文摘构建多模式交通系统的双动态演化模型,模型包括逐日动态演化和日内动态演化,逐日动态演化在1 d的维度上不断更新用户的多模式感知出行成本;日内动态演化依据多模式感知出行成本,采用Logit模型划分模式,并通过宏观基本图(Macroscopic Fundamental Diagram,MFD)理论计算区域内各模式的平均行驶车速和出行时长。探究共享汽车新型交通模式和区域换乘对出行者选择行为和交通系统演化均衡的影响。算例结果表明:相比长途出行,出行者在短途出行中更愿意使用共享汽车;稳态系统中,共享汽车出行将代替28.09%的私家车出行和8.52%的公共汽车出行;共享汽车出行增加了交通系统的总出行成本(1.07%)和总旅行时间(16.53%);区域换乘是重要的出行模式,降低了交通系统的总出行成本、总旅行时间和小汽车的拥有量。
文摘为提高车辆控制算法对不同道路的适应能力,在原有学习预测控制算法的基础上,本文提出一种基于经验迁移的赛车学习预测控制策略.基于所建立的赛车曲线坐标系模型,记录小车在历史赛道上的行驶轨迹,将其作为采样安全集.采样安全集蕴含了车辆行驶的经验信息.在新赛道上,通过与采样安全集内曲率相近的轨迹进行特征匹配,找出新赛道的虚拟路径跟踪轨迹.然后,对虚拟路径跟踪轨迹附近的采样点进行坐标变换,将历史轨迹转换为新赛道的虚拟采样轨迹,实现对历史赛道上的行驶经验的迁移.构造了迁移学习预测控制(TLMPC),使小车在新的赛道上能够通过学习预测控制器以更快的速度行驶.本文在4个典型赛道上进行了仿真,结果表明所设计的控制策略控制效果有明显提升.与LMPC相比,10次迭代结果中单圈耗时至少减少了1.2 s.