城市道路场景中车辆驾驶行为分析及统一建模

为提高城市道路微观交通流的仿真精度和效率,以信号交叉口进口道换道车辆及其目标车道上跟驰车辆作为研究对象,提出一种考虑车辆驾驶员行为特征的统一建模方法。以驾驶员多向多车预期能力为基础,引入侧向车辆影响系数,将全速度差跟驰模型拓展为描述换道过程中换道车辆和跟驰车辆纵向行驶动作的微观交通流模型,通过改进跟驰模型中的优化车速函数,将交通控制信号和换道类型对驾驶员决策的影响纳入模型中。研究结果表明:换道过程中侧向行驶车辆运动状态和换道类型变化对跟驰行为的影响要高于换道行为;不同类型换道场景中驾驶人对外界刺激的主要关注点会发生变化;全速度差模型比Gipps模型更适合作为基础模型用来模拟城市道路微观交通流。

军警ETC车道布局对收费站服务水平的影响研究

为有效利用车道资源,提高ETC车辆的通过率,部分省份将军警车道升级改造成前置式军警ETC车道或后置式军警ETC车道,但不同军警ETC车道布局对收费站服务水平的影响程度尚不明确。文中以广韶高速太和收费站为研究对象,运用Vissim交通仿真软件进行仿真建模,对比分析不同军警ETC车道布局下ETC车辆、军警车辆、人工半自动收费(MTC)车辆等车种的平均行程时间、平均延误时间、平均排队长度等评价指标。仿真结果表明:经升级改造后,ETC车辆的各项评价指标改善显著,军警车辆受到较小的影响,MTC车辆未受到影响;在低峰、平峰时段中,2种军警ETC车道布局模式下收费站的各项评价指标差别较小,在高峰时段中,与前置式布局模式相比,后置式布局模式下ETC车辆和军警车辆的平均行程时间均提高了9.6%、平均延误时间均降低了12.8%、平均排队长度均减少了26.7%。因此,建议交通流量较大的大型收费站采用后置式军警ETC车道布局模式,交通流量较小的小型收费站可采用前置式或后置式军警ETC车道布局模式。

基于CNN-LSTM模型的车辆换道前跟驰研究

考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异,为研究车辆在换道前的特殊跟驰行为,提出“换道前跟驰”阶段概念,将换道车辆的跟驰过程划分为“基本跟驰”与“换道前跟驰”两阶段,以主车在换道前斜率的第五八分位数作为“换道前跟驰”的终点,使用z检验法验证了换道车辆在换道前跟驰阶段运动状态的特殊性。搭建CNN-LSTM网络以车辆速度、加速度、相对距离、横向偏移量等为输入,利用CNN层提取输入层特征,再将提取出的特征作为LSTM网络的输入,利用LSTM网络实现跟驰车辆状态的预测。仿真结果表明,传统的IDM不适用于车辆换道前的特殊跟驰行为,搭建的CNN-LSTM模型在加速度精度上较传统IDM模型提升了15.1%,更适用于车辆换道前跟驰状态的描述。

一种军警与ETC混合的车道系统

目前,高速公路为军警车开辟的专用车道车流量明显不足,资源浪费严重。为提升高速公路收费站的整体通行能力,基于电子不停车收费的理念以及军警车道的特殊性,提出军警与ETC混合的车道系统设计方案,结合车牌识别与ETC技术,实现军警与ETC混合的车道应用。

基于博弈论的网联自动驾驶车辆协同换道研究

为改善频繁、不合理的换道行为,提升行车舒适感,以网联自动驾驶车辆为研究对象,提出一种舒适安全的换道策略。该策略主要包括单车期望换道和多车协同换道。在传统换道激励模型的速度收益函数中引入舒适性收益,建立换道总收益优化模型,进行单车换道可行性判断;针对网联自动驾驶车辆换道决策之间可能存在冲突的问题,采用双矩阵法构建基于博弈论的多车协同换道策略;最后,在Matlab仿真环境中验证。结果表明,所提换道策略在提高换道稳定性和安全性的基础上可以较大地改善行车舒适性,降低交通流的整体制动幅度。

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车(intelligent connected vehicle,ICV)在复杂交通环境下高效、安全地通过信号交叉口,在车联网实时获取信号灯和前车状态信息的基础上,建立了智能网联汽车通过信号交叉口的驾驶行为决策框架.通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态,预测得到前方车辆是否要通过交叉口的行为,进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断;将换道加入到驾驶方式中来寻求更高的通行效率,用基于换道时间模型的方法判断智能网联汽车换道后的通过条件;仿真对比分析了所提出模型和现有模型的决策能力,讨论了影响决策过程的关键因素.研究结果表明:相比于现有模型,综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性,从而进行更合理的行为选择,随着单位绿灯剩余时间的增加,车辆决策通过交叉口的概率可提高20%,当前车道的车辆位置对决策结果影响显著.

交织车辆的跟车换道行为研究

在不满足换道条件下,交织车辆因换道的强制要求,会有选择地放弃跟车转而进行挤车换道。针对此现象,在深入分析交织车辆的跟车换道行为的基础上,从驾驶员的角度出发,选择其跟车换道的影响因素,构建了跟车换道的效用函数,建立了交织车辆跟车换道的二元选择Logit概率模型。基于车辆轨迹获取技术对模型的相关变量进行了调查,采用最大似然估计法对模型进行了标定。选择命中率作为评价指标,采用实例对模型的有效性进行了验证。结果表明,模型能有效地模拟交织车辆的跟车换道行为,精度高达99.0%。

面向空地一体化交通的虚拟车道:发展阶段与关键技术

本文提出了一种用于未来自动驾驶场景的虚拟车道技术,旨在突破当前自动驾驶行业的发展瓶颈,并为未来融合飞行汽车交通系统(Flying Car Transportation Systems,FCTS)的自动驾驶场景提供一种创新性技术方案.虚拟车道技术伴随自动驾驶等级的提升协同发展,从面向有人驾驶,到面向全智能驾驶,再到面向本文所提出的L6空地全域自动驾驶,从而实现空地一体化交通的愿景.本文结合了自动驾驶、数字孪生、物联网(Internet of Things,IoT)、人工智能(Artificial Intelligence,AI)等各领域的最新技术对虚拟车道技术在每个发展阶段的应用场景和具体实现方法进行了详细介绍以及可行性分析,对自动驾驶行业明晰未来总体发展趋势和关键技术导向具有开创式的启发意义.

高速公路合流区主要参数对自动驾驶车辆的影响

为探究现有高速公路合流区对自动驾驶车辆的适应性,分析现有高速公路合流区加速车道长度和通视三角区角度对自动驾驶交通流的影响规律,并与传统交通流进行对比。依据自动驾驶车辆在感知、跟驰和换道行为以及与周围车辆的协作方面更迅速安全等特点,改进了Krauss跟驰模型和LC2013换道模型以适应自动驾驶车辆特征。依据车辆换道可接受间隙建立车辆跟驰间距计算公式,在满足换道安全的基础上对跟驰模型参数进行改进。结果表明:在现有的高速公路合流区平面设计参数条件下,自动驾驶交通流的安全性、效率及稳定性均优于传统交通流,与传统交通流相比,自动驾驶交通流冲突数减少了100%,平均延误降低了60%~71%,平均车速提高了近20%且更稳定;在不同平面设计参数下,自动驾驶车辆的冲突数均为0,平均延误保持在0.65 s左右,平均车速稳定在33~34 m/s。现有的高速公路合流区平面设计参数在安全、效率和稳定性方面均能较好地适应自动驾驶车辆,且参数的取值对自动驾驶车辆影响不大。

地面排矸系统改造

由于洗煤厂的改扩建提高了原煤入洗能力,增加了排矸量,原有排矸系统存在能力不足的问题日益突出,通过改造地面排矸系统的薄弱环节,解决了系统存在的问题,创造了明显的经济效益和良好的社会效益。

基于BP神经网络的智能车辆换道决策模型研究

为了正确刻画智能网联环境下的车辆换道行为,提出基于BP神经网络的车辆换道决策模型。分析了交通流中车辆换道行为,以HighD自然驾驶数据集为数据来源,筛选出1 900组车辆换道和未换道信息作为模型的训练与验证,利用高斯滤波方法拟合目标车辆换道轨迹和横向位移轨迹,选择影响车辆换道决策的7个参数作为模型输入,建立BP神经网络换道决策模型,利用筛选出的数据进行模型的训练和测试。结果表明,选择7个参数建立的BP神经网络模型决策精度达到96.2%,能有效识别车辆换道行为。

基于智能车载系统信息采集的传感器研究

今天,汽车装备了数以百计的微型传感设备,本文将突出展示现如今或不远的将来安装在汽车上的传感器。本文的目的仅仅是为读者对这些系统做一个概述,而不深入阐述这些系统背后的技术。本文的最后还会简单介绍一个华东理工大学大学生创新实践项目——基于车载的移动智慧云端信息平台的开发所开发出来的一套辅助驾驶系统,包括介绍道路偏移预警系统的工作原理、算法流程,以及简介该系统用到的各类传感器的功能。

考虑自动驾驶车队的高速公路双车道混合交通流行驶模型

为了使自动驾驶车辆以及人工驾驶车辆所构成的混合车流达到高效通行的目的,有必要研究自动驾驶车队这种新型的驾驶形式。首先,本文基于对自动驾驶车辆特性的分析,建立了一个自动驾驶车辆集聚策略模型,该模型包括以车辆集聚为目的的换道模型以及使车队内部车辆能够有效集聚的跟驰模型。接着以元胞自动机模型为基础搭建了一个高速公路双车道仿真平台。最后将自动驾驶车辆集聚模型与无策略模型进行对比,通过设定不同指标来对道路通行效率以及交通拥堵率进行分析。结果表明:采用自动驾驶车辆集聚策略模型相较于无策略模型会获得更好的道路通行能力,尤其是在自动驾驶车辆渗透率超过40%之后;混合交通拥堵率会随着自动驾驶车辆渗透率的提高而下降。

信号交叉口右转车辆干扰直行车辆行为仿真分析

为描述车辆间信息传递和协同决策过程,表征直行车辆行为特点,提出了基于虚拟车辆的跟驰-换道联合仿真模型,并结合实际交通场景中的数据进行了参数设定和模拟试验。引入右转车辆等价虚拟车辆,向后方直行车辆传递右转车辆汇入信息或者换道信息,使后方直行车辆能够在预测右转车辆汇入过程产生干扰影响的基础上进行行为决策,辅助右转车辆换道行为完成。应用直行车辆的虚拟车辆进行换道决策,若直行车辆决策换道,该直行车辆的虚拟车辆同样会向目标车道的后方车辆传递汇入信息或换道信息,辅助完成换道行为。将旁侧车道上的车辆密度与目标车道上车辆密度的差值作为车辆换道的影响因素,传递了旁侧车道的汇入压力。结果表明:仿真模型产生的轨迹和速度结果能够描述直行车辆在右转车辆干扰下的运行情况和右转车辆干扰信息的传递现象;右转车辆干扰促使更多直行车辆实施换道或者减速避让,增加了交叉口内的交通冲突;当直行流量较低时,右转车流不受控的模式提高了交叉口通行效率,但增加了交通冲突,使交通安全受到一定程度的影响。研究结果为交叉口设计和交通管理提供了理论依据和决策参考。

网联自动驾驶车辆混合交通流专用道管控方法

分析了网联自动驾驶车辆(CAV)混合交通流中各车辆类型及其跟驰模式下的车头间距,从通用性混合交通流特征层面理论推导了各车头间距模式的概率表达式,从而对混合交通流进行了数学描述;以混合交通流整体通行流率最大为目标,计算了多车道混合交通流中一个CAV专用道的设置条件以及专用道设置后CAV交通流在专用道和混合道上的最优交通流分配比例,将一个CAV专用道情形推广至多个CAV专用道动态管控的一般性情形,构建了混合交通流专用道动态管控的分析方法;应用案例分析论证了CAV专用道管控方法的有效性。研究结果表明:在交通需求为2000 veh·h^(-1)时,各CAV渗透率阶段均无需设置CAV专用道;在交通需求为3000 veh·h^(-1)时,需在CAV渗透率为0.2~0.4的阶段下考虑设置CAV专用道;在交通需求为5000 veh·h^(-1)时,需考虑在各CAV渗透率阶段下设置CAV专用道;提出的CAV专用道管控方法可根据交通需求和车道总数等条件定量化计算不同CAV渗透率阶段下的最优CAV专用道数量以及CAV交通流最优分配比例,且交通需求能够影响反映CAV专用道设置条件的临界CAV渗透率范围,交通需求和车道总数量可分别从交通需求属性和道路空间属性方面促进最优CAV专用道数量的提升,符合多车道场景混合交通流CAV专用道管控的特性。

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle, CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车辆跟驰模型和GM(General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明:采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。