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。     

一种改进的车辆跟驰动力学模型

针对现有跟驰模型存在的不足,文中提出了一种新的优化速度(期望速度)函数,基于“刺激—反应”模式建立了改进的车辆跟驰动力学模型,并运用李亚普诺夫运动稳定性理论对其进行了稳定性分析.最后运用实测数据对模型进行了参数标定和应用性验证.结果表明:改进模型在模拟交通流的启动加速、近似匀速和减速过程方面与实测数据都具有较高的一致性...     

双车跟驰模型稳定性及非线性分析

考虑双前车信息的影响,提出了交通流双车跟驰模型. 通过线性稳定性分析,得到了改进模型的稳定性条件,改进模型通过调节次近邻前车信息,提高了交通流的稳定性. 并对改进模型进行了非线性分析,获得了不稳定区域下的扭结一反扭结密度波. 模拟结果与解析结果一致. 数值模拟结果也表明,次近邻前车对交通流存在不可忽视的影响.     

基于车辆跟驰理论的交通流动力学模型与数值仿真

为改进交通流模拟,提出了微观与宏观统一的交通流动力学模型.从微观的车辆跟驰模型出发,假设路段单元体中的车流为整体,且单元体的运动遵守拉格朗日坐标系下的车辆跟驰运动模型,那么该模型在变换为欧拉坐标后,与流量方程结合,推导出宏观的交通流动力学模型.模型分析和数值仿真表明该模型能够良好地模拟交通流的堵塞和疏导等现象.     

基于最紧邻前车加速度信息的跟驰模型

为了提高车流的稳定性能,考虑最紧邻前车加速度信息的影响,在优化速度差模型(Optimal velocity difference,OVD)的基础上,引入参数p表示驾驶人对最紧邻车辆加速度信息的关注程度,提出了含加速度项的跟驰模型。通过线性稳定性分析,得到交通流的临界稳定判据。数值仿真表明新模型与OVD模型比较,通过调节参数p,可以避免在低敏感系数下OVD模型中负速度现象的出现,同时,加速度效应对车流致稳效果更加明显。因此,研究模型能更有效地增强车流稳定性能和更好地描述实际交通流现象,为多车协同驾驶策略提供了先导作用。     

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．     

对车辆跟驰模型的探讨

针对普遍存在的车辆跟驰问题,简述了车辆跟驰理论及其已有的一些模型,在此基础上对修正的跟驰模型提出自己的观点。     

车辆跟驰模型的发展综述

对车辆跟驰理论进行概述,分析车辆在非自由状态行驶下的跟驰特性。跟驰模型在近70年的发展历程中,吸引了交通工程学、统计物理学、心理学等不同领域的专家参与研究,建模时考虑因素由单一到多元、由简单到复杂,随着模型的不断发展,逐渐贴合于实际交通状况;分析了刺激-反应类模型、安全距离Gipps模型、优化速度FVD模型、元胞自动机模型,重点剖析了四类模型的建模思路和改进过程,对经典跟驰模型进行总结对比;展望了跟驰模型未来发展的趋势,指出在无人驾驶和智能网联的大环境下,基于机器学习的安全跟驰状态辨识方法研究、基于机器学习的跟驰特性研究及基于多元信息融合的跟驰模型构建等将是未来的发展方向。     

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。     

交通微观仿真跟驰特性的研究与实现

采用高级程序设计语言Visual Basic构建了针对典型路况——交叉路口的微观跟驰仿真模型,并与实际路况相联系,针对制约性、延迟性和传递性对跟驰模型仿真曲线进行了讨论,力求使该模型更好的贴近真实的交通状况.     

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．     

考虑预估驾驶行为的跟驰模型及其稳定性分析

在 OV 模型的基础上,进一步考虑预估驾驶行为对车流的影响,提出一个新的跟驰模型以获得预估驾驶行为与交通拥堵的关系。通过对新模型进行稳定性分析得到了系统的临界稳定条件。数值仿真结果表明：新模型能够模拟诸如时停时走、系统临界相变等实际交通现象,较 OV模型更贴近于实际。同时,预估驾驶行为增强了交通流稳定性能,提高了车流陷入交通阻塞状态的阈值。最后以车速的平滑度和波动幅度最小为评价指标得到了新模型中预估参数的最优取值范围。     

考虑车辆动力性能的跟驰模型

针对传统跟驰模型产生过大的加速度问题,采用可变的期望间距模型,并考虑车辆所允许的速度与加速度取值约束,建立了考虑车辆动力性能的微观跟驰模型,模拟加速度与速度、车间距的变化关系,并进行仿真分析。研究结果表明:加速度最大值取4 m/s2时,流量-密度曲线由线性区自由流和非线性区协同阻塞流组成;当加速度最大值为5 m/s2时,流量-密度曲线分成3段,分别是线性区自由流、非线性区协同阻塞流和交通量基本恒定的宽幅阻塞流;随着加速度的变大,流量-密度曲线由2相变成3相,且协同阻塞区变宽,交通流的稳定性变差;同Bando模型及多相模型相比,该模型能更好地反映交通流的实际特性。     

基于实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,本文选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用本文实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

考虑多车稳态期望速度效应的拥堵控制跟驰模型

拥堵控制是智能交通系统的一个关键问题。基于Konishi等的研究成果,考虑多车稳态期望速度效应对车流运动特性的影响,提出一个新的拥堵控制跟驰模型。运用系统控制理论,得到系统保持稳定的判据。数值仿真结果表明:与前人研究成果相比,多车稳态期望速度效应对交通流具有更好的致稳作用,提高了车流陷入交通阻塞状态的阈值。因此,提出的模型较前人的成果能进一步缓解交通拥堵程度,使交通系统稳定性增强。     

可变参数动态灰色预测模型的建立与实证研究

在固定参数动态灰色预测模型基础之上进行改进,提出了可变参数动态灰色预测模型.固定参数动态灰色预测模型的参数值为0.5,可变参数动态灰色预测模型的参数值由预测对象的影响因素来决定.根据对我国集成电路产业的应用研究,说明了可变参数动态预测模型具有更好的预测精度.同时,针对可变参数动态灰色预测模型的计算量很大的特点,应用Java编制了应用软件,可以方便快捷地进行运算,有利于该模型的应用推广.     

考虑交通障碍的双车道扩展交通流模型

借助智能交通系统（ITS）,本文把扩展的车辆跟驰模型应用于双车道,建立根据确定规则进行换道的扩展交通流跟驰模型。通过改变发车车头间距,在开放边界条件下左车道有交通事故发生的时,重现实际交通中的交通流现象。数值模拟发现：双车道交通流模型能够有效的抑制交通流阻塞,提高交通流量。