基于车路协同感知的实时调度模型研究

发布时间：2022-08-11 11:05

　　目前我国汽车保有量急剧攀升,城市交通路口承载的负荷越来越大,交通路口的拥堵是造成城市交通拥堵的最主要原因。交通对象信息采集的数据容易受环境影响,论文结合未来C-V2X车联网技术在智慧交通的应用趋势,研究设计了一种基于交通对象实时信息统计的交叉路口交通调度系统架构和动态调度方法。论文的重点研究内容体现在以下三个方面:（1）针对传统交通感知技术统计数据存在不准确和数据传输时延较高等问题,论文研究了基于V2X车路协同智能感知的交通调度系统架构,通过C-V2X通信、高清摄像头与雷达等多源传感器信息融合实时获取车辆种类、位置和速度等车辆信息,提高了路侧设备获取信息的准确度,保证了交通控制的实时性和有效性。并针对不同路口正常交通流下车辆行驶的峰值进行预测,为有信号灯和无信号灯下交通路口的调度提供数据依据。（2）针对有信号灯交通路口交通控制存在信号相位非动态调整和配时不合理等问题,论文研究设计了一种基于博弈论算法交通路口互斥模型和方法。通过对当前交通路口实时交通流的统计与预测,计算各个车道车辆通行的优先级大小,基于博弈理论实现信号灯的控制和基于交通流的大小来控制配时,减少了车辆在交通路口的等待时间,... 

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景及意义
    1.2 研究现状与发展趋势
        1.2.1 车联网现状与发展趋势
        1.2.2 V2X车联网与智慧交通
        1.2.3 智能交通控制方法研究现状
        1.2.4 交通路口车辆引导研究现状
        1.2.5 现有研究的不足
    1.3 研究内容
    1.4 论文章节安排
第2章 相关理论与关键技术
    2.1 相关理论与交通对象感知技术分析
        2.1.1 博弈论算法的基本原理
        2.1.2 现有交通对象感知技术分析
        2.1.3 未来车路协同环境下的交通对象感知方法
    2.2 基于车路协同智能感知的交通调度架构
        2.2.1 车路协同单点交通路口架构
        2.2.2 车路协同区域性交通路口架构
    2.3 车路协同架构获取的统计数据
        2.3.1 车辆信息数据内容
        2.3.2 道路信息数据内容
    2.4 车路协同环境下的调度关键技术分析
        2.4.1 多源智能感知技术架构功能分析
        2.4.2 交通路口调度互斥模型的设计和优化
        2.4.3 基于V2X通信的车路协同控制方法设计
    2.5 本章小结
第3章 基于实时信息采集的交通路口互斥模型研究
    3.1 典型交叉路口场景模型
    3.2 基于车路协同的信息采集与计算方法
        3.2.1 车路协同信息采集与处理
        3.2.2 车路协同环境下的交通路口车流量峰值计算方法
    3.3 优化的博弈论纳什均衡算法
        3.3.1 基于博弈论算法的互斥模型
        3.3.2 信号灯配时
    3.4 低车流量下的车速引导
        3.4.1 低车流量调度需求分析
        3.4.2 低车流量车速引导模型
    3.5 本章小结
第4章 无交通灯路口车路协同车辆引导控制模型
    4.1 基于无交通灯路口车辆协同控制需求分析
    4.2 基于车路协同的交叉路口车辆引导系统结构
    4.3 交通路口车辆运动模型设计
        4.3.1 编队组队模型下的协同控制
        4.3.2 编队组队模型下的运动模型分析
    4.4 本章小结
第5章 验证与分析
    5.1 测试环境搭建
    5.2 基于实时信息采集的交通路口互斥模型的验证与分析
        5.2.1 前期准备
        5.2.2 结果与分析
    5.3 无交通灯路口车路协同车辆引导控制模型的验证与分析
        5.3.1 前期准备
        5.3.2 结果与分析
    5.4 本章小结
第6章 全文总结
    6.1 论文主要工作总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]C-V2X车联网产业发展综述与展望[J]. 金博,胡延明.  电信科学. 2020(03)
[2]交通信号灯模糊控制实时配时算法研究[J]. 张永志.  现代信息科技. 2019(21)
[3]基于公交优先的多路口车速引导控制方法[J]. 蔡雅苹,王伟智.  福州大学学报(自然科学版). 2019(05)
[4]基于V2X的智慧公路发展概述[J]. 纪斌义,田洪清,刘青峰.  机电产品开发与创新. 2019(05)
[5]基于V2X的单向道路信号灯协调控制方法（英文）[J]. 高凯,韩发荣,文孟飞,杜荣华,李烁,周峰.  Journal of Central South University. 2019(09)
[6]基于博弈的交通信号配时优化[J]. 彭敏,单铮,于泉,姚宗含.  公路. 2019(08)
[7]A Simulation System and Speed Guidance Algorithms for Intersection Traffic Control Using Connected Vehicle Technology[J]. Shuai Liu,Weitong Zhang,Xiaojun Wu,Shuo Feng,Xin Pei,Danya Yao.  Tsinghua Science and Technology. 2019(02)
[8]城市单交叉路口交通信号实时优化控制与仿真[J]. 李若菡.  交通世界. 2019(Z1)
[9]基于多路口预测与实时配时合作的交通控制系统设计[J]. 杨乾坤,王晓红.  计算机测量与控制. 2018(12)
[10]The Intelligent Control System of Traffic Light Based on Fog Computing[J]. WU Qiong,HE Fanfan,FAN Xiumei.  Chinese Journal of Electronics. 2018(06)

博士论文
[1]基于车联网的十字路口节能与安全车速引导技术研究[D]. 项学海.东南大学 2015

硕士论文
[1]基于V2X和高精度定位的城市交叉路口自适应车辆引导方法研究[D]. 李玉环.重庆邮电大学 2019
[2]车联网环境下交叉口行车速度引导策略研究[D]. 孟静.昆明理工大学 2019
[3]无信号灯交叉路口特定工况车辆协作控制研究[D]. 刘振朋.辽宁工业大学 2019
[4]基于博弈论的转向车流干扰的交叉口信号优化[D]. 李静娴.长安大学 2018
[5]车联网环境下交叉口群速度引导模型及仿真[D]. 吕佳润.北京交通大学 2017
[6]基于改进粒子群算法的路口多目标信号实时控制研究[D]. 李欣.河北工业大学 2016
[7]基于博弈论的交通控制和动态网络均衡组合优化研究[D]. 赵小方.北方工业大学 2016
[8]无信号灯十字交叉口协作车辆控制研究[D]. 李勇.北京理工大学 2015



本文编号：3674544