基于动态交互网络的强制性与选择性换道建模
系统与控制
2022-07-27 v1 系统与控制
摘要
对动态换道（LC）交互模式的定量理解对于改进自动驾驶车辆的决策不可或缺，尤其在含人类驾驶车辆的混合交通中。本文提出一种结合隐马尔可夫模型与图结构的新型框架，以辨识强制换道（MLC）与选择性换道（DLC）之间动态交互网络的差异。我们建立隐马尔可夫模型将换道交互分解为同质片段并揭示这些片段的时间特性。随后，利用条件互信息量化交互强度，并利用图结构刻画车辆间连通性。最后，辨识各动态交互网络中的关键车辆。基于从INTERACTION数据集中提取的换道事件，所提分析框架被应用于服务水平E和F的拥堵交通下MLC与DLC建模。结果表明，一个换道过程中存在多种异质动态交互网络结构。MLC与DLC的比较显示，MLC更为复杂，而DLC更具随机性。MLC的复杂性归因于强烈的交互及交互网络结构的频繁转换，而随机的DLC未展现明显的演化规则与交互网络中的主导车辆。本研究结果有助于理解换道交互中车辆间连通结构，并为自动驾驶车辆与高级驾驶辅助系统设计合适且有针对性的驾驶决策模型。
引用
@article{arxiv.2207.12793,
title = {Modeling mandatory and discretionary lane changes using dynamic interaction networks},
author = {Yue Zhang and Yajie Zou and Yuanchang Xie and Lei Chen},
journal= {arXiv preprint arXiv:2207.12793},
year = {2022}
}