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.     

信号交叉口左转车干扰下的行人过街特性

针对无专用左转相位情况,研究了人行横道处左转车干扰下的行人过街特性,采用视频图像处理技术对行人过街过程的全时空信息进行提取,分析了行人过街过程中受到干扰后的轨迹和速度等参数的变化规律。在此基础上,将左转机动车干扰下出现的典型行人过街行为归类,分析左转机动车及绿灯时间共同作用下的行人过街特性,最后统计由于左转机动车对行人过街行为刺激而导致的行人干扰延误值变化状况,研究成果可为交叉口行人过街的信号配时和左转相位的设置等提供依据。     

基于风险预测的自动驾驶车辆行为决策模型

为了解决人工与自动驾驶汽车混行环境下无信号交叉口的通行权分配问题,提出基于驾驶员行为预测的自动驾驶汽车行为决策模型.利用模糊逻辑方法构建驾驶员的风险感知模型.基于风险均衡理论,结合可接受风险区间,预测人工驾驶汽车的行为选择策略.构建自动驾驶汽车的综合效用函数,利用博弈论求解最优行为策略组合,实现无信号交叉口车辆协同控制.仿真结果表明,面对异质驾驶员,自动驾驶汽车能够有效避免碰撞事故发生并提高自动驾驶汽车通过无信号交叉口的效率,保证驾驶员风险感知值处于可接受范围.在15组实验中,有93.3%的实验组能够保证车辆通过冲突点的时间差大于可接受的安全通行间隔时间,不同情景下自动驾驶汽车的通行时间是自由流状态的1.07～2.43倍.与无预测自私博弈模型的对比实验表明,所提模型能够显著提升自动驾驶汽车的通行效率.     

基于社会力模型的行人路径选择模型

为了研究路径选择行为对行人消散的影响,基于社会力模型,建立行人路径选择模型.从决策层和策略层两方面对行人路径选择行为进行建模,利用离散网格代表行人所有可能期望速度方向,建立每个离散网格的权重决策模型.通过对10×10房间内行人疏散进行仿真,得到行人消散时间随行人数目的变化规律.对比分析改进模型、实际数据和其他模型的数据,结果表明,行人路径选择行为能够有效提高行人的消散效率,加入路径选择模型后,改进模型得到了更加符合实际数据的速度-密度关系图.改进模型在行人密度大于1.4人/米²条件下具有更重要的意义.     

考虑双向行人跟随行为的社会力模型

为在行人仿真模型中更全面地反映行人特性,并研究跟随行为对双向过街行人的影响,本文建立了考虑跟随行为和冲突避让的行人过街社会力模型。研究了跟随特性对行人行走行为的作用,建立了行人的跟随行为模型、人行横道和信号灯对行人的作用力和冲突避让力模型,提出了改进的行人过街社会力模型。通过数值仿真分析了行人过街速度和可能事故数的变化规律,结果表明:设置跟随力有利于提高整体行人的过街速度和过街效率;冲突避让模型能有效降低行人的可能事故数。     

信号交叉口右转机动车轨迹特性

针对信号交叉口右转车辆与非机动车冲突问题,提出右转机动车轨迹特性分析方法.对比有无干扰条件下右转车辆轨迹穿越位置分布,分析无干扰情况下轨迹的影响因素,建立轨迹模型,对模型参数进行验证.对右转机动车受同向直行非机动车干扰和受侧向直行非机动车干扰这2种情况的轨迹穿越位置进行聚类,建立有干扰条件下右转车辆平均轨迹模型.结果表明,无干扰轨迹模型与其它模型相比拟合效果要好,平均预测误差在5%以内,满足精度要求;有干扰条件轨迹模型的最大平均相对误差为7.31%.