面向预约出行的车路联网与协同交通控制:前沿与展望

预约出行正逐渐成为重要的出行模式,为了确保预约出行在城市道路交通系统的实施,交通控制发挥着至关重要的支撑和保障作用,因此对面向预约出行的车路联网与协同交通控制前沿工作进行综述。以交通控制为研究主线,对面向预约出行的需求适应性交通控制方法、保障预约出行效益的车辆控制,以及控制与服务协同3个方向的前沿研究进行综述。结果表明,相比于传统出行方式,预约出行对于出行时间可靠性要求较高,交通控制需要保障预约出行的行程时间可靠性。同时,还需要构建既有利于提升路网整体运行效益,又能保障预约出行车辆优先通行的控制方法。最后,需要推动交通控制技术和服务型交通管理技术的融合,实现交通控制与出行服务的有机结合。

CACC车辆跟驰建模及混合交通流分析

建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,并分析不同CACC比例下的混合交通流通行能力,尾部碰撞安全及交通排放.考虑车辆期望车头间距随速度动态变化的交通流特性,建立基于非线性动态车头间距策略的CACC跟驰模型,推导不同CACC比例下的混合交通流基本图模型,分析CACC提高通行能力的交通流运行机理.设计高速公路上匝道瓶颈数值仿真实验,评估不同CACC比例下的车辆尾部碰撞安全隐患,以及油耗、CO、HC、NOx的排放.研究结果表明,本文建立的CACC模型能够在交通流速度基本不变的情况下,以较高的交通流密度显著提升通行能力,同时有利于车辆尾部碰撞安全风险及交通排放的降低.

考虑多前车反馈的智能网联车辆跟驰模型

基于智能网联车辆(Connected Autonomous Vehicle,CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明:所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.

ACC车辆跟驰建模及模型特性分析

针对自适应巡航控制(adaptive cruise control,ACC)车辆跟驰模型存在的不足,提出基于非线性动态车头间距的ACC跟驰模型,并分析模型特性。应用随速度非线性动态变化的车头间距策略,建立基于非线性动态车头间距策略的ACC跟驰模型,从交通流均衡态与非均衡态两个层面,分析所提模型在通行能力提升与跟驰模型稳定性两个方面的特性,并与以往模型进行对比分析。研究结果表明:所提ACC跟驰模型能够有效提升道路通行能力,同时具备良好的模型稳定性,可为ACC建模研究提供模型参考。

自动驾驶汽车交通流稳定性分析

交通流稳定性分析有利于揭示交通运行效率提升的内在机理。应用自动驾驶汽车与手动驾驶汽车跟驰模型,考虑车辆空间位置的随机性,设计周期性边界条件下的混合交通流稳定性数值仿真实验。分析扰动下的混合交通流车速波动特征,计算不同自动驾驶汽车比例下的扰动消散时间,同时基于交通流油耗评价模型,分析自动驾驶汽车对混合交通流油耗的影响。研究结果表明:自动驾驶汽车能够有效缩减扰动在混合交通流中的消散时间,从而有利于混合交通流稳定性的提升,同时100%比例下的自动驾驶汽车交通流可将手动驾驶汽车交通流油耗降低24.57%以上。研究结果揭示了扰动消散时间是自动驾驶汽车对稳定性影响的内在机理因素。

驾驶员距离差感知度对交通流不稳定性的影响

针对实际交通中驾驶员距离差感知度对交通流不稳定性的重要影响,提出一种考虑驾驶员距离差感知度的跟驰模型,并对紧急交通情形下交通流不稳定性进行研究,得出如下结论:1)当实际车头间距小于感知安全距离时,距离差感知不敏感者的交通流不稳定区域更小;且对于感知不敏感者,驾驶员距离差感知度系数越小,交通流不稳定性越小,反之亦然;2)驾驶员距离差感知度系数越大,驾驶员需要的实际安全距离越小,反之亦然.