CN102622516A - 面向道路安全评价的微观交通流仿真方法 - Google Patents
面向道路安全评价的微观交通流仿真方法 Download PDFInfo
- Publication number
- CN102622516A CN102622516A CN2012100409349A CN201210040934A CN102622516A CN 102622516 A CN102622516 A CN 102622516A CN 2012100409349 A CN2012100409349 A CN 2012100409349A CN 201210040934 A CN201210040934 A CN 201210040934A CN 102622516 A CN102622516 A CN 102622516A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- road
- safe spacing
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于道路设计技术领域,具体涉及一种面向道路安全评价的微观交通流仿真方法,包括:对于每种车辆,按照下列的公式计算车辆在采取制动措施后的行驶路长;确定计算当前车辆与前导车辆理论上应保持的安全间距S1的公式;确定车辆在与前车的跟驰过程中期望与前车保持的安全间距,并确定驾驶员对目标车道上后方车辆感知的安全间距;确定驾驶员的跟驰规则和换道规则,并建立基于元胞自动机的仿真模型;根据直线道路的设计长度,选择不同的道路车辆密度,进行仿真,并确定安全级别。本发明从驾驶员的心理特征出发,将各种外界和内在影响因素量化,对驾驶员持续行驶过的直线道路的过程进行仿真,使本发明的结论基础具有相当的真实性。
Description
技术领域
本发明属于道路设计技术领域,具体涉及一种面向道路安全评价的微观交通流仿真方法。
背景技术
交通安全微观预测是指某一时间段或者某一路段事故变化情况的预测。微观预测的影响因素往往比较具体,涉及到道路的线性特点、路段长度、自然环境因素以及机动车种类及流量变化等。通过改进后的元胞自动机模型可以加入此类参数的影响,考虑驾驶员对安全间距的服从行为,建立了可针对多种特定环境下的交通流NS模型从而改变驾驶员的跟驰规则和换道规则,进而得到同一路段上车辆的平均间距。
本发明通过控制其他的参数,改变平面直路线形的长度,考察驾驶员随着连续行驶过直线路段的时间的增加而产生相应心理变化,导致车辆的跟驰行为发生变化,这些变化可以通过对车辆间距的数据采集反应出来,从而对道路的潜在不安全因素进行预测,并对道路的安全等级进行评价,当安全等级较低时,应考虑减小直线路段的长度。
发明内容
本发明的目的是克服现有技术的上述不足,结合港区交通特点,提出一种面向道路安全评价的微观交通流仿真方法,为此本发明采用的方案如下:
一种面向道路安全评价的微观交通流仿真方法,包括如下方法:
第二步:确定计算当前车辆与前导车辆理论上应保持的安全间距S1的公式;
第三步:根据公式S=S1·β1·β2·β3·β4确定车辆在与前车的跟驰过程中期望与前车保持的安全间距,根据公式S′=S1·β1·β2·β3·β4·β5驾驶员对目标车道上后方车辆感知的安全间距,其中,
道路直线长度对驾驶员服从安全间距的影响因数式中:tl、Va车辆持续驶过的直线路段的时间;l为车辆持续驶过的直线路段的路长;Va为车辆进入直线路段到当前时刻的平均车速;ζ为固定参数;
当前车辆行驶速度对驾驶员服从安全间距的影响因数β2=(V/Vmax)γ,式中:V为当前车辆的行驶车速,Vmax为行车允许的最大车速,γ为固定系数;
当前的交通环境对驾驶员服从安全间距的影响因数β4=α/Density,式中:α为固定的调整参数,Density为某一时段道路上车辆的密度;
为驾驶员换道感知误差引起的驾驶员对安全间距服从影响因数式中:S1为计算的安全间距;lother_back为当前车辆与目标换道车道上跟驰车辆的间距;Vother_back为当前车辆与目标换道车道上跟驰车辆的速度;V为当前车辆的车速;δ为固定的调整参数;
第四步:确定驾驶员的跟驰规则和换道规则,并建立基于元胞自动机的仿真模型。
第五步:令安全级别u(T,N,L)表示为共采集T秒,在路段长度为L,车辆总数为N的所有车辆安全间距冲突评级,确定计算安全级别的公式: 式中:xn(t)为第n车第t秒的位置,Sn(t)为第n辆车第t秒理论上计算的安全间距;
第六步:根据直线道路的设计长度,选择不同的道路车辆密度,进行仿真,并确定安全级别,若安全评价级别较低,则判断需要修正直线道路的长度。
本发明的优点在于:
(1)以往设计直线道路长度没有形成统一的标准,只是概要说明不宜过长,而本发明从驾驶员的心理特征出发,将各种外界和内在影响因素量化,对驾驶员持续行驶过的直线道路的过程进行仿真,具有首创性;
(2)本仿真的跟驰、换道行为结合了驾驶员转弯时的驾驶特性,使本发明的结论基础具有相当的真实性;
(3)通过对车间间距的数据进行采集,可以对道路潜在的风险进行预测,具有一定的实用价值。
附图说明
图1基于元胞自动机仿真的道路安全评价方法设计框架图。
图2车辆制动过程曲线图。
图3安全间距计算模型。
图4影响车辆跟驰行为的因素。
图5流量-安全级数图(路长=1.5Km)。
图6流量-安全级数图(路长=1Km)。
具体实施方式
本发明通过控制其他的参数,改变平面直路线形的长度,考察驾驶员随着连续行驶过直线路段的时间的增加而产生相应心理变化,导致车辆的跟驰行为发生变化,这些变化可以通过对车辆间距的数据采集反应出来,从而对道路的潜在不安全因素进行预测,并对道路的安全等级进行评价,当安全等级较低时,应考虑减小直线路段的长度。概括而言,包括下面几个步骤:
(1)对车辆的制动过程进行分析;
(2)分析辆车理论上影保持的安全间距;
(3)分析车辆对安全间距的服从因素。分别从驾驶员连续行驶过的直线路段长度、当前车辆行驶速度、驾驶员的生理和心理特征、交通环境、换道感知5个方面分析车辆跟驰过程的安全间距服从行为;
(4)建立元胞自动机仿真模型:包括设计元胞的长度和车辆的跟驰规则和换道规则;
(5)采集安全间距冲突数据;
(6)根据直线道路的设计长度,选择不同的道路车辆密度,进行仿真,并确定安全级别,若安全评价级别较低,则判断需要修正直线道路的长度。
本发明的仿真方法的框架图如图1所示。详细过程如下。
一、分析车辆的制动过程
临界安全车距,指行驶在高速公路上同一车道的后车与前车之间为保证交通安全而至少要保持的行车间距。在计算安全间距时,我们假设前导车辆发现前方路况不允许车辆继续行驶,此时,前导车辆踩刹车使车辆停止,跟驰车辆随即使用制动装置,使车辆在完全停下来时,不至于与前方车辆发生碰撞。
对车辆的制动过程进行分析,可以将车辆的制动过程分为三个阶段,简化如图2所示:
图中的竖坐标表示驾驶员采取制动措施,踩制动踏板的受力为Fp、汽车制动减速度j与制动制动时间的关系曲线。
(1)反应及动作阶段t1。从驾驶员发现前方路况异常到采取措施有一个反应的时间过程,这段时间一般为0.5~1.1秒。在这一阶段,驾驶员尚未采取制动措施,车辆保持原速不变。
在这一阶段汽车驶过的距离为:
S_1=V·t1 (1)
(2)减速度增长阶段t2。这段时间,车辆的制动器制动力从零开始逐步增加到最大值,车辆的减速度逐渐增加,坐变减速运动。这段时间一般为0.2秒。
这一阶段汽车的初始速度为V,初始减速度为0,逐步增加到amax,则速度的变化过程为:
行驶的距离为:
(3)制动减速达到最大值至车辆停止的阶段t3。这段时间内车辆的减速度不变,做匀减速运动,车辆行驶的路程为:
总的制动距离为以上三者相加为:
二、分析车辆的理论安全间距
简化前导车与跟驰车辆的车间间距,得到初始状态和两车辆停止的最终状态的简图如图3所示。图中S1为前导车和跟驰车之间的安全间距,S2为车辆停止后,辆车之间保持的最小间距,S3为前导车从制动开始到完全停车的距离,S4为跟驰车从发现前导车刹车到自车完全停止的距离。
通过上述的计算,可知跟驰车辆行驶的距离为
前导车辆的反应时间没有计算在内,因此其在这一过程中行驶的距离为
公式中V′为前导车的初始速度;t′2为上述分析中制动过程第二个阶段的时间;a′max为前导车的最大减速度。
由上述分析可得车辆间应保持的安全间距为
三、分析车辆对安全间距的服从因素
在本发明从驾驶员的驾驶行为和心理特点出发,运用统计学分析原理,从驾驶员连续行驶过的直线路段长度、当前车辆行驶速度、驾驶员的生理和心理特征、交通环境、换道感知5个方面分析车辆跟驰过程的安全间距服从行为。
1、连续行驶过的平面直线路段的长度
当平面直线的长度较大时,道路线形的单调易使驾驶员产生视觉疲劳和驾驶疲劳。因而驾驶员连续行驶过的直线距离越长,则驾驶员习惯于持续保持高速行驶,而对与前方车辆应保持的安全间距的估计值不足。鉴于此,引入车辆持续驶过的直线路段的时间tl、Va作为驾驶员对安全间距的敏感参数β1,当长度越大,敏感度越低。
式中:tl、Va车辆持续驶过的直线路段的时间;l为车辆持续驶过的直线路段的路长;Va为车辆进入直线路段到当前时刻的平均车速;ζ为固定参数,一般取0.06。
2、当前车辆行驶速度
通常情况下,车辆行驶速度越高,驾驶员对应当保持的安全间距更为敏感。一方面,高速行驶时车辆容易出现追尾等交通事故,驾驶员会更注意保持一定的安全间距,另一方面,驾驶员心理与生理在车辆快速行驶时也会出现相应的变化,心理上的反应进一步调节了驾驶员的驾驶行为。生理特征变化往往可以反映心理变化,如驾驶员出现心理紧张情绪时,生理上就会表现出现:心跳加速、呼吸量增大、出汗过多等。据生理心理学研究表明,心理紧张引起的人体生理变化,如心电、脑电、皮电、肌电等,通过这些测量值可以定量描述心理紧张度。将此原理应用于行车中的驾驶员上,就能定量研究驾驶员的心理紧张度的变化情况。
研究结果表明,当行车速度越高,驾驶员的心率增长率越大。因此,车速增高时,驾驶员有
对安全间距的敏感率也随之增高。鉴于此,在对模型进行仿真时,对安全间距乘以敏感率系数β2,即:
β2=(V/Vmax)γ (11)
式中:V为当前车辆的行驶车速,Vmax为行车允许的最大车速,γ为固定系数,一般取0.03。
3、驾驶员的生理和心理特征
车辆的跟驰行为与驾驶员的个性特征有密切的关系。国内外许多学者都曾对驾驶员的生理和心理特征做过详细的研究,具体来说可以分为以下几个方面[11]:
1)驾驶员的性别。男性驾驶员一般比女性驾驶员的跟驰间距小。
2)驾驶员的年龄。驾驶员的年龄越大,驾驶行为越保守,跟驰间距也越大。
3)驾驶员的心理。具有激进个性的驾驶员比保守的驾驶员采取更大胆的跟驰行为,其期望间距更小。
4)驾驶员的驾驶技术。驾驶员的技术更熟练,与前车保持的间距越小。
5)驾驶员的出行目的。通常来说,出行目的的不同也会不影响到驾驶员的驾驶行为。
根据统计学原理,如果一个量是由许多微小的独立随机因素影响的结果,那么就可以认为这个量具有正态分布。综合考虑以上5方面的因素,在某一路段上车辆的跟驰过程中对安全间距的服从率β3是相互独立的随机事件,并且由于上述原因造成服从率有较大的区别,因此β3也可以看作是正态分布的随机数。
式中:μ为对安全间距服从系数的均值,一般取1.2;σ为对安全间距服从系数的标准差,取1。
4、交通环境
驾驶员的驾驶行为还在一定程度上受到外部因素的影响,特别是车辆所处路段的交通堵塞状况。在自由流阶段,当后车与前车间距较小时才会发生跟驰行为,影响驾驶行为的主要因素是个人因素和交通环境;在跟驰流阶段是所有因素共同作用的结果,驾驶员可以根据实际情况采取不同的驾驶策略;在堵塞流阶段,后车只能尾随前车,此时对驾驶行为的影响主要来自其他车流。具体如下图4所示。图4中点划线代表交通环境因素,黑实线代表驾驶员个体的差异,黑短线代表其他交通流的影响。
由此从宏观的角度考虑,整个路段的交通堵塞情况越严重,驾驶员的个性特征对跟驰行为的影响就越弱,这个线形关系可以由下述公式表述:
β4=α/Density (13)
式中:α为固定的调整参数,Density为某一时段道路上车辆的密度。表示辆车之间的间距与车辆的密度是反比例的关系。
5换道感知
当车辆换道时,不仅要对目标车道的前方车辆的位置和速度有大致的判断,还要确定后方车辆的位置和速度。但是,由于视觉和感知上的误差,当两辆车间距较小时,驾驶员通常会采取更加保守的估计,此时驾驶员会认为辆车远远没有达到安全间距而不会采取换道决策;相反当两车的安全间距已经超过计算的标准值,此时驾驶员会由于视距误差而认为两车的距离足够让其采取换道的决策而不知发生追尾。另一方面,当旁道跟驰车辆的车速大于当前车辆的车速时,驾驶员会认为辆车之间应该保持更大的间距,而旁道跟驰车辆的车速小于当前车辆车速时,驾驶员对安全间距的估计值会更加冒险。此处引入目标车道上跟驰车辆的速度和与之相对的车间间距控制的感知参数:
式中:S1为计算的安全间距;lother_back为当前车辆与目标换道车道上跟驰车辆的间距;Vother_back为当前车辆与目标换道车道上跟驰车辆的速度;V为当前车辆的车速;δ为固定的调整参数。
四、基于元胞自动机模型改进的微观交通流仿真模型
由上述分析求得车辆在与前车的跟驰过程中期望与前车保持的间距为S=S1·β1·β2·β3·β4,驾驶员对目标车道上后方车辆感知的安全间距为S′=S1·β1·β2·β3·β4·β5。
通过采集某一路段各车辆的实际间距与应保持的安全间距的比例,可以对此路段的安全系数进行评级。本发明细化了元胞长度,细化为1m,使之能较准确地反应车辆间距的变化;并建立了如下的驾驶员的跟驰规则和换道规则:
1)加速规则:如果Vn(t)≤Vmax,xn+1(t)-xn(t)>Sn(t),则Vn(t+1)=min(Vmax,Vn(t)+1),其中xn+1(t)为前导车的位置,xn(t)为当前车辆的位置,Sn(t)为第n辆车第t秒理论上计算的安全间距,而在最初的元胞自动机模型中,没有感知的安全间距,仅需满足xn+1(t)-xn(t)>0;
2)减速规则:当驾驶员认为当前车辆与前车的间距太小,存在潜在的不安全因素时会采取刹车制动的决策,使车辆保持一定的安全间距,即Vn(t+1)=max(x(t)n+1-x(t)n-Sn(t),0),在原元胞自动机模型中相当于Sn(t)=0。
改变的换道规则如下,其他形式规则沿用原元胞自动机模型。
1)当前车辆与旁边道路的前方车辆的距离(Dn_other(t))大于gapn(t),并大于驾驶员感知的旁边车道前方车辆的安全间距Sn_other(t),即Dn_other(t)>gapn(t),Dn_other(t)≥Sn_other(t),Sn_other(t)为当前车辆与目标换道车道上前方车辆的安全间距;
2)当前车辆与旁边道路的后方车辆的距离(Dn_back(t))大于目标车道后车的安全距离(S′n(t)),即Dn_back(t)>S′n(t)。
五、采集安全间距冲突数据
实际交通情况下,跟驰车辆与前车的距离通常都达不到上述安全距离,这是由两方面的原因造成的:一方面,车辆在实际的交通环境下行驶时,驾驶员不仅可以看到前方车辆,也可以看到更远方的交通情况,如信号灯的变化或意外交通事故的发生,一般都能及时采取相应的措施,而避免采用“挡墙式”制动;另一方面,驾驶员难以精确测量前导的距离,也不可能通过简单目测前方车辆的距离进而计算出每时刻当前车辆应当保持的安全间距,通常都会对安全间距有错误的估计。
通过采集某一路段各车辆的实际间距与应保持的安全间距的比例,可以对此路段的安全系数进行评级。令u(T,N,L)表示共采集T秒,在路段长度为L,车辆总数为N的所有车辆安全间距冲突评级,可以采用如下公式计算:
式中:xn(t)为第n车第t秒的位置;
Sn(t)为第n辆车第t秒理论上计算的安全间距。
取路段流量最大时刻的u(T,N,L)值为路段的安全级数。
将u(T,N,L)的数据结果分为4个等级,其表达和意义分别如下表所示。
表1安全级数判别标准
六、仿真实验
控制其它因素的影响维持在一个稳定的水平,改变直线路段的长度和道路上的车辆密度,对直线路段上车辆间距冲突进行分析。当道路的设计车速为110km/h直线路段的长度为1.5Km时,得到车流量不同时,其冲突数值如下图5所示,另给出路段的密度-流量图。当直线的路长为1Km,得到流量-安全级数图如图6所示。
由图可知,在初步阶段随着车辆密度的增大,道路的车流量逐渐上升,形成堵塞,此时道路的安全级数缓慢下降;当流量达到某一临界最大值,车流量随着车辆的增多,逐渐形成堵塞,车流下降,道路的安全级数也缓慢降低,最后接近0。最后得到路长为1.5Km的的道路安全级数为1.6,而路长为1Km的道路安全级数为2.0。由此可见,直线的路长应当控制在合理的范围之内,当超过一定的界限,安全级数偏低,则存在一定的安全隐患。
Claims (3)
1.一种面向道路安全评价的微观交通流仿真方法,包括如下方法:
第二步:确定计算当前车辆与前导车辆理论上应保持的安全间距S1的公式;
第三步:根据公式S=S1·β1·β2·β3·β4确定车辆在与前车的跟驰过程中期望与前车保持的安全间距,根据公式S′=S1·β1·β2·β3·β4·β5驾驶员对目标车道上后方车辆感知的安全间距,其中,
当前车辆行驶速度对驾驶员服从安全间距的影响因数β2=(V/Vmax)γ,式中:V为当前车辆的行驶车速,Vmax为行车允许的最大车速,γ为固定系数;
当前的交通环境对驾驶员服从安全间距的影响因数β4=α/Density,式中:α为固定的调整参数,Density为某一时段道路上车辆的密度;
为驾驶员换道感知误差引起的驾驶员对安全间距服从影响因数式中:S1为计算的安全间距;lother_back为当前车辆与目标换道车道上跟驰车辆的间距;Vother_back为当前车辆与目标换道车道上跟驰车辆的速度;V为当前车辆的车速;δ为固定的调整参数;
第四步:确定驾驶员的跟驰规则和换道规则,并建立基于元胞自动机的仿真模型;
第五步:令安全级别u(T,N,L)表示为共采集T秒,在路段长度为L,车辆总数为N的所有车辆安全间距冲突评级,确定计算安全级别的公式: 式中:xn(t)为第n车第t秒的位置,Sn(t)为第n辆车第t秒理论上计算的安全间距;
第六步:根据直线道路的设计长度,选择不同的道路车辆密度,进行仿真,并确定安全级别,若安全评价级别较低,则判断需要修正直线道路的长度。
3.根据权利要求1所述的面向道路安全评价的微观交通流仿真方法,其特征在于,ζ取0.06,γ取0.03,α取0.5,μ取1.2,σ取1,δ取1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100409349A CN102622516A (zh) | 2012-02-22 | 2012-02-22 | 面向道路安全评价的微观交通流仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100409349A CN102622516A (zh) | 2012-02-22 | 2012-02-22 | 面向道路安全评价的微观交通流仿真方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102622516A true CN102622516A (zh) | 2012-08-01 |
Family
ID=46562431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100409349A Pending CN102622516A (zh) | 2012-02-22 | 2012-02-22 | 面向道路安全评价的微观交通流仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102622516A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138733A (zh) * | 2015-07-30 | 2015-12-09 | 河北工业大学 | 基于驾驶舒适性的双车道公路交通安全评价方法 |
CN105808314A (zh) * | 2014-12-30 | 2016-07-27 | 中国移动通信集团公司 | 一种交通仿真的方法及装置 |
CN105825677A (zh) * | 2016-05-31 | 2016-08-03 | 武汉大学 | 一种基于改进bml模型的城市交通拥堵预测方法 |
CN110069887A (zh) * | 2019-05-05 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 一种驾驶仿真方法、装置、设备及存储介质 |
CN110930058A (zh) * | 2019-12-06 | 2020-03-27 | 黑龙江省公路勘察设计院 | 一种高速公路交通安全评价系统 |
CN111376900A (zh) * | 2018-12-27 | 2020-07-07 | 深圳市广和通无线股份有限公司 | 车速控制方法、装置、计算机设备以及存储介质 |
CN111428964A (zh) * | 2020-02-25 | 2020-07-17 | 哈尔滨工业大学 | 一种检定公路关键计量指标检测设备的场地规划方法 |
CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
CN112820126A (zh) * | 2020-12-31 | 2021-05-18 | 北京交通大学 | 一种非侵入式导向运输车辆路权优先运行控制及仿真方法 |
CN114104001A (zh) * | 2021-12-17 | 2022-03-01 | 北京航空航天大学 | 一种跟驰场景下的自动驾驶接管提示时间计算方法 |
CN115019508A (zh) * | 2022-06-13 | 2022-09-06 | 华南理工大学 | 基于机器学习的道路监控车流仿真方法、装置、设备及介质 |
CN116189477A (zh) * | 2023-02-17 | 2023-05-30 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
WO2024124906A1 (zh) * | 2022-12-13 | 2024-06-20 | 中南大学 | 车辆跟驰运行风险状态判定方法、系统及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561836A (zh) * | 2009-01-05 | 2009-10-21 | 天津大学 | 基于元胞机的城市微观交通流仿真系统 |
CN101714297B (zh) * | 2009-11-20 | 2011-05-11 | 东南大学 | 一种基于速度安全系数的公路限速值确定方法 |
-
2012
- 2012-02-22 CN CN2012100409349A patent/CN102622516A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561836A (zh) * | 2009-01-05 | 2009-10-21 | 天津大学 | 基于元胞机的城市微观交通流仿真系统 |
CN101714297B (zh) * | 2009-11-20 | 2011-05-11 | 东南大学 | 一种基于速度安全系数的公路限速值确定方法 |
Non-Patent Citations (1)
Title |
---|
刘慕仁等: "城市道路交通问题与交通流模型", 《力学与实践》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808314A (zh) * | 2014-12-30 | 2016-07-27 | 中国移动通信集团公司 | 一种交通仿真的方法及装置 |
CN105808314B (zh) * | 2014-12-30 | 2019-05-10 | 中国移动通信集团公司 | 一种交通仿真的方法及装置 |
CN105138733A (zh) * | 2015-07-30 | 2015-12-09 | 河北工业大学 | 基于驾驶舒适性的双车道公路交通安全评价方法 |
CN105138733B (zh) * | 2015-07-30 | 2018-01-23 | 河北工业大学 | 基于驾驶舒适性的双车道公路交通安全评价方法 |
CN105825677A (zh) * | 2016-05-31 | 2016-08-03 | 武汉大学 | 一种基于改进bml模型的城市交通拥堵预测方法 |
CN111376900B (zh) * | 2018-12-27 | 2021-08-17 | 深圳市广和通无线股份有限公司 | 车速控制方法、装置、计算机设备以及存储介质 |
CN111376900A (zh) * | 2018-12-27 | 2020-07-07 | 深圳市广和通无线股份有限公司 | 车速控制方法、装置、计算机设备以及存储介质 |
CN110069887A (zh) * | 2019-05-05 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 一种驾驶仿真方法、装置、设备及存储介质 |
CN110930058A (zh) * | 2019-12-06 | 2020-03-27 | 黑龙江省公路勘察设计院 | 一种高速公路交通安全评价系统 |
CN111428964A (zh) * | 2020-02-25 | 2020-07-17 | 哈尔滨工业大学 | 一种检定公路关键计量指标检测设备的场地规划方法 |
CN111428964B (zh) * | 2020-02-25 | 2023-06-06 | 哈尔滨工业大学 | 一种检定公路关键计量指标检测设备的场地规划方法 |
CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
CN111968372B (zh) * | 2020-08-25 | 2022-07-22 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
CN112820126A (zh) * | 2020-12-31 | 2021-05-18 | 北京交通大学 | 一种非侵入式导向运输车辆路权优先运行控制及仿真方法 |
CN112820126B (zh) * | 2020-12-31 | 2021-08-24 | 北京交通大学 | 一种非侵入式导向运输车辆路权优先运行控制及仿真方法 |
CN114104001A (zh) * | 2021-12-17 | 2022-03-01 | 北京航空航天大学 | 一种跟驰场景下的自动驾驶接管提示时间计算方法 |
CN115019508A (zh) * | 2022-06-13 | 2022-09-06 | 华南理工大学 | 基于机器学习的道路监控车流仿真方法、装置、设备及介质 |
CN115019508B (zh) * | 2022-06-13 | 2023-09-29 | 华南理工大学 | 基于机器学习的道路监控车流仿真方法、装置、设备及介质 |
WO2024124906A1 (zh) * | 2022-12-13 | 2024-06-20 | 中南大学 | 车辆跟驰运行风险状态判定方法、系统及设备 |
CN116189477A (zh) * | 2023-02-17 | 2023-05-30 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
CN116189477B (zh) * | 2023-02-17 | 2023-11-21 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622516A (zh) | 面向道路安全评价的微观交通流仿真方法 | |
Feng et al. | Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data | |
Moridpour et al. | Modeling the lane-changing execution of multiclass vehicles under heavy traffic conditions | |
EP3041726B1 (de) | Verfahren und vorrichtung zur analyse von fahrerassistenzsystemen | |
CN103921719B (zh) | 驾驶员交互式商用车辆侧翻预警方法和系统 | |
Talebpour et al. | Multiregime sequential risk-taking model of car-following behavior: specification, calibration, and sensitivity analysis | |
Kononov et al. | Relationship between traffic density, speed, and safety and its implications for setting variable speed limits on freeways | |
CN103003854A (zh) | 用于基于驾驶员工作负担调度驾驶员接口任务的系统和方法 | |
CN102745194A (zh) | 一种高速公路汽车防追尾前车的自适应报警方法 | |
CN104691545A (zh) | 适应性车辆防碰撞方法 | |
Barber et al. | Advanced collision warning systems | |
CN106128095A (zh) | 一种快速道路孤立瓶颈路段的可变限速控制方法 | |
CN105946860A (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN114969626B (zh) | 一种混合交通流车队强度计算及基本图模型构建方法 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
Guo et al. | Driving simulation study on speed-change lanes of the multi-lane freeway interchange | |
CN113947929B (zh) | 一种针对高速公路改扩建连续施工区的可变限速控制方法 | |
CN113313949A (zh) | 一种高速公路出口匝道客货车协同控制方法、装置和设备 | |
Tan | Impact of risk illusions on traffic flow in fog weather | |
CN102505593B (zh) | 出入口纵深长度确定方法 | |
CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
CN111143936A (zh) | 一种高速公路螺旋隧道圆曲线半径推荐值的计算方法 | |
CN112417689A (zh) | 人机共驾风险控制建模方法及辅助驾驶方法 | |
Bella et al. | Combined effect of traffic and geometrics on rear-end collision risk: Driving simulator study | |
Chen et al. | Driver behavior analysis for advanced driver assistance system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120801 |