为提升高速公路合流区的行车安全、通行效率与环保性能,对可变限速控制策略展开了研究。基于检测器获取的实时交通流状态,以最短行程时间与碰撞时间为安全目标,结合不同区域通行需求确定最优限速值,构建了分级可变限速控制策略;在双深度...为提升高速公路合流区的行车安全、通行效率与环保性能,对可变限速控制策略展开了研究。基于检测器获取的实时交通流状态,以最短行程时间与碰撞时间为安全目标,结合不同区域通行需求确定最优限速值,构建了分级可变限速控制策略;在双深度Q网络(double deep Q network,DDQN)算法中引入优先经验回放与ε-Greedy策略,提出优化双深度Q网络(optimized DDQN,OPDDQN)算法,以提高关键样本利用率并增强探索策略稳定性,进而训练得到相应的控制策略;依托SUMO平台搭建仿真环境,在低、中、高不同流量条件下验证了该策略的效果。研究结果表明:与DDQN算法相比,OPDDQN算法训练时间可节省33%;相较于无控制场景,所提策略使碰撞风险、行程时间、燃油消耗分别降低了39.18%、48.30%、34.48%,平均速度提升了67.05%。展开更多
高速公路分流区作为典型的交织区域,容易发生急刹车、急变道等危险驾驶行为,这些行为往往会引发严重的交通冲突。为有效评估高速公路分流区的安全水平,深入探讨了冲突数据的优化问题,提出了一种融合冲突可能性和严重性的高速公路分流区...高速公路分流区作为典型的交织区域,容易发生急刹车、急变道等危险驾驶行为,这些行为往往会引发严重的交通冲突。为有效评估高速公路分流区的安全水平,深入探讨了冲突数据的优化问题,提出了一种融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法及极值建模应用。在冲突可能性方面,以碰撞时间差(Time Difference to Collision,TDTC)为指标,探究了高速公路分流区车辆碰撞的3种典型场景,并计算出冲突事件的时间阈值;在冲突严重性方面,引入Delta-V来筛选出具有潜在人员伤亡后果的冲突事件。将该融合数据集与传统仅考虑冲突可能性的单一数据集进行对比,并通过构建区组极值模型进行安全评估。结果表明:基于融合数据集构建的极值模型,冲突极值的重现水平结果平均绝对误差为0.046,均方根误差为0.058,其估计精度和实际冲突的拟合效果均优于传统数据集;使用极值模型对各分流区的碰撞频次进行了预测分析,发现其评估可靠性和事故预测结果更加符合实际冲突情况,提升了事故预测的可靠性。融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法可以为高速公路分流区安全评估模型的精度提升提供新的思路。展开更多
【目的】为提高应急车辆通行效率并减小其对社会车辆的负面影响,建立一种考虑网联自动驾驶专用道的应急车辆优先通行控制模型。【方法】首先,以布设自动驾驶专用道的多车道城市快速路基本路段为研究对象,将自动驾驶专用道临时开辟为应...【目的】为提高应急车辆通行效率并减小其对社会车辆的负面影响,建立一种考虑网联自动驾驶专用道的应急车辆优先通行控制模型。【方法】首先,以布设自动驾驶专用道的多车道城市快速路基本路段为研究对象,将自动驾驶专用道临时开辟为应急车道,并引入应急车辆动态避让区的概念。其次,考虑避让区内网联自动驾驶车辆(connected and automated vehicle,CAV)的避让优先级,以应急车辆延误最小及对社会车辆负面影响最低为目标,动态避让区内网联车辆的纵向速度和横向换道为决策变量,结合车辆动力学、跟驰与换道安全间距等约束条件,构建基于多目标优化的混合整数非线性规划模型。最后,针对一条1.2 km的单向三车道城市快速路基本路段,利用城市交通能力仿真软件SUMO开展联合仿真试验,验证了该模型的有效性和先进性。【结果】与无优化方案相比,优化方案能使应急车辆的平均被影响时长减少96.05%,应急车辆平均延误减少93.12%,应急车辆平均速度提高19.73%,同时,模型未对社会车辆的通行速度产生负面影响。在协助一辆应急车辆优先通行过程中,专用车道上换道让行的平均车辆数为6.31辆,进一步验证了该模型的有效性。【结论】提出的控制模型在不同流量和网联车辆渗透率场景下均能显著提升应急车辆的通行效率,同时对社会车辆通行速度无影响,可为混合交通流中应急车辆的优先通行提供一种新的解决方案。展开更多
文摘为提升高速公路合流区的行车安全、通行效率与环保性能,对可变限速控制策略展开了研究。基于检测器获取的实时交通流状态,以最短行程时间与碰撞时间为安全目标,结合不同区域通行需求确定最优限速值,构建了分级可变限速控制策略;在双深度Q网络(double deep Q network,DDQN)算法中引入优先经验回放与ε-Greedy策略,提出优化双深度Q网络(optimized DDQN,OPDDQN)算法,以提高关键样本利用率并增强探索策略稳定性,进而训练得到相应的控制策略;依托SUMO平台搭建仿真环境,在低、中、高不同流量条件下验证了该策略的效果。研究结果表明:与DDQN算法相比,OPDDQN算法训练时间可节省33%;相较于无控制场景,所提策略使碰撞风险、行程时间、燃油消耗分别降低了39.18%、48.30%、34.48%,平均速度提升了67.05%。
文摘高速公路分流区作为典型的交织区域,容易发生急刹车、急变道等危险驾驶行为,这些行为往往会引发严重的交通冲突。为有效评估高速公路分流区的安全水平,深入探讨了冲突数据的优化问题,提出了一种融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法及极值建模应用。在冲突可能性方面,以碰撞时间差(Time Difference to Collision,TDTC)为指标,探究了高速公路分流区车辆碰撞的3种典型场景,并计算出冲突事件的时间阈值;在冲突严重性方面,引入Delta-V来筛选出具有潜在人员伤亡后果的冲突事件。将该融合数据集与传统仅考虑冲突可能性的单一数据集进行对比,并通过构建区组极值模型进行安全评估。结果表明:基于融合数据集构建的极值模型,冲突极值的重现水平结果平均绝对误差为0.046,均方根误差为0.058,其估计精度和实际冲突的拟合效果均优于传统数据集;使用极值模型对各分流区的碰撞频次进行了预测分析,发现其评估可靠性和事故预测结果更加符合实际冲突情况,提升了事故预测的可靠性。融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法可以为高速公路分流区安全评估模型的精度提升提供新的思路。
文摘【目的】为提高应急车辆通行效率并减小其对社会车辆的负面影响,建立一种考虑网联自动驾驶专用道的应急车辆优先通行控制模型。【方法】首先,以布设自动驾驶专用道的多车道城市快速路基本路段为研究对象,将自动驾驶专用道临时开辟为应急车道,并引入应急车辆动态避让区的概念。其次,考虑避让区内网联自动驾驶车辆(connected and automated vehicle,CAV)的避让优先级,以应急车辆延误最小及对社会车辆负面影响最低为目标,动态避让区内网联车辆的纵向速度和横向换道为决策变量,结合车辆动力学、跟驰与换道安全间距等约束条件,构建基于多目标优化的混合整数非线性规划模型。最后,针对一条1.2 km的单向三车道城市快速路基本路段,利用城市交通能力仿真软件SUMO开展联合仿真试验,验证了该模型的有效性和先进性。【结果】与无优化方案相比,优化方案能使应急车辆的平均被影响时长减少96.05%,应急车辆平均延误减少93.12%,应急车辆平均速度提高19.73%,同时,模型未对社会车辆的通行速度产生负面影响。在协助一辆应急车辆优先通行过程中,专用车道上换道让行的平均车辆数为6.31辆,进一步验证了该模型的有效性。【结论】提出的控制模型在不同流量和网联车辆渗透率场景下均能显著提升应急车辆的通行效率,同时对社会车辆通行速度无影响,可为混合交通流中应急车辆的优先通行提供一种新的解决方案。
