网联自动驾驶环境下基于马尔可夫链理论的混合交通流车队识别模型（英文）

鉴于车队在城市道路信号交叉口通行时常被交叉口信号灯所打断,造成不必要的停车,致使交叉口通行能力下降、尾气排放增加以及燃油消耗升高,本文面向未来网联自动驾驶环境,基于马尔可夫链理论,构建了混合交通流下的车队识别模型。此外,本文借助能够实现L2级自动驾驶技术的特斯拉车辆,设计并组织实施了网联自动驾驶环境下的全样本交通流视频采集实验,并利用视频识别技术提取车辆轨迹数据。最后,利用实测数据和交通仿真软件Vissim,进行网联自动驾驶环境下的车队识别仿真实验。仿真结果表明,当网联自动驾驶车辆渗透率高于0.7时,车队识别率超过80%。另外,仿真结果还表明,车队识别位置同样影响车队识别率,例如在交叉口上游与下游分别进行车队识别时模型性能不同。本文所构建的车队识别模型能够为未来网联自动驾驶环境下的信号协调控制提供输入参数,以减少城市干线车队的不必要停车,进而提高城市交通运行效率。     

路段环境自动驾驶汽车通行权决策方法

为了解决路段自动驾驶汽车的通行权决策问题,提高交通流的运行效率和稳定性,基于可接受间隙模型和谈判理论构建路段自动驾驶汽车通行权决策模型. 综合考虑多种因素,基于可接受间隙模型对行人风险进行建模,将行人风险划分为低风险、中风险和高风险. 综合考虑风险、性格（激进和保守）和等待时间等对行人行为的影响,分析不同因素组合下行人和自动驾驶汽车可能采取的行为策略,基于该行为策略,利用谈判理论对自动驾驶汽车的通行权决策过程进行建模. 利用Python联合SUMO开源交通仿真软件对模型进行验证,仿真持续10 h. 3个模型的（保守模型、Gupta模型和本文模型）仿真结果表明,当行人产生频率为15 s时,自动驾驶汽车的平均行驶时间分别为661.5、399.5和327.6 s,平均延误时间分别为618 s、336 s和260.7 s,总流量分别为6 699辆、10 583辆和11 568辆. 当行人产生频率为30 s时,自动驾驶汽车的平均行驶时间分别为643.5、311.7和81.9 s,平均延误时间分别为599.9、244.4和6.5 s,总流量分别为6 879辆、11 741辆和11 971辆. 通行权决策方法的加入有助于降低自动驾驶汽车的行驶时间和延误,提升流量.     

智能网联混行环境下交叉口时空资源配置优化

在网联自动车辆（CAVs）与人工驾驶车辆混行环境下,构建混合整数线性规划（MILP）模型,以优化交叉口时空资源配置. 该模型以交叉口通行能力最大化为目标,约束条件主要包括车道渠化、流量分配和信号配时等相关约束. 以典型四车道十字交叉口为例,在网联自动车不同驾驶行为和不同渗透比例的条件下,优化交叉口渠化方案和信号配时方案. 结果表明,随着网联自动车占比和跟驰行为的改变,交叉口最优渠化方案和信号配时方案须相应调整. 网联自动车占比增大和跟车时距减小,均有利于提高交叉口的通行能力,且当网联自动车跟车时距不受前车类型的影响时,交叉口通行能力提高更多.     

信息诱导对交叉口驾驶行为影响

为提高驾驶员对诱导信息的采用意愿,基于结构方程模型(structural equation modeling,SEM)及改进式科技接受模型(technology acceptance model,TAM)思想,构建了驾驶行为影响研究模型,在已有研究基础上确定驾驶员对交叉口处诱导信息采用意向的影响因素,可分为个体因素、系统(信息)因素及环境因素.通过对北京市驾驶员进行偏好调查得到1 544份有效样本数据,对模型进行辨识及修正,并利用统计分析方法验证模型假设.结果表明:交叉口诱导信息的采用意向受驾驶员对信息的感知有用性、对信息的信任程度及交叉口交通状况(环境)直接影响,研究结果对提高诱导信息的服务效率具有重要的指导意义.     

基于扩展计划行为理论的驾驶员跟驰意向分析

未来道路交通流将呈现自动驾驶车辆和传统车辆混行的现象,为探究人机混驾环境下传统车辆驾驶员对自动驾驶车辆跟驰意向的影响因素,引入驾驶员对自动驾驶车辆的了解程度、风险感知及接受程度3个变量,构建基于扩展计划行为理论的驾驶员跟驰意向模型框架．通过问卷调查获取331份主观评价数据,并借助SPSS和AMOS软件检验数据的内部一致性及可靠性．运用结构方程模型进行路径分析及中介效应分析以检验影响因素间的关系．结果表明,基于扩展计划行为理论的驾驶员跟驰意向结构方程模型对人机混驾环境下驾驶员的跟驰意向具有良好解释力;行为态度、主观规范和知觉行为控制对驾驶员跟驰意向具有显著正向直接效应;风险感知和接受程度通过中介变量对驾驶员跟驰意向产生显著间接效应,其中,风险感知作用为负向,接受程度作用为正向;了解程度对驾驶员跟驰意向既有显著正向直接效应又有显著正向间接效应．研究结果可作为人机混驾环境下车辆交互行为分析的基础．     

基于MIMIC与机器学习的出租车驾驶员交通事故诱因分析

通过调查问卷收集2391名出租车驾驶员个体属性、身体疲劳感知、工作压力、风险驾驶行为和交通事故经历的相关信息。运用多指标多原因（MIMIC）模型进行路径分析,探究身体疲劳感知、风险驾驶行为对交通事故的诱发效应,验证性别、年龄、工作压力的原因变量对身体疲劳感知、分心驾驶行为的影响作用。选取逻辑回归、朴素贝叶斯、支持向量机、随机森林4种机器学习算法对出租车事故进行预测。结果表明：身体疲劳感知、过失性驾驶行为、激进性驾驶行为与分心驾驶行为的提高能够导致事故率的提高,性别、年龄、工作压力会对身体疲劳感知与分心驾驶行为的频次产生影响。基于机器学习的事故预测模型效果极佳,其中随机森林的预测效果最好,使用单一特征变量“风险驾驶行为”、“分心驾驶行为”、“身体疲劳感知”的预测精度尚可接受。当引入“工作压力”、“年龄”、“性别”的个人属性指标时,预测精度进一步提高。     

基于深度强化学习的自动驾驶车辆专用道汇入引导

为满足自动驾驶车辆（CAV）与人工驾驶车辆混行过程中安全和效率的需求,自动驾驶车辆专用道应运而生。当高速公路内侧车道设为自动驾驶车辆专用道时,引导自动驾驶车辆从普通车道汇入至专用道的策略研究具有重要的理论意义和实际价值。首先,设计专用道入口并提出车辆控制规则;其次,以使更多自动驾驶车辆换道至专用道为目标,基于深度强化学习,选择换道信号动作引导车辆换道;最后,通过Python语言编译进行数值仿真验证。结果表明：在自动驾驶车辆渗透率、到达专用道自动驾驶车辆比例等不同因素构建的9种场景下,本文算法能够快速收敛;能够有效引导自动驾驶车辆汇入专用道,保证通行效率;相较无信号控制情况,渗透率为20%～40%时,第2车道交通拥堵显著减少;在两段式专用道入口场景下,CAV换道至专用道的比例比单入口场景明显提高。所提出的策略具有较好的适用性,能为工程建设提供参考借鉴。     

信号交叉口网联电动汽车自适应学习生态驾驶策略

提出了一种面向信号交叉口的自适应学习生态驾驶策略。首先,搭建了电动汽车纵向动力学模型,建立了信号灯交叉路口的虚拟交通仿真环境;其次,以车辆能耗最小化与通行效率最大化为目标,耦合设计强化学习奖励函数,基于深度确定性策略梯度算法（DDPG）对车辆加速度进行实时控制与训练;最后,通过蒙特卡洛试验法,验证本文提出的强化学习生态驾驶策略在不同初始交通场景下的有效性与鲁棒性。仿真结果表明,相较于常规“加速-匀速-制动（ACB）”策略,本文提出的强化学习生态驾驶策略在单路口和多路口场景下均可有效提升通行效率和能量效率。同时,智能网联汽车数字孪生试验平台的多次实车试验表明,本文的强化学习算法控制效果良好,可以有效减少车辆路口等待时长,降低能耗同时提高通行效率。     

汽车转向时驾驶员驾驶意图辨识与行为预测

提出了一种基于隐马尔可夫模型(HMM)和人工神经网络(ANN)相结合的模型,用于实现驾驶意图辨识和驾驶行为预测,从而达到辅助驾驶和提高主动安全性的目的。通过驾驶模拟器获得双移线和直线行驶的数据,通过结合HMM和ANN建立了驾驶员意图辨识和行为预测模型,对驾驶员意图和行为在紧急转向、正常转向和直线行驶三种工况下的操作分别进行了辨识和预测。实验结果表明,该模型在给定车速下能够准确辨识当前的驾驶意图和较为精确预测驾驶员的驾驶行为。     

公路交通安全设施设计技术对策

为了提高无信号交叉口的综合运行水平,减少交通事故的发生,针对国省干道无信号交叉口的交通安全设施配套设置问题,基于驾驶模拟技术提出了针对无信号交叉口交通安全设施组合方案的综合评估方法,实现以微观驾驶行为数据为基础的公路平交路口交通安全设施组合的有效性评价.以国道101安乐路交叉口为例,搭建包含4组配套组合设施方案的驾驶模拟实验场景,通过实验测试获得驾驶行为数据,从3个层面选取9项评估指标,采用逼近理想解排序（technique for order preference by similarity to an ideal solution,TOPSIS）评估方法从交叉口安全性、预见性、舒适性3个方面实现组合方案的单目标量化评估,最后选取灰色局势决策方法来实现无信号交叉口多目标综合评估.研究结果表明,该评估方法对解决无信号交叉口设施组合方案的设置问题具有较强的实用性,可针对无信号交叉口交通安全设施组合设置方案进行综合评估.

     

路段无信号控制人行横道行人过街服务水平研究

通过分析无信号控制路段人行横道处行人过街行为特性、行人可接受等待时间、行人选择通过的机动车临界时距等,建立基于间隙接受理论的行人过街阻力模型,计算得到过街阻力系数为15%的等待时间,并根据行人真实感受的聚类分析结果划分评价标准,最后据此评价行人过街服务水平。此方法结合了基于冲突和基于感受评价的优点,有效解决了以往研究中行人感受主观性、指标复杂性、实践操作困难等问题。     

Analysis of occupation time of vehicles at urban unsignalized intersections in non-lane-based mixed traffic conditions

In India, traffic flow on roads is highly mixed in nature with wide variations in the static and dynamic characteristics of vehicles. At unsignalized intersections, vehicles generally do not follow lane discipline and ignore the rules of priority. Drivers generally become more aggressive and tend to cross the uncontrolled intersections without considering the conflicting traffic. All these conditions cause a very complex traffic situation at unsignalized intersections which have a great impact on the capacity and performance of traffic intersections. A new method called additive conflict flow (ACF) method is suitable to determine the capacity of unsignalized intersections in non-lane-based mixed traffic conditions as prevailing in India. Occupation time is the key parameter for ACF method, which is defined as the time spent by a vehicle in the conflict area at the intersection. Data for this study were collected at two three-legged unsignalized intersections (one is uncontrolled and other one is semicontrolled) in Mangalore city, India using video-graphic technique during peak periods on three consecutive week days. The occupation time of vehicles at these intersections were studied and compared. The data on conflicting traffic volume and occupation time by each subject vehicle at the conflict area were extracted from the videos using image processing software. The subject vehicles were divided into three categories: two wheelers, cars, and auto-rickshaws. Mathematical relationships were developed to relate the occupation time of different categories of vehicles with the conflicting flow of vehicles for various movements at both the intersections. It was found that occupation time increases with the increasing conflicting traffic and observed to be higher at the uncontrolled intersection compared to the semicontrolled intersection. The segregated turning movements and the presence of mini roundabout at the semicontrolled intersection reduces the conflicts of vehicular movements, which ultimately reduces the occupation time. The proposed methodology will be useful to determine the occupation time for various movements at unsignalized intersections. The models developed in the study can be used by practitioners and traffic engineers to estimate the capacity of unsignalized intersections in non-lane-based discipline and mixed traffic conditions.

     

两相位交叉口车辆冲突延误模型

针对两相位信号交叉口存在的左转车流和直行车流的冲突,研究了左转车和直行车在冲突点处经历的延误。首先在借鉴无信号控制交叉口次路车流Admas延误模型的基础上,推导了信号交叉口左转车流的冲突延误计算模型;然后应用概率论、间隙理论及排队论的相关知识建立了直行车的冲突延误计算模型;最后使用烟台市的实际调查数据对两个延误模型进行了验证,其平均相对误差分别为8.93%和17.32%,说明两个模型都具有较好的实用性。     

Set methods of left-turn waiting zone at signalized intersection

To maximize the number of vehicles passing by the stop-line in a cycle and improve the operation efficiency of intersection in China,the settlement of left-turn lane waiting-zone is becoming prevailing. Based on conflicting-point method,the internal mechanism of left-turn flow after stopping line was analyzed through taking postposition left-turn lane waiting-zone intersection for instance. The relationship between the first left-turn vehicle and the last vehicle of previous phase passing the conflicting point was expounded. According to the time of successive arriving of two vehicle flows at conflicting-point,the reasonable layout for waiting area of left-turn vehicles was researched when the clearance index was less than 0. The results suggest that the appropriate layout for waiting area of left-turning vehicles can improve the operation efficiency of intersections.     

Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads

A new vision-based long-distance lane perception and front vehicle location method was developed for decision making of full autonomous vehicles on highway roads. Firstly, a real-time long-distance lane detection approach was presented based on a linear-cubic road model for two-lane highways. By using a novel robust lane marking feature which combines the constraints of intensity, edge and width, the lane markings in far regions were extracted accurately and efficiently. Next, the detected lane lines were selected and tracked by estimating the lateral offset and heading angle of ego vehicle with a Kalman filter. Finally, front vehicles were located on correct lanes using the tracked lane lines. Experiment results show that the proposed lane perception approach can achieve an average correct detection rate of 94.37% with an average false positive detection rate of 0.35%. The proposed approaches for long-distance lane perception and front vehicle location were validated in a 286 km full autonomous drive experiment under real traffic conditions. This successful experiment shows that the approaches are effective and robust enough for full autonomous vehicles on highway roads.     

基于深度强化学习的交通信号控制方法

针对基于深度强化学习的交通信号控制方法存在难以及时更新交叉口信号控制策略的问题,提出基于改进深度强化学习的单交叉口交通信号控制方法. 构建新的基于相邻采样时间步实时车辆数变化量的奖励函数,以及时跟踪并利用交叉口交通状态动态的变化过程. 采用双网络结构提高算法学习效率,利用经验回放改善算法收敛性. 基于SUMO的仿真测试结果表明,相比传统控制方法和深度强化学习方法,所提方法能明显缩短交叉口车辆平均等待时间和平均排队长度,提高交叉口通行效率.     

基于交叉路口道路时空网格的车辆碰撞预警方法研究

通过车-路通信构建协作型交叉路口防碰撞安全预警系统,能保证车辆在交叉路口行驶过程安全的同时,提高交叉路口的通行率,然而车辆防碰撞安全预警需要对车辆行驶路线进行准确地估计,当车辆有碰撞危险时,需要给出安全速度区间,通知车辆减速或制动. 为解决这一问题,提出了交叉路口道路时空网格车辆避碰算法,其基本思想是将交叉路口划分为多个网格,利用路侧单元根据车辆当前车速、方向预测车辆行驶轨迹即车辆所占的网格数,若在某一时刻两车占用相同的网格则会发生碰撞,此时根据车辆当前的运动状态给出车辆能避开冲突的安全速度建议. 为了对算法进行验证,在无信号灯交叉路口和有信号灯交叉路口环境中对所提出的算法进行了仿真实验和真实测试,实验结果表明,所提出的算法能准确预判出在交叉路口处于潜在碰撞危险中的车辆,并给予车速建议,证明了该系统的有效性和准确性.     

城市信号交叉口黄灯管理问题研究

通过对城市交叉口黄灯期间的驾驶行为进行分析,在黄灯亮起的时刻,某些车辆选择减速停车并不一定合理,因为车辆能否停得住与其行驶速度、减速性能以及车辆与停车线的距离有关.通过理论分析计算车辆以不同的减速度进行制动所需的时间及路段长度,同时对黄灯困境的产生原因进行了剖析.提出设置停车缓冲区的必要性及其管理方法.研究结论对城市交叉口通行效率的提高以及黄灯的规范设置与管理均具有积极的意义.     

公路交通事故驾驶员事故前操作行为模式研究

交通事故的成因错综复杂,驾驶员驾驶过程中感知、判断、决策任一环节出现差错都可能导致道路交通事故的发生。以公路交通事故为研究对象,运用AHP分析方法和模糊评判方法,分析了影响驾驶员事故前操作行为的影响因素,建立了驾驶员事故前对各感知因素的评价指标体系及驾驶员对各影响指标的评价模型,并用模糊数学和模糊推理的方法建立了基于交通事故的驾驶员事故前操作行为模式模糊控制规则。该研究成果可以运用于对车辆驾驶人的安全培训,提高交通运输的安全性;也可用于交通事故的鉴定与处理环节,提高交通事故鉴定水平,使相关部门对交通事故的处理更为妥善。