本文關(guān)鍵詞： 車輛跟馳模型 數(shù)據(jù)驅(qū)動 支持向量回歸 NGSIM 車輛軌跡數(shù)據(jù) 交通振蕩仿真　出處：《西南交通大學》2017年博士論文　論文類型：學位論文

【摘要】：車輛跟馳是道路交通中重要的現(xiàn)象,特別在交通擁堵時,車輛無法換道超車,車輛跟馳行為普遍存在。對車輛跟馳行為的研究一直是交通流理論中的研究熱點之一。利用數(shù)學模型對車輛跟馳行為進行建模研究,可對跟馳車輛間的相互影響作用進行定量化分析,有助于理解交通流特性,揭示交通擁堵現(xiàn)象產(chǎn)生的原因和其時空演化規(guī)律。當前應用較為廣泛的車輛跟馳模型以理論驅(qū)動車輛跟馳模型為主。理論驅(qū)動車輛跟馳模型側(cè)重于對駕駛行為影響因素的描述。模型的設(shè)計者通常是在觀察車輛跟馳行為的基礎(chǔ)上,提出符合駕駛經(jīng)驗的理論假設(shè),并基于該理論假設(shè)建立車輛跟馳模型。但有學者指出,理論驅(qū)動車輛跟馳模型無法準確地描述與實際相符的車輛跟馳行為。相關(guān)誤差評價結(jié)果顯示,理論驅(qū)動車輛跟馳模型有關(guān)車輛軌跡的平均預測誤差在15%至25%之間�？紤]到車輛跟馳行為的復雜特性,通過單一的理論假設(shè)難以建立預測精度較高的車輛跟馳模型。得益于近來智能交通系統(tǒng)的發(fā)展,無論是通過高空圖像采集、全球定位系統(tǒng),還是車聯(lián)網(wǎng)技術(shù),均可獲取大規(guī)模高精度的車輛軌跡數(shù)據(jù),這為利用數(shù)據(jù)驅(qū)動方法建立車輛跟馳模型提供了研究條件。數(shù)據(jù)驅(qū)動方法可有效地挖掘出車輛軌跡數(shù)據(jù)的內(nèi)在信息,建立具有更高預測精度的車輛跟馳模型。本文重點對基于數(shù)據(jù)驅(qū)動方法的車輛跟馳模型及其在實際交通問題中的擴展應用進行了研究分析,具體包括以下六個方面:1.基于數(shù)據(jù)驅(qū)動方法的車輛跟馳模型的建立車輛跟馳模型的實質(zhì)是求解一類回歸問題,本文對求解回歸問題的數(shù)據(jù)驅(qū)動方法進行了回顧,通過分析比對各方法的優(yōu)劣,選定支持向量回歸作為車輛跟馳模型的核心建模方法,以此建立了基于支持向量回歸方法的車輛跟馳模型�？紤]到模型在仿真過程中可能出現(xiàn)不合理的駕駛行為,提出了考慮駕駛行為約束的支持向量回歸車輛跟馳模型。2.支持向量回歸車輛跟馳模型的標定與驗證利用次時代仿真(NGSIM)項目提供的實測車輛軌跡數(shù)據(jù),對考慮駕駛行為約束的支持向量回歸車輛跟馳模型進行了參數(shù)標定和誤差評價。在獲得最優(yōu)參數(shù)的基礎(chǔ)上,通過仿真實驗還原了實測數(shù)據(jù)中的交通振蕩現(xiàn)象。通過對仿真結(jié)果的分析,揭示了交通振蕩現(xiàn)象產(chǎn)生的原因和其時空演化規(guī)律。3.多輛前車影響下的駕駛行為特性分析在實際的車輛跟馳過程中,駕駛員會受到次近鄰(第2輛前車)以及更多輛前車行駛狀態(tài)變化的影響,故有必要對多輛前車影響下的駕駛行為特性進行實證研究。本文通過引入多前車的狀態(tài)變量,對原支持向量回歸車輛跟馳模型進行了擴展,建立了考慮多前車的支持向量回歸車輛跟馳模型,并對該模型進行了參數(shù)標定和誤差評價,驗證了模型假設(shè)的有效性。通過計算多前車狀態(tài)變量的相對權(quán)重,量化了各前車狀態(tài)變量對后車的影響重要程度。4.不同車型組合下的駕駛行為特性分析由大型車和小型車共同組成的混合交通流是道路交通中更為常見的情況,故有必要對混合交通流中不同車型組合的駕駛行為特性進行實證研究。本文通過引入車型參數(shù),對原支持向量回歸車輛跟馳模型進行了擴展,建立了考慮不同車型組合的支持向量回歸車輛跟馳模型。通過分析計算不同車型組合在跟馳過程中的期望車間距和期望速度,驗證了不同車型組合間存在較大的駕駛行為差異。最后通過對交通振蕩現(xiàn)象的仿真,揭示了混合交通流更易發(fā)生交通振蕩和交通擁堵的原因。5.數(shù)據(jù)驅(qū)動車輛跟馳模型與理論驅(qū)動車輛跟馳模型的融合當訓練數(shù)據(jù)的樣本數(shù)量較少或包含的有效信息不足、不能完整地描述車輛跟馳行為時,使用支持向量回歸方法構(gòu)建的車輛跟馳模型將缺乏足夠的預測精度。本文將理論驅(qū)動車輛跟馳模型作為先驗知識引入原模型,建立了融合理論驅(qū)動車輛跟馳模型的支持向量回歸車輛跟馳模型。通過對模型進行誤差評價,驗證了擴展后的模型較原模型具有更高的預測精度穩(wěn)定性。6.車輛軌跡分析系統(tǒng)的設(shè)計與實現(xiàn)對車輛軌跡數(shù)據(jù)的通用數(shù)據(jù)結(jié)構(gòu)與提取方法進行了研究,以此為基礎(chǔ)設(shè)計開發(fā)了車輛軌跡分析系統(tǒng),實現(xiàn)了車輛跟馳模型標定、交通性能評價分析等功能,為車輛軌跡數(shù)據(jù)的分析和數(shù)據(jù)驅(qū)動車輛跟馳模型的研究提供了一個高效的實驗平臺。上述對數(shù)據(jù)驅(qū)動車輛跟馳模型的研究,將完善和補充現(xiàn)有的車輛跟馳模型研究體系,并為面向智能交通的車輛跟馳行為研究提供重要的理論和技術(shù)儲備。此外,利用數(shù)據(jù)驅(qū)動車輛跟馳模型進行交通擁堵仿真,可分析車輛跟馳行為和交通擁堵之間的影響關(guān)系,一定程度上可揭示交通擁堵產(chǎn)生的原因并獲得相應的解決方案,這對緩解、避免交通擁堵具有重要的實際意義。
[Abstract]:......
【學位授予單位】：西南交通大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：U491

【參考文獻】

相關(guān)期刊論文 前8條

1 陸化普;孫智源;屈聞聰;;大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應用綜述[J];交通運輸系統(tǒng)工程與信息;2015年05期

2 王殿海;金盛;;車輛跟馳行為建模的回顧與展望[J];中國公路學報;2012年01期

3 高自友;龍建成;李新剛;;城市交通擁堵傳播規(guī)律與消散控制策略研究[J];上海理工大學學報;2011年06期

4 王殿海;陶鵬飛;金盛;馬東方;;跟馳模型參數(shù)標定及驗證方法[J];吉林大學學報(工學版);2011年S1期

5 侯忠生;許建新;;數(shù)據(jù)驅(qū)動控制理論及方法的回顧和展望[J];自動化學報;2009年06期

6 史新宏,蔡伯根,穆建成;智能交通系統(tǒng)的發(fā)展[J];北方交通大學學報;2002年01期

7 賈洪飛,雋志才,王曉原;基于神經(jīng)網(wǎng)絡的車輛跟馳模型的建立[J];公路交通科技;2001年04期

8 羅霞,杜進有,陳應文;混合車流交通流特性分析[J];西南交通大學學報;2000年03期

相關(guān)博士學位論文 前3條

1 陳喜群;交通流動態(tài)隨機演化模型研究[D];清華大學;2012年

2 李新剛;基于元胞自動機模型的交通系統(tǒng)微觀建模與特性研究[D];北京交通大學;2010年

3 田英杰;支持向量回歸機及其應用研究[D];中國農(nóng)業(yè)大學;2005年

，

本文編號：1537218