车辆换道行为风险评价方法研究进展

驾驶人的换道行为通常会对交通安全产生一定的负面影响,为了保证车辆换道安全,防止交通事故的发生,应该对车辆换道行为风险情况进行识别和评价。通过对国内外相关文献的系统研究,从文献统计分析、关键词可视化及数据集分析3个方面对车辆换道行为进行了综述,总结了车辆换道关键影响因素的研究热点;并通过回顾国内外车辆换道行为风险评价方法,总结分析了当前研究应用较为普遍的基于交通冲突的风险评价方法以及基于驾驶意图的风险评价方法;最后讨论了当前车辆换道行为风险评价研究存在的问题以及未来发展趋势。研究表明：车辆换道行为研究应结合交通环境特性,研究更具有普适性和可移植性的车辆换道模型是未来有待突破的研究方向;此外,在未来车辆换道行为风险评价研究中驾驶人驾驶意图、换道决策调整等变化是一个重要研究方向;基于当前车联网技术的发展,未来研究应考虑更广泛的影响因素,利用更加广泛的交通环境信息,考虑异构交通流环境对车辆换道行为风险的影响,进行更加综合的风险评价方法研究。研究人员有机会通过汽车远程信息,可以更好地理解驾驶行为和交通事故的成因,为车辆换道风险的综合评价方法研究带来了新的机遇和挑战。     

考虑驾驶习惯的驾驶员换道意图识别

考虑了换道行驶过程中驾驶员的驾驶习惯因素,并基于多维高斯混合隐马尔可夫模型(MGHMM),构建了针对每名驾驶员的驾驶员换道意图识别模型,从而增强驾驶员换道意图的识别效果.结合Carmaker车辆动力学仿真软件搭建模拟驾驶平台,采集、分析和筛选模型观测数据.通过对比试验分析,验证了考虑驾驶习惯因素建模能够提高识别性能,同...     

基于俞氏四参数模型的隧道拱顶沉降预测

为了地下隧道围岩的稳定和围岩的及时和有效的支护,基于5处隧道拱顶沉降的现场实测资料,对隧道拱顶的沉降-时间曲线进行了优化的拟合和沉降的预测.针对岩石隧道拱顶的沉降特性,选用了俞氏四参数曲线模型.结果表明,俞氏四参数模型对隧道拱顶的沉降-时间曲线有高的拟合精度,相关系数R为0.989 55～0.999 35,平均值为0.996 102;该模型拟合效果比双曲线模型要好,特别是在曲线的尾部;基于该模型的5处隧道拱顶沉降的预测值与实测值的相对误差绝对值的平均值为4.019 15%,对拟合曲线尾部3点来说是0.623 48%.结果表明,本文选用的俞氏四参数模型适应性强,它对沉降-时间曲线的拟合是较为可靠的,利用这些拟合方程式能对隧道拱顶沉降进行预测.     

基于模型预测的车辆稳定控制

利用三自由度车辆模型设计了模型预测控制器,发动机力矩PI控制器和制动力矩模糊控制器。并针对制动单移线转向行驶典型工况进行了仿真验证,结果表明,所设计的车辆稳定性控制器具有良好的控制效果,能够明显的改善车辆操纵稳定性;开发的制动力矩算法能够充分利用各个车轮的制动力,使得在发动机力矩改变和主动制动压力等输入都较小的情况下,获得较好车辆操纵稳定性。     

一种基于模型预测复合控制的车辆避碰控制方法

为减少日益增长的交通安全问题,车辆碰撞预警及避碰控制系统必不可少.本文提出了一种结合车辆横纵向动力学的复合控制避碰方法,以达到减少交通事故发生的目的.首先,分别建立了车辆逆纵向和横向动力学模型,纵向控制器通过安全距离模型来判断车辆是否处于危险状态并进行碰撞预警,采用分层控制方法设计了上层模型预测控制器和底层单神经元PI...     

基于模型预测控制算法的车辆编队研究

为应对自动驾驶车辆运动的模型不确定性问题,根据协同自适应巡航控制（CACC）框架,搭建车辆间纵向运动学模型,并建立相应的离散状态空间方程。采用模型预测控制（MPC）方法,预测前车或车队未来状态,以优化跟随车辆的运动控制。通过车间通信获取跟随车辆与前车的信息,从而得出跟随车辆的期望加速度。通过对五辆车的编队仿真实验,验证了所提编队控制器的有效性。该方法以加速度作为控制量,更符合实际应用场景。与PID算法对比,该方法的车辆最大加速度降低了19.23%,最大位置跟随误差降低了63.51%。对不同车头时距的情况进行了仿真研究,结果表明车头时距越小,车辆跟踪效果越佳。     

基于离散裂隙网络模型的隧道涌水量预测

通过建立不同赋存水体深度、不同隧道直径和不同开挖距离等共96个复杂裂隙网络数值模型,计算通过隧道掌子面的涌水量,拟合预测隧道涌水量的多参数回归方程。结果表明,流体的主要流动路径由连接入口边界和出口边界的连通裂隙组成。组成主要流动路径的裂隙内的流速最大;离连接入口边界和出口边界的连通裂隙越远,裂隙内的流速越小;水体较浅时,涌水量与开挖距离具有幂函数关系;水体较深时,涌水量与开挖距离具有线性关系;对隧道涌水量影响程度由高到低的影响因素依次为隧道直径、水体深度、开挖距离。隧道涌水量的预测结果和数值计算结果能很好吻合,验证了该回归方程具有普适性,可对节理发育岩体内隧道涌水量进行动态预测。     

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。     

基于突变理论的山岭隧道塌方风险预测

为建立隧道施工穿越冲沟段塌方风险的预测模型,统计分析了200例隧道塌方事故,总结出影响隧道塌方的11大风险因素,将各因素归纳为工程地质、水文地质、勘察设计施工等三大指标,并对其进行分解,建立山岭隧道的塌方风险评价体系,利用突变理论对隧道塌方风险进行风险评估.应用该模型对某隧道施工穿越冲沟地段进行塌方风险预测,结果能较好反映该工程实际情况,研究成果能够为类似隧道工程塌方风险管理提供依据.     

基于混合交通流的车辆换道行为

采用元胞自动机模型研究了城市交通中车辆的换道行为。在模拟非对称换道规则下混合交通流中的车辆换道行为中,通过增加公交车影响因子这一换道动机,分析了公交车对社会车辆换道行为的影响。分析结果表明:公交车的存在增加了车流中车辆的换道概率,且当道路处于中低密度状态时,社会车辆换道概率随公交车比例上升而增加,相应路段平均车速降低。在考虑了公交车影响因子后发现,公交车影响因子的存在会明显降低车辆换道概率。     

基于时间序列与DEGWO-SVR模型的隧道变形预测方法

为了对准确预测隧道变形的非等距性及复杂非线性特征,结合时序分析理论、差分进化算法(DE)、灰狼优化算法(GWO)和支持向量回归机(SVR)模型,提出新的隧道变形预测模型. 利用3次样条函数插值法将非等距监测数据等距化;基于时间序列原理将变形分解为趋势项及平稳随机项,并采用所提模型分别对2个分解项进行预测;将各位移分量叠加,实现隧道累积变形的预测. 以重庆市兴隆隧道实测拱顶沉降为例,预测前方ZK37+900和ZK37+910断面拱顶沉降,并与已有模型进行对比. 结果表明：所提模型预测的均方根误差分别为0.193 7 、0.086 9 mm,平均绝对百分比误差分别为1.21%、0.55%,相关系数分别为0.997 1、0.992 8. 相比于已有模型,所提模型的预测精度更高、误差更小,具有更好的适用性及应用前景.     

基于决策机理与支持向量机的车辆换道决策模型

驾驶决策机制是保障自动驾驶车辆驾驶安全的关键技术,而换道研究是其重要课题.然而,在复杂的动态环境下行驶时,使智能车辆做出安全、符合要求的换道决策仍然是一个难点.为此,首先分析了车辆自由换道的影响因素,采用传统的数理模型建立了基于换道收益、安全和必要性的车辆换道规则模型.其次,针对在不同的驾驶工况换道决策考虑的因素不同,提出从基于物理状态的特征、基于交互感知的特征以及基于道路结构的特征三个方面提取决策变量,使换道模型决策时考虑的因素更加全面.然后,针对自由换道决策过程中存在的多参数和非线性问题,提出了基于贝叶斯优化算法(BOA)的支持向量机(SVM)决策模型.最后,所提出的模型在NGSIM数据集上进行验证,对比试验表明:建立的BOA Gaussian-SVM模型具有较高的综合预测性能,对换道行为的识别准确率可达到92.97%,超越了其他模型并远高于规则模型.同时在Airsim平台上进行了仿真实验,实验结果进一步证明了BOA Gaussian-SVM决策模型的有效性,说明此模型可进一步应用到自动驾驶和辅助驾驶系统开发中.     

基于Scikit Learn的SVM分类器算法优化

支持向量机(SVM)在高维度数据分类中表现出优异性能,可通过核函数对原始特征进行映射,解决原始空间线性不可分问题。但由于数据特征、维度不同,所以SVM在参数调整时,一般需要手动调整,效率较低且增加工作量。针对该问题,提出了一种基于Scikit Learn的SVM分类器参数调整优化方法。使用网格搜索对最优参数范围进行搜索,利用高斯径向基核函数进行参数调整,基于Python机器学习库Scikit Learn对不同参数、不同核函数的分类结果进行可视化观察,并在网格上显示其最优参数范围,寻找准确率高的参数分布。通过自动迭代的方式对参数进行更精确求解,设定相应值代入迭代计算。同时为防止陷入过拟合,设定最优参数邻域范围直接读取最优参数值。实验结果表明,所提出的方法可大量减少人工调参时间,且可以更精确地获得SVM的最优参数。     

基于机器学习的盾构隧道地表沉降曲线智能预测方法

联合机器学习模型和启发式智能优化算法,提出盾构隧道开挖地表沉降曲线智能预测方法。首先,建立盾构隧道开挖数值分析模型,在考虑等代层弹性模量、土体弹性模量、隧道半径、土体摩擦角、黏聚力影响的基础上,构建了1 680组不同工况影响的地表沉降曲线数据库;然后,分析地层和衬砌力学参数、隧道几何参数对地表沉降曲线的影响规律,采用Peck函数对获得的地表沉降槽曲线进行拟合,获得对应工况下地表最大沉降和沉降槽宽度系数;最后,采用粒子群优化算法(particle swarm optimization, PSO)分别优化4种机器学习方法即多层感知机(multi-layer perceptron, MLP)、极限学习机(extreme learning machine, ELM)、随机森林(random forest, RF)和支持向量回归(support vector regression, SVR)的超参数或随机数,建立了4种盾构隧道开挖有限元模拟代理模型,预测了盾构隧道地表沉降曲线,并对模型的预测结果、预测误差和评价指标进行了对比分析,结果表明PSO-SVR模型在训练和测试过程中性能最佳。建立的盾构隧道地表沉降智能预测方法具有较高的计算精度及计算效率,能合理高效地预测地表沉降曲线分布规律。     

基于驾驶人视觉特性的换道意图识别方法

为改进现有换道辅助系统的工作效能,基于视觉特性分析,提出了一种对驾驶人换道意图进行有效甄别的方法。依托真实环境下的实车试验,提出以车辆横向位置与方向盘转角确定换道起始时刻,进一步基于换道前后视镜注视特性分析,确定驾驶人换道意图表征时窗为5s。依据车道保持阶段与意图阶段视觉特征参数的差异分析,构建驾驶人换道意图表征指标体系。引入证据理论,确定识别框架与证据链,基于广义汉明距离进行基本信任概率分配,对驾驶人换道意图进行多证据融合识别。结果表明,车道保持与意图阶段驾驶人视觉特性具有显著差异;基于视觉特性,运用证据理论可以有效识别驾驶人换道意图,且识别信度较高,时序性较强。     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

基于优化组合模型及重标极差法的岩溶隧道涌水量预测研究

为实现隧道涌水量的高精度预测,在查阅相关资料的基础上,以多种单项预测模型为基础,构建了隧道涌水量的优化组合预测模型.首先,利用遗传算法、粒子群算法和最小二乘法构建了多种单项优化预测模型;其次,在累加叠加和累乘叠加思路的基础上,提出利用整体组合权值和局部组合权值构建出改进后的组合预测模型,以实现隧道涌水量的逐步优化组合预...     

基于RF-LSTM组合模型的股票价格预测

股票数据具有非线性和复杂性等特点,单一模型预测效果不佳,针对此问题,提出一种RF-LSTM组合模型,用于预测股票的收盘价。首先,利用Tushare财经数据包获取股票数据,构建特征集,并对数据进行归一化处理;其次,考虑到多特征之间存在高度的非线性和信息冗余问题,利用随机森林(RF)选择最优特征集,降低数据维度和训练复杂度;最后,利用深度学习中适合处理时间序列的长短期记忆网络(LSTM)对股票价格进行预测,并对预测模型进行参数调优。结果表明,与单一结构的LSTM神经网络模型预测相比,本文提出的RF-LSTM组合模型预测的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别减小了13.11%,6.70%和12.54%。该组合模型可提高股票价格预测的准确性。