基于双向GRU与残差拟合的车辆跟驰建模

为了提高微观交通仿真中车辆跟驰建模的准确性与泛化能力,将物理类模型与深度学习相结合,提出一种基于双向GRU(门控循环单元)与残差拟合的跟驰模型框架.该框架使用双向GRU网络对物理类跟驰模型预测值与真实值的残差进行学习,并在NGSIM公开数据集上进行测试.通过对比IDM、GIPPS、GM三种跟驰模型下的残差拟合效果,表明...     

城市微观交通流模型综述

车辆跟驰模型和换车道模型是微观交通流模型研究的基础。对GM模型、线性模型、安全距离模型、AP模型、模糊推理模型和神经网络的车辆跟驰模型进行了详细的评述,并提出了现有的车辆跟驰模型存在的问题。并且对判断性换车道模型和强制性换车道模型进行了详细地论述,同时对其进行了评价。     

基于改进最优速度的车辆跟驰模型及数值模拟

为了克服传统最优速度模型(OVM)单一考虑车间距对最优速度影响的不足,在同时考虑跟驰车与前导车之间的车间距和相对速度对后车跟驰行为影响的基础上,提出一种基于改进最优速度的车辆跟驰模型。通过对模型线性稳定性分析,得到改进模型的稳定性条件,并与OV模型进行比较,发现改进模型的稳定区域显著增加。最后对改进模型进行数值仿真,结果表明基于改进最优速度的车辆跟驰模型能明显增强交通流的稳定性。     

基于模糊神经网络的车辆跟驰决策的研究

为了减少高速公路车辆跟驰行驶过程中引发的追尾碰撞事故,并保证行车效率,对高速公路车辆跟驰行为进行了分析.本文基于模糊控制和神经网络等理论知识,建立了一种正则化模糊神经网络跟驰控制决策模型.实验仿真表明,该模型系统较好的反应了一定道路条件下的车辆跟驰行为,且系统响应速度快,控制精度高,保证了车辆跟驰行驶的安全性和行车效率.     

基于改进DDPG算法的车辆低速跟驰行为决策研究

车辆跟驰行为决策研究对于车辆跟驰驾驶技术的发展至关重要,以深度强化学习方法研究车辆低速跟驰场景,提出了一种改进型DDPG决策算法,该算法在DDPG算法的基础上,结合了CBF控制器以进行安全补偿控制与策略探索指导;同时,设计了符合低速跟驰期望目标的奖励函数。在对比实验中,通过高斯过程模型模拟跟驰车队系统,分别用DDPG算法和DDPG-CBF改进算法控制其中一辆车的跟驰行为,实验结果表明,相比于DDPG算法,DDPG-CBF改进算法可以更有效地保证跟驰决策的安全性,同时具有更高的学习效率,能够应用于车辆低速跟驰场景。     

考虑速度对期望间距影响的车辆跟驰模型研究

为了真实地反映驾驶员在道路行驶中的车辆跟驰机理,使用相关性分析方法找出影响期望间距的关键因素,从而提出改进的基于期望间距的车辆跟驰模型(improved desired distance model,IDDM).利用NGSIM数据对IDDM和经典的Gipps车辆跟驰模型的参数进行了标定,之后对标定的模型进行评价.研究结果表明,前后两车的速度以及相对速度主要影响跟驰过程中驾驶员采用的期望间距;IDDM与传统Gipps模型相比,其加速度、速度与位置的仿真精度分别提高了0.24 m/s2、0.72 m/s、0.53 m,可以为车辆跟驰行为分析提供参考.     

基于IDM与RBFNN的组合型车辆低速跟驰模型

目前针对车辆低速跟驰驾驶的建模研究较少。通过最优加权理论将理论驱动型跟驰模型与数据驱动型跟驰模型进行结合,建立了一种基于智能驾驶者模型（IDM）与径向基函数神经网络（RBFNN）的组合型车辆低速跟驰模型。首先对NGSIM公开数据集进行筛选与处理得到基础研究数据;之后分别建立基于IDM与RBFNN的低速跟驰模型,前者侧重于保证跟驰的安全性与舒适性,后者则能够输出与真实值更为相符的预测结果;最后通过改进的最优加权目标函数得到最优组合权重,从而建立起了IDM-RBFNN组合模型。用平均相对误差（MARE）进行了评估,并通过对比分析证明了组合模型具有比单一模型更优的预测效果。     

跟驰驾驶行为的滑模控制系统建模

为量化描述跟驰驾驶行为的特质,即个人意志(即稳速驾驶)与环境干扰(即车辆间距、速度差、加速度差)间的动态调和,剖析了跟驰驾驶行为的"运动跟踪(即跟驰车辆对前导车辆速度、加速度轨迹的跟踪)"特性与"刺激-反应"机理,建立了"刺激-反应"行为模式下跟驰驾驶行为的2阶滑模控制系统模型;通过数学分析验证了本模型控制的跟驰车辆运动的Lyapunov渐近稳定性.并通过数值仿真说明了本模型控制的跟驰车队的运动可能具备Lyapunov渐近稳定性.     

基于模糊聚类的车辆跟驰隶属度函数确定方法

当前研究确定车辆跟驰模糊推理隶属度函数时所采用的方法主要是专家法,不能精确获得车辆跟驰隶属度函数。针对于此,提出根据模糊聚类分析的方法,考虑车辆跟驰数据内部的关联性,利用基于高斯函数的隶属度函数确定方法,进行车辆跟驰模糊集的划分和隶属度函数的确定。使用真实的车辆轨迹数据,将后车速度、前后车相对速度、车间距作为输入变量,后车加速度作为输出变量建立模糊推理系统,对论文提出的基于模糊聚类的车辆跟驰隶属度函数确定方法进行评价。结果表明：本文提出的新方法能真实反映数据本身的特征和驾驶员的心理生理特性,其推理结果与真实数据误差较小,可用于分析模糊推理的车辆跟驰行为特点。     

基于SUMO平台的微观交通仿真研究

微观交通仿真在城市交通控制系统中有着重要地位,而微观仿真模型的建立是其主要内容之一。Krauss模型是基于安全车速范式的微观、空间连续的车辆跟驰模型,为避免原始Krauss模型中加速度突变的问题,本文在其基础上提出了融合车辆减速度渐变过程的新模型。在SUMO仿真平台上编程实现了改进后的车辆跟驰模型,并在同等条件下对原始模型和改进模型进行了实例仿真分析,结果表明改进后的模型在一定程度上避免了加速度突变问题,交通流运行的仿真情况在整体性能上有显著改善,仿真效果与现实交通情况更趋一致。     

A novel integrated control framework of AFS,ASS, and DYC based on ideal roll angle to improve vehicle stability

The current research on vehicle stability control mainly focuses on following the ideal yaw rate and sideslip angle, without considering the potential of ideal roll angle in improving the vehicle stability. In addition, the mutation of tire-road friction coefficient promotes a great challenge to the stability control. To improve the vehicle stability, in this study, firstly, the three-dimensional stability region of “lateral speed-yaw rate-roll angle” was studied, and a method to determine the ideal roll angle was proposed. Secondly, a novel integrated control framework of AFS, ASS, and DYC based on ideal roll angle was proposed to actively control the front tire slip angles, suspension forces, and motor torques: In the upper-level controller, model predictive control and tire force distribution algorithm were used to obtain the optimal four-tire longitudinal forces, front tire lateral forces and additional roll moment under constraints; In the lower-level controller, the upper virtual target was realized by the optimal allocation algorithm of actuators and the tire slip controller. Finally, the proposed control framework was verified on the varied-µ road. The results indicated that compared with the two existing control strategies, the proposed framework can significantly improve the vehicle following performance and stability.     

基于车体横移振动的高速列车虚拟复合阻尼天棚控制算法研究

高速列车车体横向随机振动由车体的横移振动、侧滚振动和摇头振动三自由度合成,是影响车体横向运行平稳性的关键;为了改善列车横向运行平稳性,提高半主动控制性能;通过建立某型高速列车动力学模型,对车体横向振动特性进行分析,得出横移振动的加剧是造成车体合成横向振动和横向平稳性恶化的主要原因;通过分析在传统天棚阻尼控制算法下分别以车体合成横向振动为反馈和以横移振动为反馈对车体横向振动的控制效果,得出采用以车体横移振动为反馈的传统天棚阻尼控制算法对车体横向振动的抑制效果更佳;在此基础上,提出一种以车体横移振动为反馈的虚拟复合阻尼天棚控制算法,并进行联合仿真分析;结果表明:相比于被动控制,采用虚拟复合阻尼天棚控制算法后,车体合成横向振动加速度峰值、均方根值和平稳性改善率分别达到了46%、43%和19.5%,均高于采用传统天棚阻尼控制算法;可见,采用虚拟复合阻尼天棚控制算法在抑制车体合成横向振动,改善车体横向平稳性方面控制性能更佳。     

高速列车多目标约束横向半主动控制算法研究

传统的高速列车横向半主动控制研究,主要以提高车体横向运行平稳性为目的;但车体与各部件之间通过二系悬挂与一系悬挂连接传递相互耦合振动作用,因此半主动控制在改善车体横向平稳性的同时,将导致构架横向振动和轮轨横向作用加剧,从而使得列车脱轨系数增大,列车运行安全性能变差;针对这一问题,提出在虚拟惯性阻尼半主动控制和脱轨安全半主动控制的基础上,设计两个控制回路的多目标约束下的混合半主动控制算法,在实现列车横向半主动控制提高平稳性的同时,控制脱轨系数的恶化,从而同时提高列车平稳性和脱轨安全性能;并利用Simpack建立了某型高速列车多刚体动力学模型,联合Matlab/Simulink建立了联合仿真分析系统对车体横向半主动控制进行研究;结果表明:采用多目标约束半主动控制算法后,车体横向振动加速度峰值和均方根值分别降低了36%和34%,平稳性改善了15%,脱轨系数减小了17%;可见采用多目标约束半主动控制算法不仅能够有效抑制车体横向振动,改善列车运行平稳性,而且还能减小列车脱轨系数,提高列车运行安全性。     

山区道路车辆动力学模型与行车安全分析

针对道路的几何线形,特别是纵坡坡度与弯道半径对车辆行驶状态的影响,建立了车路耦合的8自由度山区道路行驶的车辆动力学模型以及Dugoff轮胎力模型.结合车载GPS/IMU的测量信息,解算了不同车轮的滑移率以及垂直载荷,并通过横向载荷转移率(LLTR)对车辆的行驶稳定性进行分析.结果表明:车辆行驶过程中的侧向加速度与道路纵坡坡度以及车辆重心高度与宽度的比率h/T有关,坡度越陡,h/T越大,侧向加速度越大,车辆的行驶稳定性越差,降低车辆的行驶速度与侧向加速度可提高车辆的行驶稳定性.     

Estimation of the tire slip angle under various road conditions without tire–road information for vehicle stability control

This paper presents a tire slip angle estimator based on an Interacting Multiple Model (IMM) algorithm for vehicle stability control. The proposed algorithm is capable of estimating the tire slip angles under various road conditions without the prior knowledge of tire and road condition by only using on-board vehicle sensors. Instead of employing tire and road information, the proposed algorithm utilizes multiple numbers of model candidates to represent all aspects of vehicle motions under various road conditions. Each model candidate is a combination of lateral vehicle dynamics and transient/steady state tire dynamics. The proposed algorithm evaluates the fidelity of each model candidate to the current vehicle dynamics with probability. Moreover, in the proposed algorithm, multiple numbers of Kalman filters are embedded with these model candidates as process models. The final estimate of the proposed algorithm in each time step is a linear sum of the posteriori states from multiple embedded filters with the calculated probability as coefficients. The proposed estimation algorithm has been evaluated via vehicle tests. The tests have been conducted on dry asphalt and wet asphalt using a luxury passenger car equipped with a high-performance GPS for reference and data logging computer. The results have shown that the proposed estimator can successfully estimate tire slip angles with satisfactory accuracy under various road conditions     

考虑前车加速度信息的跟驰模型及数值模拟

为了改进最优速度（OV）跟驰模型只考虑车间距因素对车辆跟驰行为影响的不足,在考虑前导车加速度信息对后车跟驰行为影响的基础上,提出了一种改进OV跟驰模型。并利用小振幅扰动法对模型进行了线性稳定性分析,得到了模型的稳定性条件,对改进OV模型进行了数值模拟。仿真结果表明,与传统OV模型相比,考虑前导车加速度信息对跟驰车的影响后,交通流的稳定区域显著增加,改进OV模型能有效抑制交通流的堵塞。     

基于时变间距和相对角度的无人车跟随控制方法研究

本文考虑实际道路上的车辆跟随运行模式,研究了无人车以时变的相对距离和相对角度跟随行驶的控制问题.本文首先采用领航跟随模式建立了领航车与跟随车之间的误差模型,将无人车之间的相对距离和相对角度作为时变量输入.接着使用反馈控制法设计了跟随车速度控制器和角速度控制器.用李雅普诺夫方法证明了控制器的稳定性,用Barbalat引理从理论上证明了跟踪误差渐近收敛.最后用Matlab/Simulink对无人车的跟随控制进行仿真,仿真结果表明在无人车之间的相对距离和相对角度是时变量的条件下,跟随车可以很好地沿着领航车的前进轨迹跟随行驶.     

基于强化学习的多目标车辆跟随决策算法

为满足自适应巡航系统跟车模式下的舒适性需求并兼顾车辆安全性和行车效率,解决已有算法泛化性和舒适性差的问题,基于深度确定性策略梯度算法(deep deterministic policy gradient,DDPG),提出一种新的多目标车辆跟随决策算法.根据跟随车辆与领航车辆的相互纵向运动学特性,建立车辆跟随过程的马尔可夫决策过程(Markov decision process,MDP)模型.结合最小安全距离模型,设计一个高效、舒适、安全的车辆跟随决策算法.为提高模型收敛速度,改进了DDPG算法经验样本的存储方式和抽取策略,根据经验样本重要性的不同,对样本进行分类存储和抽取.针对跟车过程的多目标结构,对奖赏函数进行模块化设计.最后,在仿真环境下进行测试,当测试环境和训练环境不同时,依然能顺利完成跟随任务,且性能优于已有跟随算法.     

Yaw Moment Control Strategy for Four Wheel Side Driven EV

When four wheel side driven EV travals in steering or changes lanes in high speed, the vehicle is easy to side-slip or flick due to the difference of wheel hub motor and a direct effect of vehicle nonlinear factors on vehicle yaw motion, which would affect vehicle handling and stability seriously. To solve this problem, a joint control strategy, combined with the linear programming algorithm and improved sliding mode algorithm, which combines the exponential reaching law and saturation function was proposed. Firstly, the vehicle dynamics model and the reference model according with the structure and driving characteristics of four wheel side driven EV were set up. Then, introduced the basic method of the improved sliding mode variable structure control and complete the sliding mode variable structure controller design basic on vehicle sideslip angle and yaw velocity.The controller accomplish optimal allocation of vehicle braking force through a linear programming algorithm, according to yaw moment produced by the vehicle motion state. Single lane driving simulation results show that the proposed control strategy can not only control vehicle sideslip angle and yaw velocity well, but also accomplish good controlling of the vehicle yaw moment, so as to significantly improve the handling and stability of vehicle.     

Identification of vehicle parameters using stationary driving maneuvers

Using the velocity dependent static gains of the one track model it is shown how special combinations of parameters like cornering stiffness and center of gravity can be estimated. Driving with various speed and a constant cornering radius it is possible to estimate three different gains by measurement of the lateral acceleration, the yaw rate and the vehicle slip angle without knowing the moment of inertia of the vehicle. Results are shown for different measurements of a passenger car.