基於時空協同控制和車路協同的公路匝道匯入安全與效率優化

מושגי ליבה

為解決自動駕駛車輛在高速公路匝道匯入區域的安全和效率問題，本文提出了一種基於時空協同控制和車路協同的預編程方法，通過預先規劃車輛軌跡，主動減輕車輛之間的衝突，從而提高道路安全性和通行效率。

תקציר

研究目標：

本研究旨在解決自動駕駛車輛在高速公路匝道匯入區域的安全和效率問題，特別是現有技術難以準確及時地獲取周圍車輛狀態和駕駛意圖，以及缺乏對碰撞風險和緊急程度的評估等問題。

方法：

1. 安全距離計算： 考慮車速差異，計算不同時空條件下的安全距離，包括車輛進入主路時與主線車輛的安全距離、GPS定位誤差和時鐘同步誤差。
2. 車輛衝突風險評估模型： 結合碰撞加速度和緊急加速度等關鍵參數，建立車輛衝突風險評估模型，用於量化評估碰撞的嚴重程度和緊急程度。
3. 時空協同控制方法：
   • 判斷是否需要協同控制：根據車輛的自由移動狀態判斷是否需要進行協同控制。
   • 主線優先協同控制方法：
     • 計算車輛安全距離。
     • 計算衝突嚴重程度。
     • 識別車輛衝突。
     • 確定目標間隙：選擇大於等於最小可接受匯入間隙的間隙作為目標匯入間隙。
     • 建立主線優先協同控制方法：根據目標間隙的位置和大小，調整匯入車輛的加速度和匯入點，確保安全匯入。
4. 模擬驗證： 使用高速公路匝道匯入場景進行案例研究，通過嚴格的模擬驗證所提出的主線優先時空協同控制方法的有效性。

主要發現：

模擬分析表明，採用主線優先策略的時空協同控制方法可以有效減少車輛匯入時的平均延誤時間和燃油消耗，提高道路通行效率。具體而言，平均延誤時間可減少97.96%，燃油消耗可降低6.01%。

主要結論：

基於時空協同控制和車路協同的預編程方法可以有效提高高速公路匝道匯入區域的車輛安全性和通行效率。主線優先策略在提高車速、降低延遲和降低燃油消耗方面表現出顯著優勢。

局限性和未來研究方向：

• 本研究主要關注主線優先策略，未來可以進一步研究匝道優先策略和其他協同控制策略。
• 模擬環境相對簡化，未來可以考慮更複雜的交通環境和車輛行為模型。
• 未來研究可以探索將該方法應用於其他交通場景，例如城市道路和交叉路口。

סטטיסטיקה

平均延誤時間可減少97.96%
燃油消耗可降低6.01%
車輛碰撞的嚴重程度閾值設定為 0.09 g² (g = 9.8 m/s²)
加速度上限設定為不超過 6 m/s²
加速車道長度為 200 米
匝道車輛匯入角度為 30°
車輛長度為 5 米
GPS 定位誤差為 0.02 米
路面與輪胎之間的附著係數為 0.40
道路阻力係數為 0.11

ציטוטים

תובנות מפתח מזוקקות מ:

Optimizing Highway Ramp Merge Safety and Efficiency via Spatio-Temporal Cooperative Control and Vehicle-Road Coordination

by Ting Peng, X... ב- arxiv.org 11-15-2024

https://arxiv.org/pdf/2408.08121.pdf

שאלות מעמיקות

如何將該方法應用於車流量更大的高速公路匝道匯入區域？

在車流量更大的高速公路匝道匯入區域，可以通過以下方式應用和改進該方法：

擴展目標車道選擇範圍: 目前的方法主要考慮目標車輛前後方車輛的間距。在大流量情況下，可以擴展目標車道選擇範圍，例如允許匯入車輛變更車道，選擇更遠處或相鄰車道上的合適間隙進行匯入。
引入動態預測模型: 在大流量環境下，車輛行為更加複雜多變。可以引入更精確的車輛軌跡預測模型，例如基於機器學習或深度學習的預測模型，實時預測周圍車輛的未來軌跡，提高協同控制的準確性和預見性。
分層協同控制策略: 針對大規模車輛協同控制的複雜性，可以採用分層協同控制策略。例如，將匯入區域劃分為多個子區域，每個子區域內部採用集中式協同控制，子區域之間採用分佈式協同控制，降低控制算法的計算複雜度。
優化通訊效率: 大流量環境下，車聯網通訊負擔加重。可以採用更高效的通訊協議和數據壓縮技術，減少通訊延遲和數據丟失，提高協同控制的實時性和可靠性。

在惡劣天氣條件下，該方法的可靠性和穩定性如何？

在惡劣天氣條件下，該方法的可靠性和穩定性會受到一定影響，需要採取以下措施提高其適應性：

引入環境感知信息: 惡劣天氣條件下，車輛感知能力下降。可以通過車載傳感器（如雷達、攝像頭）以及路側基礎設施（如氣象站、路面傳感器）獲取實時環境信息（如能見度、路面附著係數等），並將其融入安全距離計算和協同控制策略中。
調整安全距離和控制參數: 惡劣天氣條件下，車輛制動距離延長，操控穩定性下降。需要根據具體天氣狀況，適當增加安全距離，降低車速和加速度等控制參數，提高系統的穩定性和安全性。
開發魯棒性更強的控制算法: 惡劣天氣條件下，車輛模型參數和環境因素存在較大不確定性。可以開發魯棒性更強的控制算法，例如基於滑模控制、H∞控制等方法，提高系統對不確定性和干擾的抑制能力。
加強駕駛員接管機制: 在極端惡劣天氣條件下，自動駕駛系統可能無法正常工作。需要設計完善的駕駛員接管機制，及時提醒駕駛員接管車輛，確保行車安全。

如何評估該方法對駕駛員和乘客心理狀態的影響？

評估該方法對駕駛員和乘客心理狀態的影響，可以採用以下方法：

駕駛模擬器實驗: 搭建高保真度的駕駛模擬器，模擬高速公路匝道匯入場景，招募駕駛員和乘客參與實驗，通過生理指標（如心率、皮膚電導）、主觀評估量表（如NASA-TLX量表、舒適度量表）等方法，評估不同協同控制策略對駕駛員和乘客心理負荷、舒適度、信任度等方面的影響。
問卷調查和訪談: 設計針對駕駛員和乘客的問卷調查，了解他們對不同協同控制策略的接受程度、主觀感受和建議。同時，可以進行深度訪談，更深入地了解駕駛員和乘客的心理狀態和行為意圖。
眼動追蹤和腦電圖分析: 採用眼動追蹤儀和腦電圖儀等設備，監測駕駛員和乘客在不同協同控制策略下的眼動軌跡、腦電波變化等生理指標，分析其注意力分配、認知負荷、情緒狀態等心理狀態變化。

通過以上方法的綜合分析，可以全面評估該方法對駕駛員和乘客心理狀態的影響，為協同控制策略的優化和改進提供參考依據。