摘要
智能网联交通系统是智能交通系统未来的重要发展方向之一。智能网联交通涵盖车联网与车路协同、自动驾驶、智能网联汽车、自动公路等研究领域，具有广阔的市场前景和重要的战略意义。按照约定的通信协议和数据交互标准，实现车与车、车与路、车与人以及车与交通管理设施/系统之间的通讯和信息交换，形成智能化交通管理、智能化动态信息服务和网联车辆智能化自动驾驶的一体化智能网络，是物联网技术在交通运输领域的重要应用。作为一种新型加强版的出行工具，智能网联汽车是解决道路安全、交通拥堵、能源短缺及环境污染等问题的手段之一。面向智能网联汽车的换道控制是引导更安全、更舒适、更节能、更环保的关键技术，近年来得到了学术界和工程界的广泛关注。但目前针对高速公路智能网联汽车下匝道换道控制与评价的理论研究较少，尚未建立起完善的换道控制研究框架，严重制约着这一新兴技术的发展。理论研究层面，论文研究的开展有助于加深理解智能网联汽车换道控制对高速公路瓶颈交通流影响机理，理解控制算法与策略对于换道控制效果的影响，并认识换道控制对于改善多车道高速公路瓶颈路段交通安全与通行能效率的作用。工程应用层面，论文研究成果有助于加快我国智慧高速公路建设，提升智能网联交通系统管理水平，改善高速公路现存严峻的交通问题，具有重要的工程应用价值。论文依托一项国家重点研发计划和两项国家自然科学基金，采用美国NGSIM数据库、各国交通经济等相关数据，从机理分析、策略对比、效果分析、技术应用、远景预测五方面出发，对智能网联汽车下匝道换道控制与评价中若干关键问题进行探索与研究。首先建立智能网联汽车换道模型和换道路径控制策略，其次提出基于机器学习的换道行为建模方法，接着应用进化学习理论，构建智能网联汽车换道轨迹反馈控制框架，之后提出基于场论的换道行为安全评价指标，最后建立面向智能网联交通系统的综合经济评价模型。论文的主要研究内容可以具体分为如下几个方面：首先，建立智能网联汽车下匝道换道模型和控制策略。根据高速公路下匝道交通流运行特征和智能网联汽车控制流程，分析智能网联汽车环境感知系统获取信息及换道决策过程，分析下匝道换道行为对瓶颈交通流的影响机理，通过分析目标车道内换道间隙计算、预测、比选、执行等步骤，提出面向下匝道智能网联汽车的强制换道模型；提出多种分级换道路径控制策略并对比分析不同策略控制下交通运行状态，求解特定环境下多车道高速公路下匝道瓶颈路段最优换道路径控制策略。其次，应用机器学习算法对下匝道换道行为进行建模。将完整的换道过程分为换道决策和换道执行两个步骤，分别提出基于机器学习算法的换道行为建模方法。建立基于随机森林的换道决策模型，采用目标车道内多辆车和多个间隙构建决策树，针对下匝道换道行为对前后车辆的影响，建立基于神经网络的换道执行模型，对比不同换道模型对车辆行驶轨迹在速度和位置特征追踪效果方面的差异，并针对多车道高速公路下匝道瓶颈路段不同设置场景，分析新型换道模型对智能网联交通系统控制的效果。第三，构建基于进化学习的下匝道换道轨迹反馈控制框架。对进化论与交通控制进行本质分析与对比研究，基于进化学习思想构建旨在解决数据数量和质量的换道控制框架。以基于机器学习的下匝道换道模型为智能网联环境仿真平台，采用多目标综合成本函数对目标轨迹数据库进行筛选并形成母本训练集，从新旧换道轨迹综合数据库中提取出子代数据集。分析换道控制区域长度、智能网联汽车市场渗透率等关键参数对运行效率和交通安全的影响，探究进化学习迭代次数和换道轨迹提取数量设置对拟合精度和计算效率的控制效果。第四，提出基于场论的换道行为安全评价指标。提出五车交互的换道行为建模方法，针对动力学场和行为场构建智能网联汽车综合磁场，仿真分析基于叠加场力的换道行为评价效果，并与传统指标碰撞时间 TTC 对比分布效果。提出以百分比为判别条件的换道行为风险等级，评价不同下匝道换道路径控制策略的速度演化、场力分布、风险评估等特征，为最优控制策略的选择提供决策支持。最后，提出面向智能网联环境交通下匝道瓶颈路段的综合经济评价模型。针对智能网联交通下匝道瓶颈路段特征进行经济影响因素研究，通过对比常规高速公路环境建立面向智能网联环境的综合经济评价模型，通过对世界典型18个国家及其组成的5个地区交通经济调查，收集与预测近中远期综合经济评价模型中各项成本参数，根据不同车-车/车-路控制方案，仿真分析各国各区域的智能网联交通下匝道瓶颈路段经济表现特征，对比不同控制方案在不同时期的经济优势，为智能网联环境交通经济影响评价和控制策略决策提供理论依据。
NETL