面向车路协同环境下的自适应车速引导策略研究

来源 :第十五届中国智能交通年会 | 被引量 : 0次 | 上传用户:ZJUCS
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
车辆在通过信号交叉口时,由于视线遮挡或者注意力不集中,导致交通事故,同时,导致路口效率较低.通过使用新型的车路协同技术,搭建低时延、高可靠的通信环境,以减少车辆通过信号交叉口的停车次数、降低信号路口延误为目标,通过智能路侧系统获取实时的配时方案、倒计时信息、路口车辆进口道的排队长度等信息,综合路口的饱和流率及车辆自身动力学模型等影响因素,构建以最优车速区间通过信号交叉口的自适应车速引导策略,形成不同灯色倒计时和不同车辆位置情况下动态车辆速度引导模型,用于辅助驾驶或者自动驾驶.同时,以深圳市福田中心区为例,基于VISSIM的车路协同模拟仿真验证,结果表明:在不同引导车辆渗透率、不同倒计时和不同交通流量饱和度的影响下,车辆平均停车次数优化成功比例在72%以上,车均延误时间减少成功率在84%以上,油耗也大幅度降低.
其他文献
将大数据技术与智慧交通相结合,能够改善城市发展中的交通拥堵问题.针对交通参数提取烦琐和流程混乱的问题,本文首先对交通数据的预处理提出了一系列处理方法,之后基于Python强大的数据分析功能,利用NumPy、Pandas等构建了一个数据分析模型,对大量卡口数据进行交通参数的提取和挖掘,模型成功提取出交通量、行程时间、平均车速、排队长度、车辆周期延误等参数,为交通系统的评价和优化打下了坚实的基础;最后
在城市交通系统结构日益复杂化和机动化出行需求持续增长的背景下,城市交通拥堵日益加剧,并成为常态化,交通事故频发势必造成城市交通瓶颈,大大降低道路交通的运行效率.为了定量分析交通事故对道路交通运行效率的影响,建立并标定了基于K最近邻(KNN)分类算法的交通事故多重影响因子模型,并以深圳市福田中心区为例构建不同交通事故场景的VISSIM仿真模型,结果表明,该方法能够全面准确地量化复杂交通事故场景对交通