针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感...针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感知特性引入双时延信息,结合多前车速度差和期望速度信息提出DD-MLFVD模型.通过微小扰动法求解DD-MLFVD模型的临界稳定性条件,同时结合模型参数研究前车数量和时延大小对模型稳定域的影响.利用直道场景对模型进行仿真分析,着重研究变扰动和变时延场景下DD-MLFVD对交通流的稳定效果.结果表明:面对复杂扰动影响,DD-MLFVD模型能够较好吸收扰动,可提升交通流的稳定性.展开更多
为了更好地运用跟驰模型描述车辆在信号交叉口的通行过程,提出一种考虑信号灯变化对车流瞬时冲击的交叉口全速度差和加速度(full velocity difference and acceleration at intersection,FVDA-I)模型,并根据车辆轨迹数据标定了跟驰模型...为了更好地运用跟驰模型描述车辆在信号交叉口的通行过程,提出一种考虑信号灯变化对车流瞬时冲击的交叉口全速度差和加速度(full velocity difference and acceleration at intersection,FVDA-I)模型,并根据车辆轨迹数据标定了跟驰模型参数。首先,构建位置-时间临界轨迹来判断车辆能否在绿灯时间内通过交叉口,并提出转弯车辆优化速度。然后,使用S-G滤波器对车辆位置进行平滑拟合,结合期望最大化(expectation maximum,EM)算法标定模型参数。最后,运用FVDA-I模型估计车辆在交叉口的通行时间以验证模型的有效性。仿真结果表明:相较于改进全速度差(full velocity difference,FVD)模型,FVDA-I模型具有头车启动舒适缓慢、跟随车辆启动快、车队总通行时间短的特点,通行效率提高了11.3%,车辆的通行时间与实际采样轨迹的估计时间对比误差小于10%。展开更多
文摘针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感知特性引入双时延信息,结合多前车速度差和期望速度信息提出DD-MLFVD模型.通过微小扰动法求解DD-MLFVD模型的临界稳定性条件,同时结合模型参数研究前车数量和时延大小对模型稳定域的影响.利用直道场景对模型进行仿真分析,着重研究变扰动和变时延场景下DD-MLFVD对交通流的稳定效果.结果表明:面对复杂扰动影响,DD-MLFVD模型能够较好吸收扰动,可提升交通流的稳定性.
文摘为了更好地运用跟驰模型描述车辆在信号交叉口的通行过程,提出一种考虑信号灯变化对车流瞬时冲击的交叉口全速度差和加速度(full velocity difference and acceleration at intersection,FVDA-I)模型,并根据车辆轨迹数据标定了跟驰模型参数。首先,构建位置-时间临界轨迹来判断车辆能否在绿灯时间内通过交叉口,并提出转弯车辆优化速度。然后,使用S-G滤波器对车辆位置进行平滑拟合,结合期望最大化(expectation maximum,EM)算法标定模型参数。最后,运用FVDA-I模型估计车辆在交叉口的通行时间以验证模型的有效性。仿真结果表明:相较于改进全速度差(full velocity difference,FVD)模型,FVDA-I模型具有头车启动舒适缓慢、跟随车辆启动快、车队总通行时间短的特点,通行效率提高了11.3%,车辆的通行时间与实际采样轨迹的估计时间对比误差小于10%。
