摘要
为了对车辆在复杂异质交通流环境下(如出口匝道处)的侧向和纵向二维运动进行建模和预测,首先提出虚拟边界场概念,从微观层面上分析虚拟边界场对驾驶行为的作用,并据此建立虚拟边界场模型。同时考虑周围车辆的影响,将虚拟边界场理论与二维智能驾驶模型(intelligent driver model, IDM)结合,提出了基于虚拟边界场的二维IDM模型,刻画和预测车辆的二维轨迹。采用动态时间规整(dynamic time marping, DTW)的边界场优化方法对模型参数进行标定,并对模型的有效性进行验证。采用粒子群算法(particle swarm optimization, PSO)求解出最优虚拟边界场位置,并进行误差分析。结果表明:针对Mirror-Traffic数据,车辆轨迹的预测误差可控制在3.1%~8.2%,针对NGSIM数据的轨迹预测误差可控制在3.8%~28.2%,所提出的模型能够描述并预测传统车辆在匝道处混合交通流环境下的横向和侧向的二维运动。所提出的方法可以为自动驾驶车辆在混合交通流中的轨迹规划提供基础信息。
-
单位浙江大学; 建筑工程学院