无人驾驶车辆换道行为特性分析

国外众多学者应用各种控制理论陆续提出了多种换道模型，许多复杂的车辆数学模型相继被提出，但这些数学模型不足之处在于，模型建立在汽车理想化假设基础上，而且要求速度很低，难以满足汽车运动实时控制的要求。这些模型的具体细节有所不同，但是大多数模型认为，只要有合适的换道间隙（时间间隙和空间间隙），就可实施换道，忽略了驾驶员的认知行为以及其他车辆不确定性驾驶行为的影响，因此在换道安全的基础上，将驾驶员的认知决策规则提取出来，作为换道决策的阈值，来提高换道模型在交通环境变化中的适应能力以及决策准确性，是本章研究的一个重点。

换道行为决策过程不仅受驾驶员自身特性、本车车辆性能的影响，而且也受周边车辆运动状态和道路交通环境的影响。车辆的换道行为是一种典型的分层决策过程。一般来说，换道行为可以分为换道动机产生、换道条件判断和换道实施三个阶段。

1.换道动机产生

在确保行驶安全的情况下，驾驶员一般都会选择尽量接近自己期望车速的速度行驶。一旦当前车道存在阻碍，驾驶员则会根据理想车速与受阻车辆的差值大小以及安全车距等交通环境要素产生相应的换道需求。

2.换道条件判断(www.xing528.com)

驾驶员根据对目标车道安全性以及该车道的车辆行驶速度进行分析判断决策换道行为的可行性。

3.换道实施

驾驶员根据之前的判定对车辆进行实时控制，使其完成换道任务。在车辆换道实施过程中，驾驶员无法观察到其他驾驶员的换道决策行为。针对换道行为的这种隐藏特性，为提取驾驶员的换道决策规则，可以利用粗糙集理论，通过构造驾驶数据决策表来提取驾驶的换道决策规则。影响驾驶员换道决策的主要因素一般包括当前车道以及相邻车道的车辆运动状态和两个车道的空间距离。