高速公路平直路段雾霾天气下的IDM跟驰模型分析

雾霾等恶劣气候对交通安全带来严重威胁。为分析雾霾天气下驾驶行为规律,利用高逼真度驾驶模拟器,构建了高速公路平直路段雾霾天气场景,开展了自由加速、紧急制动和跟驰试验;基于采集的试验数据利用遗传算法对IDM(Intelligent Driver Model)跟驰模型进行了标定,并与晴天同路段标定参数进行了对比分析。结果显示,雾霾天气下IDM模型中起步加速度和舒适减速度参数并无显著差异,但安全距离、安全车头时距、期望速度等参数比晴天情况显著减小,由此表明雾霾天气下的交通冲突风险显著增大,应加强雾霾天气下的安全管理。

基于IDM的车辆弯道运动状态预测研究

弯道是道路交通安全事故频发的隐患路段之一,为快速准确预测车辆弯道运动状态,本研究基于智能驾驶员微观车辆跟驰模型(Intelligent Driver Model,IDM),通过弯道适应性改进,构建了车辆弯道运动状态预测算法。模型的弯道适应性改进考虑了弯道曲率半径、道路纵向坡度及驾驶员反应时间因素,并对改进优化后的预测算法进行参数标定,以保证预测算法能达到预期效果。

基于智能驾驶员模型的危险跟驰行为特征分析

为提高危险跟驰行为研究的效率和可靠度,创新研究基于智能驾驶员模型(IDM)模型参数的危险跟驰行为定义方法。首先,以NGSIM自然车辆数据集为基础提取跟驰轨迹数据,并通过遗传算法标定IDM模型参数,挖掘驾驶员跟驰行为特征;其次,在分析跟驰行为特征指标分布规律的基础上,考虑指标间的相关性,确定各等级危险跟驰行为指标阈值;最后,设计车辆跟驰的仿真试验,选择6个指标对不同级别危险场景下的交通运行仿真结果进行评价。结果表明,危险驾驶员跟车间距更小,间距波动系数较大,并且会干扰交通整体运行。

消减换道行为影响的换道轨迹规划

构建了一种能够消减换道行为影响的换道轨迹规划,将帕累托最优理念引入至自主换道行为中,通过IDM(intelligent driver model)模型构建周边车辆的优化目标。采用5次多项式模型构建换道车辆的优化目标,引入多目标优化算法求解该多目标问题,从而获得换道车辆与周边车辆的帕累托最优前沿。实验表明相比于现有算法所提算法能够显著降低换道区域内所有车辆的总损失,提高区域内交通流运行状态及安全。

协同自适应巡航控制车队仿真

如何评估道路环境等外部条件变化对协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车队行驶安全性的影响,对于保障道路交通安全尤为重要。为此,结合Matlab/Simulink和CarSim搭建车辆-环境仿真平台研究道路环境对车队行驶安全性的影响。利用美国NGSIM车辆轨迹数据对平台采用的校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型的控制器进行验证;利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验。仿真结果表明:车队可以顺利通过路口红绿灯;在安全车速范围内车队进出隧道口时方向控制良好;匝道坡度主要影响车辆加速度和车间距,坡度分别为3%和5%时,车队均保持稳定车间距安全行驶。

基于Eclipse平台的车辆自适应巡航控制仿真

自适应巡航控制是一种先进的汽车辅助驾驶系统,可以减轻驾驶员的工作量并且可以提高驾驶的便利性和安全性。目前一般都是通过Mat Lab仿真曲线来检验车辆自适应巡航控制算法的控制效果,但该方式不够直观形象。基于Eclipse平台,用JAVA语言搭建一个具有动态效果的车辆巡航控制仿真平台。该平台可以模拟多种典型驾驶工况,直观有效地展现车辆自适应巡航控制算法的结果。最后,在该仿真平台上设计最优PD控制算法和智能驱动驾驶(IDM)控制算法验证车辆自适应巡航控制结果。结果表明,该Eclipse仿真平台能够有效地模拟多种驾驶工况,且能够直观有效地验证多种车辆自适应巡航控制算法的结果。

网联车辆自适应巡航控制算法验证平台设计

自适应巡航控制系统是一种车辆高级辅助驾驶系统,不仅可以减轻驾驶员工作负担,还能增强车辆的行车安全和驾乘舒适性。基于MATLAB和Python混合编程,在网络协议环境下设计智能车巡航控制算法验证平台;该平台能够模拟多种不同典型行车场景,其实时的信息采集与动画演示功能能够直观有效地展现车辆状态。结合所开发的平台软件,设计出增量式模型预测控制器(IMPC)和智能驱动驾驶(IDM)控制器,所提出的IMPC算法不仅能综合考虑网联车巡航多目标的特点,同时还满足巡航系统快速性和准确性的要求。最后结合典型驾驶工况,开展智能车的车辆自适应巡航控制实验。实验结果表明,基于MATLAB和Python混合编程的软件系统能有效模拟各种驾驶情景,并能结合智能车验证该自适应巡航控制算法的结果。

面向网联自动驾驶队列的信息安全控制

针对智能网联汽车在开放通信环境下易受网络攻击的问题,提出了在网络攻击环境下保障车辆安全驾驶行为的控制方法.首先建立了一套集检测与修复机制于一体的模型架构,并以网联自动驾驶队列为研究对象,进而提出了基于车辆动力学参数阈值的异常信息检测方法和基于DNA双螺旋结构的双链修复方法.通过异常信息检测机制,实现针对车辆动力学参数如加速度、速度和位移进行合理性判断.若数据异常,则采用修复机制进行异常修复,实现车辆驾驶行为的稳定.在仿真实验部分,分别设计了无检测机制、有检测机制、检测机制失效3种场景进行验证.结果表明:网络攻击会对车队的安全运行产生不同程度干扰,同时也表明所提出的安全控制方法能够缓解或抑制威胁攻击对车辆行为的影响.该成果能够为网联自动驾驶车辆安全机制设计、保障车辆安全稳定运行提供理论依据.