面向人机混驾环境的交叉口车辆通行控制策略

依据网联自动驾驶车辆(connected and autonomous driving vehicle,CAV)与人工驾驶车辆(human driving vehicle,HV)的特点,针对人机混驾交通环境,基于通行锁法和可插车间隙理论建立交叉口车辆通行控制策略,利用城市交通仿真(simulation of urban mobility,SUMO)平台构建仿真环境对策略进行效果评估,以交通量和CAV渗透率为输入变量,进行了共计6种情景的52组交叉实验.结果表明:在CAV渗透率一定时,随着交通流量的增加,交叉口内可供CAV利用的通行机会减少,策略对于延误的降低效果逐渐减小;在交通流量一定时,策略的实施效果对于CAV渗透率变化较为敏感,高渗透率下CAV获得闲置时空资源的机会更大,交叉口车辆平均延误降低效果更明显;相较于传统信控策略,所提策略在低交通流量的低、中、高渗透率,中等交通流量的中、高渗透率,以及高交通流量的高渗透率情况下,均能够降低10%以上的车辆平均延误.所提出的策略可以作为人机混驾环境下交叉口常规信控策略的补充,对完全智能网联自动驾驶环境下的交叉口组织优化与管理也具有参考意义.

无保护左转环境下自动驾驶汽车交互策略分析

在人类驾驶汽车(HV)与自动驾驶汽车(AV)构成的混驾环境下,AV交互策略是否符合人类驾驶的预期成为影响新型混合交通流运行安全的重要变量。为了综合、系统地分析AV交互策略特征,基于HV和AV混行驾驶数据集Argoverse2,提取了近4 300组左转和直行冲突交互事件。进一步由表及里,分别从交互即时运动状态、交互过程运动行为和交互内在决策选择3个层面,提出了“冲突点-轨迹线-事件集”一体化三维分析框架。在冲突点维度,从交互时间层面定义了到达冲突点时间差、从动作空间层面定义了到达冲突点协作加速度,并展开分析;在轨迹线维度,利用Frenet坐标转换,选取时间-纵向位移轨迹、横向位移-纵向位移轨迹从纵向行进、横向偏移2个层面分析交互过程;在事件集维度,基于决策树挖掘HV潜在交互准则并与AV交互策略对比分析。结果表明,Argoverse AV左转交互策略与HV存在明显差异:交互即时运动状态表现出更加明细的保守性特征,动作空间与HV相比收缩了31.2%;交互过程行为则表现出策略的单一性特征,停车让行等待位置及通过冲突点行为的选择较HV更为单一,总体横向偏移程度比HV小57.1%;交互内在决策选择与人类潜在交互准则相比存在非社会性特征,AV无法理解HV表达的交互意图,本应先行但却选择让行的交互事件占比高达93.3%。总体而言,Argoverse AV交互特征具有策略保守、行为单一、决策社会性差(理解HV意图能力弱)等显著特征。研究结论可为AV规划决策算法、冲突消解策略提供改进指导方向。