自动驾驶模式对交通流的影响

自动驾驶模式对交通流的影响 交通运输部公路科学研究院（RIOH）国家智能交通系统工程技术研究中心（ITSC） 侯德藻博士/研究员 1自动驾驶介绍 2自动驾驶模式对交通流的影响 3案例分析 自动驾驶——触手可及 GM Nissan AudiA8 FORD 图森 EasyMile阿波龙Otto GOOGLE TESLA NURO UBER 自动驾驶汽车在普通汽车的基础上增加了先进的传感器（雷达、摄像）、控制器、执行器等装置，通过车载传感系统和通信终端实现车与X（人、车、路、云等）智能信息交换，使汽车具备智能的环境感知能力，能够自动地分析汽车行驶的安全及危险状态，使汽车按照人的意志到达目的地，最终实现替代人操作的目的。 自动驾驶–AutomatedDriving 自动驾驶汽车--AutomatedVehicle 智能网联汽车–IntelligentConnectedVehicle –工信部 智能汽车–IntelligentVehicle–发改委 无人驾驶 （L4和L5） 自动驾驶 （L1~L5，不包括预警提示、短暂干预的辅助驾驶系统等技术） 智能驾驶 （L1~L5，以及其他应用于L0的智能辅助驾驶系统技术） 技术层层递进，内涵层层缩小 L0:L5是SAE（国际汽车工程学会）J3016文件提出的五级自动驾驶分级方案是当前被普遍采用接受的标准 自动驾驶业务（McKinsey与波士顿咨询公司估计）： 2025年可以产生2000亿至1.9万亿美元的产值 2025年全球渗透率将达到7%-13%，相关市值约为420亿美元 商业量产 目前：Tesla、奥迪A8，waymo 2020年：丰田、日产、大众、宝马、奔驰、通用、现代、起亚…… 2021年：沃尔沃、福特 自动驾驶市场和规模（思迈咨询公司和IEEE学会预测）： 2025年：全球销量达到23万辆 2035年：全球销量1180万辆，北美、中国和西欧将成为自动驾驶的三大主要市场，占比将 分别达到29%、24%和20%（约350、280和240万辆） 2040年：全球75%的汽车都将被自动驾驶汽车取代 NATURE：无人车2020 年广泛使用，并将彻底颠覆我们的出行模式： 更安全 更绿色，编队油耗 降低10% 车辆共享，将最少节省8亿个停车位 M.MitchellWaldrop.Autonomousvehicles:Nodriversrequired.NATURE,2015,518(7537). 1自动驾驶介绍 2自动驾驶模式对交通流的影响 3案例分析 自动驾驶逐步应用过程中必然出现传统车辆与不同等级自动驾驶车辆混行的场景 自动驾驶汽车的一些行车规则和人类驾驶员的行车习惯存在差异 不能丁字口左转 无法判断对向车辆转向意图而驻车 无法汇入车流 被有人车追尾 以waymo无人车路测问题为例 •谷歌–自主驾驶、无网联 •特斯拉–自主驾驶、有网联 •优步/沃尔沃–城市自主驾驶、有网联、共享车 特点及缺陷 •需要中等或强人工智能，大规模实现可能需要到2035年 •极端聪明的车，车是一切的主宰 •道路等基础设施对自动驾驶不起作用或只是起辅助作用 •激光雷达、视频、毫米波雷达、超声波雷达等感知设备和计算决策系统费用是车价格的数倍，系统很昂贵 •目前的安全性、可靠度很差 通过雷达、视频等先进的车、路感知设备对道路交通环境进行实时高精度感知 按照约定的通信协议和数据交互标准，实现路车I2X和车路V2X通讯及信息交换 形成智能化交通管理、智能化动态信息服务以及自动驾驶/智能网联的车路协同系统 以车为主的方法 运营企业 自动驾驶 车路协同系统 IT企业、车企、 以路（基础设施）为主的方法 交通行业 智能交通系统终极形式 以车为主 一体化 以路为主 自动驾驶级别 L5(FA) L4(HA) L3(CA) L2(PA) L1(DA) 2017 2020 20252030 2050 时间进度 弱人工智能 弱人中工人智工能智能 中人强工人智工能智能 强人工智能超人工智能 人工智能层级 冉斌.智能网联交通技术发展现状及趋势[J].汽车安全与节能学报,2018,9(2). 通行能力 (pcu/h) 7200 自动驾驶+专用道自动驾驶 人工驾驶 通行能力(辆/小时)= 𝟑𝟔𝟎� 反应时间(秒) 4800 2400 0.50.751.5 反应时间（s） 自动驾驶技术配合专用道大幅减少驾驶反应时间和降低行车间距，进而提升道路通行能力。 速度=100km/h 13.920.841.7 车头间距（m） 不同反应时间对应的车头间距 B.Ran,andH-S.JacobTsao."Trafficflowanalysisforanautomatedhighwaysystem.”,1996. 速度 (km/h) 120 100 原始流量 C=2400 阴影部分表示单车道通行能力 增加流量 C=1800 速度=100km/h 若车速=100km/h时： C自动驾驶=C原始+C增加=4200(pcu/h) 通行能力基本翻倍 自动驾驶技术在速度不变的情况下降低车间距，即增大交通流密度，从而显著增加道路通行能力。 02442 密度(pcu/km) 4224车头间距(m) 40000 死亡人数 30000 20000 10000 0 201520202025203020352040204520502055 年份 NHTSA(美国公路交通安全管理局)对自动驾驶和智能网联交通技术的应用进行评估： •随着自动驾驶车辆比例的提升，可以有效减少因道路交通事故导致的死亡人数。到2050年，死亡人数约减少为目前的50%，每年减少约17000人。 •因道路交通事故产生的经济损失每年减少约1900亿美元。 美国公路交通安全管理局关于交通事故死亡的定义： 在公共道路上涉及机动车交通事故，在30天内死亡。 每起死亡交通事故的社会费用： 9.1百万美元。 1自动驾驶介绍 2自动驾驶模式对交通流的影响 3仿真结果分析及评价 采用MATLAB工具和设计的混成控制算法让车辆能根据道路动态，自适应的选择合适的协作状态进行协同驾驶，在保障道路交通安全的情况下，提高道路通行效率。 分布式协同驾驶混成自动机： 实现车辆协同驾驶过程中不同连续状态之间的切换控制 系统状态集 状态切换规则 环境事 件描述 车辆状 态定义 事件触发 规则 车队状态 切换规则 状态切换事件 自由巡航： 实现车车交互下的单车自由 巡航控制 合并 组队巡航： 实现多车的组队巡航 控制 自由巡航 模型预测控制器 组队控制 模型预测控制器 控制器组件 实现功能 车辆模型 车辆运动约束 人工势场模型 环境交互状态 拆分 约束条件 实现多控制目 标约束 实现功能 车辆运动约束 环境交互状态保持车距 实现多控制目标约束 控制器组件 车辆模型 组队人工 势场模型 组队车距保持 约束条件 技术方法： 人工势场APF 模型预测控制MPC 混成自动机Hybridautomaton 人工势场模型： •自由巡航 •组队巡航 环境车辆势场 z Acar=Ucar Ar(v0) carKSr Acar=Ucar vz -so y o d1 LL+s p2 d2 L x p3 d3 L+sx -spo y o -s LL+spx d p2p3 2 d3 L L+spx p p1 p d1 1 Ucar  p   Acar  vr(p K S )I (vr 0)  0(vr 0) emn Acar  exp  D2 v  22 人工势场模型： 道路势场 方向势场 道路势场 z A y l1 l2 l3 l4 o 左车道本车道右车道 d2  l(i)k(i)*U lane explane,i  22 iroadedge mn k *  d2 r iroadedge rmn  lmn(i) i rlane,i UR 方向势场 smn xr 车道线势场示意图 模型预测控制器： 自由巡航 P P  NN N1 Jk UAPF (ki)2 Q e(ki) v R uki1 22 P 目标函数 i1 i1 i1  约束条件 人工势场目标速度偏差控制增量松弛因子 组队巡航 人工势场  NPNP 跟踪轨迹偏差 2NP2 Jk i1 UAPF (i) 2 Q i1 eyi W  i1 exiSd W  NP2NC12 ev (i) R uk i|t 2 P i1i1 目标速度偏差控制增量松弛因子 约束条件 0v1.1*vdes 25 25 C 2 4.9m/s2 v&1m/s2 9.4/s&9.4/s Merge Q1 Q2  platoon=HostID ConvminJ  Cruise  platoon=pltnID ConvminJ  Follow Split: Max(APF(Carpredict))>APFsafe platoon=pltnID Max(APF(Carpredict))>APFsafe Split:platoon=HostID Q3 Con   v v min  min 混成自动机模型： 逻辑条件 条件动作 H=(QD，Var，Con，Event，Edge，Act，Inv，Init) 其中，Q为离散状态的有限集合，这里Q=[Q1，Q2，Q3]； 其中Q1 为自由巡航状态，Q2 为组队巡航状态，Q3 为紧急避险状 态。 Var为系统的状态向量，Var=[x，y，v，，f] Con为系统控制向量集，Conv,， Event为状态迁移事件，Event=[Merge，Split]，即组队与分离，在本文所设计的车辆协同驾驶系统中这里的迁移事件作为子状态机存在，后文将详细说明 Car1 Car2 Car6 Car7 Car4 Car8 Car5 Car3 (a)后方被控车辆分布示意图 Car9 Car12 Car15 Car13 Car10 Car14 Car11 (b)前方障碍车辆分布示意图 领航车 跟随车 障碍车 S1： 自由巡航禁止组队 S2： 组队巡航允许组队 S1工况：车辆速度轨迹S2工况：车辆速度轨迹 具备自动驾驶及智能网联功能的车辆通过相互协作，可以在更短的时间内（如S2中60s）通过障碍区，并能保证各个车辆速度变化较小，从而在保证交通安全的同时提升道路 通行能力。 采用VissimCOM服务进行车辆编队策略的开发，实现车联网及自动驾驶情景下的仿真。但目前存在仿真速度过慢的问题，因此，仿真过程中设置的步长为1秒，未来考虑采用VISSIMEDM外部驾驶员模型的方法进行开发改进，提高仿真速度，减小时间步长。 效率指标： 1nt 1tend tstart vtn vntvtt vt vnt nt t1 t时刻车辆n的速度t时刻系统的车辆数 tstart tend 数据记录的开始时间数据记录的结束时间 endstart tstart vtt时刻系统的平均车速 v系统的平均速度 能耗指标： 由牛顿第二定律推导的能耗计算公式： fs(ma mgCr 1Ac D 2 D(di )v2) 空阻系数的计算方法： c(d )c (1c1) D DiD0c 1 di AerodynamicsofRoadVehicles,ASEInternational,2016 仿真二：多车编队对交通流的影响 高装配率 低装配率 研究不同联网货车比例下的系统效率和能耗效果。 系统运行效率随着