SUMO學習

• SUMO簡介
• • 1、車道模型
  • 2、跟馳模型
  • • 跟馳模型
    • CACC
  • 3、變道模型
  • • • 1. Strategic change 戰略變道
      • 2. Cooperative change 協同變道
      • 3. Tactical change 戰術變道
      • 4. Obligatory change 義務變道
• FLOW

SUMO簡介

SUMO是一款交通模擬器，單機模擬。
宏觀上可以模擬出行需求OD，以及路網結構
微觀上主要可以模擬車道模型(交叉口通行權規則，車輛在不同交叉口的行為等)、跟馳模型(車輛的加速減速，與前車相關)、變道模型(多lane時的車道選及換車道時的速度調整)三部分。
【道路車輛微觀駕駛動力學？？】

1、車道模型

2、跟馳模型

SUMO中跟馳模型主要有Krauss，IDM，Wiedemann，BKerner，PWagner 和SmartSK這六種。
論文[1]詳細對比和分析了SUMO平臺下6種跟馳模型在車輛密度、車輛平均速度、道路占用率3個方面的性能。

跟馳模型

car-following model是將交通流處理成分散的粒子，運用運動學方法來研究前車leader的運動狀態變化后所引起的后車follower的相應行為。
跟馳模型需要處理兩種情況：有前車和無前車

• 無前車：又稱為自由流，車輛始終保持著最大速度。
  最大速度的設定需要考慮三個因素：【取這三個速度的最小值為最大車速】
  1. 車輛本身的vmax
  2. 前一時刻速度經歷了最大加速度后能夠達到的最大速度，即v(t)+a(t)Δt
  3. 當前道路的限速vlimit
• 有前車：又稱為擁堵流，車輛趨于保持著最大安全車速，確保即使前車緊急剎車時也不會相撞。不同跟馳模型的主要區別就在于這個安全車速的計算。
  常見的跟馳模型有：
  1. 刺激-反應類：GM model
  2. 安全距離類：Gipps model、Krauss model
  3. 智能駕駛類：IDM
  4. 人工智能類：模糊口昂之模型、神經網絡模型
  目前 SUMO種采用的是改進版的Krauss model。

參考：
[1]崔居福,胡本旭,夏輝,陳飛,程相國.SUMO平臺下多種車輛跟馳模型的仿真對比分析[J/OL].重慶大學學報:1-15[2021-10-23].http://kns.cnki.net/kcms/detail/50.1044.N.20200207.1732.002.html.
[2] SUMO中的車輛動力學模型

CACC

CACC參考學習鏈接
1、ACC，全稱為adaptive cruise control，也稱自適應巡航控制
2、CACC, 全稱為cooperative adaptive cruise control，也稱協同自適應巡航控制，是應用于自動駕駛車輛跟馳研究的熱門模型。
控制方式基于車-車無線通信（V2V），它打破了ACC模型中只能獲取前車模型的局限，能夠獲取周圍車輛的信息（在周圍車輛也安裝CACC系統的基礎上），它獲得感知環境時更全面、精確且時延小，因此能夠進一步減小行車時延，保證行車安全。（在自動駕駛技術的研究中，有一項稱為CACC車輛退化率，即指當自動駕駛車輛的前方車輛由自動駕駛車輛變為人工駕駛車輛時，后車由CACC退化為ACC，這是在研究列隊行駛中較為重要的指標）

3、變道模型

SUMO中的每一步，車輛都會按照下面順序進行計算： 1. 計算優先備選車道。computation of preferred successor lanes（called bestLanes）. 2. 計算假設呆在當前車道的安全車速，并結合前一仿真步驟中與變道相關的速度要求。 3. 換道模型計算換道的需求。 4. 要么執行換道動作，要么計算下一仿真步的需求速度。是否需要變速取決于換道請求的緊急程度。 相較于其他微觀換道模型，該模型明確區分了四種不同的換道動機：

1. Strategic change 戰略變道

當車輛必須換道以便于能夠駛向其行駛路徑的下一條道路，這種換道行為稱之為戰略換道。
這發生在這輛車所行駛的當前車道與其行駛的下一條道路之間沒有連接的情況下。一條左轉車道對于直行車輛而言是死胡同。在沒有其他動機組織的情況下，車輛可能會在到達車道盡頭前提前執行戰略性換道。

2. Cooperative change 協同變道

在一些實際情況中，車輛換道的唯一目的是幫助另一輛車輛換道到他所在的車道。不能進行協同變道的車輛可以稍微調整自己的速度，以增加后續仿真步驟的成功概率。
特殊場景：多車道環島。所有車輛進入環島后也需要出去，這么短的距離使得車輛有戰略變道的需求，這就導致車輛都擠在最外側車道，使得多車道環島變成了單車道環島。因此，換道模型迫使尚未到達最后環形車道edge的車輛轉向內車道。

3. Tactical change 戰術變道

戰術變道是指車輛試圖避免跟隨緩慢前車的動作。這需要平衡從換車道中獲得的預期速度收益和換車道的努力(這是一個很有爭議的駕駛員主觀價值)。speedGainProbability用來衡量車輛為了速度提升而換道的可能性，speedGainProbability在每個仿真步驟中遞增修改，并在變道時重置以防止振蕩。

4. Obligatory change 義務變道

清除超車車道的強迫行為可以被定義為合作行為，因為它幫助了其他速度更快的車輛。本節中所述的行為為交通法規強制行為。在當前的換道模型中，每輛車保持一個變量keepRightProbability，該變量隨時間遞減，一旦超過-2的較低閾值，就會觸發向右換道(使用負值來表示可變speedGainProbability)。
[3] Erdmann J . Lane-changing model in SUMO[C]// Sumo. 2014.

FLOW

官網地址flow官網地址
伯克利[6]基于SUMO的二次開發項目。待學習。

[4] Wu C , Kreidieh A , Parvate K , et al. Flow: Architecture and Benchmarking for Reinforcement Learning in Traffic Control[J]. 2017.
[5] flow學習博客
[6] 伯克利

總結

以上是生活随笔為你收集整理的SUMO学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。