计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。

基于航测数据的不同风格换道轨迹规划

不当的换道行为可能危及交通安全,导致交通事故和拥堵,因此有必要探索不同驾驶风格下在车道出口的换道轨迹.本文利用中国高速公路和快速路拥堵场景数据集中的车辆轨迹数据,采用K-means算法将驾驶人分为谨慎型、普通型和激进型三类;通过聚类分析和换道时间预测,以最小化换道纵向位移和行驶稳定性加权值之和为优化目标,同时以舒适性和安全性评价指标为约束条件,采用五次多项式进行最优换道轨迹规划;随后,使用遗传算法解决轨迹规划问题,基于Prescan、CarSim、MATLAB/Simulink仿真平台建立横纵向联合控制二自由度车辆动力学模型;最后,设计自车前车、目标车道前车和目标车道后车三种典型换道场景,并通过仿真实验评价不同驾驶风格下的换道轨迹规划效果和车辆轨迹跟踪控制效果.实验结果表明:在目标车道有车的场景下提出的融合驾驶风格的轨迹规划算法使得规划的换道轨迹增加了激进型驾驶风格的换道时长,同时减少了普通型和谨慎型驾驶风格司机的换道时长,进而能够确保换道过程的时效性、安全性和舒适性.

引力理论框架下基于综合竞争力的自动驾驶拟人换道决策模型

为有效刻画城市快速路中自动驾驶环境下的车辆换道决策机理,考虑主车与周边车辆的位置属性、驾驶风格属性及车辆运动属性对主车换道行为的影响,建立基于综合竞争力的拟人换道决策模型。首先,以邻近前车间距、邻近前车速度差及驾驶风格这3种因素作为自动驾驶车辆的拟人化换道意愿属性,量化表征主车的换道意愿;然后,基于人类决策中的悲观主义准则,分析换道过程中周边车辆与主车可能产生的竞争行为,利用车头间距比和驾驶风格差异提出潜在竞争强度概念;其次,考虑环境稳定性对驾驶舒适性的影响,提出“速度伪距”“加速度伪距”概念,衡量换道后的环境稳定性;最后,结合引力理论建立以车辆横向速度为求解目标的综合竞争力换道决策模型。在模型标定中,筛选Ubiquitous Traffic Eyes开源数据集,得到非强制换道片段数据,利用蚁群算法标定模型参数。采用随机排列交叉验证方法进行验证,以正确率为模型精度和泛化能力的评价指标,并将其与传统模型进行对比。结果表明,将训练与验证比设置为72%∶28%、65%∶35%、57%∶43%和50%∶50%时,平均正确率区间为87.67%~90.34%,说明该模型具有较强的鲁棒性和可行性,相比于传统模型,本文模型具有更高的预测精度,可为自动驾驶环境下车辆的车道选择提供依据。

城市出入口连接段处货车专用道研究

为缓解物流业迅速发展导致的大型物流园区与高速公路的国道连接路段客货拥堵问题,从城市出入口连接段的交通流特性出发,根据连接段交叉口货车与客车的转向数量及比例,建立货车专用道交织区长度计算模型,并且对不同车道数的交叉口进口道进行渠化,将专用道交织区长度计算模型和进口道渠化方案进行了仿真,验证了交织区长度计算模型与交叉口渠化方案的可行性。

公交专用车道规划管理思辨及公共汽电车交通发展纾困

2023年上半年,公安部推出10项公安交管新措施,其中包括优化城市公交专用车道管理。北京、深圳、青岛、南通等地陆续发布公交专用车道相关管理措施,引发广泛讨论与关注。围绕公交专用车道管理措施背后的原因与调整的依据,公交专用车道本身的规划、管理与使用问题,以及公共汽电车交通运营困境,特邀城市交通行业专家学者和公共汽电车运营管理研究的一线工作人员以笔谈的形式交流观点。在此基础上,探索在城市存量发展阶段如何建立常态化路权变更规则和评估机制,以及公共汽电车交通纾困之路。

城市连续隧道交织区主线交织车辆换道点选择行为研究

基于城市连续隧道交织区分析主线交织车辆换道点选择行为,以实地采集的车行轨迹数据为基础,利用随机森林模型分析主线车辆换道点选择行为特征及影响行为决策的影响因素,而后分别采用支持向量机模型与随机森林模型进行换道点选择行为决策建模和对比分析。研究结果表明:影响主线交织车辆换道点选择的主要因素为目标车辆状态以及本车道的后车状态,且经特征筛选之后建立换道决策模型的精度更高,其中支持向量机模型可以较好的刻画换道行为,模型的预测精度不低于85%。研究成果有助于在仿真模型中更准确描述换道点选择行为,同时为城市连续隧道交织区的优化和辅助驾驶策略制定提供支撑。

基于MSIGJO的网联商用车换道轨迹规划方法

针对网联商用车换道安全性、平顺性较低的问题,提出一种基于多策略改进金豺优化算法(multi-strategy improved golden jackal optimization,MSIGJO)的网联商用车换道轨迹规划方法。首先,基于V2X(vehicle to everything)技术获取智能网联商用车周围状态信息,建立商用车换道安全距离模型;其次,引入商用车换道平顺性、经济性和换道效率作为指标,构建多目标协同优化函数;最后,引入动态权重位置更新策略和翻转策略改进金豺优化算法(golden jackal optimization,GJO),进而提出MSIGJO算法,利用MSIGJO算法求解函数得到最优换道轨迹。研究结果表明:该方法在商用车换道过程中横向跟踪精度提升了12.67%,侧向加速度变化率和质心侧偏角变化率分别降低了11.94%和12.65%,有效提升智能网联商用车换道安全性和平顺性,为智能网联商用车换道轨迹规划研究提供参考。

基于OpenStreetMap的城市公交专用道设置优化

为合理设置公交专用道,通过OpenStreetMap(OSM)提取可设置公交专用道的路网,采用Stroke道路表示法将OSM路网与百度路网进行融合,结合百度地图实时交通数据实现交通态势可视化,从而准确直观地识别出公交专用道的设置路段。通过构建公交路阻函数模型,计算设置公交专用道前后的时间效益差,确定公交专用道的设置方案。最后以南昌市部分路网为例,通过SUMO软件仿真结果表明:在青山南路设置公交专用道可以使公交车辆延误降低19.6%;社会车辆延误降低10.8%。实例验证所提出的设置优化方法有利于减少交通延误,为合理设置公交专用道提供支持。

基于交通态势可视化分析的公交专用道布局

交通拥堵问题是困扰城市的普遍难题,科学地规划公交专用道是在城市道路空间资源有限的情况下提高运输效率的有效手段。探讨如何利用交通态势数据和路网信息来规划和评估公交专用道布局问题。首先选取公交专用道布局的研究范围,借助道路交通信息技术,利用交通路况分析与发布平台的大数据,将区域交通态势可视化,做交通路网态势评价,提出该区域的公交专用道布设方案。再从路网整体效益出发,构建以碳排放量最小和系统总出行时间最少为优化目标的多目标优化模型,分析设置公交专用道的效益。最后以南昌市中心某片区为例,选取交通拥堵严重、暂无公交专用道、且满足公交专用道设置条件的路段提出公交专用道布设方案,结果表明设置公交专用道能减少路网中车辆碳排放、改善路段的整体通行效率,减碳平均优化率为4%,时间效益平均提升5%,可知本文提出的优化方法有利于得到合理有效的公交专用道优化方案,为城市交通管理者提供决策依据。

多模型融合的换道意图识别研究

快速准确识别出周围车辆的换道意图对高级自动驾驶辅助系统的决策支持和安全预防具有重要意义。针对现有方法未能充分考虑车辆之间的交互作用以及轨迹数据的前后依赖性问题,提出一种基于多模型融合的换道意图识别框架。该换道意图识别框架主要包括输入处理与换道意图识别两部分。输入处理部分对车辆轨迹数据进行清洗、贴标、切片以及one-hot编码。换道意图识别部分则具体提出BiLSTM-F(BiLSTM-fusion)模型,在该模型中将注意力机制(attention mechanism)引入双向长短期记忆网络(BiLSTM),对输入处理部分的输出信息进行权重划分,使模型能将注意力更加集中于对换道意图影响较大的特征信息上,最后引入条件随机场(conditional random field),充分学习输入数据的前后依赖性并快速找出全局最优的换道意图。实验中使用公开数据集NGSIM进行训练并评估,验证结果表明该模型的准确率最高能达到97.19%,并且可在车辆到达换道点前2 s识别车辆的换道意图,准确率为94.16%。与基线换道意图识别模型相比,所提出模型的准确率、损失、F1值和稳定性均优于基线模型。

信控交叉口公交专用车道动态共享实时控制方法

针对目前交叉口拥堵、公交专用车道利用率低的问题,提出一种信控交叉口公交专用车道动态共享实时控制方法。利用GPS定位实时获取交叉口处公交车的位置,并通过交通检测设备获取专用道内小汽车车辆数,结合主信号显示情况综合计算当前时刻公交专用道共享前后交叉口车辆总延误。将延误大小判断结果反馈给车道信号,车道信号显示红灯或绿灯以提醒司机是否能够进入公交专用道。引入受影响车辆概念,建立以减少交叉口车辆总延误为目标的公交专用车道共享控制模型。通过对当前时刻主信号显示红灯和显示绿灯两种情况分析,提出一种综合考虑车辆司乘系数、受影响车辆的交叉口延误计算方法,得到共享公交专用车道前后交叉口车辆总延误差值的表达式。利用示例数值模拟在多种不同场景下车道信号的显示情况,分析了专用道内已有车辆、公交车位置以及主信号显示情况对车道共享的影响。结果表明:该控制方法较符合实际情况,并能有效提高公交专用车道利用率,能够充分利用交叉口绿灯时间,为解决公交专用车道的动态共享、缓解道路拥堵提供了一种新的思路。

驾驶风格和分心状态对车道偏离预警系统效用的影响

为探究可匹配不同驾驶风格和分心状态水平的车道偏离预警模式,开发可满足不同用户驾乘体验需求的车道偏离预警系统(LDW),通过K-means聚类的高斯混合模型将被试分为保守型、普通型和激进型,设计不同难度等级分心次任务,针对早、晚期2种预警提前期模式开展驾驶模拟试验。基于驾驶数据,采用K-M非参数生存分析方法生成单变量影响下偏离持续时间的生存函数,在此基础上建立偏离持续时间COX比例风险回归模型进行多变量影响分析,并设计基于技术接受度模型的主观评价方法。结果表明:驾驶风格和分心状态对车道偏离持续时间产生显著影响;驾驶风格越激进,分心等级越高,偏离持续时间越长;同时,不同驾驶风格和分心状态对应的驾驶偏离风险和主观接受度均存在差异,综合主客观结果得出保守型、普通型和激进型驾驶人的最佳预警策略,研究成果可为LDW系统个性化设计提供基础支撑。

基于无监督聚类分析的激进换道行为识别方法

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明:SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^(-3)且方向盘转角大于0.83 (°)·s^(-1),识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率为92.5%,与传统聚类分析相比,本文提出的激进换道行为识别方法能够更加细致地识别激进换道行为的种类,研究结果可作为评估驾驶人是否存在危险换道行为和衡量驾驶人换道习惯的参考标准,同时,该两次聚类结果可作为激进型换道行为的参考标准。

轨迹数据驱动的车辆换道意图识别模型

为及时识别、预测车辆的换道行为,综合考虑目标车辆及周边车辆的时空交互关系,结合时间卷积网络(Temporal Convolutional Network,TCN)的时序处理能力和长短期记忆(Long Short Term Memory,LSTM)神经网络的门控记忆机制,构建了基于TCNLSTM网络的车辆换道意图识别模型。首先,将目标车辆的驾驶意图分为直行、向左换道和向右换道3种类型,从CitySim车辆轨迹数据集中提取出目标车辆及对应同车道、左侧车道、右侧车道的相邻前车和相邻后车的轨迹数据,并利用中值滤波算法获得车辆运行状态指标。其次,针对统计学理论和机器学习方法面临的识别精度不高、训练时间长、参数更新慢等问题,提出利用膨胀卷积技术提取时间序列的时序特征,采用门控记忆单元捕捉时序特征的长期依赖关系,并以目标车辆及周边相邻车辆的速度、加速度、航向角、航向角变化率和相对位置信息等54个车辆状态指标为输入变量,以车辆的换道意图为输出变量,构建了一个基于TCN-LSTM网络的车辆换道意图识别模型。最后,对比分析了不同输入时间步长下TCN、支持向量机(Support Vector Machines,SVM)、LSTM和TCN-LSTM模型的识别精度。结果表明:输入时间序列长度为150帧时,TCN-LSTM模型的识别精度达到最高值96.67%;从整体分类精度来看,相比LSTM、TCN和SVM模型,TCN-LSTM模型的换道意图分类准确率分别提升了1.34、0.84和2.46个百分点,展现出了更高的分类性能。

车联网下公交专用道复用的动态清空控制方法

传统公交专用道动态控制方法无法同时保证公交优先和车道利用率的提升,为解决该问题,本文提出车联网支持下公交专用道复用的动态清空控制方法(Dynamic Clearance Bus Lane,DCBL),建立随网联公交行驶车速和网联社会车辆换道时间动态变化的清空框模型,同时定义换道迫切系数,结合模糊控制理论,设计考虑驾驶员换道心理的换道概率输出算法,以模拟驾驶员实际换道过程,最后通过数值仿真以验证DCBL控制方法的有效性。仿真实验结果表明:DCBL控制方法将适用的交通密度范围扩大至0~71 pcu·km^(-1),比传统的BLIP(Bus Lane with Intermittent priority)、IBL(Intermittent Bus Lane)控制方法适用范围增加了9~21 pcu·km^(-1);在40~70 pcu·km^(-1)的中高交通密度区间,DCBL控制方法将社会车辆平均车速保持在45.86 km·h^(-1),比传统控制方法提高了17.9%~24.7%,将公交平均车速保持在33.68 km·h^(-1),对比公交期望车速仅降低了6.4%;DCBL控制方法在路段中高密度区间对公交车的行驶延误小于25 s,比传统控制方法提高路段通行能力8.0%~18.3%。

考虑换道博弈的驾驶风格在线识别方法

驾驶风格是驾驶行为的外在表达,激进风格的驾驶员容易进行更为频繁的危险驾驶操作,加剧车辆之间的交互作用,影响换道安全。在换道动作执行前识别驾驶员的驾驶风格,可以通过个性化预警信息有效约束驾驶员行为。文中提出了一种网联环境下考虑换道博弈的驾驶风格在线识别方法SHAP-XGBoost,以期在换道意图期间完成驾驶风格的识别。首先,将换道意图期间换道车辆及其周围车辆的个体行为和博弈行为的波动程度作为输入特征变量,通过相关性分析、主成分分析以及4种不同聚类方法对驾驶风格进行标记;然后,利用提出的SHAP-XGBoost模型选择关键特征,以训练驾驶风格识别模型,并通过滑动窗口完成在线识别;最后,采用HighD数据进行实验。结果表明:与基于质心距离、连通性、密度分布的聚类方法相比,基于图论原理的谱聚类可以更好地根据输入特征变量的形态标记驾驶风格;利用SHAP-XGBoost模型及14个关键特征进行驾驶风格识别,可以在不损失准确率的同时提高在线识别效率,驾驶风格识别准确率高达99%;同时将个体特征和博弈特征作为模型的输入时,可以提升驾驶风格标记和识别的准确率。此研究成果可为个性化换道决策和预警提供支持。

中运量公交专用道功能复合提升规划研究

为构建高品质、高效益的中运量干线公交,解决上海市中运量公共交通在实施运营中存在的客流效益较低、对社会车辆影响大等痛点问题,依托北横中运量公交工程的规划研究,首先,基于中运量公交专用道的研究概况及运行现状,分析规划建设同时具有公交客流效益高、可衔接轨道交通促进两网融合并对区域常规公交体系有整合优化作用的多功能复合中运量公交专用道的必要性;其次,基于规划工程的实践,提出相应的规划实施策略,如合理统筹公交及私人机动车路权,融合沿线道路、公交、慢行设施空间设置集约横断面方案,整合沿线常规公交、衔接轨道交通的两网融合运营模式等策略方法,以提升片区及通道的整体交通功能;最后,对其提升效果进行评估。本文旨在为中运量公交专用道的相关研究提供参考。

露天煤矿端帮单车道运输设计研究

为了最大限度回采露天煤矿端帮边坡压覆资源,基于极限平衡理论和端帮超前内排技术基本原理,应用SLOPE/W软件分析双车道改单车道运输设计对端帮整体边坡和局部边坡影响,分阶段、岩性研究了单车道循环运输条件下露天煤矿端帮最优边坡形态。研究结果表明:合理优化单车道循环运输位置,在保证端帮整体和局部边坡稳定情况下,能够显著提高煤炭资源回采率;在不超初步设计情况下,与原研究设计相比,通过优化端帮边坡设计,在实行单车道循环运输基础上,可提高端帮整体边坡角4°,提高端帮局部边坡角5°,可多采出煤炭资源300.4万t;与端帮边坡上双车道运输平盘相比,基于不同阶段端帮边坡单车道设计,可创造经济效益非常显著。

LaneSegNet:一种高效的车道线检测方法

车道线检测在智能交通领域占有重要地位,其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响.针对目前深度学习方法识别车道线精度差、速度慢的问题,提出了一种高效的车道线分割方法LaneSegNet.首先基于编码和解码网络原理构建主干网络Lane-Net,用于提取车道线特征信息并分割出车道线;然后使用多尺度空洞卷积特征融合网络,可以极大地扩充模型的感受野,提取全局特征信息;最后使用混合注意力网络获取丰富的车道线特征,并增强与当前任务相关的信息.实验结果表明:在TuSimple数据集上,该方法检测车道线的准确率为97.6%;在CULane数据集上,该方法在标准路面的检测准确率达到92.5%,多种路面综合检测准确率为75.2%.本文提出的LaneSegNet车道线检测方法分割精确度和推理速度优于其他对比模型,且具有更强的适应性和鲁棒性.

基于自动驾驶应用的空港新型货运集疏运模式探索——以上海浦东机场为例

传统的空港货运集疏运模式存在物流组织不够高效、出入口道路交通易拥堵、可靠性和时效性有待提升等问题,对地区发展、道路交通、城市环境持续带来负面影响。以提升上海浦东机场货运集散能力、缓解集疏运货运交通对城市交通的影响为目标,通过调研国内外关于空港货运模式的相关研究,提出了“多货运枢纽+专用通道”的新型集疏运模式,分析了货运枢纽的布局形式,运输装备制式、专用通道的布局形式及其和货运枢纽的衔接方案。研究可为提高空港货运系统效率、降低运输成本、促进全球贸易发展提供解决方案,同时,也为推动自动驾驶技术在货运领域的应用提供有益的参考和经验。