基于相关分析的跟驰模型及其稳定性

为了精确地模拟车辆跟驰过程,应用相关分析的方法建立一系列跟驰模型,用微积分的方法解析模型.通过变量筛选.明确了影响车辆跟驰的重要因素有速度差、间距和前车速度.通过对模型的解析.确定了模型参数的合理取值范围以确保模拟的稳定.建立的跟驰模型可以模拟不同车辆之间的跟驰行为.预测跟驰车辆的运动状态,用于智能车辆控制或者用于追尾预警.如果获得了更完备的实验数据,基于相关分析建立跟驰模型的方法可以更精确地考虑到车辆运动状况、动力性能、道路条件、驾驶特性等影响因素.     

考虑多前车反馈的智能网联车辆跟驰模型

基于智能网联车辆(Connected Autonomous Vehicle, CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明：所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.     

基于相关分析和安全车距的跟驰模型

为精确模拟动力性能各异的车辆之间的跟驰行为,分析了跟驰实验数据和车辆动力性能,采用回归分析法筛选变量,建立新的跟驰模型。根据车辆动力性能与车距修正模型,使模型模拟结果更符合车辆的动力性能,并具有广泛的适用性。模型模拟加速度、速度和位置与实测值之间的相对误差分别为6.0%、0.1%和1.0%,相关系数分别为0.863、0.998和1.000。由此表明模型可精确模拟车辆性能各异与车速和车间距离散性较大的跟驰车队。     

车辆跟驰的随机优化速度模型及其稳定性分析

传统优化速度模型(OV)中把驾驶员的灵敏度系数设定为相同的常数值,而在真实驾驶情 况下,驾驶员的灵敏度系数会在跟驰过程中发生随机性变化。为描述这个交通流的随机行为,将 驾驶员的灵敏度系数模型化为高斯白噪声过程,建立随机优化速度模型(Stochastic Optimal Velocity,SOV)。然后,运用随机动力学稳定性分析中的矩稳定性理论分析SOV模型的稳定性, 得到一阶和二阶矩稳定性条件的解析解,解析式表明：SOV模型的稳定域由灵敏度系数的均值和 噪声强度,以及车头间距共同决定。最后,应用蒙特卡洛法进行数值模拟,模拟结果验证了矩稳 定性条件的有效性。与确定性OV模型进行数值模拟对比,结果表明：SOV模型中灵敏度系数的 噪声强度会增加交通系统产生拥堵的可能性,在扰动传播过程中的影响体现在扰动演化的波动 振幅上。     

不同车速多前导车对跟驰行驶特性的影响

单车道跟驰是驾驶员的主要跟驰行为之一,掌握微观跟驰行为特性对于深入认识宏观交通流特征、改善交通拥堵具有重要的理论意义和应用价值。已有研究发现,除相邻前导车外,下游多辆前导车的行驶状态亦对驾驶员跟驰行为产生影响。然而,目前尚无对下游前导车辆影响跟驰行为的空间范围的定量研究。以美国NGSIM数据为研究对象,定量化研究下游多前导车行驶速度对跟驰车辆运行特性的影响,同时分析了不同速度区间下,前导车对跟驰车产生影响的空间范围及变化趋势。利用Pearson相关系数计算下游车辆速度与跟驰车辆交通参数间的相关系数,进而分析其相关强度,评价其影响程度,为构建考虑下游多车影响的跟驰模型提供理论依据。     

考虑驾驶员记忆的多前车速度差跟驰模型研究

为了探究驾驶员记忆和多前车速度差对交通流的影响,本文基于全速度差模型（full velocity difference model,FVDM）,结合驾驶员记忆因素和多前车对跟驰车的作用,构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。通过改进模型的线性稳定性特征,得出改进模型的稳定性条件。再对改进模型下的车流启动和制动过程进行仿真,并与FVDM的仿真结果作对比。然后采用微小扰动法对改进模型进行数值仿真,研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。最后,利用下一代仿真（next generation simulation,NGSIM）数据标定了改进模型的参数,并预测了其加速度。研究结果表明：驾驶员记忆在一定程度上不利于交通流的稳定,而多前车速度差对稳定交通流具有积极作用;与FVDM相比,改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%,预测精度更高,均方根误差降低了24.3%。     

考虑多车影响的分子动力学智能网联跟驰模型

为研究含智能网联汽车(Connected and Automated Vehicle, CAV)和人工驾驶汽车(Regular Vehicle, RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在混行交通流中的跟驰过程。稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性。数值仿真与模型验证结果表明,与PATH实验室的CACC(Cooperative Adaptive Cruise Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19 m·s^-1,平均误差减小26.79%,拟合精度提高了0.91%。同时,在CAV和RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加。迟滞回环曲线表明,与全速度差(Full Velocity Difference, FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强。该模型可用于同质流或CAV与...     

基于Multi-Agent System的跟驰模型

利用Agent相关理论,基于多个相互协作的Agent,构建了基于Multi-Agent System的跟驰模型,具体给出了各Agent的结构和元组构成,以使车辆在跟驰环境下能自适应、主动地对环境进行响应并做出决策.此外,基于构建的跟驰模型给出了数值仿真实例,并得到合理结论.     

车流密度变化条件下的跟驰模型研究

把车流密度的跳跃性变化作为车流波现象,在高峰小时或者异常情况下(如雨、雪、雾等异常天气),快速路的瓶颈地段经常出现堵塞以及由堵塞引起的车流波。车流波不仅影响瓶颈点下游车辆的运行,还会降低瓶颈点上游路段的有效通过能力。通过大量的交通数据采集,构建基于模糊推理的驾驶员感知——预测行为模型和车流波传播条件下驾驶员微观跟驰模型。结果表明,模型可以有效、准确地模拟车流波传播过程中驾驶员行为。     

车辆跟驰模型对比研究

车辆跟驰理论作为交通流理论的一个重要分支,半个世纪以来一直受到交通研究人员的重视并得到持续快速发展。主要介绍了几个重要模型并结合各自的特点进行了对比研究。建议实际应用时应根据系统要求结合模型的特点进行选择,必要时进行适当的改进。     

跟车模型及其稳定性分析综述

交通流的仿真是以车辆的行为作为研究对象,最终达到模拟不同条件下交通流的目的. 跟车模型是文通流仿真中采用的一个基本模型.综述了跟车模型的发展过程,介绍了不同的模 型及各种稳定性的分析方法,同时对该方向的研究与最新进展进行了分析和展望.     

������ɢѡ�����۵ĸ���ģ��

基于离散选择理论,提出了车辆跟驰模型.考虑七个选择肢中的加减速度,采用选择肢特定参数反映出不同选择肢的吸引程度.为了避免换道行为的干扰,利用HOV车道的车辆数据对模型进行标定和验证.结果显示,大多数的标定参数在95%的置信水平下都是较为显著的.此外,模型反映出的不同的车头间距及速度下的驾驶员对不同加减速度的选择趋势与日常驾驶行为完全吻合.验证结果表明,对于实际状况下被选择的选择肢,大于1/7 (每个选择肢的平均预测概率) 的预测概率的比例大于87%.从观测比例的角度看,实际观测值与模型的预测值之间差异并不显著.最后应用模型模拟30分钟的单车道交通状况.     

CACC车辆跟驰建模及混合交通流分析

建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,并分析不同CACC比例下的混合交通流通行能力,尾部碰撞安全及交通排放.考虑车辆期望车头间距随速度动态变化的交通流特性,建立基于非线性动态车头间距策略的CACC跟驰模型,推导不同CACC比例下的混合交通流基本图模型,分析CACC提高通行能力的交通流运行机理.设计高速公路上匝道瓶颈数值仿真实验,评估不同CACC比例下的车辆尾部碰撞安全隐患,以及油耗、CO、HC、NOx的排放.研究结果表明,本文建立的CACC模型能够在交通流速度基本不变的情况下,以较高的交通流密度显著提升通行能力,同时有利于车辆尾部碰撞安全风险及交通排放的降低.     

基于驾驶人特性的双车道跟驰模型稳定性分析

为了研究交通拥堵问题，了解交通拥挤形成的过程及驾驶员自身特性对双车道交通流稳定性的影响.本文基于复杂网络聚类同步理论，对一类基于驾驶员特性的双车道跟驰模型的稳定性进行研究. 通过设计适当的控制器使得基于驾驶人特性的双车道车辆跟驰模型趋于稳定，并得到了模型稳定性的条件.此外，在双车道上的车辆受到随机外部扰动的情形下，利用具有外部扰动的复杂网络自适应H∞ 聚类同步理论，研究了外部扰动情形下基于驾驶人特性的双车道车辆跟驰模型的稳定性.最后，采用MATLAB仿真技术进行数值模拟，验证所设计控制器对双车道交通流稳定性的影响及不同的驾驶员性格特性对交通流运行的影响.     

基于驾驶人特性的双车道跟驰模型稳定性分析

为了研究交通拥堵问题,了解交通拥挤形成的过程及驾驶员自身特性对双车道交通流稳定性的影响.本文基于复杂网络聚类同步理论,对一类基于驾驶员特性的双车道跟驰模型的稳定性进行研究. 通过设计适当的控制器使得基于驾驶人特性的双车道车辆跟驰模型趋于稳定,并得到了模型稳定性的条件.此外,在双车道上的车辆受到随机外部扰动的情形下,利用具有外部扰动的复杂网络自适应H∞ 聚类同步理论,研究了外部扰动情形下基于驾驶人特性的双车道车辆跟驰模型的稳定性.最后,采用MATLAB仿真技术进行数值模拟,验证所设计控制器对双车道交通流稳定性的影响及不同的驾驶员性格特性对交通流运行的影响.     

沙尘环境下交通流跟驰模型及仿真

沙尘环境下,沙、尘土及其他异物会影响驾驶员的视线,让驾驶员额外增加辨别道路条件和周围交通状况的反应时间,带来一定的交通安全隐患.为探讨沙尘环境对道路交通流的影响,本文建立了基于沙尘环境下驾驶行为的跟驰模型(SDM).线性稳定性分析和数值模拟结果表明：沙尘环境下,SDM的稳定区域缩小,交通流出现小的扰动后,难以恢复到稳定状态;而且,交通流受沙尘影响越严重,车辆速度的离散性越大,加速度的波动幅度也越大.可见,沙尘环境使交通流处于不安全的状态,易引发道路交通事故.