英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于高密度公路交通下长组合车辆变道前驾驶员行为的驾驶模拟器研究
Peter Nilsson, Leo Laine, Jesper Sandin, Bengt Jacobson, Olle Eriksson
【摘要】 在本文中，我们讨论了高密度公路交通下长组合车辆强制变道前驾驶员的行为。我们研究了以下驾驶员行为：转向指示灯激活、减速和横向入侵。基于与周边交通合作以及紧急程度,我们对驾驶员的行为进行了分类和比较，此处的紧急程度是基于车辆到目标出口坡道的剩余距离而提出的。结果表明，当目标车辆靠近出口坡道时，驾驶员使用的速度明显大于车辆离开时的速度降低。考虑到出口坡道的距离，没有发现使用侧向入侵的显着差异。在交通合作方面，减速和横向入侵都有显着差异。周边交通合作较低时，司机的减速和横向入侵明显较多。
【关键词】变道；重交通；驾驶员行为；驾驶模拟
背景
驾驶自动化可能成为提高公路运输系统生产率和安全性的下一次革命。驱动重型车辆货运运输自动化的主要应用是高速公路驾驶和无人驾驶（Flauml;mig，2016）。高速公路行驶的一个重要部分是车道变换决策，这对交通安全（史密斯森和纳伊姆，2003年）和交通流量特征（Zheng，Ahn和Monsere，2010）具有实质性影响。当今的重型货车运输专业人士擅长在高密度交通中驾驶和强制性变道。我们认为，研究手动驾驶的重要行动和指标将有助于深入了解如何设计驾驶自动化，特别是考虑手动驾驶和自动驾驶车辆的混合交通。在这项研究中，我们讨论了高密度公路交通中的强制车道变化。
如图1所示，考虑到未来重型货物运输和驾驶自动化的一个有趣的起点是块化长组合车（LCV）的使用，这可能会进一步提高生产力、交通安全和正常运行时间。LCV是公路车辆，比欧洲目前允许的尺寸更长更重。但是，澳大利亚、巴西、加拿大、墨西哥、新西兰和美国已经有各种LCV应用（Mellin和Staring;hle，2010）。通常，LCV包括至少两个铰接接头，其长度通常在27米至34米之间变化。LCV中运输货物的重量或体积通常是常规拖拉机半挂车组合的一倍。
图1.长组合车辆-A-double组合
瑞典正在主动对交通中的LCV进行大体上的一般性介绍（瑞典企业与创新部，2014年，瑞典运输局，2014年），其目的是让LCV主要在重量级最高的道路上行驶。在其他道路上行驶之前，轻型货车可以分解成较短的常规组合。例如，由拖拉机、半挂车、转换器小车和第二辆半挂车组成的A-double组合可在接近城市区域时转换为标准拖拉机半挂车。然而，与常规车辆组合相比，使用LCV可以进一步放大高速机动中的横向运动，例如车道变换。典型的性能特征是在第一车辆和最后车辆单元之间的横向加速度的后向放大以及车辆组合中第一和最后车轴之间的侧向偏离跟踪（Aurell和Wadman，2007）。例如，在80km/h的LCV变道操纵和0.3Hz的关键方向盘频率期间，后向放大和横向偏离跟踪可能分别高达2m和0.5m，拖拉机半挂车组合的相应数值通常为1米和0.2米。
为了处理车道变化期间驾驶员的行为，有必要回顾关于微观交通模拟的研究。大多数现有车型可以根据车道变换决策过程或对周围车辆的影响来分类（郑，2014）。此外，变道操纵通常被分为强制变道（MLC）和自由变道（DLC）。当司机为了到达目的地而必须改变车道时执行MLC，而当驾驶员试图改善驾驶条件（例如为了获得速度优势）时发生DLC。考虑到旨在描述车道变换行为的基于规则的模型，车道变换通常以三个步骤的顺序建模（Moridpour，Rose和Sarvi，2010年）。首先，改变车道的动机;其次，目标车道的选择;最后，执行车道的变更。机动车的前两个阶段包含变道决策，而最后与阶段变道决策的执行相关。城市街道背景下的首批基于规则的模型是由Gipps（1986）提出的。Gipps模型中的决策过程包括诸如驾驶员的瞬时间隙接受度和预测的减速度、重型车辆的存在、特殊用途车道（例如过境车道）的存在、MLC和获得速度优势的可能性等。杨和Koutsopoulos（1996）将Gipps模型扩展到高速公路，并包含一个用于决策的随机方法。此外，他们发现，随着车辆接近其目标转折点，MLC的间隙接受程度将沿着三个连续阶段变化。Hidas（2005）提出了一个建模框架，其中包括车道变换交通互动。车道变换机动分为三类：自由、合作和强制。在合作或强制车道改变中，目标车道与目标车道中相邻车辆之间发生紧密的相互作用，其中相邻车辆不情愿地（即强行换道）或自愿地（即在合作车道改变）为主体车辆进入创造足够的空间。可能影响相邻车辆减速或不减速的因素包括主体和相邻车辆的攻击性、相邻车辆驾驶员的驾驶体验、换道的必要性和紧急程度、驾驶员的心理状态、交通状况条件等。Hidas假定相邻车辆驾驶员愿意接受某个最大速度下降，并采用“车道到达时间”来反映车道变换的紧急程度。郑（2014）对现有的车道变换模型进行了全面总结。
上面讨论的车道变换模型（Gipps，1986;Hidas，2005;Yang＆Koutsopoulos，1996）主要集中在客车司机的换道行为。重型车辆和乘用车之间的区别主要在于车辆总长度和加减速能力的差异。Moridpour等人（2010年）表明当驾驶员决定或执行变道决策时，高速公路上的重型车辆的行为与乘用车的行为明显不同。例如，在重型车辆DLC中，目标车辆主要移动到较慢的车道中以防止快速移动的车辆从后方靠近，乘用车主要进入更快的车道以获得速度优势。此外，对于重型车辆，在执行车道改变操纵时速度变化很小，在相应的乘用车情况下，司机主要增加他们的速度以进入更快的目标车道。此外，完成车道变换操纵所需的时间随着车辆的总长度的增加而增加。这是由于侧向车辆动力学放大以及由此导致主题车辆翻车的风险增加，因此重型车辆变道机动需要以平稳的方式进行，这对乘用车来说通常是不需要的。
除了Moridpour等人（2010年）的DLC相关发现之外，这项研究还检测了MLC。一般来说，小型轻型货车和重型货车运输是由生产力驱动的，远远超过乘用车。这意味着错过强制性的公路出发可能会导致时间延迟和运输成本增加。因此尤其在MLC中的乘用车和LCV之间，除了安全和其他驾驶员动机之外，紧迫性的动机可能是不同的。
与单体车辆相比，LCV执行车道更换时存在更多困难。首先，在交通密集的情况下，由于车辆长度的原因，LCV驾驶员可能会暴露于许多前后车辆的周围。其次，驾驶员依靠来自后视镜的可见度来估计总车辆长度后面的距离，例如，相邻车道滞后车辆间隙距离和最后面的车辆单元的横向道路位置。典型乘用车的总长度大约为5米，而LCV通常在27米至34米之间变化。前进道路的视觉分流对于轻型车驾驶员而言可能比乘用车更广泛。最后，由于没有足够大的间隙，对于LCV来说，在密集的交通中执行车道变换也许是完全不可能的，这对于客车来说可能是天生的间隙尺寸。例如，考虑70公里/小时的密集公路交通，其中车辆之间的时间差大约为1秒或空间尺寸为20米的差距，参见图2。这种交通状况下的换道机动对于乘用车来说是可能的，但对LCV来说是不可能的。为了完成车道变换操作，LCV驾驶员需要启动并依赖周围交通的合作或启动强制车道更换。
（a）轻型车
（b）乘用车
图2 密集公路交通中正确情况下的车道变换示例
本文的主要贡献是密集公路交通中MLC之前的LCV驾驶员行为的经验证据。该研究由两个车道变换事件组成，其中周围交通的合作水平各不相同，包括到目标公路出口坡道的最终距离。到出口坡道的距离被认为反映了紧急程度，其中长距离反映了低紧急程度和短距离高紧急程度。该研究还包括轻型车驾驶员如何尝试启动合作或强制车道变更以及紧急程度如何影响他们的行动。
2.方法
2.1 参与者
参加者是从瑞典国家公路和运输研究所（VTI）的专业卡车司机数据库中招募的。共有13名司机参加了这项研究，平均年龄为48.4岁（SD=9.8岁），年平均里程为41500公里（SD=18173公里）。一半以上的司机主要驾驶半挂车，或长达25.25米的卡车和拖车组合；没有任何受试者驾驶过A-double组合；司机能获得参与费。
2.2 驾驶模拟器
该实验使用瑞典哥德堡VTI的高保真移动底盘驾驶模拟器SIMIV。运动平台（Jansson等，2014）具有八个自由度（DOF），其分别在具有横向和纵向方向的滑架和具有剩余六个自由度，三个旋转和三个平移位移的六足架之间分配。运动平台如图所示图3（a）。系统在平移加速方面的局限性在横向和纵向都大约为5m/s2。视觉系统提供180°视场，并使用监视器屏幕模拟后视镜，请参阅图3（b）和（c）。
2.3 道路和交通
模拟器实验使用单向多车道路线执行，包括从Olskroksmotet到Kallebacksbacken的道路E20，E6和R40的路段，如图4所示。所有附带路段的总行车路线为3.7公里，车道宽度为3.5米，所有车道变换事件都在E6公路的路段上进行。
开始在靠近Olskroksmotet的双线道路E20向南行驶，见图4位置1，路标速度限制为70公里/小时。大约0.6公里后，司机到达单车道入口坡道，速度下降到50公里/小时，见图4位置2，在司机进入最左侧车道的三车道E6之前，在相邻的两条右车道的后方开始出现周边交通。当最靠近的右侧车道中的第一个周围车辆通过本车时，第一个周围车辆将车道改变为左侧（进入本车道）并转换到速度控制模式，设定速度为50km/h。这种情况与当主车进入E6道路时相吻合，见图4位置3，到目标出口坡道的距离是2.5公里，见图4位置4。进入E6公路后约200米，限速增至70公里/小时，在E6公路上行驶时，主车辆必须在右侧执行两次变道操作才能到达最右侧车道的目标出口匝道，见图4位置4，每个车道变换操纵表示实验设置中的一个车道变换事件。如果目标车辆到达出口坡道，则继续行驶0.8公里，然后指示主车辆的司机停止行驶，见图4位置5，未能在出口坡道出口的司机被指示在通过出口坡道后不久停车。
Knownroads在项目中为旧道路建模（Naring;bo，Andhill，Blissing，Hjort和Kauml;llgren，2015），使用来自GPS和地图数据的真实世界测量结果以及在交叉斜坡，倾斜和较短的垂直波长数据方面的局部道路特征。图形模型中添加了有关周围环境和通用人造结构的精确高度信息。
（a）多视角图 （b） 前视图 （c）后视镜
图3.模拟器的视图
图4.实验中使用的行车路线图
蓝色的实线表示每条道路的车道数（沿行驶方向）。虚线蓝色显示连接车道。每次驾驶会议都在E20公路的第1位开始。在第2位，驾驶员到达E6公路入口坡道。在位置3，司机在最左边的车道进入E6路，并且出现了周围的交通。在位置4，司机到达最右侧车道的出口坡道，并在位置5处实验结束。车道变换事件在位置3和4之间的E6公路上进行。位置3和4之间的距离为2.5公里。
表1 用于模拟周边交通的智能驾驶员模型（IDM）参数
|
变量 |
值 |
单位 |
描述 |
|
|
v0 |
80 |
km/h |
期望的速度 全文共15365字，剩余内容已隐藏，支付完成后下载完整资料 资料编号：[16017]，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。
