高速公路异构交通流HDV建模及其特征

为了更好地模拟高速公路中网联自动驾驶车辆(connected and autonomous vehicles,CAV)与人工驾驶车辆(human-driven vehicles,HDV)组成的异构交通流,开展高速公路异构交通流跟驰与换道行为研究。首先,以NGSIM轨迹数据集为基础分析HDV的微观交通特性,根据驾驶人在相同车头时距条件下的加、减速策略,将驾驶人分为保守型、普通型和激进型3类。其次,从驾驶人感知判断结果存在不确定性的角度,结合车辆跟驰数据分析不同类型驾驶人车头时距和速度判断误差的特性,同时引入信息效用理论模拟驾驶人对CAV认知程度的变化及其对驾驶决策的影响,在智能驾驶人模型(intelligent driver model,IDM)和对称双车道元胞自动机换道模型的基础上,提出一种改进的HDV跟驰与换道模型。最后,将改进模型与IDM模型预测结果进行对比分析,并通过MATLAB对高速公路异构交通流特征进行仿真分析。研究结果表明:改进模型能够更准确地模拟车辆跟驰行为,相比于IDM模型,保守型HDV跟驰模型平均绝对误差M_AE降低24.7%,均方误差M_SE降低11.9%,皮尔逊相关系数P_CCs提高2.6%; 普通型HDV跟驰模型M_AE降低45.6%,M_SE降低38.6%,P_CCs提高4.0%; 激进型HDV跟驰模型M_AE降低41.2%,M_SE降低45.9%,P_CCs提高0.4%; 在接近自由流状态下,HDV在车流中的占比对异构交通流的速度、流量和稳定性等特征影响较小,随着密度的增大HDV占比对交通流的影响也随之增大,直到达到临界密度,车辆组成对交通流的影响开始减小; 在相同交通流密度下,HDV在车辆组成中的占比与交通流的速度、流量和稳定性呈负相关性。模型丰富了对异构交通流HDV跟驰与换道行为的研究,在高速公路HDV和CAV混行的异构交通流的交通管理和基础设施设计等方面具有一定参考价值。     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

城市主干道交通流模型的研究

采用周期性边界条件,利用改进的Nagel-Schreckenberg模型,建立了城市主干道交通流模型,研究了红绿灯周期,刹车概率,转入,转出概率对交通流的影响。     

车辆长度和速度对单车道混合交通流的影响

以NaSch模型为基础,采用开放性边界条件,建立由两种长度不一样、最大行驶速度不同的车辆构成的单车道混合交通流模型.通过计算机模拟,研究了车辆的长度和速度对混合交通流的影响.     

单车道手动-自动驾驶混合交通流仿真分析

随着汽车产业和交通行业的快速发展,智能交通取得了长足进步,尤其是在自动驾驶领域。为研究手动驾驶、自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)三类车辆独立存在时的单车道交通流运行特性,基于元胞自动机Nasch规则,引入Gipps安全间距和速度,分别构建跟车模型,通过数值仿真试验,分析混入ACC和CACC车辆对道路通行能力、行驶速度、行车间距、交通拥堵等运行特性的影响。结果表明：随着ACC和CACC车辆渗透率的增加,道路通行能力和车辆行驶速度不断提高;当道路仅由数量相等的ACC和CACC车辆驾驶时,通行能力可提升2.2倍,拥堵指数可降低60%,显著改善了交通运行;引入ACC和CACC车辆增大了手动驾驶车辆行驶时的跟车间距,而ACC和CACC车辆仍能以较小的间距保持较高的速度跟随前车,提高了道路空间资源利用率。     

基于SUMO软件的异构交通流仿真平台车辆模型开发与集成

采用实车参数和实际道路试验数据对基于SUMO软件的车辆模型进行优化,构建了具备自动驾驶全工况测试能力的高保真车辆运行特性模型,并与SUMO软件交通流仿真集成,形成了面向混合异构交通流的仿真平台。最后,通过典型交通运行场景对集成效果进行准确性和可用性验证。     

随机延迟高速车交通流模型的精确平均场论

对于含高速运动车的福井石桥一维交通流决定性模型和随机延迟模型,采用考察相邻车辆间距随时间演化的分析方法,导出两种模型的基本图曲线的解析平均场方程,与数值模拟结果完全吻合。     

十字路口的交通流模型及其应用

探究了基于元胞自动机的交通流模型,以Brockfeld等人对NaSch和BML耦合模型的优化模型为基础,引入Takayasu-Takayasu慢启动规则,建立了二维元胞自动机的十字路口交通流模型,对有信号灯控制的十字路口交通流模型进行配时研究,进一步设计了高架桥模型,并通过仿真实验论证了信号灯周期时长对十字路口交通环境存在显著性影响,而高架桥模型能够有效地提高车辆平均通行速度,降低平均耗时,改善道路通行能力.     

前车刹车状态对交通流的影响

在交通流BJH模型基础上,考虑前车刹车状态对车流行为的影响,提出改进后的交通流BJH模型．模拟结果表明,在道路车辆密集程度不太大时,前车减速刹车是时断时续的影响车流;当道路车辆密集时,密度超过转捩点密度时,平均车间距小于安全车距,驾驶员对前车刹车的行为将作出刹车反应,这样导致了交通阻塞．计算机数值模拟反映了接近实测的交通通行能力以及交通的崩溃．     

基于防御性驾驶的一维元胞自动机交通流模型

针对SDNaSch模型中车辆容易发生急刹车行为的不安全性问题,对前车停车之前的减速行为进行研究,提出了一种基于防御性驾驶的一维元胞自动机交通流模型.通过计算机数值模拟,得到了不同防御性减速概率下流量-密度关系,平均速度-密度关系,急刹车比例-密度关系与时空图,并对防御性驾驶模型的安全性与稳定性进行了分析.结果表明,DD模型提高了中高密度的流量,延缓了完全静止堵塞现象的发生,大大减少了运行车辆的急刹行为,提高了道路交通的稳定性与安全性.在中高密度区域,出现稳定均匀的同步流,同时发现与实测数据相符合的"速度跃迁"现象,与SDNaSch相比,能够更好地描述道路交通流的实际运行状态.     

敏捷驾驶在交通流中的作用

在交通流NaSch模型的基础上,考虑了当车辆速度大于车间距时,司机对前车的敏感驾驶随机减速行为,其概率与最大速度驾驶及延迟加速的随机过程不同,由此提出了一维交通流元胞自动机模型．计算机数值模拟结果得到的基本图显示出交通容量非常接近实测的交通容量,而且还显示出亚稳态特征、滞后效应和相分离现象等复杂的实际交通行为;这都是由于敏感驾驶所导致的,而且表明交通流元胞自动机模型演化步骤的顺序对交通流的状态起了很大的作用．并且这样的模型是合理和符合实际的．     

基于参数描述的换道场景自动驾驶精确决策学习

为提高车辆驾驶安全性并充分考虑人类驾驶员对于自动驾驶控制系统的接受度,研究并实现了自动驾驶车辆在换道场景下的精确决策学习。汽车自动驾驶不仅需要决策是否换道,还需要决定汽车的具体微观行为,如换道时间和期望加速度的确定等,因此,车道变换的精确决策需使用3个参数来描述,并需要通过强化学习求解。这种基于参数精确决策的合理性体现在两个方面：首先是不同的决策参数值会影响规划的轨迹,如果决策不精确,将产生运动的不确定性;其次是基于真实交通数据（NGSIM）的分析,因为人类换道行为在换道时间和期望加速度上存在显著的差异性,在当前的决策研究中很少被明确考虑。此外,发现NGSIM数据中存在一些潜在的紧急情况,可以通过优化部分决策参数来提升其安全性;在强化学习算法的设计中,动作过程中加入换道时间和期望加速度;奖励函数考虑了安全性、当前驾驶员的意愿和平均人类驾驶风格;问题求解中,自定义了基函数,并通过基于核函数的最小二乘策略迭代强化学习方法学习精确的安全决策行为。仿真结果表明,使用强化学习参数决策可以实现更精确的决策,从而提高安全性能,并可在变道场景中模仿人类驾驶员的行为。     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境,基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先,探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化,研究表明,混行环境中MV跟驰行为的机制没有发生变化,但是MV驾驶人的减速敏感程度更低。其次,从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到,混行环境中的MV跟驰行为的稳定性和环境效应得到了改善,但是安全性并没有发生变化。最后,通过对前车速度波动性进行讨论发现,AV前车主要是通过降低自身速度波动性,从而抑制MV后车的速度波动性,改善MV后车在稳定性及环境效应方面的表现。     

多级速度效应模型的近似解

在速度效应模型的基础上,我们提出了多级速度效应模型．在建立该模型的过程中,我们将仅考虑本车之前第一辆车的虚拟速度推广至考虑前面多辆车的虚拟速度,因而该模型所包含的交通信息更为丰富,更能真实地反映实际道路交通状况．数值模拟得到的基本图显示： 存在交通噪声（随机减速概率p 0）时,较之NaSch模型更接近于实测数据;无交通噪声（随机减速概率p＝0）时,能诱发亚稳态和迟滞现象．进一步借助于平均场理论,获得了多级速度效应模型在有交通噪声时流量的近似解,无交通噪声时流量的精确解．     

一种基于驾驶决策的三相交通流仿真模型

提出了一种基于三相交通流理论的驾驶决策交通流仿真模型.该模型采用驾驶决策函数替代由Kerner等人提出的KKW模型中目标速度函数,在新模型中将驾驶行为分为自由流驾驶模式、同步流驾驶模式和堵塞流驾驶模式,三种模式会根据道路的实际交通情况进行切换.基本图和时空分析结果表明,提出的模型符合实际的交通观察.     

考虑预估驾驶行为的跟驰模型及其稳定性分析

在 OV 模型的基础上,进一步考虑预估驾驶行为对车流的影响,提出一个新的跟驰模型以获得预估驾驶行为与交通拥堵的关系。通过对新模型进行稳定性分析得到了系统的临界稳定条件。数值仿真结果表明：新模型能够模拟诸如时停时走、系统临界相变等实际交通现象,较 OV模型更贴近于实际。同时,预估驾驶行为增强了交通流稳定性能,提高了车流陷入交通阻塞状态的阈值。最后以车速的平滑度和波动幅度最小为评价指标得到了新模型中预估参数的最优取值范围。     

高速公路宏观离散模型的反馈线性化控制

在自动化高速公路系统环境下,通过计算拥堵路段系统的Lyapunov指数和Lyapunov维数,证明了离散交通流模型存在混沌现象。为了得到稳定有序的高速公路交通流,提出一种针对高速公路宏观交通流模型反馈线性化方法使非线性系统线性化。通过LQR优化控制方法将线性化系统的混沌轨道稳定到所需的目标轨道上,实现道路交通流的稳定有序。仿真结果表明,提出的方法可使道路交通密度和速度趋于平稳,避免了道路拥挤的发生。