基于深度强化学习的有轨电车信号优先控制

现有的有轨电车信号优先控制系统存在诸多问题, 如无法适应实时交通变化、优化求解较为复杂等. 本文提出了一种基于深度强化学习的有轨电车信号优先控制策略. 不依赖于交叉口复杂交通建模, 采用实时交通信息作为输入, 在有轨电车整个通行过程中连续动态调整交通信号. 协同考虑有轨电车与社会车辆的通行需求, 在尽量保证有轨电车无需停车的同时, 降低社会车辆的通行延误. 采用深度Q网络算法进行问题求解, 并利用竞争架构、双Q网络和加权样本池改善学习性能. 基于SUMO的实验表明, 该模型能够有效地协同提高有轨电车与社会车辆的通行效率.     

自动驾驶环境下交叉口车辆路径规划与最优控制模型

自动驾驶环境下的交叉口基于车车/车路之间的双向信息交互, 能保障自动驾驶车辆相互穿插与协作地通过交叉口, 而无需信号灯控制. 因此, 如何设计高效的面向自动驾驶车辆通行的交叉口管控模型, 已成为研究的热点. 已有研究在建模时, 均基于自动驾驶车辆在交叉口内部的行驶路径已知并作为模型输入, 且大多对交叉口内部的冲突点进行简化. 本文首先将交叉口空间离散化处理, 考虑车辆的实际尺寸并面向非常规交叉口, 使用椭圆曲线建立转弯车辆行驶路径的精确轨迹方程, 再通过外边界投影降维法建立轨迹方程和交叉口空间的映射关系. 建立了基于混合整数线性规划(Mixed integer linear programming, MILP)的自动驾驶交叉口管控模型, 以交叉口总延误最小为控制目标, 同时优化车辆在交叉口的最佳行驶路径和驶入时刻, 使用AMPL (A mathematical programming language)对模型进行编译并使用CPLEX求解器求解. 与经典感应控制和先到先服务模型进行对比, 结果表明, 本文所提出模型能对车辆进入交叉口的时刻和行驶路径进行双重优化, 显著降低自动驾驶车辆通过交叉口的车均延误, 提高交叉口空间的利用效率.     

基于混合整数规划的智能网联车冲突区时序优化模型

智能网联车的大规模应用为交通冲突区域的优化与管理提供了新的机遇和挑战.为保证冲突区域车辆的汇入安全,提高冲突区域车流的运行效率,引入优化时间区间的概念,以车辆平均延误为优化目标,车辆通过冲突区域的最小安全时间间隔为约束条件,构建车辆进入冲突区域时序的混合整数线性规划模型.为研究不同流量状态对模型结果的影响,设计不同流量场景的数值仿真实验.结果表明:与不优化时序相比,所提出的模型和算法能够有效地减少车辆的延误和油耗,且最大能够减少54.23%的车辆延误和34.36%的燃油消耗.     

基于改进蚁群优化算法的自动驾驶多车协同运动规划

当前面向多辆自动驾驶汽车的协同运动规划方法能有效保证运行车辆与障碍物及其他车辆之间避免发生碰撞并保持安全距离,但车辆间的在线协同与规划能力仍有待提升。为实现多辆自动驾驶汽车在运动过程中的协同控制,提出一种基于改进蚁群优化算法的多车在线协同规划方法。以空间协同与轨迹代价为优化目标,构造多目标优化函数,确保了多车行驶过程中的协同安全性与轨迹平滑性。将多目标优化函数引入蚁群优化算法的信息素更新过程中,根据自动驾驶车辆数量产生多个种群,使得种群之间相互独立的同时为每辆自动驾驶汽车规划可行路线。最终对蚁群优化算法中的挥发因子进行自适应调整,提升了算法全局搜索能力及收敛速度。实验结果表明,该方法能使多辆自动驾驶汽车在运动过程中保持协同控制并规划出无碰撞路线,相比于基于人工势场和模型预测的协同驾驶方法在复杂道路场景下车辆间的协同效果更好且适应性更强。     

基于WSN的路口交通信号控制设计

为了缓解道路交通拥堵,减少车辆延误,节约交通能源,控制车辆在交叉路口顺畅通行,提出了一种基于无线传感器网的智能交通信号控制设计。利用传感器节点收集的交通信息,结合多agent的西同方法,控制中心进行综合处理,在不同的时段采用不同的路口控制模式,调整各交叉路口的绿信比,协调干线各路口周期的确定和各路口之间的相位差,自适应地控制车辆通行时间。实现了交通信号灯的无线智能控制,从而提高车辆通行效率。实现交通信号控制的智能化、网络化。     

基于分布估计算法的单路口交通信号控制

针对遗传算法求解城市道路交叉口信号控制存在的主要问题,以四相位交叉路口为研究对象,建立了以信号周期内车辆延误总时间最短为目标函数,以各相位有效绿灯时间为控制变量的单路口交通信号优化模型.并分别以整数编码的PBIL算法和实数编码的EMNA算法两种典型分布估计算法求解单路口交通信号优化问题.仿真结果表明,与传统遗传算法相比,两种分布估计算法均可用更小的种群规模快速高效地求得最优解.     

信号灯控制的多阶段决策模型及其前向动态规划算法

为研究路口交通信号灯的实时最优控制问题,提出一种以最小化等待时间为目标的多阶段决策模型.该模型利用最短绿灯和红灯时间的结构特征,通过合理选择系统状态和控制变量压缩了模型规模,进而提出了前向动态规划算法以高效得到最优解.数值实验显示,对比于固定时长的周期性控制可以节省路口车辆的等待时间;对比基于混合整数规划的求解方法,可以提高求解效率,满足实时控制的要求.     

基于信号灯状态的燃油最优车速规划与控制

基于车联网（Vehicular ad hoc networks,VANETs）进行车辆和信号灯的协同控制是下一代智能交通系统（Intelligent transportation systems,ITSs）中非常重要的核心技术之一.本文提出了一种预测信号灯信息的车辆低油耗环保驾驶控制系统.首先,根据道路信息和牛顿第二定律建立车辆动态模型,根据系统测量的信号灯状态信息,获得车辆避免刹车情况下通过前方信号灯的参考速度.然后,结合基于油耗模型和速度跟踪的综合优化指标,运用模型预测控制（Model predictive control,MPC）方法计算车辆的最优控制输入,并利用Laguerre函数方法对MPC问题进行求解.仿真表明,该系统可减少路口不必要的停车和刹车操作,节约燃油.     

动态物理拓扑下基于CPS的混合交通牵制控制

随着自动驾驶技术的发展,传统人驾车与自动驾驶车将在一段时间内共存,形成一类新型混合交通.网联自动车的出现为车辆协同行驶提供了新的控制手段,传统的混合交通效率优化控制方法更多地立足于宏观流量的控制或小群体的局部优化, CAV对交通优化作用的潜能还有待开发.鉴于此,首先给出混合交通的信息物理描述,揭示混合交通物理拓扑的动态性;然后提出一种动态物理拓扑下基于CPS的混合交通牵制控制方法,该方法通过调节网联自动车的行驶状态,间接影响、诱导和控制交通中存在的传统人驾车,从而优化整个交通系统.基于Matlab的仿真实验验证了所提出方法的有效性,而基于SUMO的仿真实验表明所提出的牵制控制方法在更真实的场景下依然适用.     

交通信号控制中的延误计算与分析

本文重点在于研究信号交通控制中的车辆延误计算问题.分析了交通信号与延误相关参数之间的关系,并给出了一种延误计算的方法.     

General fight rule-based trajectory planning for pairwise collision avoidance in a known environment

This paper presents a general flight rule-based autonomous trajectory planning scheme for two aerial vehicles to avoid obstacles and collisions in known environments in low-altitude airspace for general aviation. Flight rules in low-altitude airspace are first introduced based on the general flight rules in US, UK and China, and then the suitable flight rules are embedded into the trajectory planning algorithm. It is supposed that the flight parameters, such as positions and velocities, are all available to the aerial vehicles involved in the possible conflict. Then the trajectory of each aerial vehicle is calculated by optimizing an objective function, such as distance and fuel consumption, with the constraints corresponding to the airspace traffic rules. The optimization problem is solved by receding horizon control (RHC) based mixed integer linear programming (MILP). Compared with other collision avoidance algorithms, the proposed algorithm can be adapted to plan the autonomous trajectory to avoid pairwise collision and obstacles as proposed general flight rules. Simulations show the feasibility of the proposed scheme.     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模...     

基于运输成本的高速公路车辆协同调度与速度规划

针对路网中大规模的货运车辆,给出一种新的综合油耗成本与时间成本的车辆协同调度方案,以便在最大化节约运输成本的前提下解决车队的协调优化问题.首先,建立基于油耗成本和时间成本的车辆运输成本模型,通过微调部分车辆的速度与路径,循环计算任意两辆车组队行驶的运输成本节约率,将符合组队条件的车辆构造为车辆组队协调图;然后,采用一种基于中心聚类划分的算法将车辆的组队问题转化为聚类求解问题,求解出节约运输成本最大化的领头车,使其在公共路段组成车队行驶;最后,考虑道路坡度及速度限制等条件,采用基于空间采样的动态规划方法对合并车辆的速度进行优化,从而进一步降低车辆的运输成本.仿真结果验证了所提出的优化方案及求解思路的可行性和有效性.     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

Speed planning and energymanagement strategy of hybrid electric vehicles in a car-following scenario

The development of intelligent connected technology has brought opportunities and challenges to the design of energy management strategies for hybrid electric vehicles. First, to achieve car-following in a connected environment while reducing vehicle fuel consumption, a power split hybrid electric vehicle was used as the research object, and a mathematical model including engine, motor, generator, battery and vehicle longitudinal dynamics is established. Second, with the goal of vehicle energy saving, a layered optimization framework for hybrid electric vehicles in a networked environment is proposed. The speed planning problem is established in the upper-level controller, and the optimized speed of the vehicle is obtained and input to the lower-level controller. Furthermore, after the lower-level controller reaches the optimized speed, it distributes the torque among the energy sources of the hybrid electric vehicle based on the equivalent consumption minimum strategy. The simulation results show that the proposed layered control framework can achieve good car-following performance and obtain good fuel economy.     

Motion planning of autonomous vehicles in a non-autonomous vehicle environment without speed lanes

Planning is one of the key problems for autonomous vehicles operating in road scenarios. Present planning algorithms operate with the assumption that traffic is organised in predefined speed lanes, which makes it impossible to allow autonomous vehicles in countries with unorganised traffic. Unorganised traffic is though capable of higher traffic bandwidths when constituting vehicles vary in their speed capabilities and sizes. Diverse vehicles in an unorganised exhibit unique driving behaviours which are analysed in this paper by a simulation study. The aim of the work reported here is to create a planning algorithm for mixed traffic consisting of both autonomous and non-autonomous vehicles without any inter-vehicle communication. The awareness (e.g. vision) of every vehicle is restricted to nearby vehicles only and a straight infinite road is assumed for decision making regarding navigation in the presence of multiple vehicles. Exhibited behaviours include obstacle avoidance, overtaking, giving way for vehicles to overtake from behind, vehicle following, adjusting the lateral lane position and so on. A conflict of plans is a major issue which will almost certainly arise in the absence of inter-vehicle communication. Hence each vehicle needs to continuously track other vehicles and rectify plans whenever a collision seems likely. Further it is observed here that driver aggression plays a vital role in overall traffic dynamics, hence this has also been factored in accordingly. This work is hence a step forward towards achieving autonomous vehicles in unorganised traffic, while similar effort would be required for planning problems such as intersections, mergers, diversions and other modules like localisation.