考虑异质车流的信号交叉口实时排队估计

信号交叉口排队长度是交通信号控制的一项重要指标,为了提高排队估计精度以及实用性,文章以相邻信号交叉口的下游交叉口排队长度作为研究对象,在关联信号交叉口排队长度计算模型基础上,提出了一种考虑异质车流的影响下的实时排队长度的估计方法。通过异质车流的行程时间,拟合双峰模型得到车辆离散模型,研究表明:利用该模型分析上游车辆离去流量,得到下游到达流率;通过信号控制方案以及停车波波速,估计交叉口车辆排队长度。大量实证研究检验平均绝对误差在0.3veh/lane/s内,提高了信号交叉口排队长度估计的有效性与实用性,从而为后续异质交通环境下信号配时优化提供理论依据。

面向混合自动驾驶车流的协同自适应巡航控制

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。