CN107507408B - 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法 - Google Patents

一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法 Download PDF

Info

Publication number
CN107507408B
CN107507408B CN201710606734.8A CN201710606734A CN107507408B CN 107507408 B CN107507408 B CN 107507408B CN 201710606734 A CN201710606734 A CN 201710606734A CN 107507408 B CN107507408 B CN 107507408B
Authority
CN
China
Prior art keywords
vehicle
lane
following
changing
lane change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710606734.8A
Other languages
English (en)
Other versions
CN107507408A (zh
Inventor
赵敏
孙棣华
郑林江
王玄金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liyang Smart City Research Institute Of Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201710606734.8A priority Critical patent/CN107507408B/zh
Publication of CN107507408A publication Critical patent/CN107507408A/zh
Application granted granted Critical
Publication of CN107507408B publication Critical patent/CN107507408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种考虑前车换道汇入过程的跟驰行为建模方法，包括S1提取车辆换道汇入目标车道过程中该换道车辆、目标车道后车、目标车道后车前方车辆的交通数据；S2判断换道汇入车辆换道刺激类型；S3基于遗传算法的建模基本参数标定；S4驾驶员激进系数识别；S5输出下一时刻目标车道后车的跟驰速度。本发明在经典跟驰行为模型FVDM模型基础上，考虑相邻车道前车换道汇入时对目标车道后车形成的三种不同程度的换道刺激，引入考虑驾驶员竞争系数与换道车辆横向位移结合的竞争水平函数，以合理反映前车换道行为对后车跟驰行为的影响，有效提高跟驰行为建模方法的适应性。

Description

一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模 方法
技术领域
本发明属于智能交通领域，尤其涉及适用于双车道自动驾驶系统中的车辆纵向跟驰行为决策模型，进一步涉及一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法。
背景技术
车辆的跟驰行为主要描述单车道上超车受限条件下，因前车运动状态的变化而引起的后车反应，是驾驶员最为基本的驾驶行为之一。跟驰行为模型是揭示宏观交通流形成机理的理论基础，其在交通仿真、交通管控、交通安全评价、交通设计与规划等领域有着广泛的应用，对交通组织与拥堵治理具有重要的现实意义。
跟驰行为建模方法的不断完善，为把握真实交通流的运行机理提供了坚实的理论基础。从跟驰行为建模方法的切入点来看，多是以前车或多个前车的纵向运动状态信息为依据，建立融合多种信息的跟驰行为模型。然而，真实交通流中，相邻车道前车为了获取目标车道更大的行驶空间，或者出于路径规划需要，换道汇入目标车道的行为时有发生，且该换道过程持续一定的时间。在相邻车道前车换道汇入目标车道的过程中，目标车道后车应该如何调整其跟驰状态，现有的跟驰行为建模方法尚不能合理描述。
发明内容
有鉴于此，本发明的目的是提供一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法，合理反映前车换道汇入行为对后车跟驰行为的影响。
本发明的目的之一是通过以下技术方案来实现的，一种考虑前车换道汇入过程来确定后车的跟驰加速度方法，包括：
步骤S1、当前车道l上编号为n的车辆
Figure BDA0001358546250000011
获取相邻车道前车
Figure BDA0001358546250000012
的转向信息，确定相邻车道前车的换道开始时间ts，其中n为车辆编号，l为车道编号；
步骤S2、获取ts时刻后车
Figure BDA0001358546250000013
与换道前车
Figure BDA0001358546250000014
的纵向间距差
Figure BDA0001358546250000015
的速度
Figure BDA0001358546250000021
的速度
Figure BDA0001358546250000022
依据公式(1)判别
Figure BDA0001358546250000023
的换道类型：
Figure BDA0001358546250000024
其中：gs为后车驾驶员与前车保持的期望间距；tlc为换道预计持续时间；
Figure BDA0001358546250000025
为换道开始时预计换道结束时刻的间距，
Figure BDA0001358546250000026
分别为换道期间车辆
Figure BDA0001358546250000027
纵向移动的距离，有
Figure BDA0001358546250000028
amax为车辆允许的最大加速度，Typesti 为换道车辆对后车形成的刺激类型，其中Typesti＝1为自由换道刺激、Typesti＝2为竞争换道刺激、 Typesti＝3为强制换道刺激。
根据权利要求1所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：
若Typesti＝1，则在经典跟驰行为模型FVD模型基础上，得到后车的跟驰加速度为：
Figure BDA0001358546250000029
其中：α、κ为常数，分别为后车驾驶员的反应系数和对速度差的敏感系数；V(Δx)为优化速度函数；
若Typesti＝2，则可得到后车的跟驰加速度为：
Figure BDA00013585462500000210
其中：
Figure BDA00013585462500000211
为后车的竞争水平函数，r为车辆
Figure BDA00013585462500000212
驾驶员激进系数(r∈[0,1])，H(·)为Heaviside函数，Δhl+1,l为换道车辆偏离车道边线的距离，Δhmax为离车道线最大距离；
若Typesti＝3，则可得到后车的跟驰加速度为：
Figure BDA00013585462500000213
本发明的目的之二是通过以下技术方案来实现的，一种考虑前车换道汇入过程的跟驰行为建模方法，包括
S1提取车辆换道汇入目标车道过程中该换道车辆、目标车道后车、目标车道后车前方车辆的交通数据；S2判断换道汇入车辆换道刺激类型；S3基于遗传算法的建模基本参数标定； S4驾驶员激进系数识别；S5输出下一时刻目标车道后车的跟驰速度。
根据权利要求3所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：所述提取车辆换道汇入目标车道过程中该换道车辆、目标车道后车、目标车道后车前方车辆的交通数据包括：S11识别换道行为；S12提取换道时间；S13提取换车车辆及目标车道前、后车数据。
进一步，所述判断换道汇入车辆换道刺激类型具体为：获取ts时刻目标车道后车与换道汇入车辆的纵向位置、纵向速度，计算换道开始时的纵向间距差
Figure BDA0001358546250000031
通过换道开始时间ts、换道结束时间te，得到换道持续时间tlc；通过
Figure BDA0001358546250000032
计算换道结束时的纵向间距差
Figure BDA0001358546250000033
最后依据公式(1)判别换道汇入车辆对目标车道后车形成的换道刺激类型；
Figure BDA0001358546250000034
其中：gs为后车驾驶员与前车保持的期望间距；tlc为换道预计持续时间；
Figure BDA0001358546250000035
为换道开始时预计换道结束时刻的间距，
Figure BDA0001358546250000036
分别为换道期间车辆
Figure BDA0001358546250000037
纵向移动的距离，有
Figure BDA0001358546250000038
amax为车辆允许的最大加速度；Typesti为换道车辆对后车形成的刺激类型，其中Typesti＝1为自由换道刺激、Typesti＝2为竞争换道刺激、Typesti＝3为强制换道刺激。
进一步，若Typesti＝1，则在经典跟驰行为模型FVD模型基础上，得到后车的跟驰加速度为：
Figure BDA0001358546250000039
其中：α、κ为常数，分别为后车驾驶员的反应系数和对速度差的敏感系数；V(Δx)为优化速度函数；
若Typesti＝2，则可得到后车的跟驰加速度为：
Figure BDA0001358546250000041
其中：
Figure BDA0001358546250000042
为后车的竞争水平函数，r为车辆
Figure BDA0001358546250000043
驾驶员激进系数(r∈[0,1])，H(·)为Heaviside函数，Δhl+1,l为换道车辆偏离车道边线的距离，Δhmax为离车道线最大距离；
若Typesti＝3，则可得到后车的跟驰加速度为：
Figure BDA0001358546250000044
进一步，在所述基于遗传算法的建模基本参数标定步骤中，利用NGSIM数据集中的无换道车辆轨迹数据，采用遗传算法对优化速度函数V(Δx)＝V1+V2tanh[C1(Δx-lc)-C2]中的速度参数V1、V2，常数C1、C2，车辆长度lc及驾驶员反应系数α和敏感系数κ进行参数标定。
进一步，在所述驾驶员激进系数识别步骤中，采用跟车时距及最小跟车时距相结合的方法来反映驾驶员在驾驶过程中的激进系数，其中跟驰时距A1(u)和最小跟驰时距A2(v)的隶属度函数分别为：
Figure BDA0001358546250000045
Figure BDA0001358546250000046
u为车辆跟车时距小于1秒占该车所有跟车时距的比例；v为最小跟车时距。
进一步，采用r＝ψA1(u)+ζA2(v)来计算驾驶员的激进系数。
进一步，所述输出下一时刻目标车道后车的跟驰速度，具体为：以NGSIM换道轨迹数据中当前时刻的运动状态为输入，依据步骤S2得到的换道刺激类型，使用步骤S3、S4得到的建模参数，对应选用公式(2)-(4)输出采用FVD建模方法得到的后车跟驰速度。
由于采用了上述技术方案，本发明具有如下的优点：
本发明在经典跟驰行为模型FVDM模型基础上，考虑相邻车道前车换道汇入时对目标车道后车形成的三种不同程度的换道刺激，引入考虑驾驶员竞争系数与换道车辆横向位移结合的竞争水平函数，提出一种考虑相邻车道前车换道汇入过程的跟驰行为建模方法，以合理反映前车换道行为对后车跟驰行为的影响，并通过将跟驰行为建模方法扩展到有换道行为发生时的复杂交通流中，有效提高跟驰行为建模方法的适应性。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为考虑前车换道汇入过程的跟驰行为建模方法总流程图；
图2为建模取不同竞争水平R下交通流的稳定区域图；
图3为双车道交通流密度-流量基本关系图；
图4为后车驾驶员竞争系数直方图；
图5为自由换道刺激时不同模型输出速度效果对比图；
图6为竞争换道刺激时不同模型输出速度效果对比图；
图7为强制换道刺激时不同模型输出速度效果对比图。
具体实施方式
以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
本发明公开一种考虑前车换道汇入过程来确定后车的跟驰加速度方法，合理反映前车换道驶离行为对后车跟驰行为的影响。
为实现上述目的，一种考虑前车换道汇入过程来确定后车的跟驰加速度方——包括以下步骤：
步骤S1、获取当前车道l上编号为n的车辆
Figure BDA0001358546250000051
与当前车道前车
Figure BDA0001358546250000052
的横向偏移距离ΔWn,n+1，其中n为车辆编号，l为车道编号；
步骤S2、随着前车
Figure BDA0001358546250000053
逐步偏离
Figure BDA0001358546250000054
前方到达目标车道，
Figure BDA0001358546250000055
前方的行驶空间被逐步放大。因此，引入间距增益因子G(ΔWn,n+1)来反映这一放大作用，其定义见公式(1)：
Figure BDA0001358546250000061
ΔWn,n+1为换道车辆
Figure BDA0001358546250000062
在当前车道最大的横向偏移距离；ρ越大为驾驶员的竞争系数。
当ΔWn,n+1＝0时，即车辆还未开始实施换道，此时，
Figure BDA0001358546250000063
的前方行驶空间无放大作用， G(ΔWn,n+1)＝0；
当ΔWn,n+1＝ΔWmax时，即车辆即将离开当前车道，此时，
Figure BDA0001358546250000064
的前方行驶空间最大，G(ΔWn,n+1)＝1；
当0＜ΔWn,n+1＜ΔWmax时，为了避免在ΔWn,n+1＝ΔWmax时，前方的行驶空间被其他车道前车利用，随着横向偏离距离ΔWn,n+1的增加，后车对与换道前车存在的间距差越敏感，对间距差的反应越大，G(ΔWn,n+1)越大，以保证在换道前车到达目标车道后，后车能及时利用增加的行驶空间改善自身状态。
步骤S3、在经典跟驰行为模型FVD(Full Velocity Difference，全速度差)模型基础上，引入前车换道时产生的间距增益因子，得到前车换道驶离时后车的跟驰加速度为：
Figure BDA0001358546250000065
Δxn,n+1、Δvn,n+1分别为后车
Figure BDA0001358546250000066
与换道前车
Figure BDA0001358546250000067
的纵向间距和速度差；Δxn,n+2、Δvn,n+2分别为后车
Figure BDA0001358546250000068
与次前车
Figure BDA0001358546250000069
的纵向间距和速度差。
展开式(2)，得到考虑间距增益的跟驰动力学表达式：
Figure BDA00013585462500000610
α、κ为常数，分别为后车驾驶员的反应系数和对速度差的敏感系数；vn为后车
Figure BDA00013585462500000611
速度；VLP(Δxn,n+1,ΔWn,n+1)和VLP(Δxn,n+2)均为优化速度函数，其计算方式为：
Figure BDA00013585462500000612
VLP(Δxn,n+2)＝V(Δxn,n+2)
为了使本发明的技术方案和优点更加清楚，选用基于视频处理技术的NGSIM(NextGeneration Simulation)数据集中的I-80省道交通数据来对前方有车辆换道驶离时后车的跟驰行为进行建模。下面是对本发明提出的一种考虑前车换道驶离过程的跟驰行为建模方法的具体实施方式。
考虑前车换道驶离过程的跟驰行为建模方法的流程图如图1所示。以下是实施的具体过程：
步骤S1、提取换道轨迹数据
I-80省道交通数据总共约400余万条，该步骤主要是从I-80省道交通数据中提取车辆换道驶离当前车道过程中该换道车辆、换道车辆后车、换道车辆前车的交通数据，以提高数据处理效率和建模速度。I-80省道交通数据字段定义如表1所示：
表1I-80省道交通数据字段定义表
Figure BDA0001358546250000071
从I-80省道交通数据种提取换道轨迹数据主要有以下三个流程：
(1)识别换道行为
设车辆当前时刻所处的车道编号为lt，上一时刻所处的车道编号为lt-1，则当lt≠lt-1时，表明当前时刻所在的车道不同于上一时刻所在的车道，即车辆已经发生了足够的横向位移且已经进入相邻车道，即已经发生换道。
(2)换道时间的提取
设换道驶离车辆的横向位置为x，换道驶离车辆跨越车道边线时刻的横向位置为xlc，道路宽度为W，则可依据公式(5)得到换道开始时间ts，换道结束时间te：
Figure BDA0001358546250000081
(3)换道车辆及前车、后车数据提取
通过ts时刻换道驶离车辆前后车的纵向位置关系，确定当前车道后车与当前车道前车，由此可提取在[ts,te]换道时间内换道驶离车辆及其前、后车的运动状态数据，包括表1中的 Local_X、Local_Y、v_Vel、v_Acc。
数据提取之后进行离群点修复及噪声干扰处理，得到共536组换道轨迹数据。
步骤S2、判断换道车辆换道过程中的加速度变化状态
分别获取ts、te时刻，换道驶离车辆的纵向速度vn+1(ts)和vn+1(te)，比较vn+1(ts)和vn+1(te)大小，确定[ts,te]时段内换道车辆整体上的减速度趋势。
步骤S3、确定换道车辆是否已驶离当前车道
获取t时刻跟驰后车与换道驶离车辆的横向位置，计算在t时刻换道前车与跟驰后车的横向偏移距离ΔWn,n+1。比较ΔWn,n+1与ΔWmax，如果ΔWn,n+1>ΔWmax，表明换道前车已经换道驶离至目标车道，此时跟驰后车直接以次前车为跟驰目标；否则，跟驰后车在间距增益因子的作用下，受换道前车的影响来调整跟驰状态。
步骤S4、基于遗传算法的建模基本参数标定
公式(4)中的优化速度函数V(Δx)采用Helbing提出的形式： V(Δx)＝V1+V2tanh[C1(Δx-lc)-C2]。利用NGSIM数据集中的无换道车辆轨迹数据，采用遗传算法对该优化速度函数形式中的速度参数V1、V2，常数C1、C2车辆长度lc及建模中的驾驶员反应系数α和敏感系数κ进行参数标定。遗传算法主要迭代参数设置为：种群规模20，交叉概率0.9，变异概率0.1，迭代次数1000。选用均方根误差RMSE为拟合优度函数，经过种群初始化、交叉、选择、变异，得到表2所示的参数标定结果：
表2建模基本参数标定结果表
Figure BDA0001358546250000082
Figure BDA0001358546250000091
步骤S5、驾驶员竞争系数识别
在现有文献中，确定了跟车时距、最小跟车时距、换道时距、超速频次、方向盘转角5 个指标组成的驾驶员风格评价体系，将驾驶人分为冒进、比较冒进、比较谨慎及谨慎四类。由于本发明讨论车辆的跟驰行为建模方法，因此，不考虑车辆换道时距及方向盘转角；且NGSIM 数据集中车流密度较大，经统计，本发明所选NGSIM数据中车辆平均行驶速度25km/h，超速行为较少，故采用跟车时距及最小跟车时距相结合的方法来反映驾驶员在驾驶过程中的激进系数。文献中给出的隶属度函数分别为：
Figure BDA0001358546250000092
其中：A1(u)、A2(v)分别为跟驰时距和最小跟车时距的隶属度函数；
u为车辆跟车时距小于1秒占该车所有跟车时距的比例；
v为最小跟车时距。
采用r＝ψA1+ζA2来计算驾驶员激进系数，其中取ψ＝0.6，ζ＝0.4。536组换道行为数据中目标车道后车驾驶员的激进系数分布直方图见图4。
步骤S6、输出下一时刻当前车道后车的跟驰速度
(1)以NGSIM换道轨迹数据中当前时刻的运动状态为输入，依据步骤S2得到换道驶离车辆在整个换道过程的加速度趋势，依据步骤S3得到跟驰目标，使用步骤S4、S5得到的建模参数，对应选用公式(3)-(4)输出采用本发明建模方法得到不同换道加速度类型下后车的速度；
(2)为了方便说明本发明相对经典跟驰行为建模方法的优越性，在与(1)相同的输入条件及参数下，输出采用FVD建模方法得到的后车跟驰速度。
不同类型换道加速度下当前车道后车在换道驶离过程中的速度变化见图5-7。从图5-7中可以看出，本发明建模方法得到的速度值与FVD建模方法得到的速度值相比，在不同的换道加速度时，均更为接近速度真实值，可见本发明提出的考虑前车换道驶离过程的跟驰行为建模方法是有效的。
以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种考虑前车换道汇入过程的跟驰加速度方法，其特征在于：包括：
步骤S1、当前车道l上编号为n的车辆
Figure FDA0002438954830000011
获取相邻车道前车
Figure FDA0002438954830000012
的转向信息，确定相邻车道前车的换道开始时间ts，其中n为车辆编号，l为车道编号；
步骤S2、获取ts时刻后车
Figure FDA0002438954830000013
与换道前车
Figure FDA0002438954830000014
的纵向间距差
Figure FDA0002438954830000015
的速度
Figure FDA0002438954830000016
Figure FDA0002438954830000017
的速度
Figure FDA0002438954830000018
依据公式(1)判别
Figure FDA0002438954830000019
的换道类型：
Figure FDA00024389548300000110
其中：gs为后车驾驶员与前车保持的期望间距；tlc为换道预计持续时间；
Figure FDA00024389548300000111
为换道开始时预计换道结束时刻的间距，
Figure FDA00024389548300000112
分别为换道期间车辆
Figure FDA00024389548300000113
纵向移动的距离，有
Figure FDA00024389548300000114
amax为车辆允许的最大加速度，Typesti为换道车辆对后车形成的刺激类型，其中Typesti＝1为自由换道刺激、Typesti＝2为竞争换道刺激、Typesti＝3为强制换道刺激；
若Typesti＝1，则在经典跟驰行为模型FVD模型基础上，得到后车的跟驰加速度为：
Figure FDA00024389548300000115
其中：α、κ为常数，分别为后车驾驶员的反应系数和对速度差的敏感系数；V(Δx)为优化速度函数；
若Typesti＝2，则可得到后车的跟驰加速度为：
Figure FDA00024389548300000116
其中：
Figure FDA00024389548300000117
为后车的竞争水平函数，r为车辆
Figure FDA00024389548300000118
驾驶员激进系数(r∈[0,1])，H(·)为Heaviside函数，Δhl+1,l为换道车辆偏离车道边线的距离，Δhmax为离车道线最大距离；
若Typesti＝3，则可得到后车的跟驰加速度为：
Figure FDA0002438954830000021
2.一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：包括
S1提取车辆换道汇入目标车道过程中该换道车辆、目标车道后车、目标车道后车前方车辆的交通数据；
S2判断换道汇入车辆换道刺激类型；
S3基于遗传算法的建模基本参数标定；
S4驾驶员激进系数识别；
S5输出下一时刻目标车道后车的跟驰速度；
所述判断换道汇入车辆换道刺激类型具体为：
获取ts时刻目标车道后车与换道汇入车辆的纵向位置、纵向速度，计算换道开始时的纵向间距差
Figure FDA0002438954830000022
通过换道开始时间ts、换道结束时间te，得到换道持续时间tlc；通过
Figure FDA0002438954830000023
计算换道结束时的纵向间距差
Figure FDA0002438954830000024
最后依据公式(1)判别换道汇入车辆对目标车道后车形成的换道刺激类型；
Figure FDA0002438954830000025
其中：gs为后车驾驶员与前车保持的期望间距；tlc为换道预计持续时间；
Figure FDA0002438954830000026
为换道开始时预计换道结束时刻的间距，
Figure FDA0002438954830000027
分别为换道期间车辆
Figure FDA0002438954830000028
纵向移动的距离，有
Figure FDA0002438954830000029
amax为车辆允许的最大加速度；
Typesti为换道车辆对后车形成的刺激类型，其中Typesti＝1为自由换道刺激、Typesti＝2为竞争换道刺激、Typesti＝3为强制换道刺激；
若Typesti＝1，则在经典跟驰行为模型FVD模型基础上，得到后车的跟驰加速度为：
Figure FDA00024389548300000210
其中：α、κ为常数，分别为后车驾驶员的反应系数和对速度差的敏感系数；V(Δx)为优化速度函数；
若Typesti＝2，则可得到后车的跟驰加速度为：
Figure FDA0002438954830000031
其中：
Figure FDA0002438954830000032
为后车的竞争水平函数，r为车辆
Figure FDA0002438954830000033
驾驶员激进系数(r∈[0,1])，H(·)为Heaviside函数，Δhl+1,l为换道车辆偏离车道边线的距离，Δhmax为离车道线最大距离；
若Typesti＝3，则可得到后车的跟驰加速度为：
Figure FDA0002438954830000034
3.根据权利要求2所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：所述提取车辆换道汇入目标车道过程中该换道车辆、目标车道后车、目标车道后车前方车辆的交通数据包括：
S11识别换道行为；
S12提取换道时间；
S13提取换道车辆及目标车道前、后车数据。
4.根据权利要求2所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：在所述基于遗传算法的建模基本参数标定步骤中，利用NGSIM数据集中的无换道车辆轨迹数据，采用遗传算法对优化速度函数V(Δx)＝V1+V2tanh[C1(Δx-lc)-C2]中的速度参数V1,V2,常数C1,C2,车辆长度lc及驾驶员反应系数α和敏感系数κ进行参数标定。
5.根据权利要求2所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：在所述驾驶员激进系数识别步骤中，采用跟车时距及最小跟车时距相结合的方法来反映驾驶员在驾驶过程中的激进系数，其中跟驰时距A1(u)和最小跟驰时距A2(v)的隶属度函数分别为：
Figure FDA0002438954830000041
Figure FDA0002438954830000042
u为车辆跟车时距小于1秒占该车所有跟车时距的比例；v为最小跟车时距。
6.根据权利要求5所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：采用r＝ψA1(u)+ζA2(v)来计算驾驶员的激进系数，ζ,ψ为常数。
7.根据权利要求2所述的一种考虑前车换道汇入过程的跟驰行为建模方法，其特征在于：所述输出下一时刻目标车道后车的跟驰速度，具体为：
以NGSIM换道轨迹数据中当前时刻的运动状态为输入，依据步骤S2得到的换道刺激类型，使用步骤S3、S4得到的建模参数，对应选用公式(2)-(4)输出采用FVD建模方法得到的后车跟驰速度。
CN201710606734.8A 2017-07-24 2017-07-24 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法 Active CN107507408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710606734.8A CN107507408B (zh) 2017-07-24 2017-07-24 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710606734.8A CN107507408B (zh) 2017-07-24 2017-07-24 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法

Publications (2)

Publication Number Publication Date
CN107507408A CN107507408A (zh) 2017-12-22
CN107507408B true CN107507408B (zh) 2020-07-24

Family

ID=60689220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710606734.8A Active CN107507408B (zh) 2017-07-24 2017-07-24 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法

Country Status (1)

Country Link
CN (1) CN107507408B (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390839B (zh) * 2019-07-23 2020-06-30 哈尔滨工业大学 考虑多车交互区域重叠面积的车辆换道方法
CN110750877B (zh) * 2019-09-27 2024-05-03 西安理工大学 一种Apollo平台下的车辆跟驰行为预测方法
CN111081046B (zh) * 2020-01-03 2022-01-14 阿波罗智能技术(北京)有限公司 一种自动驾驶车辆变道方法、装置、电子设备和介质
CN111231954B (zh) * 2020-01-14 2021-09-07 坤泰车辆系统（常州）有限公司 自动驾驶的控制方法
CN111968372B (zh) * 2020-08-25 2022-07-22 重庆大学 一种考虑主观因素的多车型混合交通跟驰行为仿真方法
CN111959492B (zh) * 2020-08-31 2022-05-20 重庆大学 一种网联环境下考虑换道行为的hev能量管理分层控制方法
CN112124309B (zh) * 2020-09-22 2021-08-27 山东劳动职业技术学院（山东劳动技师学院） 基于5g通信的城市交通流跟车控制方法及装置、车载终端
CN112389430B (zh) * 2020-11-06 2024-01-19 北京航空航天大学 一种基于偏移率的车辆换道切入车队时段的判定方法
CN112896188B (zh) * 2021-02-22 2022-07-15 浙江大学 一种考虑前车遭遇的自动驾驶决策控制的系统
CN113111502B (zh) * 2021-04-01 2022-07-05 同济大学 基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法
CN113361613B (zh) * 2021-06-15 2024-06-21 东南大学 基于轨迹数据的上匝道车辆换道仿真模型分类方法及装置
CN113626979B (zh) * 2021-06-30 2022-12-13 东南大学 一种车辆换道执行过程仿真方法及装置
CN113486822B (zh) * 2021-07-12 2022-04-29 吉林大学 一种基于驾驶意图的周围车辆轨迹预测方法及系统
CN113834667A (zh) * 2021-09-22 2021-12-24 华录易云科技有限公司 一种在高密度虚拟车流中基于试探评估策略的并线方法
CN113903174B (zh) * 2021-11-10 2022-07-29 哈尔滨工业大学 考虑横向偏移的交织区多车交互换道模型及其构建方法
CN114103969B (zh) * 2021-12-28 2024-03-12 西南大学 车速确定方法及系统
CN115424433B (zh) * 2022-07-21 2023-10-03 重庆大学 一种多车型的混合交通中网联车辆跟驰行为刻画方法
CN115273514B (zh) * 2022-08-03 2023-08-08 西南交通大学 一种自动驾驶车辆多车道连续变道轨迹优化方法
CN115116231B (zh) * 2022-08-26 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 一种车路协同微观仿真系统、方法、电子设备及存储介质
CN116386346A (zh) * 2022-12-13 2023-07-04 中南大学 车辆跟驰运行风险状态判定方法、系统及设备
CN115601954B (zh) * 2022-12-13 2023-03-31 西南交通大学 一种智能网联车队的换道判断方法、装置、设备及介质
CN116331206B (zh) * 2023-04-06 2023-10-20 上海交通大学 一种智能汽车安全行驶的决策方法及系统
CN117576913B (zh) * 2024-01-12 2024-06-18 中交第二公路勘察设计研究院有限公司 基于网络平衡的多车道公路交织区交通分配方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1876461A (zh) * 2006-07-06 2006-12-13 上海交通大学 车辆跟驰驾驶的速度差－间距控制方法
CN102800195A (zh) * 2012-08-27 2012-11-28 西北工业大学 基于微观ovdm跟驰模型的宏观交通流模型建模方法
CN106407563B (zh) * 2016-09-20 2020-03-27 北京工业大学 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法

Also Published As

Publication number Publication date
CN107507408A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107507408B (zh) 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法
CN107452201B (zh) 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法
CN110297494B (zh) 一种基于滚动博弈的自动驾驶车辆换道决策方法及系统
CN110298131B (zh) 一种混合驾驶环境下自动驾驶换道决策模型建立方法
CN112347567B (zh) 一种车辆意图和轨迹预测的方法
CN111081065B (zh) 路段混行条件下的智能车辆协同换道决策模型
CN111079590B (zh) 一种无人驾驶车辆的周边车辆行为预判方法
CN108595823B (zh) 一种联合驾驶风格和博弈理论的自主车换道策略计算方法
CN109213148B (zh) 一种基于深度强化学习的车辆低速跟驰决策方法
CN109598934B (zh) 一种基于规则与学习模型的无人驾驶汽车驶离高速的方法
CN112907967A (zh) 一种基于不完全信息博弈的智能车换道决策方法
CN113946943B (zh) 人-车-路微观交通系统建模及风险辨识方法及装置
CN107207008A (zh) 车辆控制装置以及车辆控制方法
CN110956851B (zh) 一种智能网联汽车协同调度换道方法
Zhang et al. Research on traffic vehicle behavior prediction method based on game theory and HMM
CN104181923A (zh) 一种基于直线控制器的智能车辆曲线跟踪方法
CN114511999B (zh) 一种行人行为预测方法及装置
CN110299004A (zh) 交叉口转弯车辆的跟驰模型建立及其稳定性分析方法
CN111634293A (zh) 一种基于交通间隙的自动驾驶车辆的自动变道方法
CN116279484A (zh) 一种融合演化博弈与机器学习的多风格驾驶者强制换道预测方法
CN115841252A (zh) 一种基于预测轨迹的高速公路行车风险评估方法
CN113823076B (zh) 一种基于联网车辆协调控制的即停即走路段缓堵方法
CN112542061B (zh) 基于车联网的借道超车控制方法、装置、系统及存储介质
CN113033902B (zh) 一种基于改进深度学习的自动驾驶换道轨迹规划方法
CN112896166A (zh) 车辆换道方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230210

Address after: 213399 room 5025, building B, 218 Hongkou Road, Kunlun Street, Liyang City, Changzhou City, Jiangsu Province

Patentee after: Liyang Smart City Research Institute of Chongqing University

Address before: 400044 No. 174, positive street, Shapingba District, Chongqing

Patentee before: Chongqing University

TR01 Transfer of patent right