详情

原文传递交通系统动力学行为和智能化发展的若干问题研究

论文题名：	交通系统动力学行为和智能化发展的若干问题研究
关键词：	交通运输系统;动力学行为;智能化发展;通行效率;元胞自动机
摘要：	交通运输系统是现代社会的重要组成部分之一。完善交通理论、优化交通配置以及发展智能交通系统能够有效地提高社会生产力，推动技术经济的发展。本论文广泛地研究了常见的交通系统动力学特性，对交通配置进行优化以提高运输性能，提出了先进的交通控制方法发展智能交通系统，并对无人驾驶技术做出了改善。　　在交通系统研究方面，两类方法通常被用来构建交通模型，即数学模型和仿真模型。随着近些年来计算机技术的高速发展，由于仿真模型能够更为准确地再现交通过程，系统模拟方法逐渐被越来越多的学者使用，主流的仿真模型包括动力学模型，元胞自动机模型，元胞转移模型等。本论文利用多种宏、微观交通模型对常见的交通系统进行建模，并根据所研究的具体问题对基础模型进行改进。　　以往对于交通系统的研究主要侧重于对车辆通行效率的分析，这是远远不够的。交通系统涉及到社会发展的各个方面，为了增加交通流量而降低其他性能指标是不符合智能交通的理念的。因此，本论文将同时分析及优化三类交通指标：通行效率、道路安全性以及能源消耗。减少交通延迟一直以来都是学者们的研究热点，交通堵塞造成的经济损失非常严重。交通安全性近些年来也备受关注，尤其是在城市交叉口、高速公路等易发生交通事故的位置。另外，尽管近些年交通系统发展迅速，能源危机与大气污染问题却愈发严重。交通方面的燃油消耗与大气污染物排放占社会总体能源消耗的比例非常高，车辆油耗和尾气排放与行驶模式有紧密的联系。匀速行驶、加速、刹车和闲置模式之间的频繁切换会显著增加能源消耗。因此，交通系统的分析优化研究对缓解能源危机具有重大意义。　　交通系统中存在着丰富的动力学行为，如车辆跟驰和换道等，深刻理解此类现象是完善交通理论的重要基础。本文深入探究了常见交通系统的动力学特性，分析了各个交通因素对于整体系统性能的影响。下面对本论文所研究的交通行为作简要介绍：　　1.许多不同种类的交通组成元素存在于常见的交通系统中，如机动车辆、自行车、行人等。不同交通元素之间的相互作用对于交通系统整体有很显著的影响。本文着重研究车辆与行人之间的相互干扰，从不同角度分析了其对于交通系统的影响。在城市道路系统中，行人乱穿马路的行为非常普遍，尤其在如中国这样拥有高密度人口的国家。在穿越马路的过程中，行人与行驶车辆间存在着严重的相互冲突。本文构建了城市道路交通模型，基于对行人和车辆行为的分析，在模型中加入了冲突规则以再现真实交通场景。通过对不同交通情景的大量数值模拟以及数据挖掘，发现了其相互影响的一般规律，并深入分析了其相互作用对于道路交通效率、行驶和行走安全性，车辆油耗等方面的影响，完善了文献中对于此类交通行为的理解。　　2.在多车道路段中，行驶车辆遭遇穿越马路的行人时，司机可以选择换道来避让行人。在道路情况允许的条件下，这样做会减少车辆与行人的冲突，提高通行效率，并有可能提升交通安全性。这类行为需要进行系统分析来权衡利弊，目前此类问题在文献中很少能够找到相关研究。本文建立了元胞自动机模型，通过大量数值仿真细致分析了在不同情况下司机对于行人的换道避让行为对于行驶效率、车辆和行人安全性等方面的影响，系统地研究了影响此类换道行为的诸多交通因素。　　3.作为城市交通系统的重要组成部分，道路交叉口对于城市交通性能有着重要的影响。为了提升城市交通效率并提高潜在的经济效益，深入理解在道路交叉口中存在的各种交通现象至关重要。同时，交叉口道路拥堵和行人对车辆交通流的干扰会显著降低交叉口的通行性能，尤其是在大城市的中心区域。本文基于交叉口交通模型，提出了一种评价交叉口性能的方法，并探究了行人流量、车流量、行人和司机遵守交通规则的比率等交通变量对于交叉口系统的影响，为交叉口的规划、设计、管理和运作提供了理论基础和性能预测参照。　　道路交叉口处对于车流量的有效疏导对提升交通效率至关重要，随着城市车流量的逐渐增大，对现有交叉口高效利用的需求日益急切。当交叉口车流量较低时，转弯与直行车流通常会共享车道和信号相位以提高交通效率。然而，在交叉口拥堵时，转弯和直行车流间的相互冲突会严重减少车辆通行量，并对交通安全造成损害。同时，共享车道和信号相位也会在一定程度上阻碍行人通行，使交叉口的通行能力显著降低。本论文探讨了车道共享在不同情境下的效用，分析了转弯和直行交通流共享车道设计的利弊，在不同情境下对交叉口车道设计提出合理建议，对道路规划设计提供科学指导，并预测了在不同设计下交通系统的通行状况，完成道路最优设计。　　另一方面，鉴于转弯车流对交叉口的显著影响，在很多交叉口处，尤其对于城市多车道大型交叉口，通常会设置多条转弯车道以更好地疏导转向车辆。多条转弯车道不恰当的设计会严重降低交叉口的通行性能。一般来说大型交叉口左转车道最多会有三条，右转车道最多设置两条。由于转弯车流被多车道分散，多条左转车道的设置一般会降低左转车流的延迟，减少排队队列长度等。相对于立体交叉口，平面多条左转车道的设置成本会更低。因此，多条左转车道在多数情况下会更有效地疏导车流，同时更具经济性，目前被广泛采用。双右转车道的设计会显著增加交叉口对右转车流的疏导能力，右转弯的车辆汇聚情况也会被改善。然而，在提高运输效率的同时，双右转车道的设置为交叉口处交通带来了更多车辆间以及车辆与行人间的冲突，交通安全性受到严重影响。目前文献中对大型交叉口转弯车道数量的设置缺乏足够的研究。本文通过微观交通模拟，细致分析了转弯车道数量的设置对于交叉口系统交通效率、安全性等方面的影响，为大型交叉口的设计和运行提供了科学的指导意见。　　4.目前交通领域的学者对于车辆纵向跟驰行为已有大量的研究，然而针对车辆侧向行为的研究如换道等还不够成熟。在多车道路段，车辆侧向运动对交通系统有重要影响。特别地，在多车道高速公路上，交通瓶颈时常发生。在道路汇聚位置，车辆通常不得不进行换道来继续前行。在道路发散的位置，车辆也会期望通过换道来提高行驶速度。过高的交通流密度和急促的换道行为等都会降低道路通行能力，车辆间的相互影响在交通瓶颈处表现得更为复杂。两种交通瓶颈普遍存在于高速公路上，一种是车道数量减少造成的，另一种是移动交通瓶颈。由于某些原因如交通事故等，路段上的某些车道会进行封闭，这样就会形成由于车道减少而产生的交通瓶颈，前方封闭道路上的车辆会在临近封闭区域时不得不换道来通过路段，这样会对其他车道上的交通流产生显著影响。另一方面，一些车辆会由于某些原因如车辆故障等在道路上的行驶速度远低于其他车辆，这即被认为是移动交通瓶颈。同车道的车辆在临近移动交通瓶颈时一般会选择超车以提高行驶效率，这样在移动瓶颈之后区域内的车辆之间会产生复杂的相互作用。本文通过构建交通瓶颈模型，对基于交通瓶颈的车辆换道行为进行了细致的分析，并甄别出对交通系统有显著影响的相关变量，为瓶颈处的交通管理提供了指导性意见。　　智能交通系统是未来交通的发展方向，是交通领域的一场革命。通过先进的信息技术、通信技术、控制技术、传感技术、计算机技术和系统综合技术有效地集成和应用，将人、车、路之间的相互作用关系以新的方式呈现，从而实现实时、准确、高效、安全、节能的控制目标。对现有交通资源的优化以及对未来交通系统进行最优的设计规划可以大力推动智能交通系统的发展。在深入理解了交通系统动力学特性之后，本论文基于智能交通的理念，对若干常见的交通系统进行了优化设计，包括交叉口信号和车道规划优化，以及城市路网协同优化。目前文献中对于交通系统优化的研究主要停留在单目标优化。学者们一般将提高交通效率作为优化的目标。另外一些研究是针对多目标优化，期望同时提高交通效率、安全性等。但是目前大多数学者的做法是通过加权将多目标优化问题转化为单目标优化问题，这样丧失了多目标优化的优势。本论文基于交通仿真理论的框架，提出了若干优化算法来解决交通系统多目标优化问题，意在同时对多个性能指标进行优化。下面对多目标优化方法以及本论文中的优化应用做简要介绍：　　多目标优化广泛存在于各种工程优化问题中。多目标优化通常考虑若干相互制约的优化指标。和传统的单目标优化不同，多目标优化的解不再是参数空间中的一个点，而是一个集合，称为帕累托集合。帕累托集合里的任意两个点满足非劣性，也就是无法找到一个解在多目标意义下比另一个解更优。多目标优化往往能给出一个较宽的设计范围，因此在实际工程中，多目标优化设计具有很强的优势。解决多目标优化问题的关键在于能否找到全局的帕累托集合。传统的目标加权虽然能将多目标问题转为单目标，但其权重参数的选择往往基于经验。在本论文中我们主要采用两种搜索方法对多目标优化问题进行求解，即基因算法和胞映射方法。　　随着以基因算法为代表的演化算法的逐步兴起，基于生物种群演化的多目标优化启发式算法逐渐得到重视。演化算法的优势在于通过模拟生物种群的演化过程，能够用较少的计算量得到尽可能覆盖全局的非劣解集。其缺点是无法保证算法的收敛性和全局性。此外，演化算法是一种基于随机搜索的算法，在应用中通常需要多次运行，通过统计的办法确认多目标优化解集在参数空间的位置。胞映射方法最早由著名力学家徐皆苏先生于上世纪八十年代提出，该方法最初被用来解决非线性动力学的全局问题，目前已成功应用到了各类多目标优化问题中。胞映射方法是具有全局搜索能力的确定性算法，我们使用简单胞映射算法来有效解决多目标优化的全局问题。对于交通系统优化方面：　　1.由于很多城市的发展已经趋于成熟，尤其对于城市中心区域，传统解决拥堵问题的办法已经不再适用，如增加车道数量等。现在交通管理部门把更多的精力放在更好地利用已有的交通资源上。作为城市交通的核心组成部分之一，交叉口的交通表现直接影响了城市交通能力。对道路交叉口的优化会提高城市交通效率、取得潜在的经济效益以及提高城市价值。目前，文献中对于交叉口的优化主要是通过设计信号灯来提升交叉口性能，道路规划对于交通表现的影响往往被忽视。本论文中，我们通过对道路交叉口进行微观建模与仿真，提出了两种交叉口多目标优化方法，一种是根据已有的交通信息进行静态优化，另一种是通过对不同情境的离线设计，实现在线转换控制。优化指标包括交通效率，安全性以及车辆油耗。交叉口信号设置以及道路规划作为设计参数。文中证明了对信号设计和道路规划同时优化会取得相比于单独进行信号优化更良好的交通效果，由此再次验证了道路规划对于道路交叉口交通性能的显著影响。　　2.如前文所述，基于对大型交叉口转弯车道数量设置对系统影响的研究，本文进一步针对转弯车道规划提出了优化方法。优化设计参数为左转和右转车道数量，信号灯设置以及道路规划。通过使用胞映射搜索算法，我们找到了系统在不同状态下的帕累托最优设计集合，同时发现对转弯车道数量设置的优化会在一定程度上改善系统整体性能，仅仅进行信号和道路规划优化是不能取得相应的优化效果的。研究结果为现代大型城市交叉口的规划、设计和运行提供了理论指导方案。　　3.城市交通网络在城市发展中占有至关重要的地位，是城市经济发展的命脉。为了提升交通运输效率、增强道路安全性、减少燃油消耗以及提高潜在的经济收益，对城市交通网络的研究是很有必要的。由于城市交叉口的通行限制，车辆在路网中行驶时会产生很大延迟。对路网中若干相关路口信号灯进行协同优化可以显著提高交通网络整体性能。目前文献中对于城市路网的模拟研究普遍简化了车流行驶的复杂度，很少考虑车流转弯行为以及车流间的相互冲突。很多学者在模拟车流转弯时，在车流遭遇交叉口处预先设置转弯车流比例，其他学者一般忽略了转弯行为，这在仿真研究中是不准确的。本文提出了基于元胞转移模型的城市路网模型，考虑了不同车流行驶的路径选择、选择概率分布、转弯行为等，完善了路网仿真模型。并基于此模型，提出了两种不同的针对路网信号协同优化的算法，即静态优化算法和动态预测控制算法。　　静态优化算法是一种离线设计方法，假设路网相关信息已知，如车流量、各个起始点目标点的交通流等，我们预先对路网进行模拟，找出在某种状态下的帕累托最优解集。由于这是离线算法，计算时间可以忽略，因此这种方法适用于路网状态相对稳定的环境，同时可以对高维度的大型复杂路网进行求解。本文给出了一个包含九个交叉口路网优化的例子，涉及多个优化参数，设计空间高达45维，利用基因算法可以进行高效的准确地求解。我们提出的另一个路网优化方法是动态预测控制算法，假设路网信息可以被如摄像头等监控设备实时收集，针对某个时刻的路网状态，通过向前预测状态的变化，来得到该状态下未来一定时间内的最优解集。在线优化算法的进步可以极大地推动智能交通系统的发展，但是同时算法对计算速度有很大的要求。我们使用基因算法来求解，由于基因算法中不同个体的评价过程是相对独立的，于是我们利用CPU并行计算来加速求解过程，计算速度满足了在线算法需求。所提出的实时控制算法可以及时地优化不同的交通情境，紧急状况如道路事故等可以被有效地处理，暂态的交通拥堵可以得到良好的疏导。该算法可以根据控制需要来实时地转换优化策略，如侧重对某一区域疏导拥堵等。另外，所提出算法的延展性很强，可以适用于更大或更小规模的交通网络，该算法对交通模型的使用敏感度不高，可以根据具体的实际需求来使用相应的路网建模方法。大量的模拟实验证明了该算法可以取得最优的控制效果，同时在并行计算技术的帮助下其在线计算压力得到了极大缓解，计算时间始终在可接受范围以内。　　随着智能交通系统的发展，车辆自动驾驶技术日趋成熟。自动驾驶技术不仅可以有效改善道路拥堵、大幅提升能源使用效率，更可以促进城市基础设施的发展与交通管理效率的提升，带领人类社会进入更文明的智能交通时代。然而，当今的无人驾驶技术在感知物体、制定决策、行驶规划等方面要稍逊于优秀的人类司机。自动驾驶技术在真实交通情况下的试验和实际应用目前刚刚起步，在实际测试过程中，研究者发现周围车流对自动驾驶车辆有显著的影响，特别是在人类驾驶车辆和自动驾驶车辆的混合车流环境中。本文基于在线预测控制的思想，在高级控制层对无人驾驶车辆的局部行驶规划进行优化，考虑周围混合车流对无人驾驶车辆的影响，在不同情况下指导无人驾驶车辆规避风险，远离潜在的危险车辆。改善的规划指标包括行驶安全性、舒适度、通行效率、路线一致性等，计划路线同时满足车体动力学限制。我们将运动规划与轨迹规划相结合，首先根据车辆周围实时的环境信息制定出满足行驶要求的运动规划，进而根据运动规划决策来优化期望轨迹。将运动和轨迹规划结合可以有效地降低在线运算负荷，使所提出的优化算法更具应用性。　　在自动驾驶技术底层控制方面，我们针对车辆跟驰行为的跟踪控制，构建了车辆行驶动力学模型，并提出了新型的自动巡航控制方法。基于无人驾驶系统模型框架，控制器满足两项基本的稳定性要求，即车体稳定性和队列稳定性。本文利用李雅普诺夫稳定性原理等理论证明了这两点稳定性，使最优设计具有了稳定性保障。我们进一步对控制算法和参数进行离线多目标优化，改善的性能指标包括跟驰车辆安全性、行驶效率、驾驶舒适度、车辆操控性以及燃油消耗。为了证明所提出算法的有效性，我们将其与传统的在线模型预测控制算法进行比较，通过在不同情境下的实验证明了所提出的控制方法的优越性，从而完善了无人驾驶整体控制规划体系。　　论文结尾对全文进行了总结，并基于文中所提出的建模和优化方法，指出了交通系统仍需研究的若干问题，包括进一步对各类交通系统行为的探究、城市路网性能分析、路网中单车以及多车协同导航、多车协同自动驾驶控制等。
作者：	李响
专业：	一般力学与力学基础
导师：	孙建桥
授予学位：	博士
授予学位单位：	天津大学
学位年度：	2016
正文语种：	中文