考虑紧急程度的机器学习仿真变道模型

变道模型是微观交通仿真中重要的模块,对其研究具有十分重要的意义。目前提出的变道模型大多采用基于驾驶员思维规则和基于机器学习的建模方法。然而,这些模型都没有考虑紧急程度,并且模型精度较低。引入紧急程度,提出了一种新的基于机器学习的变道模型。通过聚类算法将数据集根据紧急程度进行划分,使用梯度提升决策树在不同紧急程度上的数据集进行学习,得到不同紧急程度下的变道模型。通过实验验证,所提出的基于机器学习的变道模型相较于其他机器学习变道模型有更高的预测精度。最后,基于梯度提升决策树的特征重要度分析表明紧急程度在变道决策过程中具有十分重要的作用。

基于多模式轨迹和车速自适应的变道超车规划

针对智能汽车变道超车规划中轨迹模式和速度策略单一的问题,提出一种安全高效、多模式轨迹和车速自适应的变道超车规划方案。通过建立可调参数的三段式变道超车模型,利用五次多项式设计变道轨迹拟合算法,以安全性为要求设计侧翻约束和碰撞约束边缘条件。基于多目标优化函数进行多模式轨迹优化,得到不同模式变道轨迹的解集空间,并基于超车阶段的时间进行速度自适应规划。通过MATLAB/Simulink构建仿真测试试验,结果表明该方案在全速域,满足安全条件约束下,能输出3种模式(效率模式、舒适模式和综合模式)的变道超车轨迹,输出的轨迹特性稳定,在两车相对速度较小时自适应速度规划能够有效提升超车效率。

高速公路小客车驾驶员变道行为研究

为提高高速公路小客车变换车道时的安全性,通过检测小客车的运行速度、驾驶员心理生理反应参数,采用随机序列函数法将驾驶员心率随机变量转变为相关函数,并应用离散的傅里叶变换方法分析驾驶员行车心率的功率谱;研究驾驶员变道行为与速度、交通量和驾驶员心理生理反应的关系,构建高速公路小客车驾驶员变道行为模型,描述驾驶员行车时的心理状态,判断其安全性。研究表明:小客车自由变道和超车变道时,驾驶员瞳孔尺寸小于5.0 mm,心率增长率小于27%,行车安全性较高;争抢变道和强行变道时,驾驶员表现为紧张甚至恐惧,容易发生误操作,安全性较差。

隧道交通虚拟仿真系统

将虚拟现实(Virtual Reality-VR)技术与交通流仿真技术相结合,设计了虚拟交通流仿真系统应用于隧道交通流研究。该项技术也称交互式的动态虚拟实现技术,使用发车、跟车、变道等模型对隧道内的交通状况进行了仿真。为我国隧道交通工程的研究和设计提供了直观、科学的仿真手段。

含有微分方程模型的事故路段通行能力分析

运用微分方程和概率的相关知识建立车辆排队的模型,统计车流量数据,定义基本通行能力,描述其变化;从车流、车速分布两个角度分析占用车道不同对实际通行能力的影响;利用二流理论给出当量排队长度的定义,并建立微分方程;通过变道概率模型求得比例参数,从而得到了理想情况和随机模拟的结果。

基于博弈论的城市道路变道切入行为模型

为解决城市道路变道切入行为带来的交通安全和道路拥堵问题,研究了变道切入行为在城市道路中的决策模型。在考虑安全收益、速度收益和变道收益的基础上,量化博弈双方的收益,并结合驾驶人变道意图给出变道切入行为中变道车和目标车道后车的收益函数,构建非合作博弈模型并求纳什均衡解;对模型中的收益参数进行标定,使用NGSIM数据进行模型校对。研究结果表明:模型对于城市道路变道车和邻后车的决策行为具有良好的拟合度,强制性变道切入行为中变道车和邻后车决策行为变量的RMSE分别为0.1385和0.4361,自由性变道切入行为中RMSE分别为0.2278和0.1748;在博弈行为中,安全收益比换道收益对变道车驾驶人的决策影响更大,其中自由性变道切入行为中更加明显;而速度收益始终比安全收益对邻后车驾驶人的决策影响更大,收益权重为0.9和0.1。

路段动态特征中的交通组成因素研究

基于对交通流建模过程中将车型单一考虑为标准小汽车,忽略了现实交通量中车型的不同构成,本文通过对不同车型的动力特性进行标定,将其特性反映在跟车模型与车道变换模型中,并且利用交通仿真技术,分析了交通量构成对路段行程时间、车速、延误等动态特性指标的影响。

基于元胞自动机的交通事故影响下车辆的跟驰行为分析

通过对城市交通事故影响下交通流的分析,结合元胞自动机的原理并进行了相关改进,构建了交通事故影响下车辆的跟驰模型以及变道绕行模型.此外,利用MATLAB编写仿真程序,并由仿真结果分析了在交通事故影响下车流速度的传播特点,发现障碍物对整体交通流的影响要远远超过实际上的物理范围,且影响的消散也非线性.