网联自动驾驶环境下基于马尔可夫链理论的混合交通流车队识别模型

摘要

鉴于车队在城市道路信号交叉口通行时常被交叉口信号灯所打断,造成不必要的停车,致使交叉口通行能力下降、尾气排放增加以及燃油消耗升高,本文面向未来网联自动驾驶环境,基于马尔可夫链理论,构建了混合交通流下的车队识别模型。此外,本文借助能够实现L2级自动驾驶技术的特斯拉车辆,设计并组织实施了网联自动驾驶环境下的全样本交通流视频采集实验,并利用视频识别技术提取车辆轨迹数据。最后,利用实测数据和交通仿真软件Vissim,进行网联自动驾驶环境下的车队识别仿真实验。仿真结果表明,当网联自动驾驶车辆渗透率高于0.7时,车队识别率超过80%。另外,仿真结果还表明,车队识别位置同样影响车队识别率,例如在交叉口上游与下游分别进行车队识别时模型性能不同。本文所构建的车队识别模型能够为未来网联自动驾驶环境下的信号协调控制提供输入参数,以减少城市干线车队的不必要停车,进而提高城市交通运行效率。