CN105047057A - 一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法 - Google Patents
一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法 Download PDFInfo
- Publication number
- CN105047057A CN105047057A CN201510397815.2A CN201510397815A CN105047057A CN 105047057 A CN105047057 A CN 105047057A CN 201510397815 A CN201510397815 A CN 201510397815A CN 105047057 A CN105047057 A CN 105047057A
- Authority
- CN
- China
- Prior art keywords
- cellular
- section
- driver
- flow
- track
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种考虑多驾驶员类型和车道选择偏好的高速路宏观交通流仿真方法。具体步骤为:1)将路网在空间离散化为元胞,选择合适的仿真步长;2)按照驾驶倾向性及期望速度将驾驶员分类;3)输入各元胞的初始状态;4)利用包含车道偏好、速度偏好和换道成本三方面效用的离散选择模型确定换道比例,同时结合发送-接收平衡原则,计算各元胞在当前仿真步长内的流量;5)根据各元胞的当前状态和在当前仿真步长内的流量,更新所有元胞的状态;6)重复步骤4)、5),直至仿真结束。该方法考虑了实际交通流中各驾驶员在驾驶倾向性及车道选择上存在的差异,能够更准确的模拟出高速路交通流车道利用率模式和流量-速度关系曲线,更为精确的反映交通流运行状况。
Description
技术领域
本发明属于高快速路交通仿真领域,具体涉及一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法。
背景技术
高快速路连续流交通运行特征分析一直是交通领域研究的热点和难点。交通仿真技术能够复现交通流随时间、空间的变化过程,可以应用于高快速路交通需求预测、工程改善措施及管理控制措施的制定与效果评价,准确的交通仿真模型是优化高快速路管理控制措施、提高设施利用率和服务水平的有力工具。
目前,交通仿真技术按照仿真对象的粒度可以分为微观交通仿真、中观交通仿真和宏观交通仿真。宏观交通仿真是指同时模拟多个车辆的运动,是一种纯粹的数值模拟。从实际应用的角度来说,宏观交通仿真具有参数个数少、易于标定、计算效率高、操作简单和成本低等优点,因此得到了较大的发展。
宏观交通仿真的主要思想是将车流比拟为流体,同时引入与流体动力学方程相似的交通动力学偏微分方程,通过求解偏微分方程即可得到交通动力学行为。在实际应用中,通常采取将偏微分方程离散为差分方程的做法,即对时间、空间离散化,以便于计算。LWR模型是第一个提出的宏观交通流模型,也是最基本的宏观交通流模型,所有后续提出的新模型都以此为基础。LWR模型能够描述许多基本的交通现象,如拥挤、排队蔓延和排队消散等现象。但是,在LWR模型中存在一个基本的假设,它认为交通流组成是单一的,且均匀分布于整个断面,这样LWR模型就不能解释一些混合交通流的特征。因此后续出现了大量针对混合交通流建模的研究。这些研究主要可以分为两类。第一类是建立多车道的宏观交通流仿真模型,即认为交通流在同一断面的各个车道之间是不均匀分布的,并在模型中考虑各个车道之间的换道行为;第二类是建立多车种(例如小汽车、卡车等)的宏观交通流仿真模型,即认为交通流是由多种类型的车辆组成,同一车种的车辆在速度上不存在差异,但其速度会受到其它车种的干扰。这些工作极大推动了宏观交通流仿真研究的发展,但当前研究所建立的模型仍然不能够全面的解释高快速路交通流的实际特征,这些问题如下:
(1)当前对于多车种宏观交通流仿真模型的研究,大多是以车身长度和车辆动力性能来区分车种,例如划分为小汽车和货车。但是,在实际交通流中却存在着这样一种情况:车辆即便在外观和动力性能上不存在显著差异,却仍然可能在自由流速度上有着较大差别。以上海为例,相关研究表明,上海市快速路所运行的小汽车比例超过了95%。但是在这样的车种组成条件下,对自由流速度聚类的结果却显示(如图1所示),上海市快速路明显的存在两类驾驶员:第一类为保守型驾驶员,自由流速度在75km/h左右,所占比例约为56%;第二类为激进型驾驶员,自由流速度在90km/h左右,所占比例约为44%。这说明驾驶员的行驶速度不仅仅取决于车辆的动力性能,也可能会受到自身驾驶水平和驾驶偏好的影响;
(2)对于多车道宏观交通流仿真模型的研究,一个重要的方面是对车辆换道行为的考虑。当前研究大多假设车辆换道的主要动机是为了追求更快的速度。而同样根据上海市快速路的研究结果,发现在上海市快速路存在着一类保守型的驾驶员,这类驾驶员不仅有着自由流速度较低的特点,而且具有倾向于向内侧车道行驶的偏好。这说明在交通流中车辆换道并不仅仅只是为了追求更快的速度,也可能是由于驾驶员自身的车道选择偏好所导致。
交通仿真模型本质上是对实际交通流运行规律与机理的阐释,因此需要建立更准确的能够描述产生上述现象的交通动力学模型及其模拟方法。
发明内容
本发明的目的在于针对当前宏观交通仿真模型中未能充分考虑驾驶员差异与换道动机的问题,提供一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法。
本发明具有以下三个特点:一、根据期望速度的大小将交通流中的驾驶员(车辆)划分为多种类型;二、通过引入车道偏好这一参数来反映各类驾驶员在车道选择行为上的倾向性;三、基于效用理论,通过构建包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型来实现对车辆换道行为的模拟。
为达到以上目标,本发明提出的考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法,基于传统的多车道宏观交通流仿真模型,在模型中引入了具有不同期望速度的多类驾驶员,并利用效用理论模拟车辆的换道行为,具体步骤如下:
1时空离散化
将仿真路网按照行车方向在空间离散化为N个区段,标号分别为1,2,…,i,…,N,第i个区段的长度为Li,在每个区段内,车道数保持不变;针对每个区段,进一步将该区段依照车道数划分为M个仿真元胞(M为该区段的车道数),标号分别为1,2,…,l,…,M,元胞(车道)编号按照沿行车方向从左至右的顺序依次增加,空间离散化示意图见图2;仿真步长时间设为T,j代表第j个仿真步长,仿真总步长设为B,则仿真总时长为B·T;
2对驾驶员进行分类
用r表示驾驶员类型,r=1,2,……,P,P为驾驶员类型总数量;对于交通流中存在的多类驾驶员,他们之间的唯一区别是期望速度不同,用vf(r)表示第r类驾驶员的期望速度,并假定vf(1)<vf(2)<……<vf(P);
3初始状态输入
令仿真步长j=0,即仿真起始时刻,输入所有元胞的初始状态变量:和和分别表示在j·T时刻,第i个区段第l个元胞的密度、第i个区段第l个元胞第r类驾驶员-车辆单元占所在元胞车辆总数目的比例;
4计算元胞在当前仿真步长内的流量
根据j·T时刻第i个区段所有元胞的密度及各类驾驶员-车辆单元所占车辆总数目的比例和第(i+1)个区段所有元胞的密度及各类驾驶员-车辆单元所占车辆数目的比例,利用包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型计算在[j·T,(j+1)·T]时间内第i个区段第l个元胞内各类驾驶员选择下游区段各车道的比例,从而计算在[j·T,(j+1)·T]时间内第i个区段第l个元胞第r类驾驶员-车辆单元,流向第(i+1)个区段第l个元胞的流量流向第(i+1)个区段第(l-1)个元胞的换道流量和流向第(i+1)个区段第(l+1)个元胞的换道流量具体计算步骤如下:
4.1确定驾驶员的车道选择机制
在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员对于下游第(i+1)个区段车道的选择取决于三个参数:内侧换道比例直行比例和外侧换道比例 和分别表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员选择第(i+1)个区段第(l-1)个元胞(内侧换道)、第l个元胞(不换道)和第(l+1)个元胞(外侧换道)的比例。基于效用理论,构建包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型确定当前时刻各类驾驶员选择下游各车道的比例。
4.1.1确定元胞内各类驾驶员选择下游各车道的效用
驾驶员选择下游车道的效用来源于三个方面:(a)车道偏好:各类驾驶员对于不同车道的偏好程度不同;(b)速度偏好:驾驶员倾向于选择速度更高的车道从而缩短行程时间;(c)换道成本:驾驶员变换车道所需付出的代价,可认为当目标车道密度越高时,车辆越难以实施换道。在j·T时刻,第i个区段第l个元胞第r类驾驶员选择下游第(i+1)个区段第(l-1)条车道的效用选择第l条车道的效用和选择第(l+1)条车道的效用分别根据式(1)-(3)进行计算:
yl(r):表示第r类驾驶员对于车道l的偏好程度,取值范围为[0,1],可根据所仿真路网的车道利用率模式并结合实践经验进行确定;
表示在j·T时刻,第(i+1)个区段第l个元胞的平均速度,可根据式(4)计算得到;
α,β:分别代表效用函数中元胞平均速度项和密度项的系数,可利用所仿真路网的历史交通流数据进行标定得到;
表示第(i+1)个区段第l个元胞的阻塞密度;
4.1.2确定元胞内各类驾驶员选择下游各车道的比例
选择一种离散选择模型(例如Logit模型、Probit模型),根据当前时刻各类驾驶员选择下游各车道的效用,利用式(5)计算各元胞的换道比例参数和
F:表示所选用的离散选择模型;
4.2确定元胞在当前仿真步长内的最大接收流量
根据式(6)计算元胞在当前仿真步长内能够接收上游元胞的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞所能够接收上游元胞的最大流量;
wil:表示第i个区段第l个元胞的阻塞波速;
Qil:表示第i个区段第l个元胞的通行能力;
4.3确定元胞在当前仿真步长内的最大发送流量
根据式(7)-(9)计算元胞在当前仿真步长内能够向下游元胞发送的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l-1)个元胞发送的最大换道流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第l个元胞发送的最大流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l+1)个元胞发送的最大换道流量;
表示当驾驶员组成与j·T时刻第i个区段第l个元胞内的驾驶员组成一致
的情况下,此种驾驶员组成所对应混合交通流的期望速度,可由各类驾驶员的期望速度按照所占比例加权平均计算得到;
4.4确定元胞在当前仿真步长内的流量
根据式(10)-(12)计算各元胞内各类型驾驶员-车辆单元在当前仿真步长内流向下游各元胞的流量:
5更新元胞状态
根据式(13)-(14)计算在(j+1)·T时刻第i个区段第l个元胞的密度和第r类驾驶员-车辆单元占车辆总数目的比例更新所有元胞的状态;
6若j=B,则停止仿真计算;否则,令j=j+1,返回步骤(4)。
与现有技术相比,本发明的有益效果是:
1.本发明以期望速度来区分交通流中车辆的类别,不仅能够体现传统分类所考虑的车辆在动力性能上的差异,而且也能反映驾驶员在实际驾驶行为上的差别,更加符合宏观交通流仿真的本质和需求。
2.本发明所述的车道选择机制,不仅包括了传统宏观仿真模型所考虑的驾驶员倾向于选择速度更高的车道这一外生刺激,同时还考虑了各类驾驶员对于不同车道的偏好程度这一内生需求、驾驶员实施换道的难易程度这一客观条件,更加符合实际情况。
3.本发明构建的包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型,适合于宏观交通流仿真中车道选择行为的模拟,能够准确的反映驾驶员在多个因素综合作用下的选择结果。
4.本发明所述的考虑多驾驶员类型和车道选择偏好的高快速路宏观交通流仿真方法,能够模拟出与实际情况相一致的车道利用率模式和流量-速度关系曲线。同时,通过改变模型参数,该方法能够得到不同参数组合下所对应的车道利用率模式和流量-速度关系曲线,可以为高快速路交通管理、控制措施的制定和优化提供依据。
附图说明
图1为上海市快速路自由流速度聚类结果。
图2为空间离散化示意图。
图3为本发明提出的高快速路宏观交通流仿真方法流程图。
图4为本发明实施例所采用的路网示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1:本发明提出的高快速路宏观交通流仿真方法用于附图4所示的路段。该路段长4800m,包括一个出匝道和三个入匝道,车辆从东向西进行行驶,路段中最大车道数M=3。首先需要将该路段在空间离散化,如附图4所示,将该路网离散化为N=12个区段,各个区段的长度均为Li=400m(i=1,2,…,N),每个区段包含的元胞数等于该区段的车道数,各区段元胞编号的顺序如附图4所示。仿真步长时间设为T=10s,总仿真步长B=360,则仿真总时长为B·T=3600s。在本实施例中,根据交通流检测数据分析将驾驶员分为P=2两类:第一类为保守型驾驶员,期望速度为vf(1)=70km/h;第二类为激进型驾驶员,期望速度为vf(2)=90km/h。为了获取路网的初始状态,需要在各个元胞内、出入匝道和路段的上下游布置交通检测器,所要求获得的输入信息包括:上下游的流量、密度和各类驾驶员所占比例;各元胞的密度和各类驾驶员所占比例;出入匝道的流量和各类驾驶员所占比例。
在上述参数和输入信息确定后,可以对该路网实施宏观交通仿真。具体步骤如下:
(1)令仿真步长j=0,输入所有元胞的初始状态变量:和和分别表示在j·T时刻,第i个区段第l个元胞的密度、第i个区段第l个元胞第r类驾驶员-车辆单元占所在元胞车辆总数目的比例;
(2)在j·T时刻,根据式(1)-(4)计算第i个区段第l个元胞第r类驾驶员选择下游第(i+1)个区段第(l-1)条车道的效用选择第l条车道的效用和选择第(l+1)条车道的效用
yl(r):表示第r类驾驶员对于车道l的偏好程度,在本实施例中,根据相关数据分析,取值分别为:y1(1)=0.8,y2(1)=0.5,y3(1)=0.2,y1(2)=0.3,y2(2)=0.3,y3(2)=0.3;
表示在j·T时刻,第(i+1)个区段第l个元胞的平均速度,可根据式(4)计算得到;
α,β:分别代表效用函数中元胞平均速度项和密度项的系数,在本实施例中,将其取值分别设为:α=0.017,β=0.025;
表示第(i+1)个区段第l个元胞的阻塞密度,在本实施例中,将所有元胞的阻塞密度都设为150veh/km;
(3)采用Multi-Logit型离散选择模型,根据当前时刻各元胞内各类驾驶员选择下游各车道的效用,利用式(5)计算各元胞的换道比例参数和 和分别表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员选择第(i+1)个区段第(l-1)个元胞(内侧换道)、第l个元胞(不换道)和第(l+1)个元胞(外侧换道)的比例;
(4)根据式(6)计算各元胞在当前仿真步长内能够接收上游元胞的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞所能够接收上游元胞的最大流量;
wil:表示第i个区段第l个元胞的阻塞波速,在本实施例中,所有元胞取相同值,都设为15km/h;
Qil:表示第i个区段第l个元胞的通行能力,在本实施例中,所有元胞取相同值,都设为2000veh/h;
(5)根据式(7)-(9)计算元胞在当前仿真步长内能够向下游元胞发送的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l-1)个元胞发送的最大换道流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第l个元胞发送的最大流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l+1)个元胞发送的最大换道流量;
表示当驾驶员组成与j·T时刻第i个区段第l个元胞内的驾驶员组成一致的情况下,此种驾驶员组成所对应混合交通流的期望速度,可由各类驾驶员的期望速度按照所占比例加权平均得到,计算公式如下:
(6)根据式(11)-(13)计算在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员-车辆单元,流向第(i+1)个区段第l个元胞的流量流向第(i+1)个区段第(l-1)个元胞的换道流量和流向第(i+1)个区段第(l+1)个元胞的换道流量
(7)根据式(14)-(15)计算在(j+1)·T时刻第i个区段第l个元胞的密度和第r类驾驶员-车辆单元占车辆总数目的比例更新所有元胞的状态;
(8)若j=B,则停止仿真计算;否则,令j=j+1,返回步骤(2)。
Claims (2)
1.一种考虑多驾驶员类型和车道选择偏好的宏观交通流仿真方法,其特征在于具体步骤如下:
(1)时空离散化
将仿真路网按照行车方向在空间离散化为N个区段,标号分别为1,2,…,i,…,N,第i个区段的长度为Li,在每个区段内,车道数保持不变;针对每个区段,将该区段依照车道数划分为M个仿真元胞(M为该区段的车道数),标号分别为1,2,…,l,…,M,元胞(车道)编号按照沿行车方向从左至右的顺序依次增加;仿真步长时间设为T,j代表第j个仿真步长,仿真总步长设为B,则仿真总时长为B·T;
(2)将驾驶员进行分类
用r表示驾驶员类型,r=1,2,……,P,P为驾驶员类型总数量;对于交通流中存在的多类驾驶员,他们之间的区别是期望速度不同,用vf(r)表示第r类驾驶员的期望速度,并假定vf(1)<vf(2)<……<vf(P);
(3)初始状态输入
令仿真步长j=0,即仿真起始时刻,输入所有元胞的初始状态变量:和 和分别表示在j·T时刻,第i个区段第l个元胞的密度、第i个区段第l个元胞第r类驾驶员-车辆单元占所在元胞车辆总数目的比例;
(4)计算元胞在当前仿真步长内的流量
根据j·T时刻第i个区段所有元胞的密度及各类驾驶员-车辆单元所占车辆总数目的比例和第(i+1)个区段所有元胞的密度及各类驾驶员-车辆单元所占车辆总数目的比例,利用包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型计算在[j·T,(j+1)·T]时间内第i个区段第l个元胞内各类驾驶员选择下游区段各车道的比例,从而计算在[j·T,(j+1)·T]时间内第i个区段第l个元胞第r类驾驶员-车辆单元,流向第(i+1)个区段第l个元胞的流量流向第(i+1)个区段第(l-1)个元胞的换道流量和流向第(i+1)个区段第(l+1)个元胞的换道流量
(5)更新元胞状态
根据式(1)-(2)计算在(j+1)·T时刻第i个区段第l个元胞的密度和第r类驾驶员-车辆单元占车辆总数目的比例更新所有元胞的状态;
(6)若j=B,则停止仿真计算;否则,令j=j+1,返回步骤(4)。
2.根据权利要求1所述的考虑多驾驶员类型和车道选择偏好的宏观交通流仿真方法,其特征在于步骤(4)所述的计算元胞在当前仿真步长内的流量,具体为:
(4.1)确定驾驶员的车道选择机制
在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员对于下游第(i+1)个区段车道的选择取决于三个参数:内侧换道比例直行比例和外侧换道比例 和分别表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞第r类驾驶员选择第(i+1)个区段第(l-1)个元胞(内侧换道)、第l个元胞(不换道)和第(l+1)个元胞(外侧换道)的比例;基于效用理论,构建包含车道偏好、速度偏好和换道成本三方面效用来源的离散选择模型确定当前时刻各类驾驶员选择下游各车道的比例;
(4.1.1)确定元胞内各类驾驶员选择下游各车道的效用
驾驶员选择下游车道的效用来源于三个方面:(a)车道偏好,(b)速度偏好,(c)换道成本,可认为当目标车道密度越高时,车辆越难以实施换道;在j·T时刻,第i个区段第l个元胞第r类驾驶员选择下游第(i+1)个区段第(l-1)条车道的效用选择第l条车道的效用和选择第(l+1)条车道的效用分别根据式(3)-(5)进行计算:
yl(r):表示第r类驾驶员对于车道l的偏好程度,取值范围为[0,1],可根据所仿真路网的车道利用率模式并结合实践经验进行确定;
表示在j·T时刻,第(i+1)个区段第l个元胞的平均速度,可根据式(6)计算得到;
α,β:分别代表效用函数中元胞平均速度项和密度项的系数,可利用所仿真路网的历史交通流数据进行标定得到;
表示第(i+1)个区段第l个元胞的阻塞密度;
(4.1.2)确定元胞内各类驾驶员选择下游各车道的比例
利用离散选择模型,根据当前时刻各类驾驶员选择下游各车道的效用,利用式(7)计算各元胞的换道比例参数和
F:表示所选用的离散选择模型;
(4.2)确定元胞在当前仿真步长内的最大接收流量
根据式(8)计算元胞在当前仿真步长内能够接收上游元胞的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞所能够接收上游元胞的最大流量;
wil:表示第i个区段第l个元胞的阻塞波速;
Qil:表示第i个区段第l个元胞的通行能力;
(4.3)确定元胞在当前仿真步长内的最大发送流量
根据式(9)-(11)计算元胞在当前仿真步长内能够向下游元胞发送的最大流量:
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l-1)个元胞发送的最大换道流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第l个元胞发送的最大流量;
表示在[j·T,(j+1)·T]时间内,第i个区段第l个元胞能够向第(i+1)个区段第(l+1)个元胞发送的最大换道流量;
表示当驾驶员组成与j·T时刻第i个区段第l个元胞内的驾驶员组成一致
的情况下,此种驾驶员组成所对应混合交通流的期望速度,可由各类驾驶员的期望速度按照所占比例加权平均得到;
(4.4)确定元胞在当前仿真步长内的流量
根据式(12)-(14)计算各元胞内各类型驾驶员-车辆单元在当前仿真步长内流向下游各元胞的流量:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510397815.2A CN105047057B (zh) | 2015-07-09 | 2015-07-09 | 一种多用户多车道高快速路宏观交通流仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510397815.2A CN105047057B (zh) | 2015-07-09 | 2015-07-09 | 一种多用户多车道高快速路宏观交通流仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105047057A true CN105047057A (zh) | 2015-11-11 |
CN105047057B CN105047057B (zh) | 2017-07-28 |
Family
ID=54453557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510397815.2A Active CN105047057B (zh) | 2015-07-09 | 2015-07-09 | 一种多用户多车道高快速路宏观交通流仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105047057B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577771A (zh) * | 2015-12-17 | 2016-05-11 | 同济大学 | 一种基于车车通信和车路通信的车辆协同驾驶方法 |
CN106710215A (zh) * | 2017-02-06 | 2017-05-24 | 同济大学 | 瓶颈上游车道级交通状态预测***及实现方法 |
CN106846818A (zh) * | 2017-04-24 | 2017-06-13 | 河南省城乡规划设计研究总院有限公司 | 基于Simulink仿真的路网动态交通流预测方法 |
CN107689162A (zh) * | 2016-08-05 | 2018-02-13 | 华创车电技术中心股份有限公司 | 行车辅助*** |
CN109326132A (zh) * | 2018-10-31 | 2019-02-12 | 惠州市德赛西威汽车电子股份有限公司 | 一种多车协同变道实现方法及装置 |
CN110070710A (zh) * | 2019-04-09 | 2019-07-30 | 浙江工业大学 | 基于tasep模型的路网交通流特性仿真方法 |
CN112365710A (zh) * | 2020-10-19 | 2021-02-12 | 南京航空航天大学 | 一种基于概率输出模型的智能车辆换道决策方法 |
CN113689696A (zh) * | 2021-08-12 | 2021-11-23 | 北京交通大学 | 基于车道管理的多模式交通协同疏散方法 |
US11192553B2 (en) * | 2019-04-13 | 2021-12-07 | Henry Schellhorn | Method for autonomous cars to change lanes on motorways |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080270519A1 (en) * | 2004-05-12 | 2008-10-30 | Hans Ekdahl | Method in a Communication Network for Distributing Vehicle Driving Information and System Implementing the Method |
CN101465058A (zh) * | 2009-01-05 | 2009-06-24 | 天津大学 | 智能式动态路线诱导***诱导单元决策方法 |
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
CN102433811A (zh) * | 2011-10-15 | 2012-05-02 | 天津市市政工程设计研究院 | 港区道路交叉口最小间距确定方法 |
CN103116808A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路短时交通流实时预测的方法 |
CN103164579A (zh) * | 2013-03-14 | 2013-06-19 | 同济大学 | 一种实现微观交通仿真器与驾驶模拟器交互式一体化实验平台的方法 |
CN103226893A (zh) * | 2013-04-10 | 2013-07-31 | 中国科学院计算技术研究所 | 基于二维宏观流模型描述交通流行为的方法及模拟*** |
-
2015
- 2015-07-09 CN CN201510397815.2A patent/CN105047057B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080270519A1 (en) * | 2004-05-12 | 2008-10-30 | Hans Ekdahl | Method in a Communication Network for Distributing Vehicle Driving Information and System Implementing the Method |
CN101465058A (zh) * | 2009-01-05 | 2009-06-24 | 天津大学 | 智能式动态路线诱导***诱导单元决策方法 |
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
CN102433811A (zh) * | 2011-10-15 | 2012-05-02 | 天津市市政工程设计研究院 | 港区道路交叉口最小间距确定方法 |
CN103116808A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路短时交通流实时预测的方法 |
CN103164579A (zh) * | 2013-03-14 | 2013-06-19 | 同济大学 | 一种实现微观交通仿真器与驾驶模拟器交互式一体化实验平台的方法 |
CN103226893A (zh) * | 2013-04-10 | 2013-07-31 | 中国科学院计算技术研究所 | 基于二维宏观流模型描述交通流行为的方法及模拟*** |
Non-Patent Citations (2)
Title |
---|
孙剑 等: "拥挤交通流交织区车道变换行为仿真", 《***仿真学报》 * |
王俊: "考虑驾驶特性的微观交通仿真", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577771A (zh) * | 2015-12-17 | 2016-05-11 | 同济大学 | 一种基于车车通信和车路通信的车辆协同驾驶方法 |
CN105577771B (zh) * | 2015-12-17 | 2019-01-25 | 同济大学 | 一种基于车车通信和车路通信的车辆协同驾驶方法 |
CN107689162A (zh) * | 2016-08-05 | 2018-02-13 | 华创车电技术中心股份有限公司 | 行车辅助*** |
CN106710215A (zh) * | 2017-02-06 | 2017-05-24 | 同济大学 | 瓶颈上游车道级交通状态预测***及实现方法 |
CN106710215B (zh) * | 2017-02-06 | 2019-02-01 | 同济大学 | 瓶颈上游车道级交通状态预测***及实现方法 |
CN106846818A (zh) * | 2017-04-24 | 2017-06-13 | 河南省城乡规划设计研究总院有限公司 | 基于Simulink仿真的路网动态交通流预测方法 |
CN109326132A (zh) * | 2018-10-31 | 2019-02-12 | 惠州市德赛西威汽车电子股份有限公司 | 一种多车协同变道实现方法及装置 |
CN110070710A (zh) * | 2019-04-09 | 2019-07-30 | 浙江工业大学 | 基于tasep模型的路网交通流特性仿真方法 |
US11192553B2 (en) * | 2019-04-13 | 2021-12-07 | Henry Schellhorn | Method for autonomous cars to change lanes on motorways |
CN112365710A (zh) * | 2020-10-19 | 2021-02-12 | 南京航空航天大学 | 一种基于概率输出模型的智能车辆换道决策方法 |
CN112365710B (zh) * | 2020-10-19 | 2021-09-24 | 南京航空航天大学 | 一种基于概率输出模型的智能车辆换道决策方法 |
CN113689696A (zh) * | 2021-08-12 | 2021-11-23 | 北京交通大学 | 基于车道管理的多模式交通协同疏散方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105047057B (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105047057A (zh) | 一种考虑多驾驶员类型和车道选择偏好的高快速路网宏观交通流仿真方法 | |
Tang et al. | A speed guidance model accounting for the driver’s bounded rationality at a signalized intersection | |
CN104821080B (zh) | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导***模拟设计方法 | |
CN103593535B (zh) | 基于多尺度融合的城市交通复杂自适应网络平行仿真***及方法 | |
Fellendorf et al. | Microscopic traffic flow simulator VISSIM | |
Meng et al. | An improved cellular automata model for heterogeneous work zone traffic | |
Nie et al. | Real-time dynamic predictive cruise control for enhancing eco-driving of electric vehicles, considering traffic constraints and signal phase and timing (SPaT) information, using artificial-neural-network-based energy consumption model | |
Wu et al. | Effects of the prevision relative velocity on traffic dynamics in the ACC strategy | |
CN104866654A (zh) | 一种一体化城市动态交通仿真平台的构建方法 | |
CN102610092A (zh) | 基于rbf神经网络城市道路速度预测方法 | |
Ahn et al. | Energy and environmental assessment of high-speed roundabouts | |
Guo et al. | Exploration of correlation between environmental factors and mobility at signalized intersections | |
Meng et al. | Cellular automata model for work zone traffic | |
CN107180146A (zh) | 一种基于新型交通仿真模型的无网格交通仿真方法 | |
Alam et al. | Intellegent traffic light control system for isolated intersection using fuzzy logic | |
Srikanth et al. | Calibration of vissim model for multilane highways using speed flow curves | |
CN103000026B (zh) | 一种公交站台车辆到达分布分析方法 | |
Ding et al. | MPC-based dynamic speed control of CAVs in multiple sections upstream of the bottleneck area within a mixed vehicular environment | |
Arasan et al. | Microsimulation study of vehicular interactions in heterogeneous traffic flow on intercity roads | |
Lu et al. | TD3LVSL: A lane-level variable speed limit approach based on twin delayed deep deterministic policy gradient in a connected automated vehicle environment | |
Zhang et al. | Stability and safety analysis of mixed traffic flow considering network function degradation and platoon driving on the road with a slope | |
Wang et al. | Lane-changing model with dynamic consideration of driver's propensity | |
CN103035128B (zh) | 基于fpga阵列统一智能结构的交通流仿真***控制方法 | |
CN102945600A (zh) | 考虑中断行驶的分段跟驰微观交通流建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |