基于前后多車信息的跟馳模型及其車流平穩(wěn)性控制研究.pdf

1、隨著道路交通流量的不斷增加,車輛之間的作用關(guān)系越來越明顯,刻畫車輛作用關(guān)系的內(nèi)在機(jī)理,揭示其演變規(guī)律是提高車流平穩(wěn)性的重要手段。ITS(Intelligent Transport System)系統(tǒng)的廣泛深入應(yīng)用,使得車輛可快速獲取與反饋運(yùn)行信息,并根據(jù)這些信息合理控制自身狀態(tài),以達(dá)到前后多車的協(xié)同行駛,從而形成一個有序流動的車輛行駛隊列。然而,傳統(tǒng)的交通流模型未考慮前后多車信息,已難以刻畫車輛相互作用下的車流演變規(guī)律。因此,系統(tǒng)地刻畫

2、 ITS環(huán)境下車流演變規(guī)律,進(jìn)而研究提高車流穩(wěn)定性的控制方法已成為亟待攻克的核心關(guān)鍵任務(wù)。
　　為此,本文以現(xiàn)有交通流微觀模型為基礎(chǔ),考慮前后多車信息,建立車輛相互作用下的跟馳模型,以揭示 ITS環(huán)境下車流演變規(guī)律;在此基礎(chǔ)上,為使模型能適應(yīng)交通系統(tǒng)非線性變化的特點(diǎn),對模型進(jìn)行時變參數(shù)標(biāo)定;進(jìn)而研究保證車流平穩(wěn)運(yùn)行的控制策略。論文的主要工作如下:
　?、倏紤]鄰近雙前車最優(yōu)速度差及其后視效應(yīng)的綜合作用,構(gòu)建基于前后車信息的CI

3、-CF跟馳模型,揭示考慮前后多車信息的車流演變規(guī)律。
　　基于FVD(full velocity difference)模型、BLVD(backward looking and velocity difference)模型,利用在ITS環(huán)境下獲得的前后車信息,提出一個考慮鄰近雙前車最優(yōu)速度差和后視效應(yīng)CI-CF(a new comprehensive information car-following)模型。通過線性穩(wěn)定性分析,得

4、到模型的穩(wěn)定性判據(jù);采用非線性分析方法,推導(dǎo)出mKdV方程,用于描述系統(tǒng)在臨界穩(wěn)定點(diǎn)附近的交通流特性。在周期邊界條件下,運(yùn)用數(shù)值仿真驗(yàn)證車輛啟動過程、停止過程、演化過程的理論研究結(jié)果正確性。仿真結(jié)果表明,與FVD模型、BLVD模型相比,綜合考慮鄰近雙前車的最優(yōu)速度差和后視效應(yīng),可使車流擁有更好的協(xié)同行駛特性,最大程度使得車流運(yùn)行行為趨于一致,真實(shí)刻畫了車流演變規(guī)律。
　　②針對跟馳模型時變參數(shù)標(biāo)定問題,提出一種自校正的參數(shù)標(biāo)定方法

5、,使CI-CF模型更能適應(yīng)交通時變特性。
　　為使CI-CF模型能更加準(zhǔn)確地刻畫各類交通非線性現(xiàn)象,必須應(yīng)用實(shí)測交通數(shù)據(jù)對模型進(jìn)行參數(shù)標(biāo)定。首先給出基于最小二乘法的模型參數(shù)標(biāo)定方法;考慮到交通系統(tǒng)時變特性,然后提出一種自校正的跟馳模型參數(shù)標(biāo)定方法,以解決跟馳模型時變參數(shù)的標(biāo)定問題。實(shí)驗(yàn)結(jié)果表明,提出的自校正參數(shù)標(biāo)定方法因可以根據(jù)交通環(huán)境的變化來實(shí)時動態(tài)標(biāo)定參數(shù),與傳統(tǒng)成批處理的最小二乘參數(shù)標(biāo)定法得出一個恒定的參數(shù)標(biāo)定結(jié)果相比,更能

6、準(zhǔn)確刻畫車流演變規(guī)律。利用提出的參數(shù)標(biāo)定方法對FVD模型、BLVD模型進(jìn)行參數(shù)標(biāo)定,實(shí)驗(yàn)結(jié)果進(jìn)一步證明CI-CF模型能更準(zhǔn)確刻畫車流演變規(guī)律。
　?、坩槍嚵髌椒€(wěn)性控制問題,考慮多前車穩(wěn)態(tài)期望速度效應(yīng),基于CI-CF模型,提出保證車流平穩(wěn)運(yùn)行的控制策略,形成MSDVE模型。
　　在Konishi等人的基礎(chǔ)上,充分考慮前方多輛車的信息,以駕駛員期望的穩(wěn)定速度前進(jìn)為目標(biāo),基于CI-CF模型,設(shè)計一個車流平穩(wěn)運(yùn)行的控制策略,形成M

7、SDVE(multiple steady desired velocity effect)模型。運(yùn)用反饋控制理論,得到車流保持穩(wěn)定的條件。仿真結(jié)果表明,在同等條件下,提出的模型所得到的車流平穩(wěn)性運(yùn)行狀況優(yōu)于無控制情況,也優(yōu)于KKH(Konishi K.,et al)模型、ZG(Zhao and Gao)模型的結(jié)果。與ITS(Han X L)模型相比,由于考慮了穩(wěn)定期望速度效應(yīng),可使交通系統(tǒng)的穩(wěn)定性增強(qiáng),車流運(yùn)行更加平穩(wěn)。
　　④在

8、上述平穩(wěn)性控制策略基礎(chǔ)上,進(jìn)一步考慮后視效應(yīng)的作用,提出基于前后車綜合信息的穩(wěn)態(tài)期望速度控制策略,形成SDVEPF模型。
　　在考慮多前車穩(wěn)態(tài)期望速度效應(yīng)的穩(wěn)定性控制策略基礎(chǔ)上,進(jìn)一步考慮后視效應(yīng)的影響,提出考慮前后車綜合信息的車流平穩(wěn)性控制策略,形成SDVEPF(steady desired Velocity effect of Preceding and Following Cars)模型。同樣運(yùn)用反饋控制理論,得到車流保持穩(wěn)

9、定的條件。仿真結(jié)果表明,考慮前后車穩(wěn)態(tài)期望速度綜合效應(yīng)作用,車流運(yùn)行狀態(tài)更加平穩(wěn),車輛速度平滑度和幅度更小,因此,考慮前后車穩(wěn)態(tài)期望速度綜合效應(yīng)的SDVEPF模型,比僅考慮多前車穩(wěn)態(tài)期望速度效應(yīng)的MSDVE模型更利于控制車流平穩(wěn)運(yùn)行。
　　綜上所述,本文立足于交通系統(tǒng)智能化,提出了更符合交通實(shí)際和具有一定前瞻性的跟馳模型,研究了模型線性與非線性特性、時變參數(shù)標(biāo)定以及車流平穩(wěn)性控制問題,理論分析和仿真實(shí)驗(yàn)均驗(yàn)證了上述工作的有效性。研