微观车辆仿真模型分类对比研究

车辆跟驰模型是微观交通流仿真的一个基本模型，它是构成许多重要研究领域的基石．把车辆跟驰模型分为基于交通工程的跟驰模型和基于交通心理学的跟驰模型以及基于二结合观点的跟驰模型．从交通工程、交通心理学及二相结合的角度对几个常见的车辆跟驰模型进行了比较研究，介绍了各车辆跟驰模型的建模原理以及它们各自的特点，重点阐述了它们在微观交通模拟中的应用．     

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。     

混合交通环境下降雨对车辆跟驰行为的影响分析与模型构建

针对混合交通环境下车辆跟驰分析时缺少对降雨环境考虑的问题,通过研究驾驶人在降雨环境下驾驶行为的改变,构建在不同降雨强度下适用的跟驰模型。首先,通过Python程序从云控平台数据库中提取车辆跟驰数据和降雨强度数据,分析了车辆在不同降雨强度和交通流状态下的跟驰速度、加速度和车头间距等变化特征以及其相互作用关系,进一步探索了降雨与正常天气下车辆跟驰行为的差异。其次,从优化速度跟驰模型出发,使用加速度衡量跟驰行为特性,综合考虑降雨对前后车相对距离和相对速度的影响,提出了适用于不同降雨强度下的安全间距和驾驶人期望速度确定方法,构建了不同降雨强度下的跟驰模型,并采用遗传算法对新模型进行了参数标定。最后,通过交叉验证方法对标定结果进行了评估,计算了模型输出值与实际值之间的误差。研究结果表明：降雨环境下车辆速度和加速度随着降雨强度的增加有不同幅度的降低,但是车辆加速度变化程度比车辆速度变化程度明显,这说明加速度对于降雨反应更加灵敏;降雨环境下,车头间距受前车速度影响,进而控制后车跟驰速度,不同降雨强度和不同前车速度区间都影响车头间距大小,后车跟驰速度随着车头间距的增大而增大;模型计算结果与实测值的均方...     

考虑前后车速度关系的车辆跟驰模型

分析了传统车辆跟驰模型的局限性,建立了考虑前后车速度关系的车辆跟驰模型：前后车以相同速度匀速行驶时的跟驰模型;前后车以不同速度匀速行驶,后车速度小于前车速度时的跟驰模型;前后车以不同速度匀速行驶,后车速度大于前车速度,当前车速度不变时的跟驰模型和前车减速时的跟驰模型．以四种跟驰模型为基础,分别建立了相应的速度一间距关系和车辆追尾模型．追尾模型表明：最小车头距离是后车速度的二次函数,随后车速度急剧缩小;当实际车头距离小于该值时,则会发生追尾事件．     

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.     

考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型

为分析受侧向车辆换道影响下的目标车辆跟驰行为，结合多速度差理论跟驰模型和深度学习方法，提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性，提出了双车道多速度差跟驰模型（FS-MAVD模型），并利用差分进化算法进行模型参数标定。构建了CNN-Bi-LSTM-Attention数据驱动车辆跟驰模型，利用卷积神经网络层（CNN）充分提取前向和侧向车辆交通特征，双向长短期记忆网络层（Bi-LSTM）考虑驾驶员记忆效应，注意力机制层（Attention）用于分配模型权重，并基于数据进行驾驶员记忆时长、模型训练批次和训练轮数参数的训练。考虑理论模型广泛适用性和数据驱动模型接近真实值且平滑的特点，采用最优加权法将两种模型进行组合预测。利用无人机拍摄的快速路车辆轨迹数据，建立跟驰行为样本集，对所建模型进行训练和测试，并与LSTM模型、Bi-LSTM模型、CNN-Bi-LSTM-Attention模型、FS-MAVD理论模型的预测效果进行对比，并分别比对不同模型对不同车辆的预测精度和误差。结果表明，本研究构建的组合模型在加速度预测精度达到9...     

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。     

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。     

多车道下的车辆行为模型研究

针对我国混合交通的特点,提出一个新的车辆行为模型,模型由跟驰模型、邻车影响模型和换道模型共同组成.在新模型中将车辆的跟驰状态划分为一般跟驰和自由行驶,充分考虑了驾驶员的反应延迟.同时,鉴于多车道间车辆的相互干扰,还建立了邻车影响模型,探讨同向及对向的相邻车辆对驾驶行为的影响.运用面向对象开发环境VC 6.0对模型进行软件实现,将仿真计算结果与已有的实测数据进行对比,取得了较满意的结果,证明所建模型符合实际情况.     

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.     

交通流微观模型与宏观模型的统一

以改进的微观跟车模型为基础，利用交通注稳态特性和概率统计方法得出了交通流宏观统计模型，首次在严格理论意义上使交通流微观模型和宏观统计模型得到了统一，所得的宏观统计模型在许多方面优于传统的经验回归模型。     

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.     

车辆跟驰模拟模型的建立

在微观交通流模拟中 ,由于驾驶行为的不确定性 ,难以建立精确模型。本文以“期望间距”为基准参量 ,考虑驾驶员的心理和生理因素 ,建立了车辆跟驰模型 ,为研究驾驶行为提供了一种新的思路     

双参数动态Gamma分布模型及贝叶斯预测

给出了观测值服从双参数Gamma分布,并在自然参数与状态参数之间满足线性关系ωt=Ft′θt的假设下,利用共轭分布给出了相应模型的修正递推及其预测公式。     

网络中的流量模型

流量模型是流量预测和网络性能评价的基础。好的流量模型必须能够准确描述网络实际流量的特征情况，这样才能准确预测流量状况。然而近年来研究发现网络流量具有自相似性，传统的基于泊松分布的流量模型已不能很好地表述这一特征。根据流量的不同相关特性，介绍了当前网络应用的典型模型，对它们的特点进行了分析论述。     

基于改进的隐马尔科夫模型的词性标注方法

针对隐马尔可夫(HMM)词性标注模型状态输出独立同分布等与语言实际特性不够协调的假设,对隐马尔可夫模型进行改进,引入马尔可夫族模型。,该模型用条件独立性假设取代HMM模型的独立性假设。将马尔可夫族模型应用于词性标注,并结合句法分析进行词性标注。用改进的隐马尔可夫模型进行词性标注实验。实验结果表明:与条件独立性假设相比,独立性假设是过强假设,因而基于马尔可夫族模型的语言模型更符合语言等实际物理过程;在相同的测试条件下,马尔可夫族模型明显好于隐马尔可夫模型,词性标注准确率从94.642%提高到97.126%。     

Performance Analytical Model of IEEE 802.11 Distributed Coordination Function

IEEE 802.11 distributed coordination function （DCF） is a distributed medium access scheme based on carrier sense multiple access with collision avoidance （CSMA/CA） protocol. Many literatures have analyzed the performance of IEEE802.11 DCF. However, such literatures either used simulation methods or built the analytical models under the assumption that the saturation condition was satisfied. To overcome such a problem, in this paper, a hi-dimensional Markovian model has been introduced to depict the DCF mechanism. The proposed model introduced an idle stage and a discrete time M/G/1 queue to deduce the channel throughput under finite load traffic. Simulation results proved the accuracy of the proposed model.     

面向区域交通状态预测的时空集成模型

在智能交通系统中,交通状态预测发挥着至关重要的作用。针对现有的交通预测方法集中于中微观层面,且时间和空间维度单一的问题,提出了一种面向区域宏观交通状态预测的集成模型。该模型以交通指数为依据,在时间维度上采用时间序列预测方法获得时间预测结果,在空间维度上采用支持向量回归方法获得空间预测结果,并在集成模型中将两者的结果融合。在交通指数云图上的实验结果表明,与单一维度的时间或空间模型相比,该模型能显著提高预测精度。     

多用户动态交通流分配模型及算法研究

通过对动态交通网络中瞬时反应型和预测型出行者行为假设的分析,提出了将两者结合并增加固定路线出行行为假设的多用户动态交通流分配模型.同时通过对动态交通网络出行者行为的相互制约特性分析,给出了求解上述模型的迭代算法.本模型拓展了以往构建模型中出行者行为的单一性假设.本模型及算法也可直接应用于先进的出行者信息系统,并为路径导行系统中网络的效益分析提供理论依据.