CN113099419A - 基于双车道格子流体力学的提高车联网通信连通性的方法 - Google Patents
基于双车道格子流体力学的提高车联网通信连通性的方法 Download PDFInfo
- Publication number
- CN113099419A CN113099419A CN202110415275.1A CN202110415275A CN113099419A CN 113099419 A CN113099419 A CN 113099419A CN 202110415275 A CN202110415275 A CN 202110415275A CN 113099419 A CN113099419 A CN 113099419A
- Authority
- CN
- China
- Prior art keywords
- lane
- formula
- equation
- vehicles
- traffic flow
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
技术领域
本发明涉及车载通信领域,具体是一种基于双车道格子流体力学的提高车联网通信连通性的方法。
背景技术
车载网络通过将无线通信技术应用于车辆间通信,能大幅度提髙道路行车的安全性与交通运输的有效性。为了确保安全预警信息与车流拥塞信息能够实时、可靠地传输,车载通信***的整体性能必须得到提升。但由于实际交通情况的复杂性,例如车流稳定性、车辆加减速以及变道情况的存在都严重影响着通信***性能,对车辆间无线通信的可靠传输提出了严竣的挑战。因此,研究车联网的连通性是很有必要的。
为了提高车辆之间的连通性,目前大多思路是利用道路上其他车辆或者增加路边单元来进行协作通信,但是对于车辆之间的协作,存在一个协作意愿的问题,而增加路边单元,也会存在设置合理性问题和成本问题,并且这些工作也忽略了在实际交通中存在车辆变道的情况,车辆变道之后车辆之间的距离位置发生改变、车辆之间的连通情况也会发生改变,很多时候在变道后,车辆之间的距离就可以满足链路连通要求,不需要进行协作通信。
然而毫无规律的变道不仅不会让连通性有所提升,还会造成道路拥堵,所以选择一个合适的交通流模型去规范化车辆的变道,让车联网在交通流相对平稳的情况下提升通信链路的连通性才是更加科学合理的。格子流体力学模型中粒子的运动类似于车辆换道行为,且现有的模型研究给出的如何保证交通流稳定的结果也得到了大量论证,所以该模型适于研究基于交通流平稳性的车联网通信链路连通性。
发明内容
本发明的目的是针对现有技术的不足,而提供一种基于双车道格子流体力学的提高车联网通信连通性的方法。这种方法利用实际道路交通中车辆的换道行为,结合流体力学模型对交通流平稳性的限制,使得通信链路直接连通性在一定的换道率下得到增长,且能保证链路的持续连通性。
实现本发明目的的技术方案是:
一种基于双车道格子流体力学的提高车联网通信连通性的方法,包括如下步骤:
1)构建双车道车联网通信模型:双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J={j-n,...,j-2,j-1,j,j+1,j+2,...j+n},依据格子流体力学模型中的换道条件定义车辆换道行为的发生为:车道2上节点j-1的密度高于车道1上节点j的密度,车道2上的车辆就会向车道1进行换道,同理,车道1上的车辆也会向车道2进行换道;
2)推导保证车流稳定需满足的密度条件:采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示:
其中ρj-1、ρj、ρj+1分别为t时刻节点j-1、j、j+1的平均密度,vj-1、vj为t时刻节点j-1和节点j的车辆平均速度,ρ0为***平均密度,为节点j换道完成后的密度,β为车辆换道概率,依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示:
其中a为司机的驾驶敏感系数,将双车道连续方程公式(1)和新演化方程公式(2)联立可以得到稳定性分析方程如公式(3)所示:
***稳定性状态的解如公式(4)所示:
且在双车道***中,优化速度的函数形式如公式(5)所示:
其中,ρc为节点临界密度,假设yi(t)是一个小扰动,相应的密度和最优速度如公式(6)所示:
将yi(t)按傅里叶级数展开,取其中的单色波分量如公式(7)所示:
yi(t)=exp(ikj+zt) (7),
并由此得到由yi(t)表示的相关参数如公式(8)所示:
将公式(5)-公式(8)代入公式(3)整理得到公式(9):
在ik→0,z→0时,展开公式(9)中的z,得到展开式如公式(10)所示:
z=z1(ik)+z2(ik)2+… (10),
将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零,可以得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示:
3)构建基于交通流平稳性的直接可连接性概率函数:设车辆之间的距离x,概率密度函数如公式(14)所示:
距离x的累计分布函数,即车辆之间可以相互通信需满足的条件如公式(16)所示:
有效通信范围如公式(17)所示:
其中,r0是没有路径衰落时车辆的通信半径,γth为信噪比阈值,α表示路径损耗指数,ζ是衰落系数,pt为车辆发射功率,pn为总的加性噪声功率,将公式(13)取等号并联立公式(16)、(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示:
4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件:车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示:
在新的演化方程下,交通流保持稳定需满足的条件如公式(21)所示:
5)构建车辆之间的持续连通性概率函数:车辆之间完成一次数据传输所需的时间如公式(22)所示:
其中,T0为链路建立时间,S为数据包大小,D为完整传输数据包所需的速率,l为格点之间的距离,链路持续连通概率函数表达式如公式(23)所示:
Pc=P(T+T0<τ) (23),采用如下方法计算具体的持续连通概率值,具体过程如下:
5-1)输入pn、S、D变量的随机值,初始化完整接收消息的次数Jc和方法的执行次数J的值为0;
νrel=random(20±20) (24);
5-3)由公式(21)取等号计算τ,利用公式(22)计算车辆之间完成一次数据传输所需的时间T;
5-4)如果T+T0<τ成立,则Jc=Jc+1,否则,执行下一步;
5-5)判断J是否小于10000,若是,执行J=J+1,返回步骤5-3),否则,执行步骤5-6);
5-6)依据公式(25)所示计算Pc的值:
5-7)保存数据Pc,结束。
本技术利用车辆的换道行为增加通信车辆之间的直接连通性,并且联合考虑驾驶员的反应时间,进一步保证链路的持续连通性。
这种方法能够避免协作通信的意愿和成本问题,在保证交通流平稳性的基础上提高链路的直接连通性和保证链路的持续连通性。
这种方法利用实际道路交通中车辆的换道行为,结合流体力学模型对交通流平稳性的限制,使得通信链路直接连通性在一定的换道率下得到增长,且能保证链路的持续连通性。
附图说明
图1为实施例中双车道流体力学道路和节点模型示意图;
图2为实施例中单对车辆通信建立示意图;
图3为实施例中受到长波扰动后单对车辆运动恢复平稳过程运动示意图;
图4为实施例方法的流程图;
图5为实施例中计算持续连通概率的流程示意图;
图6为实施例中车辆换道概率对链路直接连通概率的影响曲线示意图;
图7为实施例中不同换道概率下路径衰落指数对链路直接连通概率的曲线对比示意图;
图8为实施例中车辆换道概率对链路持续连通概率的影响曲线示意图;
图9为实施例中链路持续连通概率在不同相对速度情况下的变化曲线示意图。
具体实施方式
下面结合附图和实施例对本发明的内容作进一步的阐述,但不是对本发明的限定。
实施例:
参照图1、图2、图3,本例以一个双车道高速道路车载通信网络为例,考虑换道后通信链路的直接连通性和受到长波扰动后交通流再次恢复平稳过程中的链路持续连通性。
参照图4、图5,一种基于双车道格子流体力学的提高车联网通信连通性的方法,包括如下步骤:
1)构建双车道车联网通信模型:双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J={j-n,...,j-2,j-1,j,j+1,j+2,...j+n},依据格子流体力学模型中的换道条件定义车辆换道行为的发生为:车道2上节点j-1的密度高于车道1上节点j的密度,车道2上的车辆就会向车道1进行换道,同理,车道1上的车辆也会向车道2进行换道;
2)推导保证车流稳定需满足的密度条件:采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示:
其中ρj-1、ρj、ρj+1分别为t时刻节点j-1、j、j+1的平均密度,νj-1、νj为t时刻节点j-1和节点j的车辆平均速度,ρ0为***平均密度,为节点j换道完成后的密度,β为车辆换道概率,依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示:
其中a为司机的驾驶敏感系数,将双车道连续方程公式(1)和新演化方程公式(2)联立可以得到稳定性分析方程如公式(3)所示:
***稳定性状态的解如公式(4)所示:
且在双车道***中,优化速度的函数形式如公式(5)所示:
其中,ρc为节点临界密度,假设yi(t)是一个小扰动,相应的密度和最优速度如公式(6)所示:
将yi(t)按傅里叶级数展开,取其中的单色波分量如公式(7)所示:
yi(t)=exp(ikj+zt) (7),
并由此得到由yi(t)表示的相关参数如公式(8)所示:
将公式(5)-公式(8)代入公式(3)整理得到公式(9):
在ik→0,z→0时,展开公式(9)中的z,得到展开式如公式(10)所示:
z=z1(ik)+z2(ik)2+… (10),
将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零,可以得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示:
如为保证交通流稳定,则需要保证z2始终为正,即车流密度需满足条件如公式(13)所示:
3)构建基于交通流平稳性的直接可连接性概率函数:设车辆之间的距离x,概率密度函数如公式(14)所示:
距离x的累计分布函数,即车辆之间可以相互通信需满足的条件如公式(16)所示:
有效通信范围如公式(17)所示:
其中,r0是没有路径衰落时车辆的通信半径,γth为信噪比阈值,α表示路径损耗指数,ζ是衰落系数,pt为车辆发射功率,pn为总的加性噪声功率,将公式(13)取等号并联立公式(16)、(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示:
4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件:车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示:
在新的演化方程下,交通流保持稳定需满足的条件如公式(21)所示:
5)构建车辆之间的持续连通性概率函数:车辆之间完成一次数据传输所需的时间如公式(22)所示:
其中,T0为链路建立时间,S为数据包大小,D为完整传输数据包所需的速率,l为格点之间的距离。链路持续连通概率函数表达式如公式(23)所示:
Pc=P(T+T0<τ) (23),采用如下方法计算具体的持续连通概率值,具体过程如下:
5-1)输入pn、S、D变量的随机值,初始化完整接收消息的次数Jc和方法的执行次数J的值为0;
νrel=random(20±20) (24);
5-3)由公式(21)取等号计算τ,利用公式(22)计算车辆之间完成一次数据传输所需的时间T;
5-4)如果T+T0<τ成立,则Jc=Jc+1,否则,执行下一步;
5-5)判断J是否小于10000,若是,执行J=J+1,返回步骤5-3),否则,执行步骤5-6);
5-6)依据公式(25)所示计算Pc的值:
5-7)保存数据Pc,结束。
仿真实验证明,本例方法提高了车辆之间的直接连通性和持续连通性:
如图6所示,车辆的换道行为可以在一定程度上提高车辆通信的直接连通概率,但是在换道概率增大到一定值后,会让车流密度过大,由于格子流体力学对平稳交通流情况下格点密度的限制,直接连通概率在换道率达到0.92后不再变化;
如图7所示,当路径衰落指数为一确定值时,增加换道概率可以提高车辆之间的直接连通概率,这说明车辆的换道行为可以减缓信息传输过程中的路径衰落,基于图6结果,仿真中换道率取值上限为0.8;
如图8所示,车辆的换道行为从无到有的过程中,也就是换道率β从0变到0.1的过程中,持续连通概率曲线斜率最大,说明换道行为对于增加有扰动情况下链路持续连通概率效果明显,并且随着换道概率的增加,曲线也在不断平稳上升;
如图9所示,车辆之间的持续连通概率会随着相对速度的增长而下降,这是因为在相对速度变大后,车辆之间的距离也会拉大,导致可通信时间减少,链路的持续连通概率也就会下降,而增加车辆的换道概率会让可持续连通概率减小的趋势更缓慢,这说明增加换道概率也有利于提高链路的可持续连通概率。
Claims (1)
1.一种基于双车道格子流体力学的提高车联网通信连通性的方法,其特征在于,包括如下步骤:
1)构建双车道车联网通信模型:双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J={j-n,...,j-2,j-1,j,j+1,j+2,...j+n},依据格子流体力学模型中的换道条件定义车辆换道行为的发生为:车道2上节点j-1的密度高于车道1上节点j的密度,车道2上的车辆就会向车道1进行换道,同理,车道1上的车辆也会向车道2进行换道;
2)推导保证车流稳定需满足的密度条件:采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示:
其中ρj-1、ρj、ρj+1分别为t时刻节点j-1、j、j+1的平均密度,νj-1、νj为t时刻节点j-1和节点j的车辆平均速度,ρ0为***平均密度,为节点j换道完成后的密度,β为车辆换道概率,依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示:
其中a为司机的驾驶敏感系数,将双车道连续方程公式(1)和新演化方程公式(2)联立得到稳定性分析方程如公式(3)所示:
***稳定性状态的解如公式(4)所示:
且在双车道***中,优化速度的函数形式如公式(5)所示:
其中,ρc为节点临界密度,假设yi(t)是一个扰动,相应的密度和最优速度如公式(6)所示:
将yi(t)按傅里叶级数展开,取其中的单色波分量如公式(7)所示:
yi(t)=exp(ikj+zt) (7),
并由此得到由yi(t)表示的相关参数如公式(8)所示:
将公式(5)-公式(8)代入公式(3)整理得到公式(9):
在ik→0,z→0时,展开公式(9)中的z,得到展开式如公式(10)所示:
z=z1(ik)+z2(ik)2+…(10),
将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零,得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示:
如为保证交通流稳定,则需要保证z2始终为正,即车流密度需满足条件如公式(13)所示:
3)构建基于交通流平稳性的直接可连接性概率函数:设车辆之间的距离x,概率密度函数如公式(14)所示:
距离x的累计分布函数,即车辆之间可以相互通信需满足的条件如公式(16)所示:
有效通信范围如公式(17)所示:
其中,r0是没有路径衰落时车辆的通信半径,γth为信噪比阈值,α表示路径损耗指数,ζ是衰落系数,pt为车辆发射功率,pn为总的加性噪声功率,将公式(13)取等号并联立公式(16)、公式(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示:
4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件:车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示:
在新的演化方程下,交通流保持稳定需满足的条件如公式(21)所示:
5)构建车辆之间的持续连通性概率函数:车辆之间完成一次数据传输所需的时间如公式(22)所示:
其中,T0为链路建立时间,S为数据包大小,D为完整传输数据包所需的速率,l为节点之间的距离,链路持续连通概率函数表达式如公式(23)所示:
Pc=P(T+T0<τ) (23),
采用如下方法计算持续连通概率值,过程如下:
5-1)输入pn、S、D变量的随机值,初始化完整接收消息的次数Jc和方法的执行次数J的值为0;
νrel=random(20±20) (24);
5-3)由公式(21)取等号计算τ,利用公式(22)计算车辆之间完成一次数据传输所需的时间T;
5-4)如果T+T0<τ成立,则Jc=Jc+1,否则,执行下一步;
5-5)判断J是否小于10000,若是,执行J=J+1,返回步骤5-3),否则,执行步骤5-6);
5-6)依据公式(25)所示计算Pc的值:
5-7)保存数据Pc,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110415275.1A CN113099419B (zh) | 2021-04-18 | 2021-04-18 | 基于双车道格子流体力学的提高车联网通信连通性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110415275.1A CN113099419B (zh) | 2021-04-18 | 2021-04-18 | 基于双车道格子流体力学的提高车联网通信连通性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113099419A true CN113099419A (zh) | 2021-07-09 |
CN113099419B CN113099419B (zh) | 2022-09-13 |
Family
ID=76678801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110415275.1A Active CN113099419B (zh) | 2021-04-18 | 2021-04-18 | 基于双车道格子流体力学的提高车联网通信连通性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113099419B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591413A (zh) * | 2021-08-10 | 2021-11-02 | 南通大学 | 一种基于鸣笛效应下连续通量差的改良交通流分析方法 |
CN113920724A (zh) * | 2021-09-29 | 2022-01-11 | 南通大学 | 一种基于混合道路切换控制器的改良交通流分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504170A (zh) * | 2014-11-20 | 2015-04-08 | 中国科学院计算技术研究所 | 车辆动画仿真方法及*** |
CN106652564A (zh) * | 2017-03-07 | 2017-05-10 | 哈尔滨工业大学 | 车联网环境下的交通流元胞自动机建模方法 |
CN106710245A (zh) * | 2016-12-23 | 2017-05-24 | 西华大学 | 基于密度的快速路多车道匝道控制方法 |
CN107592212A (zh) * | 2017-08-02 | 2018-01-16 | 同济大学 | 基于流体力学的车联网数据流网络模型的车辆自组织网络容量计算模型构造方法 |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
-
2021
- 2021-04-18 CN CN202110415275.1A patent/CN113099419B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504170A (zh) * | 2014-11-20 | 2015-04-08 | 中国科学院计算技术研究所 | 车辆动画仿真方法及*** |
CN106710245A (zh) * | 2016-12-23 | 2017-05-24 | 西华大学 | 基于密度的快速路多车道匝道控制方法 |
CN106652564A (zh) * | 2017-03-07 | 2017-05-10 | 哈尔滨工业大学 | 车联网环境下的交通流元胞自动机建模方法 |
CN107592212A (zh) * | 2017-08-02 | 2018-01-16 | 同济大学 | 基于流体力学的车联网数据流网络模型的车辆自组织网络容量计算模型构造方法 |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
Non-Patent Citations (6)
Title |
---|
HAILIN XIAO: "Connectivity probability analysis for freeway vehicle scenarios in vehicular networks", 《WIRELESS NETW》 * |
HAILIN XIAO: "Connectivity Probability Analysis for VANET Freeway Traffic Using a Cell Transmission Model", 《IEEE SYSTEMS JOURNAL》 * |
刘有军等: "改进的两车道交通流格子模型及扰动分析", 《公路交通科技》 * |
唐铁桥等: "一种改进的两车道交通流格子模型", 《物理学报》 * |
彭光含: "两车道交通流合作驾驶格子模型与数值模拟", 《 四川大学学报(自然科学版)》 * |
胡彦梅: "交通流复杂动态特性建模与数值模拟研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591413A (zh) * | 2021-08-10 | 2021-11-02 | 南通大学 | 一种基于鸣笛效应下连续通量差的改良交通流分析方法 |
CN113920724A (zh) * | 2021-09-29 | 2022-01-11 | 南通大学 | 一种基于混合道路切换控制器的改良交通流分析方法 |
CN113920724B (zh) * | 2021-09-29 | 2022-06-03 | 南通大学 | 一种基于混合道路切换控制器的改良交通流分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113099419B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113099419B (zh) | 基于双车道格子流体力学的提高车联网通信连通性的方法 | |
Lei et al. | Impact of packet loss on CACC string stability performance | |
Zhou et al. | Impact of CAV platoon management on traffic flow considering degradation of control mode | |
CN111145552B (zh) | 基于5g网络的车辆动态换道轨迹的规划方法 | |
CN108415245B (zh) | 一种异质车联网条件下自主车队运行的容错控制方法 | |
CN103593535A (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 | |
CN108037659B (zh) | 基于事件驱动的时变耦合复杂动态网络同步方法 | |
CN104684040A (zh) | 基于模糊推理的q学习车载网建立路由路径的方法 | |
CN105872959B (zh) | 基于移动自适应聚类的城市道路状况自动感知方法 | |
CN106846836A (zh) | 一种单交叉口信号灯时间控制方法及*** | |
Pariota et al. | Integrating tools for an effective testing of connected and automated vehicles technologies | |
CN112201070B (zh) | 基于深度学习的自动驾车高速公路瓶颈路段行为决策方法 | |
Llatser et al. | Simulation of cooperative automated driving by bidirectional coupling of vehicle and network simulators | |
CN115188204B (zh) | 一种异常天气条件下高速公路车道级可变限速控制方法 | |
Shen et al. | Cooperative spacing sampled control of vehicle platoon considering undirected topology and analog fading networks | |
CN105573306A (zh) | 一种具有盲区的多个智能体的编队方法以及装置 | |
Wang et al. | Motion State Estimation of Preceding Vehicles With Packet Loss and Unknown Model Parameters | |
Ito et al. | Multi-vehicle coordination on merging roads based on pseudo-perturbation-based broadcast control | |
Dubosarskii et al. | Evolution of vehicle network on a highway | |
Lu et al. | Performance evaluation of inter-vehicle communication in a unidirectional dynamic traffic flow with shockwave | |
Baselt et al. | A top-down approach to inter-vehicle communication (poster) | |
CN112333660A (zh) | 高覆盖率车联网路边单元部署方法、***、介质及应用 | |
Torok et al. | A hybrid simulation framework for modeling and analysis of vehicular ad hoc networks | |
Caruntu et al. | TrueTime testing of inter-vehicular communications for cooperative vehicles using distributed generalized predictive control | |
Li et al. | An extended time-delayed V2X-based bi-directional looking car-following model and its linear stability analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |