混合交通环境下无人驾驶车最优换道策略和路径规划问题研究

This project aims to incorporate precise lane-based maneuvers of driverless vehicles into the modeling of their route planning decisions, and to study how to forge collaborations among driverless vehicles and between driverless and conventional vehicles to improve the overall system efficiency. Specifically, the research team proposes to (1) model microscopic lane selection and changing behavior using the optimal control theory, (2) embed the microscopic model into a network routing model based on dynamic programming, and investigate the issue of reliable routing of driverless vehicles through stochastic dominance theory; and (3) apply mixed equilibrium theory to maximize system efficiency through inter-vehicle collaborations under a wide range of market penetration scenarios of driverless cars. The proposed models will be tested and validated using both field data and traffic micro-simulation data, including: (i) open source data provided by Cambridge Systematics (NGSIM) and field data collected at Shenzhen; (ii) Field test conducted at Mcity in the University of Michigan; and (iii) micro-simulation data obtained using VISSIM traffic simulation. This research will lay the foundation for an integrated lane-selection, lane-changing and route planning theory for driverless vehicles, and foster their commercialization and adoption in the marketplace.

本课题研究如何利用无人驾驶车对车道级的运动控制来进行最优路径规划，在混合交通情景下如何实现无人驾驶车间、以及无人与有人驾驶车间的合作以降低拥堵提升系统效率。在方法创新上，本课题 1）通过系统解析车道交通状态与规划路线相互作用机制，把最优控制理论应用到无人驾驶车最优车道选择和换道行为数学建模中；2）首次将连续最优控制问题内嵌到动态规划框架下构建宏观和微观决策一体化的路径规划模型，利用随机占优理论对无人驾驶车最优路径根据可靠性排序；3）针对无人驾驶车的不同市场占有率，利用混合均衡理论构建用户均衡及系统最优模型，提出合作机制以实现从用户均衡到系统最优的转化。在实证上，拟利用双检验机制验证模型和算法：1）依托开源数据NGSIM和深圳观测数据，开发VISSIM仿真平台；2）依托美国Mcity无人驾驶车测试基地设计实验，完成实例论证。课题成果将创新无人驾驶车路径规划理论，并为其市场化发展提供理论依据。

本课题面向未来无人驾驶汽车与有人驾驶汽车混合出行的场景，其主要研究内容包括：如何针对无人驾驶车车道级的运动控制来实现其最优路径规划，在混合交通情景下如何实现无人驾驶车、以及无人与有人驾驶车间在宏观、中观、微观不同层面的合作以降低拥堵、提升系统安全与效率。.项目实施后的重要成果，主要包括以下几点：（1）发表综述论文，总结了近年来自动驾驶交通系统协同管控技术领域的研究成果与发展方向;（2）同时考虑了有人驾驶车的独立路径规划与无人驾驶车的合作路径规划，建立了混合状态下的交通均衡分配模型，同时分别考虑系统的稳定性与效率，构建了系统最优状态下无人驾驶车的最优合作路径规划策略；（3）提出了人工驾驶车辆（HVs）和自动驾驶汽车（AVs）混合条件下的随机模型，基于拉格朗日坐标建模人类驾驶员的异质行为。随机模型的一阶和二阶逼近，分别描述了交通流中HV和AV的不同组合（例如，随机分布、在混合交通流的前面、中间和后部的分布）；（4）建立了一种随机拉格朗日模型，能够考虑驾驶员的异质性来模拟停走交通行为去减少交通流的波动性；（5）提出了一种自动驾驶汽车跟车距离的设置方法，保证在安全性（即小概率的严重事故）与效率（对到达时间影响很小的跟车距离）之间的平衡。.本项目在理论与实践上都取得了突破。在理论上，针对自动驾驶与车联网等技术，完成了在宏观层面（网络能力与交通流分配）、中观层面（微观换道行为与宏观路径选择之间的系统交互、混合交通流特征分析）、微观层面（轨迹优化控制）等层面一体化建模的理论创新。在实践上，建立了混合交通流的网络平衡管理策略、自动车驾驶换道策略、纯自动驾驶条件下车辆轨迹优化、混合交通条件下自动车稳定性控制、自动驾驶交通检测感知技术、与自动车停车设计优化等领域的技术突破。