Hybrid cooperative intersection management for connected automated vehicles and pedestrians

Connected Automated Vehicles(CAVs)have drawn much attention in recent years.High reliable automatic technologies can help CAVs to follow given trajectories well.However,safety and efficiency are hard to be ensured since the interactions between CAVs and pedestrians are complex problems.Thus,this study focuses on cooperative intersection management for CAVs and pedestrians.To avoid the effects of uncertainty about pedestrian behaviors,an indirect way is to use pedestrians’signal lights to guide the movements of pedestrians,and such lights with communication devices can share information with CAVs to make decisions together.In time domains,a general conflict-free rule is established depending on the positions of CAVs and crosswalks.Geometric analysis with coordinate calculation is used to accurately determine the feasible vehicle trajectories and the reasonable periods for signal lights turning green.Four control strategies for the same conditions are compared in simulation experiments,and their performances are analyzed.We demonstrate that the proposed cooperative strategy not only balances the benefits of vehicles and pedestrians but also improves the traffic efficiency at the intersection.

Resilient and Safe Platooning Control of Connected Automated Vehicles Against Intermittent Denial-of-Service Attacks

Connected automated vehicles(CAVs)serve as a promising enabler for future intelligent transportation systems because of their capabilities in improving traffic efficiency and driving safety,and reducing fuel consumption and vehicle emissions.A fundamental issue in CAVs is platooning control that empowers a convoy of CAVs to be cooperatively maneuvered with desired longitudinal spacings and identical velocities on roads.This paper addresses the issue of resilient and safe platooning control of CAVs subject to intermittent denial-of-service(DoS)attacks that disrupt vehicle-to-vehicle communications.First,a heterogeneous and uncertain vehicle longitudinal dynamic model is presented to accommodate a variety of uncertainties,including diverse vehicle masses and engine inertial delays,unknown and nonlinear resistance forces,and a dynamic platoon leader.Then,a resilient and safe distributed longitudinal platooning control law is constructed with an aim to preserve simultaneous individual vehicle stability,attack resilience,platoon safety and scalability.Furthermore,a numerically efficient offline design algorithm for determining the desired platoon control law is developed,under which the platoon resilience against DoS attacks can be maximized but the anticipated stability,safety and scalability requirements remain preserved.Finally,extensive numerical experiments are provided to substantiate the efficacy of the proposed platooning method.

On the impact of connected automated vehicles in freeway work zones:a cooperative cellular automata model based approach

Purpose–Freeway work zones have been traffic bottlenecks that lead to a series of problems,including long travel time,high-speed variation,driver’s dissatisfaction and traffic congestion.This research aims to develop a collaborative component of connected and automated vehicles(CAVs)to alleviate negative effects caused by work zones.Design/methodology/approach–The proposed cooperative component is incorporated in a cellular automata model to examine how and to what scale CAVs can help in improving traffic operations.Findings–Simulation results show that,with the proposed component and penetration of CAVs,the average performances(travel time,safety and emission)can all be improved and the stochasticity of performances will be minimized too.Originality/value–To the best of the authors’knowledge,this is the first research that develops a cooperative mechanism of CAVs to improve work zone performance.

Theoretical Analysis of Cooperative Driving at Idealized Unsignalized Intersections

Cooperative driving is widely viewed as a promising method to better utilize limited road resources and alleviate traffic congestion.In recent years,several cooperative driving approaches for idealized traffic scenarios(i.e.,uniform vehicle arrivals,lengths,and speeds)have been proposed.However,theoretical analyses and comparisons of these approaches are lacking.In this study,we propose a unified group-by-group zipper-style movement model to describe different approaches synthetically and evaluate their performance.We derive the maximum throughput for cooperative driving plans of idealized unsignalized intersections and discuss how to minimize the delay of vehicles.The obtained conclusions shed light on future cooperative driving studies.

面向出口匝道分流的协同换道策略研究

【目的】提高网联高速出口匝道路段通行效率,降低交通事故风险,保障分流车辆通行秩序。【方法】针对出口匝道上游智能网联车辆(connected automated vehicle,CAV)的换道行为所导致的交通紊乱问题,提出一种协同换道策略。兼顾通行效率和舒适度,以研究时段内所有CAV平均速度、平均加速度变化率的加权和最小为目标,以速度、加速度、加速度振动、换道起点与分流点的纵向距离等为约束,构建CAV动态速度协同优化模型,有计划地优化每个时段每辆CAV的速度。采用Gurobi优化器求解协同控制模型,并使用SUMO软件建立仿真场景评估协同控制效果。【结果】与无控制情形相比,所提出的协同方法在不同总流量和分流比例下能使车辆平均速度最高提高17.7%,总延误降低75.9%以上,平均加速度变化率改善9.3%以上;当分流比例一定时,一定总流量情况下,总流量越高平均速度、平均加速度变化率改善效果越好;在安全换道所要求的最小纵向距离约束下,出口匝道路段通行效率最高。【结论】在不同总流量和分流比例下,协同策略可为换道车辆创造换道间隙,改善通行效率,提高乘客舒适度。

考虑智能网联车辆影响的八车道高速公路施工区可变限速控制方法

为提升车联网环境下高速公路施工区交通运行效率及安全水平,提出了一种基于强化学习的可变限速控制方法.选取智能驾驶模型和真车试验模型,分别对传统人工车辆和智能网联车辆的跟驰行为进行建模,构建了以瓶颈下游路段交通流量为效率指标、瓶颈路段速度标准差为安全指标的复合奖励值,利用深度确定性策略梯度算法,分车道动态求解最佳限速值.仿真结果表明,所提可变限速控制方法在不同智能网联车辆渗漏率条件下均能有效提升交通流运行效率和安全水平,且在智能网联车辆渗漏率较低时,提升效果更加显著.当智能网联车辆渗漏率为1.0时,瓶颈下游路段交通流量提升10.1%,瓶颈路段速度标准差均值下降68.9%;当智能网联车辆渗漏率为0时,瓶颈下游路段交通流量提升20.7%,瓶颈路段速度标准差均值下降78.1%.智能网联车辆的引入能够提升至多52.0%的瓶颈下游路段交通流量.

高速匝道入口多智能网联车协同合流控制

为提高高速匝道入口车辆合流安全性与通行效率,减少燃油消耗,提出了面向高速匝道入口的多智能网联车辆最优纵向轨迹规划方法,以实现车辆的协同合流.首先,建立车辆纵向动力学模型,考虑能量效率与乘坐舒适性构造代价函数,构建入口匝道的车辆最优车速控制问题;同时,基于先进先出的合流次序,设计各相邻车辆到达合流点的时刻与时间间隔,实现安全与高效的协同合流.利用庞特里亚金极小值原理求解车辆最优车速控制问题,推导出各车辆纵向速度的最优解析解.仿真结果表明:与无控制自然合流相比,所提出控制方法通行时长缩短41.64%,燃油消耗降低12.25%;与现有基于虚拟队列的控制方法相比,通行时长相差1.67%,燃油消耗降低4.52%.

基于移动技术的医院协同办公系统应用研究

移动通信技术的发展与普及带动了移动办公模式的进一步发展。试论述移动协同办公系统在医院应用的必要性及应用现状,针对目前系统建设过程中的主要壁垒,更新操作观念、提高自动化能力以及加强网络信息安全,完善协同办公系统的应用。

基于多集群系统的车辆协同换道控制

针对智能联网环境下的多车协同换道问题,设计一个基于多集群系统的车辆协同控制框架。给出了虚拟领导者的选取条件,智能联网车辆通过分布式集群划分算法选取邻居车辆、领导者、虚拟领导者作为控制协议的状态演化。在此基础上,提出适用于集群空间分配的间距控制算法和基于领导者跟随者的集群控制协议,使换道车辆扩大前后车辆纵向距离以达到安全换道间距。理论分析采取多微分方程求解的方式,证明所提控制协议能保证集群内的局部一致性和集群间的群一致性。仿真实例表明,所提算法与控制协议实现多集群速度收敛一致,车辆间保持期望安全间距以稀疏队形稳定行驶,多辆车辆安全准确换道到目标车道。

Conflict resolution for connected automated vehicles at unsignalized roundabouts considering personalized driving behaviours

To address the driving conflicts of connected automated vehicles(CAVs)at unsignalized roundabouts,a cooperative decision-making framework is proposed.The personalized driving preferences of CAVs are considered in the decision-making algorithm,which are reflected by different driving styles.A motion prediction algorithm is used to improve the decision-making performance.The effect of the motion prediction algorithm on the decisionmaking performance is evaluated,including the advancement of driving safety and the computational load for the hardware.The cooperative game theoretic approach is applied to the interaction modelling and collaborative decision making of CAVs.Finally,hardware-in-the-loop(HIL)tests are carried out to evaluate the feasibility and real-time performance of the proposed algorithm.

基于智能网联车辆编队的高速公路协同合流控制方法

为解决高速公路合流区在交通需求较高条件下的交通流不稳定和拥堵问题,以提高合流区通行能力和车辆合流过程协调性以及消除合流冲突为切入点,提出了在全智能网联车辆(CAV)环境下基于编队的协同合流(PBCM)策略.在合流区上游匝道路段设置一定长度的编队区,当编队区内的CAV数量满足一定规模后,即触发PBCM策略的执行.策略共包含匝道编队区CAV和主路CAV初始合流时间计算、匝道和主路CAV编队方案制定以及车队头车轨迹规划算法3部分.利用MATLAB构建了高速公路合流仿真环境,实验结果显示,当总交通需求为3100辆/h时,PBCM策略通过合流点的车辆数和主路平均速度最高分别比现有基于单个匝道和主路车辆协同(SVBCM)的策略提高了50.7%和20.0%,延误降低46.7%.仿真结果验证了PBCM策略在解决高交通需求条件下合流区拥堵问题的有效性,在匝道合流率较大的情况下仍可以维持主路上游较高的行驶速度.

中欧V2X联合试验关键场景及技术

中国和欧洲在车用无线通信(V2X)技术领域开展联合试验以验证关键场景及技术。以蜂窝-V2X(C-V2X)通信在中国和欧洲的发展为背景,重点探讨了中欧V2X联合试验方案、相关性能评价指标,以及已有的测试结果。探讨了支持车辆速度适配、智能交通路口、自动驾驶这3大关键测试场景所需要应用层面的消息实现。认为车路网间有效信息交互是实现这些场景的关键因素。联合试验中将在系统层面进一步验证、比较测试场景内信息交互性能指标。

智能网联汽车基于分组交替的协同合并策略

为了提高高速入口匝道车辆合并效率,减少油耗,提出基于分组交替的协同合并策略。协同合并的主要挑战是如何保证计算效率的同时提高交通性能,因此,通过设计通行顺序调整算法,优化车辆通行顺序,简化协同合并的复杂度;同时结合智能网联汽车和协同合并的特点,重新构建车辆运动规则,保证行车安全,避免走走停停。结果表明:与无控制和先进先出策略相比,新策略的吞吐量分别提升3.19%和27.34%,平均延迟分别下降18.60%和76.57%,总油耗分别减少35.48%和14.41%;新策略能够适用于不同的交通流场景,满足交通系统的实时性要求,提高高速入口匝道的通行效率并减少油耗。

空地协同移动群智感知研究综述

移动群智感知是一种新兴的感知模式,通过复用现有大量空地移动感知资源,从而实现低成本、大规模的城市感知。因此,联合利用空地移动感知资源实现空地协同移动群智感知,对提高移动感知资源的利用率,促进智慧城市发展具有重要意义。为此,对近年来空地协同移动群智感知研究工作进行综述。首先介绍空地协同移动群智感知兴起的背景和发展现状;然后分别从基于地面移动设备和基于空中移动设备两个维度对现有的移动群智感知研究工作进行分析,总结当前存在的问题;最后提出空地协同移动群智感知在跨平台的用户信息学习、跨空地的移动设备调度、跨任务的感知资源分配3个未来重要的研究方向,为相关研究人员提供有价值的参考。

基于Q学习模型的无信号交叉口离散车队控制

针对智能网联汽车在交通瓶颈处的行车效率问题,提出了一种面向无信号灯交叉口的车队协同控制策略。首先,根据基于车队的交通流模型和车队在交叉口的占用时间,提出了一个车队路权分配的控制框架。其次,以瞬时效率、行车延误等为复合指标,设计了一个Q学习模型来有条件地挑选车队规模。最后,依据跟车模型对分组后的车辆进行在线轨迹规划仿真。结果表明,Q学习模型可针对不同工况灵活地分配组队指令,并保证车队运动过程中的全局安全性。与非组队方法对比,所提方法可将交叉口的通行能力提升约36.1%。

基于Petri网立交桥智能网联车协作控制仿真

为提高立交桥通行效率,在考虑车辆通过立交桥过程中存在多次分离、交汇行为基础上,利用时延Petri网(timed Petri net, TdPN)建立智能网联车完整通过过程仿真模型;提出基于车辆优先级的速度引导策略,并建立智能网联车协作控制模型,从而组成完整的互通立交TdPN模型。通过仿真予以校验,并与立交桥出口及其衔接区协同控制方法、立交区域内多合流区协同控制方法作对比,结果表明:当交通需求较大时,本文方法控制效果最佳,能进一步提高通行效率,缓解交通压力。

一种网络攻击下网联自动车的改进换道模型

网联自动车被认为可以提升交通效率、保证行车安全并节约能源,但是由于无线通信系统的开放性,网联自动车很容易受到网络攻击的威胁。现有的研究主要集中于网络攻击的种类及过程,并评估该攻击对车辆纵向行为的影响。本文旨在研究网络攻击对车辆横向行为的影响,即对网络攻击下的换道行为进行研究。通过对经典的跟驰模型智能驾驶员模型(Intelligent Driver Model,IDM)和经典的换道模型最小化换道总制动模型(Minimizing Overall Braking Induced by Lane changes,MOBIL)进行改进,提出了一种扩展换道模型(Extended Lane-Changing model,ELC),来对网络攻击影响下的车辆换道行为进行建模分析。最后通过仿真实验,说明了不同的恶意网络攻击对车辆换道行为的影响。结果表明,网络攻击会显著影响车辆的换道决策,并导致异常驾驶行为。

快速路匝道入口智能网联车协同合并控制研究

针对快速路匝道入口场景在高车流量的情况下容易发生交通拥堵的问题,提出了一种快速路匝道入口智能网联车(connected and automated vehicles,CAV)协同合并控制的解决方案,将问题解耦成多车顺序决策和车辆运动规划两部分。其中多车顺序决策对通行效率起到重要作用,因此设计了一种基于状态评价模型(state evaluation model,SEM)的多车顺序决策算法。该算法首先建立状态空间并初始化,考虑通行效率和车辆延迟设计状态评价函数,通过状态转移关系选择出最优状态,最终回溯得到最优通行顺序。根据车辆状态和到达冲突点时间,控制器实时推导各车辆纵向速度的解析解,实现车辆运动规划。仿真和实验结果表明,该方案在满足交通系统实时性要求的同时能有效提高快速路匝道入口的通行效率,缩短车辆延迟,降低燃油消耗。

基于人类驾驶员在跟车高风险情景中的经验轨迹数据优化智能网联车辆纵向控制模型参数

智能网联车辆(CAV)具有提高驾驶安全性的巨大潜力,CAV的基本性能评估准则之一是其能否在真实的交通情景中比人类驾驶员更安全地行驶。本研究提出了一种基于人类驾驶员在跟车高风险情景中的经验轨迹数据来优化CAV纵向控制模型参数的方法。首先,从经验轨迹数据中提取初始跟车车组(I-CFP)。然后,基于模型默认参数值,采用自适应巡航控制模型(ACC)和协同自适应巡航控制模型(CACC)进行仿真,生成模拟跟车车组(S-CFP)的原始轨迹。最后,应用遗传算法来优化ACC和CACC模型的控制参数,并生成优化后的跟车车组(O-CFP)轨迹。结果表明,S-CFP的安全性优于I-CFP,而O-CFP具有最佳的安全性能。ACC/CACC模型中的优化参数多样且与默认参数不同,表明最佳模型参数会随跟车情景不同而变化,进而为减少追尾碰撞风险提供了有价值的视角。

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。