基于实车道路实验数据的典型道路环境下跟车行为标定开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)

1)研究目的

车辆跟驰行为是最基本的微观驾驶行为,指不允许超车的单车道上前后两车之间的相互作用。跟驰模型则是后车根据前车运动状态调整自身运动状态的数学描述[1],它是通行能力估算、车辆前向避撞和自适应巡航系统的理论基础,亦是微观交通仿真软件的核心模型。跟驰模型以分析各车辆间跟驰的方式来理解单车道交通流特性,起到联系微观驾驶行为与宏观交通流的作用[2]。近年来基于实测数据标定跟驰模型参数已成为跟驰模型领域研究的焦点问题[3]。因其结果不仅可用于对单个模型在不同条件下的适用性[3]或者对模型间差异性[4]进行比较,还可用于对驾驶人之间异质性[5-6]或者单个驾驶人自身异质性进行深入分析,所以吸引了许多研究者对其展开深入研究。

跟驰模型参数标定是运用数学手段,寻求一组最优模型参数,使模型推导出的性能指标(如后车速度、车头间距、车头时距)与实测性能指标间的误差最小化;跟驰模型效果验证则是评估模型输出性能指标与实测性能指标间的差异,得出模型的误差[1]。优化求解是跟驰模型参数标定过程中的重要环节,包括性能指标参数(Measures of Performance,MOP)选择、拟合优度函数(Goodness-of-fit Function,GOF)选择和优化算法(Optimization Algorithm,OA)选择[16]。优化求解的目标是通过求解模型参数使得模型输出结果与实测数据之间的差异性达到最小,因而所选择的MOP需能够对车辆跟驰现象具有较为准确的描述能力,否则会严重影响模型对实测数据的预测效果。

驾驶模拟和问卷调查这两种方法长期以来被应用于收集驾驶行为数据,但这种基于实验室的数据来源总是与实际行为存在偏差。随着车辆的信息化和智能化程度越来越高,为采集实际环境下的现驾驶行为数据成果提供了可能。本研究以现阶段主流Gipps模型、IDM模型和Newell模型[18]为研究对象,研究自然驾驶环境下的跟车数据提取方法,分析不同工况下的跟车行为特性,,运用实测数据对3个跟驰模型参数进行标定,并对标定结果进行误差分析。

  1. 国内外研究现状分析

    国际上基于试验道路数据、轨迹数据及自然驾驶研究数据对跟驰模型开展了系统的标定与验证工作。而中国学者在跟驰模型标定与验证方面,大多采用国外数据(如NGSIM项目数据)或者小规模的试验道路数据,利用大样本中国驾驶人实际 驰数据对跟驰模型进行标定与验证的研究尚属空白。“上海自然驾驶研究”作为中国首个自然驾驶研究项目,目前已采集60位驾驶人、累计超过16万km的实际驾驶行为数据[7],这些驾驶行为数据为研究中国驾驶人的跟驰行为提供了巨大的契机。

    自然驾驶研究(NDS)是指在在自然状态下(即无干扰、无实验人员出现、日常驾驶状态下)利用高精度数据采集系统观测、记录驾驶员真是驾驶状态的研究。自然驾驶研究对于研究驾驶员行为、交通事故的直接诱因、驾驶员对先进的主动驾驶安全系统的反应等都有着重要的意义。自1998年美国密西根大学交通研究中心(UMTRI)开展对自适应巡航系统的大规模现场运行测试开始,自然驾驶研究方法经历了近20年的发展。目前代表性自然驾驶项目有弗吉尼亚理工交通研究中心(VTTI)2003年开展的100-Car自然驾驶研究,以及美国交通运输研究委员会(TRB)于 2010 年主导的世界上规模最大的SHRP 2自然驾驶项目[8]

    “上海自然驾驶研究”项目由同济大学、通用汽车公司、弗吉尼亚理工大学三方合作开展,旨在了解中国驾驶员的车辆使用、车辆操控以及安全意识。实验车均配置了包含FCW系统的Mobileye车辆主动安全系统,每位实验参与者驾驶实验车2个月,Mobileye系统在第1个月关闭,第2个月开启[8]

    (1)跟车模型及其应用领域

    Gipps模型、IDM模型和Newell模型均为从实际应用出发而建立[18],是目前研究者关注最多的3个主流跟驰模型,且已被广泛用于相关领域研究;此外,3个模型分别以速度、加速度和轨迹参数描述车辆的跟驰状态,可以方便地对模型进行横向比较.Gipps模型[19]是Gipps于1981年提出的,常被称为安全距离模型,其假设跟驰车驾驶人能够合理地选择速度以确保在前车突然刹车(以最大加速度刹车)的情况下,跟驰车也能安全地停住并与前车保持一定的安全距离。IDM模型[20]是一种基于期望值的模型,由Treiber于2000年提出,它假设每个驾驶人拥有一个期望的车头间距、行驶速度和车头时距,并以此为目标在道路上行驶。Newell模型[21]是一种相对简单的模型,由Newell于2002年提出,它假设车辆跟驰只遵循一个简单的规则:在拥挤的交通状况下,跟驰车轨迹与前车轨迹保持一致的趋势,只是在时间和空间上存在一定的延迟。

    2)跟车模型的标定方法

    微观驾驶行为数据是跟驰模型标定的基础。既有跟驰模型标定研究使用的微观驾驶行为数据包括:11实验道路实车试验数据2高空摄像头采集的纯轨迹数据[22],如美国的NGSIM轨迹数据;3自然驾驶数据;4模拟器数据。

    跟驰模型标定方法具有3个关键组成部分[17]:1性能指标2偏差检验函数;3优化算法。性能指标反映研究对象的动态特性,常见性能指标有车头间距、车辆速度和车头时距。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;