基于最大压强控制的交叉口自动驾驶汽车和行人管理方法

doi:10.12141/j.issn.1000-565X.220489

华南理工大学学报(自然科学版) ›› 2024, Vol. 52 ›› Issue (2): 124-135.doi: 10.12141/j.issn.1000-565X.220489

基于最大压强控制的交叉口自动驾驶汽车和行人管理方法

曹宁博¹ 赵利英²

^1.长安大学运输工程学院，陕西西安 710061
^2.西安理工大学经济与管理学院，陕西西安 710048

收稿日期:2022-08-01 出版日期:2024-02-25 发布日期:2023-08-18
通信作者: 赵利英（1988-），女，博士，讲师，主要从事自动驾驶汽车和行人安全及大数据运输资源优化等研究。 E-mail:lyzhao@xaut.edu.cn
作者简介:曹宁博（1987-），男，博士，讲师，主要从事自动驾驶汽车和行人安全及智能交通等研究。E-mail:caonb@chd.edu.cn
基金资助:
陕西省教育厅2021年度科学研究计划项目(21JZ005);陕西省社会科学基金资助项目(2021R025);陕西省自然科学基础研究计划项目(2021JQ-239)

Management Method of Autonomous Vehicles and Pedestrians at Intersections Based on Maximum Pressure Controls

CAO Ningbo¹ ZHAO Liying²

^1.School of Transportation Engineering，Chang’an University，Xi’an 710061，Shaanxi，China
^2.School of Economics and Management，Xi’an University of Technology，Xi’an 710048，Shaanxi，China

Received:2022-08-01 Online:2024-02-25 Published:2023-08-18
Contact: 赵利英（1988-），女，博士，讲师，主要从事自动驾驶汽车和行人安全及大数据运输资源优化等研究。 E-mail:lyzhao@xaut.edu.cn
About author:曹宁博（1987-），男，博士，讲师，主要从事自动驾驶汽车和行人安全及智能交通等研究。E-mail:caonb@chd.edu.cn
Supported by:
the 2021 Scientific Research Program of Shaanxi Provincial Department of Education(21JZ005);the Shaanxi Provincial Social Science Foundation Program(2021R025);the 2021 Shaanxi Provincial Natural Science Basic Research Program(2021JQ-239)

摘要/Abstract

摘要：

为提高交叉口自动驾驶汽车和行人的管理水平，进而改善交通流的运行效率和稳定性，文中基于最大压强控制和自动驾驶汽车轨迹规划方法构建了交叉口自动驾驶汽车和行人管理方法。首先，综合考虑行人到达率、人行横道尺寸、等待时间和行人到达分布规律等对行人的影响，利用概率分布函数对行人排队长度进行建模，并利用估计的行人排队长度，基于最大压强控制方法构建了交叉口自动驾驶汽车和行人排队长度管理方法；然后，为帮助交叉口内部自动驾驶汽车避免碰撞并获取最佳运动轨迹，结合最大压强控制方法与已有交叉口自动驾驶汽车轨迹规划方法，在控制交叉口自动驾驶汽车和行人排队长度的基础上，同时对自动驾驶汽车轨迹进行规划；最后，利用Python联合SUMO开源交通仿真软件对模型进行验证，仿真持续2 h。仿真结果表明，在不同自动驾驶汽车和行人需求条件下，该自动驾驶汽车和行人管理方法的加入不仅能够实现对自动驾驶汽车运动轨迹的规划控制，而且能够迅速稳定和降低它们的延误与排队长度，并能改善交叉口运行效率。

关键词: 自动驾驶汽车, 行人, 最大压强控制, 轨迹规划, 管理方法

Abstract:

In order to improve the management level of autonomous vehicles and pedestrians at intersections, and thus improve the operational efficiency and stability of traffic flow, the paper constructed a management method for autonomous vehicles and pedestrians at intersections based on maximum pressure control and autonomous vehicle trajectory planning methods. Firstly, the queue length of pedestrians was modeled by the probability distribution function and comprehensively considering the influence of arrival rate, crosswalk length and width, waiting time and arrival distribution on pedestrians. Based on the estimated pedestrian queue length, the maximum pressure control was adopted to develop a queuing length management method for autonomous vehicles and pedestrians at intersections. Then, in order to help the internal autonomous vehicles at the intersection avoid collisions and obtain the best movement trajectory, the maximum pressure control method and the trajectory planning method of the existing intersection were planned on the basis of controlling the queue length of the self-driving vehicles and pedestrians at the intersection. Finally, Python and SUMO, which is an open source traffic simulation software, were used to verify the model. The simulation lasts for 2 hours. The simulation results show that the proposed autonomous car and pedestrian management method can not only control the trajectory of autonomous vehicles, but also quickly stabilize and reduce their delay and queuing lengths, and improve the efficiency of intersection operation.

Key words: autonomous vehicle, pedestrian, maximum pressure control, trajectory planning, management method

中图分类号:

U491.4

曹宁博, 赵利英. 基于最大压强控制的交叉口自动驾驶汽车和行人管理方法[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 124-135.

CAO Ningbo, ZHAO Liying. Management Method of Autonomous Vehicles and Pedestrians at Intersections Based on Maximum Pressure Controls[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(2): 124-135.

图/表 7

图1

图2

图3

图4

图5

图6

图7

参考文献 18

1	MA J， LI X P， ZHOU F，et al ．Parsimonious shooting heuristic for trajectory design of connected automated traffic part II：computational issues and optimization［J］．Transportation Research Part B：Methodological，2017，95：421-441.
2	DRESNER K， STONE P ．Multiagent traffic management：a reservation-based intersection control mechanism［C］∥Proceedings of the International Joint Conference on Autonomous Agents and Multiagent Systems．New York：IEEE Computer Society，2004：530-537.
3	LEVIN M W， BOYLES S D ．A multiclass cell transmission model for shared human and autonomous vehicle roads［J］．Transportation Research Part C：Emerging Technologies，2016，62：103-116.
4	FAYAZI S A， VAHIDI A， LUCKOW A ．Optimal scheduling of autonomous vehicle arrivals at intelligent intersections via MILP［C］∥Proceedings of the 2017 American Control Conference （ACC）．Seattle：IEEE，2017：4920-4925.
5	JIN Q， WU G， BORIBOONSOMSIN K，et al ．Multi-agent intersection management for connected vehicles using an optimal scheduling approach［C］∥Proceedings of the 2012 International Conference on Connected Vehicles and Expo （ICCVE）．Beijing：IEEE，2012：185-190.
6	LEVIN M W，REY D ．Conflict-point formulation of intersection control for autonomous vehicles［J］．Transportation Research Part C：Emerging Technologies，2017，85：528-547.
7	MIRHELI A， TAJALLI M， HAJIBABAI L，et al ．A consensus-based distributed trajectory control in a signal-free intersection［J］．Transportation Research Part C：Emerging Technologies，2019，100：161-176.
8	ZHANG Y J， MALIKOPOULOS A A， CASSANDRAS C G ．Optimal control and coordination of connected and automated vehicles at urban traffic intersections［C］∥Proceedings of the 2016 American Control Conference （ACC）．Boston：IEEE，2016：6227-6232.
9	WONGPIROMSARN T， UTHAICHAROENPONG T， WANG Y，et al ．Distributed traffic signal control for maximum network throughput［C］∥Proceedings of the 2012 15th International IEEE Conference on Intelligent Transportation Systems．Anchorage：IEEE，2012：588-595.
10	VARAIYA P ．Max pressure control of a network of signalized intersections［J］．Transportation Research Part C：Emerging Technologies，2013，36：177-195.
11	VARAIYA P ．The max-pressure controller for arbitrary networks of signalized intersections［M］∥Advances in dynamic network modeling in complex transportation systems．New York，NY：Springer New York，2013：27-66.
12	LE T， KOVÁCS P， WALTON N，et al ．Decentralized signal control for urban road networks［J］．Transportation Research Part C：Emerging Technologies，2015，58：431-450.
13	曲昭伟，曹宁博，陈永恒，等．信号交叉口的行人信号提前建模［J］．浙江大学学报（工学版），2017，51（3）：538-544.
	QU Zhao-wei， CAO Ning-bo， CHEN Yong-heng，et al ．Leading pedestrian intervals modeling at signalized intersections［J］．Journal of Zhejiang University （Engineering Science），2017，51（3）：538-544.
14	FAJARDO D， AU T C， WALLER S T，et al ．Automated intersection control：performance of future innovation versus current traffic signal control［J］．Transportation Research Record，2011，2259（1）：223-232.
15	LI Z， CHITTURI M V， ZHENG D，et al ．Modeling reservation-based autonomous intersection control in VISSIM［J］．Transportation Research Record，2013，2381（1）：81-90.
16	KAMAL M A S， IMURA J， OHATA A，et al ．Coordination of automated vehicles at a traffic-lightless intersection［C］∥Proceedings of the 16th International IEEE Conference on Intelligent Transportation Systems （ITSC 2013）．Hague：IEEE，2013：922-927.
17	MIRHELI A， HAJIBABAI L， HAJBABAIE A ．Development of a signal-head-free intersection control logic in a fully connected and autonomous vehicle environment［J］．Transportation Research Part C：Emerging Technologies，2018，92：412-425.
18	NEWELL G F ．A simplified car-following theory：a lower order model［J］．Transportation Research Part B：Methodological，2002，36（3）：195-205.

[1]	边扬, 张钰, 赵晓华, 等. 行人过街事件网联HUD预警系统对驾驶行为的影响特性[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 114-125.
[2]	何永明, 邢婉钰, 魏堃, 等. 超高速公路自动驾驶车辆换道轨迹规划策略[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 104-113.
[3]	解辉, 沈刚, 刘东, 等. 单绳缠绕式矿井提升机制动瞬态冲击抑制策略[J]. 华南理工大学学报(自然科学版), 2024, 52(3): 141-150.
[4]	兰凤崇, 张越, 陈吉清, 等. 人车碰撞事故中行人伤亡风险的关联性分析与预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 1-10.
[5]	符锌砂, 彭锦辉, 曾彦杰, 等. 面向自动驾驶汽车的交通标线使用状况评估方法[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 1-13.
[6]	陈吉清, 舒孝雄, 兰凤崇, 等. 典型危险事故特征的自动驾驶测试场景构建[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 1-8.
[7]	杜启亮, 黄理广, 田联房, 等. 基于视频监控的手扶电梯乘客异常行为识别[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 10-21.
[8]	曾德全, 余卓平, 熊璐, 等. 结构化道路下基于层次分析法的智能车避障轨迹规划[J]. 华南理工大学学报（自然科学版）, 2020, 48(7): 65-75.
[9]	杨金明黄秀秀陈渊睿谢泽坤. 基于轨迹规划的波浪发电系统的分段控制[J]. 华南理工大学学报(自然科学版), 2019, 47(9): 33-39.
[10]	徐哲炜许瑞霖刘琼. 鲁棒车载热成像行人检测的感兴趣区域提取方法 [J]. 华南理工大学学报(自然科学版), 2019, 47(2): 68-76,2.
[11]	陈康李佳骏王骜杨忠振. 考虑公共空间占用成本的共享单车投放密度优化研究 [J]. 华南理工大学学报(自然科学版), 2019, 47(2): 137-144.
[12]	杨姝, 江峰, 丁宏飞, 等. 手性蜂窝夹芯概念发动机罩行人头部保护性能仿真 [J]. 华南理工大学学报（自然科学版）, 2019, 47(12): 38-42,61.
[13]	刘华森程文明李银启. 抑制吊重残余摆动的起重小车运动轨迹规划[J]. 华南理工大学学报（自然科学版）, 2018, 46(9): 17-23.
[14]	张见威林文钊邱隆庆. 基于字典学习和 Fisher 判别稀疏表示的行人重识别方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 55-62.
[15]	王泽胜董宝田王爱丽. 基于自适应脉冲耦合神经网络的行人检测方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(6): 74-80.

基于最大压强控制的交叉口自动驾驶汽车和行人管理方法

Management Method of Autonomous Vehicles and Pedestrians at Intersections Based on Maximum Pressure Controls

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价