基于风险势场的网联自主车辆换道行为建模

为提高智能网联环境下网联自主车辆的换道安全,针对网联自主车辆环境感知及实时通讯的特点,以势场理论为基础,分析车辆不同方向所面临风险变的差异性,对动态车间距进行修正,构建车辆风险势场模型,将网联自主车辆驾驶过程中所面临的风险进行量化,以此为基础建立网联自主车辆安全换道距离模型,反映不同运动状态的换道车辆所需要的安全换道距离的变化趋势。对模型进行数值模拟分析,结果表明：当前车道和目标车道上车辆的运动状态直接影响换道时所需要的安全距离的大小。可见车辆进行换道操作时需调整自身的运动状态来改变风险势场的分布情况,避免与其他车辆的风险势场发生冲突,影响行车安全性。     

智能网联汽车多目标预测优化换道决策方法

换道决策是智能网联汽车的核心难题之一,其面临着高动态、复杂交通场景下需要综合考虑行驶安全及效率等目标的巨大挑战。提出一种多目标预测优化的换道决策方法,主要包括动力学矩阵建模及多目标预测优化问题解算。基于智能网联汽车的通讯大数据信息构建交通流矩阵模型,然后分别设计表征车辆换道安全、行驶效率的动力学模型,通过多目标综合预测优化方法,求解条件约束下预测优化问题从而优化出最优换道决策指令。结果表明,所提出的预测优化换道方法较其他方法提高了智能汽车的行驶安全性和效率。     

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...     

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。     

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。     

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。     

基于双曲正切函数的小客车换道轨迹模型

通过Simi-Motion软件提取高速公路出口路段无人机航拍视频的左换道(LLC)和右换道(RLC)车辆轨迹数据,基于双曲正切函数建立了新的车辆换道轨迹模型,将新模型与传统的样条曲线函数、五次多项式、正弦函数轨迹模型进行对比分析.通过对模型参数的敏感性分析、拟合优度检验、CarSim仿真分析证明了新模型的特点和适用性.研究表明:相比于传统的换道轨迹模型,新模型具有较高的拟合精度,且模型中各参数均具有实际物理意义,模型中参数τ值表征驾驶员出口路段换道行为的紧急程度,该参数的存在使得新模型具有普适性和应用价值.利用这一特性,该模型可以生成特定驾驶环境的车辆换道轨迹,有助于与换道有关的道路几何指标研究和驾驶员辅助系统(ADAS)的开发和应用.     

一种基于改进的弹性安全换道间距规则的元胞自动机模型

基于对STCA模型与F STCA模型的分析研究,结合车辆换道的实际状况,重新定义了换道风险度的概念,提出了一种更符合实际情况的改进的弹性安全换道间距规则,并进一步提出了基于该规则的双车道元胞自动机交通流模型.实验结果表明,该模型有益于提高道路资源利用率,同时在安全方面能够降低事故发生的可能性.     

基于Carsim和Simulink的超车换道仿真分析

超车是换道的主要动机,分析超车过程中驾驶员的操作特性以及车辆运动状态,能够为驾驶员模型的精确控制提供参考。在分析各种可能换道的基础上,构建动态超车换道可行域。以7次多项式规划换道边界轨迹,依据期望跟车距离确定可行域的上边界,根据安全碰撞条件确定可行域的下边界;并依据两车的运动关系确定超车换道条件。预设超车换道轨迹,在Simulink中构建驾驶员模型;并将Carsim中车辆模型导入,进行了超车换道模型仿真分析。对超车过程中车辆参数进行对比分析。结果表明:超车过程中驾驶员一般会提高车速,但加速强度不大;且低速时换道的随意性大,但与设定轨迹偏离程度较小。     

消减换道行为影响的换道轨迹规划

构建了一种能够消减换道行为影响的换道轨迹规划,将帕累托最优理念引入至自主换道行为中,通过IDM（intelligent driver model）模型构建周边车辆的优化目标。采用5次多项式模型构建换道车辆的优化目标,引入多目标优化算法求解该多目标问题,从而获得换道车辆与周边车辆的帕累托最优前沿。实验表明相比于现有算法所提算法能够显著降低换道区域内所有车辆的总损失,提高区域内交通流运行状态及安全。     

基于分层logit模型的车辆换道行为研究

研究分析复杂交通场景中车辆换道行为,揭示车辆运行特性及其规律。基于效用理论方法,以实现驾驶行为决策效用最大化为目标,建立车辆换道分层Logit模型。系统分析影响车辆行为变化的因素,建立各层次参数变量相关模型。仿真分析表明:较一般的车辆行为模型,车辆换道分层Logit模型更能准确地描述实际交通场景中车辆换道的行为决策过程,有效提高车辆运行效率。研究结果为智能车路协同与交互行为、车辆可变限速技术、自适应巡航控制技术等提供理论依据和技术支撑。     

车联网环境下匝道汇入区瓶颈换道优化

高快速路汇入区（即合流区）瓶颈是交通流运行的咽喉,汇入瓶颈交通流失效会加剧拥堵,诱发交通振荡以及事故率上升等一系列问题。与现有研究大都通过调节匝道汇入车辆行为或主线车辆速度进而试图改善汇入区交通流问题不同,该研究聚焦于瓶颈汇入区上游主线车辆,通过动态调节汇入区上游主线车道车辆分布,提升汇入区通行能力。具体而言,研究提出一种可以对网联车（CV）进行双向换道建议的混合整数线性规划模型,该方法不依赖于交通流基本图设定的临界密度,通过实时计算每一辆个体CV的向左、向右或保持车道决策以优化车道流量分布,减少汇入车辆干扰,提升汇入效率。基于VISSIM交通仿真软件,通过二次开发搭建了汇入区瓶颈换道优化实时仿真评估系统,并对该方法进行了验证,测试不同流量组合和不同CV渗透率下算法的有效性。各车道时空轨迹表明该换道建议优化方法可以有效减小汇入车辆冲突,车均延误分析结果表明在单车道平均流量1 550 ~1 800 veh·h^-1区间,即汇入瓶颈失效关键流量区段,换道建议优化方案相比原方案能显著改善汇入区的运行效率,车均延误可降低10 %~50 %左右。CV渗透率敏感性分析表明,在较低的0.2~0.5渗透率下即可达到减小延误的目标。     

信号交叉口网联自动驾驶车辆时空轨迹优化控制系统

为降低车辆在信号交叉口范围内的燃油消耗量,提出了网联自动驾驶车辆时空轨迹优化控制系统。系统基于离散时空模型,设计了时空节点-弧模型以重构车辆时空轨迹;并以车辆发动机做功值,作为时空弧成本,以前方车辆时空轨迹和车辆运动学特征为约束,利用A*最短路算法求解具有最低燃油消耗的网联自动驾驶车辆时空轨迹;同时改进了Pitt微观车辆跟驰模型,以预测普通车辆的时空轨迹。预测结果作为约束条件,应用于网联自动驾驶车辆时空轨迹优化过程中,使系统适用于网联自动驾驶车辆与普通车辆混行条件下,仿真结果表明:系统能够降低高达13.94%的网联自动驾驶车辆燃油消耗;同时有效降低整体交通燃油消耗总量;能够在40%的网联自动驾驶车辆占有率条件下,实现良好的控制效果。计算时间仅为10~(-3)s水平。系统能够有效实现预期控制目标;并为近期网联自动驾驶车辆占有率较低环境下的车辆控制提供了一定的理论基础,实用性较强。     

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。     

融合改善型可行性检验模型的换道跟踪方法

现有的最小安全距离换道可行性检验模型通常默认周围车辆处于车道保持状态,且只考虑本车道和目标车道车辆对本车换道的影响,未讨论周围车辆处于车道变换状态或者相间车道车辆变道的影响。为建立更加安全、全面的换道可行性检验模型,实现安全自主换道,分析了车道变换的逻辑架构,重点研究了一种全面考虑周围（包括相邻车道和相间车道）车辆处于车道变换和车道保持状态的改善型换道可行性检验模型,保障车辆换道过程中不与周围车辆发生碰撞。使用基于模型预测控制（MPC）方法实现换道轨迹跟踪控制,设计仿真对比试验,通过PreScan和Simulink联合仿真对所研究的模型和方法进行验证。仿真结果表明提出的改善型换道可行性检验模型比对比模型更加安全高效,MPC控制方法的横向轨迹跟踪误差在1 cm以内,具有很高的跟踪精度。     

智能转向汽车的模型跟踪控制

从研究转向特性的2自由度简化模型出发，推导出智能汽车转向的状态空间方程，据此构造了智能汽车转向的动力学模型，进而应用Lyapunov方程设计了模型跟踪控制器，选用与实际汽车模型同阶的系统，采用极点配置的方法设计了理想汽车模型，通过输入不同的道路进行仿真，证明了该控制器设计的有效性。     

一种面向智能车辆视觉系统的电子稳像算法

车载摄像头是智能车辆视觉系统中必不可少的部件。在恶劣道路或极限工况下,车辆的振动状况显著,车载摄像头采集到的图像序列会发生抖动。针对此问题,提出了一种适用于车辆复杂工况的电子稳像算法。基于车载工况下的实时性要求,选择ORB(oriented FAST and rotated BRIEF)算法进行特征检测与描述。为了提高特征点匹配精度与匹配效率,改进了传统随机采样一致性算法,增强了其对多匹配点、匹配点集中工况的适应性。为了适应车载工况下的剧烈振动,采用了自适应卡尔曼滤波算法以解决经典的卡尔曼滤波对初值敏感的问题。最后搭建了一辆振动特性显著的汽油模型车,在恶劣的路面条件下开展了实验,在较正常工况更为极端的条件下验证了提出的电子稳像算法的正确性与有效性。     

考虑被超非机动车偏移减速的改进社会力模型

超车事件数作为衡量非机动车服务水平的重要指标,是计算非机动车换算系数的依据,可通过微观仿真获取多样化的运行数据进行分析。现有非机动车社会力模型仅考虑超车车辆的交通行为,未关注被超车辆受超车行为的影响,以临贴超车为研究对象,考虑超车干扰对被超车辆横向偏移距离的影响改进车辆间排斥力,考虑车头间距对期望速度的影响改进驱动力,再现被超车辆在临贴超车过程中的横向偏移、纵向减速避让行为,通过速度-密度基本图及超越行为验证了模型有效性。应用该模型仿真获得电动自行车混入比例低于25%时的超车事件数,建立非机动车超车事件数模型并计算相应非机动车换算系数值为0.92。