CN106803226A - 考虑最优速度记忆及后视效应的车辆跟驰建模方法 - Google Patents
考虑最优速度记忆及后视效应的车辆跟驰建模方法 Download PDFInfo
- Publication number
- CN106803226A CN106803226A CN201710050567.3A CN201710050567A CN106803226A CN 106803226 A CN106803226 A CN 106803226A CN 201710050567 A CN201710050567 A CN 201710050567A CN 106803226 A CN106803226 A CN 106803226A
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle
- optimal velocity
- car
- delta
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 239000012467 final product Substances 0.000 claims abstract description 3
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 5
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003446 memory effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种考虑最优速度记忆及后视效应的车辆跟驰建模方法,包括:a.通过数学表达式建立车辆微观跟驰交通流模型;b.将车辆跟驰模型化简;c.选择最优速度函数;d.根据跟驰模型,得出模型线性稳定条件,绘制模型稳定区域与不稳定区域的分界线;e.通过改变前导车运动状态设定需要模拟的交通情景;f.获取所有车辆的初始状态;g.仿真模拟t>0时跟驰车队的运动状态,假设特定前导车按照预先设定的情形改变运动状态,而跟驰车队按照考虑最优速度记忆和后视效应跟驰模型运行,考察t>0时所有车辆的运动状态,按照规则更新后即得出模型在选定交通场景下的各车辆速度分布图。本发明能够提高交通流的稳定性,缓解交通拥堵。
Description
技术领域
本发明属于道路交通拥堵改善领域,涉及一种车辆跟驰行为建模方法,具体涉及一种考虑最优速度记忆及后视效应的车辆跟驰建模方法。
背景技术
近年来,汽车的数量急剧增加,相应的基础交通设施建设难以跟上汽车的增长速度,由此带来的交通拥堵问题日益严峻,严重影响了人们的日常工作、生活和社会发展。
交通拥堵在交通流理论角度可以理解为交通失稳,因此,缓解与抑制交通堵塞,从某种意义上讲就是要改善交通流的稳定性。Bando M等人1995年在《Physical Review E》(1995,51(2):1035-1042)发表了“Dynamical model of traffic congestion andnumerical simulation”(“交通拥堵动态模型及数值仿真”)一文。该文中由驾驶员根据与前车的距离调整车速这一观点,提出了最优速度(OV)模型,第一次用微观跟驰模型对实际交通流的特性进行了模拟仿真,该模型可以解释交通失稳、堵塞相变、时走时停等诸多交通现象,然而却存在过高的加速度和不切实际的减速度。为解决这一问题,2001年,姜锐等人的“Full velocity difference model for a car-following theory”(“全速度差(FVD)车辆跟驰模型”)公开发表在《Physical Review E》(2001,64(1):017010),指出不论前车速度小于还是大于后车,都需要考虑速度差的影响,然而该模型并没有考虑到跟随车信息对当前车辆驾驶行为的影响。2012年,孙棣华等人在《四川大学学报:自然科学版》(2012,49(1):115-120)发表论文《考虑后视效应和速度差信息的跟驰模型》(以下简称BLVD模型),认为在实际交通环境中,驾驶员会通过后视镜观测跟随车的信息,并且跟随车的信息同样有利于提高交通流的稳定性。
然而上述模型却均局限于考虑前后车当前信息对车辆的影响,缺乏历史信息对交通流稳定性影响的研究。驾驶员的记忆因素对交通流的稳定性同样有着重要的影响,但是,基于前后车和驾驶员记忆效应综合信息下的交通流特性并未在以上模型中得到体现。
发明内容
本发明的目的在于针对上述现有技术中的问题,提供一种考虑最优速度记忆及后视效应的车辆跟驰建模方法,该方法能够为交通控制及驾驶策略的设计提供基本依据,从而提高交通流的稳定性,有效的缓解交通拥堵。
为了实现上述目的,本发明采用的技术方案包括以下步骤:
a.通过数学表达式建立车辆微观跟驰交通流模型;
式中,a是驾驶员的反应敏感系数,vn(t)为车辆n在t时刻的速度,Δxn(t)=xn+1(t)-xn(t)为车头间距,Δvn(t)=vn+1(t)-vn(t)为前后车的相对速度,λ为对相对速度刺激的敏感系数,VF(·)表示向前观测的最优速度函数,VB(·)表示向后观测的最优速度函数,τm是记忆时间步长,[V(Δxn(t))-V(Δxn(t-τm))]是最优速度跟随记忆改变项,γ是其敏感系数;
b.忽略二次项,将上述车辆跟驰模型化简为:
c.选择最优速度函数:
VF(Δxn(t))=α′[tanh(Δxn(t)-β)+tanh(β)]
VB(Δxn-1(t))=-α″[tanh(Δxn-1(t)-β)+tanh(β)]
式中,α′,α″,和β都是正常数,β表示车辆间的安全距离;
d.根据跟驰模型,得出模型线性稳定条件,绘制出模型稳定区域与不稳定区域的分界线;
e.通过改变前导车运动状态来设定需要模拟的交通情景;
f.获取所有车辆的初始状态;
g.仿真模拟t>0时跟驰车队的运动状态,假设特定前导车按照预先设定的情形改变运动状态,而跟驰车队按照考虑最优速度记忆和后视效应跟驰模型运行,考察t>0时所有车辆的运动状态,按照规则更新后即得出模型在选定交通场景下的各车辆速度分布图。
所述的步骤a中0.5<p≤1表示前车对当前车的影响程度比跟随车大。
所述的步骤d在(Δx,a)的二维相平面图上绘制出模型稳定区域与不稳定区域的分界线。
步骤f中车辆n在时刻t(t≥0)的状态由其所在位置xn(t)、速度vn(t)以及加速度an(t)共同定义;其中n=1,…,N,N为所有车辆的总数,令t=0即获取所有车辆的初始状态。
步骤g中所述的运动状态包括车辆速度和车辆位置。
步骤g中所述的更新规则为:
车辆速度:vn(t+Δt)=vn(t)+an(t)×Δt,n=1,…,N;
车辆位置:
其中,Δt为加速度调节时间。
与现有技术相比,本发明具有如下的有益效果:由于在考虑后视效应和速度差信息跟驰模型的基础上,引入驾驶员对最优速度记忆效应的关注,使得新建立的微观交通流模型更接近于实际,并且,根据新建立的交通模型,得出模型稳定性分界线,进而能够得到交通拥堵和系统稳定性的关系,若位于稳定区域,即使稳定车流中出现扰动,也会随时间推移逐渐消散,宏观交通流中最终不会有交通拥堵出现;反之,扰动不但不会消散甚至被逐渐放大,最终出现车辆“时走时停”等交通拥堵现象。本发明采用局部稳定性进行分析,从微观上判定交通是否会出现拥堵或其他异常现象,能够用于完善微观交通仿真软件模型,为交通控制及驾驶策略的设计提供基本依据,提高交通流稳定性,缓解和防止交通拥堵的出现。
附图说明
图1运用本发明所提出的建模方法与OV、FVD及BLVD模型控制方法的稳定性对比图:(a)为所有车辆在t=300S时刻速度对比图,(b)为所有车辆在t=1000S时刻速度对比图;
图2本发明实施例中车辆队列跟驰运动示意图;
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
参见图1-2,本发明考虑最优速度记忆及后视效应的车辆跟驰建模方法包括以下步骤:
(1)建立BL-OVCM微观跟驰交通流模型:
式中,a是驾驶员的反应敏感系数,vn(t)为车辆n在t时刻的速度,Δxn(t)=xn+1(t)-xn(t)为车头间距,Δvn(t)=vn+1(t)-vn(t)为前后车的相对速度,λ为对相对速度刺激的敏感系数,0.5<p≤1表示前车对当前车的影响程度比跟随车大。VF(·)表示向前观测的最优速度函数,VB(·)表示向后观测的最优速度函数,τm是记忆时间步长。[V(Δxn(t))-V(Δxn(t-τm))]是最优速度跟随记忆改变项,γ是其敏感系数。
(2)为便于计算,将上述微观车辆跟驰行为模型改写为:
(3)选择最优速度函数:
式中,α′,α″,和β都是正常数,β表示车辆间的安全距离。
本实施例中设定参数值α′=1,α″=1,和β=4。
(4)根据所建立的跟驰模型,得出模型线性稳定性条件,在(Δx,a)的二维相平面图绘制出模型稳定区域与不稳定区域的分界线。
(5)设定交通场景,在道路长度L=400m的环形道路上,有100辆车以相同的车头间距均匀地分布,车头间距为4m。设初始时刻车队中的引导车出现了小扰动,车辆总数N=100,引导车编号为1,按行驶方向依次为车辆编号。
(6)根据设定的交通场景选取参数的取值,如驾驶员反应敏感系数a取0.85s-1。
(7)获取所有车辆的初始状态,由步骤(4)和(5)设定:
x1(0)=1m
xn(0)=(n-1)L/N(n=2,3,…,N)
vn(0)=pVF(L/N)+(1-p)VB(L/N)(n=1,3,…,N)
(8)运用本发明所提出的跟驰模型控制方式,选取p=0.9,λ=0.2,γ=0.3,τm=0.3。另外选取的对比模型及其参数选择分别为:OV模型(p=1,λ=0,γ=0,τm=0)、FVD模型(p=1,λ=0.2,γ=0,τm=0)、BLVD模型(p=0.9,λ=0.2,γ=0,τm=0)。
图1(a)为所有车辆在t=300S时刻速度对比图,可以看出:OV模型和FVD模型速度有较大波动,BLVD模型的速度波动相对较小,但BL-OVCM模型的速度波动已经微乎其微。
图1(b)为所有车辆在t=1000S时刻速度对比图,由图可知,在t=1000s时,OV模型和FVD模型的车辆速度仍然有很大波动,BLVD模型相比t=300s的时刻,速度波动情况有所增大,说明初始时刻车队的小扰动随着时间的推移逐渐增大,最后造成车辆出现“时走时停”的现象,而BL-OVCM模型的车速分布依然很稳定。
Claims (6)
1.一种考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于,包括以下步骤:
a.通过数学表达式建立车辆微观跟驰交通流模型;
式中,a是驾驶员的反应敏感系数,vn(t)为车辆n在t时刻的速度,Δxn(t)=xn+1(t)-xn(t)为车头间距,Δvn(t)=vn+1(t)-vn(t)为前后车的相对速度,λ为对相对速度刺激的敏感系数,VF(·)表示向前观测的最优速度函数,VB(·)表示向后观测的最优速度函数,τm是记忆时间步长,[V(Δxn(t))-V(Δxn(t-τm))]是最优速度跟随记忆改变项,γ是其敏感系数;
b.忽略二次项,将上述车辆跟驰模型化简为:
c.选择最优速度函数:
VF(Δxn(t))=α′[tanh(Δxn(t)-β)+tanh(β)]
VB(Δxn-1(t))=-α″[tanh(Δxn-1(t)-β)+tanh(β)]
式中,α′,α″,和β都是正常数,β表示车辆间的安全距离;
d.根据跟驰模型,得出模型线性稳定条件,绘制出模型稳定区域与不稳定区域的分界线;
e.通过改变前导车运动状态来设定需要模拟的交通情景;
f.获取所有车辆的初始状态;
g.仿真模拟t>0时跟驰车队的运动状态,假设特定前导车按照预先设定的情形改变运动状态,而跟驰车队按照考虑最优速度记忆和后视效应跟驰模型运行,考察t>0时所有车辆的运动状态,按照规则更新后即得出模型在选定交通场景下的各车辆速度分布图。
2.根据权利要求1所述考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于:所述的步骤a中0.5<p≤1表示前车对当前车的影响程度比跟随车大。
3.根据权利要求1所述考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于:所述的步骤d在(Δx,a)的二维相平面图上绘制出模型稳定区域与不稳定区域的分界线。
4.根据权利要求1所述考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于:所述的步骤f中车辆n在时刻t(t≥0)的状态由其所在位置xn(t)、速度vn(t)以及加速度an(t)共同定义;其中n=1,…,N,N为所有车辆的总数,令t=0即获取所有车辆的初始状态。
5.根据权利要求1所述考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于:步骤g中所述的运动状态包括车辆速度和车辆位置。
6.根据权利要求1所述考虑最优速度记忆及后视效应的车辆跟驰建模方法,其特征在于:步骤g中所述的更新规则为:
车辆速度:vn(t+Δt)=vn(t)+an(t)×Δt,n=1,…,N;
车辆位置:
其中,Δt为加速度调节时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050567.3A CN106803226A (zh) | 2017-01-23 | 2017-01-23 | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050567.3A CN106803226A (zh) | 2017-01-23 | 2017-01-23 | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106803226A true CN106803226A (zh) | 2017-06-06 |
Family
ID=58987045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710050567.3A Pending CN106803226A (zh) | 2017-01-23 | 2017-01-23 | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106803226A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107452201A (zh) * | 2017-07-24 | 2017-12-08 | 重庆大学 | 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法 |
CN108121341A (zh) * | 2017-10-31 | 2018-06-05 | 深圳市博鑫创科科技有限公司 | 一种平衡车车队的自动停靠方法与系统 |
CN108877374A (zh) * | 2018-07-24 | 2018-11-23 | 长安大学 | 基于虚拟现实与驾驶模拟器的车辆队列仿真系统和方法 |
CN110175406A (zh) * | 2019-05-27 | 2019-08-27 | 南京理工大学 | 基于船联网条件下的多船跟随行为模拟方法 |
CN110750877A (zh) * | 2019-09-27 | 2020-02-04 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
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 |
CN113609794A (zh) * | 2021-07-06 | 2021-11-05 | 南通大学 | 一种基于后视效应及预期效应的改良交通流分析方法 |
CN114141015A (zh) * | 2021-12-02 | 2022-03-04 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种考虑车辆历史信息反馈的队列稳定性控制方法 |
CN115862310A (zh) * | 2022-11-30 | 2023-03-28 | 东南大学 | 交通信息不确定环境下网联自动车队稳定性分析方法 |
CN117227556A (zh) * | 2023-11-16 | 2023-12-15 | 北京工业大学 | 一种应用于双向公路中间车道的无线充电车道控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007287168A (ja) * | 2007-06-11 | 2007-11-01 | Toshiba Corp | 交通流シミュレーション方法 |
CN103761371A (zh) * | 2014-01-06 | 2014-04-30 | 同济大学 | 一种基于模型参考的车辆跟驰系统自适应控制方法 |
CN104200687A (zh) * | 2014-09-11 | 2014-12-10 | 长安大学 | 一种驾驶员速度控制行为监测装置及监测方法 |
-
2017
- 2017-01-23 CN CN201710050567.3A patent/CN106803226A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007287168A (ja) * | 2007-06-11 | 2007-11-01 | Toshiba Corp | 交通流シミュレーション方法 |
CN103761371A (zh) * | 2014-01-06 | 2014-04-30 | 同济大学 | 一种基于模型参考的车辆跟驰系统自适应控制方法 |
CN104200687A (zh) * | 2014-09-11 | 2014-12-10 | 长安大学 | 一种驾驶员速度控制行为监测装置及监测方法 |
Non-Patent Citations (3)
Title |
---|
GUANGHAN PENG ET AL: "Nonlinear analysis of a new car-following model accounting for the optimal velocity changes with memory", 《COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION》 * |
唐毅等: "考虑前后车辆综合效应的跟驰模型及其稳定性分析", 《哈尔滨工业大学学报》 * |
孙棣华等: "考虑后视效应和速度差信息的跟驰模型", 《四川大学学报(自然科学版)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107452201A (zh) * | 2017-07-24 | 2017-12-08 | 重庆大学 | 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法 |
CN107452201B (zh) * | 2017-07-24 | 2020-05-08 | 重庆大学 | 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法 |
CN108121341B (zh) * | 2017-10-31 | 2021-04-16 | 深圳市博鑫创科科技有限公司 | 一种平衡车车队的自动停靠方法与系统 |
CN108121341A (zh) * | 2017-10-31 | 2018-06-05 | 深圳市博鑫创科科技有限公司 | 一种平衡车车队的自动停靠方法与系统 |
CN108877374A (zh) * | 2018-07-24 | 2018-11-23 | 长安大学 | 基于虚拟现实与驾驶模拟器的车辆队列仿真系统和方法 |
CN108877374B (zh) * | 2018-07-24 | 2021-03-30 | 长安大学 | 基于虚拟现实与驾驶模拟器的车辆队列仿真系统和方法 |
CN110175406A (zh) * | 2019-05-27 | 2019-08-27 | 南京理工大学 | 基于船联网条件下的多船跟随行为模拟方法 |
CN110175406B (zh) * | 2019-05-27 | 2022-10-18 | 南京理工大学 | 基于船联网条件下的多船跟随行为模拟方法 |
CN110750877A (zh) * | 2019-09-27 | 2020-02-04 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
CN110750877B (zh) * | 2019-09-27 | 2024-05-03 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
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 |
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 |
CN113609794A (zh) * | 2021-07-06 | 2021-11-05 | 南通大学 | 一种基于后视效应及预期效应的改良交通流分析方法 |
CN114141015A (zh) * | 2021-12-02 | 2022-03-04 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种考虑车辆历史信息反馈的队列稳定性控制方法 |
CN114141015B (zh) * | 2021-12-02 | 2022-09-27 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种考虑车辆历史信息反馈的队列稳定性控制方法 |
CN115862310A (zh) * | 2022-11-30 | 2023-03-28 | 东南大学 | 交通信息不确定环境下网联自动车队稳定性分析方法 |
CN115862310B (zh) * | 2022-11-30 | 2023-10-20 | 东南大学 | 交通信息不确定环境下网联自动车队稳定性分析方法 |
CN117227556A (zh) * | 2023-11-16 | 2023-12-15 | 北京工业大学 | 一种应用于双向公路中间车道的无线充电车道控制系统 |
CN117227556B (zh) * | 2023-11-16 | 2024-02-02 | 北京工业大学 | 一种应用于双向公路中间车道的无线充电车道控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803226A (zh) | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 | |
Cui et al. | Path-tracking and lateral stabilisation for autonomous vehicles by using the steering angle envelope | |
CN104859650B (zh) | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 | |
Jin et al. | Stability and optimised H∞ control of tripped and untripped vehicle rollover | |
Cho et al. | An investigation into unified chassis control scheme for optimised vehicle stability and manoeuvrability | |
Du et al. | Comfortable and energy-efficient speed control of autonomous vehicles on rough pavements using deep reinforcement learning | |
Solmaz et al. | A methodology for the design of robust rollover prevention controllers for automotive vehicles with active steering | |
Li et al. | Stability analysis of an extended intelligent driver model and its simulations under open boundary condition | |
Xin et al. | Impacts analysis of car following models considering variable vehicular gap policies | |
Ghazali et al. | Path-following in model predictive rollover prevention using front steering and braking | |
Zhai et al. | Cooperative car-following control with electronic throttle and perceived headway errors on gyroidal roads | |
Yuan et al. | Traffic flow characteristics in a mixed traffic system consisting of ACC vehicles and manual vehicles: A hybrid modelling approach | |
Tian et al. | Adaptive coordinated path tracking control strategy for autonomous vehicles with direct yaw moment control | |
Kang et al. | Observer-based backstepping control method using reduced lateral dynamics for autonomous lane-keeping system | |
CN108958246A (zh) | 无人车在U-Turn场景的轨迹跟踪控制方法 | |
Goñi Ros et al. | Modeling traffic at sags | |
CN105047057A (zh) | 一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法 | |
CN103693042A (zh) | 一种基于前视轨迹曲率的山区复杂道路汽车行驶速度预测方法 | |
Santin et al. | Cruise controller with fuel optimization based on adaptive nonlinear predictive control | |
Sun et al. | A car-following model considering the effect of electronic throttle opening angle over the curved road | |
Li et al. | Emergency collision avoidance strategy for autonomous vehicles based on steering and differential braking | |
Zhu et al. | A survey of lateral stability criterion and control application for autonomous vehicles | |
Tan et al. | Driver directional control using two-point preview and fuzzy decision | |
Wang et al. | Dynamic-boundary-based lateral motion synergistic control of distributed drive autonomous vehicle | |
Suzuki et al. | Effect of adaptive cruise control (ACC) on traffic throughput:: numerical example on actual freeway corridor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170606 |