不完全车联网环境下的交通流建模与分析
发布时间：2021-10-12 20:44
近年来,随着机动车保有量的不断增加,交通问题日益增多。而交通系统与物联网技术的相互融合则极大的促进了智能交通系统的发展,智能交通系统为解决现阶段存在的交通问题带来了新的解决思路与方式。目前,我国正处于车联网技术研究的初级阶段,要实现车辆在完全意义上的车联网环境下运行尚需时日,但随着技术的不断更新发展,会有一部分网联车辆率先加入到普通车辆的行驶过程中,如何对网联车辆与普通车辆组成的新型混合交通流进行建模,将是未来几年内研究的重点问题之一。基于此,本文对不完全车联网环境下网联车辆与普通车辆组成的混合交通流建模与仿真问题进了研究。具体工作如下:（1）提出了一种不完全车联网环境下车辆跟驰模型。首先利用实时获取的路段中网联车辆信息对整个路网中的其他车辆信息进行估算与还原,其中包括:普通车辆数量、速度、位置等参数信息,为后续车辆引导策略的研究提供数据支持;在此基础上,提出新型混合交通流环境下的关注距离参数,通过分析关注距离内所有车辆对于跟驰车辆的影响,设计了一种新的混合交通流的跟驰模型,以更加全面的研究环境对于跟驰车辆的影响。（2）面向不完全车联网环境,建立了基于元胞自动机的混合交通流换道模型。针...
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
技术路线
第二章不完全车联网环境下的车辆跟车模型研究10第二章不完全车联网环境下的车辆跟车模型研究2.1引言在车联网技术逐步发展的情况下，联网车辆加入到交通行驶中形成与普通车辆共存的交通形态，这将会对道路交通产生深远的影响。联网车辆具有信息共享、提前预警等诸多优势。由于车辆网中的各项技术尚完全成熟，因此，探究部分车辆为联网车辆状态下的混合交通流状态变化及特征十分重要。在现有的研究中，鲜有对于联网车辆与普通社会车辆组成的混合交通流的研究，缺少对于二者相互作用影响的探究。本章通过对于联网车辆与普通车辆的相互作用入手，找出混合交通流环境下交通状态变化特征与规律。首先，通过是对联网车辆信息的收集，对路网中普通车辆信息进行还原。考虑不同车辆对于周围其他车辆的影响，针对不同属性车辆制定不同的行驶规则，引入关注距离的概念，考虑关注距离内车辆跟驰的相互用作对于联网车辆行驶的影响，改进了原有的跟驰模型，提出了一种基于前方多车速度共同影响的混合交通流跟驰模型。通过建立模型对交通流的基本参数图进行分析，探究联网车辆加入行驶队列中对于道路交通的影响。具体如图2-1所示。图2-1研究路线图
?虼嗽诵懈??可靠安全。而随着联网车辆加入行驶队列中，车辆可以获取到比传统交通方式更加准确的交通参数信息，另一方面，通过联网车辆V2X技术获取信息的方式减少了对于人工统计的依赖性且效率更高成本更低。从整个交通参数信息收集与还原的过程来看，以混合交通流行驶过程为前提，联网车辆根据获取的信息对周围行驶状况进行分析，调整自身的运行，同时也影响着周围的车辆的行驶策略。为车辆的下一步的行驶策略提供有力的数据支持。根据道路的拥堵程度将路段大体分为排队行驶区、缓慢行驶区和自由行驶区三种不同区域，如图2-2所示（由于左转弯的长度较短，车辆不太可能仍然处于自由流动状态，暂时不将左转区间算在自由行驶区域内考虑）。对每个区域应用不同的算法来估计普通车辆的参数信息。图2-2混合交通流行驶环境（1）匀速行驶区车辆参数估计假设在匀速行驶区域中的车辆均处于自由行驶状态，与其他车辆无相互影响。利用车道上联网车辆的数量除以联网车辆渗透率，可以粗略的得到总体车辆数，再由此得出普通车辆的数量。联网车辆的渗透率可以通过各类检测器中联网车辆所占比例或一段时间内通过某路侧单元的联网车辆数进行估算。计算公式(2-1)如下所示：=nNPr(2-1)
【参考文献】：
期刊论文
[1]车联网下道路交叉口车速引导信息管理系统[J]. 袁娜,史昕,赵祥模. 测控技术. 2019(04)
[2]考虑运行效益评价的车速引导与预信号协同控制研究[J]. 姚明,陈浩杰,黄丽莹,陈士安. 重庆理工大学学报(自然科学). 2019(10)
[3]基于换道决策机理的多车道元胞自动机模型[J]. 邓建华,冯焕焕. 交通运输系统工程与信息. 2018(03)
[4]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)
[5]基于鱼群效应的车辆交叉换道最小安全距离研究[J]. 朱艳玲,陈家琪. 软件导刊. 2018(03)
[6]基于元胞自动机的自动驾驶技术对交通运行的影响研究[J]. 王文,汤文蕴,庄宇,万佳磊,王兴璐. 现代交通技术. 2018(01)
[7]基于元胞自动机的交通模型分析[J]. 赵雪圻,闫妍,张峻康,王雪梅. 阜阳师范学院学报(自然科学版). 2017(02)
[8]考虑车与车互联通讯技术的交通流跟驰模型[J]. 华雪东,王炜,王昊. 物理学报. 2016(01)
[9]智能交通系统构成及发展研究[J]. 吴腾奇. 汽车工业研究. 2015(12)
[10]中国城市机动化发展情况及政策分析[J]. 戴帅,刘金广,朱建安,巩建国. 城市交通. 2015(02)
硕士论文
[1]基于车联网信息的智能车换道方法研究[D]. 张腾.江苏大学 2019
[2]基于无人驾驶环境的改进跟驰模型研究[D]. 罗嘉陵.华南理工大学 2019
[3]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
[4]V2I环境下面向最小油耗的信号交叉口单车车速引导策略研究[D]. 孟竹.武汉理工大学 2018
[5]V2V条件下的车辆队列跟驰行为建模与仿真实现[D]. 曾华倩.长安大学 2018
[6]基于大规模车辆轨迹数据的道路交叉口排队长度探测[D]. 冯毅文.深圳大学 2017
本文编号：3433265
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
技术路线
第二章不完全车联网环境下的车辆跟车模型研究10第二章不完全车联网环境下的车辆跟车模型研究2.1引言在车联网技术逐步发展的情况下，联网车辆加入到交通行驶中形成与普通车辆共存的交通形态，这将会对道路交通产生深远的影响。联网车辆具有信息共享、提前预警等诸多优势。由于车辆网中的各项技术尚完全成熟，因此，探究部分车辆为联网车辆状态下的混合交通流状态变化及特征十分重要。在现有的研究中，鲜有对于联网车辆与普通社会车辆组成的混合交通流的研究，缺少对于二者相互作用影响的探究。本章通过对于联网车辆与普通车辆的相互作用入手，找出混合交通流环境下交通状态变化特征与规律。首先，通过是对联网车辆信息的收集，对路网中普通车辆信息进行还原。考虑不同车辆对于周围其他车辆的影响，针对不同属性车辆制定不同的行驶规则，引入关注距离的概念，考虑关注距离内车辆跟驰的相互用作对于联网车辆行驶的影响，改进了原有的跟驰模型，提出了一种基于前方多车速度共同影响的混合交通流跟驰模型。通过建立模型对交通流的基本参数图进行分析，探究联网车辆加入行驶队列中对于道路交通的影响。具体如图2-1所示。图2-1研究路线图
?虼嗽诵懈??可靠安全。而随着联网车辆加入行驶队列中，车辆可以获取到比传统交通方式更加准确的交通参数信息，另一方面，通过联网车辆V2X技术获取信息的方式减少了对于人工统计的依赖性且效率更高成本更低。从整个交通参数信息收集与还原的过程来看，以混合交通流行驶过程为前提，联网车辆根据获取的信息对周围行驶状况进行分析，调整自身的运行，同时也影响着周围的车辆的行驶策略。为车辆的下一步的行驶策略提供有力的数据支持。根据道路的拥堵程度将路段大体分为排队行驶区、缓慢行驶区和自由行驶区三种不同区域，如图2-2所示（由于左转弯的长度较短，车辆不太可能仍然处于自由流动状态，暂时不将左转区间算在自由行驶区域内考虑）。对每个区域应用不同的算法来估计普通车辆的参数信息。图2-2混合交通流行驶环境（1）匀速行驶区车辆参数估计假设在匀速行驶区域中的车辆均处于自由行驶状态，与其他车辆无相互影响。利用车道上联网车辆的数量除以联网车辆渗透率，可以粗略的得到总体车辆数，再由此得出普通车辆的数量。联网车辆的渗透率可以通过各类检测器中联网车辆所占比例或一段时间内通过某路侧单元的联网车辆数进行估算。计算公式(2-1)如下所示：=nNPr(2-1)
【参考文献】：
期刊论文
[1]车联网下道路交叉口车速引导信息管理系统[J]. 袁娜,史昕,赵祥模. 测控技术. 2019(04)
[2]考虑运行效益评价的车速引导与预信号协同控制研究[J]. 姚明,陈浩杰,黄丽莹,陈士安. 重庆理工大学学报(自然科学). 2019(10)
[3]基于换道决策机理的多车道元胞自动机模型[J]. 邓建华,冯焕焕. 交通运输系统工程与信息. 2018(03)
[4]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)
[5]基于鱼群效应的车辆交叉换道最小安全距离研究[J]. 朱艳玲,陈家琪. 软件导刊. 2018(03)
[6]基于元胞自动机的自动驾驶技术对交通运行的影响研究[J]. 王文,汤文蕴,庄宇,万佳磊,王兴璐. 现代交通技术. 2018(01)
[7]基于元胞自动机的交通模型分析[J]. 赵雪圻,闫妍,张峻康,王雪梅. 阜阳师范学院学报(自然科学版). 2017(02)
[8]考虑车与车互联通讯技术的交通流跟驰模型[J]. 华雪东,王炜,王昊. 物理学报. 2016(01)
[9]智能交通系统构成及发展研究[J]. 吴腾奇. 汽车工业研究. 2015(12)
[10]中国城市机动化发展情况及政策分析[J]. 戴帅,刘金广,朱建安,巩建国. 城市交通. 2015(02)
硕士论文
[1]基于车联网信息的智能车换道方法研究[D]. 张腾.江苏大学 2019
[2]基于无人驾驶环境的改进跟驰模型研究[D]. 罗嘉陵.华南理工大学 2019
[3]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
[4]V2I环境下面向最小油耗的信号交叉口单车车速引导策略研究[D]. 孟竹.武汉理工大学 2018
[5]V2V条件下的车辆队列跟驰行为建模与仿真实现[D]. 曾华倩.长安大学 2018
[6]基于大规模车辆轨迹数据的道路交叉口排队长度探测[D]. 冯毅文.深圳大学 2017
本文编号：3433265
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3433265.html
最近更新
教材专著
