详情

原文传递高速公路车辆自主性换道行为建模研究

论文题名：	高速公路车辆自主性换道行为建模研究
关键词：	自动驾驶;自主性换道行为;建模方法;交通管理
摘要：	换道作为车辆最基础的微观驾驶行为之一，会对交通流的正常运行产生扰动，进而可能导致交通拥堵。因此，探究车辆的换道行为有助于交通流管理和拥堵缓解。同时，构建车辆换道模型又对准确真实地模拟仿真车辆换道行为具有重要意义。换道行为主要划分为自主性换道行为和强制性换道行为。高速公路是当前最主要的车辆驾驶环境。目前已有的基于高速公路车辆的换道研究多聚焦于强制性换道场景，较少关注自主性换道场景。然而，自主性换道行为同样对高速公路交通流具有重要影响。因此，本文围绕高速公路车辆的自主性换道决策行为进行研究，分别以人工驾驶车辆和网联自动驾驶车辆为研究对象。人工驾驶车辆换道研究针对的是当下，网联自动驾驶车辆换道研究着眼的是未来。　　首先，以NGSIM项目中的US101和I80观测路段车辆轨迹数据为基础，提出了高速公路人工驾驶车辆自主性换道过程的关键节点识别方法，更进一步分析了高速公路人工驾驶车辆在自主性换道过程中的行为特征。　　然后，针对现有人工驾驶车辆换道决策模型忽略整合换道准备过程和公式化模型的主观经验性导致通用性不强的问题，论文提出一种适用性更强的以数据驱动为基础的基于深度学习和集成学习的高速公路人工驾驶车辆自主性换道决策模型。模型适用场景假设高速公路车辆全部为人工驾驶车辆。该模型将高速公路人工驾驶车辆的自主性换道决策过程分解成目标车道选择、目标间隙选择、目标间隙可接受判别和换道准备四个子过程。目标车道选择问题转化为三分类问题，即目标车辆根据过去连续多个时刻自身和其周围车辆的行驶状态从当前车道、左侧车道和右侧车道中选择下一个时刻的目标车道。因此，提出采用深度循环神经网络学习器集成方法对目标车道选择问题建模。目标间隙选择问题的实质是从目标车辆从选定的目标车道上的当前相邻间隙及其后边间隙中选择目标间隙，可以理解成二分类问题。目标间隙可接受判别问题的实质是判别选定的目标间隙是否可以立即执行换道插入动作，同样可以转化成二分类问题。目标间隙选择问题和目标间隙可接受判别问题均采用深度前馈神经网络集成方法建模。换道准备过程建模的核心是对目标车辆纵向加速度的预测，论文采用深度前馈神经网络学习器集成方法进行回归建模。　　最后，基于网联自动驾驶车辆在信息感知、决策制定和驾驶操作等方面与传统的人工驾驶车辆的差异性，人工驾驶车辆自主性换道决策模型不能较好地描述网联自动驾驶车辆的自主性换道决策行为。本文结合网联自动驾驶车辆的特征和功能优势提出一种适用于高速公路的分布式自主性换道决策模型。该模型框架由期望换道决策模型和协同换道决策模型构成。通过引入网联自动驾驶车辆实时车-车信息交互的特征对传统换道模型MOBIL进行改进，在此基础上提出基于MOBIL改进的单车期望换道决策模型。根据期望换道决策可能存在的相互直接干扰或影响，将网联自动驾驶车辆协同换道的情形划分为四类。针对四类协同换道情形，利用双矩阵法分别构建基于博弈论的两车协同换道决策模型。最后，结合IDM改进模型利用Matlab数值仿真实验对分布式高速公路网联自动驾驶车辆自主性换道决策模型进行评价。为分析本文提出的网联自动驾驶车辆自主性换道决策模型对交通流的影响，本文设计了四组不同的跟驰+换道模型组合进行比较。
作者：	聂建强
专业：	交通运输工程；交通运输规划与管理
导师：	冉斌
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2017
正文语种：	中文