一种用于重建含换道行为的多车道高速公路车辆轨迹的宏-微方法
最优化与控制
2023-06-12 v1 信号处理
摘要
车辆轨迹能够提供最精确、最细致的交通流刻画，并作为交通管理与控制应用中的关键组成部分。已有多种技术被应用于从稀疏的固定与移动检测数据重建车辆轨迹。然而，现有方法主要集中于单车道场景，忽视了跨越多车道的换道（LC）行为，这限制了它们在实际交通系统中的适用性。为弥补这一研究空白，我们提出一种用于重建多车道高速公路上完整车辆轨迹的宏-微方法，其中宏观交通状态信息与微观驾驶模型相融合，以克服车道边界带来的限制。具体而言，为每条车道建立宏观速度等高线图以调控车辆队列的运动，同时相邻车道间的速度差为指导换道行为提供了有价值的判据。与此同时，从微观视角扩展了跟车模型，以提供基于车道的候选轨迹并界定换道位置的可行范围。随后，提出一种两阶段轨迹融合算法联合推断跟车与换道行为，其中识别最优换道位置并根据权重调整候选轨迹。所提框架使用NGSIM数据集进行评估，结果表明重建轨迹的精度与平滑性均显著提升，相较于两种代表性重建方法性能指标降低逾30%。此外，重建过程有效复现了连续车道间的换道行为，增强了框架的全面性与真实性。
引用
@article{arxiv.2306.05627,
title = {A Macro-Micro Approach to Reconstructing Vehicle Trajectories on Multi-Lane Freeways with Lane Changing},
author = {Xuejian Chen and Guoyang Qin and Toru Seo and Ye Tian and Jian Sun},
journal= {arXiv preprint arXiv:2306.05627},
year = {2023}
}