非结构路网内基于驾驶员场景认知的车辆群组运动仿真
Cognition-Driven Traffic Simulation for Unstructured Road Networks
-
摘要: 非结构化路网指的是交通故障、道路施工、潮汐车道等引起的路网内拓扑关系、标志标识、等交通属性动态改变的路网。非结构化路网是城市路网的重要组成部分。在该类路网内，交通属性的动态改变对驾驶员的心理感知决策能力提出了挑战。实现该路网内基于驾驶员场景认知的交通仿真，可逼真再现该类场景内的交通状况，具有重要的现实意义。
现有的车辆运动仿真方法主要侧重于对车辆物理属性的研究，一般通过简单修改物理模型的参数实现对各异性驾驶行为的模拟。这些模型用于非结构路网内的车辆运动模拟时，无法刻画外界因素动态改变下驾驶员心理决策各异性引起的复杂车辆群组运动。交通心理学领域学者从驾驶经验、驾驶员性别及个性特征等方面着手对外界因素动态改变下驾驶员的心理变化展开研究，然而这些研究大都是根据驾驶员的性向测试得出驾驶行为特征，通常并不给出这些关系的数学描述，很难直接用于交通仿真。
为了解决上述问题，本文借鉴认知心理学的理论，提出了一种基于驾驶员场景认知的交通仿真方法。具体来说，首先，我们基于心理学高低空间频率理论对驾驶员的场景认知过程进行了建模，给出了一种考虑驾驶经验的驾驶员视觉过滤模型和一种考虑驾驶员环境熟悉度的信息融合感知过程模型，然后采用logistic回归模拟了驾驶员基于上述感知觉结果的启发式决策过程；其次，我们将高层次驾驶员认知决策结果应用于低层次的车辆运动模拟，构建融合车辆自身运动学、动力学以及驾驶员生理、心理、行为等特征的一体化交通仿真模型。通过对各类非结构化交通场景的模拟表明，本文方法可以较逼真地实现该类场景内的车辆运动模拟，并且我们的一体化交通仿真模型仍旧保持着较高的计算效率。
本文工作的主要贡献如下：
1）提出了一种非结构化路网中各异性驾驶员认知能力对驾驶行为影响机制的建模过程：基于心理学高低空间频率理论，采用多层过滤和回归分析的方法对驾驶员在驾驶经验、环境熟悉度等方面影响下的认知过程进行各异性建模，建立了驾驶员的“认知-决策”模型，该模型可全面模拟驾驶过程中的各种高层认知行为决策。
2）给出了“人-车-环境”系统内驾驶行为与交通流一体化仿真模型：构建了融合车辆自身运动学、动力学以及驾驶员心理、行为等方面的一体化交通仿真模型，实现了非结构化路网内车辆各种复杂运动的模拟。
3）本文的车辆运动仿真方法具有较高的运行时效率。当环境信息量变大时，计算时间略有增加，但是额外的开销只有几毫秒，可以忽略不计。Abstract: Dynamic changes of traffic features in unstructured road networks challenge the scene-cognitive abilities of drivers, which brings various heterogeneous traffic behaviors. Modeling traffic with these heterogeneous behaviors would have significant impact on realistic traffic simulation. Most existing traffic methods generate traffic behaviors by adjusting parameters and cannot describe those heterogeneous traffic flows in detail. In this paper, a cognition-driven trafficsimulation method inspired by the theory of cognitive psychology is introduced. We first present a visual-filtering model and a perceptual-information fusion model to describe drivers' heterogeneous cognitive processes. Then, logistic regression is used to model drivers' heuristic decision-making processes based on the above cognitive results. Lastly, we apply the high-level cognitive decision-making results to low-level traffic simulation. The experimental results show that our method can provide realistic simulations for the traffic with those heterogeneous behaviors in unstructured road networks and has nearly the same efficiency as that of existing methods.
下载: