本期導(dǎo)讀

為了解混合駕駛環(huán)境下交通管理的研究現(xiàn)狀和發(fā)展趨勢(shì)，以“自動(dòng)駕駛汽車(chē)”發(fā)展現(xiàn)狀為基礎(chǔ)，分析自動(dòng)駕駛汽車(chē)在混合駕駛環(huán)境下存在的問(wèn)題，基于Citespace文獻(xiàn)計(jì)量工具，CNKI核心數(shù)據(jù)庫(kù)近24年（1997—2020年）有關(guān)自動(dòng)駕駛研究的文獻(xiàn)為研究數(shù)據(jù)源，從發(fā)文年代、期刊來(lái)源、研究機(jī)構(gòu)、關(guān)鍵詞等進(jìn)行文獻(xiàn)計(jì)量和可視化分析，并生成各研究機(jī)構(gòu)間的關(guān)系網(wǎng)絡(luò)圖譜及關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜。結(jié)果表明：國(guó)內(nèi)近5年自動(dòng)駕駛發(fā)文量呈上升趨勢(shì)；《中國(guó)公路學(xué)報(bào)》為發(fā)文量最高的期刊；自動(dòng)駕駛汽車(chē)研究的方向主要包括：①目標(biāo)檢測(cè)及場(chǎng)景感知研究；②決策與控制；③交通事故責(zé)任劃定研究。在未來(lái)混合駕駛環(huán)境下交通管理應(yīng)結(jié)合車(chē)路協(xié)同、高精度地圖技術(shù)，從標(biāo)志標(biāo)線(xiàn)設(shè)計(jì)、信號(hào)配時(shí)優(yōu)化、路權(quán)歸屬、交通事故責(zé)任劃定等方面進(jìn)行研究，使道路運(yùn)輸更安全、高效、便捷。（裴玉龍，等：“自動(dòng)+人工”混合駕駛環(huán)境下交通管理研究綜述）

為了反映高速公路運(yùn)營(yíng)安全狀況，提出了動(dòng)態(tài)風(fēng)險(xiǎn)飽和度理論，構(gòu)建了動(dòng)態(tài)風(fēng)險(xiǎn)飽和度模型和計(jì)算方法。依據(jù)路段不同交通飽和度下車(chē)輛的駕駛行為，以路段交通安全為約束，研究了跟車(chē)行駛和換道行駛2種駕駛狀態(tài)下，考慮車(chē)速變化及霧天等特殊天氣條件影響的路段平均最小安全車(chē)頭時(shí)距計(jì)算方法，利用建立的安全車(chē)頭時(shí)距與安全流量之間的轉(zhuǎn)換關(guān)系，得到不同駕駛狀態(tài)下的路段安全流量。在不同車(chē)輛駕駛狀態(tài)切換閾值下，計(jì)算路段實(shí)際交通流量與路段安全流量的比值得到高速公路路段動(dòng)態(tài)風(fēng)險(xiǎn)飽和度值。以G3高速公路某改擴(kuò)建路段所在路網(wǎng)為例進(jìn)行驗(yàn)證，計(jì)算得到了路網(wǎng)中各路段不同切換閾值下的動(dòng)態(tài)風(fēng)險(xiǎn)飽和度值。動(dòng)態(tài)風(fēng)險(xiǎn)飽和度隨著交通飽和度的增大，呈現(xiàn)穩(wěn)定的先增大后減小的規(guī)律，且在換道行駛狀態(tài)時(shí)達(dá)到最大，在跟車(chē)行駛狀態(tài)時(shí)開(kāi)始下降，與現(xiàn)有交通安全狀態(tài)分析相吻合。相較于交通飽和度，動(dòng)態(tài)風(fēng)險(xiǎn)飽和度更能夠反應(yīng)出高速公路路段交通安全動(dòng)態(tài)變化的規(guī)律。（田萬(wàn)利，等：基于動(dòng)態(tài)風(fēng)險(xiǎn)飽和度的高速公路交通安全分析）

基于端到端數(shù)據(jù)系統(tǒng)的自動(dòng)駕駛系統(tǒng)對(duì)駕駛圖像存在巨大需求。為解決一般生成式對(duì)抗網(wǎng)絡(luò)模型在擴(kuò)充駕駛圖像數(shù)據(jù)集時(shí)不穩(wěn)定及生成圖像特征缺乏多樣性的問(wèn)題，研究1種改進(jìn)網(wǎng)絡(luò)模型LS-InfoGAN。結(jié)合最小二乘對(duì)抗損失防止模型梯度消失，并緩解生成器優(yōu)化矛盾，提升模型訓(xùn)練穩(wěn)定性。通過(guò)最大化生成圖像與真實(shí)圖像間的互信息提升生成器特征學(xué)習(xí)能力，改善生成圖像特征多樣性。利用轉(zhuǎn)置卷積層還原圖像特征，提升生成圖像特征清晰度。以自主構(gòu)建的模擬駕駛場(chǎng)景中獲取的帶標(biāo)簽駕駛圖像集對(duì)模型有效性及其數(shù)據(jù)集擴(kuò)充應(yīng)用效果進(jìn)行驗(yàn)證。實(shí)驗(yàn)分析表明：相比改進(jìn)前模型，LS-InfoGAN模型的圖像生成過(guò)程穩(wěn)定性平均提升35%；使用此模型擴(kuò)充的數(shù)據(jù)集進(jìn)行端到端自動(dòng)駕駛系統(tǒng)中決策網(wǎng)絡(luò)的訓(xùn)練能在不采集新圖像的情況下將系統(tǒng)決策性能提升1%~2%；建議使用此模型擴(kuò)充圖像數(shù)據(jù)集時(shí)將生成圖像數(shù)量設(shè)置為原始訓(xùn)練集圖像數(shù)量的1~2倍。（孫雄風(fēng)，等：基于改進(jìn)GAN的端到端自動(dòng)駕駛圖像生成方法）

針對(duì)雙車(chē)道公路改擴(kuò)建中的S+直線(xiàn)段+S形繞行區(qū)、S+S形繞行區(qū)以及凸形繞行區(qū)，基于現(xiàn)場(chǎng)交通流參數(shù)調(diào)查與數(shù)據(jù)處理，統(tǒng)計(jì)分析了3類(lèi)全封閉施工繞行區(qū)的車(chē)速變化特征，標(biāo)定了速度-流量二次曲線(xiàn)模型并據(jù)此計(jì)算得到了繞行區(qū)各主要區(qū)段的自由流速度和實(shí)際通行能力值，采用Vissim仿真軟件進(jìn)行了繞行區(qū)的交通沖突仿真實(shí)驗(yàn)。研究結(jié)果表明：S+直線(xiàn)段+S形及S+S形繞行區(qū)的交通瓶頸路段均出現(xiàn)在駛?cè)肭€(xiàn)段，凸形繞行區(qū)的瓶頸路段則出現(xiàn)在警告區(qū)末端。3類(lèi)繞行區(qū)瓶頸路段的平均速度較上游正常路段降低了70%左右，通行能力則降低了50%左右。在交通沖突方面，在低流量時(shí)3類(lèi)繞行區(qū)的交通沖突情況差異不大，當(dāng)流量增大到500 pcu/h以上時(shí)，凸形繞行區(qū)的交通沖突明顯比其他2類(lèi)繞行區(qū)更為嚴(yán)重；綜合通行能力、通行效率及交通安全水平3個(gè)方面，S+直線(xiàn)段+S形繞行區(qū)是1種比較適宜的繞行區(qū)形式。（孟祥海，等：雙車(chē)道公路改擴(kuò)建全封閉繞行區(qū)交通特性）