基于最优速度模型的改进安全距离跟驰模型

针对最优速度(OV)模型及其相关衍生模型(GF,FVD等)假设安全距离恒定的缺陷,提出了基于最优速度模型的改进安全距离跟驰模型,并对本文模型的改进情况进行理论分析。根据本文模型仿真分析了道路车流密度、车辆最大可行驶速度和驾驶员反应延迟时间对交通流稳定性的影响。最后,采用美国NGSIM数据库数据作为样本,通过聚类分析对本文模型进行检验,并与OV模型、GF模型和FVD模型进行对比,结果证明了本文模型的准确性和有效性。     

改进的基于安全距离的车辆跟驰模型

由于经典的基于安全距离的车辆跟驰模型Gipps模型要求车辆行驶时恰好与前车保持安全距离, 这是一个对车辆跟驰行为过分严格的约束, 不符合实际情况, 根据实际情况提出车辆跟驰距离是有关安全距离和前后车相对速度的函数, 并据此建立了改进的基于安全距离的车辆跟驰模型.NGSIM数据经过处理后被用来标定Gipps模型和改进后的模型, 在标定结果的基础上对模型进行了统计意义上和仿真预测能力上的模型评价.结果显示:改进后的基于安全距离的车辆跟驰模型比Gipps模型有更高的仿真精确, 可以再现出宏观交通中的稳定交通流和冲击波等常见的交通现象, 并且改进模型在一定程度上使交通流变得更加稳定.     

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。     

考虑侧向偏移的车辆跟驰模型

为了定量描述前导车与跟驰车之间的侧向偏移对车辆跟驰行为的影响,建立了考虑侧向偏移的车辆跟驰模型.通过引入中心线偏移量的概念,建立了侧向偏移与前导车加速度的关系,进而将跟驰模型扩展到二维模式.对模型进行数值仿真分析,表明模型符合稳定性的要求,同时能够描述实际交通流中的一些宏观现象.这些结果验证了新模型的有效性.     

基于跟驰数据采集分析的各异性跟驰模型

基于模型参数的相关性提出了特征因子的概念,在此基础上提出了一种基于跟驰数据研究车辆及驾驶员特性的方法,方法包括:跟驰数据采集、数据处理和参数标定、参数相关性分析、特征因子计算、特征因子分布研究。当特征因子分布状况已知时,可以通过特征因子和模型参数的换算实现基于车辆和驾驶员特性的交通仿真。对在南京市采集的跟驰数据进行分析处理,研究了跟驰模型参数间的相互关系,以优化速度模型(OV)和智能驾驶模型(IDM)为例实现了基于跟驰数据的车辆和驾驶员特性的描述和分析。     

考虑前后车辆综合效应的跟驰模型及其稳定性分析

为了进一步增强车流的稳定性,通过分析后视效应和前车优化速度差信息的综合作用,在FVD模型基础上,建立新的BL＆OVD模型．通过线性稳定性分析,得到新模型的稳定性判据．采用非线性分析方法,推导出mKdV方程用于描述系统临界稳定点附近的交通拥塞演变规律．数值仿真结果表明,综合考虑后视效应和最优速度差信息能有效抑制车流随机干扰信号在车流中传播放大,提高车流稳定性,从而舒缓交通拥堵．该模型对车流有进一步的致稳作用,有助于车辆自动驾驶系统中驾驶策略的设计．     

考虑侧向偏移的车辆跟驰行为建模及仿真

为了描述真实交通环境中车辆交错跟驰的现象,在全速度差模型的基础上引入了视觉角和侧向偏移角的概念,采用侧向偏移角变化率作为衡量车辆横向运动的关键参数并建立了考虑侧向偏移的车辆跟驰模型。通过线性稳定性分析得到了新模型的稳定性条件。理论分析和数值仿真结果表明:改进模型能够有效地描述车辆交错跟驰行为对交通流稳定性的影响,侧向偏移会减少交通流稳定区间,更容易使稳定车流变成时走时停交通流。     

车辆跟驰理论的实用研究

分析了同一车道上行驶的一队汽车的跟驰特性,用车辆跟驰方程描述其运行状态,以此建立了直行车队通过灯管路口的数学模型,可用计算机求解车队中任一辆汽车在任一时刻的距离、速度和加速度,以便应用于线控和通行能力的计算。     

与车辆跟驰理论统一的一维交通流动力模型研究

本文从交通流的连续性假设开始,将交通流中的每一个参数(包括交通压力)都在流体流中找到了恰当的比拟。通过理论推导,得出了类似一维可压缩理想流体流动的交通流连续性方程、欧拉微分方程和动量方程。并从一维定常交通流的分析研究中,得出了交通压力的数学表达式。从而得出了由连续性方程、欧拉微分方程、交通压力表达式和状态方程构成的一维交通流动力模型。论证了该模型与车辆跟驰理论是统一的。     

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。     

跟驰模型参数标定及验证方法

为解决跟驰模型建模过程中参数标定问题及确定合适的模型效果评价方法,首先介绍了应用遗传算法对参数进行标定的过程,并以GM模型为例,利用实测数据对其参数加以具体确定。在此基础上,从检验跟驰模型与实际情况在整体上的契合程度出发,综合考虑模型效果,提出了对跟驰模型的具体检验方法,并对标定参数后的GM模型进行了验证。研究结果表明,本文提出的模型检验方法克服了以往常用跟驰模型验证方法的片面性,对绝大多数跟驰过程,GM模型的模拟输出与实测值间的综合误差在15%以内,而非仅通过加速度对比得到的较大误差。     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。     

基于分位数回归的随机优化速度跟驰模型

为了研究交通流异质性对车辆跟驰行为的影响,基于分位数回归方法改进优化速度函数.根据实际交通流数据对改进的优化速度函数进行参数标定,并对参数结果进行假设检验,结合改进的优化速度函数和全速度差跟驰模型建立随机优化速度跟驰模型,利用傅里叶变换理论推导跟驰模型的稳定性条件,并搭建环形车道仿真平台对跟驰模型进行数值实验.结果表明：改进的优化速度函数能更好地反映交通流异质性对交通流的影响;单一分位点车队达到稳定状态的时间与分位点呈正相关;多分位点组合车队随着0.5分位点车辆数的增加,达到稳定状态的时间减少.提出的多分位点车队相比于单一分位点车队可以更真实地反映交通流复杂的运行状况.     

基于运动学方程的停车波模型

为描述连续交通流中的停车波现象,分析了停车波传播的运动学特性,基于运动学方程建立了停车波模型。研究表明,该模型与基本交通波模型推导的停车波模型一致。为验证该模型,设计了数据采集方案及参数标定方法。利用长春市的调查数据标定了模型,得到停车波波速理论值与实测值之间的相对误差为3.85%。结果表明,基于运动学方程的停车波模型可以描述连续交通流中的停车波现象,参数标定方法简单可行。     

一种新的车队离散模型及其应用

为分析车队离散模型在实际中的适用性,以长春市交通调查数据为基础,分析并验证了经典车队离散模型,建立了基于无变换正态分布的车队离散模型。验证结果表明,本文建立的车队离散模型预测效果更佳。同时,根据不同位置的检测器数据和车队离散模型提出交通流量反馈机制预测方法,验证表明该方法能够提高流量预测精度,对城市交通控制具有重要的理论意义和实用价值。     

信号交叉口起动波的运动学模型

为寻求一种符合实际且参数意义明确的信号交叉口起动波模型,根据起动波传播的运动学特性建立了起动波的运动学模型。设计了数据采集方案和数据处理方法。利用长春市实际调查数据标定了模型,并得到了波速计算值。按照起动波传播特性,由实际调查数据计算了波速观测值。结果表明,运动学起动波模型的波速理论值与实际观测值的相对误差约为5%。该模型不依赖于传统交通波模型,参数意义明确,标定方法简单,波速计算值与观测值接近,为城市交通信号控制提供更可靠的理论依据。     

集成学习框架下的车辆跟驰行为建模

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型（IDM）、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆（LSTM）网络和门控循环单元（GRU）网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。     

信号交叉口起动波的运动学模型

为寻求一种符合实际且参数意义明确的信号交叉口起动波模型,根据起动波传播的运动学特性建立了起动波的运动学模型。设计了数据采集方案和数据处理方法。利用长春市实际调查数据标定了模型,并得到了波速计算值。按照起动波传播特性,由实际调查数据计算了波速观测值。结果表明,运动学起动波模型的波速理论值与实际观测值的相对误差约为5％。该模型不依赖于传统交通波模型,参数意义明确,标定方法简单,波速计算值与观测值接近,为城市交通信号控制提供更可靠的理论依据。     

机动车车头时距分布的韦布尔修正模型

为了更好地描述机动车到达规律,基于韦布尔分布函数建立了描述机动车车头时距分布的韦布尔修正模型。利用长春市典型路段的调查数据对比分析了韦布尔模型、负指数模型、移位负指数模型与韦布尔修正模型对车头时距分布的拟合效果,进一步分析了韦布尔模型与韦布尔修正模型中的拟合参数。结果表明:韦布尔模型与韦布尔修正模型的拟合结果明显优于负指数模型与移位负指数模型;韦布尔修正模型比韦布尔模型更具有普适性,其拟合结果更优。研究成果可以为认识机动车到达规律提供理论工具与方法,为城市交通信号方案设计与优化奠定理论基础。