隨著經(jīng)濟(jì)的飛速發(fā)展,人們對(duì)出行的便捷性、舒適性和安全的要求日益增加,關(guān)于無(wú)人駕駛車輛的研究應(yīng)運(yùn)而生。無(wú)人駕駛技術(shù)研究大勢(shì)所趨,且無(wú)人駕駛車輛作為未來(lái)道路交通流的重要組成部分,因此,關(guān)于無(wú)人駕駛車輛的跟馳行為、無(wú)人和人工駕駛車輛組成的混合交通流特性、未來(lái)混合交通流擁堵發(fā)生機(jī)理、緩解未來(lái)混合交通流擁堵方法等相關(guān)的研究迫在眉睫。本文以未來(lái)混合交通流為研究對(duì)象,研究無(wú)人駕駛車輛的占比對(duì)交通擁堵的影響,進(jìn)而識(shí)別混合流下的交通擁堵。首先,分析無(wú)人駕駛車輛的跟馳特性,選取IDM（Intelligent-Driver Model）模型作為無(wú)人駕駛車輛的基本跟馳模型的研究基礎(chǔ),通過(guò)對(duì)經(jīng)典的IDM模型分析,提出了考慮期望距離非負(fù)和加速較慢兩個(gè)問(wèn)題,并對(duì)IDM模型進(jìn)行了改進(jìn),改進(jìn)后的IDM模型利用NGSSIM中的實(shí)測(cè)數(shù)據(jù)進(jìn)行參數(shù)標(biāo)定和模型驗(yàn)證,最終確定無(wú)人駕駛車輛的跟馳模型。其次,在已有的人工駕駛車輛跟馳模型的研究基礎(chǔ)上,選取了不同交通的具有代表性的模型作為研究基礎(chǔ)并進(jìn)行分析,通過(guò)參數(shù)標(biāo)定和模型驗(yàn)證,確定了以仿真精度較高、各項(xiàng)誤差指標(biāo)穩(wěn)定性較好的IDDM（Improve Desire Distance Mo... 

【文章來(lái)源】：西華大學(xué)四川省

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線

基于CTM的無(wú)人駕駛和人工駕駛的混合流狀態(tài)下的交通擁堵識(shí)別20圖2.1LankershimBoulevard數(shù)據(jù)集首部分結(jié)構(gòu)圖Figure2.1structureofthefirstpartofthelankershimBoulevarddataset圖2.2LankershimBoulevard數(shù)據(jù)集末尾部分結(jié)構(gòu)圖Figure2.2structureoftheendofthelankershimBoulevarddataset表2.2LankershimBoulevard數(shù)據(jù)名稱Table2.2datanameoflankershimBoulevard數(shù)據(jù)名稱單位數(shù)據(jù)說(shuō)明車輛ID（Vehicle_ID）—車輛編號(hào)幀ID（Frame_ID）0.1s圖像幀序列X位置（Local_X）Feet車頭位置對(duì)應(yīng)路段左側(cè)的橫向距離Y位置（Local_Y）Feet車頭位置對(duì)應(yīng)路段起點(diǎn)的縱向距離車輛長(zhǎng)度（v_length）Feet—車輛寬度（v_Width）Feet—車輛等級(jí)（v_Class）—三個(gè)等級(jí)：1-電動(dòng)車；2-小汽車；3卡車車速（v_Vel）feet/s瞬時(shí)車速

基于CTM的無(wú)人駕駛和人工駕駛的混合流狀態(tài)下的交通擁堵識(shí)別20圖2.1LankershimBoulevard數(shù)據(jù)集首部分結(jié)構(gòu)圖Figure2.1structureofthefirstpartofthelankershimBoulevarddataset圖2.2LankershimBoulevard數(shù)據(jù)集末尾部分結(jié)構(gòu)圖Figure2.2structureoftheendofthelankershimBoulevarddataset表2.2LankershimBoulevard數(shù)據(jù)名稱Table2.2datanameoflankershimBoulevard數(shù)據(jù)名稱單位數(shù)據(jù)說(shuō)明車輛ID（Vehicle_ID）—車輛編號(hào)幀ID（Frame_ID）0.1s圖像幀序列X位置（Local_X）Feet車頭位置對(duì)應(yīng)路段左側(cè)的橫向距離Y位置（Local_Y）Feet車頭位置對(duì)應(yīng)路段起點(diǎn)的縱向距離車輛長(zhǎng)度（v_length）Feet—車輛寬度（v_Width）Feet—車輛等級(jí)（v_Class）—三個(gè)等級(jí)：1-電動(dòng)車；2-小汽車；3卡車車速（v_Vel）feet/s瞬時(shí)車速

【參考文獻(xiàn)】：
期刊論文
[1]混合ACC車輛與人工駕駛車輛的交通流數(shù)值模擬[J]. 陳廣宇,祝會(huì)兵,范悅悅.  寧波大學(xué)學(xué)報(bào)(理工版). 2018(02)
[2]基于元胞自動(dòng)機(jī)的自動(dòng)駕駛交通流仿真研究[J]. 邱小平,馬麗娜.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[3]自動(dòng)巡航與可變限速協(xié)同控制對(duì)高速公路基本路段通行效率的改善[J]. 李燁,王煒,邢璐,王昊,董長(zhǎng)印.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(05)
[4]關(guān)于改善杭州交通擁堵狀況的若干建議[J]. 吳安琪,吳偉強(qiáng).  杭州(生活品質(zhì)版). 2013(05)
[5]基于細(xì)胞傳輸模型的交通流仿真特征及適用性研究[J]. 黃瑋,沈峰,楊曉光.  交通與計(jì)算機(jī). 2008(01)
[6]車輛跟馳模型研究綜述[J]. 秦麗輝,田國(guó)旺,蔣天恩.  長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2007(03)
[7]汽車主動(dòng)避撞系統(tǒng)安全報(bào)警算法[J]. 劉剛,侯德藻,李克強(qiáng),楊殿閣,連小珉.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(05)
[8]智能車輛機(jī)器視覺(jué)發(fā)展近況[J]. 徐友春,李克強(qiáng),連小珉,趙玉凡.  汽車工程. 2003(05)

博士論文
[1]智能網(wǎng)聯(lián)環(huán)境下異質(zhì)交通流特性分析方法研究[D]. 秦嚴(yán)嚴(yán).東南大學(xué) 2019
[2]城市道路交通擁堵傳播規(guī)律及消散控制策略研究[D]. 龍建成.北京交通大學(xué) 2009

碩士論文
[1]自動(dòng)駕駛車輛交叉口協(xié)調(diào)控制策略[D]. 馮琦.哈爾濱工業(yè)大學(xué) 2017
[2]智能網(wǎng)聯(lián)車輛與普通車輛混合車流交通狀態(tài)估計(jì)方法研究[D]. 李志偉.東南大學(xué) 2017
[3]基于元胞傳輸模型的過(guò)飽和交叉口識(shí)別方法研究[D]. 曾霞.東南大學(xué) 2016
[4]基于元胞傳輸模型的城市交通擁堵機(jī)理研究[D]. 田聰.華中科技大學(xué) 2012



本文編號(hào)：3490839