CN102968541A - 基于跟车行为的交通流微观仿真方法 - Google Patents

基于跟车行为的交通流微观仿真方法 Download PDF

Info

Publication number
CN102968541A
CN102968541A CN2012105321438A CN201210532143A CN102968541A CN 102968541 A CN102968541 A CN 102968541A CN 2012105321438 A CN2012105321438 A CN 2012105321438A CN 201210532143 A CN201210532143 A CN 201210532143A CN 102968541 A CN102968541 A CN 102968541A
Authority
CN
China
Prior art keywords
vehicle
car
random
slowing down
speed
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
Application number
CN2012105321438A
Other languages
English (en)
Inventor
季彦婕
敬明
邓卫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN2012105321438A priority Critical patent/CN102968541A/zh
Publication of CN102968541A publication Critical patent/CN102968541A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于跟车行为的交通流微观仿真方法,采用一种新的元胞自动机模型进行交通流微观仿真,包括如下步骤:1)起始设定;2)从首辆更新车辆a开始更新;3)对车辆i进行状态更新更新,4)后车的车前行驶空间更新5)采集仿真数据;6)仿真结束条件判断;本发明采用的模型使用小元胞尺寸,可以通过调整参数对车辆特性和驾驶行为进行精细调节,方便不同条件下的交通流仿真模拟。模型的仿真流量和实测数据符合很好,并能描述交通系统的亚稳态和回滞现象。

Description

基于跟车行为的交通流微观仿真方法
技术领域
本发明属于交通流理论中的交通流微观模型领域,涉及一种交通流微观仿真方法。
背景技术
20世纪中叶开始,交通问题由于其复杂性和实际意义,开始吸引大量科学家对其进行研究。元胞自动机(cellular automaton,CA)模型是一种时间,空间和变量都离散的的数学模型,具有规则简单,灵活可调,易于编程等特点,近年来在交通流研究中得到了广泛应用。最具代表性的元胞自动机模型是由Nagel和Schrekenberg提出的NaSch模型,该模型可以描述一些实际交通现象,但所模拟的最大交通量小于实测数据,并且不能描述临界点附近的亚稳态性质。在NS模型基础上,人们提出了许多改进模型,例如改进加速规则的FI模型,引入慢启动规则的VDR模型,改进减速规则的敏感驾驶模型等;针对NS模型不可超车的局限性,学者们提出了多种单向多车道CA模型,并建立了各种换道规则。
NS、FI等模型采用并行更新方式,在同一时步的更新过程中,前车在该时步中前进的距离被默认为车辆间的安全距离,造成NS模型模拟的平均车头间距大于实际值和模型的仿真流量偏小。
发明内容
技术问题:本发明提供了一种采用小元胞尺寸,可以通过参数对车辆特性和驾驶行为进行精细调节,模型仿真流量和实测数据符合很好,并能描述交通系统的亚稳态和回滞现象的基于跟车行为的交通流微观仿真方法。
技术方案:本发明的基于跟车行为的交通流微观仿真方法,包括如下步骤:
1)起始设定:
将道路视为由rlength个元胞组成的离散格点链,所述元胞的尺寸为csize,用元胞取值等于1表示道路上该位置被车辆占据,元胞取值等于0表示道路上该位置没有车辆占据,设车辆长度为carsize,从道路起点开始,沿车辆行驶方向给车辆编号,所述车辆编号用i表示,则Vi(t)为第i辆车在t时刻的速度,Xi(t)为第i辆车车尾在t时刻的位置,计算所有车辆车前行驶空间gapi(t)的初始值,所述初始值为第i辆车的车头与第i+1辆车的车尾的间距gapi(t)=Xi+1(t)-Xi(t)-carsize,Vmax为车辆的最大速度,acc为车辆加速度,dec为车辆减速度,p为随机减速概率,k为安全驾驶参数,a为从车道上随机抽取的,每个步长更新中的首辆更新车辆的编号,T1为开始采集仿真数据的时间步长,T2为仿真程序运行的设定总时间步长,设定要建立的基于跟车行为的元胞自动机模型采用周期性边界条件,仿真的初始条件是将车辆根据道路初始车辆密度d均匀分配在道路上,N为分配后车道上车辆总数,所述车辆初速度取0到Vmax间的整数随机值,然后从道路中随机选取一辆编号为a的车辆,其中1≤a≤N;
2)将车辆a作为初始更新的车辆,令当前更新车辆编号i=a;
3)对车辆i进行状态更新,具体步骤为:
31)进行加速过程:
车辆i按所述步骤1)中设定的车辆加速度acc进行加速,如果Vi(t)+acc大于步骤1)中设定的最大速度Vmax,则将最大速度Vmax作为加速后的车速 的赋值,否则将Vi(t)+acc作为加速后的车速的赋值;
32)进行减速过程:
如果所述步骤31)中得到的的加速后的车速
Figure BDA00002565833700023
大于车前方行驶空间gapi(t),则将所述前方行驶空间gapi(t)的值作为减速后的车速
Figure BDA00002565833700024
的赋值,否则将步骤31)中得到的加速后的车速
Figure BDA00002565833700025
作为减速后的车速
Figure BDA00002565833700026
的赋值,所述车前方行驶空间gapi(t)按以下方式确定:如果本次减速过程是第一个时刻的第一次减速过程,则gapi(t)为所述步骤1)中得到的车前方行驶空间的初始值,否则为上一次更新后的车前行驶空间;
33)随机慢化过程:
车辆按随机减速概率p确定是否进行慢化,如不进行慢化则直接进入步骤34),否则根据所述步骤1)中设定的车辆减速度dec进行减速后进入步骤34),所述减速的具体方法为:用步骤32)得到的减速后的车速
Figure BDA00002565833700031
减去dec,如果
Figure BDA00002565833700032
小于0,则将0作为随机慢化后车速Vi(t+1)的赋值,否则将
Figure BDA00002565833700033
作为随机慢化后车速Vi(t+1)的赋值;
34)车辆位置更新:
将车辆i的位置更新为本时刻的位置Xi(t)的值与所述步骤33)中得到的随机慢化后车速Vn(t+1)的赋值之和,即Xi(t+1)=Xi(t)+Vi(t+1);
4)提取下一车辆的编号j,如j=a,则表明所有车辆的状态均已更新,于是进入步骤5),否则用公式gapj(t)=gapj(t)+round(Vi(t+1)×(Vi(t+1)/Vmax)k)更新第j辆车的车前行驶空间后,将下一车辆的编号作为当前更新车辆编号i并回到步骤3),其中round(x)为对x四舍五入的取整函数;所述下一车辆的编号按如下方式确定:如本次更新车辆编号不为1,则下一车辆编号为i-1,如本次更新车辆编号为1,则下一车辆编号为N;
5)根据下式将所有车辆的车前空间更新为车辆前方的空格元胞数:
gapi(t+1)=Xi+1(t+1)-Xi(t+1)-carsize;
然后判断是否满足t>T1,如是,则统计仿真数据后进入步骤6),否则令t=t+1,并返回步骤2):
6)如果t≤T2,则令t=t+1,并返回步骤2),否则结束仿真流程。
本发明的步骤33)中,按随机减速概率p确定是否进行慢化的方法为,产生一个服从[0,1]间均匀分布的随机数k,如果k<p,则进行随机慢化,否则不进行随机慢化。
本发明的步骤5)中,统计仿真数据至少包括车辆密度、平均速度和系统流量。
有益效果:本发明与现有技术相比,具有以下优点:
本发明结合实际跟车行为中车辆的相对运动和安全驾驶条件,提出了基于跟车行为的CA模型,建立了基于该模型的交通流微观仿真方法。模型采用小元胞尺寸,可以通过参数对车辆特性和驾驶行为进行精细调节,模型的仿真流量与实测数据符合较好,并能描述系统在临界密度附近的亚稳态性质。通过本发明的提出的模型和方法可以方便地实现在不同交通、道路条件下,具有不同类型车辆和不同性格驾驶员的交通流仿真模拟并通过模拟研究交通系统的性质和演化情况。该模型可以作为交通微观仿真软件的内核使用,对交通设施建设计划和交通管理控制策略的制定和效果评价有很好辅助作用。
附图说明
图1为本发明提出的基于跟车行为的交通流微观仿真方法流程图。
具体实施方式
下面通过实施例进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明说明书之后,本领域技术人员对本发明的各种等同形式的修改均落于本申请权利要求所限定的范围内。
本发明的基于跟车行为的交通流微观仿真方法,流程如图1所示,具体步骤如下:
1)起始设定:
将道路视为由rlength个元胞组成的离散格点链,所述元胞的尺寸为csize,用元胞取值等于1表示道路上该位置被车辆占据,元胞取值等于0表示道路上该位置没有车辆占据。设车辆长度为carsize,设i为车辆编号,则Vi(t)为第i辆车在t时刻的速度,Xi(t)为第i辆车车尾在t时刻的位置,gapi(t)为车前行驶空间,其初始值为第i辆车车头和第i+1辆车车尾间的距离(gapi(t)=Xi+1(t)-Xi(t)-carsize),Vmax为车辆的最大速度,acc为车辆加速度,dec为车辆减速度(车辆长度,位置,速度,加减速度等参数取值均为实际数值除以元胞尺寸csize),p为随机减速概率,k为安全驾驶参数,SH为车辆搜索指针的位置,round(x)为对x四舍五入的取整函数,min(x,y.....)返回x,y…中的最小值,a为从车道上随机抽取的,每个步长更新中的首辆更新车辆的编号,d为仿真开始时道路上的车辆密度,T1为开始采集仿真数据的时间步长,T2为仿真程序运行的总时间步长,设定要建立的基于跟车行为的元胞自动机模型采用周期性边界条件,仿真的初始条件是将车辆根据的密度d均匀分配在道路上,车辆初速度取0到Vmax间的整数随机值,设N为分配后车道上车辆总数;
本实施例中设定Vmax=21(113km/h),rlength=5000(7.5km),carsize=5(7.5m),acc=4(6m/s2),dec=3(4.5m/s2),dm=4(6m/s2),p=0.28,T1=10000,T2=12000,d=25veh/km。
2)将车辆a作为初始更新的车辆,令当前更新车辆编号i=a;串行更新过程中,首辆更新的车辆无法考虑前车运动对本车车前空间的影响。为消除首辆更新车辆对交通流的迟滞作用,对任意时刻的交通状态演变,更新从同一辆车a开始。
3)对车辆i进行状态更新,具体步骤为:
31)进行加速过程:
车辆i按所述步骤1)中设定的车辆加速度acc进行加速,如果Vi(t)+acc大于步骤1)中设定的最大速度Vmax,则将最大速度Vmax作为加速后的车速
Figure BDA00002565833700051
的赋值,否则将Vi(t)+acc作为加速后的车速
Figure BDA00002565833700052
的赋值;
32)进行减速过程:
如果所述步骤31)中得到的的加速后的车速大于车前方行驶空间gapi(t),则将所述前方行驶空间gapi(t)的值作为减速后的车速
Figure BDA00002565833700054
的赋值,否则将步骤31)中得到的加速后的车速
Figure BDA00002565833700055
作为减速后的车速
Figure BDA00002565833700056
的赋值,所述车前方行驶空间gapi(t)按以下方式确定:如果本次减速过程是第一个时刻的第一次减速过程,则gapi(t)为所述步骤1)中得到的车前方行驶空间的初始值,否则为上一次更新后的车前行驶空间;
33)随机慢化过程:
车辆按随机减速概率p确定是否进行慢化,产生一个服从[0,1]间均匀分布的随机数k,如果k<p,则进行随机慢化,否则不进行随机慢化。
如不进行慢化则直接进入步骤34),否则根据所述步骤1)中设定的车辆减速度dec进行减速后进入步骤34),所述减速的具体方法为:用步骤32)得到的减速后的车速
Figure BDA00002565833700057
减去dec,如果
Figure BDA00002565833700058
小于0,则将0作为随机慢化后车速Vi(t+1)的赋值,否则将
Figure BDA00002565833700059
作为随机慢化后车速Vi(t+1)的赋值;
34)车辆位置更新:
将车辆i的位置更新为本时刻的位置Xi(t)的值与所述步骤33)中得到的随机慢化后车速Vn(t+1)的赋值之和,即Xi(t+1)=Xi(t)+Vi(t+1);
4)提取下一车辆的编号j,如j=a,则表明所有车辆的状态均已更新,于是进入步骤5),否则用公式gapj(t)=gapj(t)+round(Vi(t+1)×(Vi(t+1)/Vmax)k)更新第j辆车的车前行驶空间后,将下一车辆的编号作为当前更新车辆编号i并回到步骤3),其中round(x)为对x四舍五入的取整函数;所述下一车辆的编号按如下方式确定:如本次更新车辆编号不为1,则下一车辆编号为i-1,如本次更新车辆编号为1,则下一车辆编号为N;
更新步骤4)体现了跟车行为中车辆相对运动的影响。前车速度Vi(t+1)为0时,后车车前空间gapi-1(t)等于两车间的空间距离。前车速度Vi(t+1)为Vmax时,gapi-1(t)=gapi-1(t)+Vi(t+1),描述了前车全速行驶时后车高速追赶前车的现象。参数k大于0时,函数gapi-1(t)(Vi(t+1))的曲线是下凸的,随前车速度变小,安全间距迅速增大,体现了车辆驾驶的安全性特征。在小元胞尺寸的基础上,可以通过调节Vmax和carsize的取值来调节车辆的尺寸和最大速度,通过调节k的取值来改变驾驶员的保守程度和安全间距的大小,从而根据需求实现不同情况下的交通仿真模拟。
5)根据下式将所有车辆的车前空间更新为车辆前方的空格元胞数:
gapi(t+1)=Xi+1(t+1)-Xi(t+1)-carsize;
然后判断是否满足t>T1,如是,则统计仿真数据后进入步骤6),否则令t=t+1,并返回步骤2);
仿真数据采集方法:
设车道上车辆总数为N,则密度D=1000N/(csize×rlength)(veh/km),平均速度 V = 1 N Σ i = 1 N V i ( t ) × csize × 3.6 ( km / h ) , 流量J=DV(veh/h),平均速差 ASD = Σ i = 1 N - 1 | V i ( t ) - V i + 1 ( t ) | N - 1
实际应用中可以根据需要采集其他统计数据(如车速的方差,标准差,特定车辆的行驶轨迹和车速变化情况,系统堵塞带长度,堵塞消散时间,交通流中车头间距和车速的分布,等等)
6)如果t≤T2,则令t=t+1,并返回步骤2),否则结束仿真流程。
将仿真程序运行一定时间,消除暂态影响后(一般在104时间步后),可以方便地采集交通流仿真数据,在本例中仅采集了交通系统的流量,密度,平均速度和系统的平均速差几个参数,实际应用中可以根据需要采集的各种统计数据(车速的方差,标准差,特定车辆的行驶轨迹和车速变化情况,系统堵塞带长度,堵塞消散时间,交通流中车头间距和车速的分布,等等)。

Claims (3)

1.一种基于跟车行为的交通流微观仿真方法,其特征在于,该仿真方法包括如下步骤:
1)起始设定:
将道路视为由rlength个元胞组成的离散格点链,所述元胞的尺寸为csize,用元胞取值等于1表示道路上该位置被车辆占据,元胞取值等于0表示道路上该位置没有车辆占据,设车辆长度为carsize,从道路起点开始,沿车辆行驶方向给车辆编号,所述车辆编号用i表示,则Vi(t)为第i辆车在t时刻的速度,Xi(t)为第i辆车车尾在t时刻的位置,计算所有车辆车前行驶空间gapi(t)的初始值,所述初始值为第i辆车的车头与第i+1辆车的车尾的间距gapi(t)=Xi+1(t)-Xi(t)-carsize,Vmax为车辆的最大速度,acc为车辆加速度,dec为车辆减速度,p为随机减速概率,k为安全驾驶参数,a为从车道上随机抽取的,每个步长更新中的首辆更新车辆的编号,T1为开始采集仿真数据的时间步长,T2为仿真程序运行的设定总时间步长,设定要建立的基于跟车行为的元胞自动机模型采用周期性边界条件,仿真的初始条件是将车辆根据道路初始车辆密度d均匀分配在道路上,N为分配后车道上车辆总数,所述车辆初速度取0到Vmax间的整数随机值,然后从道路中随机选取一辆编号为a的车辆,其中1≤a≤N;
2)将车辆a作为初始更新的车辆,令当前更新车辆编号i=a;
3)对车辆i进行状态更新,具体步骤为:
31)进行加速过程:
车辆i按所述步骤1)中设定的车辆加速度acc进行加速,如果Vi(t)+acc大于步骤1)中设定的最大速度Vmax,则将最大速度Vmax作为加速后的车速的赋值,否则将
Figure FDA00002565833600012
作为加速后的车速
Figure FDA00002565833600013
的赋值;
32)进行减速过程:
如果所述步骤31)中得到的的加速后的车速
Figure FDA00002565833600014
大于车前方行驶空间gapi(t),则将所述前方行驶空间gapi(t)的值作为减速后的车速
Figure FDA00002565833600015
的赋值,否则将步骤31)中得到的加速后的车速
Figure FDA00002565833600021
作为减速后的车速的赋值,所述车前方行驶空间gapi(t)按以下方式确定:如果本次减速过程是第一个时刻的第一次减速过程,则gapi(t)为所述步骤1)中得到的车前方行驶空间的初始值,否则为上一次更新后的车前行驶空间;
33)随机慢化过程:
车辆按随机减速概率p确定是否进行慢化,如不进行慢化则直接进入步骤34),否则根据所述步骤1)中设定的车辆减速度dec进行减速后进入步骤34),所述减速的具体方法为:用步骤32)得到的减速后的车速
Figure FDA00002565833600023
减去dec,如果
Figure FDA00002565833600024
小于0,则将0作为随机慢化后车速Vi(t+1)的赋值,否则将
Figure FDA00002565833600025
作为随机慢化后车速Vi(t+1)的赋值;
34)车辆位置更新:
将车辆i的位置更新为本时刻的位置Xi(t)的值与所述步骤33)中得到的随机慢化后车速Vn(t+1)的赋值之和,即Xi(t+1)=Xi(t)+Vi(t+1);
4)提取下一车辆的编号j,如j=a,则表明所有车辆的状态均已更新,于是进入步骤5),否则用公式gpaj(t)gapj(t)+round(Vi(t+1)×(Vi(i+1)/Vmax)k)更新第j辆车的车前行驶空间后,将下一车辆的编号作为当前更新车辆编号i并回到步骤3),其中round(x)为对x四舍五入的取整函数;所述下一车辆的编号按如下方式确定:如本次更新车辆编号不为1,则下一车辆编号为i-1,如本次更新车辆编号为1,则下一车辆编号为N;
5)根据下式将所有车辆的车前空间更新为车辆前方的空格元胞数:
gapi(t+1)=Xi+1(t+1)-Xi(t+1)-carsize;
然后判断是否满足t>T1,如是,则统计仿真数据后进入步骤6),否则令t=t+1,并返回步骤2):
6)如果t≤T2,则令t=t+1,并返回步骤2),否则结束仿真流程。
2.根据权利要求1所述的基于跟车行为的交通流微观仿真方法,其特征在于,所述步骤33)中,按随机减速概率p确定是否进行慢化的方法为,产生一个服从[0,1]间均匀分布的随机数k,如果k<p,则进行随机慢化,否则不进行随机慢化。
3.根据权利要求1所述的基于跟车行为的交通流微观仿真方法,其特征在于,所述步骤5)中,统计仿真数据至少包括车辆密度、平均速度和系统流量。
CN2012105321438A 2012-12-11 2012-12-11 基于跟车行为的交通流微观仿真方法 Pending CN102968541A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012105321438A CN102968541A (zh) 2012-12-11 2012-12-11 基于跟车行为的交通流微观仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012105321438A CN102968541A (zh) 2012-12-11 2012-12-11 基于跟车行为的交通流微观仿真方法

Publications (1)

Publication Number Publication Date
CN102968541A true CN102968541A (zh) 2013-03-13

Family

ID=47798678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012105321438A Pending CN102968541A (zh) 2012-12-11 2012-12-11 基于跟车行为的交通流微观仿真方法

Country Status (1)

Country Link
CN (1) CN102968541A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164581A (zh) * 2013-03-19 2013-06-19 天津市市政工程设计研究院 基于元胞自动机模型的航空枢纽微观仿真框架
CN105774804A (zh) * 2014-12-26 2016-07-20 比亚迪股份有限公司 跟车风险评估方法、装置和车辆
CN106379309A (zh) * 2015-07-21 2017-02-08 通用汽车环球科技运作有限责任公司 自适应巡航控制系统的操作方法和系统
CN106530691A (zh) * 2016-10-25 2017-03-22 中山大学 一种考虑车辆占有空间的混合车型多车道元胞自动机模型
CN106652564A (zh) * 2017-03-07 2017-05-10 哈尔滨工业大学 车联网环境下的交通流元胞自动机建模方法
CN106991251A (zh) * 2017-04-27 2017-07-28 东南大学 一种高速公路交通流元胞机仿真方法
CN107657106A (zh) * 2017-09-21 2018-02-02 大连理工大学 基于遗传算法的交通流模拟方法
CN108573600A (zh) * 2017-03-10 2018-09-25 重庆邮电大学 一种驾驶员行为诱导与局部交通流优化方法
CN108986454A (zh) * 2018-06-21 2018-12-11 东南大学 模拟驾驶人主观感知与反应的交通流微观仿真方法
CN109002595A (zh) * 2018-06-27 2018-12-14 东南大学 模拟动态换道行为的双车道元胞自动机微观交通仿真方法
CN110472271A (zh) * 2019-07-01 2019-11-19 电子科技大学 一种微观交通仿真的非机动车道混合交通流模型构建方法
CN110728464A (zh) * 2019-10-23 2020-01-24 上海汽车集团股份有限公司 一种交通流模型的构建方法及构建系统
CN111243309A (zh) * 2020-01-10 2020-06-05 北京航空航天大学 一种基于自动驾驶车辆移动检测的快速路交通流全样本轨迹重构方法
CN112069679A (zh) * 2020-09-03 2020-12-11 四川大学 一种基于跟随行为的单航段一维格点微观仿真方法
CN112380702A (zh) * 2020-11-16 2021-02-19 天津大学 一种考虑随机减速行为的单车道瓶颈交通流仿真方法
CN112417642A (zh) * 2020-09-30 2021-02-26 天津大学 一种考虑拥挤波旅行时间随机性的车队交通流模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
敬明等: "基于跟车行为的双车道交通流元胞自动机模型", 《物理学报》 *
敬明等: "更新步长和元胞尺寸对元胞自动机模型的影响", 《吉林大学学报(工学版)》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164581B (zh) * 2013-03-19 2015-06-24 天津市市政工程设计研究院 基于元胞自动机模型的航空枢纽微观仿真装置
CN103164581A (zh) * 2013-03-19 2013-06-19 天津市市政工程设计研究院 基于元胞自动机模型的航空枢纽微观仿真框架
CN105774804A (zh) * 2014-12-26 2016-07-20 比亚迪股份有限公司 跟车风险评估方法、装置和车辆
CN106379309A (zh) * 2015-07-21 2017-02-08 通用汽车环球科技运作有限责任公司 自适应巡航控制系统的操作方法和系统
CN106379309B (zh) * 2015-07-21 2019-02-12 通用汽车环球科技运作有限责任公司 自适应巡航控制系统的操作方法和系统
CN106530691A (zh) * 2016-10-25 2017-03-22 中山大学 一种考虑车辆占有空间的混合车型多车道元胞自动机模型
CN106652564A (zh) * 2017-03-07 2017-05-10 哈尔滨工业大学 车联网环境下的交通流元胞自动机建模方法
CN108573600B (zh) * 2017-03-10 2022-02-08 重庆邮电大学 一种驾驶员行为诱导与局部交通流优化方法
CN108573600A (zh) * 2017-03-10 2018-09-25 重庆邮电大学 一种驾驶员行为诱导与局部交通流优化方法
CN106991251A (zh) * 2017-04-27 2017-07-28 东南大学 一种高速公路交通流元胞机仿真方法
CN107657106A (zh) * 2017-09-21 2018-02-02 大连理工大学 基于遗传算法的交通流模拟方法
CN108986454A (zh) * 2018-06-21 2018-12-11 东南大学 模拟驾驶人主观感知与反应的交通流微观仿真方法
CN109002595A (zh) * 2018-06-27 2018-12-14 东南大学 模拟动态换道行为的双车道元胞自动机微观交通仿真方法
CN109002595B (zh) * 2018-06-27 2021-10-19 东南大学 模拟动态换道行为的双车道元胞自动机微观交通仿真方法
CN110472271A (zh) * 2019-07-01 2019-11-19 电子科技大学 一种微观交通仿真的非机动车道混合交通流模型构建方法
CN110728464A (zh) * 2019-10-23 2020-01-24 上海汽车集团股份有限公司 一种交通流模型的构建方法及构建系统
CN110728464B (zh) * 2019-10-23 2022-06-03 上海汽车集团股份有限公司 一种交通流模型的构建方法及构建系统
CN111243309A (zh) * 2020-01-10 2020-06-05 北京航空航天大学 一种基于自动驾驶车辆移动检测的快速路交通流全样本轨迹重构方法
CN112069679A (zh) * 2020-09-03 2020-12-11 四川大学 一种基于跟随行为的单航段一维格点微观仿真方法
CN112417642A (zh) * 2020-09-30 2021-02-26 天津大学 一种考虑拥挤波旅行时间随机性的车队交通流模拟方法
CN112380702A (zh) * 2020-11-16 2021-02-19 天津大学 一种考虑随机减速行为的单车道瓶颈交通流仿真方法

Similar Documents

Publication Publication Date Title
CN102968541A (zh) 基于跟车行为的交通流微观仿真方法
Li et al. Integrated cooperative adaptive cruise and variable speed limit controls for reducing rear-end collision risks near freeway bottlenecks based on micro-simulations
CN103496368B (zh) 具有学习能力的汽车协同式自适应巡航控制系统及方法
CN107808027A (zh) 基于改进模型预测控制的自适应跟车算法
CN104200267A (zh) 一种车辆驾驶经济性评价系统及评价方法
Ye et al. Development and evaluation of a vehicle platoon guidance strategy at signalized intersections considering fuel savings
Wu et al. Supplementary benefits from partial vehicle automation in an ecoapproach and departure application at signalized intersections
CN112201033B (zh) 一种道路交通运行主动管控策略选择方法
CN110723146B (zh) 一种考虑驾驶利益增量的多车交互换道决策方法
Yang et al. A less-disturbed ecological driving strategy for connected and automated vehicles
CN104794265B (zh) 一种基于加速度信息的移动跟随模型设计方法
CN102999646A (zh) 一种微观交通仿真中车辆跟驰换道方法及系统
CN106530691A (zh) 一种考虑车辆占有空间的混合车型多车道元胞自动机模型
Chen et al. Dynamic eco-driving speed guidance at signalized intersections: Multivehicle driving simulator based experimental study
Lee et al. Design and field evaluation of cooperative adaptive cruise control with unconnected vehicle in the loop
Li et al. Traffic-aware ecological cruising control for connected electric vehicle
Kamal et al. Eco-driving using real-time optimization
CN112542061B (zh) 基于车联网的借道超车控制方法、装置、系统及存储介质
Wei et al. Modeling Car-Following behaviour of turning movements at intersections with consideration of turning radius
Qu et al. Traffic flow modeling of freeway variable speed limit control based on the big data of driving behavior
CN113635900B (zh) 一种预测巡航过程中基于能量管理的换道决策控制方法
CN112131756B (zh) 一种考虑个体激进度的行人穿行场景仿真方法
CN106991806A (zh) 低能见度高速公路带队通行方法
CN113313939A (zh) 一种考虑加速度连续的单车道元胞自动机模型仿真方法
Liu et al. Cellular Automata Model for Traffic Flow with Optimised Stochastic Noise Parameter

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C05 Deemed withdrawal (patent law before 1993)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130313