高速公路智能网联车辆的协同汇入控制策略（英文）

为了提升匝道车辆汇入高速公路主线时的运行性能,提出了协同汇入控制策略确定车辆的汇入顺序和控制轨迹.汇入轨迹规划问题以车辆加速度最小为优化目标,采用古典变分法或二次规划方法获取车辆的期望到达时间、优化控制时间和相应的控制变量.自适应巡航控制模型作为补充,用于计算特殊情况下车辆在每个时间间隔内的控制变量.仿真结果表明协同汇入控制策略优于现有的优化控制策略.在协同控制策略下,车辆加速度均方根值和车头时距均方根误差显著降低,减少量分别高达90.1%和25.2%.此外,平均速度与期望车速的差值始终趋近于零,且几乎不发生碰撞现象.因此,该控制策略能用于改善匝道汇入区域的乘客舒适性、交通运行效率、交通流稳定性和行驶安全性.

基于南京地铁AFC数据的大客流识别方法（英文）

为了缓解城市轨道交通车站的交通拥堵问题,提出了一种基于自动售检票设备刷卡数据的大客流识别方法.首先,通过观察每小时进站乘客的时间分布和断面客流量的空间分布,分析乘客出行特征.其次,提出了大客流的识别方法.根据高峰时段的五分钟客流量进行频率直方图分析,通过Matlab拟合的概率密度函数计算阈值,根据获得的阈值划分预警等级.最后,以新街口站为例,证明了该识别方法的有效性和实用性.结论表明,与传统方法相比,所提出的综合方法消除了效率和延迟等缺陷.此外,所提方法也可适用于其他配备了自动售检票系统的地铁公司.

考虑回望距离的智能网联自动驾驶车辆智能驾驶模型及其稳定性

在汽车跟驰(CF)过程中,智能网联自动驾驶技术为驾驶员提供了更多的信息。与人类驾驶车辆(HVs)只考虑前方信息不同,智能网联自动驾驶车辆(CAVs)能够获取前方和后方的信息,增强了车辆的感知能力。本文提出了一种考虑回望距离的智能驾驶模型(IBDM),考虑了CAVs环境下车辆跟驰行驶时相对于前后车的期望距离。基于智能驾驶模型(IDM),IBDM将车辆后方信息作为控制项集成进模型中。利用线性稳定性原理和李雅普诺夫稳定性分析方法,分析了均质交通流中在小扰动下的稳定性条件。为了验证理论分析的正确性,在开放边界条件下,在单车道上进行了仿真,并与不考虑后车的IDM和考虑前后车信息的扩展IDM进行了比较。设计了六种方案,对不同干扰强度、干扰位置和初始队列间距下的结果进行评估。结果表明,IBDM在控制CAVs跟驰过程中保持弦稳定性方面优于IDM和扩展IDM,并通过增加考虑前车的比重来提高稳定性。