考虑前方交通状态的车辆跟驰模型与数值仿真

为了描述复杂环境下多车跟驰的驾驶行为特性,在全速度差模型的基础上引入前方交通状态的影响参数建立车辆跟驰模型.采用交通流密度作为定量衡量前方交通状态的关键指标,通过线性稳定性分析得到模型的临界稳定性条件.提出以加速度干扰指标作为衡量交通运行稳定性和乘客舒适度的定量指标.理论分析和数值仿真结果表明,该模型扩大了交通流的稳定性区间,符合实际驾驶行为并能有效提高交通流的稳定性.     

自动驾驶车辆换道决策行为分析及分子动力学建模

针对自动驾驶车辆的换道决策行为,首先基于分子动力学理论研究了车辆的微观换道行为,在对换道意图进行客观性量化的基础上,进一步引入车辆间的相互作用势建立了换道决策行为的分子动力学模型。然后,系统分析了车辆换道初始时刻与换道完成时刻的关系以及车辆换道的动态影响因素,探究了微观车辆的换道行为对宏观车流的影响。最后,使用SUMO软件将SL2015换道模型与分子动力学换道模型进行仿真对比分析。结果表明,分子动力学换道模型具有较好的安全性、稳定性和实用性;本文自动驾驶车辆换道决策行为的分子动力学建模综合考虑了交通场景中的动态影响因素,能够更客观、合理地展现自动驾驶车辆的换道行为特性。     

微观交通仿真的安全换道模型研究

换道模型对车辆换道过程模拟的精确程度直接影响着微观交通仿真的精度。以往的微观交通仿真系统采用匀加速度的换道模型,无法模拟车辆实施换道动态调整纵向加速度的行为。该文分析了换道过程中车辆间的相互影响,将换道过程分为4个独立的阶段,并允许车辆在不同阶段使用不同的纵向加速度。通过分析由环境参数导致的各阶段时间顺序的变化,提出了通用的安全换道模型,并给出换道自适应加速度的约束表达式。仿真结果显示,该模型能提高微观交通仿真系统的精度,并提供更准确的安全换道距离,换道成功率更高。     

驾驶员确定汽车预期轨迹的模糊决策模型

提出了一种驾驶员确定汽车预期轨迹的模糊决策模型。这一模型可以用来仿真驾驶员在操纵汽车的过程中 ,根据前方道路交通的可行区域 ,决策汽车未来期望走行轨迹的控制行为特性 ,并可描述驾驶安全程度、驾驶员体能极限等诸多指标。数字仿真结果表明 ,所提出的模型还可以描述驾驶员的最优预瞄加速度决策行为特性 ,并直接用于驾驶员 汽车 道路闭环系统的仿真。     

驾驶员确定汽车预期轨迹的模糊决策模型

提出了一种驾驶员确定汽车预期轨迹的模糊决策模型。这一模型可以用来仿真驾驶员在操纵汽车的过程中,根据前方道路交通的可行区域,决策汽车未来期望走行轨迹的控制行为特性,燕可描述驾驶安全程度、驾驶员体能极限等诸多指标。数字仿真结果表明,所提出的模型还可以描述驾驶员的最优预瞄加速度决策行为特性,并直接用于驾驶员－汽车－道路闭环系统的仿真。     

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.     

基于决策-规划迭代框架的智驾车换道行为建模

行为决策和轨迹规划是智驾车完成驾驶任务的关键环节,着眼于二者之间的参数传递关系和新型混合交通流的动态特征,建立了智驾车换道模型。采用主从博弈思想描述智驾车换道决策过程,采用负指数函数量化博弈代价函数。将博弈决策结果作为轨迹规划模型输入之一,采用多项式分别描述车辆的横向及纵向运动,利用模拟退火算法寻找最优轨迹。设置了不同驾驶特性的环境车辆,并对决策规划过程进行了仿真验证,结果表明,决策规划模型能够快速生成安全、舒适的可行轨迹。     

一类混合制造系统的建模与控制

研究了一类单阶段混合制造系统的建模、分析与调度问题，这类系统既包含离散事件动态，也包含连续时间动态，前者用排队网络描述，后者用微分方程描述。不仅考虑了这类系统的最优控制问题，而且考虑了工件进入生产线的最优时间，并用一个复杂的优化模型描述，同时给出了一个两层优化方法，内层给出对给定工件序列的最优控制，而外层用一改进的遗传算法求解工件进入生产线的最优时间序列。若干仿真实例说明了算法的有效性。     

基于仿真的外购件采购成本优化技术

针对IT企业外购件采购成本控制问题中建模复杂和目标函数难于解析求解的难点,建立了基于仿真的成本优化模型.模型采用Poisson过程模拟多供应商的外购件供应市场环境,建立了包含采购成本期望目标函数及约束的模型.以通过ES-(1+1)进化策略算法得到的补货决策作为中间变量,通过多层次仿真循环和多阶段求解建立了优化模型的仿真求解流程.基于某笔记本电脑代工厂历史需求数据的数值仿真结果表明,优化模型能够有效地减少系统外购件采购总成本和库存波动.     

基于PSO算法的微观交通仿真模型参数标定

对微观交通仿真模型的参数自动化标定是确保仿真模型有效性的基础和前提.选用微观交通仿真软件VISSIM为基础平台,建立了仿真参数的一般标定流程,对基于粒子群优化(PSO)算法的仿真模型参数标定方法进行了研究,对影响模拟结果的主要参数进行标定,并实现了程序的自动化校正.同时,结合工程实例将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中.结果显示,采用该方法标定后的仿真模型参数能够更好的符合实际道路交通状况,且能够有效减少参数标定的仿真试验次数.     

基于FVD模型的各异性跟驰模型

基于不同气质类型驾驶者的行为差异分析,建立了跟驰模型参数与驾驶人气质状况之间的关系,通过引入气质激进度变量,将跟驰模型参数表达为气质激进度的函数,并在改进FVD模型的基础上,提出了体现驾驶人行为差异的各异性跟驰模型。该模型克服了传统规范模型无法描述驾驶者个体行为差异的缺点。数值模拟实验结果表明该模型能够成功地模拟稠密交通流中小扰动传播演化结果的随机性现象。该模型结构简单,且参数易于确定,一方面为驾驶行为各异性的建模建立了理论基础,同时也为微观交通流动态随机特性模拟提供了一般性的方法。     

各异性FVD模型及数值模拟

为了使跟驰模型能够描述驾驶人行为差异,基于不同气质类型驾驶人的行为差异分析,建立了跟驰模型参数与驾驶人气质状况之间的关系,通过引入气质激进度变量,将跟驰模型参数表达为气质激进度的函数,并在改进FVD模型的基础上,提出了体现驾驶人行为差异的各异性FVD模型.该模型克服了传统规范模型无法描述驾驶人个体行为差异的缺点.数值模拟实验结果表明该模型能够成功地模拟稠密交通流中小扰动传播演化结果的随机性现象.该模型结构简单,且参数易于确定,一方面为驾驶行为各异性的建模建立了理论基础,同时也为微观交通流动态随机特性模拟提供了一般性的方法.     

基于分位数回归的随机优化速度跟驰模型

为了研究交通流异质性对车辆跟驰行为的影响,基于分位数回归方法改进优化速度函数.根据实际交通流数据对改进的优化速度函数进行参数标定,并对参数结果进行假设检验,结合改进的优化速度函数和全速度差跟驰模型建立随机优化速度跟驰模型,利用傅里叶变换理论推导跟驰模型的稳定性条件,并搭建环形车道仿真平台对跟驰模型进行数值实验.结果表明：改进的优化速度函数能更好地反映交通流异质性对交通流的影响;单一分位点车队达到稳定状态的时间与分位点呈正相关;多分位点组合车队随着0.5分位点车辆数的增加,达到稳定状态的时间减少.提出的多分位点车队相比于单一分位点车队可以更真实地反映交通流复杂的运行状况.     

基于车辆运行特性的高速公路养护施工区行车风险分析

施工区造成高速公路行车环境突变,严重影响行车安全.考虑行车环境的复杂性和车辆运行的特殊性,分析高速公路养护施工区车辆合流、跟驰及分流行驶状态;根据车辆运动规律,分析这些过程中的强制变换车道风险和跟驰风险;确定高速公路养护施工区避免冲突风险的约束条件,为降低养护施工区行车风险提供依据.     

车辆多模式多目标自适应巡航控制

为增强量产ACC对前车驾驶意图的预判与自适应能力,发展了一种多目标自适应巡航控制算法,建立闭环纵向跟驰模型。基于模型预测控制理论,综合协调巡航过程中驾驶员期望响应、跟驰安全性、车辆自身物理限制等控制目标,并引入松弛向量以确保滚动在线优化存在可行解。采用待优化目标与控制输入权重调校以及控制器工作域边界松弛的策略,将ACC系统划分出6种工作模式,同时采用模糊推理与加速度加权平均策略,以实现工作模式最佳匹配与平稳过渡。仿真结果表明,多模式设计策略与多目标控制算法能够一定程度上提升ACC系统的适应性与友好性。     

Investigation on hierarchical control for driving stability and safety of intelligent HEV during car-following and lane-change process

The longitudinal and lateral coordinated control for autonomous vehicles is fundamental to achieve safe and comfortable driving performance. Aiming at this for hybrid electric vehicles (HEV) during the car-following (CF) and lane-change (LC) process while accelerating, a hierarchical control strategy for vehicle stability control is proposed. This new approach is different from the conventional hierarchical control. On the basis of model predictive control (MPC) theory, a two-layer MPC controller is designed at the top level of the control structure. The upper layer is a linear time-varying MPC (LTV-MPC), while the lower layer is a hybrid MPC (HMPC). For the LTV-MPC controller, a control-oriented linear discrete model for HEV is established, which integrates the dynamic model with three degrees of freedom (DOF) and the car-following model. The lower-layer HMPC controller is designed on the basis of the analysis for HEV hybrid characteristics and the modelling for the mixed logic dynamic (MLD) model of the HEV powertrain. As for the bottom level, a control plant including the HEV powertrain model and the 7 DOF nonlinear dynamics of the vehicle body is established. In addition, the system stability is proven. A deep fusion of vehicle dynamics control and energy management is achieved. Compared with LC-ACC control and conventional ACC control, the simulation and the hardware-in-the-loop (HIL) test results under different driving scenarios show that the proposed hierarchical control strategy can effectively maintain lateral stability and safety under severe driving conditions. Additionally, the HEV powertrain output torque and the gear-shift point are coordinated and controlled by the HMPC controller.

     

面向微观交通仿真实验的模型参数敏感性分析方法

为提升微观交通仿真模型标定工作的科学性,对当前微观交通仿真模型标定流程进行梳理,指出微观交通仿真模型标定工作中的敏感性方法应用及定位存在误区。基于微观仿真实验特性及方差分析理论,研究重新构建面向微观交通仿真实验的敏感性分析方法,并界定敏感性分析在仿真模型标定流程中的作用为科学选取校核指标。针对常见信号交叉口进行模型参数敏感性分析,发现选用延误指标作为信号交叉口微观仿真模型标定校核指标才能使得仿真模型标定结果最为有效。     

Bierley非线性跟驰模型特性仿真分析

非线性跟驰模型是描述车辆跟驰行为的经典模型之一,通过对GM模型发展过程的分析与阐述,引入Bierley非线性跟驰模型,应用Matlab构建仿真环境,以车头间距为研究对象,拟定试验情景,分别对不同参数的变化进行仿真分析.结果表明：Bierley非线性跟驰模型可以较好地反映交通流的波动性、滞后性和制约性,模型参数α0与驾驶员对外界刺激的反应负相关,h与车头间距的波动幅度正相关,k与车头间距达到稳定态的时间负相关;跟驰队列头车速度v0和初始车头间距l0均不影响跟驰队列的稳定状态,仅影响到达稳定状态的过程和时间.     

交通流量的预测仿真

从城市交通规划的角度出发,根据交通流的特性,建立了基于广义回归神经网络的交通流预测模型和基于跟驰理论的仿真模型,并将此模型应用于天津市外环线的某路口,预测了该路口未来某高峰时刻的交通流量,模拟仿真了其交通运行特性,为今后该路口的交通规划和管理提供了直观、科学的数据.     

基于最小安全间距的应急交通疏散车辆跟驰模型

本研究通过对突发事件情况下驾驶员心理与行为特性问卷调查,得到驾驶员在非常态交通环境下的行为差异和经验判断比率分布,对Gipps跟驰模型进行了改进,提出了基于最小安全跟车间距的应急疏散车辆跟驰模型.与正常交通条件下建立的跟驰模型相比,将驾驶员对突发事件的心理行为反应纳入建模过程,能更准确地反映应急疏散的交通流特征和疏散交通实际情况.