论文部分内容阅读
信号交叉口受信号配时红灯的打断车流作用影响,必然产生严重的交通震荡,是研究人员的重点研究区域。自动驾驶和车联网技术是未来交通发展的必然趋势,基于自动驾驶和车联网技术的车辆速度控制方法将成为解决交通震荡的有效手段之一。本文首先将针对纯自动驾驶环境,以信号交叉口为研究区域,分别基于集中式控制系统和分布式控制系统对自动驾驶车辆速度控制进行研究,探索二者控制系统的性能优化上界。随后,针对自动驾驶车辆和人工驾驶车辆混行的混合交通流,对信号交叉口处的人工驾驶车辆跟驰行为和自动驾驶车辆速度控制进行研究,探讨混合交通流对集中式控制系统和分布式控制系统的影响。首先,本文针对纯自动驾驶环境,设计了集中式信号交叉口自动驾驶车辆速度控制系统,该系统同时考虑了交通通行效率、油耗和安全性作为联合优化目标,并消除了车辆驶入和驶离状态均为固定值的假设,随机生成车辆的驶入时间和速度,以及将车辆的驶离时间和速度作为优化的决策变量,从而更符合实际情况。另外,利用时间离散化方法和分段轨迹近似方法,对复杂的非线性原问题进行改进,同时利用基于轨迹平滑后的初始解和矩形分割算法以及并行计算方法对改进模型进行求解,在加速求解效率的同时保证了求解的有效性和稳定性。其次,本文针对纯自动驾驶环境,设计了分布式信号交叉口自动驾驶车辆速度控制系统,与集中式控制系统类似,分布式控制系统也对交通通行效率、油耗和安全性进行综合考量,采用时间离散化方法和分段轨迹近似方法对原问题进行改进,并采用基于轨迹平滑后的初始解和矩形分割算法以及并行计算方法进行求解。与集中式控制系统不同,分布式控制系统中不存在中央控制器,而是将每辆车视为智能体。因此,分布式控制系统把集中式控制系统的优化问题划分为多个子问题进行优化。实验结果表明,分布式控制系统相较于集中式控制系统能够在不损失太多系统性能的同时,极大地提升系统计算效率。再次,本文考虑人工驾驶车辆和自动驾驶车辆混行的混合交通流环境,对信号交叉口处的人工驾驶车辆跟驰行为进行研究,考虑信号交叉口处交通震荡明显,基于高精度车辆轨迹数据对交通流震荡进行量化分析,并根据分析结果构建时距函数,对传统人工驾驶车辆跟驰模型进行改进,标定和验证后的结果表明改进模型相比于传统模型能够明显提升轨迹预测的准确率。之后,通过对多个模型进行比选,选取出了更适合描述混合交通流下信号交叉口人工驾驶车辆跟驰行为的模型,从而为后续混合交通流下的信号交叉口自动驾驶车辆速度控制系统提供准确的状态感知技术。最后,本文基于纯自动驾驶环境下的集中式控制系统和分布式控制系统,考虑混合交通流环境下的人工驾驶车辆的影响,分别设计了混合交通流下的集中式和分布式信号交叉口自动驾驶车辆速度控制系统,采用基于轨迹平滑后的初始解和矩形分割算法以及并行计算方法进行求解,并通过仿真实验对自动驾驶车辆市场占有率的影响进行评估,探索出了集中式和分布式控制系统在不同混合交通条件下的有效性和先进性。本文以自动驾驶和车联网技术为背景,对信号交叉口自动驾驶车辆速度控制进行研究,分别完成了纯自动驾驶环境下的集中式和分布式控制系统构建,并对系统的有效性、先进性和普适性进行评估,结果表明分布式控制系统相比集中式控制系统能够在不损失太多系统性能的同时显著提升计算效率。随后,针对混合交通流环境,对信号交叉口处考虑交通震荡的人工驾驶车辆跟驰模型进行研究,并完成了混合交通流下的信号交叉口自动驾驶车辆速度控制系统构建,分析了自动驾驶车辆市场占有率对实际应用的影响。结果表明在自动驾驶初期,即自动驾驶车辆市场占有率较低时,考虑技术成本和计算效率等方面,分布式控制系统相比于集中式控制系统更易于实现,且系统优化性能相近,此时建议采用分布式系统;随着自动驾驶技术的普及,若追求系统优化性能则可采用集中式控制系统,若更多考虑系统成本,则可采用分布式控制系统。综上所述,本文所提研究能够为减缓未来信号交叉口处的交通震荡造成的交通拥堵和额外的能源浪费提供科学依据、理论支撑和应用指导。