基于车辆动力学模型的山区道路行车风险分析

为了研究山区道路车辆的行驶安全,在构建车辆动力学模型的基础上,解算车辆的行驶状态,分析纵坡坡度、横向超高以及行车速度等单一因素下的车辆动力学响应;以最大横摆角速度与稳态横摆角速度为指标,分析组合因素对车辆行驶稳定性的影响。结果表明:当车速保持不变时,横摆角速度随超高的增加而减小,随纵坡坡度的增加而增大;对于相同的道路几何线形,车速越高,横摆角速度越大,行车风险越高。     

前后多车影响的跟驰模型及稳定性分析

驾驶员在跟车行驶过程中,通常会通过视野前后车辆的行驶状态来调整自己的跟驰行为,基于此本文提出了一种考虑驾驶员视野内双前车和后车对跟驰车辆影响的改进跟驰模型.根据线性稳定分析方法,得到了改进模型的中性稳定性条件,并通过计算机仿真模拟进行了验证.为了进一步加强验证结果及说明改进模型的优越性,同经典FVD模型进行了数值仿真对比.仿真结果表明：灵敏度α越大越有利于提高改进跟驰系统的稳定性;同经典FVD跟驰模型相比,改进模型抵抗干扰的能力更突出,能够消散交通系统中的微小扰动,具有抑制交通拥堵和稳定交通流的有利作用.     

纯微观车辆跟驰行为研究与仿真

车辆跟驰作为交通领域研究的一个重要课题,在现实生活中具有重要的实际意义.为了研究车辆在行驶过程中的跟驰特性,首先,依据车辆跟驰原理,在原有微观车辆跟驰模型的基础上,对模型进行了改进和完善,使之更切近实际.然后,以VC6.0为平台,对纯微观车辆跟驰运行过程进行仿真,仿真结果直观地表现车辆在跟驰过程中速度、加速度的变化,反映出车辆的跟驰特性,以期对相关交通问题的解决提供有益的探索.     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经...     

临近交叉口的车辆跟驰换道行为研究

临近交叉口的车辆往往呈现出复杂多样的跟驰换道行为.基于二维最优速度(OV)交通流模型,本文构建了一个改进的双车道车辆跟驰换道模型,以刻画交叉口前路段上的车辆跟驰换道机制及车流宏观特征.借助模型分析了换道车辆比例、换道期望参数和跟驰安全距离等对交通流宏观特征的影响.结果表明:换道车辆比例对通过停车线的进口道流量有负面影响,换道行为越多,进口道流量越小.换道期望参数越大,换道成功率越大;当道路拥堵时,增大换道期望会减少进口道流量.增大安全距离,容易提升换道成功率但会减小进口道流量,同时促使拥堵发生.     

不同车速多前导车对跟驰行驶特性的影响

单车道跟驰是驾驶员的主要跟驰行为之一,掌握微观跟驰行为特性对于深入认识宏观交通流特征、改善交通拥堵具有重要的理论意义和应用价值。已有研究发现,除相邻前导车外,下游多辆前导车的行驶状态亦对驾驶员跟驰行为产生影响。然而,目前尚无对下游前导车辆影响跟驰行为的空间范围的定量研究。以美国NGSIM数据为研究对象,定量化研究下游多前导车行驶速度对跟驰车辆运行特性的影响,同时分析了不同速度区间下,前导车对跟驰车产生影响的空间范围及变化趋势。利用Pearson相关系数计算下游车辆速度与跟驰车辆交通参数间的相关系数,进而分析其相关强度,评价其影响程度,为构建考虑下游多车影响的跟驰模型提供理论依据。     

基于相关分析的跟驰模型及其稳定性

为了精确地模拟车辆跟驰过程,应用相关分析的方法建立一系列跟驰模型,用微积分的方法解析模型.通过变量筛选.明确了影响车辆跟驰的重要因素有速度差、间距和前车速度.通过对模型的解析.确定了模型参数的合理取值范围以确保模拟的稳定.建立的跟驰模型可以模拟不同车辆之间的跟驰行为.预测跟驰车辆的运动状态,用于智能车辆控制或者用于追尾预警.如果获得了更完备的实验数据,基于相关分析建立跟驰模型的方法可以更精确地考虑到车辆运动状况、动力性能、道路条件、驾驶特性等影响因素.     

车辆跟驰模型在港区工况下的仿真实验研究

通过对港区交通特性的分析,从分析车辆跟驰行为中的基本特征入手,结合定量和定性的方法,研究港区车辆上坡行驶特性,并通过修正车辆及线形参数,建立了仿真模型来获取合理的道路线形参数.     

一种虚拟交通环境中的微观交通仿真模型

为提高虚拟交通环境中车辆行为仿真的逼真度及解决用户与系统的实时交互问题,提出了一种微观交通模型.该模型由道路模型和车辆行为模型构成:道路模型包括了车道的交通属性、几何形状、路网拓扑关系等数据;车辆行为模型考虑驾驶员的交通性格、车辆性能等因素,包括自由行驶、跟驰及换道模型.车辆行为模型可检测与用户所驾驶的汽车仿真器的位置关系,并作出减速、换道、停车等响应.建立了包含153个车道的虚拟交通环境,对模型进行测试,结果表明:所建立的微观交通仿真模型能够反映仿真车辆的个体行为差异;路网中仿真车辆为600辆时,仿真周期约2~4 ms,能实现实时仿真及与用户的实时交互.      

考虑车流异质性的信号交叉口疏解车辆跟驰模型

为客观地描述绿灯期间交叉口进口道异质疏解车流的跟驰行为,基于实测数据验证全速差模型发现,其加速度、速度、车间距的仿真结果存在较大误差. 考虑不同车型车辆性能和驾驶员驾驶行为差异,基于4 种跟驰情景,即小客车跟驰小客车(car-car),小客车跟驰公交车(car-bus),公交车跟驰小客车(bus-car),公交车跟驰公交车(bus-bus),建立考虑车流异质性的车辆跟驰模型. 结果表明,改进模型的性能提升明显,较全速差模型,速度和跟驰间距的均方根百分比误差(RMSPE)分别下降了15.29%,22.32%,更符合交叉口进口道异质疏解车流的跟驰行为.     

高速公路平直路段雾霾天气下的IDM跟驰模型分析

雾霾等恶劣气候对交通安全带来严重威胁.为分析雾霾天气下驾驶行为规律,利用高逼真度驾驶模拟器,构建了高速公路平直路段雾霾天气场景,开展了自由加速、紧急制动和跟驰试验;基于采集的试验数据利用遗传算法对IDM (Intelligent Driver Model)跟驰模型进行了标定,并与晴天同路段标定参数进行了对比分析.结果显示,雾霾天气下IDM模型中起步加速度和舒适减速度参数并无显著差异,但安全距离、安全车头时距、期望速度等参数比晴天情况显著减小,由此表明雾霾天气下的交通冲突风险显著增大,应加强雾霾天气下的安全管理.     

公路设计超高计算方法的研究

超高设计是公路设计中非常重要的设计内容,本文结合新标准研究了超高缓和段长度的确定方法、超高的过渡方式,以及绕行车道内边缘旋转时超高的计算方法,并深入讨论了当超高渐变率小于1/330情况下的超高计算方法。     

多车道高速公路超高过渡段积水分布数值模拟与规律分析

为了揭示多车道高速公路超高过渡段积水分布规律,基于流体动力学理论,选取典型多车道高速公路超高过渡段设计参数,利用道路BIM设计软件建立了40组三维道路模型;分析了路面积水量和排水设施径流量的关系,建立了考虑排水设施与路面构造深度影响的降雨模拟方案;采用离散相模型和多相流模型耦合,模拟了降雨条件下的路面积水状态;分析了不同组合参数下的超高过渡段积水厚度数据,得到了合成坡度、道路宽度、降雨强度与超高渐变率对积水厚度的影响模式,计算了各车道最大积水厚度,分析了六车道、八车道高速公路积水横向分布规律。研究结果表明:积水厚度与合成坡度、超高渐变率负相关,与降雨强度、道路宽度正相关,其中降雨强度对积水厚度的影响最大,超高渐变率对积水厚度的影响最小;合成坡度为2.02%~8.54%,降雨强度为1~5 mm·min-1时,多车道高速公路超高过渡段最小积水厚度为0.58 mm,最大达到28.35 mm;当降雨强度为5 mm·min-1时,高速公路超高过渡段内外侧车道最大积水厚度差异明显,六车道由内侧车道到外侧车道的最大积水厚度比例为1.0∶3.1∶3.3,八车道为1.00∶0.96∶1.03∶1.36;多车道高速公路超高过渡段积水厚度峰值先出现在道路中间附近,然后向外侧移动,最大积水厚度一般出现在外侧车道。      

基于路侧事故判别的公路平曲线车速限制研究

车速是导致公路平曲线路段路侧事故频发的关键因素,为降低路侧事故率,需进行车速限制研究. 选取8 个路侧事故风险指标进行PC-crash 仿真试验,共收集12 800 条数据. 采用路径分析方法筛选得到显著性风险指标,将其纳入贝叶斯逐步判别分析中,构建对应不同车型的路侧事故判别函数,提出对应不同道路几何设计要素的最高安全车速计算模型. 结果显示：显著性风险指标对路侧事故影响程度,由大到小依次为车速、圆曲线半径、车型、路面附着系数、路肩宽度、纵坡坡度和超高横坡度;道路线形条件越好,保证不发生路侧事故的最高安全限速值越大;在相同道路设计指标下,小型客车最高限速值大于货车最高限速值.     

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明：与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了 独特的途径。     

重载轨道曲线几何参数对轮轨耦合动力特性的影响

基于车辆-轨道耦合动力学理论,根据中国最近研制的27 t轴重侧架交叉支撑转向架及C80E型通用敞车的实际结构和重载铁路曲线轨道结构特点及其技术规范要求,建立了曲线轨道的重载铁路货车-轨道耦合动力学模型;基于新型快速数值积分方法、H ertz非线性弹性接触理论和Shen-Hedrick-Elkins非线性轮轨蠕滑理论,应...     

基于行驶稳定性的山区公路弯道最小半径优化

做好山区公路弯道最小半径指标设计是提升山区公路安全性的重要举措.通过对车辆弯道行驶动力学分析,以事故临界状态为限制建立安全模型,讨论了在不同设计车速下,弯道圆曲线最小半径与超高、横向附着系数等参数的关系,通过Carsim仿真软件验证了安全模型的正确性.理论分析及仿真结果表明,弯道设计应重点考虑避免车辆发生横向侧滑失稳,弯道最小半径与超高、横向附着系数值成反比,与车速呈正比,并与车型参数无关,进而提出山区公路弯道最小半径指标优化建议.在实际设计应用中,还应根据预测弯道最大运行车速值和横向附着系数值对最小半径指标进行校核.     

公路平曲线超高／反超高对车辆操纵的影响

为得到超高率对车辆方向控制的影响,以“道路-驾驶人-车辆”仿真系统为手段,以超高率／反超高率和行驶速度为试验变量,以小客车为仿真车型,以一条设计速度为30km／h的三级公路为试验对象,进行了三维路面上行车动力学的仿真试验．试验结果表明：①超高会减轻侧向力作用下轮胎的侧偏角,从而减低对方向盘角输入的需求;②超高会减小弯道上的轮胎拖距,并减弱前轮转动对车体的抬升作用,明显降低曲线行驶时的操舵矩,从而使操纵变得容易;③超高也会增加车辆的侧倾摆动（朝曲线内侧）,对于低速车辆,其摆动会更明显;④小半径曲线上的双向路拱或者反超高会增加转向需求,当车速较高时,其方向将难以控制．