[发明专利]一种驾驶员行为诱导与局部交通流优化方法

说明书

本发明公开了一种基于多车纵向跟驰状态下的局部交通流优化系统。首先采用最小二乘法识别驾驶员性格参数，并将驾驶员分为激进型、稳重型、保守型三类，然后标定稳重型驾驶员的驾驶行为作为良好跟驰参照。再次通过二分法获取驾驶员接受建议的尺度，并提醒驾驶员改进跟驰行为，从而引导驾驶员一步步的形成良好的驾驶习惯。本发明基于不同性格驾驶员其跟驰风格不同，同时针对特定的驾驶员提出其可以接受的驾驶建议尺度，建议驾驶员保持正常的驾驶建议，通过微观上改善驾驶员的驾驶行为，从而宏观上优化局部地区的交通流。

技术领域

本发明属于公共交通技术领域，尤其涉及一种面向局部交通流的多车纵向跟驰技术。本发明通过对存储在云端的不同性格类别驾驶员及不同车型车辆的历史行驶数据进行学习，提出一种局部地区交通流优化方法，适用于车流经常出现走走停停的拥堵的路段。

背景技术

随着经济社会持续快速发展，中国汽车保有量继续呈快速增长趋势。与此同时，随着城市的发展，局部地区(长江大桥、城市隧道等)道路交通拥堵情况仍然十分严峻。

基于此，急需要开展局部地区交通流优化研究。由于驾驶员的性格不同，车辆的类型不同，其驾驶汽车表现的风格不同，如车型(大型车、中型车、小型车)相同的条件(前车与后车的车型固定)下，后车驾驶员类型：激进型驾驶员表现出过近跟车，频繁的加减速；而保守型驾驶员为避免碰撞，表现出过远跟车；前车运行状态相同工况(前车的速度与时间关系)下，小型车跟随小型车时其保持较近的车间距，而小型车跟随大型车则会保持相对较大的车间距。不论是过远还是过近，这都对交通流造成不良影响如降低道路交通通行量，造成走走停停的交通流，甚至会导致大面积拥堵的形成。

随着自动驾驶汽车智能化技术的发展，自动驾驶汽车不仅可以共享道路交通信息，而且还能自我学习。但是其忽略了驾驶人针对特定车型的驾驶风格。不能保证驾驶人的个性化需求和用户体验指数，仅仅把驾驶员当做乘客，驾驶员没有获得参与感。

为了充分利用汽车行驶数据和提高驾驶员的感知度与局部地区交通流优化效果。自车的类型与历史驾驶数据与特定路段历史交通流数据可以保存到云端服务器，并且可以被其他车辆驾驶员获取。通过自车的历史驾驶数据学习得到自车驾驶员的性格参数，通过统计特定路段历史交通流数据得到特定时段交通流的基准预测模型及车辆型号与驾驶员性格类型的分配比例，进而提供相应的可以接受的改进建议，通过算法实现最大通行量或者最低燃油排放等的最优解。从而缓解局部地区的拥堵，提高道路通行能力。

发明内容

为了有效的识别特定类型车辆的驾驶员性格参数(跟驰车间距与跟驰速度)，本文通过前导车与跟随车的驾驶员类型-车辆类型(人车匹配)历史行驶数据和道路信息学习，获取特定道路环境下，特定车型下特定性格类型的驾驶员的驾驶习惯，即车型-驾驶员性格参数。结合当前的道路环境信息，提取云端相似的道路环境(坡度、光线强度等)与前导车行驶状态，模拟其车型对应的驾驶员面对相似情况下的驾驶操作。并通过算法提取相同车辆-环境下历史行驶数据中最优的(车速波动最小或油耗最少等)跟驰方式并分析其车辆-驾驶员性格参数，将作为其良好跟驰参照。同类型车辆-环境条件下，设定最优驾驶性格参数。对比后车驾驶员的驾驶性格参数与最优驾驶性格参数，通过动态二分法设定后车驾驶员可以接受的驾驶性格参数作为参照，并依据此参照提供相应的驾驶建议来优化跟随车驾驶员的驾驶行为，通过此方法优化车流中的驾驶员的驾驶行为，从而达到对车流中的每位驾驶员提供可以接受的驾驶建议，最终达到优化局部地区交通流的目的。

本发明通过如下技术方案来实现的。

面向局部地区交通流优化的多车纵向跟驰方法，本发明特征在于：采用如下步骤：

1)、特定类型车辆-特定类型驾驶员性格参数获取