基于认知风险动态平衡的智能汽车跟车模型

doi:10.19562/j.chinasae.qcgc.2022.11.001

摘要/Abstract

摘要：

针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题，在分析自然驾驶数据的基础上，提出基于认知风险动态平衡的智能汽车拟人化跟车模型。首先，针对4种不同的货车-轿车组合跟车模式，建立跟车距离的经验模型，提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的“两不变”规律，通过作图法获得平衡线；其次，从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理，将常用的跟车模型统一在认知风险动态平衡的框架内；最后，提出一种简洁的非线性函数实现认知风险动态平衡的数学表述，利用实测跟车数据验证了模型的准确性。

关键词: 智能汽车, 拟人化决策, 跟车建模, 认知风险, 动态平衡

Abstract:

Aiming at the decision-making difficulties of the trade-off between the vehicle following risk and the driving efficiency caused by heterogeneous vehicle types in the complex traffic environment， a human-like vehicle following model for intelligent vehicles based on dynamic balance of perception risk is proposed on the basis of analyzing natural driving data. Firstly， an empirical model of the vehicle following distance is established for vehicle following modes with four different truck-car combination， and the “two invariances” law of time headway （THW） and inverse time to collision （i-TTC） existing in the driver’s steady-state vehicle following behavior is discovered， with the balance lines obtained by drawing method. Then， the mechanism of vehicle following decision-making is revealed from the perspective of the dynamic balance between perception risk and acceleration response during driving， and the commonly-used vehicle following models are unified within the framework of dynamic balance of perception risk. Finally， a simple nonlinear function is proposed as a mathematical expression of dynamic balance of perception risk， and the accuracy of the model is verified by using the tested vehicle following data.

Key words: intelligent vehicles, human-like decision-making, vehicle-following modeling, perception risk, dynamic balance

刘巧斌,杨路,高博麟,王建强,李克强. 基于认知风险动态平衡的智能汽车跟车模型[J]. 汽车工程, 2022, 44(11): 1627-1635.

Qiaobin Liu,Lu Yang,Bolin Gao,Jianqiang Wang,Keqiang Li. Car Following Model for Intelligent Vehicles Based on Dynamic Balance of Perception Risk[J]. Automotive Engineering, 2022, 44(11): 1627-1635.

图/表 11

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

表1

各模式下加速度响应斜率对比"

模式	RP<0 （ $k -$ ）	RP>0 （ $k +$ ）
Car-Car	-1.939 7	-27.412 6
Car-Truck	-2.062 1	-7.090 7
Truck-Car	-1.357 4	-9.769 4
Truck-Truck	-4.449 0	-10.199 5

表1

参考文献 21

1	SAIFUZZAMAN M， ZHENG Z. Incorporating human-factors in car-following models： a review of recent developments and research needs［J］. Transportation Research Part C： Emerging Technologies， 2014，48： 379-403.
2	田钧方，朱陈强，贾宁，等. 基于轨迹数据的车辆跟驰行为分析与建模综述［J］. 交通运输系统工程与信息， 2021，21（5）： 148-159.
	TIAN J F， ZHU C Q， JIA N， et al. Review of car-following behavior analysis and modeling based on trajectory data［J］. Journal of Transportation Systems Engineering and Information Technology， 2021，21（5）： 148-159.
3	KONG D， LIST G F， GUO X， et al. Modeling vehicle car-following behavior in congested traffic conditions based on different vehicle combinations［J］. Transportation Letters， 2018，10（5）： 280-293.
4	LIU L， ZHU L， YANG D. Modeling and simulation of the car-truck heterogeneous traffic flow based on a nonlinear car-following model［J］. Applied Mathematics and Computation， 2016，273： 706-717.
5	SUN Z， YAO X， QIN Z， et al. Modeling car-following heterogeneities by considering leader–follower compositions and driving style differences［J］. Transportation Research Record： Journal of the Transportation Research Board， 2021，2675（11）： 851-864.
6	PARK M， KIM Y， YEO H. Development of an asymmetric car-following model and simulation validation［J］. IEEE Transactions on Intelligent Transportation Systems， 2020，21（8）： 3513-3524.
7	KRAJEWSKI R， BOCK J， KLOEKER L， et al. The highD dataset： a drone dataset of naturalistic vehicle trajectories on german highways for validation of highly automated driving systems［C］. 2018 21st International Conference on Intelligent Transportation Systems （ITSC）. IEEE， 2018.
8	王雪松，孙平，张晓春，等. 基于自然驾驶数据的高速公路跟驰模型参数标定［J］. 中国公路学报， 2020，33（5）： 132-142.
	WANG X S， SUN P， ZHANG X C， et al. Calibrating car-following models on freeway based on naturalistic driving data［J］. China Journal of Highway Transportation， 2020，33（5）： 132-142.
9	杨龙海，赵顺，徐洪. 基于改进优化速度函数的跟驰模型研究［J］. 交通运输系统工程与信息， 2017，17（2）： 41-46.
	YANG L H， ZHAO S， XU H. Car-following model based on the modified optimal velocity function［J］. Journal of Transportation Systems Engineering and Information Technology， 2017，17（2）： 41-46.
10	付锐，袁小慧，郭应时，等. 相邻车道车辆并道预测与跟车控制改进的研究［J］. 汽车工程， 2017，39（10）： 1106-1113.
	FU R， YUAN X， GUO Y， et al. A study on the merging prediction of the vehicle on adjacent lane and the improvement of vehicle-following control［J］. Automotive Engineering， 2017，39（10）： 1106-1113.
11	郭海锋，袁鑫良，徐东伟. 车辆跟驰模型参数标定中的性能指标选择［J］. 中国公路学报， 2017，30（1）： 103-110.
	GUO H F， YUAN X L， XU D W. Selection of measures of performance on calibrating parameters in car following models［J］. China Journal of Highway Transportation， 2017，30（1）： 103-110.
12	袁伟，付锐，马勇，等. 基于高速实车驾驶数据的驾驶人跟车模型研究［J］. 汽车工程， 2015，37（6）： 679-685.
	YUAN W， FU R， MA Y， et al. A study on driver’s vehicle-following model based on high speed real driving data［J］. Automotive Engineering， 2015，37（6）： 679-685.
13	KESTING A， TREIBER M. Calibrating car-following models by using trajectory data［J］. Transportation Research Record： Journal of the Transportation Research Board， 2008，2088（1）： 148-156.
14	NI D， LEONARD J D， JIA C， et al. Vehicle longitudinal control and traffic stream modeling［J］. Transportation Science， 2016，50（3）： 1016-1031.
15	LIN Y， WANG P， ZHOU Y， et al. Platoon trajectories generation： a unidirectional interconnected LSTM-based car-following model［J］. IEEE Transactions on Intelligent Transportation Systems， 2022，23（3）： 2071-2081.
16	梁军，王军，杨云庆，等. 网联车对抗神经网络跟驰模型［J］. 汽车工程， 2021，43（2）： 189-195.
	LIANG J， WANG J，YANG Y Q， et al. A connected and autonomous vehicle following model based on generative adversarial network［J］. Automotive Engineering， 2021，43（2）： 189-195.
17	郭景华，李文昌，罗禹贡，等. 基于深度强化学习的驾驶员跟车模型研究［J］. 汽车工程， 2021，43（4）： 571-579.
	GUO J H， LI W C， LUO Y G， et al. Driver car⁃following model based on deep reinforcement learning［J］. Automotive Engineering， 2021，43（4）： 571-579.
18	ZHU M， WANG X， WANG Y. Human-like autonomous car-following model with deep reinforcement learning［J］. Transportation Research Part C： Emerging Technologies， 2018，97： 348-368.
19	倪捷，张凯铎，刘志强，等. 自适应期望跟车间距和行为习惯的驾驶人跟驰模型［J］. 交通运输系统工程与信息， 2022： 1-10.
	NI J， ZHANG K D， LIU Z Q， et al. Car-following model with adaptive expected driver’s following distance and behavior［J］. Journal of Transportation Systems Engineering and Information Technology， 2022： 1-10.
20	赵健，宋东鉴，朱冰，等. 基于自学习和监督学习混合驱动的智能汽车跟驰控制策略［J］. 中国公路学报， 2022，35（3）： 55-65.
	ZHAO J， SONG D J， ZHU B， et al. Intelligent vehicle-following control strategy based on self-learning and supervised-learning hybrid-driven framework［J］. China Journal of Highway Transportation， 2022，35（3）： 55-65.
21	KONDOH T， YAMAMURA T， KITAZAKI S， et al. Identification of visual cues and quantification of drivers' perception of proximity risk to the lead vehicle in car-following situations［J］. Journal of Mechanical Systems for Transportation and Logistics， 2008，1（2）： 170-180.

[1]	郝建平,苏炎召,钟志华,黄晋. 面向智能汽车的SOA架构及服务调度机制研究[J]. 汽车工程, 2023, 45(9): 1563-1572.
[2]	赵高士,陈龙,蔡英凤,廉玉波,王海,刘擎超,滕成龙. 融合复杂网络和记忆增强网络的轨迹预测技术[J]. 汽车工程, 2023, 45(9): 1608-1616.
[3]	胡启慧,蔡英凤,王海,陈龙,董钊志,刘擎超. 基于层次图注意的异构多目标轨迹预测方法[J]. 汽车工程, 2023, 45(8): 1448-1456.
[4]	高翔,陈龙,王歆叶,熊晓夏,李祎承,陈月霞. 基于轨迹预测的智能汽车行驶风险评估方法[J]. 汽车工程, 2023, 45(4): 588-597.
[5]	胡杰,朱琪,陈锐鹏,张敏超,张志豪,刘昊岩. 引入必经点约束的智能汽车全局路径规划[J]. 汽车工程, 2023, 45(3): 350-360.
[6]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[7]	刘正发,吴亚,刘佩根,顾荣琦,陈广. 基于特征和标签联合分布匹配的智能驾驶跨域自适应目标检测[J]. 汽车工程, 2023, 45(11): 2082-2091.
[8]	赵树廉,来飞,李克强,陈涛,孟璋劼,唐逸超,吴思宇,田浩东. 基于数字孪生技术的智能汽车测试方法研究[J]. 汽车工程, 2023, 45(1): 42-51.
[9]	邵文博,李骏,张玉新,王红. 智能汽车预期功能安全保障关键技术[J]. 汽车工程, 2022, 44(9): 1289-1304.
[10]	汪梓豪,蔡英凤,王海,陈龙,熊晓夏. 基于单目视觉运动估计的周边多目标轨迹预测方法[J]. 汽车工程, 2022, 44(9): 1318-1326.
[11]	梁旺,秦兆博,陈亮,边有钢,胡满江. 基于改进BP神经网络的智能车纵向控制方法[J]. 汽车工程, 2022, 44(8): 1162-1172.
[12]	赵健,宋东鉴,朱冰,吴杭哲,韩嘉懿,刘宇翔. 数据机理混合驱动的交通车意图识别方法[J]. 汽车工程, 2022, 44(7): 997-1008.
[13]	余嘉星,Aliasghar Arab,裴晓飞,过学迅. 考虑路径平滑性和避撞稳定性的智能汽车弯道轨迹规划研究[J]. 汽车工程, 2022, 44(5): 656-663.
[14]	江浩斌,冯张棋,洪阳珂,韦奇志,皮健. 应用于车辆纵向控制的无模型自适应滑模预测控制方法[J]. 汽车工程, 2022, 44(3): 319-329.
[15]	宋东鉴,朱冰,赵健,韩嘉懿,刘彦辰. 基于驾驶行为生成机制的智能汽车类人行为决策[J]. 汽车工程, 2022, 44(12): 1797-1808.