一种超车判别条件

车辆行驶的超车跟车过程仿真是交通流建模中的基本问题。传统的超车过程模拟方法尚存在不足之处。其中之一是未对超车过程发生的条件作深入的剖析。元胞自动机模型在一定程度上反映了车辆行驶的特征，但它在时间和空间上都是离散的，当道路宽度发生变化时，元胞自动机模型的实施尤其不便。而司机的超车过程是一个光滑连续的使车辆位置向着一个与前车相对位置的指定目标逼近的过程。为此。将道路宽度在一定范围内的总体情况、几何约束条件、速度约束条件、加速度约束条件以及车辆的宽度作为基本因素，提出了一种超车判别条件。     

多车超车跟车假想尾巴模型

进一步分析了各种传统方法在模拟超车跟车过程时存在的不足之处。以固支梁挠度曲线方程为基础，明确地提出了假想尾巴的新概念，它假定每一车辆有一假想的尾巴。各车的运动约束条件被表现为前方车辆尾巴和道路对其的联合作用，由此得到了一种用于模拟多车辆间超车和跟车过程的通用分析模型。在该模型中，为节约计算机时，车辆在道路的横向位置可暂不考虑而只对纵向位置独立计算。给出了具体算法和计算实例。该算法既能适用于两个或三个车辆的情形，也能适用于任意车辆及任意车辆初始位置的情形。该模型也被发现可用于事故模拟。     

车辆行驶的随机虚坡模型

研究交通流建模问题,其中元胞自动机模型是最具代表性一种模型.但是,该模型中难以适应道路宽度变化的情况,同时其随机减速规则不能较全面地体现车辆行驶随意性.为实现上述车辆行驶随意性,提出了一种随机虚坡模型.在虚坡模型的基础上,引入了附加的虚坡宽度,虚坡宽度包含有多个随机变量,用以对车辆行驶的多重随意性仿真.结果得到了一种连续且随机的车辆行驶虚坡模型.仿真实例表明,模型能方便地用于多车情形,能在产生不同随机行为的同时,保证车辆速度连续变化并满足约束条件.     

基于道路空隙状态的交叉路口违章车辆检测

在智能交通系统中,针对交叉路口当车流量非常大、车辆之间间距太小,不能对背景差分提取的车辆实时地分割这种情况,提出了一种新的基于道路空隙检测的运动车辆监控方法。基于光流场计算估计出背景,利用分区计算实现了对路面信息的简化,基于有限状态机的模型根据道路空隙状态的迁移判断出车辆的越线超车行为。研究结果表明：此方法能实时监控交叉路口复杂情况时的车辆行为,同时能很好地解决光照变化、噪声干扰情况下的车辆行为监控。     

基于主动视觉的车辆实时检测

针对高速公路环境下车辆检测问题,分别对车前方的车辆和车旁超车车辆设计了基于主动视觉的车辆实时检测算法.算法首先通过标志线检测算法获得高速公路上的标志线信息,在标志线信息的引导下在低分辨率图像中通过车辆底部阴影特征搜索感兴趣区域,然后在感兴趣区域进行高分辨率图像处理,利用前方车辆的后视图灰度对称性特征和边缘特征完成前方车辆的快速检测;对于车旁超车车辆,算法在相邻车道设置检测窗口,通过检测窗口内的纹理变化信息,检测车旁超车车辆;最后利用消失点的信息进行车辆确认.实验表明,算法能快速准确地检测到公路上的车辆,具有较好鲁棒性和实时性,能够满足系统的实时性要求.     

基于Multi-Agent的多车道交通流的分布式仿真研究

该文以Agent技术为基础，对多车道交通流进行了模拟，并与实际的道路交通流特点进行了比较。首先根据驾驶员实际驾车的特点，建立车辆Agent的基本模型，对车辆Agent换道超车和加速策略进行描述。然后以分布式模型为基础，将多车道交通环境中的车辆运行模拟为Multi-Agent的相互作用。在仿真中，采用了面向Agent的仿真软件Starlogo。从微观上看，所描述的车辆模型能够完成加速和换道过程；从宏观上看，仿真中交通流特点与实际情况是一致的。说明该文的模型符合实际情况，同时也表明了使用Agent技术进行多车道交通流系统仿真的准确性和可行性。     

基于DSP的前方车辆位置关系辨识研究

为提高前方车辆位置关系辨识效能,提出利用基于统计特性的图像识别算法辨识前方车辆位置关系。通过车载CCD实时获取道路图像信息,使用最小二乘法进行车道线拟合,结合道路图像同侧上、下车道标识线的斜率关系判定道路线形,以车道中线标定前方车辆位置;基于图像统计特性进行前方车辆识别,计算车辆标识点至车道中线的距离,通过与设定的阈值进行比较来确定前方车辆与自车的位置关系。实验结果表明,该算法能够有效降低由树阴和路面油污对辨识所造成的影响,抗干扰能力强,对不同曲率的道路具有良好的适应性。     

跟车安全间距二维云控制

车辆行驶在道路上时速度并非恒定的,于是跟随其行驶的车辆也会随着前车变化而变化。然而,在驾驶过程中驾驶员表现出的不确定性行为特征,使得人们对驾驶员的行为难以进行精确的数学描述。基于安全距离理论提出了跟车二维云控制算法,并对驾驶行程中由于突发事件的影响,驾驶员急加减速的跟车行为进行仿真。     

考虑动态速度上限的车辆行驶虚坡模型

研究交通管理问题,针对元胞自动机模型被广泛用于交通流的仿真,但它具有其自身固有的离散性。对仿真中车辆以跬跳的方式前进,使得难以用实验手段检验其计算结果。另外,元胞自动机难以处理道路宽度连续变化的情形。而以固支梁挠度曲线为基础的虚坡模型能有效地体现车辆行驶的连续性并能自然推广于道路宽度变化的情形。但以往虚坡模型中采用的车辆速度上限保持不变,驾驶缺乏灵活性。为解决上述问题,提出通过用固支梁挠度曲线表示不同阶段内的动态速度上限,以表示车辆的源于动力的加减速行为。对一个大规模问题进行了计算,结果表明模型能给出连续的车辆速度,并且能适用于道路宽度变化时的情形,能反映车辆行驶随意性,经仿真结果表明改进模型的优越性。     

道路网元胞自动机交通流仿真研究

对于交通流移动对象的模拟,论述了现有模型的不足,并提出基于道路网的元胞自动机模型（RN-CA）。该模型不仅模拟移动对象在交通流中的行为,还引入不同类型道路和车辆情况下的发车、跟车、超车和矫正模型,使模拟更精确、可靠。采用Dijkastra算法,综合考虑道路长度、车道数、流量、平均速度等因素动态计算最优行驶路径。对于行车时间预估,采用模拟加预估的方式,综合考虑当前和历史路况。为了改进系统的性能,系统采用可调节线程数目的模拟方式。     

考虑后视效应和多前车信息的跟驰模型

网联车跟驰模型的研究可为未来实施大规模的实地测试提供模型参考,已成为交通流及智能交通领域的研究热点.为了更好地研究智能网联车的跟驰特性,在MVD模型的基础上,提出了一种考虑后视效应和多前车信息的跟驰模型(BL-MVDAM),利用线性稳定性分析方法推导出BL-MVDAM模型的交通流稳定性判断依据,并分别分析了模型中各参数对系统稳定性的影响,给出分析结果并进行了数值仿真实验.仿真实验选取在环形道路上给行驶过程中的车队施加轻微扰动,并根据跟驰车对后车的关注程度P和前车数量k设计数值模拟实验,当其他条件一致时,本文模型相比FVD,MVD,OMVC和BLVD模型,BL-MVDAM模型中车队的速度波动率较小,尤其是当P=0.8,k=3 时,车队速度平均波动率最小可以达0.24％,实验分析结果表明,所提出模型在引入后视效应和多前车信息后,具备更优的稳定区域,能较好地吸收扰动且有利于增强车队行驶的稳定性.     

基于横纵向联合控制的多目标优化车辆跟驰研究

为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。     

DYNAMIC ANALYSES AND ROBUST STEERING CONTROLLER DESIGN FOR AUTOMATED LANE GUIDANCE OF HEAVY‐DUTY VEHICLES

In this paper, we present various linear analyses of the linearized lateral dynamics of heavy‐duty vehicles (HDVs) (tractor‐semitrailer type), which include time domain, frequency domain and pole/zero analyses. These analyses are conducted to examine the vehicle response to the steering input subjected to variations of speed, road adhesion coefficient, cargo load in the trailer, and look‐ahead distance for the lateral deviation sensor. These parameters (uncertainties) have significant influence on vehicle dynamics. It has been shown that redefining the look‐ahead lateral error as the controlled output has a favorable impact on the lateral control problem. Based on these analyses, a robust steering controller using H_∞ loop‐shaping procedure is designed for a tractor semitrailer combination to follow the road center line on both curved and straight highway sections. The proposed controller ensures the robust performance under model uncertainties which include varying vehicle longitudinal speed, road adhesion coefficient, and cargo load in the trailer. The performance of the designed controller is evaluated by simulations and validated by experiments.     

Fuzzy Longitudinal Controller Design and Experimentation for Adaptive Cruise Control and Stop&;Go

This paper presents a fuzzy longitudinal control system with car-following speed ranging from 0 to 120 km/h, thereby achieving the main functions of both adaptive cruise control (ACC) and Stop&Go control. A fuzzy longitudinal controller is synthesized by inputting the difference of the actual relative distance and the safe distance obtained from the preceding vehicle, and the relative speed, and then outputting the pulse-width-modulation (PWM) signal to control the output forces of the vacuum boosters. With the use of the high-level controller from dSPACE, the fuzzy control law is easily and rapidly implemented using Matlab/Simulink for the experimental car, and the controller’s parameters can be changed and updated by analyzing data based on the relative distance using Lidar, the speed of the host vehicle, the opening of the throttle and the position of the braking pedal. For the sake of safe driving, experimental results are conducted by simulating the various possible car-following conditions for the ACC and Stop&Go controllers, thereby obtaining virtually relative distances and speeds to tune the controller’s parameters and ensure the safety of the controller. Several car following experiments are conducted to show that the proposed fuzzy longitudinal controller is capable of achieving the requirements of comfort and safety, and giving a satisfactory performance at high and low speed conditions.     

考虑前车动态效应的高速跟驰交通流研究

为描述交通中存在的“高速跟驰”现象,在NaSch模型的基础上,考虑了前车的运动特性,并结合驾驶员的驾驶行为差异,建立了考虑前车动态效应的高速跟驰交通流模型（DPM）。通过数值模拟得到了高速跟驰规律,当道路车流密度为0.18时,车道上的高速跟驰率为4.93%;同时,通过分析车辆运动的时空特性,模拟出交通流中自由流、同步流以及宽幅运动阻塞现象;还得出了不同驾驶员占比下的速度-流量-密度的关系;并分析了车辆随时间变化的速度及车头间距波动情况,较NaSch模型有更高的交通稳定性。通过NGSIM数据集及国内实测数据验证了DPM模型的有效性和实用性。     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

Speed planning and energymanagement strategy of hybrid electric vehicles in a car-following scenario

The development of intelligent connected technology has brought opportunities and challenges to the design of energy management strategies for hybrid electric vehicles. First, to achieve car-following in a connected environment while reducing vehicle fuel consumption, a power split hybrid electric vehicle was used as the research object, and a mathematical model including engine, motor, generator, battery and vehicle longitudinal dynamics is established. Second, with the goal of vehicle energy saving, a layered optimization framework for hybrid electric vehicles in a networked environment is proposed. The speed planning problem is established in the upper-level controller, and the optimized speed of the vehicle is obtained and input to the lower-level controller. Furthermore, after the lower-level controller reaches the optimized speed, it distributes the torque among the energy sources of the hybrid electric vehicle based on the equivalent consumption minimum strategy. The simulation results show that the proposed layered control framework can achieve good car-following performance and obtain good fuel economy.     

一种基于最优状态点的无人车路径跟踪横向控制方法

对于小区、施工导流路段等狭窄区域,很难保证大中型车辆安全地通过.针对这类情况,本文研究了整个车体的路径跟踪横向控制问题,提出了车辆最优状态点和最优参考状态的概念.为了求解最优状态点,本文构造了车辆参考状态所对应的整体偏差这一目标函数,基于车辆运动学模型,依据最优状态点处车辆与参考轨迹的偏差设计了横向控制器,并利用Lyapunov方法证明了该控制系统的稳定性.与车体特定位置的横向偏差相比,整体偏差更为显著地反映了整个车体的跟踪性能.最后,在具有代表性的狭窄区域场景和普通城区道路场景分别进行了仿真实验,结果表明该方法能够有效提高车辆低速行驶时的整体跟踪精度,不仅可以保证车辆安全裕度较大地通过狭窄区域,而且也提升了车辆在城区交通场景驾驶的安全性.     

5G环境下车联网跟驰模型

针对现有跟驰模型的不足,提出一种5G环境下车联网实时稳定(current time stabilization,CTS)模型。该跟驰模型首先考虑了网络时延的时变性对跟驰模型的影响,其次考虑了由网络时延带来的对车辆实时速度、加速度、驾驶员反应时间的影响,从而保证CTS模型更符合实际驾驶情况。从理论上推导出跟驰模型的临界稳定性条件。仿真结果表明,当网络时延不同时,随着网络时延的降低,CTS模型的稳定性不断升高;在相同扰动下,CTS模型比传统优化速度(optimal velocity,OV)跟驰模型的稳定性提高了32.5%。