车路协同下多车道微观交通诱导与控制研究

《车路协同下多车道微观交通诱导与控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10699分类号U491.2密级学号2010100526题目车路协同下多车道微观交通诱导与控制研究作者李珣学科、专业交通运输规划与管理指导教师曲仕茹教授申请学位日期2014年11月西北工业大学博士学位论文（学位研究生）题目：车路协同下多车道微观交通诱导与控制研究作者：李珣学科专业：交通运输规划与管理指导教师：曲仕茹教授2014年11月ResearchonMicroscopicTrafficGuidanceandControlforMulti-laneonCooperativeVehicleInfrastructureEnvironmentsByLiXunUndertheSuper

2、visionofProfessorQuShiruADissertationSubmittedtoNorthwesternPolytechnicalUniversityInpartialfulfillmentoftherequirementForthedegreeofDoctorofTransportationPlanningandManagementXi’anP.R.ChinaNovember2014摘要摘要文章在车路协同系统的技术条件下，以多车道路段为微观交通研究环境，对未来改善车辆运行效率、运行安全的微观交通诱导和控制方法进行了分析和研究。机动车保有量快速增长、城市规模的迅速扩张导致

3、城市交通环境的日益恶劣，为缓解这一问题，我国主要城市在交通设施基础建设方面做出了大量的努力，包括对城区内道路进行拓宽,修建快速道路、专用线等，但通过这种方法来改善交通环境的方式受到了空间局限性的制约。伴随多车道道路的出现，在有限提高车辆运行和道路使用效率的同时，也带来了车辆间更多的耦合关系。因此如何在有限空间和复杂的车辆间作用关系下，提高多车道环境中车辆的运行安全、道路的使用效率，是面对新生交通环境急需研究的问题。智能交通系统为解决上述问题提供了新的求解域。作为智能交通系统的核心内容，车路协同系统则更是直接作用于微观交通对象，是改善交通参与者运行方式的未来技术。相比无信息交互的实际运行车

4、辆和交通基础设施，车路协同系统最大的特点在于提供了车-路、车-车之间运行和控制信息的交互可能。针对这一变化，本文分别根据道路车流密度不同和信息交互对象区别，对涉及的具体问题进行了研究，设计提出了运用于不同环境和对象的规则、模型和算法，并通过实验进行了论证。具体研究内容如下：1.面向高车流密度基于车-路协同的微观交通流模型。相对于双车道环境的换道规则，多车道环境中车辆的换道规则更为复杂和灵活，特别是在较高的车流密度路况，车辆相互间的遮挡和正确换道所需考虑对象的增多，降低了道路的使用效率。针对上述问题，文章分析了车辆在不同车道环境中的运行特点，在车-路信息交互的条件下，提出了一种基于车路协同

5、环境的多车道协同换道规则，并基于元胞自动机理论建立了车路协同环境中的微观交通流模型；在数值模拟中分析了文中与传统模型之间存在的换道率、交通流参数差别。结果表明，文中协同换道规则能够在车流密度增加的同时，在保证换道安全的前提下，提高了车辆换道频率，增加了道路的交通流量，提高道路的使用效率。2.面向高车流密度基于车-车协同的多车运行决策模型。文章以多车道高密度车流为道路环境，提出了一种基于车-车信息交互技术的多车运行决策模型。对运行过程中，车辆受周围车辆状态变化的影响进行了分析。针对决策变量随影响车量数的增加而迅速增长的问题，建立了基于粗糙-模糊集的车辆运行决策模型；利用决策模型可根据车辆周

6、边信息，获取车辆下一时刻运动状态的特点，在跟踪前根据运动位置的可能性将多个车辆进行区别，基于这一思路将该决策模型引入基于粒子滤波算法的多目标跟踪的数据关联进程中。实验结果表明，决策模型能够根据周围车辆运行状态给出目标车辆实时的I西北工业大学博士学位论文运行决策结果；通过决策模型结合道路中车辆运行位置、速度等先验信息，能够在多目标跟踪过程中估计出下一时刻的跟踪采样区域，跟踪效果良好。3.面向低车流密度环境的车辆避险路径规划方法。除对中、高密度车流多车道环境进行微观交通诱导研究外，针对车辆处于低密度环境中首要面对的运行安全问题，文章提出了一种基于微分进化算法的车辆避险路径规划方法。在可获得行

7、驶路段的车辆运行信息的条件下，对边缘势场函数进行了基于车辆运行特征的改进，并用于描述车辆行驶中产生的动态威胁关系；构造基于微分进化的路径规划算法，给出了避免车辆高速运行中发生危险的实时路径。实验结果表明，改进边缘势场函数更适用于描述道路车辆间全局相互威胁的动态关系；微分进化算法在路径规划过程中，能够引导车辆避免碰撞的发生，且具有更好的全局优化能力及更短的收敛时间。4.基于元胞传输模型的干线多交叉口信号协同控制优化方法。交叉口作为最基