网联辅助驾驶混合交通流稳定性及安全性分析

针对常规人工驾驶车辆和网联辅助驾驶车辆随机混合的交通流,分析其稳定性与安全性.基于紧跟常规车的网联车退化为常规车的跟驰特性,提出了网联车随机退化为常规车情形的数学期望表达式,进而建立网联车混合交通流稳定性的一般性分析方法.选取全速度差模型和智能驾驶员模型分别作为常规车和网联车跟驰模型,进行混合交通流稳定性案例分析,考虑常规车与网联车相对数量及相对空间位置的随机性,设计上匝道瓶颈交通安全影响的数值仿真实验.研究结果表明,网联车有助于提升交通流稳定性与安全性,平衡态速度越接近9.8~10.6 m/s速度范围,混合交通流满足稳定状态所需的网联车市场率临界值越大;当网联车市场率大于0.37时,混合交通流可在任意平衡态速度下稳定;相比于常规车交通流,网联车交通流的交通安全水平可提高54.29%~71.36%.     

基于数字孪生技术的异质交通流安全性研究

针对由智能网联车和普通车构成的异质交通流, 通过分析不同异质交通流稳定性方法的优劣, 用数字孪生技术构建城市异质交通流模型, 借助仿真测试工具, 探讨复杂异质交通流的安全性和稳定性问题。在构建的模型基础上, 结合数字孪生的运行机制, 揭示数字孪生物理实体和虚拟空间的运行机理。采用数字孪生技术搭建丰富的测试环境, 运用无人驾驶开发软件PanoSim, 对异质交通流模型进行测试。测试结果表明, 用数字孪生技术在有限资源条件下构建的虚拟复杂驾驶场景能够有效地解决异质交通流安全性问题。     

考虑时延的网联车混合交通流基本图模型

由于智能网联车的不断发展,未来将出现智能网联车和人工驾驶车共同存在的混合交通流,因此,研究道路上的混合交通有助于解决交通拥堵等问题,具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系,文中综合考虑智能网联车辆退化和车辆时延,建立了自动驾驶环境下混合交通流的基本图模型。首先,确定交通流中的车辆类型和不同类型车辆的比例,并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化;然后,确定3种车辆的延迟时间并改进每种车辆的跟驰模型;在此基础上,同时考虑车辆时延和车辆功能退化两种因素,推导出交通流平衡时的基本图模型,并对模型中的自由流速度参数进行敏感度分析。研究结果表明,智能网联车对混合交通流的最大流量和最佳密度有积极影响,车辆时延有消极影响,自由流速度则对混合交通流的最大流量有积极影响,对最佳密度有消极影响。SUMO仿真结果表明,在不同场景下仿真得到的流量–密度分布点符合理论曲线,验证了文中理论模型的准确性。     

基于强化协作博弈方法的双车道混合交通流特性

对元胞自动机引入Gipps跟驰模型,并结合改进的Q强化学习方法分别建立普通车辆及智能网联车的微观行驶策略,提出了一种新型的混合交通流演化仿真方法.然后,利用数值模拟方式对双车道交通环境进行仿真,探索智能网联车对混合交通流的动态影响.结果表明,相比于元胞自动机构建的普通车辆智能体,改进的Q强化学习方法训练的智能网联车智能体具备更强的连续时空环境适应能力,双车道环境下道路通行能力随着智能网联车渗透率的提升而增大,最高可提升45.34%.此外,智能网联车渗透率的提高会降低车群低效的换道行为,拓宽高通行能力水平下的车辆密度范围,有利于改善交通拥堵.     

两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究. 利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验. 研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数. 仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性. 此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.      

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和PATH实验室标定的ACC和CACC跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度,流量,拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,且能大幅减少交通拥堵;智能网联车渗透率越高,开始出现拥堵车辆的密度临界值越大;同时道路通行能力随期望车间时距减小而增大。     

混合网联环境快速路交织区交通流特性分析

在混合人工驾驶车辆(human-driven vehicle, HV)与网联自动驾驶车辆(connected and autonomous vehicle, CAV)的交通流环境下，为提升快速路交织区的通行效率与行车安全性，深入分析了混合交通流的基本特性.首先，结合交织区通行能力计算模型，研究交织区域长度、交织交通量比和CAV渗透率等因素对交织区通行能力的影响；其次，推导混合交通流基本图模型，并在不同期望车头时距和CAV渗透率下对混合交通流基本图参数进行分析；最后，通过数值仿真实验，分别探讨在由车辆换道行为所产生的单一扰动和频繁扰动条件下，混合交通流行驶速度与车头间距的时空演化规律及交通流稳定性.结果表明：CAV渗透率的提升可以提高交织区通行能力以及混合交通流交通效率；交织交通量比的减小和交织区域长度的增大可提高交织区通行能力；提升CAV渗透率可以有效提高混合交通流的稳定性，但较小的车头间距也会造成一定的安全隐患.     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

速度差影响下混合驾驶交通流动态特性分析

为分析自动驾驶车辆(AV)与人工驾驶车辆(HV)之间存在速度差时对混合驾驶交通流动态特性的影响,选取智能驾驶员模型(IDM)和协同自适应巡航控制(CACC)模型分别对HV和AV跟驰行为进行建模,采用MOBIL换道模型对换道行为进行建模.以单向两车道路段为场景,仿真分析了不同AV渗透率下速度差对混合驾驶环境交通流基本图的...     

基于安全裕度的网联自主汽车换道行为风险量化及动态平衡模型

伴随车联网技术的发展,道路交通流呈现智能网联自动驾驶汽车与传统人工驾驶车辆混合共存发展态势,研究网联新型混合车流换道驾驶行为的风险特性极其重要。基于安全裕度理论,建立了换道行为风险量化模型,采用故障树分析法,推导换道的时间和空间风险,进行时空融合的风险评定量化,以判断车辆是否处于安全变道状态,并动态平衡车辆换道行为可能存在的风险。运用SUMO软件对建立的量化模型进行仿真验证分析,1/TTC与瞬时风险系数均值分别下降约0.1与0.05,同时变化趋势趋于稳定。安全裕度风险量化模型使换道风险得到了有效控制的同时,交通流的稳定性得到了较大提高,可保障未来网联环境中自主驾驶车辆队列的稳态运行,从而提高交通容量和交通效率。     

混有智能网联车队的交通流基本图模型分析

为了探究高速公路混有智能网联车队交通流特性,构建了混合交通流中不同类型车辆随机分布特性的数学解析表达;考虑期望车头间距随速度动态变化的交通流特性,建立了混合交通流中不同类型车辆的跟驰模型.基于此,推导了混有智能网联车队的交通流基本图模型,并对模型参数渗透率p和最大车队规模的敏感性进行了分析.仿真结果表明,随着p值的增加,道路交通流通行能力随之提升,当p0.3时,渗透率增加对于混合交通流通行能力提升效果并不显著,而当p0.5时,混合交通流通行能力随着渗透率增加提升效果显著;另外,随着智能网联车辆的渗透率p增加,车队规模的限制对交通流通行能力的影响越来越明显,当p0.5时,车队规模宜保持在4～6之间,而p接近1时,车队规模增大对通行能力的提升效果更加显著.     

智能网联汽车架构、功能与应用关键技术

智能化技术与网联化技术的快速进步促进智能化车辆由驾驶辅助到无人驾驶、由单车智能到多车协同的方向发展.智能网联汽车技术能提升交通安全与效率,但也面临着来自真实交通环境的复杂挑战.该文基于智能网联汽车架构、功能与应用3方面关键技术,对用于单车自主式驾驶与网联协同式驾驶的智能网联汽车研究进行分析.首先,针对系统架构设计,分析...     

驾驶员视角和后视效应对交通流稳定性的影响分析

交通流跟驰模型是微观交通流仿真和交通安全评估的重要工具,在城市交通规划、交通运行宏观调控等方面广泛运用.传统交通流跟驰模型主要考虑车辆参数,对于驾驶员因素不够重视,本文将驾驶员视角引入全速度差(FVD)模型,研究基于FVD模型的扩展模型,结合驾驶员后视效应,利用线性稳定性分析扩展模型的交通流稳定性特点.通过将驾驶员视角用驾驶车辆体型参数进行数据量化,分析车辆体型参数对交通流稳定性的影响.仿真实验表明:本文研究的扩展模型在车距较小的情况下交通流稳定性要优于FVD模型;驾驶员对视角变化的敏感系数越高,整个交通流越稳定;驾驶员后视概率越高,交通流越稳定;对于大型车辆,车流高峰时期为其开辟专用车道能够提高该阶段交通流稳定性.     

网联自主车辆协作换道行为博弈特性及模型

为了更加深入了解在车联网环境下车辆之间的动态交互博弈关系,基于自动驾驶车辆换道存在协作交互决策的自主特性,建立了网联自主驾驶车辆的协作换道行为模型。协作换道行为模型将换道决策过程的交互博弈时间作为换道的主要安全影响因素,速度收益作为换道博弈优化目标,运用SUMO仿真对比分析传统换道模型与协作博弈换道模型。仿真结果表明,协作博弈换道模型具有更好的速度收益、安全性和稳定性。异质车群中的网联自主车辆存在协作换道行为特性,博弈换道模型科学地表征了换道动态博弈过程,且具有很好的稳定性。     

网联异质车群的自主换道行为及动力学建模

道路上行驶的网联异质车流,存在着网联自主驾驶汽车（Connected Autonomous Vehicles, CAVs）和人工驾驶汽车(Human-driven vehicles, HVs)的复杂交互耦合关系。传统的交通优化模型着重于均匀化网联车辆的运行速度,缺乏对网联车辆自主换道和主动礼让行为的考虑。为引导CAV自主变道决策和让行行为,挖掘其自主行为的动力学特性,运用系统动力学建立车车交互行为模型,判断CAVs所处的空间阈值,控制瓶颈区CAVs的目标巡航速度,调节瓶颈区道路车辆密度,提高异质车流通行效率。采用Matlab数值仿真,验证分析面向CAV自主决策行为的动力学模型,结果表明:相较于传统的交通优化模型,加入符合换道条件和让行条件下的CAVs自主行为因素后,交通瓶颈区车辆平均延误以及瓶颈区排队长度均减少约20%,其中停车延误可减少约40%。网联异质车流中车车交互行为特性及自主决策行为动力学模型可为提高异质车流在瓶颈区的高效运行提供理论基础。     

混有网联车队的高速公路通行能力分析

智能网联环境下车辆跟车间距减小,连续行驶的网联车辆可以组建为柔性车队,车队内车辆可以保持更小的车头间距行驶,进而有效提高道路通行能力。文中针对高速公路基本路段传统车辆和网联车辆混行交通流,提出了交通流稳态条件下4种可能的车辆跟驰特性及其空间分布概率,进而建立了高速公路基本路段的基本图模型和车辆换算系数(PCE)计算方法,并进行了网联车辆渗透率和车队规模等参数的敏感性分析。研究结果表明,网联车辆渗透率的提高和车队规模的增加有利于提升通行能力和减小车辆换算系数,且网联车辆渗透率越大正面影响愈明显。另外,当车队规模大于4后,车队规模的增加对通行能力的提升和换算系数的降低作用明显减弱。     

智能网联环境下CAV混行车流集聚策略及分析

针对目前的交叉口控制方法无法适应于网联人工驾驶车辆(CHV)与网联自动驾驶车辆(CAV)的混行而导致冲突增多、效率下降的问题，提出了一种适用于主干路交叉口的基于多智能体系统(MAS)的CAV混行车流集聚控制模型(MTF-ACM)．构建基于V2V(车对车)技术的混行车流集聚策略，以降低混行车流的随机性．设计虚拟动态预信号，通过时空同步机制对集聚车队进行速度诱导．根据主预信号协同配时策略，使集聚车队以最大可能不停车通过交叉口．研究结果表明：当CAV的市场渗透率(MPR)为60%时MTF-ACM取得通行能力的最佳效益；当交通流量临近饱和状态时，相较于无ACM和CAV-ACM,MTF-ACM平均延误时间和停车次数分别降低30%和50%以上，燃油消耗和CO₂排放分别减少20.59%和22.21%.     

快速路上匝道瓶颈路段异质交通流演变规律

为了掌握快速路瓶颈路段异质交通流的演变规律,以缓解交通拥堵,本文以快速路上匝道瓶颈路段为研究对象,构建了考虑安全距离的改进NaSch上匝道模型,利用数值仿真,对不同场景交通流演化过程进行系统性研究。仿真结果显示:在不同条件下,异质交通流中自动驾驶车辆比例的增加对瓶颈路段交通运营状态影响结果各异。在自由流阶段,自动驾驶车辆比例的增加对快速路瓶颈路段运营通行能力的增加无显著影响,自动驾驶车辆比例取0.9时,瓶颈路段运营通行能力反而降低了2.48%;在交通拥堵状态下,当异质交通流中自动驾驶车辆比例达到0.7及以上时,才有助于交通拥堵的消散,且其临界值随交通拥堵状态程度的提高而增大;当交通密度达到100 veh/km以上时,自动驾驶车辆比例的增加无法实质性改善瓶颈路段交通拥堵状态。研究结果可为异质交通流环境下的快速路上匝道瓶颈路段的治堵策略提供理论依据。     

提高安全性和交通流稳定性的车间距策略

提出了一种自治的自适应巡航控制(ACC)车辆的安全变时距(SVTG)车间距策略. 该策略利用ACC车辆的速度与最大减速度信息、SVTG车间距策略和相应的跟车控制律保证ACC车队的车辆安全性、单车稳定性、队列稳定性、交通流稳定性以及高的道路通行能力. SVTG车间距策略克服了固定时距(CTG)车间距策略的交通流不稳定以及变时距(VTG)车间距策略不安全的缺陷. 仿真结果表明SVTG车间距策略的性能优于其他两种车间距策略的性能.     

考虑网联汽车信息安全的交通流短时预测方法

针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法。首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证。结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4%,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案。