跟驰事件下网联混驾编队的运行特征及生态安全影响

doi:10.12141/j.issn.1000-565X.230388

摘要/Abstract

摘要：

考虑当前自动驾驶技术成熟度和公众接受程度等问题，网联混驾编队模式可能是自动驾驶编队全面普及应用前的可行的过渡模式之一。为研究网联条件和车队形式对网联混驾编队运行特征及生态安全的影响，文中基于驾驶模拟技术搭建的网联混驾编队实验测试平台，构建由5辆车组成的“领航车-网联L2级人工驾驶车辆、跟驰车-网联自动驾驶车辆”的网联混驾编队模式，并邀请36名被试开展驾驶模拟实验。考虑时域分析侧重呈现指标的时间维度变化，而频域分析可以挖掘指标的频率分布特性，文中选取速度、加速度指标从时域和频域维度分析车辆运行特征，同时选取油耗、速度安全熵指标评价车辆运行的生态安全性。结果表明：网联条件和编队模式均有助于车辆行驶更加平稳，并显著提升其生态安全性；网联混驾编队的综合效能最佳，相较传统单车模式，油耗可降低10.67%，速度安全熵值可降低73.25%。该研究成果可为自动驾驶企业及行业开展网联人机交互终端设计、领航驾驶辅助系统研发、网联混驾编队可行性及有效性测试等提供方案借鉴和平台支持。

关键词: 网联混驾编队, 网联人机交互终端, 驾驶行为, 生态驾驶, 驾驶模拟器

Abstract:

Considering the current maturity level of autonomous technology and the general public’s acceptance of this technology, the connected mixed platoon mode may be a practical transitional strategy prior to the widespread deployment of fully autonomous platoons. To study the influence of connected condition and platoon mode on the operational characteristics and eco-safe influence of connected mixed platoon, this paper constructed a connected mixed platoon mode consisting of five vehicles: a human-driven leader vehicle equipped with an L2 connected driving assistance system, followed by connected autonomous vehicles. Thirty-six participants were invited to participate in driving simulation experiments using the developed test platform. Given that time-domain analysis focuses on the variation of indicators in the time dimension, while frequency-domain analysis can explore the frequency distribution characteristics of indicators, this paper analyzed vehicle operation characteristics from the time and frequency domain dimensions with indicators of speed, acceleration, fuel consumption and speed safety entropy. The results show that both the connected condition and the platoon mode contribute to stable vehicle operation and significantly enhance their eco-safety. Compared with the traditional single-vehicle mode, the connected mixed platoon has the best comprehensive efficiency and can reduce the fuel consumption by 10.67% and the speed safety entropy by 73.25%. The research results can provide scheme reference and platform support for autonomous driving enterprises and industries in executing connected HMI design, navigate on autopilot (NOA) development, and the feasibility and effectiveness test of connected mixed platoon.

Key words: connected mixed platoon, connected human-machine-interaction, driving behavior, eco-driving, automobile driver simulator

中图分类号:

U491.2

付强, 赵晓华, 李海舰, 任文浩, 戴义博. 跟驰事件下网联混驾编队的运行特征及生态安全影响[J]. 华南理工大学学报(自然科学版), 2024, 52(8): 65-75.

FU Qiang, ZHAO Xiaohua, LI Haijian, REN Wenhao, DAI Yibo. Operational Characteristics and Eco-Safe Influence of Connected Mixed Platoon in Car-Following Event[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(8): 65-75.

图/表 21

图1

图2

图3

图4

图5

表1

图6

表2

图7

表3

图8

图9

图10

图11

图12

图13

表4

图14

图15

图16

图17

参考文献 24

1	国家统计局．中国统计年鉴［M］．北京：中国统计出版社，2021.
2	生态环境部．中国移动源环境管理年报（2022）［R］．北京：生态环境部，2022.
3	李鹏飞，罗禹贡，刘畅，等．智能网联车辆队列紧急工况控制策略设计［J］．汽车工程，2022，44（3）：299-307，318.
	LI Pengfei， LUO Yugong， LIU Chang，et al ．Control strategies design of intelligent and connected vehicle platoon under emergency conditions［J］．Automotive Engineering，2022，44（3）：299-307，318.
4	DAI Y， WANG C， XIE Y ．Explicitly incorporating surrogate safety measures into connected and automated vehicle longitudinal control objectives for enhancing platoon safety［J］．Accident Analysis & Prevention，2023，183，106975/1-21.
5	FU Q， WU Y， ZHAO X，et al ．Multivariate effectiveness of ecolane and ecoHMI based cooperative vehicle-infrastructure system［J］．International Journal of Automotive Technology，2023，24（1）：219-239.
6	RUAN T， ZHOU L， WANG H ．Stability of heterogeneous traffic considering impacts of platoon management with multiple time delays［J］．Physica A：Statistical Mechanics and Its Applications，2021，583：126294/1-13.
7	廖若桦．车路协同环境下信号交叉口车队生态驾驶研究［D］．北京：北京交通大学，2018.
8	CHEN Y， ZHA Q， JING P，et al ．Modeling and gender difference analysis of acceptance of cooperative vehicle infrastructure system［J］．Journal of Southeast University （English Edition），2021，37（2）：216-221.
9	，公路路线设计规范［S］.
10	，道路交通标志和标线［S］．
11	YELCHURU B， FITZGEREL S， MURARI S，et al ．AERIS-applications for the environment：real-time information synthesis：eco-lanes operational scenario modeling report［R］．Washington D C：U.S. Department of Transportation，Intelligent Transportation Systems Joint Program Office，2014.
12	BEZA A D， ZEFREH M M， TOROK A，et al ．How PTV VISSIM has been calibrated for the simulation of automated vehicles in literature？［J］．Advances in Civil Engineering，2022，2022：2548175/1-18.
13	CAMPBELL L， BROWN L， GRAVING S，et al ．Human factors design guidance for level 2 and level 3 automated driving concepts［R］．Washington D C：National Highway Traffic Safety Administration，2018.
14	戴一康．基于NUI的智能车载助理系统人机界面设计研究［D］．南京：东南大学，2019.
15	，Ergonomics of human-system interaction—part 210：human-centered design for interactive systems ［S］.
16	郭景华，李文昌，罗禹贡，等．基于深度强化学习的驾驶员跟车模型研究［J］．汽车工程，2021，43（4）：571-579.
	GUO Jinghua， LI Wenchang， LUO Yugong，et al.Driver car-following model based on deep reinforcement learning［J］．Automotive Engineering，2021，43（4）：571-579.
17	HUCHO W， SOVRAN G ．Aerodynamics of road vehicles［J］．Annual Review of Fluid Mechanics，1993，25：485-537.
18	HUSSEIN A， RAKHA H ．Vehicle platooning impact on drag coefficients and energy/fuel saving implications［J］．IEEE Transactions on Vehicular Technology，2022，71（2）：1199-1208.
19	伍毅平，赵晓华，荣建，等．基于驾驶模拟实验的生态驾驶行为节能减排潜力［J］．北京工业大学学报，2015，41（8）：1212-1218.
	WU Yi-ping， ZHAO Xiao-hua， RONG Jian，et al ．Potential of eco-driving in reducing fuel consumption and emissions based on a driving simulator［J］．Journal of Beijing University of Technology，2015，41（8）：1212-1218.
20	赵晓华，董文慧，李佳，等．基于驾驶行为的隧道交通标志影响特征及作用机理［J］．华南理工大学学报（自然科学版），2023，51（4）：88-100.
	ZHAO Xiaohua， DONG Wenhui， LI Jia，et al ．Influence characteristics and action mechanism of tunnel traffic sians based on driving behavior［J］．Journal of South China University of Technology （Natural Science Edition），2023，51（4）：88-100.
21	张建华，赵晓华，欧居尚，等．雾天桥梁可变限速值的效用评估及优化［J］．华南理工大学学报（自然科学版），2024，52（1）：127-138.
	ZHANG Jianhua， ZHAO Xiaohua， Jushang OU，et al ．Evaluation of utility and optimal of variable speed limit value for bridge in foggy condition［J］．Journal of South China University of Technology （Natural Science Edition），2024，52（1）：127-138.
22	赵晓华，许士丽，荣建，等．基于ROC曲线的驾驶疲劳脑电样本篇判定值研究［J］．西南交通大学学报，2013，48（1）：178-183.
	ZHAO Xiaohua， XU Shili， RONG Jian，et al ．Discriminating threshold of driving fatigue based on the electroencephalography sample entropy by receiver ope-rating characteristic curve analysis［J］．Journal of Southwest Jiaotong University，2013，48（1）：178-183.
23	罗旭，王宏，王福旺．基于脑电信号分类的高速公路上驾驶疲劳识别［J］．汽车工程，2015，37（2）：230-234.
	LUO Xu， WANG Hong， WANG Fuwang ．Driver fatigue recognition in highway driving based on EEG signal classification［J］．Automotive Engineering，2015，37（2）：230-234.
24	刘志强，张凯铎，倪捷．基于自然驾驶跟车数据的驾驶人差异性分析与辨识［J］．交通运输系统工程与信息，2021，21（1）：48-55.
	LIU Zhi-qiang， ZHANG Kai-duo， NI Jie ．Analysis and identification of drivers’ difference in car following condition based on naturalistic driving data［J］．Journal of Transportation Systems Engineering and Information Technology，2021，21（1）：48-55.

预警点	预警信息
①	前方1 000 m最外侧为生态车道，建议速度80~90 km/h
②	前方500 m最外侧为生态车道，建议速度80~90 km/h
③	您已进入生态车道，建议速度80~90 km/h
④	前方有慢速车辆
⑤	请保持安全车距
⑥	前方500 m生态车道结束
⑦	您已驶离生态车道
	建议速度80~90 km/h
	“哔哔哔”蜂鸣声
	请避免急加速
	请避免急减速

性别	数量	年龄/岁		驾龄/a		不同驾驶里程下的人数
性别	数量	均值	标准差	均值	标准差	<3万km	≥3万km
合计	36	36.67	14.18	9.61	10.01	24	12
男性	24	38.59	13.98	11.67	10.51	14	10
女性	12	32.83	13.80	5.51	7.38	10	2

指标	均值				显著性
指标	单车-无网联	单车-网联	编队-无网联	编队-网联	车队形式	网联条件	交互作用
速度/（km·h^-1）	77.03	77.76	80.10	76.93	0.231	0.022*	0.035*
加速度/（m·s^-2）	-0.025	-0.029	-0.019	-0.011	0.354	0.489	0.152

指标	均值				显著性
指标	单车-无网联	单车-网联	编队-无网联	编队-网联	车队形式	网联条件	交互作用
油耗/（L·（100 km）^-1）	7.50	6.82	6.46	6.70	0.000**	0.971	0.008**
速度安全熵	0.038 5	0.013 0	0.021 5	0.010 3	0.036*	0.000**	0.253

[1]	何庆龄, 裴玉龙, 董春彤, 等. 融合柯西逐维小孔成像反向学习和自适应变螺旋的ASO-LSSVM风险驾驶行为分类识别[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 130-140.
[2]	陈兵硕.李洋.赵晓华.等. 老年驾驶人认知驾驶能力评价及影响因素[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 141-152.
[3]	高龙凯, 赵晓华, 欧居尚, 等. 基于Unity3D的立体复合高速公路标志系统优化设计[J]. 华南理工大学学报(自然科学版), 2024, 52(5): 20-30.
[4]	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[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 114-125.
[5]	赵晓华, 董文慧, 李佳, 等. 基于驾驶行为的隧道交通标志影响特征及作用机理[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 88-100.
[6]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[7]	黄玲, 黄子虚, 吴泽荣, 等. 不同行为模型框架下的数据驱动类人驾驶模型比较[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 1-10.
[8]	杨丽平, 边扬, 赵晓华, 等. 导航播报措辞复杂度对驾驶行为的影响[J]. 华南理工大学学报（自然科学版）, 2021, 49(3): 139-148.
[9]	边扬, 俞洁, 赵晓华, 等. 导航播报措辞对驾驶行为的综合影响研究[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 30-37,54.
[10]	符锌砂杜锦涛何石坚. 提示距离和初始速度对高速出口驾驶行为的影响 [J]. 华南理工大学学报（自然科学版）, 2019, 47(11): 1-9.
[11]	曹宝贵杨兆升. 一种改进的车辆跟驰动力学模型[J]. 华南理工大学学报（自然科学版）, 2011, 39(10): 96-99,131.