基于人-车-路环境下的车辆跟驰模型

在现有的跟驰模型基础上,综合考虑驾驶员个体差异、车辆制动性能差异和交通路况因素,并针对前车静止、减速和匀速或加速三种不同行驶状态,以前后车所需的最小安全距离为目标,建立不同行驶工况下的人-车-路环境下的最小安全距离车辆跟驰模型。最后,针对前车不同行驶工况下对最小安全距离进行数值计算,并与现有的传统模型计算结果进行对比。结果表明:在车辆跟驰过程中,前后车之间所需的最小安全距离会受人、车、道路环境影响而有所变化,文中建立的模型更加准确、合理,符合真实交通现象。     

基于分子动力学的跟驰特性及其模型

为更好地研究车辆跟驰特性,缓解道路交通拥堵,在车辆跟驰行为受前导车和道路环境等影响的基础上,将单车道道路虚拟为一维管道,道路上的跟驰车辆抽象成相互作用的分子。考虑需求安全距离和期望速度2个影响因素,基于分子动力学构建车辆相互作用势和分子壁面势函数,并建立基于相互作用势函数的分子跟驰模型,给出跟驰车辆的加速度模型。在实际交通环境中建立视频采集试验路段,采集试验路段不同点位的交通流样本,从视频中获得模型所需数据,并将数据分为两部分,一部分用于参数标定,其余用来模型验证。将车辆运行状态分为常态行驶、起动加速和减速停车3种。根据实测交通数据分别对3种车辆运行状态下的经典GM模型和分子跟驰模型进行参数标定,选取3种不同运行状态下的试验数据各3组,代入标定后的分子跟驰模型与经典GM模型计算模型输出加速度,并与实测加速度进行误差分析对比,结果表明,分子跟驰模型输出加速度与实测加速度之间的误差,总体上比经典GM模型要小,而且根据绝对误差方差显示,分子跟驰模型较经典GM模型稳定性更高。选取有代表性的一组跟驰过程进行数据绘图,对比可以看出分子跟驰模型输出加速度与实测数据变化趋势几乎一致,其拟合效果比经典GM模型更好。     

车路集成环境下车辆防撞预警安全状态判别模型的研究

针对现有安全状态判别模型未能兼顾行车安全与道路空间资源利用率,且忽略了实际行驶环境下动态制动减速度信息的问题,提出了车路集成条件下车辆防撞预警安全状态判别模型。通过车-路通信协作实现对路面类型等实际行驶环境因素的动态识别,并确定车辆采取制动措施时所能获得的动态制动减速度;通过分析前车与自车的有效制动时间和车辆制动全过程,建立了新型临界跟车距离模型,并给出了模型关键参数的获取方法。仿真结果表明,该判别模型具有较强的自适应性,更贴近车辆实际行驶环境下的制动过程,有利于提高道路空间的利用率。     

基于时变期望车距与最大车速的跟驰模型

为了精确模拟城市交通网络中行驶车辆之间的跟驰行为,在研究跟驰状态下车辆行驶特性的基础之上,考虑车辆行驶的最大限制速度和前车速度,对基于最大车速的广义力模型进行改进.改进的跟驰模型将处于跟驰状态的车辆与前车之间的期望车间距看作是与前车、目标车车速相关的时变量.将该模型与基于最大速度的广义力(GF)模型分别用于模拟车辆跟驰过程,与实测数据进行图表对比分析,表明该模型的仿真结果更接近实际的交通流特性.     

高速公路弯坡组合路段载重车最小安全车距模型

为降低高速公路弯坡组合路段载重车追尾碰撞风险,通过研究不同平纵组合下高速公路弯坡类型,界定弯坡组合路段参数范围,选取具有较强代表性的车型,针对现有最小安全车距模型的缺陷,建立基于载重车制动减速系统且满足驾驶人驾驶行为特性的弯坡组合路段安全车距计算模型并对其参数进行标定;利用载重车仿真软件TruckSim 2016建立弯坡段双车跟驰模型,分析小半径平曲线下载重车爬坡与下坡行车状态时车辆滑移率、行驶速度、车间距等指标,验证该最小安全车距模型的有效性。     

智能网联环境下基于安全势场理论的车辆跟驰模型

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。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

基于改进安全距离模型的人机协同纵向避撞研究

针对车辆纵向跟驰过程中的避撞问题,基于车辆运动状态和路面附着系数等因素,提出了一种改进的安全距离模型。针对驾驶员和主动制动系统的协调控制问题,采用可拓决策的方法,以两车实际间距和碰撞时间为参考变量建立二维可拓集合,划分动态安全边界,不同域中分别采用自由驾驶模式、协调制动模式和主动制动模式。基于避撞模型,对被选为主动制动控制器的径向基神经网络的模型进行训练,得出理想制动压力。通过软件仿真和台架硬件在环仿真,对所提控制策略进行验证,结果表明所提策略能有效避免车辆纵向碰撞,改善了制动平稳性和安全性。     

典型跟驰模型的特征与性能分析

为对比分析传统的跟驰模型在描述车辆行驶特性中的应用特征,从模型形式和基本特征两方面对典型的刺激-反应类GM模型、安全距离类Gipps模型、优化速度类FVD模型进行了对比分析。为验证以上理论分析结果,对3种跟驰模型分别进行了数值仿真分析,并分别对前后车之间的速度变化关系以及位置变化关系进行了对比分析。实验结果表明,相较于GM模型与Gipps模型,FVD模型在应用中更符合实际情况,能够较为准确地描述单一车辆加速或减速的行驶特性。     

基于双曲函数的车辆减速策略及安全跟驰车距的计算

车辆减速策略与跟驰车距具有相互制约的关系.分析了车辆减速运动规律,提出反映人们期望和行为特点的基于双曲函数的车辆减速策略,进而建立计算安全跟驰车距的数学模型,并按照国际载运工具和我国上海磁浮列车的运行舒适性评价标准,对200 km/h跟驰速度条件下安全车距的计算式进行了仿真试验与数值分析,验证了相关数学模型与计算方法的有效性.