高速公路施工区车队被动换道行为建模与仿真

针对高速公路施工区域车速波动大,通行效率低的问题,从网联环境车队行为协同优化角度出发,构建车队被动换道行为模型.利用Plexe-SUMO搭建仿真平台,设计相应车队生成及换道选择算法,实现车队行为的生成与仿真.考虑不同的流量状态,通过调整车队规模,探究不同车队规模对施工区通行效率提升的影响,寻求较理想的车队组织形式.结果表明,在中、低流量(小于900辆/h)状态下,车辆以较小规模(小于4辆)的车队形式行驶较合适.随着路段流量的增多,尤其在高流量状态下,车辆组成规模较大的车队(大于6辆)更能够提升通行效率.在实验场景下,当单车道流量小于1100辆/h时,理想的车队规模为2辆.当流量较大时,理想车队规模为6~8辆.这表明在不同流量状态下的施工区域,存在某一合理车队规模,使得路段通行能力达到最优.

基于改进Q学习的双周期干线信号协调控制方法

针对双周期干线信号协调控制中干线协调与双周期交叉口通行效率存在一定矛盾的问题,提出了一种基于改进Q学习的双周期干线信号协调控制方法,从状态空间和动作空间两个方面对Q学习算法进行了改进。首先,提出了新的交通状态描述指标——排队消散指数,依据该指标的阈值对交通状态进行等级划分,降低了Q学习状态空间的维数。其次,综合考虑相邻交叉口交通状态之间的关联和影响,针对每种系统状态分别设定可行的关联动作,降低了Q学习的动作空间。最后,以北京市两广路为例验证了改进的Q学习算法。结果表明,改进Q学习算法相比于普通Q学习算法、固定配时方案,干线平均延误分别减少10.47%、9.93%,平均停车次数分别减少22.64%、7.96%,双周期交叉口平均延误分别减少21.58%、24.96%,平均停车次数分别减少8.51%、11.64%,表明该算法对减少双周期干线延误,降低停车次数具有较为显著作用。

考虑动态车速的双周期干线信号协调控制多目标优化

干线协调控制通常以干线方向通行效率最大为目标,导致一些小型交叉口次路方向延误较大。针对该问题,基于车路协同环境,研究了车速引导下的双周期干线多目标优化方法。针对上游交叉口饱和交通流与非饱和交通流2种情况,提出了考虑排队消散和相位差的动态车速引导模型。以干线延误、通行能力、停车次数,双周期交叉口次路方向延误为优化目标,构建了车速引导下的双周期干线多目标优化模型,采用遗传算法对模型进行求解。基于COM接口,采用Python和Vissim搭建车路协同仿真环境,以北京市两广路的3个路口为例进行仿真验证。对比了本文模型与原配时方案、无车速引导下双周期干线多目标优化模型的效果,结果表明,本文模型相比于原配时方案和无车速引导下多目标优化模型,干线平均延误分别减少19.6%,8.3%,通行能力分别提升5.6%,8.4%,平均停车次数分别减少11.2%,24.2%,双周期交叉口次路方向平均延误分别减少33.9%,5.8%,表明本文模型将速度引导与多目标优化相结合,提高了双周期干线的通行效率,降低了双周期交叉口次路方向的延误,达到了干线和双周期交叉口共同优化的目的。

面向人因的车路协同系统综合测试及影响评估

面向冬奥主干通道兴延高速,以驾驶人适应性为导向,构建一种面向人因的车路协同系统硬件在环效能测试平台.针对多种道路条件、交通状态、特殊事件等面向高速公路设计13种交通情境.从主、客观2个维度实现车路协同系统包括主观感受、高效性、安全性、生态性、舒适性、有效性6个方面的驾驶人适应性评价,分析车路协同驾驶状态下的综合评估指标及影响机理。主观评估结果显示,车路协同技术对驾驶人有积极作用,52%的被试认为车载预警信息可以使行车过程更安全。客观运行结果表明:由于车路协同状态下驾驶人对于前方道路危险状况的可预知性,导致驾驶人提前降速,运行速度降低.效率有所下降;车路协同条件下的加速度和换道次数明显减小,其安全性显著提升;由于车路协同系统避免了驾驶人对于突发危险状况的紧急制动.因此车辆的油耗、排放均明显降低,其生态性改善效果显著;归因于驾驶人对于车路协同系统熟悉程度不足,导致舒适度各系统存在不一致的结论.也表明驾驶人对于车路协同系统的接受度和信任度均有待进一步提高;驾驶人在车路协同条件下可获取不同路段的限速值和超速提示,其有效性表现出明显的优势,速度跟随比有显著提升。所构建的测试平台和指标体系为进一步深层次挖掘车路协同的作用机理奠定了基础。

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统(Cooperative Vehicle Infrastructure System,CVIS)已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人,在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此,以基础的技术接受模型(Technology Acceptance Model,TAM)为理论框架,在基础变量(感知有用性、感知易用性、态度和使用意图)的基础上,引入预警服务质量、分心感知、个人创新和信任度4个扩展变量,建立扩展TAM,分析驾驶人对CVIS的主观接受度及其影响因素。首先,通过在线调查收集392名驾驶人对CVIS的技术接受问卷;然后,使用Cronbach’sα和验证性因子分析检验问卷的信效度;最后,采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明:基础TAM变量之间的关系与基础模型假设一致;CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图;驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响;驾驶人的个人创新不仅直接影响使用意图,而且通过态度间接影响使用意图;驾驶人对CVIS的信任度是使用意图的直接影响因素,也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素,并为CVIS的设计提供理论依据。

车路协同雾天预警系统对车辆运行生态特性的影响

为探究车路协同技术对车辆运行生态特性的影响,基于驾驶模拟试验平台构建车路协同条件下的雾天预警系统,测试了驾驶人在浓雾条件下驾驶车辆的能耗排放特征;设计了空白对照组、可变情报板(DMS)预警组、人机交互界面(HMI)预警组以及DMS+HMI预警组4种试验场景,招募43名驾驶人开展驾驶模拟试验,通过对比不同预警方式作用下车辆总体和道路关键区段的能耗排放差异,明确不同预警系统对车辆运行生态特性的影响效用。分析结果表明:相对于空白组,3种车路协同雾天预警系统均能显著降低车辆整体能耗与排放,但是不同预警方式的作用效果并无明显差别;道路场景分为了预警前、预警区、渐变区和雾区4个关键区段,3种预警系统在预警区及渐变区均可有效降低车辆能耗及排放;HMI从发出预警信息后开始生效,DMS可在车辆进入预警区前产生效果,DMS+HMI在预警区的效果最为显著,但进入雾区后不能有效降低车辆能耗与排放。可见,虽然车路协同雾天预警系统整体可以提升车辆运行生态特性,但是单一增加预警强度或改变预警方式并不能有效保证整个雾天影响区域不同区段均具有节能减排效用,合理设置车路协同预警系统应综合考虑不同预警方式、预警信息触发点位及时机、驾驶人特性等因素的匹配关系。