混有网联车队的高速公路通行能力分析

智能网联环境下车辆跟车间距减小,连续行驶的网联车辆可以组建为柔性车队,车队内车辆可以保持更小的车头间距行驶,进而有效提高道路通行能力。文中针对高速公路基本路段传统车辆和网联车辆混行交通流,提出了交通流稳态条件下4种可能的车辆跟驰特性及其空间分布概率,进而建立了高速公路基本路段的基本图模型和车辆换算系数(PCE)计算方法,并进行了网联车辆渗透率和车队规模等参数的敏感性分析。研究结果表明,网联车辆渗透率的提高和车队规模的增加有利于提升通行能力和减小车辆换算系数,且网联车辆渗透率越大正面影响愈明显。另外,当车队规模大于4后,车队规模的增加对通行能力的提升和换算系数的降低作用明显减弱。     

考虑时延的网联车混合交通流基本图模型

由于智能网联车的不断发展,未来将出现智能网联车和人工驾驶车共同存在的混合交通流,因此,研究道路上的混合交通有助于解决交通拥堵等问题,具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系,文中综合考虑智能网联车辆退化和车辆时延,建立了自动驾驶环境下混合交通流的基本图模型。首先,确定交通流中的车辆类型和不同类型车辆的比例,并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化;然后,确定3种车辆的延迟时间并改进每种车辆的跟驰模型;在此基础上,同时考虑车辆时延和车辆功能退化两种因素,推导出交通流平衡时的基本图模型,并对模型中的自由流速度参数进行敏感度分析。研究结果表明,智能网联车对混合交通流的最大流量和最佳密度有积极影响,车辆时延有消极影响,自由流速度则对混合交通流的最大流量有积极影响,对最佳密度有消极影响。SUMO仿真结果表明,在不同场景下仿真得到的流量–密度分布点符合理论曲线,验证了文中理论模型的准确性。     

混合网联环境快速路交织区交通流特性分析

在混合人工驾驶车辆(human-driven vehicle, HV)与网联自动驾驶车辆(connected and autonomous vehicle, CAV)的交通流环境下,为提升快速路交织区的通行效率与行车安全性,深入分析了混合交通流的基本特性.首先,结合交织区通行能力计算模型,研究交织区域长度、交织交通量比和CAV渗透率等因素对交织区通行能力的影响;其次,推导混合交通流基本图模型,并在不同期望车头时距和CAV渗透率下对混合交通流基本图参数进行分析;最后,通过数值仿真实验,分别探讨在由车辆换道行为所产生的单一扰动和频繁扰动条件下,混合交通流行驶速度与车头间距的时空演化规律及交通流稳定性.结果表明：CAV渗透率的提升可以提高交织区通行能力以及混合交通流交通效率;交织交通量比的减小和交织区域长度的增大可提高交织区通行能力;提升CAV渗透率可以有效提高混合交通流的稳定性,但较小的车头间距也会造成一定的安全隐患.     

车联网环境下的动态异质交通流车队离散模型

传统的异质交通流车队离散模型参数估计基于历史数据,不能很好地反映交通流的动态变化特征.为解决这一问题,构建车联网环境下的动态异质交通流车队离散模型.首先,考虑到车联网环境下,车辆行程时间数据易于获得,可对模型的分布参数进行动态估计;然后,基于动态分布参数,构建动态异质交通流车队模型;最后,通过实测数据分析下游交叉口到达流量分布与上游交叉口离去流量分布之间的关系.结果表明:与经典的Robertson车队离散模型相比,动态异质交通流车队离散模型对下游交叉口的到达车辆流量分布预测效果更好,平均预测均方根误差可减少26.51%.     

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和Path实验室标定的自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度、流量、拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,当渗透率为40%～60%时,道路通行能力比纯人工驾驶车辆时提升14%～30%,当道路上全为智能网联车时,其通行能力约为纯人工驾驶车辆的1.9倍;同时在相同智能网联车渗透率下,道路通行能力随智能网联车辆期望车间时距减小而增大。     

考虑网联汽车信息安全的交通流短时预测方法

针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法。首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证。结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4%,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案。     

混有自适应巡航控制汽车的交通流通行能力分析

应用交通流基本图模型,研究不同自适应巡航控制(adaptive cruise control,ACC)汽车比例下混合交通流通行能力。针对现有ACC跟驰模型存在的不足,考虑车头间距-速度函数关系构建新的ACC跟驰模型,推导不同ACC比例下的混合交通流基本图模型,计算混合交通流的流量-密度解析曲线,分析ACC跟驰模型改进前后对混合交通流通行能力的影响作用,并针对性地进行参数敏感性分析。研究结果表明,改进后的ACC跟驰模型可克服原模型通行能力受限的缺陷,将常规驾驶交通流最大通行能力提升近2倍且不受道路最大限速值的影响。     

网联环境下混合车流的速度协调优化方法研究

为了消除高速公路混合交通流波动所带来的不良影响,提出一种基于前车轨迹的速度协调优化方法。首先利用Newell跟驰理论对前车的运行轨迹进行偏移,再利用三角形基本图(KWT模型)对偏移的轨迹进行修正以提高对下游车队尾端HV轨迹的预测精度,然后通过预测的轨迹协调控制上游车队CAV首车在各个时刻的车速,引导上游CAV平稳顺利汇入下游车流来抑制速度震荡造成的交通流波动,最后通过数值仿真分别讨论了20%、40%、60%的CAV渗透率对速度震荡传播的抑制效果。结果表明：CAV的渗透率越大,对抑制速度震荡传播的作用越大,验证了该方法能有效提高交通流稳定性并提升道路通行能力与安全。     

城市交叉口混合交通流到达模型分析

以城市交叉口机动车、电动车、行人为对象,研究混合交通流的到达模型。通过调查获得3种交通流每10 s的到达数据,运用数理方法对其到达特性进行分析。结果表明,机动车的到达特性不一致,电动车、行人的到达特性都符合负二项分布。最后确定3种交通流的到达模型和单位时间内到达交叉口的概率。结果表明,单位时间内交通流到达数越少,概率越大。     

智能网联信息下车辆跟驰模型构建及行为影响分析

基于传统跟驰模型提出考虑多前车速度和加速度信息影响的跟驰模型,根据车辆轨迹信息对跟驰模型参数标定,探究多前车信息对本车运行在交通安全和效率方面的影响以及协同自适应巡航（cooperative adaptive cruise control,CACC）车辆在不同渗透率下对交通安全和效率的影响。结果表明：除了紧邻前车外,多前车的运动信息会对后车的运动造成影响;考虑多前车的速度和加速度反馈会提高交通安全和效率;CACC车辆对交通安全和效率的影响与CACC渗透率和排列方式有很大关系。     

车辆长度和速度对单车道混合交通流的影响

以NaSch模型为基础,采用开放性边界条件,建立由两种长度不一样、最大行驶速度不同的车辆构成的单车道混合交通流模型.通过计算机模拟,研究了车辆的长度和速度对混合交通流的影响.     

基于速度截断对数正态分布的车队流量离散模型

为克服Pacey车队离散模型中车速为服从由负无穷大到正无穷大上的正态分布这一假设而与实际车速分布情况不符的问题,基于实地收集数据,假设车速服从最小速度和自由流速度之间的截断对数正态分布,建立了更符合实际的车队流量离散模型,利用分段函数构造了车队到达下游交叉口的流量分布函数,探讨其与上游断面车队离去流量分布之间的关系.以相邻交叉口信号协调控制为例,结合实测数据探讨了车队流量分布模式,并对比分析了文中模型和Robertson模型的差异,验证了文中模型的有效性.     

基于速度截断对数正态分布的车队密度离散模型

鉴于Pacey提出的车队密度离散模型中车速为从负无穷到正无穷上的正态分布这一假设与实际车速分布情况明显不符,基于实地收集数据,从交通流密度的角度,假设车速服从在最小速度至最大速度之间的截断对数正态分布,由此分析了上游交叉口的排队车辆在绿灯放行后往下游道路行驶过程中的离散特性,利用分段函数方式构造了车队在时空坐标上的交通流密度函数的计算公式.针对信号协调控制应用,提出了在某一时刻公交车队头部驶过和尾部未驶过下游断面的车辆数计算公式,推导了下游交叉口断面处的流量分布模式,结合实测数据分析,验证了模型的有效性.     

基于热力学熵的交通流模型

在分析热力学熵的基础上,讨论了交通流类热力学熵的构造方法,并构造了适用于不同情况下的交通流熵。通过对系统熵变的分析,揭示了交通流熵产生的内部机制,导出了熵产生公式。最后依据熵理论,导出了路段交通系统的交通流状态变化的微分方程,并建立了动态交通流模型。研究结果表明,此法不仅对已有理论具有包容性,而且具有普适性。     

考虑道路几何设计的智能网联车队横纵向协同控制

针对智能网联车队行驶过程中车辆跟驰和路径跟踪的横纵向协同控制,建立三自由度车辆动力学模型并将其作为控制系统,基于改进的智能驾驶员模型模型设计分层式纵向控制器;基于预瞄-跟随理论设计横向控制器.考虑车辆纵向、横向运动的耦合特性,以纵向速度作为横向控制器的状态变量设计横纵向协同控制策略,在CarSim/Simulink仿真...     

基于耦合映象模型的交通流混沌现象分析

针对交通流耦合映象模型中出现的混沌现象，利用Matlab程序产生交通流时间序列，仿真研究了交通流车队中前后车辆之间车头间距的变化过程，并在此基础上讨论了参数变化对交通流运动状态的影响。结果表明，在该模型产生的交通流中，系统由于参数变化沿着Pomeau—Manneville途径走向混沌，从而验证了混沌现象在交通系统中确实存在。     

智能交通控制网络的短时交通流预测研究

随着交通压力的逐步增加,对交通流实现短时的预测可以大大提高交通控制的工作效率。本文针对交通控制短时交通流预测的问题,以多堆标度法进行短时交通漉数据的采集和处理,详细阐述了根据此方法进行短时交通流预测体系的建立和使用。此种预测方法的实现,改变了传统交通流预测方法存在的弊端,提高了智能交通控制网络的短时交通流颓洲的功能,减轻了交通控制部门的压力,提高交通控制的工作效率。     

基于车辆方波脉冲时序图的交通流参数实时检测算法

提出一种基于车辆方波脉冲时序图的交通流参数实时检测算法,克服了现有方法易受光线变化及天气影响、运算量大等缺陷,提高了实时交通流参数检测的准确率,为智能交通系统提供有力支撑。研究基于虚拟检测线,将交通监控视频降维处理为包含时间和空间信息的时空图,而后对时空图进行前景提取,生成二值化时空图的垂直投影,针对像素累积图设计了系统性去噪及车辆对象识别方法,进而生成车辆方波脉冲时序图,实时检测出车流量、车头时距、时间占有率、车辆速度并进行车辆分类。分析结果表明,所提出的方法能克服雨雪天气、夜晚光线等干扰,快速而准确地进行多车道交通流参数获取,计算负荷小,方法准确率高达97.32%,可满足智能交通系统对交通流参数检测实时性和精度的要求。     

智能网联交通系统中的信息物理映射与系统构建

提出将人工智能和信息物理融合系统(CPS)的理论与方法集成融入智能交通系统及其应用,探索"人工智能+交通"的交叉创新领域,在交通物理与信息空间映射、网络通信与时空数据规约、交通安全与可信可控关联等关键问题上形成相关的解决方案和技术体系,推进实现交通信息物理融合系统及其应用的精准治理.