英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
交通信号灯附近的智能网联车辆的协同驾驶和车道变换建模：从一种信息物理的角度
YUCHU HE , DIHUA SUN, MIN ZHAO, AND SENLIN CHENG
这项工作部分由国家自然科学基金资助项目61573075资助，部分由国家重点研究发展计划资助项目2016YFB0100904部分资助，部分由重庆市自然科学基金资助项目cstc2017jcyjBX0001资助，部分受惠于2016ZXFB06002项目的智能制造标准化与新模式项目。
摘要：交通信号灯附近是道路系统中最关键的区域之一。应用新的信息技术模式，比如车车通信和车路通信，可以改善交叉口的运行;例如，一个典型的信息物理系统可以实现有效的交通状态估计和交通建模。本文提出了一种新的车路协同驾驶模型，该模型假定在交通信号灯附近以及车辆到X环境的典型场景。基于智能驾驶模型，该模型提前计划了交通信号附近车辆的轨迹，以减少停车频率和行驶时间，并根据交通状况提高道路的吞吐量，如信号周期状态，与交通信号灯的距离以及相邻车辆的情况。根据目标车辆与周边车辆的关系，该模型还规划了这种情况下的合作车道变换策略，以提高车道变换过程中的安全性和舒适性。通过仿真实验将该模型与传统的智能驾驶员模型进行了比较，并分析了其在不同交通条件下的性能，确认了该模型的可行性和优越性。
关键词：信息物理系统，协同驾驶，车道变换，V2X技术。
绪论
信号控制广泛应用于交叉路口，T形路口，高速公路斜坡以及车流冲突的其他区域。交通信号灯周边作为一般道路与交通信号灯之间的连接点，是交通系统的重要组成部分，对城市道路的效率和安全性有重要影响[1]。协作驾驶和车道变换是两种最基本的驾驶行为。交通信号灯附近的车辆不仅受到道路交通密度的影响，还受到交通信号灯的限制。驾驶员应该关注信号灯状态的转换，同时还得考虑相邻车辆的驾驶状况，以便他们不要完全集中在驾驶上，导致频繁的起停和加速和减速，并且对交通效率造成拖累[2]。而且，频繁的启动和停止，加速和减速会导致额外的燃料消耗，从而导致环境污染[3]。交通信号灯附近的大多数车道变换行为是强制车道变换[4]。由于车道变换造成的交通事故仅占交通事故的5％，交通延误占10％，因此车道变换的决策过程比后续更复杂，因为驾驶员需要考虑更多的车辆[5]。与此同时，75％的车道变换事故是由于缺乏对周围环境的感知而发生的[6]。因此，在变更车道时了解周围的环境非常重要。
交通信息物理系统（TCPSs）包含通信，计算，电子，传感和控制方面的最新进展，是解决交通安全，效率和可持续性等问题的有前途的方法[7]-[8]。 CPS建模技术利用有限状态的机器完成了系统上离散状态信息的建模，并利用微分方程模拟了系统的连续物理动态。它可以更清晰地描述具有离散动力学和连续动力学的系统。随着通信技术的发展，V2X技术在车辆中的应用已不可或缺，并被认为在提高驾驶安全性和减少交通事故方面具有巨大潜力。而且，它为改善交通和驾驶环境提供了技术支持[9]。随着V2X技术的发展，交通系统已经成为物理信息系统的典型组成部分。
本文以固定时长的交通信号灯来模拟协同驾驶和变道行为。协同驾驶和换道是两种基本驾驶行为。许多学者对交通信号灯车辆的协同驾驶进行了研究[10]-[16]。参考文献[16]提出了一种交叉口附近车辆的协同优化算法。算法将相邻交叉口区域的车辆划分为若干排，并为同一排的第一辆车和其他车辆指定不同的驾驶策略，以提高一个交通系统的效率。该算法通过粒子群优化（PSO）算法解决。由于PSO算法的时间复杂性，当系统中存在更多的车辆时，需要较长的时间来解决问题，并且对系统的运行有更高的要求。参考文献[15,17]提出了两个协调在交叉路口附近驾驶优化策略。前者提出了一种算法，该算法能够在没有交通信号灯的情况下协调来自不同方向的交通流的冲突，但是该算法假定车辆加速度从进入交通信号附近时保持不变，直到车辆离开冲突地带。此外，后者还假定车辆的加速度可以保持恒定且均匀的变化。事实上，由于城市道路条件复杂，交叉口附近的交通流量密度可能会发生较大变化。因此，这两种模式的适用性是有限的。此外，车辆可能会在交叉路口转弯，并在交通信号附近进行强制车道更换。但是，这些研究没有考虑车辆的车道变化。在协同车道变换方面，许多学者进行了相关研究[18]- [19]。这些研究大多集中在可选车道变换上，而且很少有人提出在交通信号附近强制变换车道。因此，本文主要目标是在充分利用V2X通信的基础上，在交通信号附近建立一种协同驾驶和换道模式，以提高区域交通系统的安全性和效率，同时减少对环境的影响。
窗体顶端
窗体底端
本文的其余部分安排如下。 在第2节中，基于智能驾驶员模型，提出了V2X环境下交通信号附近的协同驾驶模型。 在第2节的基础上，第3节介绍车道变换模型。 第4部分对模型进行了仿真，第5部分进行了总结。
协同驾驶模型
如图1所示，在交通信号灯附近，当一辆汽车跟随另一辆汽车时，驾驶员必须注意前方汽车的状态和交通信号灯的状态以调整他的驾驶行为。假设一个绿色信号，如果车辆能够在绿灯持续时间内通过交叉口，驾驶员通常选择通过冲突区域跟随前方车辆，并且车辆的速度受到前面的车辆限制。如果前方没有车辆，司机可以以理想的速度穿过冲突区。如果出现红灯或即将发出红灯，司机会放慢车速或停车。
图1.交通信号灯附件的图例
在上述过程中，缺少信息可能会导致很多问题。例如，由于判断不准确，当车辆在冲突区域移动并且无法停止时，灯光可能会变红;这就是所谓的困境区[3]。另外，驾驶员需要关注交通信号，因此他们往往会频繁减速，导致行驶时间延长，燃料消耗增加以及拥堵[20]。
在V2X环境中，驾驶员可以随时随地获得前方车辆和交通信号的状态，这为协调驾驶创造了条件。因此，驾驶员能够获取信号灯的状态信息并尽早调整车辆 ，以合适的速度通过信号控制区域，并避免长时间停止。因此，本部分规划了交通信号灯附近车辆的协同驾驶过程，以便提前确定驾驶轨迹并减少停车延误。
假设交通信号的周期是TC，绿灯剩余时间和红灯剩余时间分别为TG和TR，则有
在t时刻，交通信号灯的状态可以定义如下：
式中：tlight代表当前时刻的交通信号灯状态。
假设时间t处Vi的位置，速度和加速度分别为xi（t），vi（t）和ai（t），并且车辆的运动符合以下运动学方程：
式中：k表示时间步长。
参考文献[21]-[23]提出了一种智能驾驶模型，可以描述一般道路上主车辆的流动驾驶。 此外，该模型具有较好的通用性，可以描述从自由流向拥挤流的不同流量。在该模型中，后续车辆的加速度描述如下：
其中alpha;表示最大加速度; rho;表示舒适的减速度; vmax是最大速度; vi， i-1（t）表示第一辆车和前车之间的速度差; xi， i-1（t）表示第i辆车与前方车辆之间的距离; 表示当前状态下驾驶员的期望距离； dmin是静态安全距离; T是安全的时间间隔; delta;gt; 0是加速指数。
接下来，根据IDM模型，根据交通信号附近车辆Vi的具体情况进行分析，计算各种条件下的车辆加速度，并提出了交通信号附近车辆的协同驾驶模型。
当车辆Vi接近交通信号的附近时，我们首先考虑它是否是整个排的第一辆车。如果是，则在获取交通信号信息之前，它倾向于以自由流量（最大速度或道路限速）驾驶。相应地，此时的加速度为0（已达到自由流速）或舒适加速度alpha;（尚未达到自由流速）。如果不是，它将跟随前方车辆，并且加速度可以由上述公式确定。
为了避免停车，驾驶员在获得交通信号信息之后需要提前规划路线。图2描述了在t0处接近交通信号附近的Vi。在图2中，水平轴表示时间，垂直轴表示车辆和交通信号之间的距离。 当Vi接近交通信号附近并进入V2X通信范围时，假设交通信号具有固定的周期 - 因为它只能在绿灯周期内通过冲突区域 - 识别时间间隔; 即轨迹仅限于区域1和区域3.基于图2，
图2：交通信号灯附近的车辆状况。
如果Vi的平均速度满足以下条件：
当它到达信号控制区时，它将成为绿色周期。 此外，如果从时间t0到冲突地区的冲突地区的Vi的速度由公式7满足，则证明其轨迹必须落入区域1和区域3内并不困难。 但是问题还没有完全解决：可能有很多集合彼此不相交（对应于一系列绿灯周期），所以有必要确定车辆通过该区域的最合适时间段的间隔。车队中的第一辆车倾向于自由流动，所以我们只需要确定vfree属于哪个绿色范围或最接近哪个绿色范围。 理想速度被定义为在时间t时Vi的速度，这使得有可能在不停止的情况下穿过冲突区，并且该车队中的第一辆车，
式中：是相应或接近的上限绿灯间隔。 车辆加速度可以由如下公式确定：
在上述公式中，MAXDIS代表一个无限距离，并且它表示Vi作为该排中的第一辆车，总是预期以尽可能接近速度极限的速度行驶。
在车队中的第一辆车之后的其他车辆最终选择通常接近前方车辆平均速度的速度，因为车辆速度受前方车辆的速度和位置限制。因此，理想速度与前方车辆的速度有关，可由如下公式给出：
其中是对应于或接近的绿灯间隔时间的上限。车辆加速度可以由下述公式确定：
基于上述分析，车辆加速度决策树模型如图3所示。
图3中，三角形表示决策加速度，方形表示条件。 a1，a2和a3分别由前文公式确定。图3中的条件如下：
（1）领先车辆？
（2）进入V2X通信区域？
（3）已经达到最大速度？
三、变道模型
如前言所述，交通信号附近的换道行为大多是强制换道行为。传统车道变换模型假定驾驶员不会改变车道，除非主车辆与目标道路上的相邻车辆相距足够远。如果车道改变不可行，驾驶员不能改变车道。这显然不符合实际情况特别是在强制换道的情况下。图4示出了典型的换道场景。
在图4中，车道变换行为涉及两条车道（起点车道LO和目的地车道LD）以及5辆车：换道车辆Vi，起始车道VLO中的前车，目的地车道前方车辆VLD以及目的车道VFD中的后续车辆。假设图中的车辆配备了V2X通信系统，当司机想换车道时，他们首先确定周围是否符合安全条件。如果具备，则Vi首先将包含其自身位置和速度流的车道改变请求信息发送到VFO和VFD，这需要及时调整运动以匹配车道改变。 在换道启动之前，安全条件如公式如下所示：
研究表明，车道变换过程的持续时间与车道变换速度稍有关系[24]。 在车道变换时间固定的情况下，车道变换车的横向加速度和运动轨迹可以用如下公式描述[25]：
其中alat表示横向加速度; H表示车道宽度; tlat表示车道变换的持续时间，ylat表示侧向空间。
当Vi从LO移动到车道LD时，以下目标从VLO逐渐过渡到VLD。 根据Vi的横向位移，其纵向加速度由如下公式给出：
其中表示Vi的纵向加速度，表示Vi跟随VLD的IDM加速度，表示Vi跟随VLO的IDM加速度。在Vi变换车道的过程中，VFO和VFD纵向加速度分别如下述公式表示：
仿真
在本节中，研究对象是在交通信号附近的近平坦道路上的8辆车; 他们配备了本节提出的IDM模型和模型。 道路长600米，没有斜坡，是一条车道。 交通信号位于500米处。 模拟实验持续80s，车辆的加速度，速度和位置以0.1s的时间步长更新。车辆的初始速度为8m / s，车辆的初始位置由如下得出：
式中：rho;是车辆的密度，n是车辆总数。 表1中显示了实验中的其他参数值：
情况1：设置交通信号灯周期TG=35s和TR=25s。使用本节中提出的传统IDM模型和模型进行比较和验证。 图5和图6显示了随着时间的推移，两种模型中车辆的排量和速度的变化。
表1 仿真参数
|
参数 |
定义 |
数值 |
|
alpha; |
舒适的加速度 |
2m/s2 |
|
beta; |
最大减速度 |
4m/s2 |
|
vmax |
最高车速 |
16.67m/s |
|
lt;
全文共9487字，剩余内容已隐藏，支付完成后下载完整资料 资料编号：[13565]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
