隨著我國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展以及交通需求的持續(xù)增加,道路擁堵,交通安全,環(huán)境污染,運(yùn)輸效率低下等問(wèn)題日益突出。多項(xiàng)研究表明,入口匝道附近的區(qū)域是高速公路的瓶頸和事故易發(fā)地段。若不對(duì)該區(qū)域進(jìn)行控制,極易導(dǎo)致交通擁堵與事故,使高速公路的交通環(huán)境進(jìn)一步惡化,降低路網(wǎng)交通的整體效益�，F(xiàn)有的主動(dòng)交通管控方法,包括可變限速控制和匝道控制方法,能夠?qū)υ训榔款i區(qū)的交通流起到明顯的調(diào)節(jié)作用,是緩解高速公路擁堵最有效的控制方式。目前,上述方法主要通過(guò)模型預(yù)測(cè)控制或反饋式控制對(duì)交通流進(jìn)行優(yōu)化。模型預(yù)測(cè)控制能夠預(yù)測(cè)交通狀態(tài)并提前進(jìn)行控制,但是對(duì)建模的精度要求比較高,較難在工程實(shí)踐中運(yùn)用。反饋式控制不依賴于模型,但是有滯后性并可能增加交通流的波動(dòng)。強(qiáng)化學(xué)習(xí)近年來(lái)成為交通領(lǐng)域的研究熱點(diǎn),如果把強(qiáng)化學(xué)習(xí)和交通主動(dòng)管理策略相結(jié)合,可以使交通控制效果明顯提升。但是目前基于強(qiáng)化學(xué)習(xí)的交通控制研究仍較為初步,只能解決局部?jī)?yōu)化控制問(wèn)題。另一方面,車路協(xié)同技術(shù)作為一種新興的ITS(Intelligent Transportation System)技術(shù),近年來(lái)受到世界各國(guó)學(xué)者的廣泛重視。通過(guò)該技術(shù)能實(shí)時(shí)獲取更精確穩(wěn)定的實(shí)時(shí)宏觀交... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：149 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

論文技術(shù)路線圖

和國(guó)外情況類似,我國(guó)在車路協(xié)同技術(shù)方面的研究也集中在交叉口的車路協(xié)同控制關(guān)鍵技術(shù)、車路協(xié)同仿真等方面。例如,楊曉光、朱彤等對(duì)道路交叉口車路協(xié)調(diào)實(shí)驗(yàn)平臺(tái)的邏輯框架和物理框架進(jìn)行了設(shè)計(jì),實(shí)現(xiàn)了包括GPS定位信息采集、交通信號(hào)控制系統(tǒng)、路側(cè)/車載處理單元、短程無(wú)線通信[29]在內(nèi)的多種系統(tǒng)功能,并建立了車路協(xié)同實(shí)驗(yàn)系統(tǒng)。在車路協(xié)同實(shí)驗(yàn)平臺(tái)研究方面,姚佼等建立了基于全息信息的車路協(xié)調(diào)協(xié)調(diào)試驗(yàn)平臺(tái)[30],該實(shí)驗(yàn)平臺(tái)分智能車載單元、智能路側(cè)信號(hào)控制單元和車路無(wú)線通信系統(tǒng)三大部分,車載端作為處理器,車尾裝有高精度雷達(dá),車路通信采用WIFI,為研究車路協(xié)調(diào)環(huán)境下城市道路駕駛員行為以及下一代城市交通控制提供了條件。同濟(jì)大學(xué)的姚佼等深入分析了車路協(xié)同環(huán)境下城市道路交通信號(hào)控制的所面臨的機(jī)遇,同時(shí)對(duì)其所要克服的理論難點(diǎn)和關(guān)鍵技術(shù)進(jìn)行了分析,并在此基礎(chǔ)上,建立了車路協(xié)同環(huán)境下城市交通信號(hào)控制的模型[31]。王祺、胡堅(jiān)明等提出了基于車載自組織網(wǎng)絡(luò)技術(shù)的車路協(xié)同原型系統(tǒng)(IVICS)[32],并利用交通仿真軟件Paramics進(jìn)行二次開(kāi)發(fā),進(jìn)行大規(guī)模路網(wǎng)搭建動(dòng)態(tài)信號(hào)控制,利用Network Simulator和Paramics建立了車路協(xié)同一體化仿真平臺(tái)。Yang、Yudi等人在車路協(xié)同環(huán)境雙向通信的條件下,提出了一種車輛時(shí)空瞬時(shí)軌跡和相關(guān)信號(hào)配時(shí)參數(shù)下的車輛引導(dǎo)模型[33],并在上海曹安公路上進(jìn)行了該算法對(duì)通行能力和效率的評(píng)價(jià),結(jié)果表明相對(duì)于定時(shí)協(xié)調(diào)控制,該算法的平均延誤和停車次數(shù)都下降29%。李鵬凱等在車路協(xié)同環(huán)境下實(shí)時(shí)車車、車路通信,以交叉口車輛停車時(shí)間最小化為優(yōu)化目標(biāo),排隊(duì)長(zhǎng)度、車輛位置、加速度等參數(shù)為變量,提出單車車輛引導(dǎo)機(jī)制與模型[34],利用VISSIM仿真軟件及其COM接口對(duì)車路協(xié)調(diào)下的交叉口車輛控制延誤進(jìn)行了仿真分析,并對(duì)不同比例的試驗(yàn)車(probe car)下車輛控制延誤誤差進(jìn)行了分析,為下一步進(jìn)行信號(hào)燈參數(shù)優(yōu)化提供了理論基礎(chǔ)。李鵬凱、吳偉等以單車車輛引導(dǎo)為基礎(chǔ),以信號(hào)交叉口總體效益最大化為優(yōu)化目標(biāo),提出車路協(xié)同環(huán)境下信號(hào)交叉口多車協(xié)同車輛引導(dǎo)模型[35],以期盡可能降低道路交叉口車輛平均延誤和平均停車次數(shù),提高綠燈時(shí)間的有效利用率,多車協(xié)同速度引導(dǎo)可適應(yīng)不同飽和度下的交通流狀態(tài),且可有效降低交叉口車輛平均延誤和平均停車次數(shù)。張存保等引入滑動(dòng)時(shí)間窗預(yù)測(cè)方法,對(duì)交叉口信號(hào)控制優(yōu)化流程進(jìn)行了改進(jìn);以相位飽和度表征信號(hào)控制效果建立了車路協(xié)同環(huán)境下道路交叉口信號(hào)控制優(yōu)化方法和模型[36],通過(guò)VISSIM軟仿真對(duì)模型進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明其方法優(yōu)于傳統(tǒng)感應(yīng)控制方法,能夠有效降低交叉口平均延誤和平均停車次數(shù)。東南大學(xué)冉斌教授團(tuán)隊(duì)在總結(jié)現(xiàn)有智能網(wǎng)聯(lián)交通技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)的基礎(chǔ)上,提出了三維一體的智能網(wǎng)聯(lián)交通技術(shù)的發(fā)展架構(gòu),如圖2-1所示[37]。該架構(gòu)明確闡述了智能網(wǎng)聯(lián)交通需要解決的三類關(guān)鍵技術(shù)問(wèn)題以及他們之間的關(guān)系。三類關(guān)鍵技術(shù)即車輛自動(dòng)化技術(shù)、網(wǎng)絡(luò)互聯(lián)化技術(shù)以及系統(tǒng)集成化技術(shù)。根據(jù)每類技術(shù)的發(fā)展情況,可以再細(xì)分為4-5級(jí)。同時(shí),冉斌等將智能網(wǎng)聯(lián)交通系統(tǒng)分為2個(gè)發(fā)展方向,即智能網(wǎng)聯(lián)汽車和智能網(wǎng)聯(lián)道路。目前世界上主要的自動(dòng)駕駛技術(shù)路線以車為智能主題的解決方案,通過(guò)多種車載感知設(shè)備的融合,配合人工智能技術(shù),將車輛打造為聰明的移動(dòng)智能體。該類技術(shù)路線的主要問(wèn)題在于車載設(shè)備昂貴從而增加了用戶的購(gòu)車成本,不利于車聯(lián)網(wǎng)技術(shù)的普及與發(fā)展。此外,基于單車的自動(dòng)駕駛技術(shù)缺乏大范圍的交通優(yōu)化能力,只能達(dá)到局部?jī)?yōu)化的作用。冉斌等首次提出從“聰明的路,普通的車”逐步過(guò)渡到“聰明的路,聰明的車”的方案,即讓一部分原先需要車輛實(shí)現(xiàn)的功能通過(guò)路側(cè)功能實(shí)現(xiàn),并且通過(guò)多級(jí)交通控制體系解決全局交通優(yōu)化問(wèn)題。這樣不僅降低了單車成本,也可以通過(guò)路側(cè)控制達(dá)到全局優(yōu)化的效果,為未來(lái)智能網(wǎng)聯(lián)系統(tǒng)的發(fā)展指明了方向。

高速公路獲取交通狀態(tài)的困難之處在于布設(shè)的交通檢測(cè)器(例如線圈檢測(cè)器)的覆蓋范圍有限,并且測(cè)量結(jié)果包含多種誤差,因而不能夠準(zhǔn)確反映高速公路的真實(shí)情況[39]。因此,不僅未被交通檢測(cè)器覆蓋的路段需要進(jìn)行交通狀態(tài)估計(jì),有檢測(cè)器覆蓋的路段也需要通過(guò)交通狀態(tài)估計(jì)算法修正檢測(cè)誤差,使測(cè)量結(jié)果更接近真實(shí)值。在線交通狀態(tài)估計(jì)方法,即根據(jù)實(shí)時(shí)檢測(cè)數(shù)據(jù)以及交通模型,即時(shí)估計(jì)高速公路各路段的交通狀態(tài)的方法。如圖2-2所示,交通狀態(tài)估計(jì)方法不僅可以用在無(wú)交通檢測(cè)器覆蓋路段,在檢測(cè)器覆蓋路段也可以用于修正隨機(jī)誤差�，F(xiàn)有的在線交通狀態(tài)估計(jì)方法可以被劃分為兩類,一類是數(shù)據(jù)驅(qū)動(dòng)的交通狀態(tài)估計(jì)方法,另一類是模型驅(qū)動(dòng)的交通狀態(tài)估計(jì)方法。模型驅(qū)動(dòng)的方法主要通過(guò)構(gòu)建交通流模型描述路段交通狀態(tài),并使用其他算法優(yōu)化模型參數(shù)。數(shù)據(jù)驅(qū)動(dòng)方法主要通過(guò)對(duì)獲取的檢測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析來(lái)估計(jì)道路交通狀態(tài)。數(shù)據(jù)驅(qū)動(dòng)方法有時(shí)間序列方法[40][41]、回歸方法[42]、自適應(yīng)平滑方法[43]等。總體而言,大多數(shù)數(shù)據(jù)驅(qū)動(dòng)方法屬于線性估計(jì)方法,該類方法易于實(shí)現(xiàn),但是不能夠較好地描述交通系統(tǒng)的隨機(jī)性以及非線性特性。因此,這類方法的交通狀態(tài)估計(jì)和預(yù)測(cè)結(jié)果不是非常精確。從另一方面來(lái)看,模型驅(qū)動(dòng)方法更為精確,可以較好地刻畫交通系統(tǒng)的非線性特性,并且一些算法已經(jīng)通過(guò)了現(xiàn)場(chǎng)實(shí)驗(yàn),可以取得較好的估計(jì)效果。Wang和Papageorgiou等人系統(tǒng)研究了基于二階交通流模型以及擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)方法的交通估計(jì)算法[44][45],他們把研究成果應(yīng)用于慕尼黑附近高速公路的工程實(shí)踐中,并且給出了模型校準(zhǔn),算法初始參數(shù)選擇以及邊界條件的處理方法。其他研究主要集中在尋找新的算法對(duì)估計(jì)效果進(jìn)行改善。Ngoduy等[46]提出了一種無(wú)跡卡爾曼濾波(Unscented Kalman Filter,UKF)的估計(jì)方法,可以有效解決擴(kuò)展卡爾曼濾波帶來(lái)的線性估計(jì)誤差。Mihaylova等[47]將高速公路視為一種隨機(jī)混雜系統(tǒng),提出一種基于聚集態(tài)交通模型和集計(jì)變量觀察模型的粒子濾波算法。Hegyi等[48]對(duì)幾類濾波算法進(jìn)行了比較,包括經(jīng)典的卡爾曼濾波算法、EKF算法、UKF算法以及PF算法。比較結(jié)果表明基于EKF和UKF算法的交通狀態(tài)估計(jì)結(jié)果差別不大,UKF算法略優(yōu)于EKF算法。因而,基于二階交通流模型以及EKF優(yōu)化的交通估計(jì)方法仍不失為是一種有效的交通估計(jì)手段。

【參考文獻(xiàn)】：
期刊論文
[1]智能網(wǎng)聯(lián)交通技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)[J]. 冉斌,譚華春,張健,曲栩.  汽車安全與節(jié)能學(xué)報(bào). 2018(02)
[2]基于K近鄰算法和支持向量回歸組合的短時(shí)交通流預(yù)測(cè)[J]. 劉釗,杜威,閆冬梅,柴干,郭建華.  公路交通科技. 2017(05)
[3]車聯(lián)網(wǎng)通信技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)研究[J]. 任開(kāi)明,李紀(jì)舟,劉玲艷,宋文穎.  通信技術(shù). 2015(05)
[4]車路協(xié)同仿真場(chǎng)景設(shè)計(jì)與實(shí)現(xiàn)[J]. 崔琳娜,吳克壽.  廈門理工學(xué)院學(xué)報(bào). 2015(01)
[5]基于CANoe.car2x和Aurix的車聯(lián)網(wǎng)仿真及其實(shí)現(xiàn)[J]. 王小靜.  電子技術(shù)與軟件工程. 2014(19)
[6]智能車路協(xié)同系統(tǒng)發(fā)展現(xiàn)狀與趨勢(shì)[J]. 賈鵬,馮明月,張志超.  軍事交通學(xué)院學(xué)報(bào). 2014 (02)
[7]車路協(xié)同下道路交叉口信號(hào)控制優(yōu)化方法[J]. 張存保,冉斌,梅朝輝,張培嶺.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(03)
[8]車路協(xié)同環(huán)境下多車協(xié)同車速引導(dǎo)建模與仿真[J]. 李鵬凱,吳偉,杜榮華,楊應(yīng)科.  交通信息與安全. 2013(02)
[9]車路協(xié)同環(huán)境下信號(hào)交叉口車速引導(dǎo)建模與仿真[J]. 李鵬凱,楊曉光,吳偉,楊熙宇.  交通信息與安全. 2012(03)
[10]基于仿真的IEEE802.11p在車路協(xié)同中的適應(yīng)性研究[J]. 黃羅毅,吳志周,楊曉光,王吟松.  交通信息與安全. 2011(03)

博士論文
[1]快速道路可變限速控制技術(shù)[D]. 李志斌.東南大學(xué) 2014

碩士論文
[1]VISSIM交通仿真適用性研究[D]. 王志彪.北京交通大學(xué) 2007



本文編號(hào)：2942431