基于驾驶员类型的车辆换道模型

由于传统最小安全距离的换道模型忽视驾驶员个体差异,使其缺乏安全性和灵活性.文中首先对与换道相关联的车辆的运动状态进行了详细的分析,给出了车辆与关联车辆之间各种可能的碰撞形式.在此基础上,针对不同类型司机在不同换道环境下的驾驶特性,结合车辆运动学理论,建立基于不同行驶状态及不同司机类型的椭圆最小安全距离换道模型,能够较好地解决传统换道模型存在的缺陷.最后通过Matlab仿真对比发现,文中提出的模型由于考虑驾驶员因素,仿真结果与实际交通更为相符.     

面向高速公路的车辆换道安全预警模型

近年来在高速公路或快速道路上因车辆发生换道导致的交通事故频发,且后果都很严重.为此提出了面向高速公路的安全换道预警模型.首先描述了车辆换道过程和发生换道的动机;然后设计了模拟换道过程的场景,分析了车辆可能发生的碰撞类型;进而以避免发生碰撞为前提,分析车辆在换道过程中与周围相邻车辆间的位置关系,寻找出车辆发生碰撞的临界位置,并以此为依据,研究得到避免车辆发生碰撞的安全距离条件;最后以匀速换道为实例,验证了模型的有效性.     

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。     

基于V2V的高速换道轨迹多目标规划

为了解决传感器式智能车辆换道灵活性差和安全性低等问题,提出一种V2V模式下的高速换道模型.在换道起始时刻,通过V2V获取周围交通车的状况,确定与周围交通车在换道前应该保持最小的安全换道距离,判断换道的可行性.换道条件允许的情况下,采用多项式函数对车辆的换道轨迹进行描述.并建立了权衡换道舒适性和效率的目标函数对轨迹进行多目标规划,为车辆规划出该交通环境下的最优换道轨迹.结果表明:与非V2V换道模型相比,在换道空间不够充裕的情况下,通过V2V规划出来的轨迹,在换道过程中与周围车辆保持着更大的安全车距;CarSim仿真中车辆轨迹跟踪误差和动力学参数都控制在合理的范围内,进一步说明多目标优化的轨迹可以综合提升换道的效果,使得车辆能够适应不同交通环境.     

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。     

考虑换道切入安全的混行车辆队列控制方法

智能网联车辆以队列行驶可以大幅提升道路的通行能力,但也会带来新的道路交通安全问题.针对随机车辆换道切入引发的碰撞风险,提出一种基于深度强化学习的混行车辆队列分布式控制方法.首先,针对车辆换道切入场景特点,考虑多控制目标建立深度强化学习奖励和智能体网络结构,建立混行车辆队列分层控制模型;其次,结合多因素道路安全性评价指标,利用复频域方法分析控制系统稳定性,得到车辆队列行驶安全性约束条件;最后,与线性控制和模型预测控制方法进行Prescan/Simulink联合仿真对比验证,相同条件下考虑换道切入安全的混行车辆队列控制方法使车间距降幅减小56.9%和52.1%,速度降幅减小58.72%和51.19%,车速标准差峰值降低54.8%和49%,碰撞时间最小值提高420.7%和265%,表明该方法应用于混行车辆队列行驶可大幅提升道路安全性.     

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。     

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.     

智能车自主换道超车控制方法研究

智能车换道超车不仅要有合理的触发时刻,还要保证高速循迹的准确性,为此本文首先根据人工势场理论建立道路风险场,在对换道车辆的周围风险进行快速评估后产生换道超车意图,并通过最小安全距离来保证换道的安全性,然后采用带有前馈的LQR控制器进行车辆轨迹跟踪,同时引入遗传算法对LQR控制器权重参数进行优化。通过Simulink和Carsim联合仿真验证了改进LQR控制器的优良性能以及所提出的换道决策模型的有效性和安全性。     

基于驾驶模拟实验的驾驶风格对高速公路换道行为的影响

为考察不同驾驶风格驾驶员在高速公路上的换道行为,对36名驾驶员进行了驾驶模拟实验研究和问卷调查.采用K-中心聚类方法将驾驶员分为谨慎型、普通型和激进型.基于驾驶模拟实验所得的134次换道过程记录,提取了换道频次、持续时间、平均速度、横向加速度峰值、与前车相对距离以及碰撞时间等数据,并采用单因素方差分析方法对这些数据进行对比分析.结果表明:不同风格驾驶员换道行为存在显著差异;随着谨慎程度的增加,换道频次和换道平均速度降低,车间相对距离和碰撞时间均增大,从而提升了换道过程的安全性.研究结果可提升交通仿真软件中换道行为模型的精细化程度,并为驾驶人层面交通安全政策的制定提供参考.