一种基于贝叶斯网络和跟驰模型的信号交叉口交通仿真方法技术

本发明专利技术公开一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，属于交通仿真与控制技术领域。首先根据驾驶员在不同信号灯状态下的驾驶行为特性，划分了四种典型的交通场景；其次，根据不同交通场景下的跟驰行为特征分别建立了四种跟驰模型；然后，将目标车辆的速度、信号灯状态灯、目标车辆到停车线距离作为影响驾驶员决策的影响因素构建贝叶斯网络模型；再者，基于实际车辆轨迹数据训练贝叶斯网络模型并计算驾驶员不停车通过交叉口的概率；最后根据计算的概率实时、动态地切换跟驰模型。本方法综合了概率模型和动力学模型地优势能够更好地反应驾驶员在实际信号交叉口交通场景下的跟驰行为，具有较好的扩展性和鲁棒性。具有较好的扩展性和鲁棒性。具有较好的扩展性和鲁棒性。

【技术实现步骤摘要】
一种基于贝叶斯网络和跟驰模型的信号交叉口交通仿真方法


[0001]本专利技术涉及一种交通仿真与控制
中车辆跟驰仿真的方法，具体是一种基于贝叶斯网络和跟驰模型的信号交叉口交通仿真方法。

技术介绍

[0002]随着汽车保有量的逐年攀升，城市交通拥堵问题愈发突出。信号交叉口作为城市路网的重要节点，对于城市交通运行至关重要。然而，交叉口同样是城市拥堵的高发区和交通治理的难点。受信号灯以及多向交通流汇集的影响，导致信号交叉口附近的交通现象以及交通流特性十分复杂。跟驰模型作为微观交通的重要组成部分，被认为是研究交通流以及理解交通现象的有效手段。
[0003]Masashi Sasaki等基于最优速度模型研究了单车道信号灯对交通流的影响以及不同信号控制策略下的交通流特性。唐铁桥等基于全速度差模型，提出一个考虑信号灯影响的交通流模型，结果证明该模型能够较好的再现交通流的聚集与消散特征。Chen等考虑到信号交叉口车辆的运动特性，建立了一个描绘车辆四阶段运动的跟车模型。于少伟，李修海等考虑到交叉口车辆的聚集特性，建立了信号交叉口车辆聚集模型。Tang和Yu等将绿灯时间驾驶员的跟驰特性纳入跟车模型。Zhang等分析了驾驶员在信号灯不同状态下的跟车行为，建立了基于不同信号状态下的分阶段跟车模型。Zhu等研究了信号叫交叉口车辆的制动过程。
[0004]在现有信号交叉口跟驰仿真的研究中，大多数是采用一个或多个跟驰模型对驾驶行为进行建模。其中，当涉及到多个跟驰模型时，模型之间的切换是采用确定性的计算规则。然而，在实际交通环境下，当面临不同的跟驰状态和信号灯状态时，驾驶员的决策行为具有高度的异质性和随机性。因此，仅采用跟驰模型和确定性的规则作为信号交叉口微观仿真模型并不能很好地反应实际驾驶行为和交通状况。

技术实现思路

[0005]本专利技术为了实现更加符合实际的信号交叉口微观车辆仿真。采用数据驱动加模型驱动的方法构建更加符合实际的信号交叉口跟驰仿真方法，具体的是使用贝叶斯网络作为驾驶员的决策模型并使用不同场景下的4种跟驰模型作为车辆的跟驰行为模型。
[0006]一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，包括以下步骤：
[0007]步骤一：分析、归纳和描述车辆在通过信号交叉口过程中可能会面临的交通场景。所有可能的交通场景都可以被划分到以下四种场景中：
[0008]场景一：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；
[0009]场景二：在交叉口停车线之前目标车辆为是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；
[0010]场景三：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为绿灯或红灯
末期，当前车辆可以不停车通过交叉口；
[0011]场景四：在交叉口停车线之前目标车辆为是头车，且当前信号灯为绿灯或红灯末期，当前车辆可以不停车通过交叉口；
[0012]步骤二：建立信号交叉口不同场景下的车辆跟驰模型。
[0013]通过分析不同交通场景下驾驶员的行为特征，分别用4种跟驰模型对不同场景下驾驶员的跟驰行为进行描述。
[0014]场景一：当目标车辆不是头车，且无法不停车通过交叉口时，车辆的跟驰模型为：
[0015][0016][0017]Ψ(Δv
n
(t),l
n
(t))＝min{Δx
n
(t),l
n
(t)}
[0018]其中，v
n
(t)为第n辆车在t时刻的速度，Δx
n
(t)为第n辆车与其前车(第n
‑
1辆车)的车头间距，l
n
(t)为第n辆车在t时刻到停车线的距离；V
op,scen1
为场景一下车辆的最优速度。α1，β1分别为模型一中驾驶员的最优速度敏感系数和速度差敏感系数，h为安全距离，v
max
为最大车速。
[0019]场景二：当目标车辆是头车，且无法不停车通过交叉口时，车辆的跟驰模型为：
[0020][0021][0022]其中，α2，β2分别为模型二中驾驶员的最优速度敏感系数和速度差敏感系数；场景三：目标车辆不是头车，且可以不停车通过交叉口时，车辆的跟驰模型为：
[0023][0024][0025]其中，α3，β3分别为模型三中驾驶员的最优速度敏感系数和速度差敏感系数；
[0026]场景四：当目标车辆是头车，且可以不停车通过交叉口时，车辆的跟驰模型为：
[0027][0028][0029]其中，v
exp
为最大期望速度，M为任意一个足够大的数，以至于使V
op
(M)＝v
exp
。
[0030]步骤三：建立基于贝叶斯网络建立信号交叉口驾驶员的决策模型。
[0031]基于实际交通场景分析，将目标车辆的速度、信号灯状态灯、目标车辆到停车线距离作为影响驾驶员决策的影响因素构建贝叶斯网络模型。改贝叶斯网络的联合概率如下式
所示：
[0032]p[v
n
(t),l
n
(t),S(t),J
n
(t+τ)][0033]＝p(v
n
(t)|l
n
(t),S(t)).p(L
n
(t)).p(S(t)).p(J
n
(t+τ)|v
n
(t),l
n
(t),S(t))
[0034]其中，S(t)表示时刻信号灯的状态类别。J
n
(t+τ)为驾驶员在t+τ时刻的决策行为，为减速至停车和不停车通过两类。此外，为方便计算，v
n
(t)，l
n
(t)，S(t)的取值也离散化为几个类别。在本文的研究中S(t)、J
n
(t+τ)、v
n
(t)、l
n
(t)分别划分为9、2、7、9类。相应的分类区间如下所示：
[0035]v
n
(t)∈[0,2),[2,4),[4,6),[6,8),[8,10),[10,12),[12,v
max
)，其中，单位为m/s。
[0036]对应类别为：{Vr1,Vr2,Vr3,Vr4,Vr5,Vr6,Vr7}
[0037]l
n
(t)∈[0,10),[10,20),[20,30),[30,45),[45,60),[60,75),[75,90),[90,105),[105,+∞)，其中，单位为m.对应类别取值为：{Dr1,Dr2,Dr3,Dr4,Dr5,Dr6,Dr7,Dr8,Dr9}
[0038]S(t)∈[t
g,end
,t
y,end
)[t
r,end
,t
g,en本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，其特征在于驾驶员在不同信号灯状态下的决策行为，包括以下步骤：步骤一：分析和描述车辆在通过信号交叉口时驾驶员在不同信号灯状态下可能会面临的交通场景；步骤二：建立信号交叉口不同场景下驾驶员的跟驰模型；通过分析不同交通场景下驾驶员的行为特征，分别用4种跟驰模型对不同场景下驾驶员的跟驰行为进行描述；步骤三：建立基于贝叶斯网络建立信号交叉口驾驶员的决策模型；综合目标车辆的速度、信号灯状态灯、目标车辆到停车线距离相关特征构建信号交叉口的加驾驶行为决策模型，并作为不同跟驰模型的切换依据；步骤四：基于实际交叉口场景车辆轨迹数据训练贝叶斯网络模型；步骤五：基于贝叶斯网络模型计算驾驶员不停车通过交叉口的概率p；贝叶斯网络实时动态计算驾驶员在当前行驶状态和信号灯状态下是否能够通过交叉口的概率(即减速停车或不停车通过信号交叉口的概率)；步骤六：当目标车辆与停车线之间有其他车辆且p＜0.5时，选择模型一作为驾驶员当前时刻的跟驰模型；当目标车辆与停车线之间无其它车辆且p＜0.5时，选择模型二作为驾驶员当前时刻的跟驰模型；当目标车辆与停车线之间有其它车辆且p＞0.5时，选择模型三作为驾驶员当前时刻的跟驰模型；当目标车辆与停车线之间无其它车辆且p＞0.5时，选择模型四作为驾驶员当前时刻的跟驰模型；步骤七：仿真时，在每个时刻重复步骤六。2.根据权利要求1所述的一种基于贝叶斯网络和跟驰模型的信号叉口仿真方法，其特征在于：步骤一所述分析和描述车辆在通过信号交叉口时驾驶员在不同信号灯状态下可能会面临4种交通场景：场景一：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；场景二：在交叉口停车线之前目标车辆为是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；场景三：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为绿灯或红灯末期，当前车辆能不停车通过交叉口；场景四：在交叉口停车线之前目标车辆为是头车，且当前信号灯为绿灯或红灯末期，当前车辆能不停车通过交叉口。3.根据权利要求1所述的一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，其特征在于：步骤二中根据信号交叉口驾驶员可能会面临的4种不同场景分别建立对应的跟驰模型；场景一及模型一：目标车辆不是头车，且无法不停车通过交叉口时，车辆的跟驰模型为：
Ψ(Δv
n
(t),l
n
(t))＝min{Δx
n
(t),l
n
(t)}其中，v
n
(t)为第n辆车在t时刻的速度，Δx
n
(t)为第n辆车与其前车(第n
‑
1辆车)的车头间距，l
n
(t...

【专利技术属性】
技术研发人员：刘颖，唐国议，蔚欣欣，张鹏，杨星，岳福青，王秀格，
申请(专利权)人：交通运输部规划研究院，
类型：发明
国别省市：