刘秉政 高 松 曹 凯 王鹏伟 徐 艺

在多车道动态交通环境中,除自由流交通状态以外,车辆的行为模式选择与变化均会受到同车道前后相邻车辆以及相邻车道同向或异向邻近行驶车辆的直接或间接影响制约,如自车的加减速控制直接受制于同车道相邻前后车辆,自车的变道或超车行为还将受到目标或相邻车道中邻近车辆的行为约束,因此对周边车辆行为动态的准确把握是自车安全行驶的前提.而跟驰行为是车辆在道路环境中最基本的行为模式之一,对其行为模式的准确描述有利于对周边车辆此类行为动态的正确预估.尤其在自车做出超车或变道选择时,对相邻车道上周边车辆的安全跟驰模式预测显得十分必要,而智能车辆在多个方位载有传感器,可获得较为完整的周边车辆运动状态信息,在车联网环境中这些信息将更加详实可用,这就使得对周边车辆在安全跟驰模式下未来行为动态的精确预测成为可能.

为了表现在安全行驶过程中跟驰车辆与关联车辆之间的动态制约影响,传统的车辆跟驰行为建模方法一般通过在跟驰模型中加入某种速度控制准则来表现特定的车辆跟驰行为动态[1],如通用汽车(General motors,GM)[2]、优化速度(Optimal velocity,OV)[3]、广义力(Generalized force,GF)[4]和全速度差(Full velocity difference,FVD)[5]等经典模型.近期的一些研究则在跟驰建模中加入了更多的影响因素,如通过使用驾驶员的风险感知,加速和减速的灵敏度系数以及响应时间的参数来直……