基于无人驾驶环境的改进跟驰模型研究
发布时间：2021-08-07 23:02
伴随着互联网通信技术的飞速发展,无人驾驶技术及其相关理论已成为时下众多专业学者和企业重点研究方向,而对无人驾驶车辆之间跟驰模型的分析是该方向的重要基础性研究工作之一。由于技术的革新需要与相关的理论创新同步适应,本文以无人驾驶环境的车辆跟驰模型为研究对象,借鉴传统交通环境下车辆跟驰模型的形式,构建了基于无人驾驶环境的多信息融合跟驰模型（Multi-information Fusion Car-following Model,MI-CF）,并通过数值模拟实验的方法对比分析其与传统跟驰模型的差异,经验证,MI-CF模型具备更高的稳定性,能够更准确地描述基于无人驾驶环境车辆的跟驰行为特性。首先,本文详细阐述了无人驾驶技术以及车辆跟驰模型的发展研究现状,对几类经典跟驰模型的优缺点进行对比分析,发现基于传统环境的跟驰模型大部分未讨论多信息共同作用下的跟驰行为变化。且车辆跟驰行为受驾驶员特性等不可控因素影响较大,无法直接用于准确描述无人驾驶车辆的跟驰行为。在此基础上,进一步分析了无人驾驶交通流的跟驰行为特性以及无人驾驶车辆的信息交互特点和模式。随后,本文借鉴优化速度类模型的形式,综合考虑了车辆协同优...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
US101数据检测及研究区域示意图
交叉概率取 0.6，变异概率取 0.1，利用 MATLAB 工具对参数标定过程进行编程计算，得到的结果如下图所示，算法在第 121 代左右达到收敛，最佳适应度值为 6.59。图4-7 结果收敛曲线图参数取值范围参考相关文献[70]，标定得到的结果如下表所示。表4-4 参数标定结果参数 p 下界 0 0 0 0上界 2 0.5 1 1取值 1.38 0.42 0.21 0.104.4 本章小结本章作为全文的核心章节，主要是构建基于无人驾驶环境的多信息融合跟驰模型。
图5-1 OV 模型、FVD 模型和 MI-CF 模型稳定性曲线图上述各跟驰模型来说，稳定性曲线将图空间分为两个区域，位于曲线，交通流在受到一定强度的干扰后会重新恢复稳定状态行驶；位于曲区域，在该区域内，扰动在向后方传播时无法及时消散，最后导致交图可得，FVD 模型的稳定性区域大于 OV 模型稳定性区域，这是因FVD 模型考虑了引导车与跟随车的速度差因素，避免了 OV 模型导不合理现象；MI-CF 模型稳定性区域大于 FVD 模型和 OV 模型的稳 MI-CF 模型不仅考虑了跟随车与前方邻近引导车的速度差，同时考虑车的速度差和车头间距影响，并且模型的优化速度不仅与邻近引导车与邻近后方跟随车的车头间距有关。由上图还可以得到，基于无人性区域随着可感知前方车辆数 m 的增多而出现一定幅度的增加，说明过程中，考虑与车辆有关的因素越多时，模型抗干扰能力越强。因
【参考文献】：
期刊论文
[1]考虑多前车反馈的智能网联车辆跟驰模型[J]. 秦严严,王昊,冉斌. 交通运输系统工程与信息. 2018(03)
[2]CACC车辆跟驰建模及混合交通流分析[J]. 秦严严,王昊,冉斌. 交通运输系统工程与信息. 2018(02)
[3]混合ACC车辆与人工驾驶车辆的交通流数值模拟[J]. 陈广宇,祝会兵,范悦悦. 宁波大学学报(理工版). 2018(02)
[4]混有协同自适应巡航控制车辆的异质交通流稳定性解析与基本图模型[J]. 秦严严,王昊,王炜,万千. 物理学报. 2017(09)
[5]基于安全距离的手动—自动驾驶混合交通流研究[J]. 邱小平,马丽娜,周小霞,杨达. 交通运输系统工程与信息. 2016(04)
[6]无人驾驶汽车简介[J]. 王子正,程丽. 时代汽车. 2016(08)
[7]无人驾驶汽车的前世今生[J]. 孙秋霞. 中国科技奖励. 2016(03)
[8]百度无人驾驶汽车:符号意义大于实际意义[J]. 王雪玉. 金融科技时代. 2016(01)
[9]考虑前后车辆综合效应的跟驰模型及其稳定性分析[J]. 唐毅,刘卫宁,孙棣华,唐亮,张建厂. 哈尔滨工业大学学报. 2014(02)
[10]物联网信息感知与交互技术[J]. 胡永利,孙艳丰,尹宝才. 计算机学报. 2012(06)
博士论文
[1]车联网环境下高速公路车辆跟驰模型及仿真研究[D]. 顾海燕.东南大学 2017
[2]考虑后车的车辆跟驰行为建模及分析[D]. 杨达.西南交通大学 2013
硕士论文
[1]基于多车信息的车辆跟驰与换道模型研究[D]. 赵阳.吉林大学 2018
[2]基于元胞自动机的自动驾驶—手动驾驶交通流特性研究[D]. 马丽娜.西南交通大学 2017
[3]车联网环境下跟驰行为建模及交通流稳定性分析[D]. 李腾龙.长安大学 2017
[4]基于多源信息融合的驾驶员跟车行为研究[D]. 王雷.山东理工大学 2007
本文编号：3328706
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
US101数据检测及研究区域示意图
交叉概率取 0.6，变异概率取 0.1，利用 MATLAB 工具对参数标定过程进行编程计算，得到的结果如下图所示，算法在第 121 代左右达到收敛，最佳适应度值为 6.59。图4-7 结果收敛曲线图参数取值范围参考相关文献[70]，标定得到的结果如下表所示。表4-4 参数标定结果参数 p 下界 0 0 0 0上界 2 0.5 1 1取值 1.38 0.42 0.21 0.104.4 本章小结本章作为全文的核心章节，主要是构建基于无人驾驶环境的多信息融合跟驰模型。
图5-1 OV 模型、FVD 模型和 MI-CF 模型稳定性曲线图上述各跟驰模型来说，稳定性曲线将图空间分为两个区域，位于曲线，交通流在受到一定强度的干扰后会重新恢复稳定状态行驶；位于曲区域，在该区域内，扰动在向后方传播时无法及时消散，最后导致交图可得，FVD 模型的稳定性区域大于 OV 模型稳定性区域，这是因FVD 模型考虑了引导车与跟随车的速度差因素，避免了 OV 模型导不合理现象；MI-CF 模型稳定性区域大于 FVD 模型和 OV 模型的稳 MI-CF 模型不仅考虑了跟随车与前方邻近引导车的速度差，同时考虑车的速度差和车头间距影响，并且模型的优化速度不仅与邻近引导车与邻近后方跟随车的车头间距有关。由上图还可以得到，基于无人性区域随着可感知前方车辆数 m 的增多而出现一定幅度的增加，说明过程中，考虑与车辆有关的因素越多时，模型抗干扰能力越强。因
【参考文献】：
期刊论文
[1]考虑多前车反馈的智能网联车辆跟驰模型[J]. 秦严严,王昊,冉斌. 交通运输系统工程与信息. 2018(03)
[2]CACC车辆跟驰建模及混合交通流分析[J]. 秦严严,王昊,冉斌. 交通运输系统工程与信息. 2018(02)
[3]混合ACC车辆与人工驾驶车辆的交通流数值模拟[J]. 陈广宇,祝会兵,范悦悦. 宁波大学学报(理工版). 2018(02)
[4]混有协同自适应巡航控制车辆的异质交通流稳定性解析与基本图模型[J]. 秦严严,王昊,王炜,万千. 物理学报. 2017(09)
[5]基于安全距离的手动—自动驾驶混合交通流研究[J]. 邱小平,马丽娜,周小霞,杨达. 交通运输系统工程与信息. 2016(04)
[6]无人驾驶汽车简介[J]. 王子正,程丽. 时代汽车. 2016(08)
[7]无人驾驶汽车的前世今生[J]. 孙秋霞. 中国科技奖励. 2016(03)
[8]百度无人驾驶汽车:符号意义大于实际意义[J]. 王雪玉. 金融科技时代. 2016(01)
[9]考虑前后车辆综合效应的跟驰模型及其稳定性分析[J]. 唐毅,刘卫宁,孙棣华,唐亮,张建厂. 哈尔滨工业大学学报. 2014(02)
[10]物联网信息感知与交互技术[J]. 胡永利,孙艳丰,尹宝才. 计算机学报. 2012(06)
博士论文
[1]车联网环境下高速公路车辆跟驰模型及仿真研究[D]. 顾海燕.东南大学 2017
[2]考虑后车的车辆跟驰行为建模及分析[D]. 杨达.西南交通大学 2013
硕士论文
[1]基于多车信息的车辆跟驰与换道模型研究[D]. 赵阳.吉林大学 2018
[2]基于元胞自动机的自动驾驶—手动驾驶交通流特性研究[D]. 马丽娜.西南交通大学 2017
[3]车联网环境下跟驰行为建模及交通流稳定性分析[D]. 李腾龙.长安大学 2017
[4]基于多源信息融合的驾驶员跟车行为研究[D]. 王雷.山东理工大学 2007
本文编号：3328706
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3328706.html
