论文部分内容阅读
交通是城市场景中的重要元素。近年来,车辆运动模拟技术被广泛地应用于虚拟旅游,虚拟城市应急演练,三维场景游戏开发等。逼真的车辆个体运动模拟结果,不仅可以直观上很好地展示交通状况,还可以辅助用于交通能力、交通风险的预测和评估。 本文以复杂路网内大规模车辆个体运动模拟为目标,对复杂路网的语义生成,车辆换道行为模拟研究,复杂路网内大规模车辆运动模拟等进行了深入地研究,并取得了如下的研究成果: 1)提出了一种复杂路网层次化语义模型 路网是车辆运动行为发生的载体,路网建模在车辆运动模拟中具有根基性的作用和意义。现有路网模型一般需要输入路口信息,然后通过手工交互设置路口处的交通相位分配信息,从而实现冲突方向在时间维度上的分离,工作量大且易产生错误;此外,这些模型应用于车辆运动模拟时,在车辆坐标位置信息的查询计算效率方面也存在欠缺,影响实时模拟的效率。 针对这些问题,本文提出了一种面向车辆运动模拟的新颖的路网模型——路网数据层次化语义模型。该语义模型扩充了一般意义上车道的概念,给出了一种满足给定约束的广义车道——Lane。模型采用离散化压缩生成Lane,然后将其作为语义模型的原子层数据。模型通过关系定义构建层次语义数据来描述Lane之间的拓扑连接、邻接以及冲突关系,并利用这些信息自动生成了路口——Intersection。根据上述语义信息遍历Intersection就可以自动生成平面交叉路口处冲突线路的交通相位分配数据信息。 本文模型的最大优点是仅需输入车道线矢量数据,就可以全自动地生成各种复杂路口数据和冲突线路的交通相位分配数据,不仅减少了数据输入量,也避免了手工设置容易产生的错误。将这些数据用于车辆运动模拟,可以提高车辆位置信息查询计算效率约2倍多,提高了应对大规模车辆运动实时计算仿真的能力。 2)提出了一种基于轨迹约束的车辆换道模拟方法 换道模拟是车辆运动模拟中的重要组成部分。换道行为模拟对车辆运动模拟的逼真性起着重要的作用。现有的交通换道方法主要是基于决策的方法。这类方法可以很好的确定换道行为是否可以发生,但是方法认为换道瞬间完成,因此无法模拟换道过程;一些路径规划的方法可以补充用来模拟车辆在换道过程中的行为,然而现有方法过于耗时。这类方法在普通PC上最多大约只能实时计算几千辆车,大大限制了其在万辆以上规模车辆运动模拟中的应用。 针对上述问题,本文给出了一种基于轨迹约束的车辆换道模拟方法。方法将换道决策约束转化为换道轨迹约束,通过求解满足约束的换道轨迹是否存在,得出换道是否可以发生以及换道如何进行等。进一步来说,本文首先给出了一种建立在移动标架下的多项式换道轨迹方程,然后将影响车辆换道的约束转化为多项式轨迹约束,通过求解轨迹多项式,得出车辆是否可以换道以及整个换道过程如何进行等。 实验结果表明,本文方法可以很好地模拟各种复杂场景下的车辆换道行为,包括是否换道、何时换道以及换道如何进行等,并且方法的计算效率较现有的换道过程建模方法提速约30倍。 3)提出了一种耦合宏微观特征的大规模车辆运动模拟方法 近年来,城市交通以车辆众多和路网复杂为显著特点。路网复杂体现在路网内存在大量的上下匝道、并线加宽、平面交叉路口、立体交叉路口等复杂路段。这些复杂路段处的显著特征即车道间的车辆具有频繁的交互作用。现有用于车辆运动模拟的方法主要有基于微观模型的方法和基于宏观模型的方法。微观方法可以细致模拟车辆个体的运动,但是当车辆数目增多时,该方法计算效率存在瓶颈。宏观方法在低细节上采用流速和密度等参数模拟车流运动,计算效率和车辆数目无关,一般用于大规模车辆运动的模拟。但是,现有的宏观方法一般是为了应用于整体上交通趋势的分析等,方法采用流速和密度这些低细节参数来描述车道间的车流交互行为,而实际中车辆是否可以驶入目标车道还受目标车道前方车流状况的影响,并且,车辆和车流并不完全同步,这些低细节的参数信息无法直接反馈至车辆个体的换道。可见,这类方法不能模拟车道间的车辆个体交互运动,因此无法满足车辆个体运动模拟的要求。 针对上述问题,本文给出了一种耦合宏微观特征的车辆运动模拟方法。本文首先提出了一种模拟车辆运动的交互式合作驾驶格子流模型(交互式CDLH模型)。模型采用宏观上的、建立在二维平面上的流体方程描述沿车道线的车流运动和车道间的车流交互运动。我们采用有限差分方法将车流方向分为向左侧换道车流、直行车流以及向右侧换道车流,并在求解流方向时适时耦合了基于微观的个体约束,使得既能够保证大规模车辆运动模拟的计算效率,又能够细致的模拟车辆沿车道线的运动以及车道间的车辆个体交互运动。路网内各种复杂路段处的车辆运动可以得到细致的模拟。 实验结果表明,本文方法可以在微观上细致地模拟复杂交通场景下沿车道线的车辆运动和车道间的车辆交互运动,并且方法计算复杂度和现有的宏观方法基本保持一致,即和车辆数目的关系近似为O(1)。我们将本文方法的效果和效率进一步通过平衡计分卡的方法进行量化评价,结果表明,普通PC上,模拟3万~50万之间规模车辆时,本文方法优于现有的宏微观方法。