基于SUMO软件的异构交通流仿真平台车辆模型开发与集成

采用实车参数和实际道路试验数据对基于SUMO软件的车辆模型进行优化,构建了具备自动驾驶全工况测试能力的高保真车辆运行特性模型,并与SUMO软件交通流仿真集成,形成了面向混合异构交通流的仿真平台。最后,通过典型交通运行场景对集成效果进行准确性和可用性验证。

异构交通场景下的宏观交通流建模

提出了基于动态图混杂自动机与改进的元胞传输模型相结合的建模方法。通过对不同自动驾驶车辆混入率下路段的流量和密度进行三角基本图拟合,讨论了临界拥堵密度、通行能力、反向波速等主要参数的变化规律,并基于此改进了传统的元胞传输模型;利用动态图混杂自动机表征路网分层递阶的拓扑结构,并将改进的元胞传输模型嵌入动态图混杂自动机来建立异构场景下的宏观交通流模型。利用OpenModelica搭建了仿真平台,验证了该建模方法的有效性。结果表明:随着自动驾驶车辆混入率的增加,路段的临界拥堵密度、最大通行能力和反向波速等都有较为显著的变化。

高速公路异构交通流HDV建模及其特征

为了更好地模拟高速公路中网联自动驾驶车辆(connected and autonomous vehicles, CAV)与人工驾驶车辆(human-driven vehicles, HDV)组成的异构交通流,开展高速公路异构交通流跟驰与换道行为研究。首先,以NGSIM轨迹数据集为基础分析HDV的微观交通特性,根据驾驶人在相同车头时距条件下的加、减速策略,将驾驶人分为保守型、普通型和激进型3类。其次,从驾驶人感知判断结果存在不确定性的角度,结合车辆跟驰数据分析不同类型驾驶人车头时距和速度判断误差的特性,同时引入信息效用理论模拟驾驶人对CAV认知程度的变化及其对驾驶决策的影响,在智能驾驶人模型(intelligent driver model, IDM)和对称双车道元胞自动机换道模型的基础上,提出一种改进的HDV跟驰与换道模型。最后,将改进模型与IDM模型预测结果进行对比分析,并通过MATLAB对高速公路异构交通流特征进行仿真分析。研究结果表明:改进模型能够更准确地模拟车辆跟驰行为,相比于IDM模型,保守型HDV跟驰模型平均绝对误差MAE降低24.7%,均方误差MSE降低11.9%,皮尔逊相关系数PCCs提高2.6%;普通型HDV跟驰模型MAE降低45.6%,MSE降低38.6%,PCCs提高4.0%;激进型HDV跟驰模型MAE降低41.2%,MSE降低45.9%,PCCs提高0.4%;在接近自由流状态下,HDV在车流中的占比对异构交通流的速度、流量和稳定性等特征影响较小,随着密度的增大HDV占比对交通流的影响也随之增大,直到达到临界密度,车辆组成对交通流的影响开始减小;在相同交通流密度下,HDV在车辆组成中的占比与交通流的速度、流量和稳定性呈负相关性。模型丰富了对异构交通流HDV跟驰与换道行为的研究,在高速公路HDV和CAV混行的异构交通流的交通管理和基础设施设计等方面具有一定参考价值。

基于本体和云服务的交通异构数据集成方法研究

考虑到智能交通系统(ITS)建设的需要,研究了交通异构数据集成的问题,重点研究了系统异构与语义异构的交通异构数据集成。在分析基于数据维、服务维、流程维的交通异构数据集成模式的基础上,引入本体与云服务技术,提出了以服务封装、语义检索、流程驱动、服务组合、面向用户为导向的交通异构数据集成方法。该方法运用云服务打破了异构数据的系统壁垒,引入本体解决了异构数据的语义检索问题。为了验证该集成方法的有效性,构建了大城市交通异构数据云服务系统,该系统的示范为目前交通领域异构数据集成问题提供了解决方案,为我国智能交通系统建设提供了借鉴与导向。

LSTGHP:基于分层时空图的异构代理轨迹分布预测

为了在复杂的城市交通环境中安全且舒适的导航,自动驾驶汽车必须对周围交通代理(车辆,自行车,行人等)的未来轨迹做出负责任的预测。为此,我们提出了一种基于分层时空图结构的异构交通代理轨迹预测模型LSTGHP,模型由以下三部分组成:(1)分层时空图模块;(2)Ego-agentMotion模块;(3)轨迹预测模块,其可以学习到场景中具有不同语义类别的交通代理未来轨迹的多模态分布。为了评估模型的性能,我们在由一个时变、高动态的城市交叉路口环境下收集异构交通代理的轨迹数据集,其中车辆,自行车和行人在场景中彼此交互运动。实验结论表明,我们的模型可以提高代理在近距离交互时的预测准确性。通过模型在新数据集上的性能评估,与先前的预测方法相比,模型在异构交通代理轨迹预测中具有较低的预测误差。

浅谈城市轨道交通综合监控系统现状和未来发展方向

本文基于目前国内轨道交通综合监控系统(ISCS)发展的现状,从综合监控系统深度集成的范围和功能、系统集成的模式以及面向运营管理和异构交通等方面,对综合监控系统未来的发展方向进行了分析和展望。

车路协同环境下混合交通群体智能仿真与测试研究综述

归纳了车路协同及其仿真测试技术的发展历程,并结合典型仿真结果探讨了萌芽期、起步期、发展期阶段下的仿真需求、经典方法与技术瓶颈;在此基础上,提出了基于交通主体建模、群体行为仿真、测试结果分析的3层新型虚实交互仿真测试架构;针对混合交通主体仿真需求构建了异构交通主体模型,解析了混合交通运行机理,以此作为仿真系统底层模型支撑;结合设计的虚实交互仿真测试架构,突破了混合交通群体智能场景生成技术,提出了混合交通群体智能仿真方法;在此基础上,选取交叉口和路段典型交通场景,开展了不同群体智能决策控制方法的仿真试验,以验证所提方法的效能;最后,总结了车路协同的未来发展方向和相关建议。研究结果表明:相比于传统仿真测试方法,提出的虚实交互仿真测试方法的系统仿真粒度从500 ms减小到100 ms以内,仿真规模从9个节点和500个交通主体提升到150个节点和2 000个交通主体,仿真场景数量由36个扩展到98个,实现了异构交通主体渗透率0~100%动态可调,有效提高了车路协同混合交通仿真测试的效率、规模和覆盖度;目前新型混合交通环境下车路协同仿真测试需求快速朝着群体化、智能化、规模化演变,开展基于虚实交互和运行环境数据模拟的车路协同群体智能仿真测试方法技术研究,将有力推动下一代智能交通系统的发展。

An Improved Discrete-Time Model for Heterogeneous High-Speed Train Traffic Flow

This paper aims to present a simulation model for heterogeneous high-speed train traffic flow based on an improved discrete-time model（IDTM）.In the proposed simulation model,four train control strategies,including departing strategy,traveling strategy,braking strategy,overtaking strategy,are well defined to optimize train movements.Based on the proposed simulation model,some characteristics of train traffic flow are investigated.Numerical results indicate that the departure time intervals,the station dwell time,the section length,and the ratio of fast trains have different influence on traffic capacity and train average velocity.The results can provide some theoretical support for the strategy making of railway departments.