在有智能交通系統(tǒng)的環(huán)境下,駕駛員根據(jù)導(dǎo)航系統(tǒng)的限速提示,自身車輛的速度與提示的速度之間的速度差,對路況的熟悉程度等及時作出反應(yīng)且調(diào)整車速,以確保交通穩(wěn)定安全.在駕駛員的反應(yīng)中就存在著多時滯的問題.全速度差模型（FVD）是一種符合實際交通的經(jīng)典交通流跟馳模型.在本文中,基于FVD模型,主要考慮智能提前提示限速信息,駕駛員的兩個反應(yīng)時滯,對路況熟悉程度的反應(yīng),引入了三個新的全速度差模型,分析了它們的穩(wěn)定性和孤立波.研究內(nèi)容如下:模型一是含有智能提示限速信息的全速度差模型.根據(jù)線性穩(wěn)定性分析方法導(dǎo)出了模型的穩(wěn)定性條件,得出穩(wěn)定區(qū)域擴(kuò)大和三種實際情形下的精準(zhǔn)穩(wěn)定性結(jié)果;通過約化攝動方法對模型一進(jìn)行非線性分析,導(dǎo)出了孤立波解和扭結(jié)解.模型二是含有智能提示限速信息和兩個反應(yīng)時滯的全速度差模型.導(dǎo)出了模型的穩(wěn)定性條件,得出了雙時滯差擴(kuò)大穩(wěn)定區(qū)域的結(jié)果;通過約化攝動法在不同的區(qū)域?qū)С隽瞬煌姆蔷�性波方程,并給出了相應(yīng)的孤立波解.模型三是含有智能提示限速信息、駕駛員對道路熟悉程度和兩個反應(yīng)時滯的全速度差模型.導(dǎo)出了模型的穩(wěn)定性條件,得出了駕駛員熟悉道路的程度和雙時滯差擴(kuò)大了穩(wěn)定區(qū)域的結(jié)果;通過約化攝動法... 

【文章來源】：云南師范大學(xué)云南省

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 常見的速度差跟馳模型
    1.3 含智能信息的速度差跟馳模型的研究現(xiàn)狀
        1.3.1 在OV模型上擴(kuò)展得到速度差模型
        1.3.2 在FVD模型上擴(kuò)展的速度差模型
        1.3.3 在MVD模型上擴(kuò)展的速度差模型
        1.3.4 在其他模型上擴(kuò)展的速度差模型
    1.4 含時滯的優(yōu)化速度和速度差跟馳模型的研究現(xiàn)狀
    1.5 考慮駕駛員自身因素的優(yōu)化速度跟馳模型的研究現(xiàn)狀
    1.6 交通流跟馳模型中的孤立波的研究背景
    1.7 本文的研究內(nèi)容
第2章 含智能提示限速信息的全速度差模型的穩(wěn)定性與孤波
    2.1 引言
    2.2 模型的引入
    2.3 模型（2.1）的線性穩(wěn)定性條件
    2.4 模型（2.1）的非線性分析和孤立波
        2.4.1 在穩(wěn)定區(qū)域?qū)С鯞urgers方程和孤立波解
        2.4.2 在亞穩(wěn)定區(qū)域?qū)С鯧dV方程和孤立波解
        2.4.3 在不穩(wěn)定區(qū)域?qū)С鰉KdV方程和孤立波解
    2.5 本章小結(jié)
第3章 含智能提示限速信息和雙反應(yīng)時滯的全速度差模型的穩(wěn)定性與孤立波
    3.1 引言
    3.2 模型的引入
    3.3 模型（3.1）的線性穩(wěn)定性條件
    3.4 模型（3.1）的非線性分析和孤立波
        3.4.1 在穩(wěn)定區(qū)域?qū)С鯞urgers方程和孤立波解
        3.4.2 在亞穩(wěn)定區(qū)域?qū)С鯧dV方程和孤立波解
        3.4.3 在不穩(wěn)定區(qū)域?qū)С鰉KdV方程和孤立波解
    3.5 本章小結(jié)
第4章 含智能提示限速、熟悉道路程度和雙時滯的全速度差模型的穩(wěn)定性與孤立波
    4.1 引言
    4.2 模型的引入
    4.3 模型（4.1）的線性穩(wěn)定性條件
    4.4 模型（4.1）的非線性分析和孤立波
        4.4.1 在穩(wěn)定區(qū)域?qū)С鯞urgers方程和孤立波解
        4.4.2 在亞穩(wěn)定區(qū)域?qū)С鯧dV方程和孤立波解
        4.4.3 在不穩(wěn)定區(qū)域?qū)С鰉KdV方程和孤立波解
    4.5 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和研究成果
致謝



本文編號：3096044