基于車聯(lián)網(wǎng)的十字路口節(jié)能與安全車速引導(dǎo)技術(shù)研究.pdf

1、在有信號燈的十字路口處，車速控制不當(dāng)會造成極大的燃油浪費(fèi)以及引起追尾碰撞事故。駕駛員判斷的模糊性使其無法達(dá)到車速最優(yōu)控制，通過車速引導(dǎo)技術(shù)為駕駛員提供優(yōu)化速度引導(dǎo)信息能夠有效降低油耗并增強(qiáng)行車安全性。以基于車聯(lián)網(wǎng)的十字路口節(jié)能與安全車速引導(dǎo)技術(shù)研究為對象，分別對車聯(lián)網(wǎng)通信傳輸控制算法、面向節(jié)能駕駛的車速引導(dǎo)優(yōu)化模型以及面向行車安全的追尾碰撞預(yù)警模型進(jìn)行了關(guān)鍵技術(shù)的研究。
　　針對車聯(lián)網(wǎng)通信傳輸控制的問題，本文提出了一種基于車輛行駛

2、狀態(tài)的車聯(lián)網(wǎng)通信傳輸頻率自適應(yīng)控制算法。節(jié)點(diǎn)間的位置及狀態(tài)感知是實(shí)現(xiàn)基于車聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)，數(shù)據(jù)的刷新率決定了感知的精度。在車輛行駛狀態(tài)變化率高時(shí)提高該車輛的數(shù)據(jù)廣播頻率，讓鄰車更實(shí)時(shí)地接收到該車的位置及行駛狀態(tài)數(shù)據(jù)，降低軌跡跟蹤誤差;而當(dāng)車輛行駛狀態(tài)比較平穩(wěn)時(shí)降低該車輛的數(shù)據(jù)廣播頻率，以降低整個(gè)網(wǎng)絡(luò)的負(fù)載避免出現(xiàn)數(shù)據(jù)丟包。在一個(gè)通信密集的十字路口仿真場景中對算法進(jìn)行了驗(yàn)證，結(jié)果表明算法能夠自適應(yīng)調(diào)整節(jié)點(diǎn)的數(shù)據(jù)廣播頻率，并且將平均軌跡跟蹤

3、誤差降到了亞米級水平。
　　針對節(jié)能駕駛速度引導(dǎo)技術(shù)研究，本文建立了一種面向節(jié)能駕駛的閉環(huán)式車速引導(dǎo)優(yōu)化模型。以開環(huán)式車速引導(dǎo)模型為基礎(chǔ)，通過約束函數(shù)求出相關(guān)參數(shù)生成優(yōu)化速度曲線。考慮駕駛員實(shí)際駕駛中不能夠完全跟蹤速度曲線行駛的情況，設(shè)計(jì)了基于反饋式的閉環(huán)速度優(yōu)化模型，該模型能夠根據(jù)實(shí)際環(huán)境進(jìn)行優(yōu)化速度曲線的動態(tài)更新。仿真表明，使用閉環(huán)的車速引導(dǎo)優(yōu)化模型能夠有效地降低車輛通過十字路口時(shí)的油耗，與不使用車速引導(dǎo)系統(tǒng)相比平均油耗降低了

4、約20％。將使用車速引導(dǎo)系統(tǒng)得出的速度曲線與由最優(yōu)控制算法生成的最優(yōu)速度曲線進(jìn)行比較，驗(yàn)證了速度曲線是趨于最優(yōu)的。
　　針對車輛行駛安全問題，本文建立了一種基于神經(jīng)網(wǎng)絡(luò)的追尾碰撞預(yù)警模型。以使用非高精度定位系統(tǒng)為約束，研究了增加追尾碰撞預(yù)警系統(tǒng)可靠性的關(guān)鍵技術(shù)。首先通過仿真證明了基于車輛運(yùn)動學(xué)的追尾碰撞預(yù)警模型具有高虛警率和高漏警率的缺點(diǎn)，其次從理論上證明了使用基于神經(jīng)網(wǎng)絡(luò)的模式識別方法的可行性，最后建立了神經(jīng)網(wǎng)絡(luò)模型并通過仿真得

5、到了訓(xùn)練數(shù)據(jù)，通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練使得模型能夠提供可靠的追尾碰撞預(yù)警。仿真結(jié)果表明基于神經(jīng)網(wǎng)絡(luò)的追尾碰撞預(yù)警模型能夠?qū)⑻摼式档偷?0％以下，漏警率降低到10％以下。
　　最后，本文研究了基于車聯(lián)網(wǎng)的十字路口車速引導(dǎo)優(yōu)化與追尾碰撞預(yù)警耦合模型。根據(jù)車速引導(dǎo)優(yōu)化模型與追尾碰撞預(yù)警模型協(xié)同工作方式的不同將耦合模型分為松耦合和緊耦合模型，松耦合模型為速度優(yōu)化模型與追尾碰撞預(yù)警模型獨(dú)立運(yùn)行，但追尾碰撞預(yù)警模型具備更高的優(yōu)先級。緊耦合模型為