基于完全信息多人动态博弈的车道选择模型

doi:10.3778/j.issn.1002-8331.1708-0215

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (23): 238-245.DOI: 10.3778/j.issn.1002-8331.1708-0215

基于完全信息多人动态博弈的车道选择模型

王方1，王晓原1，2，刘振雪1，王建强2，孔栋1，王云云1

1.山东理工大学交通与车辆工程学院智能交通研究所，山东淄博 255049
2.清华大学汽车安全与节能国家重点实验室，北京 100084

出版日期:2018-12-01 发布日期:2018-11-30

Driver’s lane selection model based on multi-player dynamic game with complete information

WANG Fang1, WANG Xiaoyuan1，2, LIU Zhenxue1, WANG Jianqiang2, KONG Dong1, WANG Yunyun1

1.Institute of Intelligent Transportation, School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo, Shandong 255049, China
2.State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084, China

Online:2018-12-01 Published:2018-11-30

摘要/Abstract

摘要： 针对集群车辆驾驶员的车道选择行为，着眼物联网背景，综合考虑车辆集群态势、驾驶倾向性等影响驾驶员行为的因素，建立基于完全信息多人动态博弈的车道选择模型。通过分析不同策略组合下的驾驶员收益，运用逆向归纳法，求解子博弈精炼纳什均衡，得到驾驶员的最优车道选择策略。应用实车实验等手段验证模型，结果表明，所建模型能够较为客观地反映驾驶员车道选择行为及交通流特性。

关键词: 智能交通, 车道选择, 动态博弈, 车辆集群态势, 驾驶倾向性

Abstract: Aiming at driver’s lane selection behavior in a clustered situation, with a view to the background of Internet of Things, the factors which influence driving behavior, such as vehicle group situation and driving propensity, are given a comprehensive consideration, and the driver’s lane selection model based on multi-player dynamic game with complete information is built. The driver’s payoffs under different combination of lane selection strategies are analyzed, and on this basis, the subgame perfect Nash equilibrium solution is solved through backward induction, and the driver’s optimal lane selection strategy is obtained. Actual driving experiment and other means are applied for model validation. The results show that the model built in this paper can objectively reflect driver’s lane selection behavior and the operation characteristic of traffic flow.

Key words: intelligence transportation, lane selection, dynamic game, vehicle group situation, driving propensity

王方1，王晓原1，2，刘振雪1，王建强2，孔栋1，王云云1. 基于完全信息多人动态博弈的车道选择模型[J]. 计算机工程与应用, 2018, 54(23): 238-245.

WANG Fang1, WANG Xiaoyuan1，2, LIU Zhenxue1, WANG Jianqiang2, KONG Dong1, WANG Yunyun1. Driver’s lane selection model based on multi-player dynamic game with complete information[J]. Computer Engineering and Applications, 2018, 54(23): 238-245.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	陈海洋，金晓磊，牛龙辉，刘喜庆. 基于改进克隆选择算法的区域交通灯配时优化[J]. 计算机工程与应用, 2020, 56(9): 272-278.
[3]	桂智明，李壮壮，郭黎敏. 基于ACGRU模型的短时交通流预测[J]. 计算机工程与应用, 2020, 56(21): 260-265.
[4]	谢博宇，李茂青，岳丽丽，陈启香. 无人机-智能车队协同路径实时规划研究[J]. 计算机工程与应用, 2020, 56(20): 20-27.
[5]	李彤伟，王庆荣. 路网交通流在时空分析背景下的预测研究[J]. 计算机工程与应用, 2020, 56(17): 258-265.
[6]	王钰，郭兰英，程鑫. 结合深度学习的短时车流量预测优化方法[J]. 计算机工程与应用, 2020, 56(16): 211-217.
[7]	李亚龙，陈勤，张旻. 基于博弈论的移动目标最优防御策略研究[J]. 计算机工程与应用, 2019, 55(19): 141-146.
[8]	李浩1，2，连捷3，王辛岩4. 基于级联微型神经网络的多角度车辆检测方法[J]. 计算机工程与应用, 2018, 54(22): 233-238.
[9]	谭台哲1，2，卢剑彪1，温捷文1，李楚宏1，凌伟林1. 应用卷积神经网络与RPN的交通标志识别[J]. 计算机工程与应用, 2018, 54(21): 251-256.
[10]	王传连1，张宗朔2. 基于私有云的大规模交通视频处理框架设计[J]. 计算机工程与应用, 2017, 53(21): 254-257.
[11]	王继光. 考虑中断风险的供应链选址博弈研究[J]. 计算机工程与应用, 2017, 53(20): 231-236.
[12]	袁龙强1，党建武1，赵庶旭2. 基于合同网的城市道路事故应急救援策略研究[J]. 计算机工程与应用, 2016, 52(9): 253-257.
[13]	李彦1，张洪博2，石莲英3. 基于SIFT特征匹配的车牌识别方法[J]. 计算机工程与应用, 2016, 52(12): 194-200.
[14]	褚鹏宇，刘澜，尹俊淞，卢维科. 融合时空信息的短时交通流预测[J]. 计算机工程与应用, 2016, 52(12): 246-250.
[15]	杨健，付雅丹，韩京宇，叶真璋. 面向LarKC-ITS的单源最短路径算法优化策略[J]. 计算机工程与应用, 2013, 49(15): 44-47.

基于完全信息多人动态博弈的车道选择模型

Driver’s lane selection model based on multi-player dynamic game with complete information

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics