摘要：针对目前的交叉口控制方法无法适应于网联人工驾驶车辆(CHV)与网联自动驾驶车辆(CAV)的混行而导致冲突增多、效率下降的问题,提出了一种适用于主干路交叉口的基于多智能体系统(MAS)的CAV混行车流集聚控制模型(MTF-ACM).构建基于V2V(车对车)技术的混行车流集聚策略,以降低混行车流的随机性.设计虚拟动态预信号,通过时空同步机制对集聚车队进行速度诱导.根据主预信号协同配时策略,使集聚车队以最大可能不停车通过交叉口.研究结果表明:当CAV的市场渗透率(MPR)为60%时MTF-ACM取得通行能力的最佳效益;当交通流量临近饱和状态时,相较于无ACM和CAV-ACM,MTF-ACM平均延误时间和停车次数分别降低30%和50%以上,燃油消耗和CO_(2)排放分别减少20.59%和22.21%.

摘要：基于SUMO仿真,建立理想的匝道汇入模型,在上游路段设置80km/h、70km/h和60km/h等3种速度诱导控制方案与1组无设置组,观察在500veh/h的低匝道流量下,速度诱导方案对主路流量为2 000veh/h~7 000veh/h时的匝道影响。指标主要采用匝道上游路段以及匝道交织区两处地点的基本数据,包括通过流量、平均速度、速度标准差、换道次数、换道率以及行程时间,从效率、安全、舒适性多方面分析在匝道上游路段设置速度诱导控制的影响。最后得出结论,在低匝道流量下,主路处于近饱和状态时,使用速度诱导可以在牺牲小幅度的主路通行流量情况下,有效提高主路60%~70%的速度稳定性,即提高整体道路安全性。而当主路未饱和时,采用速度诱导不影响道路流量,但也无法有效提高道路的安全性和舒适性。

摘要：交通事件的发生会使得高速公路的运行效率和安全性明显降低,高速公路速度诱导策略在高速公路主线控制中能有效稳定交通流波动,提升效率和安全。针对交通事件发生后速度诱导策略,利用交通仿真技术模拟高速公路运行并发生交通事件,通过仿真输入不同的交通量大小和速度诱导策略,获取车辆行驶轨迹分析车辆在发生交通事件后的运行变化。结果表明,事件发生后采用速度诱导方案对通过的流量可提升2%,降低了车道间的速度差和车道内的速度差,有效提升了车辆运行的安全性。研究结果对高速公路交通事件发生后的管理有一定的参考价值。

摘要：利用自适应卡尔曼滤波器来建立城市快速路瞬时交通预测模型，同时通过 Hadoop 基础框架及 Ma-pReduce 的编程模型设计和开发了交通属性指标最小约简云处理系统，并在此基础上对车辆进行速度诱导控制，建立了以车辆总行程时间为目标函数的诱导优化模型。并以上海南北高架南段东线为例建立了仿真场景，对模型进行了参数标定与校验，通过有效性与性能分析表明：用云计算能够提高运算效率，且速度诱导控制后，降低了路段上交通流的整体速度差异，提高了交通安全性。

摘要：针对车联网环境下若干典型车辆轨迹规划方法存在车速与轨迹波动性较大的问题,提出一种基于改进人工鱼群算法的车辆轨迹规划方法。该方法以短程通信(DSRC)的车联网应用场景为设计平台,以车辆的最优行车速度为核心计算基础,分析得到了车辆的最佳轨迹。首先,对人工鱼群算法在车联网应用场景的优势和不足进行分析,引入万有引力力学模型与避障模式控制,提出一种改进的人工鱼群算法;然后,分析车辆在车联网应用场景中的受力约束,利用网联车辆的自组织行为控制策略推导最优行车速度;最后,基于最优行车速度实现对车辆的实时轨迹诱导和轨迹避障控制规划。仿真测试结果表明,在运用了基于改进人工鱼群算法的轨迹规划模型后,车辆的驾驶速度更加平稳,轨迹波动性较小,对障碍物可实现零失误避撞;在多车相遇情况下,测试车辆为2～40时,相对于原人工鱼群算法和萤火虫算法,运用改进人工鱼群算法后车速的平均迭代次数减少,迭代效率提高3～7、4～8倍,且随着车辆数目越多,迭代效率提升越明显。