智能网联车环境下异质交通流稳定性及安全性分析

针对未来道路上由人工驾驶车辆(Human Driven Vehicles,HDVs)和智能网联车(Intelligent and Connected Vehicles, ICVs)所组成的异质交通流,对其稳定性与安全性进行研究.首先,利用全速度差模型(Full Velocity Difference, FVD)和协同自适应巡航控制模型(Cooperative Adaptive Cruise Control, CACC)分别描述人工驾驶车辆和智能网联车的跟驰特性.然后,通过分析不同智能网联车渗透率下异质交通流的线性稳定性,得出其稳定性条件.最后,采用数值仿真实验进行验证,选取多项安全指标评估了不同渗透率下异质交通流的安全性.结果表明:随着渗透率的增加,交通流的车速离散程度减小,即表示安全性能提高;安全指标降低比例减少,即表示交通安全风险降低.因此,智能网联车的应用有助于提高交通安全.     

混合网联环境快速路交织区交通流特性分析

在混合人工驾驶车辆(human-driven vehicle, HV)与网联自动驾驶车辆(connected and autonomous vehicle, CAV)的交通流环境下,为提升快速路交织区的通行效率与行车安全性,深入分析了混合交通流的基本特性.首先,结合交织区通行能力计算模型,研究交织区域长度、交织交通量比和CAV渗透率等因素对交织区通行能力的影响;其次,推导混合交通流基本图模型,并在不同期望车头时距和CAV渗透率下对混合交通流基本图参数进行分析;最后,通过数值仿真实验,分别探讨在由车辆换道行为所产生的单一扰动和频繁扰动条件下,混合交通流行驶速度与车头间距的时空演化规律及交通流稳定性.结果表明：CAV渗透率的提升可以提高交织区通行能力以及混合交通流交通效率;交织交通量比的减小和交织区域长度的增大可提高交织区通行能力;提升CAV渗透率可以有效提高混合交通流的稳定性,但较小的车头间距也会造成一定的安全隐患.     

速度差影响下混合驾驶交通流动态特性分析

为分析自动驾驶车辆(AV)与人工驾驶车辆(HV)之间存在速度差时对混合驾驶交通流动态特性的影响,选取智能驾驶员模型(IDM)和协同自适应巡航控制(CACC)模型分别对HV和AV跟驰行为进行建模,采用MOBIL换道模型对换道行为进行建模.以单向两车道路段为场景,仿真分析了不同AV渗透率下速度差对混合驾驶环境交通流基本图的...     

单车道手动-自动驾驶混合交通流仿真分析

随着汽车产业和交通行业的快速发展,智能交通取得了长足进步,尤其是在自动驾驶领域。为研究手动驾驶、自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)三类车辆独立存在时的单车道交通流运行特性,基于元胞自动机Nasch规则,引入Gipps安全间距和速度,分别构建跟车模型,通过数值仿真试验,分析混入ACC和CACC车辆对道路通行能力、行驶速度、行车间距、交通拥堵等运行特性的影响。结果表明：随着ACC和CACC车辆渗透率的增加,道路通行能力和车辆行驶速度不断提高;当道路仅由数量相等的ACC和CACC车辆驾驶时,通行能力可提升2.2倍,拥堵指数可降低60%,显著改善了交通运行;引入ACC和CACC车辆增大了手动驾驶车辆行驶时的跟车间距,而ACC和CACC车辆仍能以较小的间距保持较高的速度跟随前车,提高了道路空间资源利用率。     

考虑时延的网联车混合交通流基本图模型

由于智能网联车的不断发展,未来将出现智能网联车和人工驾驶车共同存在的混合交通流,因此,研究道路上的混合交通有助于解决交通拥堵等问题,具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系,文中综合考虑智能网联车辆退化和车辆时延,建立了自动驾驶环境下混合交通流的基本图模型。首先,确定交通流中的车辆类型和不同类型车辆的比例,并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化;然后,确定3种车辆的延迟时间并改进每种车辆的跟驰模型;在此基础上,同时考虑车辆时延和车辆功能退化两种因素,推导出交通流平衡时的基本图模型,并对模型中的自由流速度参数进行敏感度分析。研究结果表明,智能网联车对混合交通流的最大流量和最佳密度有积极影响,车辆时延有消极影响,自由流速度则对混合交通流的最大流量有积极影响,对最佳密度有消极影响。SUMO仿真结果表明,在不同场景下仿真得到的流量–密度分布点符合理论曲线,验证了文中理论模型的准确性。     

跟驰中的驾驶人自稳定控制及网联辅助驾驶策略

为探究交通状态及演化趋势在驾驶人自稳定控制(SSC)中的作用,提出了考虑驾驶人交通态势估计的自稳定跟驰模型.首先,基于SHAP解释模型和不同交通状态下速度差敏感性系数分布差异,解析了前方交通状态对驾驶行为的重要作用以及在驾驶人自稳定控制中的影响机制.其次,在全速度差模型(FVDM)中引入表征驾驶人对前方交通态势感知与估计的参数,提出了一种改进的自稳定全速度差模型(SS-FVDM).然后,对原始和改进后的模型进行了参数标定和对比验证.最后,为弥补SSC的局限性,开发了一种新的网联辅助驾驶策略来实现SSC效果的稳固和进一步提升,并基于线性稳定分析理论,推导了模型的稳定性条件.结果表明：相比于FVDM,SS-FVDM具有更大的稳定区间和更高的拟合精度,并能够很好地捕捉驾驶人在自稳定控制下的松弛行为特征.此外,基于SSC所开发的网联辅助驾驶策略能够更大程度地提升交通流稳定性.     

两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究. 利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验. 研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数. 仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性. 此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.      

提高安全性和交通流稳定性的车间距策略

提出了一种自治的自适应巡航控制(ACC)车辆的安全变时距(SVTG)车间距策略. 该策略利用ACC车辆的速度与最大减速度信息、SVTG车间距策略和相应的跟车控制律保证ACC车队的车辆安全性、单车稳定性、队列稳定性、交通流稳定性以及高的道路通行能力. SVTG车间距策略克服了固定时距(CTG)车间距策略的交通流不稳定以及变时距(VTG)车间距策略不安全的缺陷. 仿真结果表明SVTG车间距策略的性能优于其他两种车间距策略的性能.     

混有智能网联车队的交通流基本图模型分析

为了探究高速公路混有智能网联车队交通流特性,构建了混合交通流中不同类型车辆随机分布特性的数学解析表达;考虑期望车头间距随速度动态变化的交通流特性,建立了混合交通流中不同类型车辆的跟驰模型.基于此,推导了混有智能网联车队的交通流基本图模型,并对模型参数渗透率p和最大车队规模的敏感性进行了分析.仿真结果表明,随着p值的增加,道路交通流通行能力随之提升,当p<0.3时,渗透率增加对于混合交通流通行能力提升效果并不显著,而当p>0.5时,混合交通流通行能力随着渗透率增加提升效果显著;另外,随着智能网联车辆的渗透率p增加,车队规模的限制对交通流通行能力的影响越来越明显,当p<0.5时,车队规模宜保持在4～6之间,而p接近1时,车队规模增大对通行能力的提升效果更加显著.     

敏捷驾驶在交通流中的作用

在交通流NaSch模型的基础上,考虑了当车辆速度大于车间距时,司机对前车的敏感驾驶随机减速行为,其概率与最大速度驾驶及延迟加速的随机过程不同,由此提出了一维交通流元胞自动机模型．计算机数值模拟结果得到的基本图显示出交通容量非常接近实测的交通容量,而且还显示出亚稳态特征、滞后效应和相分离现象等复杂的实际交通行为;这都是由于敏感驾驶所导致的,而且表明交通流元胞自动机模型演化步骤的顺序对交通流的状态起了很大的作用．并且这样的模型是合理和符合实际的．     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

城市交叉口混合交通流到达模型分析

以城市交叉口机动车、电动车、行人为对象,研究混合交通流的到达模型。通过调查获得3种交通流每10 s的到达数据,运用数理方法对其到达特性进行分析。结果表明,机动车的到达特性不一致,电动车、行人的到达特性都符合负二项分布。最后确定3种交通流的到达模型和单位时间内到达交叉口的概率。结果表明,单位时间内交通流到达数越少,概率越大。     

考虑网联汽车信息安全的交通流短时预测方法

针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法。首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证。结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4%,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案。     

网联电动汽车信号灯控路口经济性驾驶策略

针对智能网联电动汽车在信号灯控路口的经济性驾驶问题,提出一种基于最优控制的经济性驾驶车速优化策略.首先,构建包含信号灯、车速限制等约束,以能量消耗最小化为目标的信号灯控路口车辆速度优化问题;然后,利用庞特里亚金极小值原理解析求解最优控制率;考虑到动态交通场景中车辆对未来交通信息的预测能力有限、信号灯约束条件多变等特点,提出了一种双层滚动距离域车速优化策略,将信号灯控路口经济性驾驶问题转化为分段最优控制问题,得到分段最优速度轨迹.仿真结果表明:在有限预测能力和无限预测能力2种情况下,所提出的经济性驾驶车速优化策略较加速—匀速—制动策略分别有9.2％和10.3％的能量节省;随着预测距离和信号灯控路口通行速度的增大,在提高通行效率的同时,能量节省效率进一步提高.     

中国特大城市混合交通流研究

结合中国特大城市交通流的演变过程,深入探讨了我国特大城市混合交通流的形成机理,并针对我国特有的混合交通流现象,提出了特大城市内部客运交通发展建议．     

驾驶员的驾驶特性对交通流的影响

在单车道元胞自动机交通流N S模型基础上,通过引入不同的刹车概率来反映不同驾驶员的驾驶特性,并在周期边界条件下,对由激进驾驶车辆和谨慎驾驶车辆构成的混合交通流进行模拟.结果表明,在有谨慎驾驶车辆构成的交通流的临界密度以前,混合交通流的流量完全由谨慎驾驶员的特性决定;在谨慎驾驶车辆交通流临界密度以后,混合交通流的流量介于只有激进驾驶车辆和只有谨慎驾驶车辆的流量之间,小于完全是谨慎驾驶车辆流量和完全是激进驾驶车辆流量的线性之和;激进驾驶车辆和谨慎驾驶车辆的混合比例及它们的刹车概率对混合交通流的临界密度和流量有很大的影响.     

VDR混合交通流模型的研究

在交通流VDR模型的基础上,考虑不同类型车辆之间存在的性能差异,其启动、刹车时的随机延迟概率是不同的,从而提出了VDR混合交通流模型.通过计算机数值模拟,得到了混合车辆在不同参数下交通流模型的基本图,并对混合交通流的特性进行了分析和讨论.     

混合交通流参数之间的关系

定义超车换道流量与干道流量的比值为超车换道率．通过对混合交通流动力学模型的特征关系式进行积分,得到了混合交通流参数之间的函数关系．分析流量、密度和超车换道率之间函数的极值,确定了混合交通流中超车换道率的变化范围．当超车换道率为0时,道路通行能力最大;超车换道率为-1时,道路通行能力最小．采用实测数据对混合交通流参数之间的关系进行了验证．结果表明两者符合较好．     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

优化自动驾驶系统安全性

<正>2016年5月7日,美国特斯拉汽车公司(Tesla)生产的一辆Model S电动轿车在自动驾驶模式下发生撞车事故,导致司机身亡。在随后的几个月里,特斯拉自动驾驶汽车多次出现事故,但是尚未出现第二次死亡事故。在特斯拉自动驾驶汽车发生车祸后,美国高速公路交通安全委员会(NHTSA)对它的半自动驾驶系统(Autopilot)展开了调查,初步评估肇事车型特斯拉Model S所装配的自动驾驶系统。随着调查进一步深入,