基于安全势场理论的高速公路交通事故下协同换道引导策略

为缓解交通事故对道路通行效率的影响,提高事故路段的通过能力,利用车路协同系统中车与车、车与路的实时信息交互,提出一种高速公路突发交通事故下基于安全势场理论的车辆协同换道引导策略。首先,针对单向双车道和多车道等不同车道下发生交通事故的多种场景,将协同换道的引导区域划分为事故保护区、引导过渡区、协同换道引导区和自由换道区4个区域,并确定换道引导阈值,以便更新车辆状态;然后,构建交通事故的安全势场,针对不同场景提出相应的车辆协同换道引导策略,并给出引导过程中车辆换道安全距离和最晚换道位置的计算方法;最后,基于城市交通仿真(SUMO)软件进行多种场景下的仿真验证。结果表明:在单向双车道场景下,当车辆协同引导率在75%时优化效果最明显;在多车道场景下,引导率在50%时的优化效果最明显;此外,通过对比分析发现,采用换道引导策略后,车辆通过事故路段的平均速度最高提升了6.3%,车辆延误最高减少了14.6%。

考虑驾驶人交通环境感知的车辆安全势场及跟驰行为建模

安全势场能够描述车辆驾驶过程中周围安全风险的空间分布。针对既有模型重点关注车辆自身运动状态而忽视驾驶人环境感知信息的问题,围绕车辆安全势场模型改进以及其在跟驰模型中的应用展开研究。引入相对状态影响因子和道路交通状态影响因子对既有模型进行改进,强化车辆间相对速度和所处道路交通状态对行车安全性的影响;利用车型系数对实际空间的距离进行修正,研究多车型混合环境下车型差异对行车安全性的影响;利用感知安全势场将前车运动状态与后车跟驰行为建立联系,得到基于感知安全势场的车辆跟驰模型;采用遗传算法对本文所建模型和智能驾驶人跟驰模型、安全势场跟驰模型进行标定。结果表明,上述3个模型在测试集上的均方根误差分别为6.124、8.515、7.248,证明该模型误差最小,能够更为精确地描述车辆跟驰行为。研究成果能为行车安全风险评估和车辆驾驶行为决策提供理论依据。

基于安全势场的超车模型研究

汽车的超车行为是常见的交通行为之一。在未来车路协同的背景下,实时获取的车辆数据可以提高车辆在超车过程中的安全性能。本文建立了车路协同背景下更符合实际情形的超车模型。首先分析了超车的全过程,然后分析了不同速度、加速度、转向角下车辆的势场分布,并分析了缓慢型、正常型和急躁型三种驾驶员性格对安全势场的影响,在此基础上建立了基于安全势场的超车模型。最后对模型进行了数值分析,得到了驾驶员类型、超车距离和时间与被超车辆速度的关系。

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明:与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了独特的途径。

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为,以更加精确地进行车辆的运动决策,建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础,首先阐述了交通环境中安全势场的客观性、普遍性以及可测性,然后通过引入加速度参数对既有安全势场模型进行改进,改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上,构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响,由于不同速度、加速度信息在智能网联环境下车辆可以实时获取,因此该模型可应用于未来智能网联环境中。此外,在模型参数标定过程中,通过对NGSIM数据进行筛选,得到含有较多减速停车以及启动加速状态的轨迹数据,共筛选得到412组NGSIM真实跟驰车对数据,并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果,选择OVM模型、IDM模型与本文模型进行比较,并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标,结果表明,建立的基于安全势场理论的车辆跟驰模型具有良好的精度,适用于描述考虑加速度参数条件下的跟驰行为,可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型。首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布。其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相比于传统的车间临界距离计算模型,提出方法能够动态刻画出车辆在不同速度、加速度条件下临界距离的变化趋势,并且能够根据车辆不同的运动状态,动态表达出车辆间临界距离的变化。在此基础上,根据智能网联环境下车辆各类运动状态能够被实时感知的特点,总结出车辆各类运动状态下需要的换道安全临界时间,最终建立基于安全势场理论的最小安全距离换道模型。最后,对模型进行数值仿真分析,仿真结果表明:车辆换道所需要的最小纵向安全距离与换道车辆以及其周围车辆的运动状态有着直接关系。在今后趋于成熟的智能网联环境下,该模型可以进一步进行扩展,利用安全势场的分布情况,对车辆换道过程进行动态实时干涉,能够为今后智能网联环境下车辆协同换道、车辆自动驾驶以及车辆群体优化控制等相关研究提供一定的理论支撑。