混合交通环境下逼近最优换道策略的无人车驾驶模型

针对无人车在现实交通流中的驾驶行为以及车辆间相互影响机制还不明确的现状,提出逼近最优换道策略的无人车驾驶模型.结合无人车周围的交通环境,引入驾驶行为指标体系,利用层次分析法测算指标权值.基于欧氏距离与灰色关联分析的Topsis(Technique for Order Preference by similarity to an Ideal Solution)法建立驾驶行为决策模型来计算换道最优逼近值,代替随机换道策略驾驶模型中的随机概率值;建立逼近最优换道策略的无人车驾驶模型,利用美国洲际5号公路的实际交通数据对新模型进行数值仿真.结果表明:逼近最优换道策略的无人车驾驶模型明显优于随机换道的无人车驾驶模型,能够改善交通拥堵状况,提高整个道路车辆的行驶速度.

基于车间通信的换道策略研究

针对道路交通系统中换道行为产生的干扰作用,提出了基于车间通信的两阶段车辆换道策略。基于NGSIM数据对普通车辆换道行为进行分析,建立两阶段换道模型。模型第一阶段考虑影响换道的六个影响因素,构建二元Logit模型,估计车辆换道概率;第二阶段利用安全条件确定车辆换道行为是否实施。对于互联车,在换道模型第一阶段考虑更加精确的实时交通状态信息,设计了对应的换道策略。通过数值模拟,分析不同换道策略对交通流的影响。结果表明,基于车间通信的换道模型考虑了本道和目标车道更多车辆的速度及位置信息,效用函数使得车辆的换道行为考虑了更大范围内平均车速和平均车距的因素,而不仅仅局限于最近邻范围内交通状态的局部效用,从而抑制了换道的频率及其产生的干扰,增加了道路交通系统的通行效率。

车路协同下避让紧急车辆协同换道策略

为加快紧急车辆抵达事故现场的速度,同时减少紧急车辆优先权对其他车辆的影响,运用车路协同系统,提出避让紧急车辆协同换道策略,通过调整紧急车辆下游车辆位置,实现紧急车辆高效通过路段。以紧急车辆前车(DV)及其相邻目标车道车辆为控制对象,根据相邻车道车辆间距与车车通信范围,搜索DV可换道空间间隙集。以交通流整体恢复稳定时间最小为目标,确定DV换道轨迹和相邻车道协作车辆的速度变化,引导车辆完成协同合流,既能保障车辆安全换道,还能降低换道造成的速度振荡传递。同时,为快速恢复DV换道造成的目标车道车辆速度波动,对上游车辆(UV)采取先进先出规则的换道控制策略。所提协同避让紧急车辆的策略考虑了车辆协同换道对交通流的整体影响,并在原有换道策略的基础上提出了减少速度波动传递的控制方法。案例分析结果表明:采用上下游协同换道策略最短换道时间为6s,此时紧急车辆距前车78.66 m时发送避让信号。同时研究发现,恢复交通流速度稳定所需的时间为29 s,比未采用上下游协同换道策略降低了34%。

基于前车意图识别的自动驾驶车辆实时避障换道策略研究

自动驾驶车辆换道安全是保证其正常行驶的基本操作。常见的换道策略采用“单次规划-实时跟踪”的框架,无法处理换道过程中的突发情形。针对换道过程中的实时避障问题,本文提出一种基于前车换道意图识别的“实时规划-实时跟踪”的新型换道策略。首先对原车道前车换道和目标车道前车减速两种避障工况进行意图识别,建立基于NGSIM数据集的随机森林模型,以此刻画前车当前运行特征与换道行为之间的关系,在此基础上构建双层判断条件和控制模式矩阵;其次,设计实时轨迹规划算法和横、纵向轨迹跟踪策略;然后,针对规划好的轨迹开发MPC+PID跟踪控制算法以实时控制车辆转向系统。最后针对提出的整体控制架构进行联合仿真与实车验证。结果表明:换道轨迹的实时更新提升了正常换道过程中的稳定性和换道效率;且在突发状况下,安全条件判断模块与控制矩阵共同决定控制模式,从而处理换道过程中的避障问题,显著提升换道避障过程中的稳定性。

异质流网联车的不同换道集聚策略

为研究车联网环境下异质交通流的演变规律,首先,引入相对熵定量描述异质流的有序性,并分析有序性与智能网联车(connected and autonomous vehicle,CAV)市场渗透率、协同自适应巡航控制(cooperative adaptive cruise control,CACC)队列数之间的内在联系,推导得出智能网联车渗透率的增加及队列数的减少可以提升异质流的有序性;其次,提出了保守型集聚(conservative aggregation,CSA)、激进型集聚(radical aggregation,RDA)两种改进的智能网联车集聚换道策略,并通过元胞自动机仿真实验,从通行能力、相对熵和平均队列长度等方面比较了无集聚(no aggregation,NOA)、常规集聚(conventional aggregation,CVA)、CSA、RDA 4种换道策略的优劣;最后,在CSA换道策略中分析了不同最小队列规模限制对于通行能力的影响.研究结果表明:在双车道环境下,采取集聚换道策略能使智能网联车形成CACC队列,使异质流趋于“有序”,在20~95辆/km密度范围内提升通行能力;相比NOA换道策略,CSA、RDA换道策略分别最大提升道路通行能力12.6%、14.0%,但当智能网联车市场渗透率为0.8时,RDA换道策略导致最大通行能力反而降低25.8%;根据相对熵对异质流中智能网联车辆集聚程度的定量描述,NOA、CVA、CSA、RDA 4种换道策略对智能网联的集聚能力依次递增;在CSA换道策略中,CACC最小队列规模取4辆时道路通行效率达到最佳.

基于广义动态模糊神经网络的自动驾驶换道策略优化方法

为使自动驾驶车辆行驶效率提高,研究安全且高效的自动驾驶车辆换道策略是基础问题之一。本文基于广义动态模糊神经网络模型提出一种以运行效率为优化目标的自动驾驶换道策略。首先,基于元胞自动机建立高速公路交通流模型,分别实现人工驾驶、自动驾驶车辆的跟驰与换道表达方法;进而设计并实现了基于广义动态模糊神经网络(GD-FNN)的自学习算法优化自动驾驶车辆换道策略;最后与元胞自动机经典换道策略进行对比。结果表明:GD-FNN换道策略在处于低密度区具有更高的换道频率;GD-FNN换道策略在驾驶效率上整体优于STCA,在中低密度条件下单位时间内行驶距离可提升12.88%.

基于NGSIM数据的车道级车辆换道策略研究

随着无人车技术的逐渐成熟,传统路径规划已经不能满足要求,迫切需要利用高精度地图定位技术完成车道级路径规划。已有的车道级路径规划从车道变换风险、不安全因素和实际执行情况等方面展开,未对换道策略合理性进行研究。本文以NGSIM数据为基础,研究换道次数与车道级行程时间关系,提出以路段级行程时间作为换道策略评判标准,并进一步分析车辆时空轨迹图,给出了最优换道策略。

基于事件触发机制的双编队车辆换道决策模型

针对由联网自动化车辆(connected and automated vehicle,CAV)组成的双编队车辆换道问题进行了研究,提出了一种基于事件触发的分布式换道决策模型。该模型针对双编队系统设计了一种编队内和编队间的一致性控制协议;同时,为了减少CAV车辆控制器的频繁更新,设计了一种基于组合测量方式的事件触发器,并给出Lyapunov函数证明了算法的稳定性且不存在Zeno行为。仿真结果表明,所设计的控制协议能够使双编队系统收敛一致,有效降低CAV控制器的更新频率,减少系统能耗。通过模型对比,在证明所提决策模型有效性的同时,系统能够更快地收敛。

基于路由选择的城市道路车辆转向换道区域设置

为了减少因随机换道产生的延误,提出基于路由选择的车辆换道区域设置,即通过设置城市路段固定换道区域及制定车辆可变限速策略,将其转化为基于路由选择的车辆静态路径规划问题.利用VISSIM仿真软件,初建车辆换道场景,设计试验分析换道区域设置对城市道路车辆运行情况的影响;汇总数据并借助MATLAB进行数据拟合,得出在不同速度、流量及转向比例条件下的最佳换道区域设置长度.进行了有、无控制策略对比试验.结果表明:在565 m的仿真路段中,设置车辆换道区域、制定路径引导策略后,车辆换道次数减少了106次,车辆平均行程速度增加了12.13%,平均行程时间减少了10.80%,降低了因随机换道造成的延误,有效提高了区域路网的运行效率.

车路协同下车队避让紧急车辆的换道引导方法

为保证紧急车辆更安全、高效地到达紧急事故现场,基于车路协同系统,提出车队避让紧急车辆的换道引导策略。针对目标车道无车辆、有车辆和有车队3种不同场景,分别提出确保紧急车辆快速通过的协同换道策略。通过协同换道策略引导紧急车辆前方行驶的车队和目标车道的车辆改变速度以调整车辆间距,使其满足换道安全距离,依据换道轨迹规划使车队完成换道,并提出紧急车辆发送紧急避让信号的位置方法,计算当不影响紧急车辆的速度情况下,其发送紧急避让信号时与车队尾车的最短距离。利用SUMO交通仿真软件,实现车路协同环境下3种不同场景车队避让紧急车辆的换道引导,并比较目标车道为车队的场景下,车队换道至目标车队的每个空档中(方式A)和车队换道至目标车队的同一个空档中(方式B)2种不同的换道引导策略。研究结果表明:目标车道有车队的场景下,方式B的协同换道时间更短,发送紧急信号的位置距车队尾车82 m,较方式A的87 m更近,对周围车辆影响更小,因此此场景采用方式B的协同换道策略;在目标车道无车辆、有车辆和有车队3种场景下,紧急车辆分别距车队尾车71,71,82 m时发送紧急避让信号,其可以维持期望速度,验证了最短距离与车辆速度的关系式;与未使用换道引导策略的情况相比,紧急车辆的速度提高,延误减少。

高速公路施工区自动车辆行驶轨迹优化方法

为改善高速公路施工区路段车辆运行状态,建立了一种集合优化换道比例和可变跟车时距的换道控制策略。通过引入交通运行效率和冲突风险目标函数并进行在线求解,从而对施工区车辆行驶轨迹进行优化,提高了车辆的平顺性。在网联自动车环境下,以施工区上游路段车辆平均速度为目标函数,借助遗传算法遍历交通流状态集合,求解换道比例,以此调整施工区上游车辆分布。以施工区汇入路段车辆交通效率和冲突风险为可变跟车时距模型的目标函数,调用CPLEX/Matlab求解器得到汇入路段可变跟车时距。为了在线计算和可视化建立了Matlab/Vissim_COM的仿真平台,通过Matlab编程技术以单步仿真的方式提取Vissim车辆信息,将CPLEX求解器和Vissim的封装环境以函数调用的方式与遗传算法结合,对车辆信息进行优化计算和参数反馈。在总仿真次数达到400次时,模型控制得到最优。结果表明,与未实施控制相比,在最优控制中,当仿真时长达到800 s时,每条车道交通量输入达到700 veh/h,优化效果较为明显,即全局车辆在汇入路段"曝光"次数减少,车辆行驶轨迹变的"平滑",全局运行速度提高了48%,速度标准差的变化幅度降低,全局车辆的速度离散性得到改善,以后侵入时间表征冲突风险,冲突次数降低了39%,高速公路施工区车辆运行状态得到了改善。