基于自然驾驶数据的驾驶换道风格分析与辨识

为了研究在换道工况下个体驾驶行为及其辨识,基于NGSIM轨迹数据提取532组换道有效数据。分析处理驾驶员换道特征参数,运用K-means算法对驾驶员进行聚类分析,可分为谨慎型、一般型、激进型三类。并对聚类的参数进行统计分析和时频分析验证各类驾驶人的差异性,并提取出有效参数作为辨识模型的输入,基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群,建立起基于改进粒子群优化SVM的驾驶人风格辨识模型,对SVM模型的两个关键参数C和g进行优化更新,驾驶人识别准确率可达到96.25%,且与BP神经网络、PSO-SVM、随机森林、KNN算法相比具有更高的识别准确率。

高架路下匝道车辆压线换道行为及改善建议

为保障高架路下匝道衔接区交通有序运行,从驾驶员违法压线换道行为与决策风格角度探索降低换道风险并提升通行能力的交通管理与设计措施。基于视频识别技术所获客观换道行为数据,从换道效率、换道难度和换道风险3个维度,提取换道速度、目标车道排队长度、可换道空间、与换道视野内车辆的最大速度差和横向加速度共5个外显变量,构建压线换道决策风格分类LPA模型。随后,依次界定为控制型、稳健型、理智型、激进型、犹豫型和冲动型等6类换道决策风格,其中理智型、激进型和犹豫型较为常见,冲动型、犹豫型、激进型的决策风格危害较大。最后,针对不良决策风格,从左转车道渠化、车道分隔方案、限速(减速)措施等多个方面提出对策,引导驾驶员形成良性决策风格。

考虑驾驶人风格的换道轨迹规划与控制

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据.采用主成分分析法和K均值(K-means)聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优(LQR)反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明:所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。