的方法来处理不确定性相关行为和车辆混合与自动化车辆在交通仿真实验

文摘

引入自动化车辆预计将影响车辆的性能。微观交通仿真提供良好的可能性探讨引入自动化工具的潜在影响。然而,目前的微观交通仿真模型为造型设计人为车辆。因此,模型自动车辆的行为需要进一步发展。有几种可能的方法来扩展模型,但独立于方法的一个大问题是,信息如何自动车辆行为仅限于今天的部分自动化车辆。未来的一代又一代的自动车辆将如何将不为人知的一段时间。也有很大的不确定性相关自动化功能在技术上都是可行的,所允许的,实际上由用户,激活不同的道路环境和不同阶段的过渡从0到100%的自动化工具。本文提出了一种方法来处理这些不确定性引入的几个概念描述的四种不同的驾驶行为的自动车辆(Rail-safe,谨慎,正常,无所不知的),提出了如何实现这些驱动逻辑在常用的交通模拟程序。驱动逻辑也与假设的逻辑,可以运行的环境的过渡时期的一部分。仿真结果对四个不同类型的道路设施也提出了说明可能影响交通的性能驱动逻辑。 The simulation results show large variations in throughput, from large decreases to large increases, depending on driving logic and penetration rate.

1。介绍

引入自动化工具(AVs)预计将影响车辆的性能。这两个城市和国家公路部门感兴趣的介绍应该如何处理,他们应该或不应该采取哪些措施适用于避免负面影响,提高引进AVs的积极作用。调查在道路设计和交通控制措施如何影响交通的性能通常基于结果交通模型。

微观交通仿真模型在交通规划先进的工具。通过模拟的每辆汽车的运动,模型提供指标(旅行时间、队列长度、车辆吞吐量,等等)描述道路设施的性能。交通仿真模型通常申请设计、测试和分析道路网络部分交通控制设施。他们扩展传统公路容量手册(HCM)通过提供产能分析方法有不同需求,demand-actuated交通控制设施,以及协调信号控制。当前微观交通仿真模型为造型设计的车辆没有自动化。因此,造型AVs的行为需要扩展模型。这些扩展模型也需要校准和验证这是一个问题,因为系统在很大程度上还不存在。

有几种可能的方法将AVs的驾驶行为纳入交通仿真模型。然而,有限的信息可以在AVs将如何表现。到目前为止,信息是与今天的部分自动化测试车辆,主要来自测试跟踪。未来的一代又一代的AVs将如何将不为人知的一段时间。因此,未来的交通状况调查与AVs的未来版本和高普及率AVs的一般要求一致的假设在AVs的行为将如何演变。

交通仿真AVs的调查通常假定一种类型的自动车辆,所有住客行为是一样的。此外,交通仿真AVs的调查调查的几辆车只有一个自动化功能,如自适应巡航控制系统(ACC)或联系/合作自适应巡航控制(中国)。调查一个自动化功能的提供有价值的见解但有限的知识引入自动化车辆如何影响交通系统在过渡期间。如前所述在卡尔弗特et al。1),没有100% AVs的过渡期将最有可能是漫长的,它可能会包括混合的传统(人为)与不同级别的自动化和车辆和AVs不同代的自动化功能。

交通仿真自动车辆的调查评估的效果在过渡期间需要应用一个结构化和系统化的方法来处理相关的不确定性如何不同的一代又一代的自动车辆行为和混合不同的一代又一代的自动车辆可能共存的不同阶段的过渡时期。本文的目的是提供一种方法来处理不确定性相关的行为和组成车队在交通仿真实验与不同程度的自动化过渡时期的主要人为车辆全自动车辆的100%。这个目标是接洽考虑离散时刻在过渡期间,除了一般研究的完全自动化和自动化。

本文的结构如下。部分2概述交通仿真模型自动车辆是如何模仿和过渡时期如何处理在先前的研究。我们建议的方法处理不同类型的自动化汽车驾驶不同逻辑提出了部分3。部分4提出了如何实现这些驱动逻辑在微观交通仿真模型和部分5这些驱动逻辑提供了一个例子如何影响交通四种常见的道路设施的性能。部分6结束本文的结论和需要为未来的研究。

2。交通仿真的方法包括自动化车辆

交通系统的仿真,包括自动化车辆显然需要造型自动车辆的驾驶行为。有几种方法如何驱动逻辑的自动车辆可以纳入交通仿真模型(见部分2。1)。此外,从今天的交通状况,只有一小部分部分自动化车辆未来情况专门组成的全自动车队将意味着一段时期一系列混合车辆的不同级别的自动化。因此,交通仿真实验的过渡期需要考虑一系列不同的自动车辆行为。方法的概述如何过渡时期一直在处理之前进行的仿真实验给出了部分2。2。

2.1。方法建模自动化车辆的驾驶行为

我们最好的知识,三种方法如何包括行为的驾驶员辅助系统和自动车辆功能是在文献中报道:(我)自动驾驶行为的模拟行为模型参数的调整交通仿真模型(2)替换行为模型在交通仿真模型与自动汽车驾驶行为模型(3)驾驶行为模型的扩展与“纳米”造型的自动车辆,包括模拟传感器,车辆动力学和驾驶行为

最简单、最常用的方法之一,包括自动化车辆在交通仿真模型参数调整现有的行为模式对传统汽车代表自动车辆的驾驶行为。例如,这可以被调整反应时间、gap-related参数,加速度参数,和限速验收。有交通仿真研究[2- - - - - -13),利用这种方法来模拟ACC /中国商用飞机有限责任公司配备车辆,或车辆被认为是高度自动化的道路在一个特定的环境。一些调查关注单行道路没有上/下和没有超车的可能性(例如,14),因为没有换道,相当于模拟的ACC自动车辆功能的一部分。这种方法的缺点是,行为模型在交通仿真模型是模拟人类司机行为目前还不清楚是否可以模拟自动车辆的驾驶行为只适应驱动模型的参数或者根本改变是必需的。优点是未知的AV行为很容易可以指定的驾驶员行为的变化关系,例如,更短的反应时间和改变期望的速度分布。

第二种方法是开发新子自动车辆的驾驶行为(15]。最常见的方法是替代传统汽车的车辆模型用于模拟新模型描述纵向控制一些ACC或中国商飞的逻辑,而现有的车辆模型仍然是用于模拟传统的汽车混流。

第三种方法扩展了常用车辆驾驶员单元方法在大多数微观交通仿真模型“纳米”的方法。这里,纳米指的是更详细的车辆的造型,其中可能包括造型的传感器,发动机,变速箱,和车辆动力学。例如,这种方法可以被用来分析车辆的动态特性和控制算法(见,例如,检测et al。15])。这些模拟的实用解决方案通常是某种cosimulation的AV或AV车辆仿真模型是连接到一个交通仿真模型使用一个应用程序编程接口。例如,这种方法已经被用于汽车工业研究支持的车辆仿真与一个更现实的描述交通环境(见,例如,Tapani et al。6])。其他例子交通仿真已经结合更详细的车辆动力学仿真模型,发动机,和支持系统,在16- - - - - -19]。

2.2。方法模拟的混合自动和手动驱动的车辆

尽管模拟调查排的ACC和中国商用飞机有限责任公司相关排稳定提供了重要的见解(见,例如,Bose和loannou [20.),米兰和Shladover21),或小et al。22),这些调查给有限的知识如何自动车辆可能影响交通系统的引入在过渡期间和常见的道路设施。

几项研究旨在调查AVs如何影响交通的性能,但原则上分析仅限于纵向控制(例如,ACC或中国商用飞机有限责任公司)影响交通性能(见,例如,Bierstedt et al。4)和Van Arem et al。23])。在某些情况下,也接受被认为是,限速在卡尔弗特et al。1]。除了这些AV / ACC调查,有几个模拟调查纯粹关注ACC的影响(9,21,24- - - - - -31日),以及调查的影响的中国商用飞机有限责任公司(11,16,21,32- - - - - -34]。

相当常见的住客,交通仿真研究专注于单独的AV等功能的模拟ACC,中国商用飞机有限责任公司,车道保持助理(党的)。然而,由于AVs将超过车辆ACC,一些调查集中在交通的影响住客不同假设的速度限制接受和差距接受除了纵向控制。卡尔弗特et al。1),例如,进行模拟车辆ACC和党的,咏叹调et al。2和阿特金斯3]Vissim的车辆和lane-changing-related参数调整,以反映预期AV行为文献中基于语句。另一个例子是Olia et al。33),包括造型AVs和合作AVs通过扩展一个车辆模型,检测范围和预期的间距,通过引入合作合并模型。

除了造型AVs的驾驶行为,这可能对于某些应用程序也很重要考虑传统车辆和AVs知觉差异。就像前面提到的2。1,纳米造型或cosimulation车辆和AV技术和交通仿真两种方法包括传感器的车辆感知能力和环境。然而,部分还可以捕捉潜在的知觉的差异,通过调整参数,如有预见性的距离和数量的车辆或车辆换道。这种方法考虑到传感器的范围,例如,用于Talebpour和Mahmassani [16),咏叹调et al。2,阿特金斯(3]。

很少有调查,解决这一问题,不同类型的自动车辆将存在和AVs的功能和他们的驾驶行为发展的过渡时期。卡尔弗特et al。1ACC)目前估计的普及率,党的,高自动化,完全自动化,车辆合作可能发展的过渡时期。估计是基于广泛的各种预测从产业、学术界和政府。估计是用来说明这一过渡时期相当长,包括一个混合不同类型的自动化工具。然而,它似乎不像卡尔弗特提出的模拟,et al。1]调查场景与不同的混合的自动车辆只调查不同的渗透程度的ACC +党的装备车辆。相反,AV的变化行为模型的分布参数模型的住客,假设相同的独立于渗透率分布参数。AV行为的变化也在阿特金斯(3),认为九个不同AV能力水平从谨慎到自信。但是,没有混合的功能被认为是在进行了仿真实验。实验调查的交通影响渗透水平介于0和100%分别为每一个能力等级。在分析建模/仿真(AMS)框架连接和自动车辆系统在美国(35),该计划是使用四个车辆类别:手工nonconnected,手动连接,自动nonconnected,自动连接。相似模拟实验设计手册人为组成的混合交通车辆、自动nonconnected,和自动连接车辆介绍Mahmassani [36和马塔等。37]。然而,计划调查Mahmassani et al。35)和模拟在Mahmassani (36和马塔等。37)似乎认为驾驶行为的两个不同版本的自动车辆将独立于渗透水平保持不变。这间接的假设之间没有相关的技术发展AVs和普及率似乎在大多数文献中描述的交通仿真研究。

另一种方法是考虑的影响AV-human司机在交通流仿真交互结合了更复杂的数学模型对驾驶行为的人为因素。van线头和卡尔弗特(38)和卡尔弗特和van Arem (39)提出了一种改进的模拟方法之间的交互AVs和他们的司机,与其他人类司机和交互。框架特别是考虑控制(ToC)的过渡的一个重要方面车辆驾驶员交互仿真的自动车辆。但是需要更多的研究关于人为因素在推动和车辆自动化改进框架。

做et al。40)基于仿真的文献回顾调查的连接和自动车辆。大多数的研究文章模拟ACC或中国商用飞机有限责任公司系统,和模拟的住客或骑士,作者总结的结论(部分基于Milakis et al。41]),模型参数不校准基于真实字段数据由于3级或更高,AVs仍不成熟。此外,et al。40)得出结论,不同的研究使用自己的假设功能的自动车辆从而导致不一致的结论。因此,“标准化驾驶智能汽车的特点是必要的,为未来的研究,大多数研究使用不同的假设在智能车辆的主要特点”和“智能车辆的影响分析仍处于初步阶段涉及许多不确定因素”(40]。

3所示。建议的方法如何表示不同程度的自动化

有几种不确定性引入AVs。例如,有很大的不确定性如何将车辆与不同级别的自动化将进化在过渡期间自动车辆从0到100%。考虑到这些不确定性的一种方法是进行基于场景分析。

调查的范围条件,有可能发生在AVs的循序渐进的介绍,我们定义共存的三个阶段:入门阶段,普遍。这些阶段可以补充任何自动化和全自动化的阶段。三个阶段的使用使限制数量的场景,同时仍然提供洞察整个范围的介绍AVs的过渡时期。阶段不定义的特定数量的年的未来,而是由自动化的水平在一个特定的案例研究。之间的确切性质的阶段可能有显著不同的道路设施,和所有三个阶段可能不是相关的所有道路设施和案例研究。同样,取决于许多因素,包括技术发展和采用率,修改法律框架,阶段可能大大不同的持续时间。因此,定义阶段的时间不仅是高度投机问题也因为阶段的持续时间可能有所不同。在概念层次,各个阶段如下:(我)导论:介绍了自动驾驶,但大多数车辆是传统汽车。自动驾驶是总体上明显受到限制(直接或者间接)技术。(2)建立:建立了自动驾驶作为一种重要的模式在一些地区。传统驾驶仍然在某些道路环境中由于局限性(直接或者间接)技术。(3)流行:自动驾驶是一种常态,但传统驾驶仍然存在。

上面的阶段不定量的描述定义,而是定性描述。定量的定义给出了每个阶段的渗透率不同AV下面的类定义。当应用提出的方法分析一个特定的情况下,相关不确定性因素,如渗透率和AV混合,需要量化每个阶段基于假设的进化和部署的研究领域对AVs的道路环境和驾驶环境。假设将高度不确定,尤其是后期。因此,几个版本的每个阶段不同组合的普及率和AV混合需要评估为了获得一系列仿真结果说明每个阶段的不确定性在交通影响不同阶段的过渡时期。结果范围也可以用来估计在什么阶段可以看出从AVs的引入显著的好处。

除了处理自动汽车的普及率在不同阶段的过渡时期,需要处理各种各样的自动车辆不同级别的自动化。一种可能性是使用SAE (SAE国际2018)水平,但他们关注车辆驾驶本身在多大程度上,它可以自动驾驶,负责驾驶。例如,SAE水平1和2与驱动支持系统,协助动态驾驶任务,但是司机负责驾驶。在3级,一个自动化驱动系统(ADS)执行整个动态驾驶任务,但只能在一些有限的操作设计领域(奇怪),司机负责驾驶。四级是一个扩展的三级广告负责开车。本文的重点是自动化车辆与四级能力一些可能性。然而,SAE水平并不区分不同级别之间的驾驶行为变化或在一个水平。因此,我们建议以下指定的级别的自动化是两个概念:(我)AV类(基本AV,中间AV,和先进的AV)(2)驱动逻辑(Rail-safe,谨慎,正常,无所不知的)对不同道路环境

3.1。AV类

一个AV类是一个高级的行为和功能的描述车辆。我们假设每个类的主要任务是安全这类之间的区别在于操作设计领域(奇怪的)和“攻击性”车辆如何处理不同的道路环境和交通环境。我们认为至少需要三个类,并建议以下类作为一个起点:(我)基本AV:第一种AVs SAE四级能力仅为单向交通环境与物理分离活动模式。一般行为是非常谨慎和风险最小化。(2)中间AV: AVs四级能力在某些道路环境和驾驶环境。行为在更复杂的道路环境和驾驶环境仍然谨慎,风险最小化而行为少复杂的道路环境和驾驶环境可以谨慎,仍然是安全的。(3)高级AV: AVs与四级功能在大多数道路环境和驾驶环境。先进的住客可以推动更多的“攻击性”但仍然在大多数道路环境和驾驶安全上下文,但仍需要更谨慎的行为适用于复杂的道路环境和驾驶环境。

3.2。驱动逻辑

虽然单个车辆总是属于同一AV类,根据其行为变化的基础设施和交通条件;结构化的环境中与其他物理分离模式和方向的旅行需要更少的谨慎与多向的互动比复杂的环境。,一个给定的车辆可以推动更多offensively-keep较短的距离和接受后小缺口高度结构化的环境就像高速公路,而少结构化环境,如城市街道或共享空间。因此,要指定一个特定的车辆的驾驶行为AV类,我们需要指定如何行为在每个类型的道路环境中,可能会遇到。这个环境依赖的行为可以考虑指定当地条件的具体道路的细节链接,但这将是非常复杂的,会阻碍模型实现和概括的结果。因此,我们建议使用少量的AV驾驶行为,称为驱动逻辑,搭配少量的道路类型,指定每个AV类的依赖环境行为。

基本假设所有开车的逻辑是,自动化将导致法律责任的转变在事故的情况下,司机车辆的生产商。因为这将导致责任的积累相对较少的开发人员或企业高管将合法负责所有给定车辆的事故模型,将会有强大的动力去减少事故的数量可以被视为造成的AV从法律的角度看。因此,所有自动车辆都假定严格遵循道路代码,和用户不能,例如,设置所需的速度超过法定上限。

驱动逻辑给出了纯粹的功能定义,即定义指定车辆的功能没有提及什么硬件或软件,使得功能。这是一个重要的简化,允许指定原型行为没有区分基于猜测关于技术用来实现的行为。我们提出四个驱动逻辑:前两个相当于驾驶行为已经实现AVs原型,而剩下的两个对应功能的自动车辆未来可能的里程碑。我们建议以下驱动逻辑:(我)Rail-safe:车辆在整个旅程中遵循一个预定义的路径和紧急刹车如果有什么冲突,降低每次的传感器可以盲目的角度避免意外。这个驱动逻辑不依赖于与其他车辆和基础设施的沟通或合作。(2)谨慎:准确计算缺口,只有合并当差距是可以接受的,正如Rail-safe逻辑这减缓由于传感器盲角。这个驱动逻辑不依赖于与其他车辆和基础设施的沟通或合作。(3)正常:使用平均驱动程序的逻辑,但增加(或减少)能力的传感器对周围环境的感知。这种类型的驱动逻辑可能需要设备车辆沟通与合作。(iv)无所不知:完美的环境感知和预测和其他道路使用者的行为。这个自动化的司机能够迫使他需要其他司机只要不但是被负责造成事故。这种类型的驱动逻辑需要为车辆通信设备。如果设备失败,可能回落到正常的逻辑或谨慎驾驶的逻辑取决于驱动上下文。用额外的通信设备和控制逻辑,驱动逻辑使合作与其他住客沟通与合作的功能。

如上表示的规范驱动逻辑,沟通没有显式地建模,但驱动逻辑除了无所不知的逻辑视为许多可能的技术之一,可能导致产生指定的功能。无所不知的驱动逻辑,然而,通信被认为是需要实现的功能,但它仍不显式地建模。

四个驱动逻辑以下部分更详细地描述。

3.2.1之上。Rail-Safe驱动逻辑

出于遵守机械指令(指令2006/42 / EC的欧洲议会和理事会2006年5月17日在机械、修改指令95/16 / EC,作者:http://data.europa.eu/eli/dir/2006/42/2016-04-20),Rail-safe (RS)驱动逻辑代表一个自动防故障装置确定的驾驶行为。车辆从它不能偏离,遵循一个预定义的路径和速度设定的指导原则,它应该能够对任何刹车可能进来。保证紧急刹车,刹车preactuated,如车辆,所以将即使在执行紧急制动的情况下总电源故障。这一策略是安全的,一定的速度,根据乘客的抑制系统,大大限制了RS汽车的最高时速。

最大速度是由其他道路使用者的距离和障碍,阻碍了车辆的视野。最高速度设置,车辆可以用一个可接受的减速制动对任何道路使用者,可以合理地进入它的预定义的路径,包括假设的道路使用者目前的观点由于障碍。特别是,这种策略意味着RS车辆从未接近另一个道路使用者拉近“砖墙停止距离”(受虐妇女综合症),也就是说,RS车辆保持距离,这样它可以避免碰撞的前导车紧急制动,即使立即停止。

全部集中在故障安全操作导致,RS逻辑可以在更高的速度如果有效运作才保留车道分离邻近车道和人行道,形式的缓冲区或物理屏障。此外,它只能交叉冲突的流如果它有绝对权利的方式。怀孕证明自动化航天飞机服务在公共道路上加上一些欧洲运输部,这个驱动逻辑叫做Rail-safe逻辑,因为它遵循认证方法来源于铁路技术标准作为解释Alessandrini [42]。图中的例子1是一个城市多车道的动脉有三个车道/方向,在年级unsignalised路口,不受保护的人行道。基础设施这样永远不会被认证为“Rail-safe”逻辑不过就是一个很好的例子显示什么可以,什么不可以被完成了这个逻辑和其他人。更详细的解释如何插入自动道路运输系统(艺术)43在城市环境中给出了Cignini et al。44)和Tripodi et al。45]。在图1(一)、自动车辆都是独自一人。在人行道上有一个完整的视图,它是空的,因此可以骑在它的最大速度。一旦一个行人在人行道上,车辆的速度是有限的时间和这样的碰撞可能产生的“障碍”如果行人决定突然穿过马路。如果人行道上一米距离自动车辆,行人走在一米每秒,车辆只能超越行人速度让它一秒钟的句号。如果最大允许减速是每平方秒1.2米(船上站nonrestrained乘客),最高速度可以每秒1.2米(约4.5 km / h),长到18 km / h与坐着的乘客。提高车辆的速度,人行道上需要分开的道路或一些安全边界把人行道和自动车辆的车道。

如图1 (b)车辆不能改变车道,如图1 (c),它不能向左拐。向左转,车辆必须有明确的标志车道(如图1 (d))和一个专用的红绿灯没有冲突交通流允许自动车辆通行证。在必要时,这个逻辑力量与红绿灯通信基础设施和安装了特别的路边传感器在铁路运输保证操作安全。

3.2.2。谨慎驾驶的逻辑

与RS逻辑的指导原则,那就是尽一切不参与事故,谨慎驾驶的指导原则是做每件事而不是逻辑负责对于一个事故。这意味着它总是严格遵循道路代码和总是在安全方面在接受缺口。

类似于RS逻辑,谨慎的逻辑需要认为任何事情都有可能出现,其视野受阻后,只能在受虐妇女综合症的距离。然而,在RS逻辑相比,谨慎的逻辑假设其他道路使用者行为合理根据道路代码;行人被认为不会突然跳出在路上,和车辆相邻车道的假定不突然削减在前面。因此,谨慎的逻辑可以处理nonsignalised冲突,如穿越或者加入一个交通流与权,换车道,甚至超越缓慢的车辆。然而,在所有情况下,它只徒当差距大于受虐妇女综合症距离保证它不会引起事故通过冲突的优先流。

受虐妇女综合症不是标准通常用于道路;然而,这是唯一“可以证明安全”的安全标准。谨慎驾驶的原因包括受虐妇女综合症逻辑是,车辆保持一个受虐妇女综合症的距离是在一次事故中没有过错。作为讨论的部分3所示。2,事故中的法律责任将从司机制造商集中责任(特别是刑事)对许多事故在一些设计师和公司高管来说,许多汽车制造商想要确保他们的车辆不会引起事故,负责和实施受虐妇女综合症保持距离是一个可能的战略强烈减少事故的数量在AV可以被视为造成事故。其他标准(正常和无所不知的驱动逻辑)设置的考虑更为正常的和攻击性驾驶行为,但警告说有必要设置一个参考,背后都有一个特定的法律推理。

在图2 (c)车辆被允许左转。然而,如果每辆车只能在传入的车道上足够远,他们不必减速。假定每辆车将继续自己的速度和给定的速度自动车辆时自动车辆扫清了道路的车辆,受虐妇女综合症的距离需要仍然在进行。应该任何理由自动车辆停在十字路口的中间,传入的车辆仍然可以完全停止不冒着与停止自动车辆碰撞。如果按计划自动车辆通过路口,传入的车辆不需要减速。

这样在换道(图相似2 (b))。时换道策略被认为是可能的自动车辆已达到相同的速度流动的车道上的车辆,车辆在后面(以同样的速度)仍有受虐妇女综合症的距离自动车辆。这导致很难进行车道交通拥挤的变化。

3.2.3。正常驾驶的逻辑

正常驾驶逻辑模仿普通驾驶员的行为,但由于机器与人类相比的优势和局限性,例如,更短的反应时间,更精确的测量距离和时间的差距,和精确的执行策略,但可能更多闭塞的视野的动力障碍。然而,正常驾驶逻辑不模仿人类司机不必要的特征;它完全符合道路代码,没有随机的行为。

正常驾驶在交通仿真软件逻辑很容易实现:驱动逻辑是使用传统的常规模型模拟驾驶,但删除特性转化,反应时间改进,闭塞的传感器大约包括在内。接受后差距和缺口大小的类似人类的司机,由于正常驱动逻辑较短的反应时间,但缺乏一些人类司机的预测能力。

3.2.4。无所不知的驱动逻辑

自动化导致更有效率,除了安全,交通,车辆和无所不知的驱动逻辑预测行为的所有道路使用者检测到连接探测器,车辆和基础设施。这导致盲点和大量的数据很少使用为基础准确的预测,可以无所不知的车辆保持短差距甚至武力冲突的方式在需要的时候实现高效的流动,同时保持其演习比大多数人类安全的司机。

这个驱动逻辑当然是更容易比在现实中实现模拟;在仿真中,我们知道确切的轨迹的所有道路使用者和他们的行为,所以预测它不是一个问题。在现实中,另一方面,它是完全未知的如何实现这个驱动逻辑或,那将是多么困难。无所不知的驱动逻辑因此代表了一个极端的例子,将不会意识到在可预见的未来。

换道,如图3 (b)发生在这么小的差距,以下车辆的收益率让它合并在一种合作策略。左转,如图3 (c)可以用小的差距,即使一些车辆在最远的车道不在眼前。这种行为可能发生因为预测模型是完美的或者因为车辆之间的合作;然而,在模拟,它是不重要的技术只是由此产生的行为。

3.3。假设驱动逻辑之间的关系和AV类道路环境

模拟的自动车辆不仅需要考虑车辆的驱动逻辑也操作设计领域(奇怪),它可以根据驱动逻辑。在之前的研究发现(46)、自动车辆可能不得不调整自己的驾驶行为根据道路环境和驾驶环境。在本节中,我们提出初步假设哪种类型的驱动逻辑车辆不同的AV类可以使用不同类型的车辆和不同类型的道路环境。这些假设推导出基于车间和讨论交通模型开发人员之间,交通工程师,汽车行业,和人为因素的研究人员。重要的是要注意,这些都是一般的假设,他们可能需要调整取决于信息或对一个特定的案例研究。在本文中,我们使用以下部门和道路环境的定义:(我)高速公路:多车道道路与物理方向和grade-separated路口之间的隔阂(2)动脉:单一或多车道公路平面交叉口(主要是大类型的十字路口,路口十字路口或环形路)。自行车和行人交通显然是分开的车辆交通物理障碍或中位数。十字路口的车辆、自行车和行人可能互动取决于如果二级车辆之间的冲突和活跃模式分离。(3)城市街道:单一或多车道公路平面交叉口(也停止或收益率管制路口)。没有物理分离车辆行驶和行人和自行车交通。人行道和自行车道直接的车辆车道。(iv)共享空间:汽车、自行车和行人共享相同的空间,可非结构化或半结构式。

表1提出的假设驱动逻辑轿车和卡车将使用各种道路环境。基本假定AVs在自动模式下能够驱动只在高速公路干道。此外,他们认为根据谨慎开车,道路上这些逻辑类型。中间AVs被认为能够使用高速公路上的正常行驶逻辑由于传感器技术的发展和预期功能。级的更复杂的干道交叉口与互动活跃模式仍然限制AVs功能,和行为仍谨慎驾驶的逻辑。异常可能与总高度分离干道冲突分离车辆和活跃的模式,在这中间住客可以认为能够根据正常开车,逻辑。此外,假定中间AV能够驱动根据城市街道和谨慎驾驶的逻辑根据Rail-safe逻辑共享空间。然而,怀疑司机会在多大程度上接受Rail-safe逻辑驱动在共享空间由于高驱动逻辑的“礼貌”和由此产生的低速度。因此,它可能从交通仿真的角度更合理假设手动驾驶。先进的影音类汽车被认为能够驱动根据至少是谨慎的逻辑在所有的道路环境中,从无所不知的正常开车的逻辑在高速公路和干道逻辑更谨慎的逻辑共享空间。

4所示。AV的实现类和驾驶交通仿真模型VISSIM逻辑

开车的描述逻辑在前一节中自然的概念。进一步规范要求能够实现驾驶交通仿真模型逻辑。节中描述2。1,逻辑可以实现通过替换行为模型在交通仿真模型自动化汽车驾驶行为模型和行为模型参数的调整交通仿真模型。本文中的方法是尽可能试着调整行为参数可用的行为模型和必要时扩展当前可用的模型。这种方法支持替换的选择行为模型。这背后的想法是,从交通性能的观点来看,更重要的是获取不同类型的自动化工具的主要特征,而不是造型的不同类型和组合的自动化功能。

独立的方法,数据的校准参数是必需的。Rail-safe和谨慎驾驶逻辑相当于驾驶行为已经实现AVs原型,而正常和无所不知的逻辑功能的自动车辆对应于未来可能的里程碑。因此,当前AV概念的现场试验数据只能用于某种程度上校准建议驾驶逻辑。因此我们结合了数据从田间试验和cosimulations,这会给一些信息目前驱动逻辑,例如,关于行为后,与假设基于概念的描述中提供的驱动逻辑部分3所示。2。

4.1。试车跑道测试结果与TNO自动车辆的驱动逻辑

在共存项目试车跑道现场试验使用骑兵原型由TNO进行开发。三个现场试验中使用的车辆,一个与ACC与合作ACC(中国),和一个退化的中国商用飞机有限责任公司(dCACC)。几个不同场景不同组合的行为在一个排的三个汽车测试(见例图4)。在这个例子中,第一个汽车是由一个人,由ACC-controlled车辆第二,第三CACC-controlled车辆。两种不同的情况下所示:一个与第二通信车辆对相对位置和速度,当它被关闭。

在本节中,我们总结了主要的发现这个数据收集,和完整的细节设计,执行和结果可用在Sukennik et al。47]。下面列出了实验的主要结论。这些发现可能并不适用于所有类型的合作跟系统但可能只适用于特定的控制策略,测试车辆用于这项研究。然而,它一直是难以维持,任何的结论是普遍有效的大多数实现的自动驾驶技术,需要在交通仿真模型仍然是发达。(我)有一个线性关系确定的进展和速度时自动的车与一辆车搬到另外一辆车,另一个自动车辆后(C2C)通信。不完善的人开车时被高技术设备和算法精度和确定性的本质。(2)几乎有一个进展和速度之间的线性关系,当一个自动化的车是手动驱动汽车或一个自动汽车后没有C2C沟通。线性关系不一样整洁C2C沟通但可以近似。(3)以下过程中振荡都很小,没有太多方差与人类相比司机。(iv)安全距离没有C2C沟通远高于沟通情况:随着C2C通信,测试车辆能够安全驾驶0.6或0.3秒的进展。C2C通信断开后,车辆改编后更大的距离,因为安全原因。(v)安全距离车程行为更大当没有沟通。当从停滞后,测试车辆保持安全距离要明显大于例没有比与C2C C2C沟通。(vi)没有随机变异赶走行为。(七)当一个自动车辆跟随另一辆车从停滞(的信号),下面的过程并没有显示随机variations-the每次同样的行为适用。

4.2。参数的变化Vissim,造型的概念

描述的AV类部分3所示。1实现在Vissim常用方法同样像传统汽车。每个链接表示道路段加上一个链接的行为类型。对于链接的行为类型,分析员可以指定每个车辆的驾驶行为类。

在Vissim的驱动逻辑实现新的驾驶行为基于魏德曼99 (48驾驶行为模型。魏德曼模型运行在小反应时间(每个时间步),考虑了车辆的振动(AVs图观察到4)。这是重要的造型AVs。但模型还占心理方面以及司机的知觉的生理限制我们并不期望从AVs驱动程序逻辑。因此,需要一个扩展模型模型AVs的行为中观察到的部分4.1。贡献模型结果在这些新特性,允许模型AV驱动逻辑所需的基本原则:(我)减少隐随机:选择“使用隐式随机”现在可以关闭特定的驾驶行为。车辆使用这种驾驶行为不使用任何内部随机变异,这是为了人类司机的缺陷模型。对所有的分布,不能由用户显式地设置,使用中值而不是一个随机值。(2)砖墙停止距离:选择“强制绝对制动距离”现在可以激活特定的驾驶行为。车辆使用这种驾驶行为总是确保他们可以刹车没有碰撞,即使领先的汽车来立即停止(变成一堵砖墙)。砖墙停止(受虐妇女综合症)距离是由车辆维护Rail-safe和谨慎驾驶逻辑。(3)可微的以下参数基于领导车辆类:这允许设置不同的进展骑兵之后的另一个骑兵,骑兵在传统汽车或其他车类的组合。此功能适用于驾驶等逻辑全知的逻辑是基于车辆能力认识到领导者车辆类在接下来的过程。(iv)传感器/设备限制:数量的对象和车辆,车辆可以看到和相互作用可以分别定义为每个驱动逻辑。交互工具定义了一个的数量上限为观察到的主要汽车;因此,例如,这可能是设置为1的自动车辆传感器设备,通过领先的车辆无法看到。红色信号下游领先的车辆仍然可以观察到,而不是第二个真实车辆下游。

田间试验的结果组合魏德曼99模型的校准现场试验车辆轨迹被用来估计参数在Vissim以下行为(见表2)。描述更确定性行为,oscillation-related参数“关闭”预计,一些微小的振动加速度。更高级的逻辑(例如,正常和无所不知的)可能性保持短差距实现使用gap-related后的三个参数(CC1 CC0, CC3)。加速度rate-related调整参数来反映Rail-safe和谨慎驾驶的更谨慎的行为逻辑,攻击性行为的无所不知的逻辑。

因为没有字段数据可供换道行为参数的调整,这些调整基于驾驶的概念描述逻辑根据表3和4。最大和期望接受减速速率遵循相同的模式的车辆加速度参数。因此,谨慎驾驶的逻辑不接受高减速利率潜在巷变化的结果。参数“−1 m / s²每个距离”影响司机的距离开始接受减速利率高于预期的加速率接受目标车道的空白。谨慎驾驶的逻辑假设开始接受减速利率上升后,正常和无所不知的表现类似人类司机在这件事上。

表4介绍了合作和相关参数值差距验收与车道变化。正常逻辑都要遵循一个驾驶员而谨慎的逻辑需要更大的最低进展,更少的安全距离,减少和降低减速利率合作。

除了车辆换道参数,AVs认为开车更均匀人为车辆相比而言,个人速度和加速/减速行为。期望的速度分布AVs假定为狭窄,集中在限速自住客假定沿着马路代码。个人设置所需的速度可能的SAE水平较低(如驱动支持自动化系统或条件),像今天的自动巡航控制车辆,司机仍然负责开车。然而,随着讨论的部分3所示。2,我们假设生产者的车辆会增加法律责任在SAE四级,因此我们假设完全遵守道路代码。

此外,预计自动化车辆将表现出确定性来代替随机像人类司机,这可能产生影响的加速和减速行为。因此,所有住客都假定有相同的最大的和想要的加速和减速值。不同类型的住客或不同汽车品牌当然可以应用不同的加速率在类似的情况下。然而,当运行在自动模式下,利用加速和减速利率需要受到乘客的舒适和安全要求,导致自动车辆的加速度行为的假设将会非常相似。

此外,知觉能力不同的驱动逻辑是通过限制汽车的数量提前考虑到一个车辆Rail-safe,谨慎,和正常的逻辑。反应在所有AV信号假设是相同的驱动逻辑,相比主要区别人类司机AVs需要完整的安全距离与其他车辆,他们时才开始传递的信号是绿色的(red-amber解释为停止)。AVs是假定没有反应时间,而人类司机的反应时间取决于特定场地标定。在这个例子中模拟部分中给出5,人类没有反应时间。

5。数值实验

说明对交通的影响的性能不同的驱动逻辑,一组进行了模拟和结果的最大吞吐量和基本图生产。这里我们提出四种不同的模拟网络代表基本的交通情况:(1)一个简单的单行链接在理想条件下没有十字路口的影响,停车演习或其他干扰的来源(2)对入站和出站中的双车道高速公路不但是艰苦的梯度变化(从0到3.4%)(3)三车道公路部分用一个入站和一个出站(4)单行交通方式信号(只考虑一种方法)

网络填充不同股票AV驾驶的车辆使用一个逻辑谨慎,正常,无所不知的当时或组合这些。其余股份的车辆模拟为人为车辆使用校准参数(高速公路网络与交换和道路梯度)或默认参数(与信号模型与简单的链接和链接)在Vissim。不同AV驾驶的组合逻辑,AV驱动逻辑之间的股票是均匀分布的。例如,AV普及率50%的AV谨慎和AV正常,50%的车辆是由车辆,25%使用AV谨慎,25%使用AV正常。模拟Rail-safe逻辑以来没有进行逻辑主要应用于面包车和航天飞机一般不达到高普及率的所有车辆在路上。观察的影响逻辑而人为驾驶车辆的吞吐量,普及率(等于AVs的比例相比,所有车辆仿真)10%的模拟步骤从0到100%。对于每一个驾驶逻辑和普及率,几个模拟八个不同的需求进行了配置。每个开车的组合逻辑,普及率和需求类别,我们运行10模拟不同的随机种子。最初,由此产生的流之间的关系、密度和速度被曲线拟合的函数关系van Aerde [32]。然而,曲线拟合不合适在一些地方因为没有故障发生在一些网络模拟与自动车辆,例如,单行道路,瓶颈已经流入的模拟网络和交通不分解。因此,我们得到的能力不是从范Aerde(图5(一个)),但从95%分位数的要求(图5 (b))。能力来源于van Aerde类似于95%分位数的要求情况下,我们观察到的故障见图5。

图5显示了一个气流速度的网络用于数值试验(双车道高速公路单行,入站)和一个选定的AV普及率(90%)。谨慎的逻辑有很大区别,另两个(正常和无所不知的)。谨慎驾驶的逻辑显示较低的最大吞吐量和更低的平均速度在同一体积相比,其他两个行为逻辑。这是因为警告驾驶逻辑遵循砖墙和换道后停止距离要求。无所不知的驾驶行为与设置对应较高的攻击性不会导致高改善因为造成干扰与许多车道改变maneuverers混流。更高的收益与无所不知的行为逻辑将理论上更高层次的合作,而不是在模型中实现。

图6显示了在最大吞吐量结果取决于渗透率为四个不同的网络和谨慎,正常,无所不知的驱动逻辑,平等(混合)的逻辑组合。因为更大的进展与传统汽车相比,谨慎的司机逻辑的吞吐量随渗透率增加,相反,因为短的进展,无所不知的司机逻辑增加了吞吐量随着普及率。正常驾驶的逻辑,进展是相似的,传统的人为车辆行为,增加了吞吐量随着普及率。这是因为AVs的更一致的行为相比,传统的人为车辆个体行为的差异较小。无所不知的行为逻辑带来更高的吞吐量增加测试网络,除了高速公路场景(高速公路,入站),在正常和无所不知的驱动逻辑及其组合导致相似的价值观,尤其是普及率不到80%。如前所述,换道maneuverers的数量和交通流产生的干扰是限制因素。进一步的实验与更多不同的混合了传统和自动化车辆与不同的驱动逻辑共存的最后阶段项目计划。

6。结论和进一步发展的需要

存在一些不确定性与车辆相关的成分在过渡期间从0到100%的自动化工具,例如,对自动化功能在技术上都是可行的,允许的,实际上由用户激活,不同道路环境和不同阶段的AVs的引入。此外,我们还可以期待所有这些因素高度异构车辆人口,由于各种功能可用于不同的品牌和价格水平,不同时期的生产汽车的舰队。因此,交通仿真研究的过渡时期需要考虑不同类型的自动车辆有不同的功能和行为将存在和可能共存。一些可能的异构性问题,如可能的异质性加速度AVs的行为,提出了模型中被简化掉了,可能会影响特定的仿真结果通过对换道行为的影响。然而,拟议的框架来处理不确定性原则上可以扩展到所有不确定性纳入模拟道路使用者的行为,包括任何不确定性在加速度的异质性行为,如果这被认为是重要的考虑应用程序。

在本文中,我们提出四个概念的描述四个不同类型的自动车辆的驾驶行为和现在如何实现这些驱动逻辑在常用的交通模拟程序。概念驱动逻辑方法背后的理念是,信息到目前为止对AV行为来自与今天的部分自动化测试工具,主要来自测试跟踪。未来的一代又一代的AVs将如何将不为人知的一段时间。因此,对未来交通情况的调查与AVs的未来版本和AVs普及率较高的要求一致的假设在AVs的行为将如何演变。四个驱动逻辑的开发和实现的一种方式处理这个问题。此外,我们认为,从交通性能的观点更重要的捕获不同类型的自动化工具的主要特征,而不是造型的不同类型和组合的自动化功能,没有可用的实际流量。

把所有相关的不确定性的引入自动化车辆交通仿真作为独立的调查将不可行在实践中由于维度的诅咒;仿真实验所需的数量会变得太大。因此我们建议的简化处理不确定性相关车辆的进化假设AVs的普及率和先进的自动化功能的可用性和驾驶逻辑共变,他们可用高分离环境如高速公路和后来对于更复杂的环境中,如城市街道。这些假设允许我们约束的空间可能需要探索附近的我们认为最有可能的发展。此外,我们建议将过渡时期划分为三个阶段:入门,建立,和普遍。阶段不定义的特定数量的年的未来,而是由自动化的水平在一个特定的案例研究。原因是取决于许多因素,包括技术发展和采用率,修改法律框架,阶段可能大大不同的持续时间。因此,定义阶段的时间不仅是高度投机问题也因为阶段的持续时间可能有所不同。

发达的方法模拟不同的驾驶逻辑考虑他们预期的奇怪和普及率为不同阶段的过渡期将在进一步研究适用于不同的案例研究,以调查引入自动化车辆的影响,例如,路口十字路口、高速公路、城市干道,环形路,共享空间。

这里提出一个重要的简化方法是,我们不考虑自动和手动驾驶之间的交接,即使我们隐式地假定这样的交接。因此,我们假设一个特定的模拟车辆运行自动化或人为。然而,车辆可能会改变驱动逻辑当另一个从一种类型的道路,只有这样。此外,这项工作没有考虑潜在的人类行为适应司机由于引入自动化的车辆,但是这是一个重要的不确定性,在未来的研究需要解决。因为对潜在的行为适应数据可用性是有限的,我们的建议是进行灵敏度分析给予不同的假设(例如,关于理想的适应速度、时间间隔后,和超越的意愿)(49]。

数据可用性

试车跑道测试的数据与TNO自动车辆的驱动逻辑(部分4)是西门子的专有数据/一杯的量。从数值实验数据(部分5)也可以复制使用PTV Vissim(11和更高版本)软件驱动逻辑定义(部分4.2)。仿真结果可根据要求从彼得Sukennik或Jochen Lohmiller。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是共存的一部分项目由欧盟资助支持h2020 -艺术- 2016 - 2017根据授权协议。723201年。此外,作者要感谢所有共存伙伴和他的同事们对他们有价值的输入和贡献。特别感谢将Barcelo梅•夏洛特Flechon, Jorg Sonnleitner宝贵意见在文章的写作。

引用

1. c·卡尔弗特,w . j . Schakel和j·w·c·范的棉絮,“自动车辆交通流产生负面影响吗?”《先进的交通工具ID 3082781条,卷。2017年,17页,2017。视图:出版商的网站|谷歌学术搜索
2. 大肠咏叹调,j . Olstam和c . Schwietering”调查自动车辆对驾驶行为的影响和交通的性能,”交通研究Procedia15卷,第770 - 761页,2016年。视图:出版商的网站|谷歌学术搜索
3. 阿特金斯,连接和自主车辆的影响研究(骑士)交通流段2:交通建模和分析Atkins-Department运输,伦敦,英国,2016年。
4. j . Bierstedt a . Gooze c .灰色,j .渔夫l . Raykin和j·沃尔特斯下一代汽车对旅游需求的影响和公路能力平安险认为,艾德,波特兰,俄勒冈州大学,或者美国,2014年。
5. f·玻姆和k·海格”,介绍瑞典交通系统:自动车辆的影响和改变由于无人驾驶汽车新技术,”乌普萨拉古都,乌普萨拉,瑞典,2015年,硕士论文。视图:谷歌学术搜索
6. a . Tapani f . Pereyron, m . 09 Turnell”集成车辆和交通仿真对排放和能源效率评估,”学报》第17届香港国际会议协会交通研究,香港,中国,2012。视图:谷歌学术搜索
7. a * m . Treiber m . Schonhof f . Kranke和d·海尔宾”Jam-avoiding自适应巡航控制系统(ACC)及其对动态交通的影响,“流量和颗粒流05施普林格,柏林,德国,2007年。视图:出版商的网站|谷歌学术搜索
8. m . m . Minderhoud和p h·l . Bovy”智能巡航控制系统对高速公路的影响能力,”交通研究记录:《交通研究委员会,卷1679,不。1、1 - 9,1999页。视图:出版商的网站|谷歌学术搜索
9. n . Motamedidehkordi m . Margreiter, t·奔驰”的影响连接高度自动化的高速公路上车辆拥挤的传播模式,”美国研究委员会第95届会议美国华盛顿特区,2016年1月。视图:谷歌学术搜索
10. a . Tapani”交通仿真建模的驾驶员辅助系统”,交通的发展研究卷。23日,每周,2011页。视图:谷歌学术搜索
11. j·范德·沃夫s e . Shladover m·a·米勒和n . Kourjanskaia”自适应巡航控制系统对高速公路交通流的影响能力,”交通研究记录:《交通研究委员会,卷1800,不。1,第84 - 78页,2002。视图:出版商的网站|谷歌学术搜索
12. m . Makridis k .马特c . Mogno b . Ciuffo和g . Fontaras自动化和连通性对交通流的影响和二氧化碳排放。详细的微观研究,“大气环境文章ID 117399卷,226年,2020年。视图:出版商的网站|谷歌学术搜索
13. 公元Tibljaš,t . Giuffre s Surdonja和s . Trubia”引入自动车辆:环形设计和安全绩效评估,”可持续性,10卷,不。4、2018。视图:出版商的网站|谷歌学术搜索
14. p·费尔南德斯和美国Nunes”,与车辆间通信自主车辆连相扑交通模拟器”《IEEE会议上智能交通系统马德拉岛,页1313 - 1318年,葡萄牙,2010年9月。视图:出版商的网站|谷歌学术搜索
15. m·瓦z Ghandeharioun, p .锥盘,m·鲍尔w·胡贝尔和f·布希,“基于微观交通仿真评估高度自动化驾驶在高速公路上,”《IEEE国际会议在智能交通系统中,ITSC 20142014年10月,千岛湖,中国,。视图:出版商的网站|谷歌学术搜索
16. a . Talebpour和h . s . Mahmassani连接和自主车辆对交通流的影响稳定和吞吐量,”交通研究部分C:新兴技术卷,71年,第163 - 143页,2016年。视图:出版商的网站|谷歌学术搜索
17. j . Olstam和r . Elyasi-Pour”,结合交通和车辆模拟增强评估的动力总成相关ADAS卡车,”《IEEE会议上智能交通系统,页851 - 856,海牙,荷兰,2013年10月。视图:出版商的网站|谷歌学术搜索
18. j·l·f·佩雷拉和r·j·f·罗赛蒂“自驾车辆仿真的集成架构,”特兰托学报2012年第27届ACM研讨会上应用计算特兰托,页286 - 292年,意大利,2012年3月。视图:谷歌学术搜索
19. m . c .刺鼻,s . Pechberti b . Heijke和p . Sukennik”D2.2:技术报告连接骑兵控制逻辑和骑兵模拟器,“技术。代表,2017年,https://www.h2020-coexist.eu/resources/。视图:谷歌学术搜索
20. a . Bose和p . a . loannou”分析交通流的混合手动和半自动的车,”IEEE智能交通系统,4卷,不。4、173 - 188年,2003页。视图:出版商的网站|谷歌学术搜索
21. 诉米兰和s e . Shladover建模合作和自主使用实验数据自适应巡航控制系统动态响应,“交通研究部分C:新兴技术48卷,第300 - 285页,2014年。视图:出版商的网站|谷歌学术搜索
22. l, m . Wang和b . van Arem”现实的车辆模型的微观模拟的适应性和合作车辆自适应巡航控制,”交通研究记录:《交通研究委员会,卷2623,不。1、1 - 9,2017页。视图:出版商的网站|谷歌学术搜索
23. b . Van Arem c·j·g .参与和r·维瑟”合作的影响自适应巡航控制系统在交通流特征,“IEEE智能交通系统,7卷,不。4、429 - 436年,2006页。视图:出版商的网站|谷歌学术搜索
24. l·c·戴维斯,“自适应巡航控制系统对交通流的影响,“物理评论E -统计、非线性和软物质物理学,卷69,不。6 2,066111 - 066118年,2004页。视图:出版商的网站|谷歌学术搜索
25. l·c·戴维斯”效应的自适应巡航控制系统在混合交通流在一个入站附近,”自然史答:统计力学及其应用,卷379,不。1,第290 - 274页,2007。视图:出版商的网站|谷歌学术搜索
26. a * m . Treiber, d .海尔宾”增强智能驱动模型访问驾驶策略对通行能力的影响,“英国皇家学会哲学学报A:数学,物理和工程科学,卷368,不。1928年,第4605 - 4585页,2010年。视图:出版商的网站|谷歌学术搜索
27. a * m . Treiber m . Schonhof, d .海尔宾”扩展自适应巡航控制系统自适应驾驶策略。”交通研究记录,卷2000,不。1 - 24,2007页。视图:出版商的网站|谷歌学术搜索
28. 菊池,n . Uno和m .田中”影响perception-reaction时间短的适应巡航控制车辆交通流和安全,”交通运输工程学报,卷129,不。2、146 - 154年,2003页。视图:出版商的网站|谷歌学术搜索
29. g . Klunder m·李和m . Minderhoud”交通流的影响自适应巡航控制系统失活和(重新)激活合作司机的行为,”交通研究记录:《交通研究委员会,卷2129,不。1,第151 - 145页,2009。视图:出版商的网站|谷歌学术搜索
30. j . Ludmann d Neunzig, m . Weilkes”交通仿真与考虑驱动模型,理论和例子,”车辆系统动力学,27卷,不。5 - 6,491 - 516年,1997页。视图:出版商的网站|谷歌学术搜索
31. r . Rajamani d·莱文森·Michalopoulos k . Santhanakrishnan j . Wang和x邹,“自适应巡航控制系统及其对交通流的影响,“技术代表、交通研究中心,明尼阿波利斯,明尼苏达州大学MN,美国,2005年,CTS 05-01。视图:谷歌学术搜索
32. m . Van Aerde”,一个政权对高速公路干道,speed-flow-density关系”美国交通运输研究委员会第74届会议,华盛顿。》,北京,1995。视图:谷歌学术搜索
33. a . Olia美国哈,b . Abdulhai和h . Abdelgawad”自动车辆与常规混合车辆通行能力的影响,“智能交通系统杂志》上,22卷,不。3、244 - 262年,2018页。视图:出版商的网站|谷歌学术搜索
34. i . k . Nikolos Ntousakis主义者,m . Papageorgiou“微观模型的自适应巡航控制系统。”交通研究Procedia》第六卷,第127 - 111页,2015年。视图:出版商的网站|谷歌学术搜索
35. h . s . Mahmassani a . Elfar s Shladover和z黄发展的分析建模/仿真(AMS)框架连接和自动车辆Systems-Task 9: V2I AMS能力发展案例研究计划草案供料,华盛顿,美国,2018年。
36. h . s . Mahmassani”50周年邀请article-autonomous车辆和连接车辆系统:流程和操作注意事项,”交通科学,50卷,不。4、1140 - 1162年,2016页。视图:出版商的网站|谷歌学术搜索
37. k .马特·m·Makridis p Hallac et al .,“安特卫普模拟上的连通性和自动化部署,”专业智能运输系统,12卷,不。9日,第1044 - 1036页,2018年。视图:出版商的网站|谷歌学术搜索
38. j·w·c·范棉和s·c·卡尔弗特,”一个通用的多层次微观交通仿真理论和框架一个例子在造型司机分心,”交通研究B部分:方法论卷,117年,第86 - 63页,2018年。视图:出版商的网站|谷歌学术搜索
39. s c·卡尔弗特,b . van Arem。”一个通用的多层次框架在混合交通微观交通仿真与自动汽车,”交通研究部分C:新兴技术卷,110年,第311 - 291页,2020年。视图:出版商的网站|谷歌学术搜索
40. o . m . Rouhani, w . l . Miranda-Moreno,“基于仿真的连接和自动车辆模型在高速公路部分:文献综述,”《先进的交通工具ID 9343705条,卷。2019年,14页,2019。视图:出版商的网站|谷歌学术搜索
41. d . Milakis b . van Arem, b . van凌晨”政策和社会相关的自动驾驶的含义:回顾文献和未来研究方向”智能交通系统杂志》上,21卷,不。4、324 - 348年,2017页。视图:出版商的网站|谷歌学术搜索
42. a . Alessandrini”现有的法律障碍,提出CityMobil2方法,”实现自动化的道路交通系统在城市设置,a . Alessandrini Ed,页273 - 278,爱思唯尔,阿姆斯特丹,荷兰,2018年。视图:谷歌学术搜索
43. a . Alessandrini和d·斯塔姆“ARTS-automated道路运输系统”实现自动化的道路交通系统在城市设置9 - 16,a . Alessandrini Ed, pp。,爱思唯尔,阿姆斯特丹,荷兰,2018年。视图:谷歌学术搜索
44. f . Cignini c .奥尔金市中心l . Domenichini d·斯塔姆和a . Alessandrini”整合艺术在现有城市基础设施:一般原则,”实现自动化的道路交通系统在城市设置,艾德。a . Alessandrini页。43-60,爱思唯尔,阿姆斯特丹,荷兰,2018年。视图:谷歌学术搜索
45. a . Tripodi f . Cignini l . Domenichini, a . Alessandrini”整合艺术个交通灯和nonsignalised交叉口安全最大化和比较传统的汽车安全评估,”实现自动化的道路交通系统在城市设置,a . Alessandrini Ed,页61 - 80,爱思唯尔,阿姆斯特丹,荷兰,2018年。视图:谷歌学术搜索
46. 李,大肠,在m .哦,和c哦,“攻击性驾驶管理政策来提高性能的混合交通状况在自动驾驶环境中,“交通研究部分:政策和实践卷,121年,第146 - 136页,2019年。视图:出版商的网站|谷歌学术搜索
47. p . Sukennik诉Zeidler, j . van Etten”交付2.6:数据收集和验证技术报告,“技术。代表,2017年,https://www.h2020-coexist.eu/resources/。视图:谷歌学术搜索
48. PTV”PTV VISSIM 11用户手册”,2018。视图:谷歌学术搜索
49. SAE国际”相关的分类和定义术语为行车机动车、驾驶自动化系统”技术代表、SAE国际Warrendale, PA,美国,2018年,J3016_201806。视图:谷歌学术搜索

版权

版权©2020年约翰Olstam等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。