基于FVD模型的各异性跟驰模型

基于不同气质类型驾驶者的行为差异分析,建立了跟驰模型参数与驾驶人气质状况之间的关系,通过引入气质激进度变量,将跟驰模型参数表达为气质激进度的函数,并在改进FVD模型的基础上,提出了体现驾驶人行为差异的各异性跟驰模型。该模型克服了传统规范模型无法描述驾驶者个体行为差异的缺点。数值模拟实验结果表明该模型能够成功地模拟稠密交通流中小扰动传播演化结果的随机性现象。该模型结构简单,且参数易于确定,一方面为驾驶行为各异性的建模建立了理论基础,同时也为微观交通流动态随机特性模拟提供了一般性的方法。     

混有CACC车辆和ACC车辆的混合交通流驾驶舒适性

为了探索协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆对交通系统的潜在影响,分析了CACC车辆市场普及过程中存在的CACC车辆、自适应巡航控制(adaptive cruise control,ACC)车辆与人工驾驶车辆混合交通流驾驶舒适性.应用加州伯克利PATH实车验证的ACC模型和CACC模型进行数值仿真实验,采用国际ISO-2631-1标准评价混合交通流舒适性,并对ACC和CACC期望车间时距进行参数敏感性分析.最后,从交通流稳定性的角度,对舒适性仿真结果进行了讨论.结果表明:随着CACC市场率的增加,舒适性呈现先恶化、再逐渐提升的趋势.较大的ACC车间时距有利于抑制舒适性的恶化程度,CACC车辆对舒适性的提升作用不受其车间时距取值的影响.混合交通流稳定性定性地决定了舒适性的变化趋势,人工车辆安装车车通信设备,有助于舒适性的逐渐提升.     

Haptic gas pedal feedback

Active driver support systems either automate a control task or present warnings to drivers when their safety is seriously degraded. In a novel approach, utilising neither automation nor discrete warnings, a haptic gas pedal (accelerator) interface was developed that continuously presents car-following support information, keeping the driver in the loop. This interface was tested in a fixed-base driving simulator. Twenty-one drivers between the ages of 24 and 30 years participated in a driving experiment to investigate the effects of haptic gas pedal feedback on car-following behaviour. Results of the experiment indicate that when haptic feedback was presented to the drivers, some improvement in car-following performance was achieved, while control activity decreased. Further research is needed to investigate the effectiveness of the system in more varied driving conditions. Haptics is an under-used modality in the application of human support interfaces, which usually draw on vision or hearing. This study demonstrates how haptics can be used to create an effective driver support interface.     

含时延的车辆队列事件触发一致性控制研究

为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。     

考虑加速度取值约束的跟驰模型及仿真研究

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,建立了考虑加速度取值约束的微观跟驰模型。对提出的模型进行稳定性分析,得到与Bando模型不同的稳定性条件。通过仿真发现,加速度取值在一定的范围内,随着加速度的逐渐变大,滞后性曲线范围变小,交通流的稳定性增强,与稳定性分析的结果一致。当加速度取值超过合理范围时,交通流的稳定性变差。因此,考虑加速度取值约束的模型有利于维持交通流的稳定。     

交通流的有序运动与混沌运动相互转化现象的仿真研究

用Matlab软件编制皮埃莱(Bieriey)模型来产生仿真交通流。在一定的参数组合下,仿真研究了交通流车队中前后车辆之间的车头间距的变化过程。分析了这种车头间距变化过程的曲线。给出该曲线的二维(间距差与速度差)和三维(间距差、速度差、时间)相图。从相图上可以明显地看出存在奇怪吸引子,这说明基于跟驰模型产生的交通流存在着混沌现象。从相图还可以清楚地看出交通流混沌运动与有序运动之间的转化过程。联系交通流的实际情况,对仿真结果做了分析。     

基于深度强化学习的混合动力汽车智能跟车控制与能量管理策略研究

以研究智能混合动力汽车控制技术与深度强化学习算法为目标,首先,在两辆混合动力汽车的跟驰环境中,针对领航车提出一种基于深度值网络算法的能量管理策略,实现深度强化学习对发动机与机械式无级变速器的多目标协同控制;其次,针对跟随车建立基于深度强化学习的分层控制模型,实现面向智能混合动力汽车的上层跟车控制与下层能量管理;最后,仿真验证分层控制模型的有效性。结果表明,基于深度强化学习的跟车控制策略具有理想的跟踪性能;同时,基于深度强化学习的能量管理策略在领航车与跟随车中均实现了较好的燃油经济性;此外,基于深度强化学习的能量管理策略输出每组控制动作的平均时间为1.66 ms,保证了实时应用的潜力。     

基于元胞自动机的快速路交织区交通流仿真建模

城市快速路交织区由于复杂的交通流容易造成拥塞, 成为快速路交通的瓶颈。充分考虑到辅道交通流对交织区的影响,以元胞自动机NS模型为基础,通过设定跟车规则、换道规则,对一个包含入口匝道、出口匝道、主线车道和辅道的快速路交织区路网建立模型进行微观仿真。仿真得出交织区长度对流量、密度、速度等交通流参数的影响并给出了最优交织区长度参考值, 最后用HCM经验公式的计算结果验证了仿真模型。     

考虑后视和最优速度记忆的跟驰模型及仿真

为提高交通流的稳定性,在考虑后视效应和速度差信息（Backward Looking and Velocity Difference,BLVD）模型的基础上,综合考虑后视和最优速度记忆效应,提出了一个扩展的跟驰模型。采用线性稳定性分析,推导出该模型的交通流稳定判据,发现在模型中引入后视和最优速度记忆效应的共同作用后,交通流的稳定区域有明显增大。通过数值仿真验证了理论分析,仿真结果表明：在初始扰动相同的条件下,与BLVD模型相比,新提出的扩展模型具有更好的交通流致稳性能。最后,使用NGSIM数据对所提出的跟驰模型进行参数标定和评价,证明其能更准确地刻画车流演变规律。     

驾驶员-智能体交通流混合仿真系统的建立

将交通流微观仿真系统和虚拟驾驶系统结合,提出并实现了驾驶员-智能体交通流混合仿真系统.介绍了混合系统开发的思路和多机数据传输方法,从平缓换道、转向灯闪烁和系统时间校准三个方面对混合系统进行了改善.最后利用混合系统对微观仿真模型的准确性进行了检验,结果表明在允许误差范围为5％时,跟驰模型可以准确地预测跟驰行为,换道模型的准确性仍然有待于提高.