美国交通的人性化管理

多名乘员车辆使用畅通无阻的车道在美国大多数高速公路的最内侧,开设了一条标有“车池道”(CAR POOL)字样的车道。上面行驶的车辆比较少,整个路面畅通无阻。原来这是一条专用车道,凡是车上有两人(含驾驶人员)或多人,都有权使用。这种“车池道”鼓励邻居或一家人,在上下班组织好,一个月或更长的时间内轮流开车。与别的车道比起来,“车池道”更为畅通。一些“开单车”的人不     

考虑快速路交织区驾驶人强行变道行为的交通冲突机理分析

驾驶人的强行变道行为对交通安全具有较大影响。为研究快速路交织区驾驶人强行变道行为引发交通冲突的机理、提升变道场景的安全性,本研究选取变道收益、变道车辆特征、目标车道后方来车避险特征、交通冲突严重程度4个变量构建了结构方程模型（structural equation model,SEM）。选取南京市1处快速路交织区为研究区域,通过无人机采集200个强行变道行为样本,并从中提取高精度车辆轨迹数据,分析了强行变道行为引发交通冲突的微观机理与关键特征指标。基于最小碰撞时间评估交通冲突的严重程度,以结构模型分析强行变道各环节因素引发事故风险的因果链路,提出压迫式、侵入式2种强行变道形态,综合考虑表征车辆变道收益与变道特征的多项微观指标,建立测量模型。SEM分析表明：变道收益显著影响变道车辆特征（p=0.044）;变道车辆特征显著影响后方来车避险特征（p=0.001）与交通冲突严重程度（p=0.021）;后方来车避险特征显著影响交通冲突严重程度（p <0.001）。在变道起始时刻,变道车辆与目标车道后车间距（p=0.002）、相邻车道前车速度差（p=0.012）与变道动机（p <0.0...     

车辆换道模型中的同步更新与异步更新

现实中,车辆在同一时空尺度运行时,不可避免存在行为冲突。然而在交通仿真层面上,受限于模型逻辑、编码实现等因素,仿真平台在模拟换道行为时多采用异步更新的方式,故未能较好地考虑车辆间的博弈与竞争行为。以交通仿真平台AE为基础,对比强制换道中的同步更新与异步更新2种模式,研究结果表明,前者可更真实地展现车辆间的行为冲突。     

基于VanetMobiSim/NS-2的车辆换道模型仿真

高速公路上驾驶人换道行为容易导致车辆碰撞事故。利用车载自组网（Vanet）车车通信提醒驾驶人在换道过程中可能遇到的危险,但在真实环境中测试车载自组网难度大,代价高。Vanet-MobiSim和NS-2分别是优秀的交通、网络仿真器,两者联合可以为车载自组网提供真实可靠的微观仿真平台。文中结合开源的VanetMobiSim中的智能驾驶人换道模型——IDM_LC设计Vanet环境下的车辆换道模型,仿真产生不同车密度、车道数下的移动车辆Trace文件。将Trace文件导入开源的NS-2中进行仿真分析。结果表明,采用VanetMobiSim/NS-2联合仿真平台可以很好的模拟设计的不同情景下的车辆换道模型,车辆换道时的车车通信将使得车辆换道效率和安全性都得到提高。     

考虑换道行为的无信号控制环岛交通流建模

为了研究环岛内车辆换道行为频繁发生影响环岛内交通运行效率,从而引发交通事故并阻断整个交通等问题,考虑到环岛和高速公路类似,进出车辆都在同一侧发生且车辆只有交织冲突,将环岛看成一条短的环形高速公路,用高速公路交通流模型来分析环岛内的交通流特性,并基于现有换道交通流理论,通过引入换道强度变量ε(t,x)对无信号控制的环岛内交通行为进行研究,分析其运行特性,建立考虑换道行为的多车道环岛交通流模型。研究结果表明:引入换道强度变量的无信号环岛交通流模型能真实反映环岛内交通情况;通过数值例子也验证了该模型的有效性,证实频繁的换道行为会降低环岛的车辆实际通过能力。研究是对现有文献中无信号控制环岛交通流建模的补充。     

Probe Data-based Identification of Vehicle Behaviors at Intersection

交通控制策略制定过程中,对于车辆在交叉口进口道前行为规律的把握至关重要.准确辨识进口道车辆行为模式,是研究下一代基于车路协同的交通控制理论的基础之一.基于车路实验平台的实时车载数据,运用加权平均法对交叉口的车辆换道和转向行为进行了观察分析,并通过建立线性规划模型及求解对辨识过程中的匹配误差进行了处理.最后实地的案例研究显示,本研究的方法对交叉口驾驶转向行为识别精度达100％,对换道行为识别的误差为8.33％,基本能够满足交通控制的要求.     

双向四车道高速公路超车道封闭施工作业区交通运行特性研究

为了给高速公路施工作业区的交通组织与管控提供一定的理论依据，针对四车道高速公路超车道封闭施工作业区的车头时距分布特性、车辆换道特性、车速分布特性、道路通行能力等交通运行特性开展研究工作。标定了描述车头时距分布的Erlan模型，拟合出了警告区、上游过渡区车辆换道比例曲线，得到了施工作业区各区段的速度分布曲线，确定出了上游过渡区、警告区、施工作业区段等主要区段的道路通行能力。研究结果表明：车辆换道位置集中分布在警告区末端，且仍有少部分车辆在上游过渡区内不安全换道；各区段的车速变化与作业区的交通控制条件大体相当，但减速过程没有及时均匀地出现在合理减速区域上；从上游正常路段至警告区再至施工作业区段道路通行能力逐渐降低，交通瓶颈的施工作业区段(只有一条可通车的车道)道路通行能力只有1 526 pcu/(h·ln)。     

基于注意力Seq2Seq网络的高速公路交织区车辆变道轨迹预测

针对交通状态复杂的高速公路交织区域,经验丰富的驾驶人能够通过正确地推断周围车辆的未来运动进行及时的车道变换,这对于实现安全高效的自动驾驶至关重要,然而目前的自动驾驶车辆往往缺乏这种预测能力。为此,基于深度学习理论,提出了一种结合注意力机制和编-解码器结构的交织区车辆强制性变道轨迹预测方法,利用Next Generation Simulation（NGSIM）数据集提取车辆变道过程中的关键特征,并引入碰撞时间（Time to Collision,TTC）和避免碰撞减速度（Deceleration Rate to Avoid a Crash,DRAC）2种风险指标,将变道车辆及其周围车辆视为一个整体状态单元,同时补全状态单元内部不同车辆在横向和纵向上的时空状态特征,从而更有效地刻画车辆间的动态交互行为;然后将不同观测车辆的连续窗口序列输入基于长短期记忆网络（Long Short-term Memory,LSTM）的编-解码器,预测交织区车辆变道的未来运动轨迹,通过添加软注意力模块,使模型能够集中聚焦于影响车辆在不同时刻下位置变化的关键信息,再现了真实交通场景下车辆的变道行为。试验验证表明：基于注意力机制的编-解码器模型与当前流行的卷积长短期记忆网络、极限梯度提升树等模型相比具有更高的轨迹预测精度,在长时域的变道轨迹拟合上有显著的优越性,为辅助和自动驾驶领域的发展提供了新思路。     

基于LSTM概率多模态预期轨迹预测方法

针对单模态轨迹预测无法充分表示未来预测空间以及解决轨迹预测固有的不确定性问题，本文构建了驾驶行为意图识别及交通车辆预期轨迹预测模型。驾驶行为意图识别模块识别被预测车辆车道保持、左换道、右换道、左加速换道和右加速换道的概率；交通车辆预期轨迹预测模块采用编码器-解码器架构，输出被预测车辆未来6 s内可能发生的多种行为和轨迹。通过HighD数据集对模型进行训练、验证与测试。试验结果表明：基于意图识别的预期轨迹预测模型生成的多模态概率分布可提高本车行驶安全性，与其他方法相比显著提高轨迹预测精度，在预测长时域轨迹上具有明显的优势。     

数据驱动的驾驶员换道行为分析与预测综述

换道是一种具有极高风险的驾驶行为,许多交通事故发生在换道过程中,相邻车道车辆的突然换道行为会产生很大安全风险并影响车辆的乘坐舒适性,对周围车辆的换道行为进行预测对驾驶辅助系统和自动驾驶汽车都十分必要。随着V2X(Vehicle-to-Everything)技术、5G技术的快速发展,车辆可以从周围环境中获得更多信息,使换道行为预测成为可能。文中对换道意图的产生及换道过程进行分析,将换道过程分为换道意图产生阶段、换道准备阶段和执行阶段,总结将车辆上各种传感器获得的车辆速度、加速度、位置、方向盘转角等信息及通过V2X技术从交通环境中获得的信息用于换道行为预测的主要方法。目前许多研究采用机器学习方法,按照所使用的数据类型可分为基于驾驶员生理活动信息的方法和基于车辆CAN总线信息、运动学及其与周围车辆运动关系信息的方法,也有研究将二者相结合。数据驱动的换道行为预测方法也可用于车辆的主动换道决策和执行过程,强化学习(RL)算法可以从真实数据中学习决策和驾驶行为,而这些对于传统的基于规则的方法来说基本不可行,故其在研究车辆主动换道时被广泛使用。     

考虑驾驶心理的封闭式道路车辆出匝换道模型

针对现有分流区车辆换道出匝模型对驾驶人心理因素考虑不足的问题,以换道紧迫感的概念来反映驾驶人心理对驾驶行为的影响,应用微分法建立了车辆出匝的换道模型。该模型揭示了车道数、减速车道长度、交通标志牌的设置、交通流量、行驶车速等对驾驶人出匝换道行为的影响。结果表明:考虑驾驶人心理的出匝换道模型在分流区上游端内更符合实际;驾驶人会依据交通环境对换道地点位置进行自动调节,但指路标志牌位置设置过近时,仍会使出匝车辆无法及时变更车道;交通流量的增大,会使出匝车辆的换道区间变得分散,换道行为更加激进。     

FRP在既有桥梁桥面系改造中的应用

正近年来,供行人或自行车使用的非机动车道成为了大型桥梁设计的关键内容之一,其中非机动车道的宽度是主要设计参数。有的桥上非机动车道的净宽需要达到4.6m,而一些既有桥梁上的非机动车道宽度通常只有900 mm,不能满足现代规模的行人及非机动车交通。于是一些地区开始采用纤维增强复合材料(FRP)悬臂人行桥面系统进行桥面拓宽改造。     

道路平面交叉口形式选择

<正> 1 概述交叉路口是道路系统中道路与道路、道路与铁路或道路与其它道路设施的交叉点。交叉口有利于道路,上的车行交通和人行交通的组织与转换。由于相交道路上的各种车辆和行人均汇集于交叉口后,才能转向其它的道路,使得车辆与车辆之间、车辆和过街行人之间相互干扰。这样,平而交叉路口是道路系     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

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,用以保证模型在各种道路平面线形上的普适性。然后,在路径生成模块中,根据换道车辆初始时刻的运动状态,建立一系列多项式方程,并利用牛顿迭代法求解方程未知参数,以此生成连接初始位置和目标位置的换道路径,用以保证换道轨迹的平滑性。最后,在速度曲线生成模块中,以满足防碰撞约束、跟驰加速度约束以及车辆运动状态约束为目标,构建二次规划模型,生成沿着换道路径的车辆速度曲线,用以保证换道轨迹的安全性和舒适性。此外,考虑到周边动态的交通环境,车辆系统在每个时间步内会循环调用提出的模型实时更新换道轨迹,直至车辆到达目标位置。仿真试验结果表明：应用提出的换道轨迹规划模型,车辆能够有效避免与周边动态车辆发生碰撞,成功完成换道;基于二次规划框架,模型优化求解时间明显缩短,满足轨迹规划的实时性和有效性要求。     

基于速度分类算法的交通事件视频检测系统设计

提出基于速度分类算法的交通事件实时视频检测方法,并对交通量检测方法、车辆跨道处理、速度检测、交通状况检测及交通事件识别等进行了研究.在车辆检测与跟踪的基础上,可实现车辆停止、慢行、车道变换次数和车流拥挤等交通事件识别功能,通过自动检测车辆避障、车道变换、超速、慢速、停止和交通阻塞等事件,获得交通流量、占有率、排队长度、车型和平均车速等交通参数.与传统交通事件检测系统相比,具有直观方便、费用低等优点.      

基于驾驶行为的城市道路车辆主观换道模型研究

车辆换道行为因其运行环境复杂,所涉及的交通因素众多,容易引起交通冲突,从而降低道路交通系统的安全性.对车辆换道行为的动态特性及其对车流运行的影响机理进行建模与研究,对提高交通系统的运行效率有重要意义.基于城市道路车辆换道行为的特征,改进了元胞自动机模型细化车辆换道过程;考虑驾驶员特性、车辆类型的影响,采用模糊推理理论描述驾驶员的换道决策,进而建立了城市道路驾驶员主观换道模型.通过将实测交通流数据与仿真输出数据进行对比,验证模型的有效性.结果表明,所建立的模型输出结果与实测数据的误差较小,说明模型具有一定的有效性.     

基于交通状况及行驶速度的高速公路换道时间研究

换道行为是影响高速公路运营安全的重要因素之一,而换道时间为交通安全分析模型中的关键参数,在换道时间标定中应考虑不同交通状况和不同行驶速度的影响。为此,在交通状况不同的多条高速公路进行了一系列的现场实车试验,通过行车记录仪采集连续的行车视频,采用计算机视觉技术中的Canny算法识别行车视频图像中的车道边缘线,获取精确的车辆轨迹与车道边缘线的偏移值,实现对车辆换道行为的准确识别。根据车载辅助驾驶装置记录的试验车辆换道时的行驶速度,以及换道影响区域内试验车辆邻近的各种车辆,对车辆换道时所处的不同交通状况和行驶速度组合条件下的车辆换道时间进行分析研究。结果表明:不同交通状况下的高速公路换道时间均服从对数正态分布;换道时间与车辆换道影响区域内的交通状况存在显著联系,车辆在处于低密度交通状况下的换道时间比在中、高密度交通状况下的换道时间长;当车辆在处于低密度交通状况和低行驶速度下换道时,换道时间比其他交通状况和行驶速度组合下的长,而在中、高密度交通状况下车辆的换道时间并不受车辆行驶速度的影响。本研究成果可为自动驾驶、微观交通仿真等相关模型的换道行为参数标定提供参考。     

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型和GM (General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明：采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。