智能化和網(wǎng)聯(lián)化的深度融合,是未來汽車技術(shù)發(fā)展的重要方向,這也使得針對(duì)智能網(wǎng)聯(lián)車輛的研究成為智能交通系統(tǒng)領(lǐng)域的熱點(diǎn)話題。如何揭示智能網(wǎng)聯(lián)車輛交通流的行為演變規(guī)律是一個(gè)亟待解決的重要問題。本文主要圍繞智能網(wǎng)聯(lián)車輛交通流的微觀建模展開研究,一方面,考慮到智能網(wǎng)聯(lián)車輛可以通過車車/車路(vehicle-to-vehicle/vehicle-to-infrastructure,V2V/V2I)通信技術(shù)獲取周圍車輛的多元化信息,從而提出兩種新的交通流模型;另一方面,針對(duì)智能網(wǎng)聯(lián)環(huán)境的本質(zhì)性特點(diǎn),如通信拓?fù)浣Y(jié)構(gòu)的變化和通信延時(shí),提出一種新的智能網(wǎng)聯(lián)車輛交通流模型,以此刻畫智能網(wǎng)聯(lián)車輛交通流的動(dòng)態(tài)行為演變,進(jìn)而研究上述兩種典型因素對(duì)智能網(wǎng)聯(lián)電動(dòng)車交通流的行為和能耗的影響。本文的具體工作介紹如下:(i)針對(duì)車輛動(dòng)力學(xué)信息和非結(jié)構(gòu)化道路因素影響,提出了智能網(wǎng)聯(lián)環(huán)境下考慮電子節(jié)氣門開度和單邊側(cè)向間隙的跟馳模型非結(jié)構(gòu)化道路環(huán)境表示交通道路中存在車道線不清晰情況,導(dǎo)致前后車輛間可能存在側(cè)向間隙。而在智能網(wǎng)聯(lián)環(huán)境下,車車間不僅可以通過V2V通信獲取通信范圍內(nèi)的車輛運(yùn)動(dòng)學(xué)信息,還可通過V2V/V2I獲取車輛間的側(cè)向間隙信息。本文通過結(jié)合以上信息,提出了一種智能網(wǎng)聯(lián)環(huán)境下,考慮電子節(jié)氣門開度和單邊側(cè)向間隙綜合影響的跟馳模型。理論分析和仿真實(shí)驗(yàn)證明了所提模型較現(xiàn)有的模型,具有更好的一般性、穩(wěn)定性、平滑性和響應(yīng)能力。(ii)針對(duì)道路幾何結(jié)構(gòu)信息和非結(jié)構(gòu)化道路因素影響,提出了智能網(wǎng)聯(lián)環(huán)境下考慮坡度和雙邊側(cè)向間隙的跟馳模型智能網(wǎng)聯(lián)環(huán)境下,交通道路中的坡度情況可借助V2I通信技術(shù),告知通信范圍內(nèi)的車輛,在此基礎(chǔ)之上,考慮到非結(jié)構(gòu)化道路環(huán)境,本文提出了智能網(wǎng)聯(lián)環(huán)境下,考慮道路坡度和雙邊側(cè)向間隙影響的跟馳模型。理論分析證明了所提模型較現(xiàn)存的模型,更具有一般性。仿真實(shí)驗(yàn)驗(yàn)證了在上坡情況下,隨著坡度的增加,交通流穩(wěn)定性提高,車輛在交通流中的分布越加密集;而在下坡過程中,隨著坡度的增加,交通流穩(wěn)定性下降,車輛在交通流中的分布越加稀松。同時(shí)動(dòng)態(tài)仿真實(shí)驗(yàn)表明,考慮雙邊側(cè)向間隙因素會(huì)使得頭車受外部干擾后,能快速地消除其影響。(iii)考慮通信撲結(jié)構(gòu)和延時(shí)對(duì)車輛行為的影響,提出了一種新的智能網(wǎng)聯(lián)環(huán)境下的交通流跟馳模型智能網(wǎng)聯(lián)車輛借由先進(jìn)的通信技術(shù),實(shí)現(xiàn)車車互聯(lián),然而該技術(shù)不可避免的會(huì)引通信的連接不穩(wěn)定以及通信延時(shí)等問題。本部分研究?jī)?nèi)容旨在利用圖論提出一種通信拓?fù)浣Y(jié)構(gòu)表征方式,在此基礎(chǔ)之上,提出一種考慮通信拓?fù)浣Y(jié)構(gòu)和延時(shí)的跟馳模型。理論分析得到了模型的一致性條件。仿真實(shí)驗(yàn)通過考慮不同的通信拓?fù)浣Y(jié)構(gòu)和延時(shí),分別驗(yàn)證了所提模型在反映交通流穩(wěn)態(tài)特性、平滑性、響應(yīng)能力和抗擾動(dòng)能力的有效性,同時(shí)證實(shí)了,對(duì)于智能網(wǎng)聯(lián)交通流,通信的連接情況和通信延時(shí)會(huì)對(duì)交通流動(dòng)態(tài)行為造成較為明顯的影響。(iv)考慮通信拓?fù)淝袚Q周期與延時(shí)因素,研究了其對(duì)智能網(wǎng)聯(lián)電動(dòng)車交通流行為和能耗的影響智能網(wǎng)聯(lián)環(huán)境下,不可靠通信必然會(huì)對(duì)交通流造成影響,本文結(jié)合當(dāng)前熱點(diǎn)的電動(dòng)車能耗問題,基于(iii)中的跟馳模型,研究通信拓?fù)淝袚Q周期與勻質(zhì)/異質(zhì)延時(shí)對(duì)智能網(wǎng)聯(lián)電動(dòng)車交通流行為和能耗的影響,仿真分析表明了通信環(huán)境越惡劣,即通信拓?fù)淝袚Q周期越短,延時(shí)越大,會(huì)造成電動(dòng)車交通流的平滑性和響應(yīng)能力惡化,能耗越大。同時(shí),也明確了針對(duì)智能網(wǎng)聯(lián)電動(dòng)車交通流,穩(wěn)定和良好的通信對(duì)節(jié)省能量的重要性。上訴內(nèi)容(i)(ii)重點(diǎn)圍繞智能網(wǎng)聯(lián)車輛可獲取多元化信息展開,闡明不同因素會(huì)對(duì)交通流穩(wěn)態(tài)和動(dòng)態(tài)行為造成的影響;而研究?jī)?nèi)容(iii)(iv)則圍繞通信因素展開,討論通信拓?fù)浣Y(jié)構(gòu)、拓?fù)淝袚Q周期、通信延時(shí)對(duì)交通流的穩(wěn)態(tài)、動(dòng)態(tài)及能耗影響。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495
【部分圖文】：

的微觀交通流模型，并圍繞所提模型，展開考慮通信拓?fù)浣Y(jié)構(gòu)、拓?fù)淝袚Q周期、勻質(zhì)/異質(zhì)通信延時(shí)、多元信息等因素的交通流模型穩(wěn)態(tài)、動(dòng)態(tài)特性和能耗等相關(guān)研究。1.2.2 典型的微觀交通流模型截至目前，車車跟馳理論經(jīng)過不斷的研究和優(yōu)化，一些典型場(chǎng)景或尖銳問題已經(jīng)得到解決，以下列舉幾種較為經(jīng)典的跟馳模型，以便為本文后續(xù)研究?jī)?nèi)容提供對(duì)比對(duì)象。(i) 全速度差跟馳模型基于最優(yōu)速度的 OV 模型主要依據(jù)前后車輛間間距，進(jìn)而尋求后方車輛的最優(yōu)跟馳速度[43]。然而 OV 模型存在前車速度較快，而因兩車間距過小，依舊會(huì)建議跟隨車輛不加速甚至減速的情況。為了解決這一不合理的前后差速度問題，因此，如圖 1.1，基于全速度差 FVD 模型可由以下公式(1.1)描述[45]：

進(jìn)[45]。而在非結(jié)構(gòu)化的道路環(huán)境下，車輛失去明顯的車道線參照，因此，如圖 1.2 所示，前后間可能存在單邊側(cè)向間隙，為了刻畫在此場(chǎng)景下的交通流動(dòng)態(tài)行為演變規(guī)律，進(jìn)而提出了如下 NLBCF 模型[46]。, 1 , 2 , 1 , 2( ) ( ( ( ), ( )) ( )) ( ( ), ( ))n n n n n n n n n na t V x t x t v t G v t v t (1.3)其中, 2 2( ) ( ) ( )n n n nx t x t x t ，, 2 2( ) ( ) ( )n n n nv t v t v t 分別為跟隨車輛n 與前導(dǎo)車輛 n 2之間在t 時(shí)刻的縱向間距與速度差。而模型中V ( , ) , G ( , ) 分別為[46]： , 1 , 2 , 1 , 2( ), ( ) 1 ( ) ( )n n n n n n n n n nV x t x t U p x t p x t (1.4), 1 , 2 , 1 , 2( ( ), ( )) (1 ) ( ) ( )n n n n n n n n n nG v t v t p v t p v t (1.5)其中n ,n 1Lg 表示跟隨車輛n 與前導(dǎo)車輛 n 1之間的側(cè)向間隙，maxLg 表示道路的橫向最大寬度，其比率, 1 max/ [0,1]n n np Lg Lg 則用來刻畫該側(cè)向間隙的影響。

考慮到交通道路中存在坡度這一場(chǎng)景，此時(shí)的第n 輛汽車的驅(qū)動(dòng)坡度之間的關(guān)系可表征為[47, 57]：22d ( ) d ( )( ( ), ( )) sin ( ( ))ddn nx t x tm F x t v t mg B x ttt 其中， 為地面的摩擦系數(shù)； B ( x (t ))為制動(dòng)控制方程；m 為汽車質(zhì)量，g 為加速度； 為斜坡角度；驅(qū)動(dòng)力 F ( x (t ), v (t ))可被表征為[47]：F ( x (t ), v (t )) aF ( x (t )) bF ( v (t ))其中a 和b 為常系數(shù)。將公式(1.7)帶入公式(1.6)，那么可以得到考慮坡度的跟馳模型為[47]：22d ( ) ( ( )) sin ( ( ))d ( )[ ] ( ( ))ddn nx t aF x t mg B x t x tbF v ttm t m (iv) 考慮雙邊側(cè)向間隙的跟馳模型
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅強(qiáng);王世明;李友欣;;基于數(shù)據(jù)融合的交通流檢測(cè)設(shè)施布點(diǎn)優(yōu)化評(píng)價(jià)指標(biāo)及應(yīng)用研究[J];中國(guó)公共安全;2016年19期

2 趙靜;;基于物聯(lián)網(wǎng)的智能交通流探測(cè)技術(shù)研究[J];科技創(chuàng)新與應(yīng)用;2016年34期

3 肖崇紫;;動(dòng)態(tài)占有率與交通流三參數(shù)之間的關(guān)系[J];住宅與房地產(chǎn);2017年09期

4 徐陽(yáng);張多加;胡大偉;;突變理論在交通流分析中的應(yīng)用[J];自動(dòng)化與儀器儀表;2017年07期

5 梁杰;房真;陳丹丹;;基于虛擬變量回歸分析無人駕駛汽車對(duì)交通流的影響[J];文山學(xué)院學(xué)報(bào);2017年03期

6 陳澤平;;張量分解方法視角下研究交通流網(wǎng)絡(luò)的時(shí)空特征[J];時(shí)代農(nóng)機(jī);2017年04期

7 王忠浩;張靜;肖建力;;基于交通指數(shù)云圖的宏觀交通流分析方法綜述[J];上海理工大學(xué)學(xué)報(bào);2017年04期

8 高福德;;基于交通波模型的事故對(duì)連續(xù)交通流影響機(jī)理研究[J];建筑技術(shù)開發(fā);2017年12期

9 李碩;張久浩;張萌萌;;一種基于RFID技術(shù)的交通流檢測(cè)方案[J];智能城市;2016年05期

10 苗壯;楊婧;;路邊停車對(duì)路段交通流延誤影響研究[J];交通科技;2015年01期

相關(guān)博士學(xué)位論文 前10條

1 梁子君;基于交通流組合相位控制邏輯的信號(hào)優(yōu)化控制研究[D];長(zhǎng)安大學(xué);2018年

2 李雪巖;基于自組織混沌邊緣決策的交通流演化研究[D];北京交通大學(xué);2018年

3 曹寶貴;交通流復(fù)雜動(dòng)態(tài)特性與交通擁堵問題研究[D];吉林大學(xué);2010年

4 張勇;交通流的非線性分析、預(yù)測(cè)和控制[D];北京交通大學(xué);2011年

5 陳昕;基于協(xié)同學(xué)的城市交通控制與誘導(dǎo)系統(tǒng)協(xié)同的理論與方法研究[D];吉林大學(xué);2006年

6 宋學(xué)文;高速公路擴(kuò)建期交通流組織優(yōu)化研究[D];武漢理工大學(xué);2008年

7 盧宇;交通流混沌實(shí)時(shí)判定方法的研究[D];天津大學(xué);2007年

8 丁恒;基于車輛延誤理論的多態(tài)交通流信號(hào)控制研究[D];合肥工業(yè)大學(xué);2011年

9 崔立成;基于多斷面信息的城市道路網(wǎng)交通流預(yù)測(cè)方法研究[D];大連海事大學(xué);2012年

10 郭歡;基于灰理論的短時(shí)交通流動(dòng)力學(xué)建模預(yù)測(cè)與優(yōu)化研究[D];武漢理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳澤濠;融合多因素的短時(shí)交通流預(yù)測(cè)方法研究[D];華南理工大學(xué);2019年

2 高思琦;基于深度強(qiáng)化學(xué)習(xí)的多智能體城市道路交叉口交通流優(yōu)化控制研究[D];福建工程學(xué)院;2019年

3 榮博盛;考慮碳排放的連續(xù)型動(dòng)態(tài)交通流分配模型及算法研究[D];北京交通大學(xué);2019年

4 李嘉威;基于組合模型的交通流量預(yù)測(cè)[D];杭州電子科技大學(xué);2019年

5 楊陽(yáng);基于車輛群體行為態(tài)勢(shì)的定位技術(shù)與交通流誘導(dǎo)方法研究[D];杭州電子科技大學(xué);2019年

6 李拓;基于時(shí)空相似性的城市交通路網(wǎng)分區(qū)及速度預(yù)測(cè)研究[D];北京交通大學(xué);2019年

7 李寧;基于交通流和信息流的城市網(wǎng)絡(luò)空間結(jié)構(gòu)對(duì)比研究[D];河南大學(xué);2019年

8 趙杭;智能網(wǎng)聯(lián)車輛交通流微觀建模研究[D];重慶郵電大學(xué);2019年

9 蔡中原;交通流短期預(yù)測(cè)的分合預(yù)測(cè)模型及其應(yīng)用[D];廈門大學(xué);2017年

10 譚曉宇;城市干線交通流協(xié)調(diào)優(yōu)化問題研究[D];沈陽(yáng)建筑大學(xué);2017年

本文編號(hào)：2840821