混入智能网联车队的混合交通流元胞自动机模型

针对现有自动-手动驾驶混合交通流元胞自动机模型未考虑智能网联车队队列行为,提出了考虑智能网联车队的混合交通流元胞自动机模型,研究混入智能网联汽车车队的混合交通流特征。对混合交通流中的跟驰行为进行了分析,基于跟驰行为的特征,分别构建人工驾驶跟驰模式、自适应巡航模式、协同自适应巡航车队模式的元胞自动机规则,基于数值仿真实验对不同智能网联车渗透率下的混合交通流特性及拥堵情况进行了分析。结果表明：智能网联汽车的应用可显著提高道路通行能力和车辆平均速度,进而有效地缓解交通拥堵。     

多态交通条件下无信号交叉口通行能力模型

为适应交叉口交通流的多态性, 基于混合Erlang分布稠密性, 采用期望最大化算法准确拟合交叉口主路交通流到达车头时距数据. 以次路让行主路交叉口为研究对象, 统计交叉口次路穿越主路的可接受间隙概率, 提出基于混合Erlang分布的无信号交叉口通行能力模型. 以实际交叉口调查车头时距为例, 采用负指数分布、Erlang分布和混合Erlang分布分别拟合车头时距, 并采用不同分布条件下无信号交叉口通行能力模型计算次路的通行能力, 结果表明不仅混合Erlang分布更好拟合分布数据, 所提出的无信号交叉口通行能力模型分析结果也更为准确.     

多态交通条件下交叉口定时控制延误模型

延误是评价交叉口服务水平的基本指标, 延误模型对交叉口信号控制方案的选择意义重大. 在多态交通条件下, 采用现有模型分析信号控制下交叉口延误程度存在较大误差. 为适应交叉口交通流的多态性, 基于混合Gamma分布稠密性, 准确拟合交叉口到达车头时距数据. 运用拟合概率函数, 统计交叉口进口到达交通量概率. 将交叉口按照到达交通量大小分为欠饱和、过饱和两种状态, 根据统计概率提出交叉口信号定时控制延误模型. 实例分析表明, 基于混合Gamma分布的延误与实际结果更为吻合.     

一种混合交通流微观模型仿真实现

充分考虑中国城域混合交通流的特点,利用马尔可夫过程理论对个体运动轨迹、行进方向及行为冲突进行建模,建立了由汽车、自行车和行人构成的混合交通流微观模型.在此基础上,进一步对个体交通行为进行描述和算法设计,并对西安市古城墙内区域各主干道混合交通流的交通行为进行了模拟验证.仿真表明,该模型具有结构简单、层次清晰和可扩展性强等优点.     

元胞自动机双车道人车混合交通流模型的研究

以元胞自动机184号规则为基础,建立了双向两车道含行人,自行车和汽车的“人车”混合交通流模型.考虑了两车道间的超车影响.通过计算机数值模拟,得到不同的混合比例下的混合交通流基本图及不同的自行车和行人密度下汽车的交通流基本图.通过分析,得出了混合交通流的几个重要特性.     

仿真交通流混沌特性研究

基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据.     

换道行为对交通流宏观特性的影响

换道行为对交通流宏观特性的影响至今未得到充分认识.基于车辆行驶有限状态自动机框架,用微观仿真方法对不同交通情景下换道行为的影响进行了研究.结果表明在同质交通流中换道行为对宏观特性没有显著影响.对异质交通流,如果车辆之间存在最大速度差异,则在中低密度区换道行为能显著提高交通流量;如果车辆之间只存在加速性能差异,则换道行为对交通流宏观特性没有显著影响.说明换道行为对交通流宏观特性的影响与车辆差异性质以及交通流密度有密切关系,     

考虑摩擦干扰的机非混合交通流元胞自动机仿真

自行车与机动车混行是我国道路上最常见的交通流形式,而元胞自动机(CA)是研究交通流的有力工具。实际观察表明,与高、低速机动车混合交通流不同,自行车流对机动车流的影响形式主要是摩擦干扰而非阻滞干扰。鉴于此提出了一种考虑摩擦干扰的自行车-机动车混合交通流元胞自动机模型,自行车与机动车分道行驶,但当自行车距离机动车道很近时将给机动车带来侧向安全压力从而引起机动车的减速。通过仿真试验,发现摩擦干扰使得机动车流量-密度曲线更加平滑,并且随着自行车密度增大,中、低密度车流的流量有显著降低,而高密度车流的流量没有明显变化,通过与实测数据的对比,证明该模型能够反映真实混合交通流的关键特性。     

速度差异混合交通流稳态特性与过渡特性

车辆性能差异对交通流宏观特性的影响尚未得到充分研究.使用车辆行驶有限状态自动机模型,对由最大速度不同的两种车辆组成的两车道混合交通流进行微观仿真.结果表明混合交通流进入稳态后,相比同质交通流,中低密度区通行能力明显下降,临界密度增加.随慢车比例变化,换道率-密度关系呈现三种模式.在交通流从初始静止状态到稳态运行的过渡过程中,若初始时刻两车道慢车比例不同,随密度不同有三种不同的过渡模式,在低密度区系统迅速过渡到慢车对称分布状态,中密度区系统逐渐过渡到对称状态,但高密度区系统维持在不对称状态.说明慢车对交通流特性有显著影响,混合交通流的过渡过程非常复杂.     

双车道自动-手动驾驶汽车混合交通流博弈模型及其仿真

随着自动驾驶汽车将会成为道路交通的重要参与者,自动驾驶汽车和手动驾驶汽车所组成的混合交通流会给城市交通系统带来一定的不确定性,本文在对自动驾驶汽车和手动驾驶汽车的驾驶行为进行分析的基础上,提出驾驶行为假设,并对二者在双车道条件下的驾驶行为博弈进行了分析,基于元胞自动机模型对该博弈过程进行了模拟仿真。实验结果表明,随着道路中自动驾驶汽车的比例的增加,交通系统的稳定性随之提高;在一定的车流密度区间内和自动驾驶汽车的占比超越一定比例后,采取将自动驾驶汽车和手动驾驶汽车分流的方式才能有效地提高交通系统的效率。     

基于尖顶突变理论的混合机动车流参数模型

传统的交通流模型很难同时处理交通流的``跳跃'现象和混合机动车流的交通问题.将平均车速作为状态变量, 流量和大车混入率作为控制变量,可以建立尖顶突变模型的平衡曲面方程; 结合交通流的物理意义,对方程进行坐标旋转和平移, 并采用实测数据进行参数标定,进而得到混合机动车流的速度－流量－大车混入率模型.通过京津塘高速公路的实测数据分析表明:混合机动车流的尖顶突变模型具有较好的拟合效果,能够解释大车对混合交通流参数变化的影响,以及拥挤状态附近的突变现象, 具有较好的实际应用价值.     

一种有效的TCP和UDP混合流队列长度控制方法

在分析基于TCP流量控制的随机微分方程(SDE)模型的基础上,针对现有微分流量模型无法描述UDP流量变化的问题,在路由器队列长度变化中引入UDP流量的影响,建立TCP和UDP混合流量的随机微分方程模型,实现了对原有TCP微分流量模型的扩展。通过求解TCP和UDP混合流量稳定状态下的分组丢弃概率,改进了原有基于TCP流的RED队长控制方法,结合RED算法本身来调整其算法的参数,以保持路由器缓存中的队列长度稳定在期望队长附近,有利于控制和保证端到端的延时,使原有的基于TCP流的RED队列长度控制方法能应用于TCP和UDP的混合流。仿真实验表明,改进后的面向TCP和UDP混合流的RED队列长度控制方法对于TCP以及TCP和UDP的混合流均具有较好的适应性,采用该方法可使路由器的实际队列长度保持在期望控制队列长度附近波动。     

超速行为对交通流扰动影响的仿真研究

超速行驶是引起交通事故的主要原因之一,会造成巨大的人员与财产损失,基于元胞自动机对高速公路上的超速行为进行了研究.首先详尽分析了超速行驶特性,然后在现有的元胞自动机交通流模型基础上,构造了符合超速车辆特性的行驶规则,使之成为更符合现实道路状况的元胞自动机模型.该模型中的多种类型个体间交织影响,再现了现实交通流的非线性特点.运用新模型进行数值模拟仿真,发现超速行为将会降低交通流的平均速度,并且最终危害交通流的系统安全.     

基于情绪参照点的多主体自组织路径选择模型

为了研究有限理性条件下出行者群体的自组织路径选择行为对交通流量分配的影响,利用累积前景理论结合小世界社会网络,建立了具有交互机制的多主体路径选择模型。在模型中,将参照点的特性与小世界社会情感优化算法思想进行有机结合,基于出行时间可靠性设计了具有异质特点的参照点及其演化规则,使出行者个体能够依据决策环境及情绪的变化动态地调整自身的出行时间预算,更加符合出行者的实际行为特征。最后,设计了交通流分配演化算法,求解路网配流。研究发现:(1)模型较好地继承了传统模型中的有限理性特点;(2)出行者的异质程度是影响交通流量分配结果的重要因素;(3)本文提出的模型较好地解释了实际交通流分配中的流量变化现象。     

基于出租车停靠行为的城市道路交通流模型及仿真

针对城市交通运输中出租车随意停靠和定点停靠行为特征,运用元胞自动机方法和理论,构建交通流模型,进行数值模拟,并给出道路各车道流量图、时空图和通行效率曲线,分析两种出租车停靠行为对道路交通流影响及演化规律。研究表明:两种停靠行为都会诱发明显交通瓶颈,对城市道路交通流产生显著干扰,形成拥堵,且向上游迅速传递,并得出,当进车率pin较小时,出租车随意停靠行为导致道路尤其是R车道流量和通行效率明显下降;当pin进一步增大时,出租车定点停靠行为对道路流量和通行效率影响更大,即道路中车辆较多时,定点停靠行为会使道路流量和通行效率下降更快,容易产生持续时间较长、对上游路段影响范围更广的拥堵带。研究结果可为规范出租车停靠行为、优化停靠机制,缓解交通拥堵提供决策依据。     

基于改进型替代数据法的实测交通流的混沌判别

通过对实测交通流进行混沌判别，可以为实际交通流的预测和控制提供理论指导。改进型替代数据法是准确判定时间序列是否具有混沌特性的一种有效方法，该算法不仅能够很好地重构原始时间序列的特性，并且能够避免直接识别混沌方法的局限性。本文以关联维数作为混沌判据，应用改进型替代数据法对微观实测交通流的时间序列进行了混沌判别。实证结果表明，我们实测的交通流中存在混沌，改进型的替代数据法能对其进行准确判别。     

基于小波分析的随机交通流组合预测方法研究

针对单一交通流预测方法对短时随机交通流预测适用性不强的问题,为适应交通诱导和信号控制的需要,提出了基于小波分析的短时交通流RBF神经网络及Markov链组合预测方法。在充分分析短时交通流随机特性的基础上,建立了短时交通流组合预测模型,并进行了实例仿真分析,结果表明组合预测较单纯神经网络预测方法预测精度显著提高,在交叉口实时交通控制中具有较好的适应性。     

信号交叉口人机混驾交通流速度控制策略建模

为分析人机混驾交通流下网联自动驾驶车辆（connected and autonomous vehicles，CAV）速度控制策略对交通流运行特征的影响，构建了考虑驾驶员对行车信息获取不确定性的人工驾驶车辆交叉口通行决策模型。提出考虑前车速度影响的自动驾驶速度控制策略，构建信号交叉口连续型元胞自动机更新规则，通过引入不同CAV渗透率、道路饱和度、控制区长度参数，研究CAV速度控制策略对信号交叉口交通流运行特征的影响。结果表明：CAV能显著提高交叉口通行能力，且车流通过交叉口区域的延误显著降低；同时速度控制策略的实施效果还受控制区长度的影响，呈现出随着控制区长度的增加，车均延误逐渐降低并趋于稳定。     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

混合动力汽车操纵稳定性模糊控制仿真研究

通过研究混合动力汽车操纵稳定性控制对电机回馈制动系统的要求及对相关工作状态进行分析,针对混合动力汽车设计了一种新颖的电机回馈制动与液压制动复合混合动力汽车操纵稳定性模糊控制系统,并讨论了前馈补偿控制器、模糊控制器、电机回馈制动协同控制器的设计与协同控制策略.以变道工况、高速转向工况及紧急制动工况为例,进行了混合动力汽车操纵稳定性控制试验研究,结果表明该操纵稳定性控制系统使车辆在以上工况运行时能够迅速、准确、安全地按照驾驶员的意图行驶,制动性能良好,而且在道路条件和行驶条件改变时具有较强的适应性和鲁棒性.