雾天高速公路交通事故的特征及与能见度的关系

 从全国雾天交通事故多发的10条高速公路路段中选取交通气象观测条件较好的4条路段作为研究对象，主要研究了雾天交通事故的特征，并通过雾天交通事故与能见度的关系分析，定量研究了交通事故在不同能见度区间的分布规律。与晴天交通事故相比，雾天交通事故后果更为严重，伤亡率明显增加。事故类型以撞固定物和刮擦为主。雾天事故中，肇事车辆为重型货车、中型货车和大型客车的比例比晴天增加。雾天事故的原因主要有在同车道行驶未按规定与前车保持安全距离、操作不当、低能见度下不按规定行驶。统计表明，雾天交通事故主要发生在秋冬季节的凌晨至早上时段，事故高峰期为早上7∶00左右，这与大雾日数的时间分布具有较高的一致性。70%~90%的雾天交通事故发生在能见度低于1 km的情况下，其中能见度低于100 m的区间内比例最高，为25%~50%。能见度低于1 km时，交通事故发生的概率密度随能见度增加而减小，尤其当能见度低于300 m时，交通事故发生的概率出现突发性增长，当能见度低于100 m，交通事故发生的概率密度增长到30%左右。根据交通事故在不同能见度区间的分布，将能见度对交通安全的影响划分为4个等级，实现了气象能见度到交通安全等级的转化，可为交管部门制定雾天交通事故防范对策，以及气象部门开展交通气象服务提供科学依据。     

融合改善型可行性检验模型的换道跟踪方法

现有的最小安全距离换道可行性检验模型通常默认周围车辆处于车道保持状态,且只考虑本车道和目标车道车辆对本车换道的影响,未讨论周围车辆处于车道变换状态或者相间车道车辆变道的影响。为建立更加安全、全面的换道可行性检验模型,实现安全自主换道,分析了车道变换的逻辑架构,重点研究了一种全面考虑周围（包括相邻车道和相间车道）车辆处于车道变换和车道保持状态的改善型换道可行性检验模型,保障车辆换道过程中不与周围车辆发生碰撞。使用基于模型预测控制（MPC）方法实现换道轨迹跟踪控制,设计仿真对比试验,通过PreScan和Simulink联合仿真对所研究的模型和方法进行验证。仿真结果表明提出的改善型换道可行性检验模型比对比模型更加安全高效,MPC控制方法的横向轨迹跟踪误差在1 cm以内,具有很高的跟踪精度。     

基于元胞自动机的事故交通流模型仿真

针对发生事故的双车道模型,考虑行驶车辆是否在事故车道以及距离事故的远近,分析不同区域的换道特点,建立双车道元胞自动机模型。在开放边界条件下,改变进口车辆的驶入率和事故的持续时间,得到了车流量和平均车速的变化曲线,结果表明,在发生交通事故时应缩短事故处理时间,并将入口车辆进入率降至一定值。     

基于轨迹数据的高速公路养护维修作业区车辆换道特性研究

为了确保高速公路养护维修作业区人车安全、科学制定交通组织和管控措施,基于无人机航拍行车风险区域内高质量交通流视频,提取车辆运行轨迹数据以研究车辆换道特性.为克服将开启转向灯作为车辆换道起始点的不合理之处,提出根据车辆运行轨迹线与车道线之间的几何关系确定车辆换道起始点、结束点的方法;提出利用行车风险区各车道换道频数、频率热力图描述换道起始点空间分布的方法;建立二次回归模型,刻画分车道的车辆换道长度与换道起始点的关系.研究结果表明:封闭车道上的车辆需要全部换道,可通行车道上部分车辆也存在换道行为,且距封闭车道越近受影响越大,车辆换道率越高;各车道车辆换道行为存在横向延迟扩散现象,距离封闭车道越远的可通行车道上车辆换道频率高的区域出现越晚;随着换道起始点越来越靠近工作区,行车风险区域内车辆换道长度呈下降趋势,并且距封闭车道越远的可通行车道上车辆换道长度下降越明显.     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

基于改进暗通道算法的雾天车辆偏离预警研究

针对在雾天工况下仅凭常规车道线识别方法无法准确提取车道线这一现状,给出了一种基于改进暗通道算法的雾天车道线识别算法.首先利用基于双边滤波器的暗通道算法对雾天工况下的图片进行去雾并对去雾图像进行亮度修正;然后利用Sobel算子和大津法得到包含清晰道路边缘的二值化图像;最后利用Hough变换对车道线精确提取.实验表明:该算法能够在雾天工况下对车道线进行准确、快速地识别;与常规算法相比,该算法具有更高的准确性和实时性,对于提高雾天车辆主动安全性具有较大意义.     

一种基于改进的弹性安全换道间距规则的元胞自动机模型

基于对STCA模型与F STCA模型的分析研究,结合车辆换道的实际状况,重新定义了换道风险度的概念,提出了一种更符合实际情况的改进的弹性安全换道间距规则,并进一步提出了基于该规则的双车道元胞自动机交通流模型.实验结果表明,该模型有益于提高道路资源利用率,同时在安全方面能够降低事故发生的可能性.     

基于微观换道的高速公路双车道出口辅助车道长度研究

为研究辅助车道长度确定的基本原理和合理长度,采用无人机航拍视频及YOLOv3目标检测算法提取双车道出口辅助车道路段车辆的原始轨迹数据,通过卡尔曼滤波和Frenet坐标系转换,得到了车辆微观换道特性和速度分布特征。以修正双曲正切函数换道模型拟合换道轨迹,左、右换道拟合优度分别为97.48 %、97.62 %。根据路段车辆运行和微观换道特性,建立了双车道出口辅助车道长度计算模型,将辅助车道划分为右换道段、反应段、等待段和左换道段4个组成部分。研究表明：出口辅助车道长度中最主要的影响因素是换道长度,其与行驶速度正相关,和《路线规范》相比,明确了辅助车道最小长度的计算原理,界定了辅助车道的范围,为设计中灵活运用提供了参考。     

基于暗通道的单幅图像雾天低能见度检测算法

针对传统能见度检测方法存在成本较高,需要人工标定等问题,提出了一种基于暗通道先验的单幅图像雾天低能见度检测算法.首先,基于暗通道先验得到图像透射率图,根据透射率图来初步判断图像是否处于低能见度范围;其次,计算图像三通道剩余能量比之间差异的加权平均值;最后,计算出图像能见度检测值.实验表明所提出的单幅图像雾天能见度检测算法能有效反映图像能见度.     

基于双车驾驶模拟的城市快速路驾驶人换道交互行为特征

为研究换道情境下换道车辆与目标车道后方车辆驾驶人间的交互行为,设计了城市快速路换道场景,搭建出双车驾驶模拟实验平台,招募40名驾驶人,开展了8种换道场景下的双车实验并进行驾驶风格问卷调查.基于换道阶段实验数据,分析对比了单、双车实验中两车驾驶人的交互行为特征和差异.利用多元Logistic回归模型,分析不同因素对换道交互决策的影响.结果表明：单、双车实验中,换道车辆和目标车道后方车辆的行为特征具有明显差异,从而验证了开展双车实验的必要性;不同的道路限速、换道方向、驾驶风格等因素下,两车驾驶人关键行为变量呈现差异性;道路限速、车辆初始速度、两车纵向位置差、横/纵速度差、纵向速度乘积等均对两车换道交互决策产生显著影响.     

建立安全换道域的换道决策与规划

局部路径规划强调在微观交通场景中输出一条可行驶路径,对每一离散时刻的路径点都要求有极高的安全性和舒适性。现有的局部路径规划方法中鲜有考虑路径曲率是否连续、路径起讫点约束等物理特性的基于安全换道域的换道决策与规划方法。本研究中对典型的换道场景建立了临界安全换道角模型,对无法演变为单障碍车换道场景的双障碍车换道场景建立了安全换道域。对比了几种常用换道路径,筛选出B样条曲线法作为局部路径规划方法,利用换道时间和换道路径平均曲率确定基于安全换道域的最优换道路径,并提出了基于安全换道域的换道决策,联合Simulink和PreScan计算平台在典型换道场景下实现了所提出的换道策略的仿真验证。结果表明,所提出的换道决策和换道路径规划能够实现本车的安全换道。     

基于车间通信的换道策略研究

针对道路交通系统中换道行为产生的干扰作用,提出了基于车间通信的两阶段车辆换道策略。基于NGSIM数据对普通车辆换道行为进行分析,建立两阶段换道模型。模型第一阶段考虑影响换道的六个影响因素,构建二元Logit模型,估计车辆换道概率;第二阶段利用安全条件确定车辆换道行为是否实施。对于互联车,在换道模型第一阶段考虑更加精确的实时交通状态信息,设计了对应的换道策略。通过数值模拟,分析不同换道策略对交通流的影响。结果表明,基于车间通信的换道模型考虑了本道和目标车道更多车辆的速度及位置信息,效用函数使得车辆的换道行为考虑了更大范围内平均车速和平均车距的因素,而不仅仅局限于最近邻范围内交通状态的局部效用,从而抑制了换道的频率及其产生的干扰,增加了道路交通系统的通行效率。     

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.      

基于形变长短期记忆网络的换道意图预测

混行交通下的自动驾驶车辆需具备换道意图预测能力来保障行驶安全。为尽早预测车辆换道意图,提出一种基于形变长短期记忆(mogrifier long short-term memory, M-LSTM)网络的换道意图预测模型。首先采用S-G (Savitzky-Golay)滤波器对自然驾驶数据集NGSIM(next generation simulation)进行降噪筛选,按向左换道、向右换道、直线行驶对不同时间长度的轨迹序列标注,选取车辆运动信息与环境信息输入模型,最后采用softmax函数进行意图分类。试验结果表明,在不同预判时间下,模型准确率均高于支持向量机(support vector machine, SVM)、LSTM模型,且越接近换道点预测准确率越高,在1.0、2.5 s时预测准确率分别为93.83%与81.30%。提出的模型具有良好的准确性与预判性,能为自动驾驶车辆尽早识别换道意图提供技术支持。     

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。     

事故接管场景下L3自动驾驶换道轨迹的评价和分类

为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性四个方面选取9个评价指标;采用熵权TOPSIS模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到SVM分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55%,平均精确率为79.52%,平均召回率为79.51%,平均F1值为77.43%。结果表明：应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类。得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考。     

微观仿真车道变换模型研究

利用模糊逻辑方法刻划建立在驾驶员知识和经验基础上的主观判断过程，设计了模糊推断的语言规则和基于模糊逻辑的车道变换算法，构建了微观交通流仿真的车道变换模型．采用不同流量条件下车辆换道次数的观测值与模拟值进行比较，验证了模型的有效性．     

信号交叉口可变导向车道上游检测器布设及触发条件研究

为提高设有可变导向车道的信号交叉口进口道车辆运行效率,使上游车队平滑过渡到进口道,对可变导向车道上游交通特性进行了分析,明确进口道上游车辆换道的主要区域及换道特性,为可变导向车道上游检测器的布设提供了依据. 同时,基于检测器数据的可变导向车道控制策略,提出检测器的触发条件及触发时间点的选取方法,通过VISSIM仿真和具体实例对给出的控制策略进行了验证,结果表明该方法可以提高信号交叉口的通行能力,并且提出的触发条件和触发时间点能够使进口道上游车辆平滑过渡到进口道.      

区域公路交通事故及高速公路交通事故特征

基于中国公路交通事故统计和当前交通安全面临的严峻形势，应用理论分析和统计对比的方法，从宏观角度分析了GDP、交通量和公路里程在不同区域对公路交通事故的影响，并有针对性地分析高速公路交通事故。认为高速公路交通事故具有重特大事故比率较高、尾随相撞事故比例大、受气候因素影响大、驾驶员和车辆性能是事故主要原因等基本特征。该研究结果可为制定公路交通事故预防对策提供理论依据。