高速公路网联自动驾驶专用车道物理基础设施设计方法研究综述

为深入探究网联自动驾驶专用车道的物理基础设施设计对交通性能的影响,从专用车道的部署条件、专用车道的接入方式、以及专用车道与普通车道的分隔方式等3个方面进行梳理,明确了现有研究的理论基础与实践进展,构建了这些方面对交通系统性能的影响关系框架,并指出了当前研究中存在的空白和未来研究的发展方向。结果表明:目前对网联自动驾驶专用车道部署条件的研究主要聚焦在交通效率上,缺少对交通安全的评估,且不同的研究假设导致了研究结果的差异,在未来研究中需要对部署条件进行精确评估;有关接入方式的研究则显示常规的自由接入和有限接入各有优势,但2种接入方式的优势条件有待进一步检验,建议借鉴高载客率车辆(high occupancy vehicle,HOV)专用车道接入方式的设计,在网联自动驾驶专用车道场景下对其进行重新评估;有关分隔方式的研究显示需要确认网联自动驾驶专用车道与普通车道的分隔方式对人类驾驶员适应性行为的影响,以确保驾驶者能够有效适应专用车道的部署。总体而言,目前研究虽有一定进展,但由于缺乏实际的道路案例与部署效果验证,基于仿真的方法由于假设等方面的差异使得研究结论有较大的分歧。未来的研究应重点聚焦在网联自动驾驶行为的精确化、横纵向对比研究、以及量化网联自动驾驶专用车道设计对安全效率的影响等方向进行改进。

基于博弈论的网联自动驾驶车辆协同换道研究

为改善频繁、不合理的换道行为,提升行车舒适感,以网联自动驾驶车辆为研究对象,提出一种舒适安全的换道策略。该策略主要包括单车期望换道和多车协同换道。在传统换道激励模型的速度收益函数中引入舒适性收益,建立换道总收益优化模型,进行单车换道可行性判断;针对网联自动驾驶车辆换道决策之间可能存在冲突的问题,采用双矩阵法构建基于博弈论的多车协同换道策略;最后,在Matlab仿真环境中验证。结果表明,所提换道策略在提高换道稳定性和安全性的基础上可以较大地改善行车舒适性,降低交通流的整体制动幅度。

网联自动驾驶车辆混合交通流专用道管控方法

分析了网联自动驾驶车辆(CAV)混合交通流中各车辆类型及其跟驰模式下的车头间距,从通用性混合交通流特征层面理论推导了各车头间距模式的概率表达式,从而对混合交通流进行了数学描述;以混合交通流整体通行流率最大为目标,计算了多车道混合交通流中一个CAV专用道的设置条件以及专用道设置后CAV交通流在专用道和混合道上的最优交通流分配比例,将一个CAV专用道情形推广至多个CAV专用道动态管控的一般性情形,构建了混合交通流专用道动态管控的分析方法;应用案例分析论证了CAV专用道管控方法的有效性。研究结果表明:在交通需求为2000 veh·h^(-1)时,各CAV渗透率阶段均无需设置CAV专用道;在交通需求为3000 veh·h^(-1)时,需在CAV渗透率为0.2~0.4的阶段下考虑设置CAV专用道;在交通需求为5000 veh·h^(-1)时,需考虑在各CAV渗透率阶段下设置CAV专用道;提出的CAV专用道管控方法可根据交通需求和车道总数等条件定量化计算不同CAV渗透率阶段下的最优CAV专用道数量以及CAV交通流最优分配比例,且交通需求能够影响反映CAV专用道设置条件的临界CAV渗透率范围,交通需求和车道总数量可分别从交通需求属性和道路空间属性方面促进最优CAV专用道数量的提升,符合多车道场景混合交通流CAV专用道管控的特性。

网联自动驾驶车辆下匝道换道决策模型

为宏观刻画自动驾驶专用车道上的网联自动驾驶车辆(CAV)下匝道的行为,提出了混合交通流下基于安全风险的CAV下匝道换道决策模型;该模型将换道间隙选择过程抽象为成功换道或不成功换道的伯努利试验,并在此基础上建立了基于交通流理论的车辆换道成功率计算方法;提出了耦合换道安全与效率的下匝道换道决策成本函数,其中安全与效率的权重参数根据不同的驾驶模式确定,从而确定CAV最优的换道意图生成点,为CAV换道提供指令。数值分析结果表明:CAV下匝道成功率由换道准备距离、交通需求和CAV渗透率共同决定,成本函数随着CAV渗透率的变化出现明显的拐点;交通量为2400 veh·h^(-1)时,CAV的最佳换道意图生成点为距离下匝道入口1 km处;当交通量增加至4000 veh·h^(-1)时,最佳换道意图生成点为距离下匝道入口2.5 km处;当交通量大于6400 veh·h^(-1)时,需要提高CAV的侵略性才能高效驶出高速公路;成本函数随着CAV渗透率的增大先下降再升高,若渗透率低于拐点渗透率,则增加换道准备距离可以降低成本函数,若渗透率高于拐点渗透率,则需通过减小换道准备距离降低成本函数。仿真结果表明:交通需求和渗透率对车辆下匝道的安全性影响显著,渗透率由30%提升至60%,碰撞时间最大降幅为76.23%。

考虑自动驾驶专用车道的混合交通分配模型

面向网联自动驾驶车辆(Connected and Automated Vehicles,CAV)与人工驾驶车辆(Human Driven Vehicle,HDV)混行的交通模式,研究部署自动驾驶专用车道(Lanes for Connected and Automated Vehicles,CAVL)环境下的混合交通网络均衡演变规律。考虑CAV在通行能力、时间价值和节能方面的优势,建立了面向不同属性车道的车辆出行成本计算函数,克服了传统BPR函数无法表征CAV特性的问题;提出了面向混合交通流的车道管理策略,并建立了路段交通量分配模型,为混合交通流下的道路通行能力计算提供了基础。假定CAV受中央系统调控而遵循系统最优的路径选择原则,而HDV用户根据自身驾驶经验而遵循用户最优的路径选择原则,基于此构建了CAVL环境下的混合交通均衡模型,并运用改进的连续平均法求解该模型。数值分析结果表明:同时考虑CAV对道路通行能力和用户时间价值的效益,CAV渗透率达到40%时,出行时间成本降低12%。同时发现CAVL与通用车道的设计速度相同时,当渗透率大于31%,部署CAVL才能降低时间成本。通过Nguyen-Dupuis网络测试分析发现:由于CAV行驶稳定和CAVL的优势,为达到系统最优,CAV流量主要沿CAVL路段流动;当交通需求分别为7000 veh·h^(-1)和15000 veh·h^(-1)时,CAV渗透率由20%增大至60%,系统成本分别降低4.12%和46.38%。研究成果为深度刻画混合交通网络流量分配奠定了基础,也为自动驾驶专用车道的优化部署提供了理论指导。

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle, CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车辆跟驰模型和GM(General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明:采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。

混合交通流下匝道理论通行能力研究

道路通行能力是道路设计、交通规划与管理的基本参数,随着网联自动驾驶车辆的快速发展,传统纯交通流将逐步向混合交通流(传统车与网联自动驾驶车辆混行)演变,道路通行能力计算方法需要与时俱进。探索新方法来计算高速公路匝道通行能力,有助于确定高速公路服务水平及制定合理交通管控制策略。文章提出的模型可以计算混合交通流下的匝道理论通行能力,且模型的拓展性与适应性高,可以为未来智能网联环境下的高速公路合流区的规划与管理提供重要的技术指导。

特种CAV优先的集中式匝道合流协同控制方法

为保障无人驾驶环境下特种车辆在典型Y型匝道合流区快速平稳通过,研究了全网联自动驾驶车辆(CAV)集中控制场景中考虑特种车辆优先通行的协同控制方法;通过博弈确定了控制区内合流序列排布,考虑特种CAV任务优先属性与车型特征,分别设计了与加速度关联的特种CAV车道优先属性、与时间关联的车种优先属性和与加速度变化率关联的车型稳定优先属性,并在成本函数中进行联合表征;将特种CAV参与的合流序列排布转化为最优序列集求解,应用二人合作博弈收益矩阵法确定了最优合流序列;依据排序结果,应用庞特里亚金最大值原理求解了车辆轨迹控制,在最小策略成本下求得纵向轨迹最优解析解,实现了考虑特种CAV优先通行的协同控制;应用Python开发语言在实施算例中仿真验证了考虑特种CAV优先通行的协同控制方法,并与无控制策略和先进先出策略进行油耗与通行时间对比。研究结果表明:应用协同控制方法在有效保障特种CAV优先通行的基础上,有86%的车辆在合流期间可以保证以最大速度平稳通过合流区域;相比于无控制策略和先进先出策略,在累计油耗方面分别降低了11.8%与16.1%,车队通过合流区域的总时长领先2类传统合流策略各3 s;最大限速、初始速度和控制区长度均对应存在使特种CAV快速通行的阈值,可为合流区域设计提供参考。