基于期望间距的车辆跟驰模型的建立

以“期望间距”为基准参理，考虑驾驶员的心理和生理因素，建立了车辆跟驰模型，为研究驾驶行为提供了一种新的思路。     

基于侧向车辆影响的跟驰模型建模及仿真

应用实际交通数据对现有的2种跟驰模型进行模拟验证,结果显示,其与实测数据均存在一定误差.之后通过分析车辆在跟驰状态下行驶所受影响因素,结合驾驶员心理,在优化速度模型的基础上结合侧向车辆的影响因素建立新的交通流跟驰模型.通过线性稳定性分析,得到了模型的稳定性条件,分析结果表明,模型稳定性受侧向邻车行驶状态的影响,侧向影响越小,模型稳定性越好.通过西安市某路段的交通数据对新模型进行了验证,结果表明,相对于优化速度模型,新模型仿真结果更贴近实测交通数据,均方差降低62.89%,最大绝对误差降低66.39%,最小绝对误差降低33.4%.      

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

基于神经网络的车辆跟驰模型的建立

车辆跟驰是一种难以操作的驾驶行为，驾驶员必须同时考虑许多因素。本文应用神经网络模拟无车道变换行为的单一车道车辆跟驰行为（加、减速，不动作）。神经网络的自学习特点，使得神经网络模型能把驾驶员周围的各种信息并行结合起来产生可靠的模拟结果。     

基于模糊推断的车辆跟驰模型

在微观交通流模拟中，由于驾驶行为的不确定性，难以建立精确模型。在模糊推断的基础上，以直接自然的语言描述驾驶行为准则，提出了车辆跟驰模型。     

基于驾驶员视觉的车辆跟驰建模与仿真

着重从驾驶员心理-生理(AP)跟车模型的角度出发,根据AP模型的不足,提出了驾驶员视觉范围变化对车辆跟车模型的影响,建立跟车模型,并用仿真的方法分析其稳定性,提出了跟车系统稳定性的参数数值范围,以期正确地提出驾驶员的跟车行为。     

基于神经网络的模糊推理车辆跟驰模型

根据BP神经网络自学习的特点，通过训练使模糊变量和隶属函数隐含在网络内部，并用模糊逻辑推理模拟驾驶员对车辆进行控制的过程，可以使模型更接近于真实的跟驰行为，最后用该模型进行了仿真，证明其可行性。     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

智能网联车辆跟驰模型及交通流特性研究

智能网联车辆(Intelligent and Connected Vehicle,ICV)跟驰模型是研究ICV交通流特性的基础模型,针对ICV跟驰模型的建模及交通流特性开展研究。分析现有ICV跟驰模型存在的缺陷,考虑模型结构简洁且参数物理意义明确的特性,提出新的ICV跟驰模型。理论推导本文ICV跟驰模型以及原跟驰模型的基本图函数关系式,对比分析通行能力的影响,考虑周期性边界条件,设计数值仿真实验,仿真分析ICV的混入对混合交通流稳定性的影响。研究结果表明:本文所提ICV跟驰模型能够克服原模型通行能力受恒定车头时距影响较大的缺陷,相比原模型而言,本文ICV跟驰模型通行能力随自由流速度的变化幅度较显著,与实际车流运行特性相符合,同时,ICV有利于混合交通流稳定性的提升,当ICV比例达到60%时,混合交通流由不稳定状态转变为稳定状态。研究结果论证了所提ICV跟驰模型具备良好的模型特性,可为智能网联环境下的交通流特性分析提供模型参考。     

基于车辆个体行为的交通流跟驰模型研究

用改变参数取值的方法来将个体差异这一重要思想引入跟驰模型,实现对FVD(全速度差)模型的优化,对模拟交通情况和优化交通管理有积极意义.研究实现了驾驶员行为的个性化描述,采用敏感程度的概念并用一个标准正态分布中的取值表示,分析了个性化行为和模型参数的联系,实现了模型的优化和优化后模型对启动车流和稠密交通流扰动传播的数值模拟.     

基于Vissim的驾驶模拟系统交通流仿真

在道路交通驾驶模拟系统开发平台的基础上,加载动态车流,以实现交通流的真实性,利用Vissim的交通流仿真功能,通过编程语言VC对驾驶模拟系统与Vissim的接口进行了研究,实现了道路交通驾驶模拟系统的交通流仿真,并通过实例验证了这一方法的有效性和实用性.     

基于分子跟驰特性的交通流稳定性分析

交通流稳定性分析是研究交通堵塞、交通事故和交通流特性的基础,对于提高车辆行驶的安全性和道路通行能力等方面的研究都具有重要的现实意义.首先基于分子动力学理论,考虑前导车的行为变化以及外界环境变化等因素,对处于理想状态下的稳态车队进行了分析.然后采用微扰法从微观和宏观方面对交通流进行了稳定性分析,建立了基于需求安全距离的微扰跟驰模型.最后应用Matlab对微扰法研究结论进行了数值仿真分析.结果表明,当处于平衡状态的车队中的某车辆受到微扰后,车队能否在波动后恢复稳定状态与驾驶员反应强度系数的取值大小有关.     

交叉口混合交通流跟驰行为研究

为了研究机动车流和非机动车流在交叉口交通信号灯影响下的过街跟驰情况,文章对西安市南稍门十字以及小寨十字进行了观测与记录,采用录制视频的方式,观测了在一个交通信号灯周期内车流的过街跟驰情况,采集并分析数据后,针对机动车流的跟驰行为构建了基于安全距离的跟驰模型,通过分析可以看出,在交叉口处机动车和非机动车过街行为受行人和机动车流影响较大,转向车流与直行的车流也会互相影响。     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警,基于车辆OBD驾驶行为数据及信息熵理论,提出了城市道路交通安全风险预估方法。首先,分析异常驾驶行为高发位置与道路交通事故发生位置的关联性;其次,构建以道路交通安全熵为一级指标,急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系,提出了基于改进熵权法的道路交通安全熵计算方法;然后,基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法,并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性;通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法,可弥补log对数函数无法计算零值指标熵值的缺陷,避免指标权重为负、指标熵值与权重反映信息不一致的现象;两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出,道路交通安全熵与交通事故表征的道路交通安全状态趋势一致;道路交通安全风险等级可划分为高、低风险2级,道路交通安全熵优化阈值为0.042,最后,风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

基于某型轿车的外流场数值模拟

利用CFD方法对某款车型进行外流场分析,分析其气动特性,计算出该车的阻力系数和升力系数,并通过对不同的底部上翘角模型进行分析,得出满足要求的底部上翘角,为其改进设计提供理论参考。     

KMRTS视景仿真系统的设计及应用

介绍了昆明道路交通驾驶模拟系统（KMRTS）视景仿真的建模和实现，内容包括：道路视景的三维建模及其模块化，道路视景数据的快速生成以及参数化设计。给出了边坡建模、地形建模、隧道和桥梁建模方式和图例。通过设计实例和具体应用，说明该系统是切实可行的。     

基于细胞传输模型的交通流仿真特征及适用性研究

运用对比分析的方法,对基于细胞传输模型(CTM)的交通流仿真的特征及适用性进行了研究.通过对仿真结果数据进行分析,比对了CTM和Vissim 2种仿真方法的不同特点,对其各自的适用性进行说明.在描述未饱和交通流问题时,CTM和Vissim具有一致性,而CTM在描述过饱和问题上具有优越性.相对而言,CTM对流密速基本关系的覆盖范围较广,基于CTM的仿真模型扩展性和灵活性较好,对于科学研究具有较好的适应性;而Vissim发展较为成熟、应用方便,具有更高的工程应用价值.     

车辆跟驰行为建模的回顾与展望

系统地回顾了跟驰理论60年的发展历程,依据建模思想将跟驰行为模型分为交通工程角度和统计物理角度。交通工程角度的跟驰模型包括刺激-反应类、安全距离类、心理-生理类及人工智能类模型;统计物理角度的跟驰模型包括优化速度模型、智能驾驶模型和元胞自动机模型。针对各类模型分别阐述了其建模思路、模型结构、参数标定及其扩展研究。最后,展望了跟驰行为建模的发展趋势与研究方向,为建立适合中国交通流特点的跟驰模型提供参考。     

基于自然驾驶数据的切入场景队列跟驰仿真

车辆切入是常见的驾驶行为,频繁的变道切入行为影响了通行效率与交通安全。因此,揭示切入场景下的驾驶特性对研究交通拥堵和行驶安全机理具有重要意义。在自然驾驶数据的基础上,根据驾驶人的主观风险感知特性,探究驾驶人的切入行为发生条件,并在期望安全裕度（DSM）模型的基础上,标定了切入场景下的相关参数,根据标定结果进行切入场景下的队列跟驰仿真。仿真结果表明：在仿真区间内,队列的长度、行驶速度以及切入车的切入位置不同会影响队列的稳定性以及队列的调整,当队列长度由4辆变为13辆,速度由5 m/s增至20 m/s,切入车的位置由贴近前后车变为前后2辆车中间时,切入行为对队列的稳定性影响变得越小,队列越容易恢复到稳定状态。

     

基于交通流分析的物流中心选址仿真研究

物流中心的建立与周边交通流之间相互影响较大,因而中心的选址必须考虑交通量的影响。以重庆市某物流中心备选位置的选址为对象,利用Flexsim软件的功能,进行仿真建模与分析,对3个布置方案的交通流堵塞程度进行仿真,以物流中心的合理位置布局为评估结论,说明所建立的物流中心的可行性。