交通拥堵与温室气体排放

缓解拥堵项目可减少温室气体排放,但基于单个变量(如仅基于出行距离)的CO2排放预测并不精确。为了准确预测缓堵项目减少的CO2排放量,利用车辆运行检测技术、车辆活动数据库及根据车辆类型设计的排放模型,通过分析速度与排放的关系绘制速度-排放曲线,并结合交通运行检测数据,评价缓堵策略、速度管理策略、交通平滑策略等交通运行管理技术在CO2减排方面的作用。以南加州某高速公路为例进行的研究显示,上述三项交通管理策略中任何一项都可减少7%～12%的CO2排放量;三条策略同时使用可减少大约30%的CO2排放量。

智能网联车辆低渗透率下交叉口排队长度估计策略

为了提高混合交通流条件下信号交叉口的车辆通行效率,提出一种智能网联车辆低渗透率下的信号交叉口车辆排队长度估计策略。首先,根据信号交叉口上游区域车辆的随机到达特性,构建考虑智能网联车辆与人类驾驶车辆组成的车辆排队场景。其次,以智能网联车辆的位移差,速度差以及加速度差为输入,以人类驾驶车辆位移差为输出,建立基于Seq2seq架构的车辆微观轨迹前/后向重构模型,采用时间注意力机制判断车辆行驶状态变化的关键时域,提高模型对车辆“走-停”波的重构能力。再次,以当前信号周期排队车辆数为输入,以车辆排队长度为输出,建立基于XGBoost的车辆排队长度估计模型,可在历史样本数据较少的条件下准确估计车辆排队长度。最后,试验基于NGSIM数据集进行模型训练,在不同智能网联车辆渗透率、单信号周期以及多信号周期等条件下验证所提方法性能。结果表明:在10%~30%的低渗透率条件下,与经典时间序列预测模型RNN、LSTM、Seq2seq以及CNN模型相比,所提出的车辆微观轨迹前/后向重构模型的损失函数收敛速度较快,稳定性更好,车辆轨迹均方根误差降低了8.9%~71.7%,且能够准确描述信号交叉口区域车辆的“走-停”波;相比于基于KNN、随机森林与多项式回归模型的排队长度估计方法,所提方法的均方根误差降低了13.56%~91.99%,排队长度估计的运行时间降低至约8 ms,有效证明了所提方法在交叉口车辆排队长度估计的精确性和实时性。

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度,提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先,基于西安市北大街信号交叉口规格构建结构化场景,结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件;其次,根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则,以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数,构建类人化全局多目标优化模型,通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段;再次,针对非线性运动规划模型变量与约束规模化问题,采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解;最后,试验建立Prescan与MATLAB/Simulink联合仿真平台,从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明:在以信号灯状态和车辆初速度为变量建立的12种工况下,该模型与人类驾驶车辆、混合运动规划模型相比,平均可分别节省燃油消耗63.7%和29.5%,平均通行延时分别降低3、0.9 s,且轨迹曲率更平缓,最大横向加速度与方向盘转角平方和的平均值最小,证明该模型的多目标性能更好;在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下,所提出模型的车辆轨迹平滑,轨迹安全域边界距离始终大于1.4 m,曲率变化符合期望且峰值小于0.22 m,说明该模型具有较好的适应性;在自由/固定终端时刻条件下,该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致,验证了模型的合理性。