一类时变时滞车辆跟驰模型的稳定性控制

为了研究交通拥堵问题,同时了解交通拥挤形成的过程以及驾驶员自身特性对交通流稳定性的影响.本文基于复杂网络同步理论,对一类考虑前后车效应的时变时滞最优速度车辆跟驰模型的稳定性进行了研究.利用Lyapunov稳定性理论,通过设计基于速度和车头间距的自适应控制器使得该车辆跟驰模型趋于稳定,并得到了模型稳定性的条件.此外,在车辆受到随机外部扰动的情形下,研究了该模型的稳定性.最后,采用MATLAB仿真技术进行了数值模拟,结果表明在本文设计的控制器下,考虑前后车效应的时变时滞最优速度车辆跟驰模型快速趋于稳定,拥堵现象得到了有效的缓解.     

考虑后视和多前车信息反馈的车辆跟驰模型

为改进车联网环境下车辆跟驰模型的稳定性,在经典OVCM模型基础上考虑后视效应、多前车速度差和多前车最优速度记忆综合信息对交通流稳定性能的影响,提出一种基于后视和多前车信息反馈的扩展车辆跟驰模型。根据线性稳定性分析法得出模型的中性稳定性判断条件,并进行数值仿真实验与分析。实验结果表明,在扰动初始条件设置一致下,所提模型相比于OV、FVD、OVCM模型,交通流稳定区域增大,速度波动幅度减小,特别是考虑的前车数k、后视敏感系数λi和记忆效应敏感系数γi取值为k=3,λi=［0.2,0.15,0.1］,γi=［0.1,0.08,0.06］时,车辆的平均速度波动率低于0.1%,由此说明,所提模型能有效减少扰动影响,增强交通流的稳态保持。     

前后车辆最优速度差跟驰模型与数值仿真

为了克服经典最优速度（OV）模型仅依据车间距单一因素调整跟驰车最优速度的局限性,在考虑前导车与跟驰车最优速度差信息对交通流稳定性影响的基础上,提出了一种改进的最优速度差（OVD）模型,并通过小振幅摄动法对模型进行了稳定性分析,推导了模型的稳定性条件。最后对改进OVD模型进行了数值仿真。通过线性稳定性分析,发现考虑前后车辆最优速度差后,自由流稳定的临界驾驶员反应灵敏度系数明显减小,稳定区域显著增加。仿真结果表明,与OV跟驰模型相比,在相同初始扰动条件下,改进OVD模型能够明显增强交通流的稳定性。     

基于Agent的驾驶员-车辆建模研究与实现

微观交通仿真技术是解决城市交通网络拥塞问题的有效工具.在各种交通元素中,驾驶员-车辆单元是交通流的主体.该文通过对交通流中驾驶员、车辆特性的分析,将驾驶员和车辆视为一个整体,并基于Agent理论对之进行建模.文中详细分析了Agent的生成和路径搜索及选择算法,研究了Agent的跟驰、换道和挤占道等行为.该文最后介绍了基于Agent模型建立的一种微观交通仿真器,并在该仿真器上进行仿真实验.结果表明该系统能够较好的仿真实际交通流状况.     

一种改进全速度差模型的稳定性分析与仿真

针对传统全速度差（FVD）模型缺乏考虑前车最优速度影响的局限性,提出了一种改进的全速度差（IFVD）模型。在IFVD模型中,除了考虑跟驰车自身的最优速度和前车的速度差外,还进一步分析了多辆前车的最优速度信息对提高交通流稳定性的作用。并利用小振幅扰动法对模型的稳定性进行了分析,推导了模型的临界稳定性条件。最后通过数值模拟方法对FVD和IFVD模型进行了对比研究。研究结果表明,在相同的初始扰动条件下,考虑前车最优速度影响的IFVD模型能更有效地抑制交通流的堵塞,且随着考虑前车数量的增多,自由流稳定的灵敏度系数临界值在减小,稳定区域逐渐增大。     

一种改进CA高速公路隧道交通流仿真研究

应用元胞自动机理论,针对VDR单车道模型在仿真交通流时数值模拟结果偏小的情况,考虑前车相对运动对跟随车的影响,提出了虚拟车间距的概念,同时在一定条件下对后车进行了跟驰约束,建立改进的VDR绿波模型并应用该模型对高速公路隧道交通流进行了模拟仿真,分析了速度、密度、流量三参数之间的关系,得出车辆密度、车辆延迟刹车概率等因素对高速公路隧道交通流的影响规律,仿真结果表明改进的VDR绿波模型不仅具有基本慢启动模型的典型特性,而且对传统VDR元胞自动机模型数值模拟偏小的情况有合理的改善,对科学管理高速公路瓶颈隧道交通流具有一定的参考价值。     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

考虑后视效应和多前车信息的跟驰模型

网联车跟驰模型的研究可为未来实施大规模的实地测试提供模型参考,已成为交通流及智能交通领域的研究热点.为了更好地研究智能网联车的跟驰特性,在MVD模型的基础上,提出了一种考虑后视效应和多前车信息的跟驰模型(BL-MVDAM),利用线性稳定性分析方法推导出BL-MVDAM模型的交通流稳定性判断依据,并分别分析了模型中各参数对系统稳定性的影响,给出分析结果并进行了数值仿真实验.仿真实验选取在环形道路上给行驶过程中的车队施加轻微扰动,并根据跟驰车对后车的关注程度P和前车数量k设计数值模拟实验,当其他条件一致时,本文模型相比FVD,MVD,OMVC和BLVD模型,BL-MVDAM模型中车队的速度波动率较小,尤其是当P=0.8,k=3 时,车队速度平均波动率最小可以达0.24％,实验分析结果表明,所提出模型在引入后视效应和多前车信息后,具备更优的稳定区域,能较好地吸收扰动且有利于增强车队行驶的稳定性.     

交通流多预期延迟模型与数值仿真

为了更准确地描述交通流,考虑驾驶员反应延迟时间和前车信息的非均衡使用,建立一种多预期延迟跟驰模型。线性稳定性分析表明,驾驶员反应延迟时间的增加会降低交通流的稳定性,多个前车信息的使用可以提高交通流的稳定性。数值仿真的结果表明,减少司机的反映延迟时间和适当地增加前车信息都能提高交通流的稳定性。为尽可能少地引入输入变量,不均衡地利用前车的车间距和速度差信息是必要的。理论和数值模拟的结果均表明驾驶员反应延迟在交通拥堵的形成过程中起着重要作用。     

一种改进的一维元胞自动机交通流模型

在一维交通流元胞自动机NaSch模型的基础上,考虑到不同车辆的驾驶员在敏感驾驶随机减速行为过程中其延迟概率是不同的,从而提出了一种改进的一维敏感驾驶元胞自动机交通流模型。根据所给出的车辆状态演化的并行更新规则进行了计算机仿真,模拟得到的基本图表明,与NaSch模型、SDNaSch模型相比,道路交通流量有较大的提高,而且还展现了亚稳态、相分离等复杂的实际交通现象。     

Predictive car-following scheme for improving traffic flows on urban road networks

Driving behavior is one of the main reasons that causes bottleneck on the freeway or restricts the capacity of signalized intersections. This paper proposes a car-following scheme in a model predictive control (MPC) framework to improve the traffic flow behavior, particularly in stopping and speeding up of individual vehicles in dense urban traffic under a connected vehicle (CV) environment. Using information received through vehicle-to-vehicle (V2V) communication, the scheme predicts the future states of the preceding vehicle and computes the control input by solving a constrained optimization problem considering a finite future horizon. The objective function is to minimize the weighted costs due to speed deviation, control input, and unsafe gaps. The scheme shares the planned driving information with the following vehicles so that they can make better cooperative driving decision. The proposed car-following scheme is simulated in a typical driving scenario with multiple vehicles in dense traffic that has to stop at red signals in multiple intersections. The speeding up or queue clearing and stopping characteristics of the traffic using the proposed scheme is compared with the existing car-following scheme through numerical simulation.     

考虑前车加速度信息的跟驰模型及数值模拟

为了改进最优速度（OV）跟驰模型只考虑车间距因素对车辆跟驰行为影响的不足,在考虑前导车加速度信息对后车跟驰行为影响的基础上,提出了一种改进OV跟驰模型。并利用小振幅扰动法对模型进行了线性稳定性分析,得到了模型的稳定性条件,对改进OV模型进行了数值模拟。仿真结果表明,与传统OV模型相比,考虑前导车加速度信息对跟驰车的影响后,交通流的稳定区域显著增加,改进OV模型能有效抑制交通流的堵塞。     

跟车风险的概率估计方法研究

首次将追尾事故发生的过程分为前车减速与前车减速条件下的碰撞两起事件,运用条件概率的思想求出追尾事故发生的概率来表征跟车风险。首先从安全的本质出发提出了跟车风险的表述方法;再从实际道路采集减速度数据,根据实际数据建立密度函数模型。在分析前车减速条件下追尾碰撞条件时,从汽车地面力学理论的角度补充考虑了制动系作用时间、附着系数等影响因素,使模型更接近实际状况,并且将判断的标准由停车距离扩展到了制动全过程的位移。最后,运用视频检测方法提取杭州市道路交通运行数据对估计方法进行了试算。     

基于元胞自动机理论的快速公交系统能耗研究

交通运输能源消耗已经成为决策管理者高度关注的信息。采用元胞自动机（CA）理论研究了快速公交系统能耗问题,以元胞自动机NaSch交通流模型为基础,通过结合动能定理,建立了快速公交系统的元胞自动机能耗动力学仿真模型。并以目前建设的兰州市快速公交系统为例,仿真研究了周期性边界条件下,不同行车密度、不同停靠站时间以及驾驶员行为差异下随机慢化对快速公交车系统能耗的影响,得到了相应的定量分析结论。仿真结果表明,快速公交车辆停靠站时间越长,拥堵的范围越大,路面交通流能耗损失越小,对应的流量、速度也越小,系统越早进入堵塞相。     

Optical information for car following: the driving by visual angle (DVA) model

OBJECTIVE: The present study developed and tested a model of car following by human drivers. BACKGROUND: Previous models of car following are based on 3-D parameters such as lead vehicle speed and distance information, which are not directly available to a driver. In the present paper we present the driving by visual angle (DVA) model, which is based on the visual information (visual angle and rate of change of visual angle) available to the driver. METHOD: Two experiments in a driving simulator examined car-following performance in response to speed variations of a lead vehicle defined by a sum of sine wave oscillations and ramp acceleration functions. In addition, the model was applied to six driving events using real world-driving data. RESULTS: The model provided a good fit to car-following performance in the driving simulation studies as well as in real-world driving performance. A comparison with the advanced interactive microscopic simulator for urban and nonurban networks (AIMSUN) model, which is based on 3-D parameters, suggests that the DVA was more predictive of driver behavior in matching lead vehicle speed and distance headway. CONCLUSION: Car-following behavior can be modeled using only visual information to the driver and can produce performance more predictive of driver performance than models based on 3-D (speed or distance) information. APPLICATION: The DVA model has applications to several traffic safety issues, including automated driving systems and traffic flow models.     

仿真交通流混沌转化过程研究

为分析交通流混沌转化机理,探讨了车头间距和交通流混沌之间的关系。利用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流时间序列,在一定参数组合情况下,研究了交通流车队中前后车辆的车头间距变化过程。通过分析这种车头间距变化曲线相轨迹,可以明显地观察到交通流混沌运动和有序运动之间的转化过程;在此基础上,应用最大Lyapunov指数改进算法对仿真交通流混沌转化过程进行了理论分析,讨论了车头间距对交通流混沌转化过程的影响作用。研究表明,车头间距的变化是交通流混沌现象产生和转化的根本原因。该研究结果有助于进一步理解交通流混沌现象,并为短时交通流预测和智能交通控制提供理论依据。     

Traffic wave model based on vehicle-infrastructure cooperative and vehicle communication data

Urban trunk road system undertakes the main traffic trip, and congestion occurs frequently in rush hours. In order to clearly describe the propagation process of traffic waves in signalized intersections, and then optimize phase difference. This article proposes a kinematic model for the traffic wave based on the physical mechanism of car-following and the kinematic characteristics of the traffic wave propagation. The actual road traffic monitoring data was extracted from the vehicle-infrastructure cooperative system and vehicle internal communication system. Then we obtained the values of the stop-and-start wave velocity. Compared with the measured data, the results showed that the calculation of the wave velocity of the traffic wave model had a relative error of up to 5% vs the measured data, confirming the validity of the model. Through the analysis of the model, we obtained the difference in the effects on traffic wave velocity of the vehicle speed and the space headway. Our findings provide a theoretical basis for coordinated control and management of urban trunk road traffic and phase difference optimization of signalized intersections. Meanwhile, the research results also provide a theoretical basis for alleviating traffic congestion during the rush hour.