针对当前'请求-响应'被动式行车服务存在的个性化、人性化、实时性等不足,提出了基于多智能体(multi-agent system,MAS)分层集中控制的'自动识别-主动推送'形式的行车主动服务系统(driving active service system,DASS).DASS将行车环境实体与服务作为建模对象,提出基于规划图的行车服务需求模型及用户需求与服务能力匹配算法.以交通安全预警和实时动态路径规划为例,通过自主搭建的驾驶员在环半实物联合仿真平台对DASS典型应用展开实验研究,充分验证了DASS的实时性、主动性与高效性.这对于降低交通拥堵、提升通行效率,加强车辆安全以及改善驾驶体验具有重要价值.
为了解决车联网环境下道路交通事故链(Chains of Road Traffic Incident,CRTI)阻断系统的阻断效率问题,综合考虑阻断代价的经济性、阻断过程的稳定性和阻断技术的可靠性,并以阻断技术可靠性、阻断过程稳定性和阻断代价经济性作为阻断策略分析指标,率先提出了1种车联网环境下动态的、实时的CRTI阻断效率评价算法。危险源是导致事故发生的根本原因,危险度由危险源决定,且危险度的大小能够反映出事故发生的可能性和严重程度,因此以危险源和危险度为评价指标,将危险源分成两大类,并建立"人-车-路-环境"危险度模型以及综合评价函数模型。通过实时筛选、获取车辆周围的危险源,判断是否需要阻断,寻找最优的阻断策略及阻断节点,并计算阻断事故链前后的危险源和危险度,将获取的阻断前后危险源和危险度代入评价函数模型,获取评价函数取值范围,最后通过分析阻断前后危险度对比以及代价函数的取值,实现对阻断效率的综合评价。结果表明:阻断系统能够将行车危险度基本降到3以下,保证了行车安全,总体使行车危险度降低40%左右,保证车辆处于安全状态,并且阻断CRTI成功率达到了90%以上,表明阻断系统能够阻断CRTI的产生;通过评价函数的综合评价,代价值基本在0~1之间,表明阻断系统的阻断效率较高,可较好地实现对CRTI阻断效率的定性、定量综合评价。
