智能网联车辆交通流微观建模研究

发布时间：2020-10-14 15:01

　　 智能化和网联化的深度融合,是未来汽车技术发展的重要方向,这也使得针对智能网联车辆的研究成为智能交通系统领域的热点话题。如何揭示智能网联车辆交通流的行为演变规律是一个亟待解决的重要问题。本文主要围绕智能网联车辆交通流的微观建模展开研究,一方面,考虑到智能网联车辆可以通过车车/车路(vehicle-to-vehicle/vehicle-to-infrastructure,V2V/V2I)通信技术获取周围车辆的多元化信息,从而提出两种新的交通流模型;另一方面,针对智能网联环境的本质性特点,如通信拓扑结构的变化和通信延时,提出一种新的智能网联车辆交通流模型,以此刻画智能网联车辆交通流的动态行为演变,进而研究上述两种典型因素对智能网联电动车交通流的行为和能耗的影响。本文的具体工作介绍如下:(i)针对车辆动力学信息和非结构化道路因素影响,提出了智能网联环境下考虑电子节气门开度和单边侧向间隙的跟驰模型非结构化道路环境表示交通道路中存在车道线不清晰情况,导致前后车辆间可能存在侧向间隙。而在智能网联环境下,车车间不仅可以通过V2V通信获取通信范围内的车辆运动学信息,还可通过V2V/V2I获取车辆间的侧向间隙信息。本文通过结合以上信息,提出了一种智能网联环境下,考虑电子节气门开度和单边侧向间隙综合影响的跟驰模型。理论分析和仿真实验证明了所提模型较现有的模型,具有更好的一般性、稳定性、平滑性和响应能力。(ii)针对道路几何结构信息和非结构化道路因素影响,提出了智能网联环境下考虑坡度和双边侧向间隙的跟驰模型智能网联环境下,交通道路中的坡度情况可借助V2I通信技术,告知通信范围内的车辆,在此基础之上,考虑到非结构化道路环境,本文提出了智能网联环境下,考虑道路坡度和双边侧向间隙影响的跟驰模型。理论分析证明了所提模型较现存的模型,更具有一般性。仿真实验验证了在上坡情况下,随着坡度的增加,交通流稳定性提高,车辆在交通流中的分布越加密集;而在下坡过程中,随着坡度的增加,交通流稳定性下降,车辆在交通流中的分布越加稀松。同时动态仿真实验表明,考虑双边侧向间隙因素会使得头车受外部干扰后,能快速地消除其影响。(iii)考虑通信扑结构和延时对车辆行为的影响,提出了一种新的智能网联环境下的交通流跟驰模型智能网联车辆借由先进的通信技术,实现车车互联,然而该技术不可避免的会引通信的连接不稳定以及通信延时等问题。本部分研究内容旨在利用图论提出一种通信拓扑结构表征方式,在此基础之上,提出一种考虑通信拓扑结构和延时的跟驰模型。理论分析得到了模型的一致性条件。仿真实验通过考虑不同的通信拓扑结构和延时,分别验证了所提模型在反映交通流稳态特性、平滑性、响应能力和抗扰动能力的有效性,同时证实了,对于智能网联交通流,通信的连接情况和通信延时会对交通流动态行为造成较为明显的影响。(iv)考虑通信拓扑切换周期与延时因素,研究了其对智能网联电动车交通流行为和能耗的影响智能网联环境下,不可靠通信必然会对交通流造成影响,本文结合当前热点的电动车能耗问题,基于(iii)中的跟驰模型,研究通信拓扑切换周期与匀质/异质延时对智能网联电动车交通流行为和能耗的影响,仿真分析表明了通信环境越恶劣,即通信拓扑切换周期越短,延时越大,会造成电动车交通流的平滑性和响应能力恶化,能耗越大。同时,也明确了针对智能网联电动车交通流,稳定和良好的通信对节省能量的重要性。上诉内容(i)(ii)重点围绕智能网联车辆可获取多元化信息展开,阐明不同因素会对交通流稳态和动态行为造成的影响;而研究内容(iii)(iv)则围绕通信因素展开,讨论通信拓扑结构、拓扑切换周期、通信延时对交通流的稳态、动态及能耗影响。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U495
【部分图文】：

的微观交通流模型，并围绕所提模型，展开考虑通信拓扑结构、拓扑切换周期、匀质/异质通信延时、多元信息等因素的交通流模型稳态、动态特性和能耗等相关研究。1.2.2 典型的微观交通流模型截至目前，车车跟驰理论经过不断的研究和优化，一些典型场景或尖锐问题已经得到解决，以下列举几种较为经典的跟驰模型，以便为本文后续研究内容提供对比对象。(i) 全速度差跟驰模型基于最优速度的 OV 模型主要依据前后车辆间间距，进而寻求后方车辆的最优跟驰速度[43]。然而 OV 模型存在前车速度较快，而因两车间距过小，依旧会建议跟随车辆不加速甚至减速的情况。为了解决这一不合理的前后差速度问题，因此，如图 1.1，基于全速度差 FVD 模型可由以下公式(1.1)描述[45]：

进[45]。而在非结构化的道路环境下，车辆失去明显的车道线参照，因此，如图 1.2 所示，前后间可能存在单边侧向间隙，为了刻画在此场景下的交通流动态行为演变规律，进而提出了如下 NLBCF 模型[46]。, 1 , 2 , 1 , 2( ) ( ( ( ), ( )) ( )) ( ( ), ( ))n n n n n n n n n na t V x t x t v t G v t v t (1.3)其中, 2 2( ) ( ) ( )n n n nx t x t x t ，, 2 2( ) ( ) ( )n n n nv t v t v t 分别为跟随车辆n 与前导车辆 n 2之间在t 时刻的纵向间距与速度差。而模型中V ( , ) , G ( , ) 分别为[46]： , 1 , 2 , 1 , 2( ), ( ) 1 ( ) ( )n n n n n n n n n nV x t x t U p x t p x t (1.4), 1 , 2 , 1 , 2( ( ), ( )) (1 ) ( ) ( )n n n n n n n n n nG v t v t p v t p v t (1.5)其中n ,n 1Lg 表示跟随车辆n 与前导车辆 n 1之间的侧向间隙，maxLg 表示道路的横向最大宽度，其比率, 1 max/ [0,1]n n np Lg Lg 则用来刻画该侧向间隙的影响。

考虑到交通道路中存在坡度这一场景，此时的第n 辆汽车的驱动坡度之间的关系可表征为[47, 57]：22d ( ) d ( )( ( ), ( )) sin ( ( ))ddn nx t x tm F x t v t mg B x ttt 其中， 为地面的摩擦系数； B ( x (t ))为制动控制方程；m 为汽车质量，g 为加速度； 为斜坡角度；驱动力 F ( x (t ), v (t ))可被表征为[47]：F ( x (t ), v (t )) aF ( x (t )) bF ( v (t ))其中a 和b 为常系数。将公式(1.7)带入公式(1.6)，那么可以得到考虑坡度的跟驰模型为[47]：22d ( ) ( ( )) sin ( ( ))d ( )[ ] ( ( ))ddn nx t aF x t mg B x t x tbF v ttm t m (iv) 考虑双边侧向间隙的跟驰模型
【相似文献】

相关期刊论文 前10条

1 罗强;王世明;李友欣;;基于数据融合的交通流检测设施布点优化评价指标及应用研究[J];中国公共安全;2016年19期

2 赵静;;基于物联网的智能交通流探测技术研究[J];科技创新与应用;2016年34期

3 肖崇紫;;动态占有率与交通流三参数之间的关系[J];住宅与房地产;2017年09期

4 徐阳;张多加;胡大伟;;突变理论在交通流分析中的应用[J];自动化与仪器仪表;2017年07期

5 梁杰;房真;陈丹丹;;基于虚拟变量回归分析无人驾驶汽车对交通流的影响[J];文山学院学报;2017年03期

6 陈泽平;;张量分解方法视角下研究交通流网络的时空特征[J];时代农机;2017年04期

7 王忠浩;张静;肖建力;;基于交通指数云图的宏观交通流分析方法综述[J];上海理工大学学报;2017年04期

8 高福德;;基于交通波模型的事故对连续交通流影响机理研究[J];建筑技术开发;2017年12期

9 李硕;张久浩;张萌萌;;一种基于RFID技术的交通流检测方案[J];智能城市;2016年05期

10 苗壮;杨婧;;路边停车对路段交通流延误影响研究[J];交通科技;2015年01期

相关博士学位论文 前10条

1 梁子君;基于交通流组合相位控制逻辑的信号优化控制研究[D];长安大学;2018年

2 李雪岩;基于自组织混沌边缘决策的交通流演化研究[D];北京交通大学;2018年

3 曹宝贵;交通流复杂动态特性与交通拥堵问题研究[D];吉林大学;2010年

4 张勇;交通流的非线性分析、预测和控制[D];北京交通大学;2011年

5 陈昕;基于协同学的城市交通控制与诱导系统协同的理论与方法研究[D];吉林大学;2006年

6 宋学文;高速公路扩建期交通流组织优化研究[D];武汉理工大学;2008年

7 卢宇;交通流混沌实时判定方法的研究[D];天津大学;2007年

8 丁恒;基于车辆延误理论的多态交通流信号控制研究[D];合肥工业大学;2011年

9 崔立成;基于多断面信息的城市道路网交通流预测方法研究[D];大连海事大学;2012年

10 郭欢;基于灰理论的短时交通流动力学建模预测与优化研究[D];武汉理工大学;2013年

相关硕士学位论文 前10条

1 陈泽濠;融合多因素的短时交通流预测方法研究[D];华南理工大学;2019年

2 高思琦;基于深度强化学习的多智能体城市道路交叉口交通流优化控制研究[D];福建工程学院;2019年

3 荣博盛;考虑碳排放的连续型动态交通流分配模型及算法研究[D];北京交通大学;2019年

4 李嘉威;基于组合模型的交通流量预测[D];杭州电子科技大学;2019年

5 杨阳;基于车辆群体行为态势的定位技术与交通流诱导方法研究[D];杭州电子科技大学;2019年

6 李拓;基于时空相似性的城市交通路网分区及速度预测研究[D];北京交通大学;2019年

7 李宁;基于交通流和信息流的城市网络空间结构对比研究[D];河南大学;2019年

8 赵杭;智能网联车辆交通流微观建模研究[D];重庆邮电大学;2019年

9 蔡中原;交通流短期预测的分合预测模型及其应用[D];厦门大学;2017年

10 谭晓宇;城市干线交通流协调优化问题研究[D];沈阳建筑大学;2017年

本文编号：2840821