一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法技术

一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，本发明专利技术涉及考虑驾驶人视角的高快速路车辆跟驰行为量化方法

【技术实现步骤摘要】
一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法


[0001]本专利技术涉及考虑驾驶人视角的高快速路车辆跟驰行为量化方法，属于交通工程领域
。

技术介绍

[0002]跟驰模型是一种典型的微观交通流模型，在刻画交通流规律和控制交通流稳定性方面有着重要的理论指导作用
。
在过去几十年的研究中，许多学者对其展开了大量的研究，构建了
Gipps
模型
、
优化速度模型
(OV)、
全速度差模型
(FVD)
和智能驾驶人模型
(IDM)
等跟驰模型
。
其中，
FVD
跟驰模型可以更全面地描述车流的跟驰现象，不会出现加速度过高的情况，被广泛地应用到跟驰理论的拓展研究中，尤其是多辆前后车与跟驰车辆相互影响的领域
。
[0003]在现有的跟驰模型中，大多认为驾驶员可以准确获得其他车辆的位置
、
速度和加速度等信息，实际上驾驶员的信息获取主要来自对其他物体的距离感知
。
同时，由于道路线形
、
车辆宽度和驾驶技术等因素影响，车辆往往与道路的中心线存在一定的“侧向偏移”，进而可以认为两辆车之间存在一个横向偏移距离
。
研究表明，考虑相同车道上前方多个车辆的行驶状态，以及相邻车道上前车的横向干扰对跟驰车辆的影响均能促使交通流稳定性的提高
。
[0004]现有的研究成果大多是考虑多车影响的双车道跟驰模型，主要分析了跟驰车辆受相同车道前方多车辆影响所做出的行为决策，以及跟驰车辆对相同车道或相邻一条车道紧邻前车横
、
纵向位置的行为感知，缺乏对跟驰车辆受相同车道前方多车辆和相邻两车道上紧邻前车的纵向位置和横向偏移共同作用的研究
。
同时，已有研究主要基于美国的
NGSIM
数据集
、
德国的
HighD
数据集展开，少有学者以国内的交通流场景为对象进行跟驰行为的量化分析
。
为了探究我国多车道道路车辆的运行特性，增强车辆速度预测的准确性，提高多车交互的安全水平，需要建立一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法
。
其中，高快速路是指高速公路
(
设计车速
60
‑
120km/h(
包括
60
和
120))
和快速路
(
设计车速
60
‑
100km/h(
包括
60
和
100))。

技术实现思路

[0005]本专利技术的目的是为了解决针对我国多车道道路车辆的运行特性，现有车辆跟驰行为量化方法准确性低的问题，而提出一种考虑驾驶人视角的车辆跟驰行为量化方法
。
[0006]一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法具体过程为：
[0007]步骤
S1、
获取车辆运行轨迹数据；
[0008]步骤
S2、
根据车辆运行轨迹数据筛选出跟驰片段样本，并根据车辆所处的交通场景对跟驰片段样本进行分类，得到各类跟驰片段样本的车辆运行轨迹数据集；
[0009]步骤
S3、
计算各类跟驰片段样本的车辆运行轨迹数据集中跟驰车辆与关联车辆间的相对运动参数，以及反映跟驰车辆驾驶人视角的参数；
[0010]步骤
S4、
基于步骤
S3
的跟驰车辆与关联车辆间的相对运动参数以及反映跟驰车辆
驾驶人视角的参数，建立各类交通场景下的改进多车道
FVD
跟驰模型，并使用遗传算法标定跟驰模型参数；
[0011]所述
FVD
为全速度差模型
。
[0012]本专利技术的有益效果为：
[0013]本专利技术的目的是提供一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，该方法通过获取车辆的轨迹数据
、
筛选跟驰片段样本并进行分类
、
计算车辆间的相对运动参数和反映驾驶人视角的参数，对经典的全速度差模型进行改进，并采用遗传算法进行模型参数标定
。
该模型能够更加准确地描述驾驶人的跟驰行为，可应用于车辆的轨迹预测等方面
。
[0014]本专利技术适用于不同道路条件的交通场景，基于跟驰车辆与关联车辆的运行轨迹数据，构建考虑驾驶人视角的多车道跟驰模型；该模型能够更加准确地描述驾驶人的跟驰行为，可应用于车辆的轨迹预测等方面
。
[0015](1)
本专利技术提出的考虑驾驶人视角的高快速路车辆跟驰行为量化方法，适用于驾驶员在单车道
、
双车道和多车道中不同位置的交通场景，可根据车辆所处的道路条件对跟驰模型的基本形式进行选择；
[0016](2)
本专利技术构建的改进多车道
FVD
模型，是一种考虑驾驶人视角的跟驰模型，研究了相同车道上多辆前车，以及相邻两车道上紧邻前车的运动状态对跟驰车辆的影响，能够更加全面
、
细致地刻画多车之间的交互作用关系；
[0017](3)
基于车辆轨迹数据的跟驰模型参数标定和拟合效果对比可知，在车辆加速度估计的准确性方面，本专利技术提供的改进多车道
FVD
模型相较于传统
FVD
模型
、
考虑前方多车辆影响的改进
FVD
模型和考虑侧向偏移的改进
FVD
模型在平均绝对误差上分别优化了
37.13
％
、6.99
％和1％，在均方根误差上分别优化了
30.33
％
、1.19
％和
14.3
％
。
这表明本专利技术提出的改进多车道
FVD
跟驰模型能够更加准确地描述驾驶人的跟驰行为
。
附图说明
[0018]图1为本专利技术提供的考虑驾驶人视角的高快速路车辆跟驰行为量化方法流程图；
[0019]图2为本专利技术提供的驾驶人视角的多前车信息示意图，
Δ
x
n,l
、
Δ
x
n,n+1
、
Δ
x
n,n+2
、
Δ
x
n,n+3
、
Δ
x
n,r
为车头间距，
V
l
、V
n+1
、V
n+2
、V
n+3
、V
r
为车辆的速度，
l
l
、l
n+1
、l
n+2
、l
n+3
、l
r
为车辆的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述方法具体过程为：步骤
S1、
获取车辆运行轨迹数据；步骤
S2、
根据车辆运行轨迹数据筛选出跟驰片段样本，并根据车辆所处的交通场景对跟驰片段样本进行分类，得到各类跟驰片段样本的车辆运行轨迹数据集；步骤
S3、
计算各类跟驰片段样本的车辆运行轨迹数据集中跟驰车辆与关联车辆间的相对运动参数，以及反映跟驰车辆驾驶人视角的参数；步骤
S4、
基于步骤
S3
的跟驰车辆与关联车辆间的相对运动参数以及反映跟驰车辆驾驶人视角的参数，建立各类交通场景下的改进多车道
FVD
跟驰模型，并使用遗传算法标定跟驰模型参数；所述
FVD
为全速度差模型
。2.
根据权利要求1所述的一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述步骤
S1
中车辆运行轨迹数据包括跟驰车辆
n
所在车道编号及相邻车道编号
、
跟驰车辆及关联车辆的长度
l
n
、
宽度
w
n
、
纵向位置
x
n
(t)、
横向位置
y
n
(t)、
速度
V
n
(t)
和加速度
a
n
(t)
信息；关联车辆包括与跟驰车辆
n
相同车道上的前方多个车辆，以及相邻两车道上的紧邻前车
。3.
根据权利要求2所述的一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述步骤
S2
中跟驰片段样本满足下述条件：
a)
跟驰片段中的跟驰车辆所在车道的前方有多个车辆，左侧和右侧相邻车道分别存在一辆紧邻的前车，即前述“关联车辆”；
b)
跟驰车辆
n
与关联车辆都不存在超车行为；
c)
跟驰车辆
n
的速度大于
5m/s
；
d)
跟驰车辆
n
和关联车辆的车头间距大于等于
8m
小于等于
200m
；
e)
跟驰片段的持续时间大于
20s。4.
根据权利要求3所述的一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述步骤
S2
中跟驰片段样本分类标准为：根据跟驰车辆
n
的左侧
、
右侧是否存在车行道将交通场景简化为单车道
、
双车道或三车道，并规定相关的模型参数：类别1：跟驰车辆
n
的左侧
、
右侧均不存在车行道，交通场景简化为单车道，单车道对应的参数为
p2＝
0,p3＝
0,q2＝
0,q3＝
0,s2＝
0,s3＝0；其中，
p2和
p3分别为跟驰车辆
n
受左前车
l
和右前车
r
影响的权重；
q2和
q3分别为跟驰车辆
n
的视觉角受左前车
l
和右前车
r
影响的比重；
s2和
s3分别为跟驰车辆
n
的偏移角受左前车
l
和右前车
r
影响的比重；类别2：跟驰车辆
n
的左侧不存在车行道，右侧存在车行道，交通场景简化为双车道，双车道对应的参数为
p2＝
0,q2＝
0,s2＝0；类别3：
跟驰车辆
n
的左侧存在车行道，右侧不存在车行道，交通场景简化为双车道，双车道对应的参数为
p3＝
0,q3＝
0,s3＝0；类别4：跟驰车辆
n
的左侧
、
右侧均存在车行道，交通场景为三车道
。5.
根据权利要求4所述的一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述步骤
S3
中计算各类跟驰片段样本的车辆运行轨迹数据集中跟驰车辆与关联车辆间的相对运动参数，以及反映跟驰车辆驾驶人视角的参数；具体过程为：步骤
S31、
计算各类跟驰片段样本的车辆运行轨迹数据集中跟驰车辆与关联车辆间的相对运动参数，包括横向偏移距离
b
n,k
(t)、
车头间距
Δ
x
n,k
(t)
；步骤
S32、
计算反映跟驰车辆驾驶人视角的参数，包括视觉角
θ
k
(t)、
偏移角及视觉角变化率
、
偏移角变化率
。6.
根据权利要求5所述的一种考虑驾驶人视角的高快速路车辆跟驰行为量化方法，其特征在于：所述步骤
S31
中计算各类跟驰片段样本的车辆运行轨迹数据集中跟驰车辆与关联车辆间的相对运动参数，包括横向偏移距离
b
n,k
(t)、
车头间距
Δ
x
n,k
(t)
；具体过程为：横向偏移距离
b
n,k
(t)
的计算公式为：
b
n,k
(t)
＝
y
n
(t)
‑
y
k
(t)
其中，
k
代表跟驰车辆
n
在当前车道
、
左侧车道和右侧车道的紧邻前车
n+1、l
或
r
；
y
n
(t)
为跟驰车辆
n
的横向位置，
y
k
(t)
为关联车辆
k
的横向位置；车头间距
Δ
x
n,k
(t)
的计算公式为：
Δ
x
n,k
(t)
＝
x
k
(t)
‑
x
n
(t)
其中，
x
n
(t)
为跟驰车辆
n
的纵向位置，
x
k
(t)
为关联车辆
k
的纵向位置
。7.
根据权利要求6所述的一种考虑驾驶人...

【专利技术属性】
技术研发人员：漆巍巍，马思维，吴家明，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：