论文部分内容阅读
近年来，自动驾驶汽车正逐渐成为产业界和社会公众关注的热点。然而，未来相当长时间内，自动驾驶汽车将与普通驾驶车辆共享有限的道路资源。在该混合环境下的交通调控和资源整合优化是极具挑战的研究方向。
自动驾驶环境下，大量的、高度智能化的、具有学习能力的自动车辆给现有交通系统带来了许多改变。这种影响不仅仅是关于计算机科学的前沿，更多还涉及了道路交通安全及管理方式的变革。随着自动驾驶汽车市场渗透率的不断提高，对现有道路交通产生的影响便会日益加大。因此十分有必要对自动驾驶-人工驾驶车辆组成的混合交通流特性进行深入研究。道路交通系统是复杂时空动态系统，交通系统优化设计和交通控制离不开交通流理论和模型的支持。然而，当前的各种主流宏观交通流模型都是针对100%人驾驶车辆交通流的，难以刻画自动车和普通车混合情况下的交通流性态，无法描述自动车对混合交通流动态的影响，不能表征自动车和普通车针对现有道路资源的竞争与协同关系。因此，有必要针对自动驾驶和普通车辆混合交通流开展全新的研究。
论文以自动驾驶-人工驾驶混合交通流作为研究对象。首先，将元胞自动机引入经典Gipps跟驰模型，并结合改进的Q强化学习方法，分别建立具有异质性的普通车辆及自动驾驶车辆的微观行驶模型，构建一种新型的混合交通流演化仿真方法。在此基础上，对单车道、双车道及三车道道路环境下的不同混合交通流组成状态进行模拟仿真，量化分析车流速度、流量、换道频率及拥堵水平在不同自动驾驶车辆渗透率下的结果，并在此基础上提出高通行能力的适应密度概念，探索混合交通流在不同状态下的稳定性特征。最后，本文从车道管理角度出发，提出在双车道及三车道环境下合理的自动车专用道设置方式，并对各种组合展开仿真，从而定量化地给出混合交通流在不同组成状态下的专用道优化设置策略。
为增强多智能体建模与仿真工作的持续性、拓展性和易操作性，采用面向对象程序设计方法，自主开发了混合交通流的仿真平台。平台具有直观简洁的可视化界面，便捷的参数设置对不同条件下的混合交通流状态均可在有限内存运行环境中进行高效仿真；平台还支持Python语言二次开发，进而为后续更复杂多元的混合流研究创造了良好基础。
自动驾驶环境下，大量的、高度智能化的、具有学习能力的自动车辆给现有交通系统带来了许多改变。这种影响不仅仅是关于计算机科学的前沿，更多还涉及了道路交通安全及管理方式的变革。随着自动驾驶汽车市场渗透率的不断提高，对现有道路交通产生的影响便会日益加大。因此十分有必要对自动驾驶-人工驾驶车辆组成的混合交通流特性进行深入研究。道路交通系统是复杂时空动态系统，交通系统优化设计和交通控制离不开交通流理论和模型的支持。然而，当前的各种主流宏观交通流模型都是针对100%人驾驶车辆交通流的，难以刻画自动车和普通车混合情况下的交通流性态，无法描述自动车对混合交通流动态的影响，不能表征自动车和普通车针对现有道路资源的竞争与协同关系。因此，有必要针对自动驾驶和普通车辆混合交通流开展全新的研究。
论文以自动驾驶-人工驾驶混合交通流作为研究对象。首先，将元胞自动机引入经典Gipps跟驰模型，并结合改进的Q强化学习方法，分别建立具有异质性的普通车辆及自动驾驶车辆的微观行驶模型，构建一种新型的混合交通流演化仿真方法。在此基础上，对单车道、双车道及三车道道路环境下的不同混合交通流组成状态进行模拟仿真，量化分析车流速度、流量、换道频率及拥堵水平在不同自动驾驶车辆渗透率下的结果，并在此基础上提出高通行能力的适应密度概念，探索混合交通流在不同状态下的稳定性特征。最后，本文从车道管理角度出发，提出在双车道及三车道环境下合理的自动车专用道设置方式，并对各种组合展开仿真，从而定量化地给出混合交通流在不同组成状态下的专用道优化设置策略。
为增强多智能体建模与仿真工作的持续性、拓展性和易操作性，采用面向对象程序设计方法，自主开发了混合交通流的仿真平台。平台具有直观简洁的可视化界面，便捷的参数设置对不同条件下的混合交通流状态均可在有限内存运行环境中进行高效仿真；平台还支持Python语言二次开发，进而为后续更复杂多元的混合流研究创造了良好基础。