基于前车制动过程的车辆跟驰安全距离模型

在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。通过Matlab仿真计算,从理论上验证了该模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题。最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。     

基于最小安全距离的跟驰模型的建立和仿真研究

在常用的基于车间时距的安全距离模型和基于制动过程的安全距离模型的基础上,建立了在单车道跟驰状态下,前导车分别处于静止、匀速和匀加速等不同状态下,跟随车与前导车不发生追尾碰撞的最小安全距离模型,并考虑了车辆加速度渐变的过程,避免了以往模型中采用加速度突变的问题。最后通过Matlab仿真,验证了该模型能够很好地解决常用模型计算的安全距离出现偏差的问题。     

基于时间安全余量的跟驰模型

为了能够找到CA跟驰模型无法对道路的通行能力进行准确分析的原因,并对之进行改进,分别从时间安全余量和空间安全余量的角度对CA跟驰模型进行了分析。结果表明:由于传统CA模型的跟驰间距是在临界跟驰间距的基础上添加一个空间安全余量,因此在车辆低速时,CA模型推出的跟驰间距会大于现实数据,而在车辆高速时,CA模型推出的跟驰间距又会小于现实数据,从而导致CA模型在分析交通通行能力时不准确;而将模型的安全余量加在时间上,则可以在车辆中、低速条件下有效地克服传统CA模型的不足之处,其仿真数据与实地采集的数据,在车流速度不超过60 km/h时有较好的吻合度。     

基于跟驰模型的雾天安全限速研究

为准确描述雾天交通流特性,挖掘交通流速度以及交通状态的关系,本文通过对不同气质的驾驶人在不同能见度下的驾驶行为进行问卷调查,分析雾天驾驶人的驾驶心理特性,在NaSch模型中引入加速概率,改变以往加速过程中的贪婪机制,构建考虑雾天驾驶心理的道路交通流模型。通过数值模拟,得到不同能见度水平下车流密度、车头间距、速度以及排队长度的变化趋势,并利用主成分分析法构建交通运行水平模型,为高速公路雾天不同能见度下选择合适的限速值和行车间距建议值提供辅助决策。     

基于安全间距的车辆跟驰模型研究综述

以计算机技术和车辆跟驰模型为基础的微观交通流仿真是进行各种管控措施模拟实验和进行ITS(智能运输系统)开发研究的重要手段。仿真软件对过程的封装使用户无法全面理解其仿真模型和介入仿真过程,容易对仿真结果提出质疑。为此,对目前多数微观仿真系统使用的基于安全间距的车辆跟驰模型进行综述,介绍其构建思想和算法内核,并对算法的优缺点进行总结。     

基于跟驰模型的雾天安全限速模拟研究

为准确描述雾天交通流特性,挖掘交通流速度以及交通状态的关系,通过对不同气质的驾驶人在不同能见度下的驾驶行为进行问卷调查,分析雾天驾驶人的驾驶心理特性,在Na Sch模型中引入加速概率,改变以往加速过程中的贪婪机制,构建考虑雾天驾驶心理的道路交通流模型。通过数值模拟,得到不同能见度水平下车流密度、车头间距、速度以及排队长度的变化趋势,并利用主成分分析法构建交通运行水平模型,为高速公路雾天不同能见度下选择合适的限速值和行车间距建议值提供辅助决策。     

基于TSK模型的车辆跟驰模型

为解决传统的基于模糊推理的车辆跟驰模型参数校准精度差的问题,提出了基于TSK模型的车辆跟驰模型.采用改进的基于遗传算法的TSK模型辨识方法,对分组中数据点不足的情况作了特别处理,通过GPS采集跑车实验数据,根据实测数据构建并验证TSK模型.实验结果和理论分析吻合较好,模型精度提高了一个数量级,表明TSK模型用于车辆跟驰模型是可行的.     

基于TSK的车辆跟驰模型

为解决基于模糊推理的车辆跟驰模型在参数校准方面存在的问题,提出了基于TSK模型的车辆跟驰模型。对TSK模型在现实驾驶行为中的意义进行了分析,解释了子系统的工作点和线性方程的物理意义,为TSK模型在车辆跟驰中的深入应用奠定了基础。采用改进的基于遗传算法的TSK模型辨识方法,对分组中数据点不足的情况作了特别处理,通过GPS采集跑车实验数据,从实测数据构建并验证TSK模型。实验结果和理论分析吻合较好,表明TSK模型用于车辆跟驰模型的可行性。     

基于神经网络的车辆跟驰模型

应用神经网络模拟无车道变换行为的单一车道车辆跟驰行产 (加速、减速、不动作 ) 神经网络的自学习特点 ,使得神经网络模型把驾驶员周围的各种信息并行结合起为产生可靠的模拟结果     

基于驾驶人距离感知不确定性的跟驰行为建模

以纵向控制模型(LCM)为基准跟驰模型,进行基于驾驶人距离感知不确定性的跟驰行为建模.假设在任意时刻驾驶人的感知车间距离误差分别服从均匀分布与截断正态分布,建立概率密度函数的参数(均匀分布的边界值、正态分布的均值与标准差)与实际车间距离、驾驶人激进性特征的函数关系,分别得到基于均匀分布的扩展模型与基于截断正态分布的扩展...     

基于最大车速的广义力跟驰模型

为了更有效地模拟城市交通流，尤其是城市交叉口交通流的运行状况，在研究跟驰状态中车辆行驶特性的基础上，考虑车辆行驶的最大限制速度，提出了一种基于最大车速的广义力模型。将该模型与Helbing—Tilch广义力模型分别用于模拟车辆经过信号交叉口的动态运动，并采用实际道路上车辆的跟车数据仿真跟车情况。结果表明，该模型不仅消除了Helbing—Tilch广义力模型存在的停车间距过大问题，而且仿真效果更接近实际的交通流特性。     

基于人工势能场的跟驰模型

为提升跟驰模型的模拟精度,更加有效地刻画跟驰行为特性,从车辆的实际运行规律出发,将行驶过程中的各种行为归纳为效率与安全2种因素的相互作用.借鉴人工势能场的基本思想,将这2种因素抽象为驾驶员受到的驱动力和阻碍力,进而建立相应的跟驰模型.根据普遍的驾驶行为特性,将车辆运行状态分为减速停车、起动加速和常态行驶3类,并据此对实...     

一类耦合映射模糊时滞跟驰系统的反馈控制

由于驾驶员在感应车间距变化时存在时变滞后的问题,且其灵敏度随着不同的车速和车间距在一定范围内波动,为了准确描述车辆在行驶过程中的运行状态,文中在耦合映射(CM)跟驰模型基础上,提出了一类模糊滞后CM跟驰模型,并对该模型的稳定性进行了分析.利用Lyapunov函数给出了模糊控制器存在的充分条件,使闭环跟驰系统满足稳定性,即交通拥挤现象能够得到有效抑制,并通过求解线性矩阵不等式(LMI)得到所设计的控制器.仿真实验表明,在该模糊控制器作用下,各辆车的速度震荡幅度得到了有效的降低,且能够更快地恢复到平稳状态,同时有效降低了车辆的二氧化碳排放量,说明该方法对于抑制交通拥挤和降低二氧化碳排放量是有效的.     

基于跟驰行为谱的跟驰风险状态预测

跟驰风险状态反映车辆跟驰行驶过程中的危险程度。为了实时预测跟驰风险状态,基于跟驰行为谱,提取碰撞时间倒数、横向摆动系数、速度不稳定系数3种跟驰风险状态指标,并确定状态划分阈值。采用精确决策树、提升树、线性回归拟合、支持向量机、K-近邻、集成树6种机器学习预测模型进行跟驰风险状态预测,选取准确率、四级风险状态召回率、平均召回率对模型预测效果进行评价,对不同预测时长和不同特征指标序列时长下的预测效果进行对比。基于驾驶模拟器采集的不同道路类型和交通状态组合下6种典型跟驰场景驾驶行为数据进行分析,结果表明,精确决策树预测跟驰风险状态效果最佳;拥挤交通流下支路跟驰的预测效果显著好于其他场景,其他5种场景下的预测效果无显著差异;通过增加特征指标序列时长,可缓解预测效果因预测时长增大而变差的问题。可为车辆主动安全预警与防控提供技术支撑。     

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。     

基于ACC系统的跟驰模型改进分析

目前,国内车辆并没有广泛应用ACC(Adaptive cruise control)系统。研究表明,在跟驰过程中,驾驶员通过感知改变自己跟驰状态,因此该系统具有很大的主观性。在常用的基于ACC的跟驰模型的基础上,建立了考虑驾驶员行为的跟驰模型。通过传统的跟驰模型,进一步研究车辆流之间关系。最后,借助频域分析法验证了该系统的稳定性。利用时域分析法分析得到在特定输入条件下的稳态误差及动态特性。     

基于多国实测数据的跟驰模型对比

为了更精确描述车辆跟驰(CF)行为,并研究不同国家跟驰行为数据对跟驰标定模拟的影响,以及各跟驰模型对跟驰行为模拟的精确程度,选取中国西安市南二环某路段交通流CHD数据集、美国NGSIM数据集以及德国HighD数据集,针对Gazis-Herman-Rothery(GHR)模型、智能驾驶模型(IDM)以及最新被提出的S-shaped three-parameters(S3)跟驰模型进行模型标定以及误差分析,利用加速度、前后车速度差、前后车位置差和后车速度等数据作为输入参数,采用互相关分析与模拟退火相结合的方法进行数据拟合,并利用加速度、速度和位移的均方根误差(R_MSE)对参数拟合后的模型进行性能评价。研究结果表明：针对3个不同国家数据集中的跟驰行为,S3微观模型标定效果均表现最佳,3个数据集的R_MSE平均值均最小,且低于其他2种跟驰模型;德国HighD数据集总采集精度高、数据量大,因此无论采用何种CF模型进行标定,该数据集在跟驰行为标定方面的性能均表现最佳、误差最小。研究结果对交通仿真软件模拟交通流的车辆跟驰模型选取及其参数优化具有重要意义,且对...     

跟驰模型场景基准分析

设计包含7种驾驶工况的自由流场景及跟驰场景,对MITSIM（microscopic traffic simulator）、Gipps模型、Wiedemann模型、FVD（full velocity difference）模型、IDM（intelligent driver model）、S?K模型及LCM（longitudinal control model）7个不同机理下典型跟驰模型进行基准测试。结果表明：各模型均可在一定程度上完成自由流场景下各工况测试,其中LCM的表现最符合认知,IDM的加速度最小且启动时间最长;仅Gipps模型、FVD模型、IDM及S?K模型可完成跟驰场景下各工况测试,其中FVD模型对于前车的状态变化具有最及时的反应;S?K模型在跟驰场景各工况下的速度与加速度始终处于微小振荡中,这也较为符合实际驾驶情景。     

车辆跟驰模型研究综述

从模型形式、参数标定以及模型假设条件的角度出发,对相对速度—加减速度模型、安全距离模型、线性模型进行了综合论述,分析已有模型的特点及适用条件,认为目前的车辆跟驰模型由于其假设前提的限制,制约了其在交通流系统中的实际应用,说明有必要建立基于综合环境影响的车辆跟驰模型,并根据我国交通的实际特点加以运用。     

基于径向基函数神经网络车辆跟驰模型

针对由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型的问题,应用径向基函数神经网络建立了跟驰模型,改进了基于最近邻聚类的网络学习算法,并利用跟驰数据对模型进行了验证.结果表明,该网络模型与多层前馈网络模型相比,结构简单,训练时间短,精度高,适宜在线进行实时预测.