摘要：面向混合交通环境下多车效率类和单车安全类场景测试需求,研究了基于混合交通场景要素解析的车路协同测试案例生成方法;为提高测试案例的多样性和覆盖度,分析了混合交通特征要素相互作用机理,构建了混合交通场景要素层次模型,提出了场景要素重要度的一致性描述指标,并在此基础上建立了测试案例复杂度模型;针对多车效率类场景仿真测试,提出了复杂度激励的组合测试案例生成方法,设计了场景要素强耦合组合策略;针对单车安全类场景仿真测试,提出了基于复杂度聚类的蒙特卡洛测试案例生成方法,设计了风险场景特征参数抽样机制;选取车路协同混合交通典型场景开展仿真试验,验证了提出的测试案例生成方法的有效性。研究结果表明,对于多车效率类混合交通高速公路匝道合流场景测试,提出的方法比传统成对测试方法的场景最大复杂度提高了11.93%,高复杂度场景占比提高了60.02%,测试案例覆盖度提高了12.08%;对于单车安全类车路协同换道预警场景测试,提出的方法比传统蒙特卡洛测试方法的危险场景数提高了195%,且其参数估计误差降低了5.95%,高风险场景数提高了119%,且其参数估计误差降低了4.78%。可见,提出的方法能够提高测试案例的多样性和覆盖度,有助于开展复杂环境和风险条件下车路协同系统功能测试,能够有效满足多车效率类和单车安全类场景测试需求。

摘要：针对旅客个性化出行需求和机场快速疏解要求,在对陆侧交通各出行方式固定分配的基础上,提出了一种基于二次诱导的群体空港旅客出行推荐方法,为定制化旅客服务提供算法支撑;基于旅客原始数据,结合粗糙集理论进行特征属性的知识约简,提高算法性能;运用改进贝叶斯分类算法进行基于旅客独立特征概率计算的出行方式推荐度量化,生成基于一次诱导的旅客出行推荐序列;面向机场陆侧各出行方式运力固定分配的约束,将旅客出行推荐序列输入基于改进非支配排序遗传算法(NSGA-II)的旅客二次诱导出行推荐模型中,进行运力与旅客流的深度匹配,对旅客出行推荐结果进行再次优化;基于普适性原则,使用小规模(100人次)和大规模(1000人次)旅客样本进行模型验证。分析结果表明:在不同规模旅客流输入情况下均能得到良好结果,小规模样本下旅客出行方式推荐正确率为77.41%,大规模样本下旅客出行方式推荐正确率为79.62%;经过二次诱导后,旅客流出行推荐分布与运力间的匹配度相比真实出行以及一次诱导分布皆有巨大提升。在旅客流与运力高度匹配的基础上实现了旅客出行偏好需求,算法性能良好,为改善枢纽机场客流疏解能力提供了一种切实可行的方法。

摘要：为提升车路协同孪生仿真测试系统的同步性能,明确了孪生主体的运行机理,分析了影响系统同步性能的干扰因素,建立了孪生状态同步映射模型;针对孪生状态采样的时钟异步问题,设计了时钟误差估计策略,修正了孪生仿真测试系统的量测时间偏差;在此基础上,结合卡尔曼滤波原理,引入多尺度滤波器更新机制,建立了考虑同步采样误差的量测噪声模型,提出了多尺度滤波同步优化方法;最后,在搭建的孪生仿真测试原型系统中,选取NGSIM数据集的车辆轨迹开展试验。研究结果表明:在不同车辆速度条件下,提出的多尺度滤波同步优化方法能够保持良好的同步性能;在横向坐标同步方面,平均绝对误差小于1 mm,99.5%的绝对误差控制在8 mm以内;在纵向坐标同步方面,平均绝对误差小于9 mm,99.5%的绝对误差控制在38 mm以内;在速度同步方面,平均绝对误差小于2.8 cm·s^(-1),99.5%的绝对误差控制在24 cm·s^(-1)以内;在偏航角同步方面,平均绝对误差小于1.1×10^(-3)rad,99.5%的绝对误差控制在1.1×10^(-2)rad以内;与航迹推算方法相比,提出的方法能够在横向坐标、纵向坐标、速度和偏航角方面平均提升30.0%的同步精度,能够有效解决孪生主体的状态异步问题,可保障车路协同孪生仿真测试系统的实时同步与精准运行。

摘要：为保障车路协同环境下信息的可信交互,分析了车车、车路协同信息交互流程和不同模式下的交互需求,设计了车路协同可信交互架构;构建了车辆行为状态推演模型与路径扰动因子量化模型,设计了车辆主体可信度计算方法与等级评估规则,实现了车辆主体行为可信认证;通过对交通业务的有效特征理解构建了消息紧急度量化模型,利用低分辨率筛选策略初步过滤了消息报文,基于支持向量机(SVM)对消息内容进行了深度理解,形成了多分辨率交互内容认知方法;使用包含OMNeT++和SUMO仿真模拟器的Veins搭建了仿真测试环境,针对不同网联自动驾驶车辆(CAV)渗透率下的开放道路和交叉口场景开展了仿真试验,对提出的车路协同可信交互方法进行了测试验证。研究结果表明:结合交通业务特征理解能够有效改善车路协同信息交互的可信度判别,提出的方法对信标位置消息的平均认知正确率可以达到90.91%,相比基于时效性检测的可信交互方法提高了8.68%;在安全效率消息可信交互验证试验中,随着恶意车辆比例的增加,传统基于投票机制的车路协同可信交互方法逐渐失效,而提出的方法在保证单次认证时延小于13 ms的条件下,平均正确率达到94.96%,较传统基于反向传播(BP)神经网络的方法提高了3.05%,且CAV渗透率越大,可信交互检测结果的准确率越高,漏报率越低,能够满足车路协同可信交互需求。

摘要：为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。

摘要：归纳了车路协同及其仿真测试技术的发展历程,并结合典型仿真结果探讨了萌芽期、起步期、发展期阶段下的仿真需求、经典方法与技术瓶颈;在此基础上,提出了基于交通主体建模、群体行为仿真、测试结果分析的3层新型虚实交互仿真测试架构;针对混合交通主体仿真需求构建了异构交通主体模型,解析了混合交通运行机理,以此作为仿真系统底层模型支撑;结合设计的虚实交互仿真测试架构,突破了混合交通群体智能场景生成技术,提出了混合交通群体智能仿真方法;在此基础上,选取交叉口和路段典型交通场景,开展了不同群体智能决策控制方法的仿真试验,以验证所提方法的效能;最后,总结了车路协同的未来发展方向和相关建议。研究结果表明:相比于传统仿真测试方法,提出的虚实交互仿真测试方法的系统仿真粒度从500 ms减小到100 ms以内,仿真规模从9个节点和500个交通主体提升到150个节点和2 000个交通主体,仿真场景数量由36个扩展到98个,实现了异构交通主体渗透率0~100%动态可调,有效提高了车路协同混合交通仿真测试的效率、规模和覆盖度;目前新型混合交通环境下车路协同仿真测试需求快速朝着群体化、智能化、规模化演变,开展基于虚实交互和运行环境数据模拟的车路协同群体智能仿真测试方法技术研究,将有力推动下一代智能交通系统的发展。

摘要：提出了一种联网智能车运动学仿真基础环境构建方法,该方法无需任何第三方交通仿真软件的协助,能够实现对联网智能车运动学相关功能的仿真验证.采用交叉口节点作为路网关键元素实现对仿真路网的描述,定义了交叉口和车辆属性,设计了车辆运动学模型在仿真环境中的实现方法,给出了基于高斯分布的车辆定位误差、基于平均分布和Rayleigh分布的通信延误在仿真中的运行机制,构建了仿真环境.仿真结果表明:该方法可靠性好;采用该方法构建的仿真环境得到的车辆延误与HCM 1994车辆延误模型结果保持一致;在危险跟驰预警场景中,预警时刻两车间距的变化规律与论文提出的定位误差模型和通信延误模型保持一致.最后,通过对交叉口车辆间隙控制方法进行仿真,进一步证明了该方法对联网智能车运动学方面功能验证的支持.

摘要：提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。

摘要：建立了双向双车道环境下单车超越车队模型,分析了影响双向双车道超车危险区域范围的主要因素;设计了分步式单车超越车队算法,研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系,提出了车辆入队所需最小安全间隙的速度匹配方案;建立了单车超越车队算法的目标函数,设定最大允许超车时间内超车车辆与车队行驶距离最大,超车车辆超越车队车辆数最多,前、后车形成安全间隙过程中加速度、减速度最小;提出了基于改进粒子群的分级约束多目标优化方法,为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明:双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系;改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度,平均收敛时间缩短39.2%;在分步式单车超越车队过程中,车队车辆平均速度提升9.04%,即在车队间隙生成过程中,虽然部分车辆速度减小,但车队整体平均速度得到提升;超车车辆平均速度提升16.8%,即在超车过程中,不仅超车车辆的安全性得到保证,其运行效率也得到提升。

摘要：针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.