智能網(wǎng)聯(lián)車輛與普通車輛混合車流交通狀態(tài)估計(jì)方法研究.pdf

1、近些年來，隨著我國機(jī)動(dòng)車擁有量的快速提升，道路交通通行需求也快速增加。同時(shí)，高速公路大規(guī)模建設(shè)的減緩以及高速公路節(jié)假日免費(fèi)通行政策使得交通供給與交通需求矛盾格外尖銳?，F(xiàn)階段的發(fā)展已經(jīng)不容許我們繼續(xù)擴(kuò)大道路建設(shè)，改善高速公路運(yùn)營與管理水平是唯一緩解供給與需求失衡問題的方法，而高速公路交通狀態(tài)的全面感知是一切運(yùn)營管理的基礎(chǔ)，其中路段密度對高速公路管理者尤為重要。
　　此外，機(jī)器學(xué)習(xí)技術(shù)、視頻處理技術(shù)、傳感器技術(shù)的飛速發(fā)展，也帶來了車輛

2、的變革。眾多互聯(lián)網(wǎng)公司與傳統(tǒng)車企都投入重資加速智能汽車的研發(fā)，許多實(shí)用技術(shù)已經(jīng)應(yīng)用在車輛上，如自適應(yīng)巡航系統(tǒng)、自主停車系統(tǒng)等等，智能汽車實(shí)際在道路行駛不會久遠(yuǎn)。在此情況下，未來的道路交通環(huán)境將會很長一段時(shí)間為智能汽車與普通汽車混合的局面。
　　本文立足于智能網(wǎng)聯(lián)汽車與普通汽車混合的交通環(huán)境，對高速公路路段密度估計(jì)方法進(jìn)行研究，進(jìn)而估計(jì)道路交通狀態(tài)。
　　首先，為了實(shí)現(xiàn)智能網(wǎng)聯(lián)車輛與普通車輛混合的交通環(huán)境。論文對現(xiàn)有的交通模型

3、進(jìn)行了全面的了解，結(jié)合分析了智能網(wǎng)聯(lián)車輛應(yīng)該具有的駕駛特性，選定了合適的模型模擬智能網(wǎng)聯(lián)車輛的駕駛行為，并利用NG-SIM數(shù)據(jù)庫對模型的參數(shù)進(jìn)行了標(biāo)定。同時(shí)，論文以此為基礎(chǔ)提出了智能網(wǎng)聯(lián)汽車的控制策略，也對各個(gè)策略下的模型參數(shù)進(jìn)行了說明。
　　其次，研究智能網(wǎng)聯(lián)車輛與普通車輛混合車流宏觀交通流基本圖。為確定混合交通流的宏觀交通參數(shù)，論文利用Vissim的二次開發(fā)功能，結(jié)合前文提出的智能網(wǎng)聯(lián)車輛模擬模型以及NG-SIM數(shù)據(jù)標(biāo)定軟件參

4、數(shù)，實(shí)現(xiàn)了智能網(wǎng)聯(lián)車輛與普通車輛混合環(huán)境的仿真。在此基礎(chǔ)上多次實(shí)驗(yàn)獲取了混合交通流的宏觀交通參數(shù)。
　　然后，通過數(shù)值仿真方法，確定智能網(wǎng)聯(lián)車輛占比達(dá)40％時(shí)，智能網(wǎng)聯(lián)車輛平均速度能夠準(zhǔn)確表征路段區(qū)間平均車速，并以此將混合交通流分為兩類。此后，論文提出不同條件下的兩種路段密度估計(jì)方法:利用固定檢測器數(shù)據(jù)的kalman濾波估計(jì)方法，基于BP神經(jīng)網(wǎng)絡(luò)融合kalman估計(jì)值與智能網(wǎng)聯(lián)車輛數(shù)據(jù)的融合方法，并討論了各自適用場景。