基于多前车信息融合的智能网联车辆跟驰模型

摘要

cqvip:为了进一步提高交通流的稳定性,在经典基于驾驶员记忆的最优速度(OVCM)模型的基础上,提出了一种基于多前车最优速度与紧邻加速度(MHOVA)的智能网联车辆跟驰模型。首先,引入k辆前车的最优速度变化量与紧邻前车的加速度改进OVCM模型,并分别以参数γ和ω表示其权重;然后,结合改进模型利用线性稳定性分析获得交通流的临界稳定条件;最后,利用Matlab对车队施加扰动后的速度和车头距等参数进行数值模拟与分析。仿真结果表明:在车队启动和停止过程的仿真中,所提模型比OVCM模型使得车队整体达到稳定状态的时间更短;在环形道路上车队施加扰动的仿真中,所提模型相比于全速度差(FVD)模型、OVCM和多前车最优速度(MHOV)模型,在合理加速度敏感系数ω和前车数k约束下的速度和车头距波动幅度相对较小,尤其当ω为0.3且k为5时车辆速度的向上和向下波动率最小可达0.67%和0.47%,表明改进模型能较好地吸收交通扰动和增强车队行驶稳定性。