车联网环境下跟驰行为建模及交通流稳定性分析

发布时间：2019-08-08 17:23

【摘要】：随着经济发展,机动车数量急剧增加,交通拥堵问题日益严重。而车联网技术的出现使驾驶员可以准确掌握邻近多车的行驶信息,这为提高交通流的稳定性、缓解交通拥堵带来了新的机遇。车辆跟驰作为最基本的微观驾驶行为,是交通流理论研究的基础,普通车辆的跟驰模型研究虽然已较为成熟,却并不能准确描述车联网环境下的跟驰行为及其对宏观交通流所产生的影响。本文以现有的跟驰模型为基础,构建了车联网环境下的跟驰模型,并对模型进行了稳定性分析和仿真验证。论文主要工作如下:(1)基于BLVD(Backward Looking and Velocity Difference)模型和OVCM(Optimal Velocity Changes with Memory)模型,同时考虑到利用车-车通信可以准确获取多前车的行驶信息,提出了基于后视和多前车最优速度记忆(Backward Looking and Multi-preceding Vehicles’Optimal Velocity Changes with Memory,BL-MOVCM)跟驰模型。(2)采用线性稳定性分析,得出跟驰模型的中性稳定条件;通过非线性分析,推导出mKdV(modified Kortewege-de-Vries)方程,描述在临界点附近的密度波稳定性特征。据此划分出模型的稳定、亚稳定和不稳定区域,并与传统的FVD(Full Velocity Difference)模型、BLVD模型和OVCM模型进行对比,结果显示BL-MOVCM模型的稳定区域有明显增大。(3)通过仿真,对比了BL-MOVCM模型、OVCM模型、BLVD模型和FVD模型在车队启动、停止和扰动演化过程中的稳定性表现,验证了理论分析的正确性。并且对网联车和普通车构成的混合交通流特性进行了仿真分析,结果表明,随着车联网渗透率的增加,交通流的稳定性得到逐步改善。综上所述,理论分析和仿真实验均表明,借助车-车通信技术,考虑后视和多前车最优速度记忆的综合效应后,有利于提高交通流的稳定性,缓解和抑制交通拥堵。研究结果对车联网环境下交通控制策略的制定具有理论指导意义。
【图文】：

前车,紧急制动

2.1.2 VANET 典型应用场景VANET 系统在交通领域中有着广泛的应用，根据通信方式可分为：车-车通信（Vehicle-to-Vehicle，V2V），车-基础设施通信（Vehicle-to-Infrastructure，V2I），车-行人通信（Vehicle-to-Pedestrian，V2P）等[34]。本文所提出的车联网环境下的跟驰模型主要涉及 V2V 技术，目前 V2V 应用主要集中在警告驾驶员即将发生的碰撞，后续的产品将涉及车辆的自动驾驶行为，，包括刹车和转向操作。当前 V2V 技术的应用主要有以下几个方面：（1）紧急制动预警V2V 通信可将前车甚至是多前车的运行信息共享至当前车辆，当前方车辆因特殊情况紧急制动时，可将警告信息发送至后车。特别在如图 2.1 的交通场景下，由于前方车辆为大型货车，次前车被遮挡，但借助 V2V 通信可接收到来自于次前车紧急制动的警告信息，驾驶员可对货车的减速行为做出预判，减小追尾事故发生的概率。

换道,车辆,车道,边车

图 2.2 车辆稳定性预警（3）换道碰撞预警如图 2.3 所示，试图换道车辆因后方处于换道过程的车辆阻挡了视线，普通环无法察觉到目标车道上高速行驶的后车，换道过程存在安全隐患。但借助 V2V 通边车辆的位置和路径信息可以被当前车辆获得，驾驶员会收到车道被占用警告，潜在危险的发生。图 2.3 换道碰撞预警
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U491

【引证文献】