混合交通流优化控制对交通流车辆追尾碰撞风险的影响。研究结果表明：CAV混合交通流优化控制可降低车辆追尾碰撞风险,在碰撞时间阈值小于2 s时,100%比例的CAV交通流可将交通流的车辆追尾碰撞风险降低85.81%以上;在碰撞时间阈值大于2 s时,追尾碰撞风险可降低48.22%～78.80%。所提优化控制方法可有效降低CAV车队优化控制的复杂性,为大规模CAV背景下的混合交通流优化控制以及车辆追尾碰撞交通安全提升策略提供直接理论参考。     

自动驾驶环境下面向交叉口自由转向车道的交通控制模型

在未来自动驾驶环境下，自动驾驶车辆之间能相互配合、相互穿插地通过交叉口，而无需信号灯控制。因此，有必要研究新一代的能保障自动驾驶车辆安全高效通行的交叉口控制模型。已有控制模型可分为基于交叉口空间离散的控制模型和基于交叉口冲突点分析的控制模型，目前主要存在控制方式和模型非线性等方面的不足。建立了基于混合整数线性规划（MILP）的自动驾驶交叉口控制（Autonomous Intersection Control，AIC）模型，设计交叉口自由转向车道，允许交叉口所有进口道都能"左直右"通行，将交叉口空间离散为等距网格并建立网格坐标方程，考虑车辆在交叉口内部的行驶轨迹，建立车辆轨迹的上边界和下边界方程，确定行驶轨迹压过的交叉口网格，并建立网格被车辆路径占用的时间方程，使用同一网格同一时间只能被一台车辆占用的冲突点约束保障交叉口安全通行。模型以所有车辆通过交叉口的总延误最低为目标函数，通过将约束条件线性化处理，使用AMPL （A Mathematical Programming Language）并调用Gurobi数学规划优化器对模型进行求解。最后对模型效益进行了案例分析。结果表明：所提模型能有效处理自由转向车道的交通流到达模式，对比已有模型经常采用的先到先服务控制策略，该模型能整体优化车辆通行方案，降低车均延误50.51%，降低最大车辆延误29.12%，同时交叉口空间利用率提高了66.17%。     

不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模

随着世界范围内对自动驾驶汽车及其相关产业发展的高度重视,自动驾驶车辆上路已成为重点领域协同创新、构建未来交通系统的重要载体。本文主要研究自动驾驶车辆不同渗透率参与的混合交通流受场景天气条件的耦合影响因素下的复杂车辆行为逻辑分析,影响机理解析,跟驰模型及通行能力模型构建等。最后我们通过SUMO仿真实验对模型进行嵌套及分析,以期对自动驾驶汽车在测试及上路引导中起到重要理论决策依据。     

路段上集群智能网联汽车的车队形成机制

智能网联汽车是解决城市交通问题的关键技术之一,对于未来城市智能交通体系建设有着关键作用.集群的智能网联汽车已经具备了涌现的基本条件,设计科学合理的交互规则,可以实现车辆的自组织,分布式涌现控制.以微观仿真软件VISSIM及C2X模块为研究平台,修改驾驶模型参数,在C2X模块中编程实现3条交互规则:速度一致、尽量靠近、避...