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。     

.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。     

基于元胞自动机的模糊控制换道模型

根据元胞自动机理论建立改进的交通流模型,给出每辆车的演化规则。在此基础上依据实际车辆行为建立换道规则,利用模糊推理来模拟人在换道过程中的主观判断过程,建立换道模型。仿真表明该方法能较好的模拟车辆的实际行为。     

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。     

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。     

基于多项式的智能车辆换道轨迹规划

以智能车辆换道过程为研究对象,提出一种基于多项式理论的车辆换道轨迹规划算法。该算法采用矩形对换道车辆及障碍车辆进行包裹,结合换道车辆的边界条件由以时间为参数的多项式计算得到换道轨迹。由该算法生成的换道轨迹符合四段式车道变换模型,并适用于复杂道路环境。新算法将复杂道路环境中期望换道轨迹的求取问题转换为单一参数求取问题,简化了计算,同时考虑了车辆动力学限制对生成轨迹的影响。计算机仿真验证了算法的正确性及有效性,尤其是在复杂路面情况下体现了该换道轨迹规划算法的优势。     

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。     

多模型融合的换道意图识别研究

快速准确识别出周围车辆的换道意图对高级自动驾驶辅助系统的决策支持和安全预防具有重要意义。针对现有方法未能充分考虑车辆之间的交互作用以及轨迹数据的前后依赖性问题,提出一种基于多模型融合的换道意图识别框架。该换道意图识别框架主要包括输入处理与换道意图识别两部分。输入处理部分对车辆轨迹数据进行清洗、贴标、切片以及one-hot编码。换道意图识别部分则具体提出BiLSTM-F(BiLSTM-fusion)模型,在该模型中将注意力机制（attention mechanism）引入双向长短期记忆网络（BiLSTM）,对输入处理部分的输出信息进行权重划分,使模型能将注意力更加集中于对换道意图影响较大的特征信息上,最后引入条件随机场（conditional random field）,充分学习输入数据的前后依赖性并快速找出全局最优的换道意图。实验中使用公开数据集NGSIM进行训练并评估,验证结果表明该模型的准确率最高能达到97.19%,并且可在车辆到达换道点前2 s识别车辆的换道意图,准确率为94.16%。与基线换道意图识别模型相比,所提出模型的准确率、损失、F1值和稳定性均优于基线模型。     

基于强化学习优化汽车智能换道与间距预警的汽车避障系统

高速行驶的汽车在道路换道时需要保持安全的间距与车速，为保障汽车在换道过程安全行驶，提出一种基于动态空间转换法(Ego Dynamic Space Transform, EDST)与强化学习(Double Deep Q Network, DDQN)的多场景汽车避障预警算法。将单目深度预估图作为汽车航点最佳时刻，采用DDQN算法检测图像输入并执行动作输出。由于车辆换道场景的复杂性，采用对抗学习法(Adversarial Discriminative Domain Adaptation, ADDA)处理目标场景数据，实现车辆不同场景下的换道操作。选择多种场景测试车辆避障模型性能，所提出的自适应模型在复杂双向车道场景碰撞次数最少为3次。同时，能够换道数量最多为42次，优于EDST、DDQN以及DDQN+EDST模型，满足智能汽车安全换道要求。研究内容为高速驾驶车辆紧急避险提供重要的技术参考。     

复杂车路环境下自动驾驶车辆换道仿真研究

自动驾驶车辆换道决策的算法设计对确保自动驾驶车辆的安全平稳运行至关重要.在现有研究基础上,综合考虑了换道车辆与原车道、目标车道前后多辆车的冲突关系,通过引入车辆侵略系数建立复杂路况下的多人动态博弈模型,以寻找自动驾驶车辆在复杂车路环境下的换道决策以及轨迹线规划的最佳策略.随后,通过NGSIM(Next Generation Simulation)数据探究车辆行驶特性,得到车辆侵略系数的准确分布,搭建仿真环境,给出本模型下自动驾驶车辆在不同路况中的策略选择以及对应的轨迹线示意,并将结果与其它模型求得结果进行比较.根据仿真结果,上述算法有效地完成了自动驾驶车辆在复杂车路环境下换道的关键技术问题,可为自动驾驶车辆的换道决策提供一定的技术指导.     

基于机器视觉的驾驶员换道行驶检测研究

为自动检测驾驶员行车路线,通过车载CCD图像传感器获得序列图像,利用计算机视觉技术,建立摄像机的透视投影模型和汽车换道行驶检测模型,应用改进的Hough变换识别道路标线,确立直线方程,采用逆透视投影变换对车辆在当前位置的横向距离和横向偏转角做出估计,进而对汽车行驶状态做出判断。实验证明,该方法能够正确检测和判断驾驶员是否处于压线行驶和换道行驶状态。     

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。     

基于元胞自动机模型的交织区车道分配问题分析

为探究交织区不同车道分配方案对系统产生的影响效果,在Nagel和Schreckenberg提出的NS元胞自动机模型的基础上为三种不同换道区域定义了三种换道规则,建立针对交织区的元胞自动机模型。对比交织区是否设置隔离带的两种车道分配情况下交织区及非交织区分别进行了数值的模拟和分析,结果表明,流量低时,两种措施的效果无明显差异;流量较高并且交织比不大时设置隔离带将减少系统拥堵及各流向车辆的行程时间。当交织区的长度在一定值内,设置隔离带的效果更好,且随着交织区长度的增加,设置隔离带而产生的优化效果也越来越小。交织区超过这个长度后两种措施效果差不多。     

夜晚车辆异常事件分析

夜晚车道模型是车辆跟踪和车辆行为分析的基础,但是当高速公路或者城市道路光线较暗时,很难通过车道检测的方法来建立车道模型,夜晚车辆快速行驶或相邻帧车辆之间重叠度较低时无法实现准确跟踪。针对此类问题提出了一种基于学习的车道模型建立方法和基于多帧的最佳匹配跟踪方法。首先利用自动多阈值分割方法提取场景中光亮的目标;其次,利用车灯的相关特征移除非车灯光亮区域;接着,利用空间信息把车灯聚类成一个车辆目标,利用多帧的最佳匹配跟踪方法进行跟踪;最后利用车辆跟踪参数与车道模型的融合对夜晚车辆异常事件进行分析。实验结果表明,该算法能够准确地检测出夜晚车辆换道、逆向行驶、交通拥挤、停车等异常事件,并且有很强的鲁棒性。     

Expressway Traffic Flow Model Study Based on Different Traffic Rules

In this paper, two cellular automata traffic models are proposed to simulate the operation of an expressway. The results show that the flow rate and the average velocity are generally equal in the same density which is different among the lanes. The analysis of lane changing times and the velocity total deviation show some characteristics which are difficult to explain phase transitions under fundamental diagram theory. Therefore, the concept of lane changing probability is introduced, and it is concluded that the speed-limit rule can reduce the motivation of lane changing effectively.      

Trajectory planning and yaw rate tracking control for lane changing of intelligent vehicle on curved road

The lateral control for lane changing of intelligent vehicle on curved road in automatic highway systems was studied. Based on trapezoidal acceleration profile, considering the curvature difference between starting lane and target lane, a new virtual trajectory planning method for lane changing on curved road was presented, and the calculating formulas for ideal states of vehicle in the inertial coordinate system during a lane changing maneuver were established. Applying the predetermined trajectory, the re...     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。     

基于集散决策体系结构的智能车辆自主导航

智能车辆的体系结构作为智能车辆系统的基础,在构建智能车辆前必须得到合理的设计。为保证智能车辆系统的实时性和智能性,提出了基于集散决策的智能车辆体系结构。该结构由信息感知、规划决策、执行3个基本模块组成,其中规划决策分为低层次的分散决策和高层次的集中决策;分散决策对各种环境信息进行并行处理以得到各局部决策结果,集中决策对各分散决策结果进行综合判断并做出最终决策。按照以上设计思想,对道路环境下的智能车辆体系结构进行了仿真,同时实际构建了智能车辆车道识别及跟踪系统的体系结构。并进行了系统设计及实车试验。仿真结果表明,智能车辆能够根据实际环境信息做出合理决策,顺利完成车道跟踪、车距保持、换道行驶等任务。试验结果表明,在该体系结构控制下的智能车辆系统能够准确、可靠地完成车道识别、车道跟踪及车速保持任务。