.基于信息交互的元胞自动机换道行为模型研究*

为了进一步完善微观交通仿真中车辆换道行为模型,基于车辆换道行为过程中的不同情形,考虑待换道车辆换道意图产生与换道行为实施的时间关系,建立了综合性的车辆换道模型,该模型下车辆在不同条件时将分别执行自由换道及信息交互式换道。仿真中通过改变交通流密度和目标车道后车加速概率进行实验,结果表明,相对于其他换道模型,新模型使整个路段的交通流平均速度变大,在一定程度上能够减少路段交通拥阻,提高路段通行能力,新模型中换道行为规则更符合实际交通流状态。     

基于模糊控制的微观车辆换道模型的研究及仿真

换道行为需要考虑相邻车道的车辆和司机复杂的决策过程,而且有关换道模型的研究相对比较滞后,有必要对其进行探讨。从微观层面上对车辆换道模型进行了研究,根据追求利益动机的不同,提出了基于模糊控制的车辆强制换道模型和自由换道模型。根据车辆不同的换道规则,设计了两种模糊控制器：强制换道模糊控制器和自由换道模糊控制器,利用驾驶员的知识和经验来决定车辆是否进行换道。仿真结果表明提出的换道模型及模糊控制器是有效可行的。     

换道概率对二维元胞自动机交通流量的影响

针对城市二维道路交通网络十字交叉路口在红绿灯控制下行驶的车道问题,提出一种四向交通道路模型,其中包括考虑加速度、换道概率参数对交通流的影响。采用元胞自动机模型(BML模型)模拟车辆运行的动态过程,给出换道概率临界点位置对车流量影响之间的关系。数值结果表明,换道概率对整个进、出口车流量产生扰动影响,换道规则符合车辆运行状态。     

微观交通仿真中的选择性换道模型研究

本文利用Agent理论对实际交通流中的选择性换道行为进行了模型的构建。从微观层次上分析了选择性换道需求产生的机理,提出了一种基于车道行驶满意度的综合评价法。通过对实际车辆单元换道轨迹的观测与换道执行时间的统计分析,建立了车辆换道转角与车速的函数关系。最后利用单个Agent包装类在VC.NET平台上实现了此模型。     

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。     

入匝道系统元胞自动机模型的换道规则研究

基于入匝道系统的元胞自动机交通流模型,从安全距离的角度提出四种换道规则,探讨四种换道规则对匝道系统的影响。模拟计算结果表明,匝道上的不同换道行为对匝道交通流模型有重大影响。安全距离为零的换道行为,能使匝道路段的流量获得最大值,但是却会抑制主道上游路段和下游路段的车辆流量;同时考虑了与前后车有安全距离的换道行为,不仅能让主道上下游路段的流量达到最大值,还能使整个匝道系统的流量达到最大值。     

改进的滑动窗口算法与SVM在换道行为识别中的应用

为了降低由于不良换道行为所造成的事故发生几率,需要在车辆实际驾驶过程中识别出其换道行为.本文借助IOS智能设备采集数据,建立相应的特征向量,提出基于支持向量机的车辆换道行为识别模型,其中针对连续换道行为的识别进一步提出一种改进的N-δ滑动窗口截取算法,用于对包含多个行为的数据进行快速划分,最后利用样本数据验证了N-δ滑动窗口截取算法的可行性和分类器的有效性.     

考虑上下客车辆路边临停的混合交通流模型

针对上下客车辆,在无隔离带机非混行路段路边临停的现象,建立基于元胞自动机的混合交通流模型.对于用车乘客到达时间与地点的随机性,分别采取泊松分布与均匀分布;在NS模型基础上,对不同上下客车辆临时停车、让道的行为设计规则;对于非机动车采取BC A模型,引入越线换道和让行规则.通过数值模拟,研究路边临停现象的演化机理和临停时间的影响.仿真结果展现了有路边临停现象路段交通流、相位、时空的变化特征,表明了车辆平均临停时间的增加会导致车流量降低,以及额外占道时间的增长.     

基于博弈论的人类驾驶与无人驾驶协作换道模型

无人驾驶汽车根据自身获取信息进行决策,与人类驾驶缺乏有效的交互机制,在复杂交通环境下难以发挥优势,甚至会引起事故。为此,引入智能网联汽车的设计思想,针对车辆在行驶过程中的换道行为,基于博弈论构建一种包含车辆协同机制的换道模型。考虑驾驶员实施换道的行为特征,车辆在做出换道决策后观察分析其他车辆的驾驶风格,其结果会影响最终决策。根据安全前提下可能获得的加速空间决定支付函数,同时加入表征驾驶风格的参数,并量化得到驾驶风格分数。在SUMO仿真软件上的测试结果显示,使用博弈换道模型的车辆在不同车流密度环境下平均通行数量提高5.60%,平均通行时间减少8.44%,测试中未发生事故,表明模型具有感知、判断人类驾驶风格的能力,可在保证安全的前提下提高通行效率。     

考虑换道意图的LSTM-AdaBoost车辆轨迹预测模型

不合理的车辆的换道行为是导致交通事故发生的主要原因之一,提前预知换道车辆的轨迹并及时做出相应调整有助于减少事故的发生。针对换道车辆轨迹预测问题,采用将深度学习和集成学习相结合的轨迹预测方法,并考虑了换道意图的影响。建立连续隐马尔可夫模型对车辆进行换道意图检测,提前判别车辆的换道状态,并输入至相应的轨迹预测模型中;将LSTM（long short term memory）作为AdaBoost算法（adaptive boosting）的基预测器,建立LSTM-AdaBoost模型,在多个基预测器同时进行轨迹预测的基础上,通过训练调整各个基预测器的权重并将结果加权集成,提升预测模型的精度和稳定性;通过NSGIM（next generation simulation）数据集对模型进行训练和测试,结果显示意图预测模型在变道前一秒的准确率在90%以上,LSTM-AdaBoost集成轨迹预测模型与单一的LSTM模型相比精度和稳定性显著提升,且预测结果中异常数据更少,具有较好的稳定性;同时预测对比结果也表明增加意图预测模块有助于提升换道轨迹预测的精度。     

模拟驾驶行为的元胞自动机交通流模型

考虑到车辆的驾驶员具有其不同的驾驶特点,可以将他们分为谨慎型驾驶员和激进型驾驶员两类。分析他们的相同点和不同点后,建立了单车道元胞自动机混合交通流模型。通过计算机模拟,研究了混合比例与平均速度的关系,随机减速概率对平均速度及流量的影响。结果表明,谨慎型驾驶员的驾驶特点导致谨慎型车辆对道路上车辆平均速度和流量都有不小的负面影响,尤其是道路上车流密度较小的时候。     

Detailed traffic animation for urban road networks

We present a new agent-based system for detailed traffic animation on urban arterial networks with diverse junctions like signalized crossing, merging and weaving areas. To control the motion of traffic for visualization and animation purposes, we utilize the popular follow-the-leader method to simulate various vehicle types and intelligent driving styles. We also introduce a continuous lane-changing model to imitate the vehicle’s decision-making process and dynamic interactions with neighboring vehicles. By applying our approach in several typical urban traffic scenarios, we demonstrate that our system can well visualize vehicles’ behaviors in a realistic manner on complex road networks and generate immersive traffic flow animations with smooth accelerating strategies and flexible lane changes.     

考虑车辆横向主动安全的智能驾驶员模型

结合智能车面临的横向安全问题, 设计了一种具有横向安全性的智能驾驶员模型. 该系统由转向控制、速度控制和决策规划三个模块组成. 该系统的主要作用包括: 一是通过在转向控制中加入主要约束提高车辆在转向过程中的横向稳定性, 减小车辆发生侧滑、侧倾、侧偏等风险; 二是在换道场景下, 决策规划单元合理分析交通环境中的车间距并计算出驶入临近车道的速度和轨迹, 使智能车实现安全换道. CarSim/Simulink仿真结果表明, 该智能驾驶员系统提高了车辆行驶的横向安全性.     

电梯群的可调整鲁棒优化调度

为解决电梯群控调度(GES)中乘客交通流不确定问题, 提出基于可调整鲁棒优化的电梯群控调度方法. 基于对电梯交通流的不确定特性分析, 建立了电梯群控调度的不确定优化模型. 利用可调整鲁棒优化方法将电梯群控调度的不确定模型转化为其可调整鲁棒对等式. 在此基础上, 证明了在不确定集为椭球集直积时, 电梯群控调度模型的可调整鲁棒对等式(ARC)是可计算的. 仿真验证表明, 与其他的调度方法相比, 该方法具有较好的调度性能, 提高了调度对不同乘客交通流模式的适应性.     

基于高斯混合隐马尔科夫模型的自由换道识别

驾驶辅助系统被认为是解决交通安全问题的有效手段, 开发驾驶辅助系统的基础是对车辆的行为进行准确的识别, 以应用于车辆安全预警, 路径规划, 智能导航等方面. 目前存在的基于支持向量机模型, 隐马尔科夫模型, 卷积神经网络等行为识别方法还存在计算量与精度平衡的问题. 本文结合了隐马尔科夫模型与高斯混合模型, 提出了高斯混合隐马尔科夫模型, 利用美国联邦公路管理局NGSIM数据集对此方法进行了实验验证, 结果表明该方法对自由换道行为识别具有较高的精度. 本文还对高斯混合隐马尔科夫模型的实验参数进行了优化, 以期达到最好的识别效果, 为未来智能驾驶的车辆行为识别提供了参考.     

移动交通信息服务系统的体系结构与关键技术

阐述了移动交通信息服务系统的功能目标，设计了系统结构，提出了基于移动网络、移动定位、交通地理信息系统、交通流数据采集与处理、基于XML的交通地理信息组织与应用、网格计算、流媒体服务等关键技术的解决方案。提出了基于预测控制的车辆导航技术，并以此为例，分析了所设计系统及关键技术的应用。     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

Lane-changing behavior on urban streets: a focus group-based study

As lane-changing behavior has received increasing attention during the recent years, various algorithms have been developed. However, most of these models were derived and validated using data such as vehicle trajectories, with no consideration of driver characteristics. In this research, focus group studies were conducted to obtain driver-related information so that the driver characteristics can be incorporated into lane-changing models. Different urban lane-changing scenarios were examined and discussed in the focus group meetings. The likelihood for initiating lane changes under each scenario was obtained. The participating drivers were categorized according to their background information and verbal responses, so that the lane-changing behavior can be related to driver characteristics for each group. Two types of information, quantitative and qualitative responses from participants, were used to establish this relationship. The paper concludes by providing recommendations related to the implementation of study findings into micro-simulators to better replicate driver behavior in urban street networks.