近年來,隨著機(jī)動(dòng)車保有量的不斷增加,交通問題日益增多。而交通系統(tǒng)與物聯(lián)網(wǎng)技術(shù)的相互融合則極大的促進(jìn)了智能交通系統(tǒng)的發(fā)展,智能交通系統(tǒng)為解決現(xiàn)階段存在的交通問題帶來了新的解決思路與方式。目前,我國正處于車聯(lián)網(wǎng)技術(shù)研究的初級階段,要實(shí)現(xiàn)車輛在完全意義上的車聯(lián)網(wǎng)環(huán)境下運(yùn)行尚需時(shí)日,但隨著技術(shù)的不斷更新發(fā)展,會(huì)有一部分網(wǎng)聯(lián)車輛率先加入到普通車輛的行駛過程中,如何對網(wǎng)聯(lián)車輛與普通車輛組成的新型混合交通流進(jìn)行建模,將是未來幾年內(nèi)研究的重點(diǎn)問題之一�；诖�,本文對不完全車聯(lián)網(wǎng)環(huán)境下網(wǎng)聯(lián)車輛與普通車輛組成的混合交通流建模與仿真問題進(jìn)了研究。具體工作如下:（1）提出了一種不完全車聯(lián)網(wǎng)環(huán)境下車輛跟馳模型。首先利用實(shí)時(shí)獲取的路段中網(wǎng)聯(lián)車輛信息對整個(gè)路網(wǎng)中的其他車輛信息進(jìn)行估算與還原,其中包括:普通車輛數(shù)量、速度、位置等參數(shù)信息,為后續(xù)車輛引導(dǎo)策略的研究提供數(shù)據(jù)支持;在此基礎(chǔ)上,提出新型混合交通流環(huán)境下的關(guān)注距離參數(shù),通過分析關(guān)注距離內(nèi)所有車輛對于跟馳車輛的影響,設(shè)計(jì)了一種新的混合交通流的跟馳模型,以更加全面的研究環(huán)境對于跟馳車輛的影響。（2）面向不完全車聯(lián)網(wǎng)環(huán)境,建立了基于元胞自動(dòng)機(jī)的混合交通流換道模型。針... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線

第二章不完全車聯(lián)網(wǎng)環(huán)境下的車輛跟車模型研究10第二章不完全車聯(lián)網(wǎng)環(huán)境下的車輛跟車模型研究2.1引言在車聯(lián)網(wǎng)技術(shù)逐步發(fā)展的情況下，聯(lián)網(wǎng)車輛加入到交通行駛中形成與普通車輛共存的交通形態(tài)，這將會(huì)對道路交通產(chǎn)生深遠(yuǎn)的影響。聯(lián)網(wǎng)車輛具有信息共享、提前預(yù)警等諸多優(yōu)勢。由于車輛網(wǎng)中的各項(xiàng)技術(shù)尚完全成熟，因此，探究部分車輛為聯(lián)網(wǎng)車輛狀態(tài)下的混合交通流狀態(tài)變化及特征十分重要。在現(xiàn)有的研究中，鮮有對于聯(lián)網(wǎng)車輛與普通社會(huì)車輛組成的混合交通流的研究，缺少對于二者相互作用影響的探究。本章通過對于聯(lián)網(wǎng)車輛與普通車輛的相互作用入手，找出混合交通流環(huán)境下交通狀態(tài)變化特征與規(guī)律。首先，通過是對聯(lián)網(wǎng)車輛信息的收集，對路網(wǎng)中普通車輛信息進(jìn)行還原。考慮不同車輛對于周圍其他車輛的影響，針對不同屬性車輛制定不同的行駛規(guī)則，引入關(guān)注距離的概念，考慮關(guān)注距離內(nèi)車輛跟馳的相互用作對于聯(lián)網(wǎng)車輛行駛的影響，改進(jìn)了原有的跟馳模型，提出了一種基于前方多車速度共同影響的混合交通流跟馳模型。通過建立模型對交通流的基本參數(shù)圖進(jìn)行分析，探究聯(lián)網(wǎng)車輛加入行駛隊(duì)列中對于道路交通的影響。具體如圖2-1所示。圖2-1研究路線圖

?虼嗽誦懈??可靠安全。而隨著聯(lián)網(wǎng)車輛加入行駛隊(duì)列中，車輛可以獲取到比傳統(tǒng)交通方式更加準(zhǔn)確的交通參數(shù)信息，另一方面，通過聯(lián)網(wǎng)車輛V2X技術(shù)獲取信息的方式減少了對于人工統(tǒng)計(jì)的依賴性且效率更高成本更低。從整個(gè)交通參數(shù)信息收集與還原的過程來看，以混合交通流行駛過程為前提，聯(lián)網(wǎng)車輛根據(jù)獲取的信息對周圍行駛狀況進(jìn)行分析，調(diào)整自身的運(yùn)行，同時(shí)也影響著周圍的車輛的行駛策略。為車輛的下一步的行駛策略提供有力的數(shù)據(jù)支持。根據(jù)道路的擁堵程度將路段大體分為排隊(duì)行駛區(qū)、緩慢行駛區(qū)和自由行駛區(qū)三種不同區(qū)域，如圖2-2所示（由于左轉(zhuǎn)彎的長度較短，車輛不太可能仍然處于自由流動(dòng)狀態(tài)，暫時(shí)不將左轉(zhuǎn)區(qū)間算在自由行駛區(qū)域內(nèi)考慮）。對每個(gè)區(qū)域應(yīng)用不同的算法來估計(jì)普通車輛的參數(shù)信息。圖2-2混合交通流行駛環(huán)境（1）勻速行駛區(qū)車輛參數(shù)估計(jì)假設(shè)在勻速行駛區(qū)域中的車輛均處于自由行駛狀態(tài)，與其他車輛無相互影響。利用車道上聯(lián)網(wǎng)車輛的數(shù)量除以聯(lián)網(wǎng)車輛滲透率，可以粗略的得到總體車輛數(shù)，再由此得出普通車輛的數(shù)量。聯(lián)網(wǎng)車輛的滲透率可以通過各類檢測器中聯(lián)網(wǎng)車輛所占比例或一段時(shí)間內(nèi)通過某路側(cè)單元的聯(lián)網(wǎng)車輛數(shù)進(jìn)行估算。計(jì)算公式(2-1)如下所示：=nNPr(2-1)

【參考文獻(xiàn)】：
期刊論文
[1]車聯(lián)網(wǎng)下道路交叉口車速引導(dǎo)信息管理系統(tǒng)[J]. 袁娜,史昕,趙祥模.  測控技術(shù). 2019(04)
[2]考慮運(yùn)行效益評價(jià)的車速引導(dǎo)與預(yù)信號協(xié)同控制研究[J]. 姚明,陳浩杰,黃麗瑩,陳士安.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(10)
[3]基于換道決策機(jī)理的多車道元胞自動(dòng)機(jī)模型[J]. 鄧建華,馮煥煥.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[4]考慮多前車反饋的智能網(wǎng)聯(lián)車輛跟馳模型[J]. 秦嚴(yán)嚴(yán),王昊,冉斌.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[5]基于魚群效應(yīng)的車輛交叉換道最小安全距離研究[J]. 朱艷玲,陳家琪.  軟件導(dǎo)刊. 2018(03)
[6]基于元胞自動(dòng)機(jī)的自動(dòng)駕駛技術(shù)對交通運(yùn)行的影響研究[J]. 王文,湯文蘊(yùn),莊宇,萬佳磊,王興璐.  現(xiàn)代交通技術(shù). 2018(01)
[7]基于元胞自動(dòng)機(jī)的交通模型分析[J]. 趙雪圻,閆妍,張峻康,王雪梅.  阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(02)
[8]考慮車與車互聯(lián)通訊技術(shù)的交通流跟馳模型[J]. 華雪東,王煒,王昊.  物理學(xué)報(bào). 2016(01)
[9]智能交通系統(tǒng)構(gòu)成及發(fā)展研究[J]. 吳騰奇.  汽車工業(yè)研究. 2015(12)
[10]中國城市機(jī)動(dòng)化發(fā)展情況及政策分析[J]. 戴帥,劉金廣,朱建安,鞏建國.  城市交通. 2015(02)

碩士論文
[1]基于車聯(lián)網(wǎng)信息的智能車換道方法研究[D]. 張騰.江蘇大學(xué) 2019
[2]基于無人駕駛環(huán)境的改進(jìn)跟馳模型研究[D]. 羅嘉陵.華南理工大學(xué) 2019
[3]基于多車信息的車輛跟馳與換道模型研究[D]. 趙陽.吉林大學(xué) 2018
[4]V2I環(huán)境下面向最小油耗的信號交叉口單車車速引導(dǎo)策略研究[D]. 孟竹.武漢理工大學(xué) 2018
[5]V2V條件下的車輛隊(duì)列跟馳行為建模與仿真實(shí)現(xiàn)[D]. 曾華倩.長安大學(xué) 2018
[6]基于大規(guī)模車輛軌跡數(shù)據(jù)的道路交叉口排隊(duì)長度探測[D]. 馮毅文.深圳大學(xué) 2017



本文編號：3433265