| 智能网联环境下基于安全势场理论的车辆跟驰模型 |
| |
| 引用本文： | 李林恒,甘婧,曲栩,冒培培,冉斌.智能网联环境下基于安全势场理论的车辆跟驰模型[J].中国公路学报,2019,32(12):76-87. |
| |
| 作者姓名： | 李林恒 甘婧 曲栩 冒培培 冉斌 |
| |
| 作者单位： | 1. 东南大学 交通学院, 江苏 南京 211189;2. 东南大学 东南大学-威斯康星大学智能网联交通联合研究院, 江苏 南京 211189;3. 东南大学 城市智能交通江苏省重点实验室, 江苏 南京 211189 |
| |
| 基金项目： | 国家重点研发计划项目（2018YFB1600600）；江苏省自然科学基金项目（BK20160685）；东南大学优秀博士学位论文培育基金项目（YBPY1928） |
| |
| 摘 要： | 为有效刻画未来智能网联环境下交通流微观跟驰行为，以更加精确地进行车辆的运动决策，建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础，首先阐述了交通环境中安全势场的客观性、普遍性以及可测性，然后通过引入加速度参数对既有安全势场模型进行改进，改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上，构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响，由于不同速度、加速度信息在智能网联环境下车辆可以实时获取，因此该模型可应用于未来智能网联环境中。此外，在模型参数标定过程中，通过对NGSIM数据进行筛选，得到含有较多减速停车以及启动加速状态的轨迹数据，共筛选得到412组NGSIM真实跟驰车对数据，并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果，选择OVM模型、IDM模型与本文模型进行比较，并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标，结果表明，建立的基于安全势场理论的车辆跟驰模型具有良好的精度，适用于描述考虑加速度参数条件下的跟驰行为，可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。
|
| 关 键 词： | 交通工程 安全势场 人工蜂群算法 跟驰模型 智能网联环境 |
| 收稿时间： | 2019-05-24 |
Car-following Model Based on Safety Potential Field Theory Under Connected and Automated Vehicle Environment |
| |
| LI Lin-heng,GAN Jing,QU Xu,MAO Pei-pei,RAN Bin.Car-following Model Based on Safety Potential Field Theory Under Connected and Automated Vehicle Environment[J].China Journal of Highway and Transport,2019,32(12):76-87. |
| |
| Authors: | LI Lin-heng GAN Jing QU Xu MAO Pei-pei RAN Bin |
| |
| Institution: | 1. School of Transportation, Southeast University, Nanjing 211189, Jiangsu, China;2. Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Southeast University, Nanjing 211189, Jiangsu, China;3. Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 211189, Jiangsu, China |
| |
| Abstract: | |
| |
| Keywords: | traffic engineering safety potential field artificial bee colony algorithm car-following model connected and automated vehicle environment |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国公路学报》浏览原始摘要信息 |
| 点击此处可从《中国公路学报》下载免费的PDF全文 |
|
