摘 要

随着国内经济快速发展，国内机动车的数量在逐年升高。机动车数量的增多一方面方便了人们的出行以及货物运输，另一方面也促使交通拥堵的情况出现的更加频繁。在众多交通拥堵事故中，车辆换道引起的交通事故及交通延迟占了一定的比例。因此，本文研究了基于马尔可夫模型的车辆换道行为及换道轨迹的预测方法。

通过分析车辆换道行为中存在的马尔可夫性质发现，车辆在行驶过程中产生的换道意图受车辆当前行驶状态的影响，因此以路段上的各车道作为系统状态建立了预测模型。根据“下一代仿真”（Next Generation SIMulation,NGSIM）计划中US-101路段上的车辆行驶数据统计得到路段各车道上车辆进行换道的频率分布，以此作为模型的状态转移矩阵。

在车辆换道轨迹的分析上，本文将车辆的换道运动分解为X方向和Y方向上的运动。通过分析车辆在换道过程中这两个方向的运动，将车辆的换道轨迹预测转变为对车辆横向坐标随时间的变化曲线的预测。进一步分析车辆换道过程中存在的马尔可夫性质发现，车辆在换道过程中某点处未来车辆横向速度的变化取决于当前点横向速度的值，与该点过去横向速度的变化相关性较低。因此本文将换道过程离散化与离散的横向速度共同组成模型的系统状态，通过统计NGSIM数据中20组不同车辆的换道数据得到车辆换道过程中横向速度的变化概率分布，以此作为模型的状态转移概率矩阵。

最后通过模型对抽取的20组车辆行驶数据的换道行为及换道轨迹进行预测，将预测结果与实际的数据作对比。结果表明车辆换道行为预测模型对车辆行为预测的准确率有95%，有着较好的预测效果；车辆轨迹预测模型的预测效果与预测未来的长短有关，当预测点离系统初始点较近时，预测的两点之间的车辆轨迹与实际轨迹的吻合度较高，预测的点离初始点越远吻合度越差。

关键词：马尔可夫过程；换道行为预测；换道轨迹预测

Abstract

With the rapid development of the domestic economy, the number of domestic motor vehicles is increasing year by year. On the one hand, the increase in the number of motor vehicles facilitates people's travel and cargo transportation, on the other hand, it also makes traffic congestion more frequent. In many traffic congestion accidents, traffic accidents and traffic delays caused by vehicle lane change account for a certain proportion. Therefore, this thesis studies the prediction method of vehicle lane change behavior and lane change trajectory based on the Markov model.

By analyzing the Markov property of vehicle lane changing behavior, it is found that the intention of vehicle lane changing in the process of driving is affected by the current driving state of vehicle. Therefore, the prediction model is established with each lane on the road as the system state. According to the vehicle driving data of us-101 in “Next Generation SIMulation”(NGSIM), the frequency distribution of vehicle lane changing is obtained, which is used as the state transition matrix of the model.

In the analysis of vehicle lane change trajectory, this thesis decomposes vehicle lane change motion into x-direction and Y-direction motion. By analyzing the movement of vehicles in these two directions in the process of lane changing, the prediction of lane changing the track of vehicles is transformed into the prediction of the curve of vehicle lateral coordinate changing with time. Further analysis of the Markov property in the process of vehicle lane change shows that the change of future vehicle lateral speed at a certain point in the process of vehicle lane change depends on the value of current point's lateral speed, which has a low correlation with the change of past lateral speed at that point. Therefore, the system state of the model is composed of the discretization of the lane changing process and the discrete lateral velocity. The probability distribution of the lateral velocity in the process of lane changing is obtained by the statistics of the lane changing data of 20 groups of different vehicles in NGSIM, which is used as the state transition probability matrix of the model.

Finally, through the model, the lane changing behavior and track changing of 20 groups of vehicle driving data is predicted, and the predicted results are compared with the actual data. The results show that the accuracy of the prediction model of vehicle lane changing behavior is 95%, which has a good prediction effect. The prediction effect of the prediction model of vehicle trajectory is related to the prediction of the future length. When the prediction point is close to the initial point of the system, the coincidence between the predicted vehicle trajectory and the actual trajectory is higher, and the farther the predicted point is from the initial point, the worse the coincidence.

Key words：Markov process; Prediction of lane changing behavior; Lane change trajectory prediction

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.2.1 车辆行为预测研究 1

1.2.2 车辆轨迹预测研究 3

第2章 相关理论基础 4

2.1 马尔可夫过程 4

2.1.1 齐次马尔科夫链 4

2.1.2 系统状态、状态转移概率矩阵及初始向量 4

2.2 车辆换道过程 5

2.3 本章小结 7

第3章 车辆换道轨迹模型 8

3.1 NGSIM数据库及轨迹数据选取 8

3.1.1 NGSIM数据库 8

3.1.2 NGSIM车辆数据选取 8

3.2 车辆换道行为预测模型 9

3.2.1 模型的系统状态与状态转移矩阵 9

3.2.2 模型的初始向量 9

3.3 车辆换道轨迹预测模型 10

3.3.1 模型的系统状态与状态转移矩阵 10

3.3.2 模型的初始向量 12

3.3.3 模型的轨迹预测 13

3.4 本章小结 14

第4章 模型矩阵统计及预测结果分析 15

4.1 车辆换道模型的矩阵统计 15

4.1.1 车辆换道行为预测模型的矩阵统计 15

4.1.2 车辆换道轨迹预测模型的矩阵统计 16

4.2 模型预测结果分析 21

4.2.1 车辆换道行为预测结果分析 21

4.2.2 车辆换道轨迹预测结果分析 23

4.3 本章小结 28

第5章 总结与展望 29

5.1 研究总结 29

5.2 展望 30

参考文献 31

致 谢 32

附 录 33

第1章 绪论

1.1 研究背景及意义

随着近年来国内经济的高速发展，人民越来越富裕，更多人买的起家用车。2019年发布的《2018年武汉市机动车污染防治年报》中指出，2018年武汉市机动车保有量同比增长12.6%达到324万余辆，其中汽车保有量同2017年比增长35.8万辆，达到302万余辆。公路运输作为地面最重要的运输方式，是经济及社会发展上非常重要的一环。而汽车保有量的不断增长，也导致道路交通拥挤和交通事故的发生的频率在不断增高。道路交通拥挤和交通事故已成为制约经济发展和社会和谐的瓶颈之一。

车辆换道是驾驶员为了到另外一个车道上获取更好的行驶体验而进行的转弯变更车道行为。车辆在变更车道的过程中，可能会发生后车刹车不及时与换道车辆撞车的事故，还可能后车刹车过猛而导致后车后面的车辆与其相撞。在车流量大时，及时刹车没有发生事故也会因刹车造成的连锁反应导致车流量变慢，造成交通拥堵。在所有道路交通拥堵和交通事故的起因中，车辆换道行为占了很大的比例。

为了改善这类问题，政府部门对交通规则进行不断的改善，严格禁止危险驾驶行为如行车时打电话，酒驾等会影响到驾驶员开车过程中注意力的行为。对交通规则的改善一定程度上减少了事故的发生频率，但改善的作用正逐年降低。要进一步的减少这类事故的发生，需要从技术手段上入手。随着传感器技术及计算机技术的发展，近些年来常用的驾驶辅助系统有：自适应巡航系统、车辆偏离预警、换道辅助、前向碰撞警告等。这些系统通过检测车辆周围的状况，在危险时向驾驶员发出警报。然而这类危险预警都在事故发生的前一刻，虽然一定程度上减少了事故发生几率，但还是有处理不及时的情况发生。