一种生成模拟交通流的方法与流程

阅读：评论：0

1.本发明总的来说涉及人工智能领域，更具体而言，涉及一种生成模拟交通流的方法。

背景技术：

2.人工智能(ai)是一种构造智能机器(智能计算机，智能系统)的科学和工程。近年来，随着计算机硬件性能的迅猛提高，人工智能也呈现高速发展的趋势并且应用于越来越多的行业和领域，交通流模拟就是人工智能的一个新兴应用领域。
3.交通流的模拟是指利用计算机模拟仿真技术来模拟现实交通流。交通流的模拟和生成可以为智能交通管控提供支持，以便例如优化交通信号、优化设置交通公共设施、预先执行交通疏导等。现有的交通流模拟大多针对单一驾驶行为进行建模，无法真实反映在现实交通流中驾驶人对于车辆的多种操纵方式的灵活选择，使得模拟生成的交通流与实际交通流相去甚远，难以为智能交通提供可靠的支持。
4.目前，需要一种考虑到驾驶员的多种驾驶行为的交通流模拟方案。

技术实现要素：

5.从现有技术出发，本发明的任务是一种生成模拟交通流的方法，通过该方法，可以生成与真实交通流更贴近的模拟交通流，从而为智能交通提供更好的支持。
6.根据本发明，该任务通过一种生成模拟交通流的方法来解决，该方法包括下列步骤：
7.为多个驾驶员中的每个分别生成多个候选轨迹，所述候选轨迹分别是基于该驾驶员的多个不同驾驶行为生成的；
8.为每个驾驶员的多个候选轨迹确定优先级；
9.根据每个驾驶员的候选轨迹的优先级确定该驾驶员的优先轨迹；以及
10.根据所述多个驾驶员的优先轨迹生成模拟交通流。
11.在本发明的范围内，术语“驾驶员”是指驾驶车辆的人员。术语“车辆”是指各种道路运输工具、包括但不限于汽车、摩托车、工程车辆、建筑用车等等。术语“轨迹”是指驾驶员所驾驶的车辆在道路上行驶的线路。术语“交通流”是道路上全部或部分车辆所构成的车流状态。
12.在本发明的一个扩展方案中规定，所述驾驶行为包括下列各项中的至少两个：直行、跟弛、换道、合流、以及停车。在本发明中，还可以涵盖其它驾驶行为，例如拖车、靠边停车、掉头等等。
13.在本发明的一个优选方案中规定，为多个驾驶员中的每个分别生成多个候选轨迹包括：
14.为每个驾驶员确定加速度极限参数，所述加速度极限参数包括最大纵向加速度、最大纵向减速度、最大横向加速度和最大横向减速度；
15.根据所述加速度极限参数和驾驶员的当前位置确定该驾驶员的目标位置的动态范围；
16.在所述动态范围内，为该驾驶员确定与不同驾驶行为相关联的多个目标位置；以及
17.根据所述多个目标位置通过拟合确定该驾驶员的多个轨迹表达式；以及
18.根据所述多个轨迹表达式生成多个候选轨迹。
19.在此，拟合多项式的次数可以根据实际应用场合来选择，例如可以选择三次多项式拟合。
20.在本发明的另一优选方案中规定，为每个驾驶员的多个候选轨迹确定优先级包括根据下列规则确定所述优先级：
21.候选轨迹的纵向位移越大，则优先级越大；以及
22.在候选轨迹的末端处的速度相同时，候选轨迹的横向位移越小则优先级越大。
23.在本发明的又一优选方案中规定，该方法还包括下列步骤：
24.根据驾驶员的周围车辆的状态对优先轨迹进行冲突几何分析，以确定潜在冲突车辆；
25.确定该驾驶员针对潜在冲突车辆所感知的主动风险，以确定安全裕度；以及
26.根据安全裕度确定相应优先轨迹是否可接受。
27.在本发明的另一优选方案中规定，根据驾驶员的周围车辆的状态对优先轨迹进行冲突几何分析，以确定潜在冲突车辆包括下列步骤：
28.将驾驶员的优先轨迹和周围车辆的轨迹分别离散化以分别得到多个第一离散点和多个第二离散点；
29.从所述多个第一离散点和所述多个第二离散点中分别各取一点，以形成离散点对；
30.根据第一离散点和/或第二离散点确定车流前进方向，并将驾驶员和周围车辆分别确定为前车和后车；
31.将后车的航向角确定为正方向，并将正方向的垂线方向确定为法方向；
32.计算离散点对的两个离散点之间的相对距离，并将其投影到正方向上和法方向，以得到正向相对距离和法向相对距离；
33.如果正向相对距离和法向相对距离小于临界阈值时，则所述驾驶员的优先轨迹与该周围车辆存在冲突，并将存在冲突的周围车辆确定为潜在冲突车辆。
34.在本发明的另一优选方案中规定，其中确定该驾驶员针对潜在冲突车辆所感知的主动风险，以确定安全裕度包括下列步骤：
35.针对第一离散点中的k点确定驾驶员在k点是否感知潜在冲突车辆的主动风险，其中当满足下列不等式时，驾驶员将感知潜在冲突车辆的主动风险：
[0036][0037]
其中tk是自车到达到k点所需的时间，tr是驾驶员的反应时间，td是决策周期，v
*
是其他车辆的速度，为离散点k与潜在冲突车辆的初始状态之间的最短距离；
[0038]
当驾驶员感知潜在冲突车辆的主动风险时，根据下列公式确定主动风险ξk：
[0039]
[0040]
δr＝vktr[0041]
δd＝vktd[0042][0043][0044]
其中vk是k点的速度，dm
x
是纵向减速度的最大值，λv
*
是潜在冲突车辆沿其候选轨迹的切线方向的速度v
*
的分量，λ∈[0，1]，由自车和他车的前导角之差确定；以及
[0045]
根据下列公式基于主动风险ξ确定安全裕度：
[0046][0047]
其中是对ξ进行两侧截断限制得到的，m为正数。
[0048]
在本发明的一个扩展方案中规定，根据安全裕度确定相应优先轨迹是否可接受包括下列步骤：
[0049]
如果驾驶员的优先轨迹的所有安全裕度都高于安全裕度阈值，则确定该优先轨迹可接受。
[0050]
在本发明的另一扩展方案中规定，该方法还包括：
[0051]
确定驾驶员的换道缓冲值，包括下列步骤：
[0052]
在初始时设置换道缓冲值为零；
[0053]
如果向左换道的候选轨迹是最佳选择，则换道缓冲值加1；以及
[0054]
如果向右换道的候选轨迹是最佳选择，则换道缓冲值减1；
[0055]
当换道缓冲值的绝对值大于或等于换道阈值时，执行换道。
[0056]
在此，换到缓冲值的数值可以根据具体应用场合来设定，例如也可以设置向左换道时减1或其它数值，并且向右换道时加1或其它数值。
[0057]
在本发明的一个优选方案中规定，在驾驶员的优先轨迹的所有安全裕度都高于安全裕度阈值的情况下：
[0058]
如果该优先轨迹为直行，则将该优先轨迹确定为可接受；
[0059]
如果该优先轨迹包括换道，则确定换道缓冲值的绝对值是否大于或等于阈值，则是将该优先轨迹确定为可接受，否则修改换道缓冲值并且重新确定优先轨迹。
[0060]
在本发明的一个扩展方案中规定，该方法还包括：
[0061]
如果没有候选轨迹，则驾驶员以最大减速度减速并保持执行，并且输出该轨迹为优先轨迹。
[0062]
此外，本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时执行根据本发明的方法的步骤。
[0063]
本发明至少具有如下有益效果:(1)本发明通过考虑到驾驶员的多种不同驾驶行为，将微观车辆驾驶行为与宏观交通流生成相结合，从而可提高交通流仿真的虚实一致性，进而可为验证通用驾驶行为模型的有效性等多种智能交通管控方案提供支持和验证；(2)本发明将风险感知模型从一维跟驰运动扩展到二维平面运动，适用于更广泛的动态场景；(3)本发明系统性地考虑了驾驶人意图生成、轨迹规划、风险感知等模块，真实反映驾驶行为过程，使得能够生成更加贴近真实交通流的模拟交通流。
附图说明
[0064]
下面结合具体实施方式参考附图进一步阐述本发明。
[0065]
图1示出了根据本发明的生成模拟交通流的方法的流程；
[0066]
图2示出了候选轨迹的优先级确定的示意图；
[0067]
图3示出了主动风险感知的各参数的示意图；以及
[0068]
图4示出了根据本发明生成的模拟交通流的示意图。
具体实施方式
[0069]
应当指出，各附图中的各组件可能为了图解说明而被夸大地示出，而不一定是比例正确的。在各附图中，给相同或功能相同的组件配备了相同的附图标记。
[0070]
在本发明中，各实施例仅仅旨在说明本发明的方案，而不应被理解为限制性的。
[0071]
在本发明中，除非特别指出，量词“一个”、“一”并未排除多个元素的场景。
[0072]
在此还应当指出，在本发明的实施例中，为清楚、简单起见，可能示出了仅仅一部分部件或组件，但是本领域的普通技术人员能够理解，在本发明的教导下，可根据具体场景需要添加所需的部件或组件。另外，除非另行说明，本发明的不同实施例中的特征可以相互组合。例如，可以用第二实施例中的某特征替换第一实施例中相对应或功能相同或相似的特征，所得到的实施例同样落入本技术的公开范围或记载范围。
[0073]
在此还应当指出，在本发明的范围内，“相同”、“相等”、“等于”等措辞并不意味着二者数值绝对相等，而是允许一定的合理误差，也就是说，所述措辞也涵盖了“基本上相同”、“基本上相等”、“基本上等于”。以此类推，在本发明中，表方向的术语“垂直于”、“平行于”等等同样涵盖了“基本上垂直于”、“基本上平行于”的含义。术语“基本”或“基本上”是指与目标值之差的绝对值小于或等于目标值的30％、尤其是20％、优选10％、最优选5％。
[0074]
另外，本发明的各方法的步骤的编号并未限定所述方法步骤的执行顺序。除非特别指出，各方法步骤可以以不同顺序执行。
[0075]
下面结合具体实施方式参考附图进一步阐述本发明。
[0076]
长期以来，面向城市道路交通流一直是交通领域的研究热点。车流是最常见的交通流，是由一系列微观车辆行为交互和耦合所形成的宏观交通现象，交通流反映了道路交通运行状态。随着计算机科学等技术的发展，越来越多的学者开始关注利用数学和物理模型来再现实际交通系统中的动态变化过程，即交通流仿真。交通流仿真可以借助微观行为建模来分析宏观交通状态的演变，并通过数值计算或统计分析结果为现代智能交通管理提供支持。
[0077]
车流中的跟弛行为是最基础的车辆行为。跟驰、即跟车过程是指两车在单一车道上行驶，后车根据两车速度和位置来动态调整其速度。过去60多年，学者们提出了许多跟弛模型。比较有名的包括gazis-herman-rothery(ghr)模型、最优速度(ov)模型、全速度差(fvd)模型、智能驾驶员(idm)模型、期望安全裕度(dsm)模型。目前的交通流模拟主要也是考虑到车辆的跟驰行为。然而，本发明人通过研究发现，仅考虑跟驰行为的模拟交通流与现实交通流的差距较大，无法提供可靠的模型支持，这是因为，驾驶员在实际驾驶过程中可能会采取多种驾驶行为、例如跟驰、换道、直行等，也就是说，驾驶行为是一个二维平面内的运动而不是仅仅纵向上的一维运动。鉴于此，本发明人提出了一种基于多种驾驶行为、即基于
二维平面运动的交通流模拟方案。具体而言，本发明具有如下特点：
[0078]
(1)本发明提出统一的车辆轨迹规划方法。根据跟弛、换道、合流等不同驾驶意图和期望速度最大来选择轨迹终点，使用诸如三阶多项式曲线之类的拟合曲线来拟合候选轨迹。
[0079]
(2)本发明对他车轨迹和自车轨迹的冲突关系进行建模，驾驶人在期望安全裕度内选择最佳轨迹来使得自车利益最大化(纵向位移最远或速度最大)。
[0080]
(3)本发明分析了周围车辆运动状态对自车可选轨迹的影响，提出适用于二维平面运动决策的主动风险感知方法。
[0081]
图1示出了根据本发明的生成模拟交通流的方法的流程100。
[0082]
在步骤102，为多个驾驶员中的每个分别生成多个候选轨迹，所述候选轨迹分别是基于该驾驶员的多个不同驾驶行为生成的。所述驾驶行为例如包括直行、跟弛、换道、合流、以及停车。在本发明中，还可以涵盖其它驾驶行为，例如拖车、靠边停车、掉头等等。候选轨迹的生成可以是在二维平面内根据车辆的加速度的范围生成末端位置的动态范围，然后在此范围内进行离散采样以生成多个末端位置采样点，然后根据驾驶员不同驾驶行为可能导致的末端位置范围，确定最终的末端位置采样点。然后根据最终的末端位置采样点和起始位置，基于拟合生成轨迹曲线。具体过程请参见后面的描述。
[0083]
在步骤104，为每个驾驶员的多个候选轨迹确定优先级。确定优先级的规则例如可以基于如下规则：a.轨迹末端纵向位移越大，则优先权越大；b.在末端速度相同时，轨迹横向位移越小则优先权越大。即根据统计学而言，驾驶员在作出驾驶行为决策时更加偏向的选择，例如终点速度更快、转向操作更小。
[0084]
在步骤106，根据每个驾驶员的候选轨迹的优先级确定该驾驶员的优先轨迹。例如，可以选择优先级最高的候选轨迹作为驾驶员的优先轨迹。同时，还可以引入其它判断依据来确定所选择的优先轨迹是否可接受，例如二维平面运动的主动风险感知，即确定驾驶员的优先轨迹的安全裕度，安全裕度均高于阈值的优先轨迹才被接受。
[0085]
在步骤108，根据所述多个驾驶员的优先轨迹生成模拟交通流。例如，可以将所有优先轨迹叠加，从而生成模拟交通流。
[0086]
下面描述生成模拟交通流的方法的详细过程。
[0087]
(1)考虑多种驾驶意图的候选轨迹规划过程
[0088]
驾驶人在行驶过程中会有多种意图，包括自由直行、跟弛、换道、合流等，不同的意图体现在驾驶人对于未来一小段时间之后车辆所处的位置和运动状态的偏好。这里的一小段时间即为决策周期。驾驶人在连续驾驶过程也是连续决策过程，相邻两个决策周期的时间间隙为决策间隔。车辆当前位置为候选轨迹规划起点位置，未来车辆所处位置为候选轨迹(下面也简称“轨迹”)规划终点位置。决策周期应足够小，保证每次决策周期内的加速度方向不变，即车辆可以选择加速、匀速或减速运动，而加速度和减速度可以线性变化。
[0089]
对于二维平面运动来说，总可以通过航向角θ进行分解(其中航向角是车辆的中心线与道路中心线之间的夹角，其范围是0
°‑
90
°
)，由此得到纵向和横向的位移(和)、速度(和)、加速度(和)。车辆终点位置受到最大纵向加速度am
x
、最大纵向减速度dm
x
、最大横向加速度限制amy、最大横向减速度限制dmy的限制，即有和
根据运动学公式，在决策周期t内，可以获得纵向位移和横向位移末端位置处的纵向速度和横向速度由此来确定末端位置的动态范围，在范围内进行离散采样，生成若干个末端位置选择。当末端位置在当前车道上，即车辆行为是直行或跟驰；当末端位置在当前车道左边，则车辆向左进行换道；当末端位置在当前车道右边，则车辆向右进行换道。此外，终点位置选择还涵盖其他未列举的驾驶行为。
[0090][0091]
当确定好终点位置，则车辆的候选轨迹总是可以通过三次多项式曲线进行拟合，拟合的候选轨迹保证了加速度、速度、位移的连续性。具体的轨迹方程如下所示。在此应当指出，在本发明中的本实施例中采用了三次拟合曲线进行拟合，但是在其它实施例中，还可以采用其它次数的拟合曲线来进行拟合，例如2次、4次拟合曲线，也可以采用其他类型的拟合曲线，例如样条曲线等。
[0092][0093]
求解轨迹方程的系数(a1,a2,b1,b2)可以得到候选轨迹解析表达式，用于指导车辆在决策周期内的出行。由于驾驶人会应对环境的变化做出响应，而响应频率快慢决定了决策间隔的大小，最小的决策间隔应不小于驾驶人反应时间。
[0094]
(2)确定候选轨迹优先次序
[0095]
未来车辆的运动状态偏好体现了不同驾驶人的驾驶风格，一般来说，驾驶人偏向于终点速度更快、转向操作更小(横向位移更小，也就是尽量不换道)的状态，总结以下的候选轨迹优先次序确定原则：
[0096]
a.在候选轨迹的末端位置处的纵向位移越大，则优先权越大；
[0097]
b.在末端位置处的速度相同时，候选轨迹的横向位移越小则优先权越大。
[0098]
根据上述规则，本专利给出实例，在实例中，轨迹优先次序为：轨迹2》轨迹3》轨迹5》轨迹1＝轨迹4。
[0099]
在此，轨迹2的纵向位移最大，因此优先级最高；轨迹3和轨迹5的纵向位移排名并列第二，但是轨迹3的横向位移小于轨迹5，因此轨迹3的优先级大于轨迹5；轨迹1和轨迹4的纵向位移和横向位移均相等，因此二者优先级相同，均为最低。
[0100]
(3)换道缓冲值设定
[0101]
驾驶人通常倾向于在当前车道上平稳驾驶，除非他们感到非常不舒服的驾驶体验
(例如，前车低速行驶)或遇到十字路口。为了避免频繁的换道行为对车流的负面影响，采用换道缓冲值。换道缓冲值用于记录驾驶人换道的意图。例如，换道缓冲值初始为零；在每个决策过程中，如果向左换道的轨迹是最佳选择，则缓冲值加1；如果向右换道的轨迹是最佳选择，则缓冲值减1。只有缓冲值的绝对值大于预定义的阈值时，驾驶员才会采取实际行动进行换道。由于换道运动需要完成几个决策和执行过程，因此当车辆向左换道时，除非车辆到达目标车道的中心线，否则不能再向右换道。对右转车道也存在类似的限制。
[0102]
(4)多车轨迹冲突几何分析
[0103]
驾驶人会感知周围车辆的运动状态，并预测周围车辆在接下来的决策周期内的行驶轨迹，从而判断周围车辆是否对自己的可选轨迹产生影响。这里通过一个具体实例来阐述两车轨迹的是否冲突的判断方法。
[0104]
●
a.将两车轨迹离散化，得到离散点，离散点时间间隔应尽量小，例如可取0.1s，其它间隔也是可设想的；
[0105]
●
b.从两车轨迹的离散点中各取一点，形成离散点对；
[0106]
●
c.根据离散点确定车流前进方向来确定前车和后车；
[0107]
●
d.以后车的航向角为正方向，以该正方向的垂线方向为法方向；
[0108]
●
e.计算两个离散点的相对距离，然后投影到正方向上和法方向，从而得到正向相对距离和法向相对距离；
[0109]
●
f.判断正向相对距离和法向相对距离是否都大于临界阈值，临界阈值例如可以根据经验值或理论值来设置；
[0110]
○
f.1如果条件f满足，则判断是否穷举所有离散点对：
[0111]
■
如果条件f.1满足，则结束判定，两车轨迹不发生冲突；
[0112]
■
如果条件f.1不满足，则回到b继续穷举离散点对。
[0113]
○
f.2如果条件f不满足，则结束判定，两车轨迹发生冲突。
[0114]
(5)二维平面运动的主动风险感知
[0115]
当两车轨迹会发生冲突时，由于驾驶人对他车的轨迹预测并不精确，他车可能占据自车轨迹中的其他位置。考虑到自车的离散点序列，驾驶人需要确定他车是否可以优先到达自车轨迹的任一点。根据dubins曲线，可以计算这些离散点与另一车辆初始状态之间的最短距离，定义为然后，如果满足下面不等式，则另一辆车可以先占用k点，驾驶员将感知到另一辆车的主动风险。
[0116][0117]
其中tk是自车到达到k点所需的时间，tr是驾驶员的反应时间，td是决策周期，v
*
是其他车辆的速度。
[0118]
根据上述分析，并参考车辆跟驰行为中使用的dsm模型，在k点(潜在冲突位置)的主动风险ξk可以由下列式子定义，主动风险与反应时间δr期间的位移、决策周期δr期间的位移有关，自车的惯性位移为δi，他车辆的惯性位移为以及从当前位置到潜在冲突位置的最小相对距离δk。
[0119][0120]
δr＝vktr[0121]
δd＝vktd[0122][0123][0124]
其中vk是k点的速度，dm
x
是纵向减速度的最大值，λv
*
是另一辆车沿预期车辆轨迹切线方向的速度v
*
的分量，λ∈[0，1]，由自车和他车的前导角之差确定。当他车的速度分量与自车在k点的速度方向相同时，则他车的惯性位移大于0，自车感知风险较小；当他车的速度分量与自车在k点的速度方向不同时，则他车的惯性位移小于0，此时自车感知风险较高。例如参见图3，其示出了主动风险感知的各参数的示意图。
[0125]
基于主动风险ξ，可以定义通用的安全裕度：
[0126][0127]
其中，是对\xi进行两侧截断限制得到的，m是一个大的正数。因此，安全裕度ζ∈[0,1]。在决策周期内，期望安全裕度的阈值会随着时间增加而增大，这反映出驾驶人在较长的未来倾向于更保守。当轨迹整体的安全裕度均高于对于的安全阈值，则轨迹是可以被接受的。
[0128]
(6)基于通用驾驶行为模型的交通流生成
[0129]
通用驾驶行为模型结合了上述的轨迹规划、轨迹优先次序、换道缓冲值、轨迹冲突几何分析、主动风险感知等模块，可以模拟驾驶人对于车流的操纵。下面通过一个具体实例来描述具体流程：
[0130]
a.确定不同轨迹终点，分别进行轨迹规划，生成候选轨迹；
[0131]
b.对候选轨迹按照轨迹优先次序确定准则判定优先权；
[0132]
c.在候选轨迹中根据优先权高低来选择优先轨迹；
[0133]
d.根据周围车辆状态，对所选的优先轨迹进行冲突几何分析，确定潜在冲突的他车；
[0134]
e.确定自车与所有潜在冲突的他车的主动风险，进而确定安全裕度
[0135]
a)如果所有安全裕度都高于阈值，则轨迹可以被接受
[0136]
i.如果保持直行，则输出最终轨迹；
[0137]
ii.如果进行换道，则需判定换道缓冲值是否高于其阈值；
[0138]
1.如果换道缓冲值高于阈值，则输出最终轨迹，其中所述阈值例如可以根据经验值或理论值来设置；
[0139]
2.如果换道缓冲值不高于阈值，则修改换道缓冲值，回到c，例如可以将换道缓冲值根据换道的左右进行加减；
[0140]
b)如果存在安全裕度低于阈值，则该优先轨迹不可接受，将其从优先轨迹集合中去除，回到c；
[0141]
f.如果没有可选轨迹，则车辆以最大减速度减速，方向保持直行，输出最终轨迹。
[0142]
由于不同的驾驶人具有不同的驾驶风格，因此通用驾驶模型的涉及的参数是不同的。例如，激进的驾驶人，反应时间较小，换道缓冲阈值较小，风险承受力大，安全阈值较小。
[0143]
对于大规模采用通用驾驶行为模型的仿真车辆，可以生成仿真的交通流。交通流
仿真需要基于给定的路网和应有的交通控制策略，包括信号灯等，根据交通需求来随机生成车辆和起讫点，这些车辆到达路网之后，就按照通用驾驶模型行驶，直至其到达目的地。交通流仿真精细到给出车辆在任意时刻的位置和运动状态，并以一定的决策间隙来模拟车辆行为决策过程。
[0144]
图4示出了根据本发明的方法模拟生成的交通流的示意图。
[0145]
如图4所示，根据本发明的方法生成的模拟交通流与根据现有技术生成的模拟交通流(在此为基于idm+mobil+bezier曲线构成的基础驾驶行为模型)相比，更加贴近真实交通流，因此可以为智能交通管控提供更好的支持。在此，交通流的生成方式是，将同一时间段(例如1秒、5秒、1分钟、1小时)内同一道路上的多个车辆(例如10个、100个或更多个)的最终轨迹的参数(如速度)叠加，以生成交通流曲线。
[0146]
虽然本发明的一些实施方式已经在本技术文件中予以了描述，但是本领域技术人员能够理解，这些实施方式仅仅是作为示例示出的。本领域技术人员在本发明的教导下可以想到众多的变型方案、替代方案和改进方案而不超出本发明的范围。所附权利要求书旨在限定本发明的范围，并由此涵盖这些权利要求本身及其等同变换的范围内的方法和结构。

技术特征：

1.一种生成模拟交通流的方法，包括下列步骤：为多个驾驶员中的每个分别生成多个候选轨迹，所述候选轨迹分别是基于该驾驶员的多个不同驾驶行为生成的；为每个驾驶员的多个候选轨迹确定优先级；根据每个驾驶员的候选轨迹的优先级确定该驾驶员的优先轨迹；以及根据所述多个驾驶员的优先轨迹生成模拟交通流。2.根据权利要求1所述的方法，其中所述驾驶行为包括下列各项中的至少两个：直行、跟弛、换道、合流、以及停车。3.根据权利要求2所述的方法，其中为多个驾驶员中的每个分别生成多个候选轨迹包括：为每个驾驶员确定速度极限参数，所述加速度极限参数包括最大纵向加速度、最大纵向减速度、最大横向加速度和最大横向减速度；根据所述加速度极限参数和驾驶员的当前位置确定该驾驶员的目标位置的动态范围；在所述动态范围内，为该驾驶员确定与不同驾驶行为相关联的多个目标位置；以及根据所述多个目标位置通过拟合确定该驾驶员的多个轨迹表达式；以及根据所述多个轨迹表达式生成多个候选轨迹。4.根据权利要求1至3之一所述的方法，其中为每个驾驶员的多个候选轨迹确定优先级包括根据下列规则确定所述优先级：候选轨迹的纵向位移越大，则优先级越大；以及在候选轨迹的末端处的速度相同时，候选轨迹的横向位移越小则优先级越大。5.根据权利要求1至3之一所述的方法，还包括下列步骤：根据驾驶员的周围车辆的状态对优先轨迹进行冲突几何分析，以确定潜在冲突车辆；确定该驾驶员针对潜在冲突车辆所感知的主动风险，以确定安全裕度；以及根据安全裕度确定相应优先轨迹是否可接受。6.根据权利要求5所述的方法，其中根据驾驶员的周围车辆的状态对优先轨迹进行冲突几何分析，以确定潜在冲突车辆包括下列步骤：将驾驶员的优先轨迹和周围车辆的轨迹分别离散化以分别得到多个第一离散点和多个第二离散点；从所述多个第一离散点和所述多个第二离散点中分别各取一点，以形成离散点对；根据第一离散点和/或第二离散点确定车流前进方向，并将驾驶员和周围车辆分别确定为前车和后车；将后车的航向角确定为正方向，并将正方向的垂线方向确定为法方向；计算离散点对的两个离散点之间的相对距离，并将其投影到正方向上和法方向，以得到正向相对距离和法向相对距离；以及如果正向相对距离和法向相对距离小于临界阈值时，则所述驾驶员的优先轨迹与该周围车辆存在冲突，并将存在冲突的周围车辆确定为潜在冲突车辆。7.根据权利要求6所述的方法，其中确定该驾驶员针对潜在冲突车辆所感知的主动风险，以确定安全裕度包括下列步骤：针对第一离散点中的k点确定驾驶员在k点是否感知潜在冲突车辆的主动风险，其中当
满足下列不等式时，驾驶员将感知潜在冲突车辆的主动风险：其中t
k
是自车到达到k点所需的时间，t
r
是驾驶员的反应时间，t
d
是决策周期，v
*
是其他车辆的速度，为离散点k与潜在冲突车辆的初始状态之间的最短距离；当驾驶员感知潜在冲突车辆的主动风险时，根据下列公式确定主动风险ξ
k
：δ
r
＝v
k
t
r
δ
d
＝v
k
t
dd
其中v
k
是k点的速度，dm
x
是纵向减速度的最大值，λv
*
是潜在冲突车辆沿其候选轨迹的切线方向的速度v
*
的分量，λ∈[0,1]，由自车和他车的前导角之差确定；以及根据下列公式基于主动风险ξ确定安全裕度：其中是对ξ进行两侧截断限制得到的，m为正数。8.根据权利要求7所述的方法，其中根据安全裕度确定相应优先轨迹是否可接受包括下列步骤：如果驾驶员的优先轨迹的所有安全裕度都高于安全裕度阈值，则确定该优先轨迹可接受。9.根据权利要求8所述的方法，还包括：确定驾驶员的换道缓冲值，包括下列步骤：在初始时设置换道缓冲值为零；如果向左换道的候选轨迹是最佳选择，则换道缓冲值加1；以及如果向右换道的候选轨迹是最佳选择，则换道缓冲值减1；当换道缓冲值的绝对值大于或等于换道阈值时，执行换道。10.根据权利要求9所述的方法，其中在驾驶员的优先轨迹的所有安全裕度都高于安全裕度阈值的情况下：如果该优先轨迹为直行，则将该优先轨迹确定为可接受；以及如果该优先轨迹包括换道，则确定换道缓冲值的绝对值是否大于或等于阈值，则是将该优先轨迹确定为可接受，否则修改换道缓冲值并且重新确定优先轨迹。11.根据权利要求1所述的方法，还包括：如果没有候选轨迹，则驾驶员以最大减速度减速并保持执行，并且输出该轨迹为优先轨迹。12.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时执行根据权利要求1至11之一所述的方法的步骤。

技术总结

本发明涉及一种生成模拟交通流的方法，该方法包括下列步骤：为多个驾驶员中的每个分别生成多个候选轨迹，所述候选轨迹分别是基于该驾驶员的多个不同驾驶行为生成的；为每个驾驶员的多个候选轨迹确定优先级；根据每个驾驶员的候选轨迹的优先级确定该驾驶员的优先轨迹；以及根据所述多个驾驶员的优先轨迹生成模拟交通流。通过本发明，可以生成与真实交通流更贴近的模拟交通流，从而为智能交通提供更好的支持。支持。支持。