无信控交叉口网联车辆动态碰撞风险检测与预警策略

针对无信控交叉口碰撞事故多发的问题,面向网联人工驾驶环境,研究提出了一种基于车车通信的无信控交叉口网联车辆碰撞动态风险检测与预警策略。在构建典型无信控交叉口场景的基础上,设计了一种基于多项式拟合的车辆轨迹模型;融合利用碰撞到达时间和风险暴露时间作为风险检测指标,构建了一种圆形-双圆车辆模型实现车辆碰撞风险检测;综合考虑了驾驶人异质性及其交互行为,提出一种基于博弈论和遗传算法的两级碰撞预警策略;基于SUMO搭建仿真环境对预警策略的有效性及适用性进行测试分析。结果表明,所提策略能够准确识别出所有的碰撞事件并触发预警,预警成功率达到100%;在不同比例驾驶人组成测试工况下,所提预警策略均能显著降低碰撞率和平均碰撞动能。

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。