微观交通流模型在车辆自动驾驶仿真中的应用

仿真测试是缩短自动驾驶安全测试周期、降低实车测试成本的重要方法,而交通流模型可以为车辆自动驾驶测试提供数字化的交通环境,有利于加速车辆功能和性能的开发及验证。介绍了自动驾驶仿真测试涉及的关键技术,针对共性问题开发了一套具有交互性的微观交通流模型和对应的评价指标体系;分析交通流模型和自动驾驶仿真软件间的数据链路,通过联合仿真的形式实现微观交通流模型在自动驾驶车辆仿真测试中的应用。     

粤港澳大湾区主要过江通道交通流特性分析

近年来,交通出行需求迅猛增长,单纯依靠扩大路网建设规模不能有效解决交通供需不平衡、交通拥堵日益严重等问题,所以,如何在现有道路条件下实现高速公路高效运营和管理就成为一个亟待解决的问题。准确掌握高速公路交通状态是对其进行科学管理和决策的关键前提,也是进行路网诱导和交通控制的基本条件,兼具理论价值和实践意义。为揭示交通流参数间的相互关系及其时空演变规律,依托海量工程数据提出一种全面的、可定量评价交通流特性的指标体系和计算方法,并以粤港澳大湾区主要过江通道为例对路段交通流特性进行了深入解析。实证分析表明：高速公路交通流具有相似性、周期性、时段流量分布不均衡等时间特征,且工作日的流量高峰期往往持续时间更长,流量的时间不均衡性更强。高速公路车辆行程速度则具有以日为周期、每日速度时变曲线波形相似、流量高峰期的车流速度波动性强、客车的行程速度普遍高于货车等特点。     

车路协同车辆编队系统研究

车辆编队是通过网络技术,使车辆彼此之间紧跟在一起行驶。设计了基于信息物理系统(cyber-physical system CPS)理论的货车编队系统的框架,利用路侧摄像头、毫米波雷达等路侧智能设备、车载OBU智能终端获取道路及车辆信息进行多源信息融合,并通过V2X通信技术进行数据传输,从而实现车、路、云协同工作。     

融合多相关收费站数据的高速公路交通流预测

经济间的紧密联系使城市群区域间多相关收费站交通数据间存在空间关联,准确描述该联系对提升高速公路交通流预测的精度具有积极作用。然而,由于受诸多不确定性的影响,该关联性难以捕捉和量化。针对这一缺陷,该文提出一种ATGCN-Res GRU深度学习高速公路交通流预测方法。通过结合注意力机制构建高、中、低注意度的3个GCN拓扑网络,并根据各个网络的注意度加权获得空间学习数据,将多相关收费站的联系进行量化和分级;同时,为了避免过平滑问题,将两个GRU(Gated Recurrent Unit)模块通过残差连接,进一步提升算法捕捉时间规律的能力;最后,使用特征融合层和全连接层输出预测值。利用该算法预测广东省某高速收费站的交通流量,试验结果表明：该文提出的方法能够有效提升预测精度,与经典模型多元集成CNN-LSTM、CNN-Bi LSTM和DL-SVR相比,平均绝对误差(E_MAE)分别减小了7.95、4.52、12.88,均方根误差(E_RMSE)分别减小了12.03、6.12、19.05。     

道路路阻函数模型及适用性研究

交通诱导系统中2节点间最优路径的选择是目前的1个难点问题,其中路阻函数的确定是路径优化的核心内容.针对交通流由畅通状态到拥挤状态、堵塞状态的过程,应用经典交通流理论和实际调查数据,构建交通流诱导系统分段路阻函数模型,以q=10 veh/h为1个单位,对函数进行分段拟合,构建高速公路和城市快速路下的分段路阻函数,并对其适应性进行拟合分析.应用结果表明:在不同的流量范围内,高速公路和城市快速路分段路阻函数在自由流状态、高密度状态和低密度条件下适合不同的分段函数.     

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.     

考虑路段容量降级的均衡流模式研究

为探究降级路网和非降级路网两种情形下交通网络流量的波动情况及演化规律,通过均匀分布来刻画路段容量的随机变化,在此基础上构建降级路网下基于传统路径更新规则的更新模型,该模型利用前一天使用路径的实际出行时间和前一天感知路径出行时间期望值来更新,并通过算例分析依赖参数和容量降级系数对降级路网交通流演化的影响。结果表明,降级路网和非降级路网下交通网络均能演化至稳定状态,但均演化不到随机用户均衡状态;相较于非降级路网,降级路网下交通网络演化至稳定状态所消耗的时间更长。     

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。     

城市道路交通流预测系统研究

城市道路交通流实时预测是未来城市智能交通系统的重要支撑,近年来受到较多的关注。文中结合国内城市交通状况,分析了城市道路交通流实时预测系统的系统需求,包括功能需求和性能需求,在此基础上提出了系统的逻辑结构和物理结构。逻辑结构主要包括基础数据层、数据处理计算层以及应用层,提出了物理结构巾的4个核心功能服务器：数据库服务器、计算服务器、GIS服务器和Web应用服务器。提小了系统的主要功能和4个主要功能模块,研究了系统的数据流过程,给出了系统实施的技术方案。经过实施检验,所捉系统结构与技术方案具有良好的可行性。     

上海市高速公路网多路径条件下驾驶员路径选择研究

为解决上海市联网收费系统中的多义性路径问题,采用陈述偏好调查法（SP）对路网中涉及多义性径的主要大流量OD对之间驾驶员路径选择进行调查,分析影响驾驶员路径选择的因素,总结上海市高速公路网中驾驶员路径选择特征和规律。研究结果发现,在常态交通条件下,运输总费用因素对驾驶员路径选择最为敏感,而特定交通事件（如道路维修或设置指路标志等）将对车辆路径选择产生根本性的影响。本研究可为高速公路网多义性路径问题研究提供新的思路和方法。