面向城市多车道路段混合交通的智能网联汽车行驶规划方法研究

Intelligent connected vehicle (ICV) is expected to coexist with the traditional human driving vehicle (HDV) for a reasonably long time in the future. Hence, it is necessary to study ICV’s motion planning method in the mixed traffic of ICV and HDV to ensure driving safety and improve roadway capacity. In this study, the urban multilane arterial that accommodate the mixed traffic of ICV and HDV is taken as the study scenario. The data including trajectories of HDV crowd is collected in real world as the input data. This study aims to develop a method of motion path and maneuver planning to reduce vehicle collision risk and shorten travel delay. This study proposes a hierarchical network structure to decompose the vehicle’s motion planning task in multilane roadway. The task is transformed from the travelling decision continuously made in a relatively large spatial and temporal domain to the discrete route choices made in the hierarchical route network. Then the hierarchical network of vehicle motion planning is applied to model the motion planning mechanism of HDV and ICV. The pattern of HDV motion planning is extracted from vehicle trajectory in a data-driven way. ICV’s motion planning model is formulated with the mathematical programming method. To test and validate the model performance, a virtual environment is developed to simulate the hierarchical interactive motion planning of HDV and ICV.

鉴于未来自主行驶的智能网联汽车（ICV）将与有人驾驶车辆（HDV）长期共存于道路上，研究两种车辆混行条件下的ICV行驶规划方法，对于保障行车安全、提升道路通行能力具有重要意义。本课题拟以承载ICV与HDV混合车流的城市多车道路段为研究场景，以HDV群体行驶轨迹等现实数据为基础，以降低碰撞风险、减少延误时间为目标，研究ICV行驶路线和行驶动作的规划方法。课题拟采用层次化网络结构对多车道路段上车辆行驶规划任务进行分解，将其由较大时空间范围内的连续行驶规划，转化为在行驶路线规划网络和行驶动作规划网络上的分层离散选路决策。在此层次化车辆行驶规划网络基础上对HDV和ICV行驶规划机制建模，采用数据驱动的方式从实际车辆轨迹数据中提取HDV行驶规划模式，基于数学规划理论构建ICV行驶规划模型，通过开展HDV与ICV的分层交互行驶规划仿真，测试和验证ICV行驶规划模型的有效性。

本课题以承载智能网联汽车（intelligent connected vehicle，ICV）与有人驾驶汽车（human driving vehicle，HDV）混合车流的城市多车道路段为研究场景，以HDV群体行驶轨迹等现实数据分析和建模为基础，研究以降低碰撞风险、减少延误时间为目标的ICV行驶路线和行驶动作的规划方法。主要研究内容和结论包括：（1）在HDV运动特征分析与建模方面，开展了多车道交通流理论研究现状回顾；以此为基础，在宏观层面开展了城市道路HDV车道选择行为分析与建模，确定了HDV多车道选择行为的动静态影响因素；在微观层面，面向城市道路密集HDV车队行驶场景，提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法，实现了对复杂跟驰场景下的高精度轨迹预测；开展了多车交互式驾驶行为分析与建模，分别采用微观交通流建模方法和机器学习方法，构建了换道和跟驰HDV轨迹预测模型；开展了面向车辆行驶状态感知的路侧新型交通感知设备布设方法的研究，并分析了设备选型、数据噪声等因素对路侧感知系统工作性能的影响。（2）在ICV运动规划与控制方面，开展了基于无线通信ICV定位方法的研究，提出了一种基于卡尔曼滤波的车辆位置估计算法，能够将接收的信标包数据与自身观测信息进行融合得到精度和可靠性更高的定位数据；提出了基于事件触发机制的ICV队列协同控制方法，改进了传统以固定时间周期执行控制任务的时间触发控制方式，设计了车辆队列自主行驶能力测试方法；针对城市多车道交叉口转向ICV控制需求，提出了一种基于机非冲突近似网格风险评估的ICV左转运动规划模型，通过仿真验证了所提出模型的有效性。本课题基本上按计划完成了预定的研究工作，取得了一定的科研成果。本课题研究成果为分析和建模城市多车道复杂环境中的HDV运动模式提供了新的视角，同时也为ICV日后在城市道路上安全顺畅行驶提供了理论方法参考。