摘要：建立了双向双车道环境下单车超越车队模型，分析了影响双向双车道超车危险区域范围的主要因素;设计了分步式单车超越车队算法，研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系，提出了车辆入队所需最小安全间隙的速度匹配方案;建立了单车超越车队算法的目标函数，设定最大允许超车时间内超车车辆与车队行驶距离最大，超车车辆超越车队车辆数最多，前、后车形成安全间隙过程中加速度、减速度最小;提出了基于改进粒子群的分级约束多目标优化方法，为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明：双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系;改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度，平均收敛时间缩短39.2%;在分步式单车超越车队过程中，车队车辆平均速度提升9.04%，即在车队间隙生成过程中，虽然部分车辆速度减小，但车队整体平均速度得到提升;超车车辆平均速度提升16.8%，即在超车过程中，不仅超车车辆的安全性得到保证，其运行效率也得到提升。
关键词：交通信息工程;双向双车道;智能车队;单车超越车队算法;安全间隙;间隙优化;分步式超车
0引言
双向双车道是中国公路网中最普通的公路形式之一，西部地区双向双车道公路占公路总里程的95%以上，在公路网中发挥着重要的作用。智能车队组队运行是提升双向双车道典型道路交通效率的重要手段，面临着车辆与车队间的超车-放弃两难问题，迫切需要深入开展其组队行为分析与编组优化方法研究。
车辆超车行为涉及到的因素包括超车车辆、被超车辆、道路，双向双车道环境下还包括对向车辆，因此，需要建立超车车辆从超车开始到超车完成所需超车视距的模型[1-3]，超车车辆包括道路上行驶的所有机动车辆。许伦辉等依据车辆运行特性对超车车辆进行分类，考虑不同道路等级的设计时速，建立了计算超车车辆从超车行为发生到超车过程结束所需的超车时间和距离的数学模型[4]。超车行为发生的道路包括双车道公路和多车道公路，Cheng等运用所采集的数据分析了多车道车辆换道行为，提出车辆换道方式和频率与道路交通状况等因素有关[5]。双车道公路上，车辆超车必须占用对向车道，且只能在对向车道有足够的超车视距时才有变换车道进行超车的可能，否则必须保持跟驰行驶状态[6-7]。超车需求随着交通量的增加而增加，而进入对向车道伺机超车的能力却在降低，荣建等对中国标准二级双车道的双向通行能力进行仿真试验[8]。
超车过程是与换道行为紧密联系的，超车是驾驶人换道行为的主要动机，为研究驾驶人换道特性，党睿娜等在分析驾驶人接近前车行为决策的基础上，研究了换道阶段的车辆、车间状态变化和换道操作习惯[9];王畅等对换道决策阶段驾驶人对后方车辆的速度感知特征进行了研究，采用显著性分析方法，分析了相对速度、后方车辆速度与相对距离对驾驶人速度估计行为的影响特性[10]。车辆超车换道包括超车时的加速换道和超车车辆的归位换道，徐磊等对超车换道可行域进行了动态构建，对换道边界轨迹进行规划，依据期望跟车距离和安全碰撞条件确定可行域的上、下边界，并依据两车的运动关系确定超车换道条件[11]。车辆换道归位时，超车车速与原车道车速，车间距以及道路限速有关，柏伟等对不同限速条件下的超车模型进行了研究，为车辆的超车条件提供了判断指标[12];熊晓夏等提出了基于贝叶斯因子阈值法的隐马尔可夫模型和基于运动时间窗特征提取法的支持向量机模型，预测危险换道驾驶行为[13]。
超车换道在一定程度上能够提高道路利用率，针对未来车路协同环境所提供的车辆交互基础信息，李珣等提出了一种考虑局部区域车辆状态优化的协同换道模型[14];Milanés等开发了一种基于模糊逻辑的控制器，通过输入由来自视觉系统、全球定位系统和惯性测量单元组成的基于定位的系统信息，输出方向盘，油门和制动踏板等车辆执行器上的动作来模拟超车过程[15]。
目前，对于车辆超车行为的研究，主要集中在车辆超越车辆以及车辆超越由无车车通信的多车辆组合而成的车队方面[16-18]，而对于车辆超越具有车车通信[19]的群体智能车队却少有研究，部分学者对理想状态下单车超越车队的必要消息应答方式做了研究[20-23]，但并没有对超车时车队内部车辆间距的控制以及超车车辆返回原车道时的限制条件进行研究。实际上，在双向双车道中进行车辆对车队的超车行为时，一旦驾驶人对对向来车的距离以及车队长度产生误判，车辆很容易陷入一种既不能完成超车又不能返回原车道的危险区域[24-26]，致使超车车辆与对向车辆被迫紧急停车或相撞，或超车车辆强行并入原车道车队，从而与车队车辆相撞。同时，像青藏公路等担负主要物资运输任务的双向双车道，大车结队行驶具有队列长，队列多，行驶速度快的特点[27-29]，上述车辆对运输车队的超车缺陷会更加明显。
本文通过建立单车超越车队运动学模型，从理论上分析、论证了双向双车道路段，车辆对车队超车时“超车-放弃”两难的危险区域是确实存在的，并通过模型确定了与危险区域影响因素;研究了超车车辆在完成超车动作或放弃超车后返回原车道时车速和车队安全间隙的关系;最后提出了基于动态安全间隙的双向双车道分步式单车超越车队(SingleVehicleOvertakingPlatoon，SVOP)算法，并通过设计基于改进粒子群的分级约束多目标优化方法，为分步式超车算法中超车车辆与安全间隙前、后车的三级车速引导提供了行驶里程、超越多车数量、舒适性多目标优化方案。
1双向双车道SVOP模型
1.1SVOP模型建立
在双向双车道路段，在超车车辆占用对向车道超车的过程中，若被超越车队中相邻车辆车头间距不足以满足超车车辆的超车要求时，对向车道出现车辆使得视距小于安全超车视距要求，超车车辆往往陷入超车的危险区域，即超车车辆此时既不能超车，又不能返回原车道。
在此定义超车车辆临界位置与临界时间，假设当超车车辆进入超车道行驶至临界位置之前始终有机会放弃超车，安全返回原车道，而当超车车辆在超车道越过临界位置点后则进入超车危险区域;超车车辆由超车开始行驶至临界位置的时间为临界时间。
1.2SVOP危险区域影响因素
超车危险区域范围即由车队头车车头位置至超车车辆临界位置。为便于分析影响超车危险区域范围的因素，这里假设：完成超车时，超车车辆尾部与被超越车队头车的车头时距为2s;被超越车队中车辆间车头时距为3s;所有车辆车长为5m;超车车辆返回原车道时车头与下游车辆尾部之间的安全时距为2s;超车车辆超车时对向车辆速度为60km·h-1;超车车辆超车时加速后的车速为80km·h-1;车队速度为60km·h-1;超车车辆加速后与下游第1辆车的车头间距为20m;超车结束时，超车车辆与对向车辆之间的最小安全时距为3s。将由式(10)所得临界时间t0代入式(7)、(9)可得超车危险区域与被超越车队车辆数和对向车辆速度的关系见图1。
由图1可以看出：超车危险区域的产生不仅与开始超车时的视距判断有关，还与车队车辆数和对向车辆行驶速度相关，超车危险区域随着车队车辆数的增加以及对向车辆行驶速度的增加而增大。
2分步式SVOP算法
针对双向双车道中，车辆对车队进行超车时所面临的超车-放弃两难问题，本文提出“分步式”SVOP算法，见图2，A～E为车队车辆;F为超车车辆;O为对向车道行驶车辆。云计算中心负责收集路段车辆信息，并计算最优超车方案。
超车车辆跟驰车队时，在进行换道超车行为之前，超车车辆需加入车队自组织网络，车队车辆形成云计算中心以便对超车车辆的超车换道进行规划协调。
在双向双车道中，超车车辆F超越由车辆A～E组成的车队时(车队组成车辆数并无限制)，车辆O由对向车道驶来，为避免超车车辆进入超车危险区域，云计算中心为超车车辆及车队车辆进行车速引导，车辆F按照云计算中心提供的车速引导信息行驶进行超车行为，车辆B及其前车队、车辆C及其后车队按照云计算中心提供的速度引导信息行驶并形成安全间隙以供车辆F入队(车辆B、C为云计算中心通过计算选取车辆)，车辆F首先超越车队中车辆C～E并入队，待对向车辆O驶过之后，车辆F按照云计算中心发布的车速引导信息行驶并超越车辆B和A，此即分步式超车算法所要达到的车辆对车队的超车目标。
综上所述，分步式超车算法流程如下。
Step1：车辆提出超车申请，云计算中心获取超车车辆、车队车辆的位置、速度、加速度、最大加速度、最大制动减速度、车辆长度等基本信息。
Step2：等待车辆提出超车申请后，云计算中心获取对向车辆的基本信息。
Step3：云计算中心在回复车辆的超车申请前，计算此时车辆进行超车行为是否存在进入超车危险区域的可能，若不存在，则给出车辆对整个车队进行安全超车的速度引导信息。
Step4：若通过计算，预测车辆将进入超车危险区域，云计算中心选取车队中的理想位置生成安全间隙，以供车辆完成第1步超车动作后返回原车道并入队。
Step5：云计算中心在输出车队安全间隙前、后车以及超车车辆的“最佳车速引导信息组”后，匹配三级车辆的最大加速度、最大制动减速度信息，在“最佳车速引导信息组”中选取可行车速引导方案。
Step6：车队安全间隙前、后车以及超车车辆按照云计算中心提供的车速引导信息行驶，车辆在完成超车动作后，向云计算中心发送单步超车完成信息。
Step7：云计算中心在接收到超车车辆的单步超车完成信息后，更新车队车辆，对向车道车辆基本信息，按照Steps3～5为超车车辆的下一步超车进行速度引导。
可以看出，分步式超车是由不同“单步”超车叠加的过程，在此将分步超车的单步过程进行重点研究，即车辆在有限的时间内借用对向车道完成对车队内的局部车辆进行超车并入队。
相关期刊推荐：《交通运输工程学报》(月刊)2001年创刊，是由国家新闻出版署和国家科技部批准，国家教育部主管，长安大学主办，《交通运输工程学报》(月刊)2001年创刊，是由国家新闻出版署和国家科技部批准，国家教育部主管，长安大学主办，
在执行分步式超车算法时面临2个关键技术问题：在单步超车过程中，如何选取车队内安全间隙的形成位置;在单步超车结束后超车车辆入队时，如何匹配超车车辆速度与车队内安全间隙范围。
实际上，在选择车队内车辆入队安全间隙形成位置前，必须解决车辆入队时，超车车辆速度与安全间隙匹配问题。安全间隙与入队车速成正相关关系，二者相匹配时既要满足超车过程的快速性，即超车车辆速度不能过小，又不能使安全间隙过大，影响车队行驶效率。
2.1超车车辆速度与安全间隙匹配
为了匹配入队车速与安全间隙，本节对超车车辆与安全间隙前、后车三者之间的不同速度关系以及安全间隙之间的联系展开研究。
车辆入队时需保证超车车辆与安全间隙前、后车均处于安全跟驰状态，为此首先研究车车跟驰时不同车速关系下的安全间距条件。
假设相距为l的2辆车，在同一车道上沿同一方向行驶，跟驰车辆和前向车辆行驶速度分别为v3、v4，驶过的距离分别为L0和L1，最大的制动减速度分别为a0和a1，驾驶人反应时间为t3，减速度的增长时间为t4，车辆停止后跟驰车辆与前向车辆之间的安全距离为H。跟驰车辆与前向车辆有如下3种速度关系。
仿真结果分析设定参数见表2。在相同的车辆入队车速条件下，为了选取表1所列4种车速关系中安全间隙最小的组合，设定车辆入队速度分别为36、72、90km·h-1，对4种情况下超车车辆与安全间隙前、后车三者的不同速度组合与安全间隙关系进行剖析。
图4～6分别对应超车车辆在不同入队车速条件下，表1所列4种关系下的安全入队间距与其前、后车辆速度之间的关系，其中：方案1中超车车辆跟驰安全间隙前车时所需的安全间距、方案3中超车车辆跟驰安全间隙前车和超车车辆与安全间隙后车的安全间距、方案4中超车车辆与安全间隙后车的安全间距都存在特定速度区间内所需安全间距过大的情况，唯有方案2中车辆入队所需安全间距平稳且较小。综上，超车车辆入队时，最佳速度关系为超车车辆速度大于安全间隙后车速度，同时小于安全间隙前车速度。调整学习因子c1和c2为不同组合，对非改进粒子群算法和改进粒子群算法的仿真结果进行对比，通过图7可以看出：改进后的粒子群优化算法在不同学习因子参数下均优于传统粒子群优化算法，鲁棒性更强;学习因子设定为c1=2.3，c2=1.5时(图7(f))，种群平均收敛代数最少，即收敛速度最快。此时相比于非改进粒子群优化算法，收敛时间缩短39.2%。
4结语
(1)分析了车辆组队行驶状态下车队外车辆在存在对向行驶车辆的情况时面临的超车困难问题，建立了SVOP模型，说明了双向双车道中车辆超越车队时存在既不能完成超车又不能安全返回原车道的超车危险区域，并且超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系。
(2)研究了车辆跟驰所需安全距离与前后车速度之间的关系，为车辆入队所需安全间距提供了优化的速度匹配方案。
(3)设计了分步式SVOP算法，同时针对分步式SVOP过程中的三级车速引导问题提出了基于改进粒子群的分级约束多目标优化方法。
(4)分别对车辆入队过程三级速度匹配的不同方案、改进PSO算法与传统PSO算法进行仿真结果对比，结果表明：改进的PSO算法相比传统PSO算法鲁棒性更强，收敛速度更快，所得最优控制策略使得SVOP过程中不仅安全性得到保障，而且超车车辆和车队行驶效率同样得到提升，进一步验证了算法的可行性。
(5)分步式SVOP算法为超车车辆提供了驾驶行为引导信息，但是由于驾驶人驾驶风格各异，多目标优化后的最优控制策略不一定适应于每一位驾驶人，根据驾驶人行为特征制定超车行为引导策略是下一步需要研究的重点。——论文作者：陈俊杰1，2，蔡伯根1，2，3，上官伟1，2，3，王剑1，2，3，柴琳果1，2
转载请注明来自：http://www.lunwencheng.com/lunwen/jgu/19417.html
