两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究. 利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验. 研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数. 仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性. 此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.      

微观交通流仿真跟车行为ANN模型研究

微观交通流研究中的车辆跟驰模型是交通仿真的一个基本模型,由于实际道路上驾驶员信息的获取困难,建立的车辆跟驰模型难以标定或验证.应用人工神经网络和五轮仪试验系统获取的城市道路车辆跟驰数据,建立了车辆跟驰行为的神经网络模拟模型.     

交通流多前车位置与相对运动的跟驰模型及稳定性分析

车辆跟驰模型是交通流模型研究的基本模型之一,本论文旨在综合认真分析国内外已有的跟驰模型,建立以车车、车路通信为基础的车路协调系统(VIIS,Vehicle Infrastructure Integration System)下的车辆跟驰模型。该模型是在多前车位置模型的基础上进行扩展,提出了一种多前车位置及当前车相对运动的跟驰模型,以期更加客观的描述实际的交通现象,进行线性稳定性分析,并与FVD模型和合作跟驰模型进行比较,发现自由流稳定的敏感系数临界值变小,稳定区域明显增加。     

网联辅助驾驶混合交通流稳定性及安全性分析

针对常规人工驾驶车辆和网联辅助驾驶车辆随机混合的交通流,分析其稳定性与安全性.基于紧跟常规车的网联车退化为常规车的跟驰特性,提出了网联车随机退化为常规车情形的数学期望表达式,进而建立网联车混合交通流稳定性的一般性分析方法.选取全速度差模型和智能驾驶员模型分别作为常规车和网联车跟驰模型,进行混合交通流稳定性案例分析,考虑常规车与网联车相对数量及相对空间位置的随机性,设计上匝道瓶颈交通安全影响的数值仿真实验.研究结果表明,网联车有助于提升交通流稳定性与安全性,平衡态速度越接近9.8~10.6 m/s速度范围,混合交通流满足稳定状态所需的网联车市场率临界值越大;当网联车市场率大于0.37时,混合交通流可在任意平衡态速度下稳定;相比于常规车交通流,网联车交通流的交通安全水平可提高54.29%~71.36%.     

基于动态安全车距的车辆跟驰模型及稳定性分析

为了更好地模拟车辆的跟驰特性,在全速度差(full velocity difference, FVD)模型的基础上考虑前车与跟随车的车头间距、速度差、速度和加速度等因素,建立了一种基于动态安全车距的改进FVD跟驰模型。构建了可变车头时距模型量化前车加速度对跟驰车头间距的影响程度;应用小振幅扰动分析和长波展开进行了模型线性稳定性分析,推导了改进FVD模型的临界稳定性条件;设计环形道路上微扰动数值仿真实验,分析了扰动后的车辆跟驰行为特性,解析加速度参数对模型抗扰能力的影响。研究结果表明：考虑前车加速度信息可以降低扰动演化时的波动振幅,有助于提高车流的稳定性。     

考虑期望间距的全速度差模型及其能耗

基于全速度差(full velocity difference,FVD)模型,通过考虑期望间距,提出了一种推广的车辆跟驰模型,即扩展的全速度差(extended FVD,EFVD)模型;并给出能量耗散的计算公式,对EFVD模型的能耗进行了研究。信号灯车队启动问题的模拟结果表明EFVD模型的启动延时时间和启动波速均在允许的范围内,加速度较优化速度(optimal velocity,OV)模型和FVD模型略小,且加速过程更贴近现实情况。车队刹车问题的仿真结果表明EFVD模型不会产生不切实际的减速度问题。通过车队碰撞问题的模拟,可知EFVD模型模拟的车头距大于车辆长度,避免了车辆的碰撞。车流扰动问题的数值模拟结果表明考虑期望间距的影响可以增强交通流的稳定性,在一定程度上抑制交通阻塞。能耗仿真结果表明,EFVD模型的能耗比FVD模型的能耗小。     

车联网环境下考虑侧向间距的跟驰模型

为了更好地刻画车辆的跟驰行为,改善交通流的稳定性,在车联网环境下,根据侧向间距确定车辆受前车运动信息的影响程度,提出了一个改进的跟驰模型.首先,利用微小扰动法得到了模型的临界稳定条件,将改进模型的稳定区域与最优速度模型、全速度差模型的稳定区域进行了对比.其次,分析了在不同侧向间距和速度差敏感系数下模型稳定区域的变化情况.最后,在周期性边界条件下,考察了模型所描述的交通流在受到初始扰动后的演化过程,得到了不同侧向间距和速度差敏感系数下交通流的仿真结果.理论分析和仿真结果均表明:考虑侧向间距和前车运动信息能有效增强交通流的稳定性;改进的跟驰模型能有效地改善交通流的稳定性,并能在一定程度上缓解交通拥堵,增大道路容量,提高通行效率.     

信号交叉口左转车辆跟驰行为建模

跟驰模型是交通流理论的核心内容之一,但左转车辆在交叉口转弯过程中跟驰行为的特征表现,尚缺少基于实际数据的深入研究。针对这个问题,设计了信号交叉口左转车辆跟驰实验,基于高精度全球定位系统(global positioning system,GPS)和移动地理信息系统采集车辆跟驰行为相关数据,分析了信号交叉口不同转弯半径下左转车辆跟驰速度时变规律及分布本征。在全速度差(full velocity difference,FVD)跟驰模型的基础上,考虑跟驰车驾驶员对前导车加、减速反应的非对称性,构建了改进的全速度差模型,并采用遗传算法对模型进行了参数标定。最后,以跟驰车加速度为检验指标,利用实测数据对改进的全速度差模型加、减速度过程的准确性进行了分析与评价。结果表明:信号交叉口左转跟驰车辆的平均运行速度与转弯半径成正相关;在不同转弯半径下跟驰车速度出现频数最高的数值随着转弯半径的增大而增大;改进的全速度差模型,能更好地描述交叉口左转车辆跟驰过程,驾驶员对前导车减速行为的反应比对加速行为的更强烈。     

考虑后车影响的多速度差交通流模型

为了进一步提高交通流的稳定性,在多速度差模型的基础上考虑后车的影响提出一个扩展交通流模型. 本文应用线性稳定性理论方法,推导出新模型的线性稳定性条件,结果表明,相同初始条件下的交通系统,车辆的临界敏感系数值减小,增加了交通系统的稳定性. 在相同扰动条件下的数值仿真结果表明:在t=300 s时,FVD模型演化成阻塞交通流,而新模型吸收扰动速度快,达到稳定交通流状态形成自由流,说明向后观测行为能够有效地抑制交通堵塞.     

车联网环境下巡航控制系统对交通流油耗的影响

为研究未来车联网环境下联网巡航控制(CCC)系统对交通流油耗的影响,选取Helly跟驰模型作为手动驾驶车辆跟驰模型,基于CCC车辆跟驰特性,构建多前车反馈的CCC跟驰模型;推导CCC系统的扰动传递函数,计算CCC系统关于反馈系数与平衡态速度的稳定域;针对高速公路上匝道瓶颈,考虑CCC车辆与手动驾驶车辆混合行驶中的随机性,在不同的主路需求与匝道需求情况下设计数值仿真实验,评估CCC车辆对交通流油耗的影响。研究结果表明:当CCC系统稳定时,CCC车辆有利于降低交通流油耗,当CCC车辆比例达到约60%时,油耗降低速度较快,相比于传统手动车辆交通流,CCC车辆交通流油耗降低约35%以上;当CCC系统不稳定时,交通流油耗降低率小于3.59%;CCC系统稳定域能够影响交通流油耗降低。     

考虑后视效应和速度差信息的跟驰模型

考虑后视效应和速度差信息的共同作用,基于全速度差(Full Velocity Difference,FVD)模型,提出了一个扩展的跟驰模型．通过线性稳定性分析,得到了该模型的线性稳定性判据;运用非线性分析方法分析了临界稳定点附近交通流密度波的变化,导出了描述交通阻塞相变时的mKdV方程．对扩展模型进行数值模拟和分析,结果表明考虑后视效应和速度差信息的影响能够增强交通流的稳定性,能有效抑制交通阻塞．     

货车移动遮断影响下的跟驰风险异质性建模

基于移动瓶颈理论和交通流理论构建“货车移动遮断”效应模型,解析货车移动遮断形成机理,选用无人机采集货车移动遮断场景中车辆行驶视频数据并提取高精度车辆跟驰轨迹样本,基于此提出考虑冲突可能性和冲突严重度的小客车跟驰风险评价方法和分级标准,利用RP-ORP模型构建了考虑异质性跟驰风险概率预测模型。结果表明：货车移动遮断动态影响交通流稳定性,其形成过程包括减速跟驰和加速超车两个阶段;考虑异质性的RP-ORP模型能实现特定条件下小客车跟驰行为处于不同风险等级的概率预测,且拟合优度高于FP-ORP模型高;货车纵向加速度、跟驰车头间距、跟驰持续时间、小客车与货车速度差、激进型驾驶员5个变量显著影响小客车跟驰风险水平,且跟驰持续时间和激进型驾驶员2个变量具有随机参数特性。     

一种改进的微观跟驰模型

根据交叉口区域内车辆行为的特殊性，在交通仿真中采用跟驰理论对交通流进行研究．针对目前纯微观跟车模型没有考虑驾驶员反应时间的情形，提出了一种改进的微观跟驰模型．该模型根据车辆行驶特点对道路进行区域划分，能结合交叉口区域的特点，确定车辆最小和最大安全距离的界限值，并充分考虑了驾驶员反应时间造成的延迟对于车辆行驶速度和加速度的影响．通过仿真实验，进一步证实了模型的有效性．     

考虑前方多车辆速度差的优化速度模型

提出了考虑前方多辆车速度差的多重向前看跟驰模型,利用线性稳定性分析给出交通流演化过程的稳定条件;数值模拟对比几种跟驰模型的稳定特性,考虑前方多辆车相对运动速度可避免出现负速度即车辆倒退的现象,并对车流有很好的致稳作用,得出车流越稳定、附加能耗越低的结论.     

应用五轮仪采集车辆跟驰过程描述参数

车辆跟驰模型是微观交通流模拟的一个基本模型 ,用来分析和描述在无法超车的同一车道上一辆车 (驾驶员 )跟随另一辆车的方式 .由于过去的实验数据主要是由两实验车在实验跑道上作跟驰运行或由驾驶员操纵驾驶模拟台获得的 ,难以获取实际道路上驾驶员的信息 ,建立的车辆跟驰模型难以标定或验证 .所介绍的应用五轮仪实验获取、处理和分析车辆跟驰过程描述参数的途径 ,为今后车辆跟驰模型的标定与验证提供了一条新的实验途径 .     

驾驶员距离差感知度对交通流不稳定性的影响

针对实际交通中驾驶员距离差感知度对交通流不稳定性的重要影响,提出一种考虑驾驶员距离差感知度的跟驰模型,并对紧急交通情形下交通流不稳定性进行研究,得出如下结论:1)当实际车头间距小于感知安全距离时,距离差感知不敏感者的交通流不稳定区域更小;且对于感知不敏感者,驾驶员距离差感知度系数越小,交通流不稳定性越小,反之亦然; 2)驾驶员距离差感知度系数越大,驾驶员需要的实际安全距离越小,反之亦然.     

基于时变安全距离的跟驰模型反馈控制

为了更真实地反映交通流特性,在Konishi提出的耦合映射(CM)跟驰模型基础上,考虑不同速度下车辆的不同安全距离,设计了新的安全距离表达式,随后提出了一类基于时变安全距离的CM跟驰模型,并对模型的稳定性进行了研究;基于稳定性理论,给出了模型满足稳定和交通拥挤现象不会出现的充要条件,在此基础上设计了一类滞后反馈控制器以更好地抑制交通拥堵;最后通过仿真算例,对比了Konishi模型和新跟驰模型在抑制交通拥堵和车辆行驶过程中二氧化碳排放方面的性能.仿真算例表明:与Konishi跟驰模型相比,基于时变安全距离的跟驰模型的收敛性更强;所设计的控制器能通过调整车队速度有效缓解交通拥堵和降低车辆二氧化碳排放.     

一种基于动态期望车头时距的跟驰模型

现有跟驰模型把期望车头时距视为常量,因实际交通流具有动态性,静态期望车头时距模型并不能确切地描述现实交通流.提出了一种动态期望车头时距的跟驰模型,将其车头时距用韦布尔分布拟合,使其成为随跟驰车辆性能差异和驾驶员自身差异而变化的动态变量.仿真结果表明,基于动态车头时距的跟驰模型能使后随车车速的平均绝对误差从1.715 9 m/s降至0.762 9 m/s,优于静态常量期望车头时距跟驰模型.     

智能网联车环境下异质交通流稳定性及安全性分析

针对未来道路上由人工驾驶车辆(Human Driven Vehicles,HDVs)和智能网联车(Intelligent and Connected Vehicles, ICVs)所组成的异质交通流,对其稳定性与安全性进行研究.首先,利用全速度差模型(Full Velocity Difference, FVD)和协同自适应巡航控制模型(Cooperative Adaptive Cruise Control, CACC)分别描述人工驾驶车辆和智能网联车的跟驰特性.然后,通过分析不同智能网联车渗透率下异质交通流的线性稳定性,得出其稳定性条件.最后,采用数值仿真实验进行验证,选取多项安全指标评估了不同渗透率下异质交通流的安全性.结果表明:随着渗透率的增加,交通流的车速离散程度减小,即表示安全性能提高;安全指标降低比例减少,即表示交通安全风险降低.因此,智能网联车的应用有助于提高交通安全.     

改进分子动力学的车辆跟驰模型

为了更好地研究复杂情况下的车辆跟驰特性,将车辆跟驰行为类比为分子在一维管道中相互作用的结果.已有的基于分子动力学的车辆跟驰模型利用需求安全间距和车道限速作为因素建立分子跟驰模型,忽略了车辆相对速度对驾驶员跟驰行为的影响,不符合真实的跟驰情况.因此,将车辆相对速度纳入模型结构中,建立分子相互作用势函数和壁面势函数,并据此构建改进分子动力学的车辆跟驰模型.用高精度车载定位仪器对车辆跟驰过程中的参数进行采集,利用遗传算法对模型参数进行标定并对模型进行分析,分别验证模型在不同跟驰状态下的准确性,并与改进前的分子跟驰模型进行对比.结果表明,改进的分子跟驰模型可以更有效地预测车辆的跟驰行为.