车路协同与智能化技术
信号交叉口的车速控制不当会降低车辆的燃油经济性甚至引起追尾碰撞事故，车路协同环境下的车速引导系统可以有效提高信号交叉口处的通行效率和燃油经济性。现有车速引导研究大多忽略了驾驶员风格的差异性，将导致驾驶员无法准确跟踪引导速度。针对该问题，建立考虑驾驶风格的闭环反馈车速引导模型。首先，分析不同风格驾驶员车辆最大纵向加速度的概率分布；其次，研究闭环反馈车速引导方法，使驾驶员更准确地跟踪引导车速；然后，基于机会约束规划方法优化闭环反馈车速引导模型，使模型更加符合驾驶员的不同风格；最后，在MATLAB/ Simulink环境中设计仿真场景，对激进型、适中型和保守型3种闭环反馈车速引导模型进行仿真分析。仿真结果表明：相较于传统车速引导模型，本文模型可使不同风格的驾驶员更容易跟踪引导车速，其中，激进型和适中型车速引导模型可以使车辆以更短的时间通过交叉路口，保守型车速引导模型可以提高车辆在绿灯相位通过交叉口的概率。本文方法可以有效地提高信号交叉口的通行效率。
在智能网联环境下，车辆可通过相互穿插和协作通过交叉口，无需信号灯控制。为保证车辆安全高效运行，建立车辆到达时序和速度协同优化的交叉口车流轨迹优化模型。提出车辆到达时序优化模型和车辆速度优化模型，建立车辆到达时刻与速度的函数关系；在此基础上，模型以所有车辆在控制区域的行程时间与油耗加权最小为目标，车辆路径、到达时刻和速度等关键参数为决策变量，设计迭代式算法求解，实现同时优化车辆到达时刻和速度且交叉口运行效益最大的目的。实验结果表明，与车辆时序和轨迹分别优化的两阶段模型相比，本文模型降低车均延误 32.1%，减少车均油耗9.9%，说明该模型具有良好的主动性和适应性，在降低车辆延误的同时也节省了油耗。
基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.
为探索基于车联网V2P(Vehicle to Pedestrian)通信技术的行人碰撞风险辨识方法， 首先，在车联网环境下实时获取了目标位置、速度、运动方向等信息，并分析了典型人—车相 对运动场景中交通参与者的行为不确定性，进而提出了人—车碰撞区域随机几何模型；然后， 综合考虑了车联网系统的通信延时、定位误差、人—车相对运动不确定性等多因素的影响，建 立了人—车碰撞事故概率和冲突风险程度模型；最后，通过仿真实验分析了行车速度、通信延 时、定位精度等因素对行人碰撞风险辨识模型效果的影响，以及各因素间的相关性关系.本文 提出的方法对行人安全保护研究具有一定的参考价值，研究结果同时指出了车联网系统通信 延时与定位精度的技术要求.
为了减轻城市道路上信号交叉口对交通流的阻断，针对车联网环境下个体车辆可 以与路侧设施及交叉口中心控制系统实时信息交互的特征，提出了信号交叉口车速控制策 略，在提高交叉口通行效率的基础上兼顾驾驶舒适性与环境友好性.为验证车速控制模型的有 效性，基于多智能体技术建立了车联网环境下信号交叉口车速控制仿真系统，以典型十字交 叉口为例，模拟对比分析了传统驾驶和车联网2 种环境下车辆通过交叉口的行程时间、燃料消 耗与污染物排放.结果表明，该速度控制策略下车辆通过交叉口的平均行程时间减少了约 60%，燃料消耗减少了约40%，污染物的排放也有显著减少.
在绿波协调控制交叉口群中，为分析公交优先控制对后续交叉口群的扰动，基于车流运行时间偏移分布，以概率期望描述了交叉口各相位绿时左端和右端时长变化引起的后续交叉口群在绿波带内、绿波带间的延误变化；采用组合优化的方法，以交叉口群在车速引导下的公交通行效益优化为上层模型，以交叉口群在公交优先控制下的延误优化为下层模型，对公交引导车速和信号控制参数进行协同优化.通过算例分析表明，公交优先控制模型有效提升了交叉口整体通行效益，最大化减小了对周边交叉口群的不利影响.
可变限速控制和匝道控制是快速路交通控制的主要手段，本文对两者的协同优化策略进行了研究.借助智能车路协同系统强大的信息感知能力，通过引入微观交通流信息，对经典METANET模型进行了改造，构建了可变限速控制影响下的微观METANET 模型，实现了一种新的可变限速控制策略，同时，采用ALINEA算法，对入口匝道进行了优化控制，实现了两者的协同优化.最后，基于实际道路和交通流数据搭建了仿真平台，对微观METANET 模型和协同优化策略的有效性进行了验证. 仿真结果表明，微观 METANET模型具有良好的交通流预测效果，协同优化策略能有效地改善快速路交通流状态.
在车路协同环境中信息交互的准确性直接影响到车辆的安全高效运行.为了 减少车路协同信息交互数据信道冲突的发生，本文通过分析IEEE 802.11p 和EDCA信道 接入机制，优化EDCA协议的握手机制、RTS和CTS控制帧内容，形成了具有交通特性的 ATEDCA信道接入协议，提出了适用于具有交通特性的竞争窗口退避算法，并且设计了 车路协同通信评估模型.通过设计不同车辆密度、不同节点传输距离及不同车辆行驶速度 的仿真场景，在OPNET Modeler 中进行仿真，比较ATEDCA与EDCA对车路协同系统通 信性能的影响.结果表明：相同场景下，在传输延时方面，ATEDCA 较EDCA 减少了 10.1%；在吞吐量方面，ATEDCA较EDCA增加了7.5%；在退避时隙数量方面，ATEDCA 较EDCA减少了30.6%.因此，ATEDCA可以更好地减少消息信道冲突的发生.
为了分析城市公交乘客的出行特征，本文利用公交IC 卡及GPS数据对公交IC 卡乘客上车站点推算进行研究.针对安装车载GPS设备的车辆，运用GPS数据与IC 卡数据融合算法进行推算；对于无车载GPS设备的情况，为适应一票制IC 卡数据挖掘，对贝叶斯决策树算法进行改进，允许节点跳跃，推算上车站点，并且利用Markov 链特性降低算法的运算复杂度.同时，本文以北京公交数据为例，对提出的两种方法进行验证.结果表明，利用本文提出的方法推算上车站点，3 站之内误差的准确率达到90%以上，算法在兼顾算法精度的同时合理地控制了运算复杂度，可以实际运用于城市公交系统.
车路协同系统仿真研究对于交通系统的发展具有重要的意义.为了研究车路协 同系统的仿真关键技术并构建车路协同系统仿真平台，本文提出信息多分辨率交互方法 解决基于HLA的系统仿真过程中的网络拥塞问题，建立了高分辨率车辆行驶状态信息模 型、中分辨率车队状态信息模型、低分辨率交通流信息模型，运用聚合解聚法实现不同信 息分辨率间的仿真过程，采用模糊预测发送缓冲区信息排队长度方法确定多分辨率模型 间的聚合解聚时机.通过仿真管理器联邦成员的运行结果分析表明，该方法能够有效减少 系统属性吞吐量，从而较好控制网络拥塞，降低系统属性延时，提高仿真效率.
汽车碰撞危险辨识与预警是智能防撞系统的关键技术之一，为了解决现有的防撞系统在复杂交通环境下虚警率较高、灵活性差的问题，本文对“人—车—路”多因素影响下的汽车碰撞危险辨识方法进行了研究.综合考虑驾驶员、车间距、路面等因素对行车安全性的影响，并基于车路协同平台获取相关信息，应用态势评估理论建立汽车碰撞危险评估模型.在该模型的基础上，结合变精度粗糙集理论形成汽车碰撞危险态势评估规则.应用属性加权相似度方法比较当前行车状态与决策信息表中所有行车状态的相似程度，得到碰撞危险态势的评估结果.模拟驾驶实验结果表明，该方法能融合行车安全相关的多种因素来检测碰撞风险，为汽车防撞系统提供准确的决策.
车路协同系统能实时获取车辆个体的运行状态信息，并能通过速度引导实现车辆与交通控制系统之间的动态交互，为交通信号控制提供了新的数据源和技术手段.分析了现有车路协同下交通信号控制方法存在的不足，引入基于时间窗的滚动预测方法，提出了改进的交叉口信号控制优化流程；将相位饱和度作为表征信号控制效果的指标，在考虑速度引导对车辆运行状态影响基础上，建立了车路协同环境下道路交叉口信号控制优化方法和模型.运用VISSIM软件进行了仿真实验，结果表明，本文方法优于感应控制方法，在各种交通流量下均能有效降低交叉口平均延误和停车次数.
驾驶人是交通系统中的自驱动因素，其感知特性与交通驾驶行为密切相关，通 过脑电定量分析驾驶人在驾驶过程中的大脑活动规律，是获知驾驶人感知特性的有效途 径.本文主要从疲劳驾驶、分心驾驶、睡眠剥夺驾驶和其他特定场景驾驶4 个方面，对脑电 研究涉及的关键科学问题、实验环境、脑电信号处理方法、数据分析方法等进行归纳总结. 总结发现：相关研究的本质可归结为不同驾驶状态与脑电波间的定性和定量关系研究； 研究方法则主要借助真人驾驶模拟实验收集脑电等相关数据，再利用功率谱分析等信号 处理技术处理脑电信号，再通过方差分析等方法对脑电信号数据进行统计分析.最后，给 出了脑电研究在交通驾驶行为中的研究展望.
