信号控制交叉口行车场建立及车辆通行行为优化

【摘要】：随着汽车技术逐渐向智能化发展,自动驾驶车辆逐渐投入市场。在未来的交通系统中,交通流将不再由单一的人工驾驶车辆组成,自动驾驶车与人工驾驶车混行的状态将持续很长一段时间。因此,研究车辆驾驶行为并对自动驾驶车辆驾驶行为进行优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵都至关重要。城市交叉口作为城市道路网的节点,行车环境较为复杂且行车要素聚集。各个流向、不同种类的交通参与者都会在交叉口进行汇集、交织、疏散。车辆在通过交叉口时会受到多重因素的影响。然而现有的通行模型考虑的因素有限,难以准确表达各类因素综合作用下的行驶环境,且现有的自动驾驶车辆通行优化模型通常侧重于轨迹优化或速度优化其中之一。因此本文将解析信号交叉口内部影响车辆通行的各类因素,基于影响因素建立统一的信号交叉口行车风险场模型,获得行车风险在空间、时间维度的分布情况,基于行车风险场实时分布情况进行车辆通行轨迹重构,最后基于考虑多重优化目标的效益函数进行自动驾驶车辆的通行行为优化。首先,总结现有关于交叉口通行模型研究的主要进展。在此基础上进行车辆在交叉口的通行行为特性解析并对信号交叉口内会对车辆行驶产生影响的因素展开讨论,分析各类因素对车辆通行的影响机理。将信号交叉口内部影响车辆通行的因素归类总结为环境因素及运动因素。其次,建立环境场表达环境要素对车辆通行行为影响程度,建立运动场表达运动要素对车辆通行行为影响程度,两者叠加建立行车风险场模型,获得行车风险在空间、时间维度的分布情况。结合各空间点在任意时刻的行车风险值及车辆自身信息,提出了车辆通行行为重构方法。在重构轨迹的基础上,建立考虑多目标的效益优化函数,实现自动驾驶车辆在交叉口的通行行为优化。最后,建立仿真系统,对典型场景下通过交叉口的车辆进行轨迹重构,并选取样本车辆进行通行行为优化。仿真完成后输出结果,测算重构精度验证重构方法是否精确,测算单车通行效益及交叉口通行效率、延误时间分别验证优化方案对单车通行状态及交叉口运行状态的有效性。结果显示,与现有的交叉口轨迹重构模型相比,所建立模型提升了交叉口位移重构精度,平均位移重构精度为:直行95.40%、左转91.44%、右转92.94%;且在自动驾驶车辆通行行为优化方面,对单车的通行效益及交叉口整体通行效益都有显著效果,该交叉口在观察时段内所有车辆经过优化后,交叉口通过效率提升9.3%、延误降低3.6%。本文提出的基于信号交叉口行车风险场模型进行车辆的通行行为重构、自动驾驶通行行为优化的方法,相比现有的通行模型及优化方案具有一定的创新性,且在仿真试验中证明了该方法的可行性。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为混流环境下的行车环境表达和自动驾驶车辆安全驾驶控制提供模型基础。