针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感...针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感知特性引入双时延信息,结合多前车速度差和期望速度信息提出DD-MLFVD模型.通过微小扰动法求解DD-MLFVD模型的临界稳定性条件,同时结合模型参数研究前车数量和时延大小对模型稳定域的影响.利用直道场景对模型进行仿真分析,着重研究变扰动和变时延场景下DD-MLFVD对交通流的稳定效果.结果表明:面对复杂扰动影响,DD-MLFVD模型能够较好吸收扰动,可提升交通流的稳定性.展开更多
针对目前智能网联汽车测试软件在环测试环节尚未成熟的问题,提出一种基于SUMO的智能网联汽车测试环境。上述测试环境依托交通流仿真软件SUMO(Simulation of Urban Mobility)平台,使用MATLAB/Simulink对车辆动力学进行仿真;使用罗技方向...针对目前智能网联汽车测试软件在环测试环节尚未成熟的问题,提出一种基于SUMO的智能网联汽车测试环境。上述测试环境依托交通流仿真软件SUMO(Simulation of Urban Mobility)平台,使用MATLAB/Simulink对车辆动力学进行仿真;使用罗技方向盘与Simulink采集驾驶员操作信息;在Unity3D中与SUMO同步环境场景并实现3D视觉效果。使用虚拟驾驶设备和联合汽车电子公司成熟的智能网联功能对环境进行了验证,结果表明,新开发的测试系统建立的虚拟车辆可以遵循驾驶员驾驶意图,同时能够给通用智能网联汽车软件提供软件在环测试环境,进行模块化测试,测试结果准确,试验数据可靠,整套系统反应灵敏、操作安全、沉浸感较强。展开更多
文摘针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感知特性引入双时延信息,结合多前车速度差和期望速度信息提出DD-MLFVD模型.通过微小扰动法求解DD-MLFVD模型的临界稳定性条件,同时结合模型参数研究前车数量和时延大小对模型稳定域的影响.利用直道场景对模型进行仿真分析,着重研究变扰动和变时延场景下DD-MLFVD对交通流的稳定效果.结果表明:面对复杂扰动影响,DD-MLFVD模型能够较好吸收扰动,可提升交通流的稳定性.
文摘针对目前智能网联汽车测试软件在环测试环节尚未成熟的问题,提出一种基于SUMO的智能网联汽车测试环境。上述测试环境依托交通流仿真软件SUMO(Simulation of Urban Mobility)平台,使用MATLAB/Simulink对车辆动力学进行仿真;使用罗技方向盘与Simulink采集驾驶员操作信息;在Unity3D中与SUMO同步环境场景并实现3D视觉效果。使用虚拟驾驶设备和联合汽车电子公司成熟的智能网联功能对环境进行了验证,结果表明,新开发的测试系统建立的虚拟车辆可以遵循驾驶员驾驶意图,同时能够给通用智能网联汽车软件提供软件在环测试环境,进行模块化测试,测试结果准确,试验数据可靠,整套系统反应灵敏、操作安全、沉浸感较强。