面向城市道路的智能网联汽车多车道轨迹优化方法

为提高城市路网下智能网联汽车的通行效率以及燃油效率,提出面向城市道路的多车道时空轨迹优化方法。首先,结合多车道时空位置关系定义智能网联汽车状态与约束,综合考虑通行效率与燃油经济性构建时空轨迹复合优化模型,并采用庞特里亚金极大值算法进行求解。然后,本文设定协同换道的规则,并通过Q-learning算法获取最优的换道策略。最后,通过SUMO/Python联合仿真验证了该方法可以在不同车辆饱和程度、绿信比状态及最低通行速度条件下有效提高通行效率,且燃油效率得到明显改善。

面向交通类专业创新人才的数字孪生实验系统

该文首先通过分析交通类专业创新人才需求,建立了产教融合“双闭环”创新人才培养体系;然后,在人才培养体系基础上,整合路侧感知计算系统、驾驶模拟器等实验设备,并结合数字孪生方法,设计了适用于交通类专业的数字孪生实验系统;最后,从学生专业认知程度、课程满意度、竞赛获奖等多个角度对实验系统进行了评价。

基于数字孪生的人工智能产业人才培养模式

以人工智能专业为例,进行了实践教学模式改革探索。围绕边缘计算、云平台等人工智能关键技术,将数字化教学理念和数字孪生技术融入实践教学改革,构建了新型产教融合“双闭环”课程体系,设计了融合人工智能多场景应用的“双映射”数字孪生实践教学平台。教学实践结果表明,学生在学习态度、专业认知、实践参与度、课程满意度、学习成绩、竞赛获奖方面均实现有效提高。

车路协同系统下区域路径实时决策方法

为解决车辆行驶数据缺失和滞后造成路径规划系统不稳定问题,建立了基于车路协同系统(CVIS)的新型区域路径实时决策方法。首先,通过获取网联车辆的实时行驶数据,结合交通信号配时和路径转向信息,并考虑车辆在途经交叉口时可能遇到的非自由流行驶情况,动态计算当前路段路阻值;其次,根据当前时刻各路段的路阻统计数据,以及区域路网拓扑结构,实时预测各备选路线的行程时间,选择行程时间最少的路线作为车辆最优行驶路径;最后,选取北京市望京地区的典型区域路网数据进行验证。在150组实验过程中,计算得出不同时段下按所提方法得到的最优路线用时平均比常规导航系统推荐最优路线用时分别短9.52 s、13.39 s及20.65 s,证明了所提方法的有效性。

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略,再由上层神经网络根据各路口车均延误进行二次调整,将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例,通过SUMO仿真平台对模型进行仿真验证,在低与高饱和度下,该控制模型分别对车均延误降低了23.6%和26%,排队长度降低了8.4%和9.4%。实验数据表明,该模型可有效提高连续交叉口道路通行能力,为缓解城市交通拥堵提供了1种有效技术手段。

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。

An Improved Cooperative Adaptive Cruise Control(CACC) Algorithm Considering Invalid Communication

For the Cooperative Adaptive Cruise Control （CACC） Algorithm, existing research studies mainly focus on how inter-vehicle communication can be used to develop CACC controller, the influence of the communication delays and lags of the actuators to the string stability. However, whether the string stability can be guaranteed when inter-vehicle communication is invalid partially has hardly been considered. This paper presents an improved CACC algorithm based on the sliding mode control theory and analyses the range of CACC controller parameters to maintain string stability. A dynamic model of vehicle spacing deviation in a platoon is then established, and the string stability conditions under improved CACC are analyzed. Unlike the traditional CACC algorithms, the proposed algorithm can ensure the functionality of the CACC system even if inter-vehicle communication is partially invalid. Finally, this paper establishes a platoon of five vehicles to simulate the improved CACC algorithm in MATLAB/Simulink, and the simulation results demonstrate that the improved CACC algorithm can maintain the string stability of a CACC platoon through adjusting the controller parameters and enlarging the spacing to prevent accidents. With guaranteed string stability, the proposed CACC algorithm can prevent oscillation of vehicle spacing and reduce chain collision accidents under real-world circumstances. This research proposes an improved CACC algorithm, which can guarantee the string stability when inter-vehicle communication is invalid.

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.