基于稳定性和宏观交通流模型的车辆路径规划

作者：李麟; 裴玉龙^*; 尹亮; 周亮

来源：中国公路学报, 2020, 33(08): 71-80.

DOI：10.19721/j.cnki.1001-7372.2020.08.008

• 交通工程
• 路径规划
• 机器学习
• GARZ交通流模型
• 车辆操纵稳定性判据

为了提升车辆的安全性和能量利用率,从路径规划的层面出发,针对避免车辆遇到极端工况及低效率工况的问题,提出将车辆稳定性判据模型和交通流模型相结合的方法来规划车辆路径,使得车辆在路面湿滑情况下实现快速、安全的行驶。使用交通流模型预测车辆未来将要面临的交通环境变化,再使用稳定性判据模型评估未来交通的安全性,以便为混合动力车辆规划出最快且最安全的路径。具体来讲,为了预测混合动力车辆未来将要面临的车速及车流密度的变化,使用通量矢量分裂格式求解广义Aw-Rascle-Zhang(GARZ)宏观交通流模型。此外,使用驾驶人在环仿真平台PreScan,收集了同一驾驶人在不同车速及不同相对前车距离时给出的前轮转向角响应。基于前轮驱动(FWD)前轮转向(FWS)车辆和全轮转向(AWS)分布式驱动车辆(DDV)的Simulink模型,给出了不同前轮转向角对应的轮胎力饱和因子(δTFSC)响应。使用人工神经网络训练不同车速和车流密度对应的δTFSC,建立了车辆的稳定性判据模型。使用新建立的稳定性判据模型对交通流模型预测的参数(车流速及车流密度)进行稳定性评估。然后,基于以上的方法优化了车辆行驶路径,以确保车辆在湿滑路面上的行驶安全。最后,使用US-101真实交通流数据来验证交通流模型的预测结果。经实例验证得出:交通流模型与车辆横向稳定性判据模型相结合可以从路径规划的层面保证车辆安全行驶并提升交通系统的通行效率。

• 单位
  东北林业大学