基于相关分析和安全车距的跟驰模型

为精确模拟动力性能各异的车辆之间的跟驰行为,分析了跟驰实验数据和车辆动力性能,采用回归分析法筛选变量,建立新的跟驰模型。根据车辆动力性能与车距修正模型,使模型模拟结果更符合车辆的动力性能,并具有广泛的适用性。模型模拟加速度、速度和位置与实测值之间的相对误差分别为6.0%、0.1%和1.0%,相关系数分别为0.863、0.998和1.000。由此表明模型可精确模拟车辆性能各异与车速和车间距离散性较大的跟驰车队。     

基于安全车距实时标定的列车间隔动态控制

分析了列车间隔与其跟驰行为的关系, 利用Petri网形式化建模工具描述了当高速列车跟驰稳态被破坏时, 列车间隔的动态控制。面向CTCS-4级列车运行控制系统, 运用数值分析方法建立了全速域范围内最小安全车距随后车当前速度变化的拟合函数, 并运用该拟合函数进行列车跟驰行为质量评估, 进而构建了基于跟驰行为评估的列车间隔动态控制模型, 并对该模型进行了仿真验证。仿真结果表明: 列车跟驰系统从速度为200km·h^-1、列车间隔为5 849.18m的安全、高效跟驰稳态运行到速度为380km·h^-1的跟驰稳态期间, 列车间隔的动态控制能够通过后车的行为调整得到实现, 且当速度为380km·h^-1的跟驰稳态实现时, 列车间隔仅比安全车距大358.00m, 说明新的安全、高效跟驰稳态已经建立; 当前车紧急停车时, 后车在控制律的作用下采取因应措施, 安全、高效、平稳地减速运行, 直至完全停车。仿真结果验证了控制方法的有效性和可行性, 能够实现列车安全、高效跟驰运行。     

基于驾驶员状态的高速公路安全车距模型

为进一步完善高速公路环境下的安全车距模型,通过道路模拟驾驶试验,确定不同车速、驾驶员不同疲劳状态下的制动反应时间域,同时根据驾驶员的眼睛状态确定驾驶员的疲劳度,基于模糊隶属函数建立驾驶员的制动反应时间与疲劳状态、车速之间的对应关系,并对高速公路环境下的安全车距模型进行实时修正。通过MATLAB仿真验证了不同驾驶员状态下车距模型的可靠性。     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息,是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题,面向智能网联环境,构建了混合交通流全样本车辆轨迹重构模型. 首先,分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境;然后,提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型,实现了对插入轨迹数量、轨迹位置和速度等参数的估计;最后,设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle,CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle,CV）的渗透率为8%和20%时,该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹;重构轨迹准确性随着CAV和CV渗透率的增加而提高;当交通密度为70辆/km,且CAV渗透率仅为4%的情况下,模型也能重构82%的车辆轨迹.      

高速列车跟驰运行控制策略与安全车距的互动演化

为实现高速列车的安全、高效、平稳运行,利用Petri网描述与分析了给定跟驰状态下高速列车控制策略与安全车距的互动演化机理,探讨了高速列车复杂跟驰形势下的安全车距计算问题,建立了能够反映高速列车控制策略的停车减速运行数学模型,提出了基于控制策略的安全车距计算方法,以满足高速列车当前跟驰状态下行为调整的安全性、高效性和平稳（舒适）性和有助于动态安全车距和控制策略的实时标定。在前车速度分别为250、300、350 km·h-1,后车速度为300 km·h-1三种跟驰状态下,计算了前后车分别采取不同的控制策略时应保持的安全车距。计算结果表明：随着前后车控制策略的变化,安全车距是不同的,对列车行为调整的平稳（舒适）性与跟驰效率的影响也存在差异;综合考虑安全、效率和列车行为调整的平稳（舒适）性,宜针对高速列车不同跟驰状态重新标定不同跟驰控制策略下的安全车距,并建立相应的数据库,作为列车运行和控制的依据。     

基于驾驶特征的临界安全车距数学模型

在对传统动力学临界安全车距数学模型分析的基础上,给出了一种基于驾驶特征安全车距的建模方法,建立了适应驾驶特征的汽车纵向避撞安全车距模型.通过实时检测驾驶员的驾驶行为,建立了驾驶特征辨识模型,将驾驶特征、车况、路况、环境因子等因素融合到数学模型中,最后通过计算分析比较,验证了所建立的数学模型具有较高的准确性和实时性,对汽车主动避撞系统的研究具有较高的应用价值.     

CACC车头时距与混合交通流稳定性的解析关系

研究协同自适应巡航控制(Cooperative Adaptive Cruise Control，CACC)车头时距对不同CACC比例下混合交通流稳定性的影响关系，进而为CACC车头时距设计提供参考. 应用优化速度模型(Optimal Velocity Model，OVM)作为手动车辆的跟驰模型，PATH真车实验标定的模型作为CACC车辆的跟驰模型. 基于传递函数理论，推导混合交通流稳定性判别条件，计算关于CACC比例与平衡态速度的混合交通流稳定域. 分析混合交通流在任意速度下稳定所需满足的临界CACC比例与CACC车头时距的解析关系，提出随CACC比例增加的可变 CACC车头时距设计策略，并通过数值仿真实验验证所提可变CACC车头时距策略的正确性. 研究结果表明：在所提可变CACC车头时距策略下，CACC车头时距随CACC比例增加而逐渐降低，避免取值较大影响混合交通流通行能力的提升；当CACC比例大于35%时，混合交通流在任意速度下稳定.研究结果可为大规模CACC真车实验的实施提供理论设计参考.     

基于头车疏解车距的混合交通信号交叉口通行能力研究

头车疏解车距(The First Discharge Headway)是绿灯开始后到第一辆机动车启动并通过停车线的时间.本文分析了混合交通信号交叉口不同车道交通流的车型比例和干扰比例,结果表明,左转车道的小型车比例和受到的干扰次数高于直行车道.随后利用Logistic模型、Compertz模型、Logsitic模型分别...     

基于模糊推理的跟驰安全距离控制算法及实现

车辆跟驰是普遍存在的交通现象之一。由于驾驶员在控制车辆过程中具有模糊的、不确定性的行为特征, 难以对驾驶员的行为进行精确的数学描述, 此外, 为保证车辆行驶的安全, 有必要对车辆跟驰时如何保持安全距离进行研究。基于此, 提出基于模糊推理的车辆跟驰间距控制算法, 并对其进行了仿真运算。仿真结果表明, 用模糊推理模拟驾驶员的行为是可行的, 并且通过模糊推理控制后车的速度, 后车能够以安全距离跟随前车安全行驶     

道路几何设计对IDM模型跟驰行为的影响

考虑道路几何设计参数转弯半径、超高、坡度对车辆跟驰行为的影响,对车辆跟驰智能驾驶员模型(IDM)进行了改进.结合二自由度车辆动力学模型,利用Matlab/Simulink建立改进后的跟驰模型并进行仿真.仿真分析发现:在具有转弯、超高和坡度的道路上,改进后的模型,其跟驰车辆车头时距增大,行驶速度减小,保证了车辆行驶的安全性;车辆横摆角速度和侧向速度随半径和超高的增加而减小,保证了汽车操纵稳定性.结果表明,改进后的模型能够更准确地描述道路几何设计对车辆跟驰行为的影响.     

基于安全距离的元胞自动机交通流模型研究

随着交通拥堵状况日益显著,整体交通安全性下降,交通事故率逐渐增大.基于提高驾驶安全性考虑,细化元胞长度,引入被广泛证明在描述车辆驾驶行为方面具有很高精度的Gipps 安全距离规则,对NaSch模型进行改进,提出一个新的基于安全距离的元胞自动机交通流模型.采用实测数据对模型进行标定和评估,进一步对模型进行数值模拟分析.模型评估结果显示,新建立的模型相对NaSch 模型精度更高.数值模拟结果表明,改进模型能够很好地表现交通流特性,再现实际交通中的自由流、同步流及拥堵流等交通现象.此外,还发现驾驶员对前车最大减速度估计过高时,会导致道路通行能力下降,而驾驶员对自身车辆最大减速度估计过高时,会在一定程度上增大道路的通行能力,但是很可能会造成不安全的驾驶行为,增加了事故率.     

道路安全审计中的视距问题研究

视距审计是道路安全审计的重要内容。讨论了几个比较关键、但又容易被忽视的视距问题,包括平曲线路段中央分隔带护栏、桥墩和绿化对邻近车道的视距遮挡问题,凸、凹竖曲线的夜间视距问题以及因运营不畅造成的车辆排队视距问题等。力求通过安全审计,提高我国高速公路安全设计水平。     

高速公路汽车安全距离模型

通过对汽车制动过程的简化与分析,推导出了汽车制动距离,建立了高速公路汽车行驶安全距离模型。经过对算例和规定值的比较,结果表明,该文所建立的高速公路汽车行驶安全距离模型可以根据不同的道路、天气环境给出比规定值更准确的汽车行驶安全距离。     

基于最优间距的车辆跟驰模型及其特性

为真实地反应车辆跟驰机理,假设在跟驰状态下,驾驶员倾向于保持最优跟驰间距,在分析最优间距函数的基础上,建立了车辆跟驰模型(optimal distance model, ODM).利用NGSIM数据,对ODM模型和经典Gipps车辆跟驰模型进行参数标定和评价.用仿真方法分析了ODM模型再现宏观交通流现象的能力和加速度特性.研究结果表明:与Gipps模型相比, ODM模型的加速度、速度和距离的仿真精度分别提高了0.36 m/s2、0.99 m/s和0.73 m,并能够再现实际交通流中稳定车流和冲击波等交通现象;在稳定交通流中, ODM模型总是趋向于使车辆间距等于最优跟驰间距,或在其附近小幅度波动.      

机器学习——动力学耦合车辆跟驰模型

目前,跟驰模型的建立主要基于动力学方法和机器学习算法,将两者耦合起来建立跟驰模型的研究还没有.以线性组合预测为基础,对最优加权法中的目标函数进行改进,将经典的Gipps模型和基于BP神经网络的跟驰模型(BP Car-following Model,BP)耦合起来,建立线性组合车辆跟驰模型(Linear Combination Car-following Model,LC-CF).结果表明:BP模型的预测结果更加贴近真实值,Gipps模型的预测结果更加贴近安全值;LC-CF模型可以通过调整参数,来控制BP模型和Gipps模型在LC-CF模型中的权重,进而达到控制预测速度的真实性和安全性的目的.     

������ɢѡ�����۵ĸ���ģ��

基于离散选择理论,提出了车辆跟驰模型.考虑七个选择肢中的加减速度,采用选择肢特定参数反映出不同选择肢的吸引程度.为了避免换道行为的干扰,利用HOV车道的车辆数据对模型进行标定和验证.结果显示,大多数的标定参数在95%的置信水平下都是较为显著的.此外,模型反映出的不同的车头间距及速度下的驾驶员对不同加减速度的选择趋势与日常驾驶行为完全吻合.验证结果表明,对于实际状况下被选择的选择肢,大于1/7 (每个选择肢的平均预测概率) 的预测概率的比例大于87%.从观测比例的角度看,实际观测值与模型的预测值之间差异并不显著.最后应用模型模拟30分钟的单车道交通状况.     

线形安全设计探讨

介绍了国内外道路安全研究的现状,分析了我国道路线形设计中存在的问题,对我国道路安全设计的发展趋势进行了展望。     

基于未确知测度模型的一级公路设计安全性评价

构建一级公路设计安全性评价的量化值,建立了一级公路安全性评价的指标体系;针对公路设计因素与交通安全之间关系存在未确知的特点,在未确知测度空间的基础上,构建了一级公路设计安全评价的未确知测度模型。通过单指标未确知测度、多指标综合测度计算以及指标定权等过程,实现对一级公路设计安全效应的综合评价。实例分析表明,运用未确知测度模型进行一级公路设计安全评价问题研究,理论上是可行的,评价结果是可信的,从而为信息不确定条件下的公路设计安全性提供了一种新方法。