考虑驾驶风格的车辆换道行为及预测模型

车辆换道过程对交通安全和交通拥堵有重要影响,为了获得不同驾驶人的换道行为特性,考虑了车辆换道过程中驾驶人的因素,利用SPSS对问卷调查的结果进行主成分分析,采用K-均值聚类方法对驾驶风格进行量化,将驾驶人分为激进型和保守型两种类型,再利用时间对数模型提出了驾驶风格值变量。对两组类型驾驶人进行换道试验,获得了不同风格驾驶人换道时间和换道纵向距离等换道特性的试验数据,并建立了考虑驾驶风格的车辆换道时间预测模型;基于预测的换道时间以及换道车辆转向角与驾驶风格值变量、速度之间的关系,结合车辆运动学模型,建立了车辆换道纵向距离预测模型,并将预测结果与实际换道数据进行了对比分析,结果表明,本研究提出的预测模型准确率较高。研究结果表明,激进型驾驶人在换道过程中其行为较为激进,换道时间较短,换道距离较短;所建立的预测模型可以较准确地预测和解释驾驶人的换道行为。     

基于效用理论的车辆换道交互行为及决策模型

研究分析道路交通环境下的车辆换道交互行为,客观反映车辆微观行为特性及宏观车流运行规律。通过分析车辆换道微观驾驶行为,构建Logit模型定量分析驾驶人换道行为决策过程,基于“效用理论”思想,实现驾驶人决策效用最大化。选取青岛市杭鞍快速路实际交通流为研究背景,标定模型相关参数;进一步仿真验证了分层Logit模型的准确性。研究成果可为智能网联交通环境下的车车交互、车路协同和自动驾驶系统提供理论支撑和方法依据。     

基于分层logit模型的车辆换道行为研究

研究分析复杂交通场景中车辆换道行为,揭示车辆运行特性及其规律。基于效用理论方法,以实现驾驶行为决策效用最大化为目标,建立车辆换道分层Logit模型。系统分析影响车辆行为变化的因素,建立各层次参数变量相关模型。仿真分析表明:较一般的车辆行为模型,车辆换道分层Logit模型更能准确地描述实际交通场景中车辆换道的行为决策过程,有效提高车辆运行效率。研究结果为智能车路协同与交互行为、车辆可变限速技术、自适应巡航控制技术等提供理论依据和技术支撑。     

网联自主车辆协作换道行为博弈特性及模型

为了更加深入了解在车联网环境下车辆之间的动态交互博弈关系,基于自动驾驶车辆换道存在协作交互决策的自主特性,建立了网联自主驾驶车辆的协作换道行为模型。协作换道行为模型将换道决策过程的交互博弈时间作为换道的主要安全影响因素,速度收益作为换道博弈优化目标,运用SUMO仿真对比分析传统换道模型与协作博弈换道模型。仿真结果表明,协作博弈换道模型具有更好的速度收益、安全性和稳定性。异质车群中的网联自主车辆存在协作换道行为特性,博弈换道模型科学地表征了换道动态博弈过程,且具有很好的稳定性。     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

车道变换过程中驾驶人操作和注视行为

针对实际道路自然换道过程中驾驶人的操作与注视行为,搭建了自然换道行为测试车。利用眼动仪和车辆运动状态传感器,在城市道路环境中对20名驾驶人进行了实际道路自然驾驶试验,获取了换道过程中驾驶人操作与车辆运动状态数据;并对熟练驾驶人和非熟练驾驶人的换道数据进行了分析。研究结果表明:换道时驾驶人普遍不按照操作规范提前开启转向灯,且非熟练驾驶人比熟练驾驶人的开启时间要早;换道过程中车速呈现减速-加速-稳速的趋势,但熟练驾驶人的速度曲线更加平滑;换道开始阶段,熟练驾驶人和非熟练驾驶人对目标车道的注视所占百分比分别为70%和85%,而在调整阶段非熟练驾驶人比熟练驾驶人要高出20%;换道过程中,熟练驾驶人的注视行为更加灵活,同时处理较多任务的能力要优于非熟练驾驶人。     

地下道路横断面对驾驶行为的影响

基于8自由度的驾驶模拟器研究了地下道路车道宽度、车道位置、侧向净宽对驾驶行为的影响.受试者在一条单向三车道的地下道路场景中进行了试验.试验结果表明车道宽度和侧向净宽对车速、偏移及主观感知都有影响,而车道宽度的影响更为显著.不同车道上,驾驶行为表现出与驾驶人的主观感知不一致.基于横向偏移状态分析了不同条件下的行车安全性,并为地下道路设计车速、车道宽度、限速、车道组合等方面提出了建议.     

考虑驾驶风格的高密度立交群出入口车辆驾驶风险研究

为分析不同驾驶风格驾驶人车辆的驾驶风险,在重庆内环快速路开展了高密度立交群实车驾驶试验,使用车载仪器采集车辆行驶轨迹、速度等运行参数,通过因子分析和聚类分析等方法,提取车辆速度、加速度和横向位移等参数,以此为依据将驾驶风格分为三个类型,即保守型、常规型和冒险型。通过车辆驶离和汇入主线过程中的轨迹偏移,分析了不同驾驶风格的行车轨迹特征,结果表明：冒险型驾驶人的轨迹偏移高于其余2种驾驶风格的驾驶人,且轨迹偏移的分布较为分散;在驶离/汇入主线时,冒险型驾驶人所需要的换道时间更短、换道起始位置更靠前、换道频次也多于另外2 种驾驶风格;以速度波动和加速度波动作为驾驶风险评价指标,两者大小均是冒险型＞常规型＞保守型;利用熵权法确定指标权重并得到驾驶风险率,将其按照不同驾驶风格分类,结果表明：在主线出口位置,呈现明显的分布特征,即冒险型＞常规型＞保守型,而在主线入口位置,冒险型与常规型的驾驶风险率大小相差无异,但冒险型驾驶人分布更加离散。分析不同驾驶风格驾驶人的驾驶风险率,有助于提高驾驶人的行驶安全性。     

跟驰行为对道路通行能力的影响分析

驾驶人的驾驶经验差异不仅导致跟驰行为的差异,也对道路通行能力产生影响。将试验车采集的跟驰数据按非专业、专业驾驶人和二车道、三车道车道数分为四类,将观测数据按相关公式转换成所需数据。从数据的速度分布情况发现车道数的增加削弱了两类驾驶人的差异,对两种车道数情况下的车辆间距进行双样本K-S检验发现两类驾驶人的车辆间距在0.05水平下具有显著差异,进一步提出基于速度的驾驶人修正因子f并标定。得出以下结论:基于速度的驾驶人修正因子可以有效的将计算得到的道路通行能力进行合理修正;车道数相同情况下,驾驶人的驾驶经验与影响通行能力的程度成负相关,但车道数的增加会增加驾驶经验的影响程度。     

速度差影响下混合驾驶交通流动态特性分析

为分析自动驾驶车辆(AV)与人工驾驶车辆(HV)之间存在速度差时对混合驾驶交通流动态特性的影响,选取智能驾驶员模型(IDM)和协同自适应巡航控制(CACC)模型分别对HV和AV跟驰行为进行建模,采用MOBIL换道模型对换道行为进行建模.以单向两车道路段为场景,仿真分析了不同AV渗透率下速度差对混合驾驶环境交通流基本图的...     

城市环境下无人驾驶车辆驾驶规则获取及决策算法

城市道路多源信息环境下换道行为决策是无人驾驶车辆实现实际道路行驶的关键技术之一.为提取复杂动态环境下驾驶员的换道决策规则,利用PreScan软件搭建虚拟城市道路环境,基于Simulink建立6自由度车辆动力学模型,采用粗糙集提取驾驶员换道行为决策规则.结果表明本车与当前车道车辆的相对速度维持在4~7 m/s、相邻车道空间距离在20~35 m时驾驶员就会进行换道决策.研究结果可以为无人驾驶车辆在线机器学习提供规则知识库,并为进一步深入研究换道行为不确定决策提供理论基础.      

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。     

常见驾驶行为下驾驶人注意力分配特征

为了获得驾驶人在常见驾驶行为下的注意力分配特征,借助驾驶模拟器采集特定交通流下的驾驶人眼动数据,利用注视时间和视觉信息搜索范围表征驾驶人注意力分配;分析不同驾驶行为下的驾驶人注意力分配特征,并探究来自不同方向的交通流对驾驶人注意力分配的影响。结果表明:驾驶人对前方正中心总是给予足够多的关注;自由流条件下,车辆转弯或换道时,驾驶人对正中心的关注下降,对转向一侧的关注增加,并且搜索范围由远处向近处转移;车辆沿曲率缓和的道路行驶时,交通流出现对驾驶人注意力分配的影响较小,而在转弯或换道时,交通流出现会对驾驶人注意力分配产生较大影响。     

网联异质车群的自主换道行为及动力学建模

道路上行驶的网联异质车流,存在着网联自主驾驶汽车（Connected Autonomous Vehicles, CAVs）和人工驾驶汽车(Human-driven vehicles, HVs)的复杂交互耦合关系。传统的交通优化模型着重于均匀化网联车辆的运行速度,缺乏对网联车辆自主换道和主动礼让行为的考虑。为引导CAV自主变道决策和让行行为,挖掘其自主行为的动力学特性,运用系统动力学建立车车交互行为模型,判断CAVs所处的空间阈值,控制瓶颈区CAVs的目标巡航速度,调节瓶颈区道路车辆密度,提高异质车流通行效率。采用Matlab数值仿真,验证分析面向CAV自主决策行为的动力学模型,结果表明:相较于传统的交通优化模型,加入符合换道条件和让行条件下的CAVs自主行为因素后,交通瓶颈区车辆平均延误以及瓶颈区排队长度均减少约20%,其中停车延误可减少约40%。网联异质车流中车车交互行为特性及自主决策行为动力学模型可为提高异质车流在瓶颈区的高效运行提供理论基础。     

基于自然驾驶数据的高速公路出口换道决策模型

为研究高速公路出口换道行为特性,分析驾驶员换道决策机理,依托上海自然驾驶实验所采集的驾驶行为样本和车辆运行参数,采用Google Earth标定行驶路径及高速公路出口范围以筛选出口样本,并根据车道偏移参数和方向盘转角识别换道行为;以单向4车道高速公路为例,综合考虑行驶路径信息和交通流环境,基于随机效用理论,采用Binary Logit(BL)模型拟合构建换道决策模型,得到车道效用函数;基于效用函数作出高速公路出口范围内在自由流、稳定流和拥挤流水平下的分车道效用分布图,并进行同质性和异质性分析.结果表明,换道决策模型准确率达到86.21%,各变量影响均可得到合理解释;根据效用分析,出匝车辆的换道行为是出匝意愿与通行环境改善需求两方面平衡的结果,兼有强制性换道与自由性换道的行为特性,且随着交通流状态由自由流过渡到拥挤流,后者影响逐渐增强,表现为上游向左换道行为趋于活跃、下游向右换道位置接近出口.     

基于参数描述的换道场景自动驾驶精确决策学习

为提高车辆驾驶安全性并充分考虑人类驾驶员对于自动驾驶控制系统的接受度,研究并实现了自动驾驶车辆在换道场景下的精确决策学习。汽车自动驾驶不仅需要决策是否换道,还需要决定汽车的具体微观行为,如换道时间和期望加速度的确定等,因此,车道变换的精确决策需使用3个参数来描述,并需要通过强化学习求解。这种基于参数精确决策的合理性体现在两个方面：首先是不同的决策参数值会影响规划的轨迹,如果决策不精确,将产生运动的不确定性;其次是基于真实交通数据（NGSIM）的分析,因为人类换道行为在换道时间和期望加速度上存在显著的差异性,在当前的决策研究中很少被明确考虑。此外,发现NGSIM数据中存在一些潜在的紧急情况,可以通过优化部分决策参数来提升其安全性;在强化学习算法的设计中,动作过程中加入换道时间和期望加速度;奖励函数考虑了安全性、当前驾驶员的意愿和平均人类驾驶风格;问题求解中,自定义了基函数,并通过基于核函数的最小二乘策略迭代强化学习方法学习精确的安全决策行为。仿真结果表明,使用强化学习参数决策可以实现更精确的决策,从而提高安全性能,并可在变道场景中模仿人类驾驶员的行为。     

基于元胞自动机的双车道环岛交通流特性研究

针对以元胞自动机模型模拟单车道环岛交通行为推断多车道环岛交通流特性的局限性,通过分析双车道环岛上车辆在自由流下的期望行驶路线、在非自由流下的期望换道临界位置和极限位置,描述双车道环岛上车辆的换道决策,建立双车道环岛的元胞自动机模型。数值模拟分析结果表明:环岛总延误时间与环岛限速、车辆驾驶员熟练程度以及车辆左转概率有关,同时也受环岛周长的影响;在其他因素不变的情况下,若环岛周长越小、车辆限速越大、车辆左转概率越小以及驾驶员熟练程度越高,则环岛总延误时间越小。     

考虑驾驶人换道意图的车道偏离预警系统

 为降低基于机器视觉车道偏离预警系统的误警率,提出一种考虑驾驶人换道意图的车道偏离预警系统。运用SteerableFilter 方法对所采集的道路图像信息进行滤波,运用局部搜索区域法提取车道线参数,运用基于图像信息的识别方法检测车辆的车速、转向信号、车道偏离状态以及驾驶人的头部动作状态,判断驾驶人的换道意图,建立了车道偏离预警的决策算法及系统。应用Matlab 软件对实车采集得到的视频进行算法验证和系统仿真试验,结果表明,提出的车道偏离预警决策算法是可行的,该预警系统将有意识与无意识的车道偏离区分开,从而能有效屏蔽在驾驶人有意识偏离车道时的误报警,具有更高的可靠性。     

应用于换道预警系统的潜在危险目标辨识算法

针对换道预警系统中的潜在危险目标辨识问题,搭建了车辆运动状态监测试验车,获取了多名被试驾驶人在实际道路上的自然驾驶数据。采用车速与车身横摆角速度建立了道路曲率估算模型,选取车道线作为模型的参考对象,提出了基于车道线的车辆之间位置关系辨识模型,来确认换道预警系统的潜在危险目标。研究结果表明:曲率估算模型误差较大,计算曲率极值的相对误差达到了10.2%,但车辆之间车道关系辨识模型能够准确辨识出潜在危险目标,对其他车辆换道过程的横向越线时间计算精度优于0.1s;当曲率估算相对误差达到28.4%时,相对车道关系辨识算法依然能够准确识别出其他车辆所处的车道信息。     

基于驾驶模拟实验的驾驶风格对高速公路换道行为的影响

为考察不同驾驶风格驾驶员在高速公路上的换道行为,对36名驾驶员进行了驾驶模拟实验研究和问卷调查.采用K-中心聚类方法将驾驶员分为谨慎型、普通型和激进型.基于驾驶模拟实验所得的134次换道过程记录,提取了换道频次、持续时间、平均速度、横向加速度峰值、与前车相对距离以及碰撞时间等数据,并采用单因素方差分析方法对这些数据进行对比分析.结果表明:不同风格驾驶员换道行为存在显著差异;随着谨慎程度的增加,换道频次和换道平均速度降低,车间相对距离和碰撞时间均增大,从而提升了换道过程的安全性.研究结果可提升交通仿真软件中换道行为模型的精细化程度,并为驾驶人层面交通安全政策的制定提供参考.