Integrated models of land use and transportation for the autonomous vehicle revolution

ABSTRACT

The advent of the autonomous vehicle (AV) will affect not only the transportation system, but also future patterns of land development. Integrated land use and transportation models will be critical tools in assessing the path forward with this technology. Key questions with respect to land use impacts of AVs arise from potential changes in sensitivity to travel and reduced demand for parking. It is an open question whether AVs will induce urban sprawl, or whether spatial economies of agglomeration will mitigate any reductions in travel time sensitivity. The deployment of shared fleets of AVs would likely reduce parking demand, producing yet to be explored impacts on property development within existing urban footprints. We perform a critical assessment of currently operational models and their ability to represent the adoption of AVs. We identify the representation of time in such models as a vital component requiring additional development to model this new technology. Existing model applications have focused on the discrete addition of new infrastructure or policy at a fixed point in time, whereas AV adoption will occur incrementally through time. Stated adaptation surveys are recommended as tools to quantify preferences and develop relevant model inputs. It is argued that existing models that assume comparatively static equilibrium have been convenient in the past, but are insufficient to model technology adoption. In contrast, dynamic model frameworks lack sufficient structure to maintain reasonability under large perturbations from base conditions. The ongoing advancement of computing has allowed models to move away from being mechanistic aggregate tools, towards behaviourally rich depictions of individual persons and firms. However, much work remains to move from projections of existing conditions into the future, to the evolution of the spatial economy as it evolves through time in response to new technologies and exogenous stresses. Principles from complex and evolutionary systems theory will be important in the development of models with the capacity to consider such dynamics.     

中间轴驱动装置固定对弹性悬挂式机车动力学性能的影响

为防止弹性悬挂式机车中间轴驱动装置横向位移过大,发生碰撞,提出了端轴驱动装置弹性悬挂、中间轴驱动装置固定连接的方式。利用多体动力学软件SIMPACK建立整车动力学模型,对比分析驱动装置悬挂方式对机车动力学性能的影响,认为采用这种悬挂方式是合理可行的。     

桥式抓斗卸船机不同形式的比较

桥式抓斗卸船机主要有自行小车式和钢丝绳牵引小车式2种形式.钢丝绳牵引式又分为单索起升单索开闭单小车牵引式、主辅小车牵引式、机械差动四卷筒牵引式、电差动四卷筒牵引式等形式,它们各有优劣,主辅小车牵引式被证明是最可靠的形式.     

浅析几种无人驾驶汽车路径规划算法

路径规划是自动驾驶关键技术之一,各种路径规划算法现已不断改进并不断涌现。本文根据全局和局部路径规划对常用路径规划算法进行分类,对几种常用的路径规划算法原理进行介绍,并分析其发展方向。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

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。     

地铁列车模拟驾驶器故障处理系统的功能探究

地铁列车模拟驾驶器故障处理系统用于培训司机的故障实时处理能力。介绍了多媒体故障处理系统的主要功能。早期的故障处理系统功能相对简单,只能实现部分硬件的故障处理操作培训。多媒体故障处理系统应用CGI计算机成像技术来完善其环境逼真程度,通过软件仿真实现无法在硬件上完成的故障处理操作,同时虚拟列车设备,对难以用硬件完成的列车部件进行全数字化仿真,实现覆盖列车运行中所遇到的各类故障的处理操作。功能完善的多媒体故障处理系统大大提高了培训质量,节约了培训成本,能培养同时具备实际操作和故障应变处理能力的司乘人员,从而保障地铁列车的安全平稳运行。     

通用桌面模拟驾驶台的研究

针对目前上海轨道交通快速发展的现状以及对司机培训的需求,提出了一种通用桌面模拟驾驶台的解决方案,介绍了其系统结构,并进行了系统实现。该通用桌面模拟驾驶台通过更换司机控制器结合虚拟仪表技术,能实现多种列车类型的模拟驾驶培训,达到了较好的培训效果。     

跨座式关节型道岔的仿真设计研究

详细介绍重庆跨座式关节型道岔运动系统的仿真设计过程,阐明如何在设计中布置驱动点、计算曲臂长度、布置导槽、获得台车运行轨迹。通过道岔的运动特性分析和道岔的驱动扭矩计算,全面了解道岔的运动特点和各个驱动点的受力状况。     

人工智能在车辆自动驾驶中的应用

提出一种新的基于人工智能的感知 计划 动作agent结构实现智能车辆自动驾驶的方案。首先通过描述该结构的原理说明该结构可以解决自动驾驶中存在的一些问题,接着通过建立自动驾驶知识库阐述如何具体实现自动驾驶,最后通过仿真实验验证该方法能够为智能车辆实现自动或辅助驾驶提供一种非常有效的机制。