为了制订自动驾驶车辆(AV)停车需求管理方案,搭建多智能体停车模拟框架,提出2种空载行驶收费策略:基于行驶距离的静态收费和基于道路拥堵水平的动态收费,研究费率计算方法.建立空载行驶收费策略下停车场停车、居住地停车及持续空载巡航...为了制订自动驾驶车辆(AV)停车需求管理方案,搭建多智能体停车模拟框架,提出2种空载行驶收费策略:基于行驶距离的静态收费和基于道路拥堵水平的动态收费,研究费率计算方法.建立空载行驶收费策略下停车场停车、居住地停车及持续空载巡航3种停车模式的成本函数,使用logit模型描述不同停车模式下的选择行为.利用Simulation of urban mobility(SUMO),以南宁市主城区为例开展大规模路网下的仿真实验,研究2种策略下的AV停车行为及路网运行状态变化.仿真结果表明,静态收费策略和动态收费策略下的AV空载行驶里程分别减少了20.16%和10.85%,车辆总延误分别降低了39.80%和43.52%;动态收费策略能够灵活地根据路况变化进行实时调整,路网运行效率提升更显著.展开更多
文摘为了制订自动驾驶车辆(AV)停车需求管理方案,搭建多智能体停车模拟框架,提出2种空载行驶收费策略:基于行驶距离的静态收费和基于道路拥堵水平的动态收费,研究费率计算方法.建立空载行驶收费策略下停车场停车、居住地停车及持续空载巡航3种停车模式的成本函数,使用logit模型描述不同停车模式下的选择行为.利用Simulation of urban mobility(SUMO),以南宁市主城区为例开展大规模路网下的仿真实验,研究2种策略下的AV停车行为及路网运行状态变化.仿真结果表明,静态收费策略和动态收费策略下的AV空载行驶里程分别减少了20.16%和10.85%,车辆总延误分别降低了39.80%和43.52%;动态收费策略能够灵活地根据路况变化进行实时调整,路网运行效率提升更显著.