车联网环境下高速公路车辆跟驰模型及仿真研究

摘要

随着社会经济的高速发展，社会车辆保有量日益增加，机动化进程明显加快，城市区域间联动发展，交通安全、交通拥堵、环境污染等问题日益突出。高速公路承担着城市区域间中长距离交通的重要职能，其供给与需求之间的不平衡问题表现的更为明显。
　　在此背景下，ITS(Intelligent Transportation System)技术作为能够有效缓解交通拥堵、提高交通运行效率、降低交通事故率并减少环境污染的新技术，得到越来越多的关注和发展。在新兴ITS技术中，近年来车联网技术(ConnectedVehicle Technology，CVT或者Internet of Vehicles，IOV)受到全世界各国学者的广泛重视，车联网技术在交通领域中的应用，也对交通环境产生了巨大影响。以高速公路为例，车联网带来车辆和设备在信息感知、交互、融合、发布等各个步骤的理念和技术革新。在车联网环境下，车辆和车辆之间、车辆与交通设施之间、交通设施与设施之间的感知模式发生变化，信息交互显著增强，驾驶员受外界的互相刺激随之增加，驾驶员行为相应发生变化。此外，随着自动控制理论在交通领域的应用，特别是自适应巡航技术(Adaptive Cruise Control，ACC)技术的发展，很多学者也在寻找更为合适的车辆行驶控制机理。
　　论文关注的是车联网环境，试图在其广泛应用之前在车辆跟驰行为理论上打下基础。因此，车联网环境对车辆跟驰行为产生的影响是论文最先需要明确的，虽然车联网环境的推广与实现存在阶段性与侧重点，但其对车辆跟驰行为最直接的影响可概括为以下两点:(1)能够更为准确、直接地感知车辆间信息，车辆系统参与辅助驾驶员决策;(2)车辆之间可以信息交互与联动，前后车信息加强，范围增大，驾驶员行为受到后车信息与考虑范围的影响较之前更为明显。
　　论文将车联网技术与自动控制技术相结合，构建符合车联网不同发展阶段车辆跟驰特性的车辆跟驰模型，并分析其稳定性条件。论文将车联网发展阶段研究目标与自适应巡航技术(ACC)及协同式自适应巡航技术(CACC)相对应，提出基于不同发展阶段的多模式、多目标、多层次车辆跟驰模型。
　　论文将警告指数与碰撞时间参数作为判定指标，划分ACC车辆跟驰状态，并以加速度作为模式区分的最终体现，构建多模式选择的ACC车辆跟驰模型，该模型满足车联网发展初级阶段的一系列特征，是以能够较好拟合实际数据作为目标，该目标是符合车联网环境下数据多样性、准确性、实时性需求的。论文选用相对速度、安全间距和自动驾驶三大类车辆跟驰模型中的四种车辆跟驰模型GM，Bando，Gipps和IDM作为比较对象，并使用微观实际数据——NGSIM(NextGeneration Simulation)轨迹数据进行评价。研究结果表明，多模式选择的ACC车辆模型能够较好地拟合实际数据，且与传统跟驰模型相比，其更具有优越性。
　　相较于单辆车，以车辆组整体作为研究对象，更能够体现车联网、车辆间信息交互、周围车辆之间的相互影响作用。本文将双向控制理论运用到车辆组，提出混合交通流双向控制通用框架。根据该建模框架，依据车辆组整体舒适性要求和效率最优要求，分别构建车辆组引导车模型（LCACC模型）。将混合交通流定义成包含人工驾驶车辆和自动控制车辆的传统车辆的车流，利用跟驰模型(GM，Bando，Gipps和IDM)来描述人工驾驶车辆跟驰行为，协同式自适应巡航CACC模型和车辆组引导车模型（LCACC模型）模拟CACC车辆跟驰行为。为分析车组大小以及双向控制的影响，论文利用MATLAB构建单车道环道测试场景，以NGSIM实际数据作为初始输入，不断循环，得到模型最优解范围，并分析在不同场景下车辆运行状况及跟驰情况。研究结果表明:相较于传统跟驰模型而言，无论CACC车组大小如何变化，文中所构建的LCACC模型拥堵情况改善明显;随着CACC车组的逐渐增加，LCACC模型受车组内部影响逐渐增强，但是其拥堵指数(CA)随着人工驾驶模型的不同呈现较大差异。
　　在构建混合交通流模型引导车模型后，论文对模型稳定性，分别使用理论分析法和基于数值的仿真法（环道分析法）进行分析，明确其稳定性条件。

目录

声明

摘要

主要变量、简称与符号释义

第一章 绪论

1．1 研究背景

1．1．2 选题背景

1．2 研究对象和意义

1．2．1 研究对象

1．2．2 研究意义

1．3 研究主要内容

1．3．1 研究内容

1．3．2 技术路线

第二章 车联网环境与车辆跟驰行为

2．1 车辆跟驰模型研究概述

2．1．1 车辆跟驰模型和参数标定

2．1．2 微观交通仿真应用综述

2．2 车联网发展现状及趋势

2．2．1 车联网构架研究

2．2．2 车联网关键技术研究

2．3 车联网环境对车辆跟驰过程的影响

2．3．1 交通信息感知交互方式的变化

2．3．2 车联网发展阶段与车辆跟驰过程

2．4 本章小结

第三章 基础数据来源及处理

3．1 基础数据来源

3．1．1 基础数据选择

3．1．2 NGSIM计划介绍

3．1．3 NGSIM微观数据的获取

3．2 数据分析及处理

3．2．1 数据筛选标准

3．2．2 参数标定校准

3．3 跟驰模型选择与参数标定结果

3．3．1 各类模型特点比较

3．3．2 GM模型

3．3．3 Bando模型

3．3．4 Gipps模型

3．3．5 IDM模型

3．4 本章小结

第四章 车联网环境下ACC车辆模型研究

4．1 车联网阶段与ACC车辆控制模式

4．2 ACC车辆跟驰模型构建思路

4．2．1 跟驰状态划分

4．2．2 时间定义

4．2．3 间距定义

4．3 基于多控制模式选择的ACC车辆模型

4．3．1 基本假定

4．3．2 驾驶环境参数选择

4．3．3 控制模式与速度限定

4．3．4 不同控制模式下车辆模型研究

4．4 模型标定与评价

4．4．1 参数标定结果

4．4．2 参数标定效果评价

4．5 本章小结

第五章 车联网环境下混合交通流双向控制模型研究

5．1 车联网交互模式

5．1．1 CACC交互模式

5．1．2 CACC车辆模型

5．2 车联网环境下双向控制通用框架研究

5．2．1 双向控制构想由来

5．2．2 基本假定

5．2．3 双向控制通用框架

5．3 CACC车组引导车模型研究

5．3．1 模型基本假定

5．3．2 模型构建思路

5．3．3 optiCACC模块推导

5．3．4 基于驾驶员舒适性的CACC车组引导车模型

5．3．5 基于系统效率最优的CACC车组引导车模型

5．4．CACC车组引导车模型标定和评价

5．4．1 单车道环道测试设计及指标

5．4．2 目标函数和约束条件

5．4．3 数据描述和测试场景

5．4．4 仿真结果与分析

5．5 本章小结

第六章 车联网环境下混合交通流稳定性分析方法研究

6．1 引言

6．2 稳定性分析分类

6．2．1 微扰稳定性原理

6．2．2 局部稳定性和渐进稳定性

6．3 基于CACC的混合交通流稳定性分析方法

6．3．1 CACC控制体系

6．3．2 频域变换方法

6．3．3 环路仿真方法

6．4 本章小结

第七章 研究结论与展望

7．1 主要研究成果与结论

7．2 论文创新点

7．3 研究展望

致谢

参考文献

附表

攻读博士期间发表论文及参与科研课题情况一览