高速公路車輛自主性換道行為建模研究.pdf

1、換道作為車輛最基礎的微觀駕駛行為之一，會對交通流的正常運行產(chǎn)生擾動，進而可能導致交通擁堵。因此，探究車輛的換道行為有助于交通流管理和擁堵緩解。同時，構建車輛換道模型又對準確真實地模擬仿真車輛換道行為具有重要意義。換道行為主要劃分為自主性換道行為和強制性換道行為。高速公路是當前最主要的車輛駕駛環(huán)境。目前已有的基于高速公路車輛的換道研究多聚焦于強制性換道場景，較少關注自主性換道場景。然而，自主性換道行為同樣對高速公路交通流具有重要影響。因此

2、，本文圍繞高速公路車輛的自主性換道決策行為進行研究，分別以人工駕駛車輛和網(wǎng)聯(lián)自動駕駛車輛為研究對象。人工駕駛車輛換道研究針對的是當下，網(wǎng)聯(lián)自動駕駛車輛換道研究著眼的是未來。
　　首先，以NGSIM項目中的US101和I80觀測路段車輛軌跡數(shù)據(jù)為基礎，提出了高速公路人工駕駛車輛自主性換道過程的關鍵節(jié)點識別方法，更進一步分析了高速公路人工駕駛車輛在自主性換道過程中的行為特征。
　　然后，針對現(xiàn)有人工駕駛車輛換道決策模型忽略整合換

3、道準備過程和公式化模型的主觀經(jīng)驗性導致通用性不強的問題，論文提出一種適用性更強的以數(shù)據(jù)驅(qū)動為基礎的基于深度學習和集成學習的高速公路人工駕駛車輛自主性換道決策模型。模型適用場景假設高速公路車輛全部為人工駕駛車輛。該模型將高速公路人工駕駛車輛的自主性換道決策過程分解成目標車道選擇、目標間隙選擇、目標間隙可接受判別和換道準備四個子過程。目標車道選擇問題轉(zhuǎn)化為三分類問題，即目標車輛根據(jù)過去連續(xù)多個時刻自身和其周圍車輛的行駛狀態(tài)從當前車道、左側(cè)車

4、道和右側(cè)車道中選擇下一個時刻的目標車道。因此，提出采用深度循環(huán)神經(jīng)網(wǎng)絡學習器集成方法對目標車道選擇問題建模。目標間隙選擇問題的實質(zhì)是從目標車輛從選定的目標車道上的當前相鄰間隙及其后邊間隙中選擇目標間隙，可以理解成二分類問題。目標間隙可接受判別問題的實質(zhì)是判別選定的目標間隙是否可以立即執(zhí)行換道插入動作，同樣可以轉(zhuǎn)化成二分類問題。目標間隙選擇問題和目標間隙可接受判別問題均采用深度前饋神經(jīng)網(wǎng)絡集成方法建模。換道準備過程建模的核心是對目標車輛縱

5、向加速度的預測，論文采用深度前饋神經(jīng)網(wǎng)絡學習器集成方法進行回歸建模。
　　最后，基于網(wǎng)聯(lián)自動駕駛車輛在信息感知、決策制定和駕駛操作等方面與傳統(tǒng)的人工駕駛車輛的差異性，人工駕駛車輛自主性換道決策模型不能較好地描述網(wǎng)聯(lián)自動駕駛車輛的自主性換道決策行為。本文結合網(wǎng)聯(lián)自動駕駛車輛的特征和功能優(yōu)勢提出一種適用于高速公路的分布式自主性換道決策模型。該模型框架由期望換道決策模型和協(xié)同換道決策模型構成。通過引入網(wǎng)聯(lián)自動駕駛車輛實時車-車信息交互的

6、特征對傳統(tǒng)換道模型MOBIL進行改進，在此基礎上提出基于MOBIL改進的單車期望換道決策模型。根據(jù)期望換道決策可能存在的相互直接干擾或影響，將網(wǎng)聯(lián)自動駕駛車輛協(xié)同換道的情形劃分為四類。針對四類協(xié)同換道情形，利用雙矩陣法分別構建基于博弈論的兩車協(xié)同換道決策模型。最后，結合IDM改進模型利用Matlab數(shù)值仿真實驗對分布式高速公路網(wǎng)聯(lián)自動駕駛車輛自主性換道決策模型進行評價。為分析本文提出的網(wǎng)聯(lián)自動駕駛車輛自主性換道決策模型對交通流的影響，本