[發明專利]一種基于人本自治交通的車輛運動仿真方法

有效

• 申請號: 201810199331.0
• 申請日: 2018-03-12
• 公開（公告）號: CN108491600B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 徐明亮;王華;沈高峰;呂培;李亞飛;姜曉恒;周兵;郭純一
• 申請（專利權）人: 鄭州大學;鄭州輕工業學院
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 李慶波

1.一種基于人本自治交通的車輛運動仿真方法，其特征在于，包括以下步驟：

確定車輛運動仿真模型，包括確定車輛的跟車運動仿真和換道運動仿真；

構建人本自治交通規則，建立包括駕駛人、車輛和交通資源在內的交通規則集，所述交通規則集中包括對交通違章行為的處罰計算、對交通主動避讓行為的獎勵計算以及參與交通擁堵的處罰計算；

車輛運動仿真實現，在所述車輛運動仿真模型中，將所述人本自治交通規則的獎罰計算，作用于所述車輛的跟車運動行為和換道運動行為，根據駕駛人駕駛傾向的變化進行車輛運動仿真；所述跟車運動仿真中所述車輛的加速度為：

其中，a(v，Δv，s)表示車輛加速度，v表示當前速度，s表示當前車間距，Δv表示和前車的速度差，v₀表示期望車速，表示最小期望間距，T表示安全時距，a_max表示最大加速度，b_com表示期望減速度，δ表示加速系數，s₀表示安全車距；所述換道運動仿真包括換道需求判斷和換道可行性判斷，所述換道需求判斷包括：具有換道需求的車輛SV的前方車速低于相鄰車道的前方車速，當前車道即將閉合，即將駛入新路段或即將駛出新路段；所述換道可行性判斷包括：具有換道需求的車輛SV判斷自身和周圍車輛之間的距離均大于最小的安全車距，才能進行換道；所述周圍車輛包括具有換道需求的車輛SV所在的當前車道的前車CL，需要換道的目標車道的前車TL和目標車道的后車TF，并且在換道結束時，所述車輛SV和所述前車CL之間的距離為gap_CL，所述車輛SV和所述前車TL之間的距離為gap_TL，所述車輛SV和所述后車TF之間的距離為gap_TF，為了避免碰撞，gap_CL，gap_TL，gap_TF需要滿足：

gap_CL≥gap_CL,min，gap_TL≥gap_TL,min，gap_TF≥gap_TF,min

其中，gap_TL,min、gap_TF,min、gap_CL,min分別表示車輛SV需要換道時分別與所述前車TL、后車TF和前車CL保持的最小安全距離；在換道中所述車輛SV與所述前車CL、所述前車TL、所述后車TF都保持勻速運動，并且gap_TL,min、gap_TF,min、gap_CL,min和速度為線性關系，即gap_TL,min＝μ₁v_SV、gap_TF,min＝μ₂v_SV、gap_CL,min＝μ₃v_SV，對應則有：

v_SVΔτ≤v_CLΔτ+gap_CL,0-μ₁v_SV

v_SVΔτ≤v_TLΔτ+gap_TL,0-μ₂v_SV

v_SVΔτ≤v_TFΔτ-gap_TF,0+μ₃v_SV

其中，μ₁、μ₂、μ₃均為常數，Δτ表示換道持續時長，v_SV、v_CL、v_TL、v_TF分別表示所述車輛SV、前車CL、前車TL、后車TF在換道開始時刻的速度，gap_CL,0、gap_TL,0、gap_TF,0分別表示換道初始時刻車輛SV和前車CL，車輛SV和前車TL，車輛SV和后車TF在沿車道方向上兩者之間的間距；在所述構建人本自治交通規則中，交通系統為：

其中，Θ為所述交通系統，Γ表示車輛集合，Ω表示交通規則集；Φ表示可供行駛的道路空間資源；Λ表示所述交通系統模型認定的交通違章行為類型及對應的處罰額度；表示所述交通系統模型認定的交通主動避讓行為類型及對應的獎勵額度；所述交通系統包括定義參數和交通規則，

所述定義參數包括：

車輛Γ_i，Γ_i∈Γ，N＝|Γ|，i∈N，N表示出行車輛的總數；

交通資源值表示車輛Γ_i在時刻t擁有的交通資源額度；

駕駛信用值l_i(t)，表示車輛Γ_i在時刻t擁有的信用額度；

A_i(t)，表示在時刻t車輛Γ_i所檢測到的所有違章車輛的集合，對于Γ_j∈A_i(t)，Ψ_j(t)則表示在時刻t所有與車輛Γ_i共同檢測到車輛Γ_j違章的集合；

所述交通規則包括：

規則1：所述交通系統模型初始化時，將為每輛車無償設定相同的、額度合適的初始交通資源值則對車輛Γ_i有其中代表著車輛Γ_i的初始購買力，每經過時間ΔT，每輛車都將再次免費獲得等額度初始交通資源值其中無時效限制且可以積累使用，即當t＝nΔT時，n為正整數，并且在時間段[nΔT,(n+1)ΔT)內，若車輛Γ_i的交通資源值時，將被迫放棄駕車的出行方式；

規則2：所述交通系統模型初始化時，將為每輛車無償設定相同的、額度合適的初始駕駛信用值l₀，則對車輛Γ_i有l_i(0)＝l₀，每經過時間ΔT，每個車都將再次免費獲得等額度駕駛信用值l₀，其中l₀有時效限制且不能交易，即車輛Γ_i在t₀＝n·ΔT時刻的駕駛信用值l_i(t₀)≡l₀，n為正整數，并且在時間段[nΔT,(n+1)ΔT)內，車輛Γ_i的累計支付交通資源值的上限為l₀，當t∈[nΔT,(n+1)ΔT)，l_i(t)≤0時，車輛Γ_i在后續的時間段[t,(n+1)ΔT]內將被迫放棄駕車的出行方式；

規則3：在感知范圍內能夠識別其周圍所有違章車輛，同時車輛Γ_i的違章駕駛行為也被能感知它周圍的車識別；車輛Γ_i在t時刻所識別的所有違規車為A_i(t)，則對Γ_j不但要被扣除駕駛信用值，同時還要向車輛Γ_i以交通資源值的形式立刻交納罰金，罰金額由車輛Γ_j的違章類型k∈Λ和t時刻同時識別到Γ_j違章的所有車的數量|Ψ_j(t)|共同決定，記k類型違章的罰款額為f_k^vio，則將t時刻Γ_j向Γ_i支付的罰款額f_j→i(t)定義為f_j→i(t)＝f_k^vio/|Ψ_j(t)|，并約定被識別違章的車輛即時獲知已被罰款；

規則4：能夠隨時查詢到當前的擁堵區域分布信息J＝{area^jam(t)}，并且約定當車輛Γ_i選擇當前擁堵區域area^jam(t)∈J為目的地時將被收取擁堵費，所述擁堵費以扣除所述交通資源值的形式收取。

2.根據權利要求1所述的基于人本自治交通的車輛運動仿真方法，其特征在于，所述車輛Γ_i行駛包括保守型行駛、普通型行駛和激進型行駛，A(t,i),B(t,i),C(t,i)分別表示車輛Γ_i為保守型、普通型、激進型時對應的參數向量取值，由下式確定，

A(t,i)＝A₀

B(t,i)＝(B₀-A₀)λ(t,i)+A₀

C(t,i)＝(C₀-A₀)λ(t,i)+A₀

其中，所述A₀,B₀,C₀表示模擬初始時刻，即交通資源值和駕駛信用值初始分配時刻，三種駕駛行為對應的參數向量取值，A(t,i),B(t,i),C(t,i)分別表示車輛Γ_i為保守型、正常型、激進型時在t時刻對應的參數向量取值，所述λ(t,i)為通過Weber-Fechner Law求取的強度值，即：

其中，表示車輛Γ_i在t時刻的歸一化駕駛信用值和交通資源值。