基于自然驾驶数据的跟车场景潜在风险评估

为弥补传统风险评价指标对相对速度较小的跟车场景危险水平评价能力的不足,减少跟车场景中追尾事故的发生,提出了跟车场景潜在风险的概念。将假定前车以较大制动减速度减速条件下的风险称为潜在风险,并构建了代表驾驶人在潜在危险跟车场景下进行避撞操作需满足的最大反应时间的参数时间裕度(TM)。由于追尾危险工况中常见采取的避撞操作可分为制动和制动转向两大类,分别对典型制动避撞过程和制动转向避撞过程进行了分析,从而推导出分别针对2种跟车潜在危险场景的TM计算方式。通过自动筛选与人工筛选结合,获得了中国自然驾驶数据库(China-FOT)中具有中国驾驶人特点的制动避撞危险工况87个和转向制动避撞危险工况40个进行分级,并基于图像处理方法提取了前车制动开始时刻的TM值,从而得到跟车场景潜在风险两级危险域的划分。结果表明:制动避撞场景下,本车车速过低和过高时,TM值的变化均不明显;而在制动转向避撞场景中,只有速度较高时阈值才保持不变。通过对正常驾驶视频的分析,引入对比组共计正常跟车制动工况163例和正常跟车转向变道工况151例的车头时距(THW)值,其统计分析结果与支持向量机分类结果均难以清晰描述跟车场景危险水平与本车速度之间的关系。为研究跟车场景潜在风险评价在自动驾驶中的应用,对于制动避撞场景,在设定TM值不变和相对速度不变的条件下,分别对基于TM的最小相对距离和距离碰撞时间(TTC)值进行了仿真,仿真结果显示,相比于TTC而言,TM的评价稳定性受相对速度影响小,在自动驾驶跟车策略开发和避免其发生责任追尾事故中有重要应用价值。

共享无人驾驶交通系统调度技术综述

众多研究证明共享无人驾驶车辆(SAVs)交通系统,能够实现车辆完全可控并为乘客提供个性化服务,即克服导致共享单车大量倒闭的运维和调配难题,也可消除制约公交竞争力的准时性、舒适性、覆盖性差的不足,有望成为未来城市交通的主体出行模式之一,并在很大程度上解决交通拥堵、环境污染、能源紧缺等城市病。基于此,总结SAVs交通系统相对传统共享车辆系统在不同运行模式方面的优点及不足,综述SAVs交通系统的调度技术。从SAVs交通系统运行过程出发,总结并分析SAVs交通系统不同运行方式,包括SAVs交通系统出行需求产生方式、车辆与需求匹配方式、车辆路径规划与车辆再平衡方式,以及运行方式与系统参数发生变化时对车辆行驶里程、车辆行驶时间、车队规模、乘客等待时间和服务水平等系统性能的积极与消极影响。对现有成果的梳理发现对于SAVs交通系统运行与性能的研究虽然取得了很大进展,但对于选择SAVs的出行需求计算多未考虑需求转移的影响,能够有效在大型路网中使用的系统模型与算法依然缺乏,且对于SAVs交通系统的调度研究考虑的形式可以更加多样,使之更符合现实情况。最后,基于提高SAVs系统性能对未来研究方向进行了展望,提出一些可能的研究课题。研究成果可为SAVs交通系统的研究提供参考。