網(wǎng)聯(lián)交通與智能駕駛技術(shù)的快速發(fā)展與應用,對于提升駕駛安全、改善交通擁擠與環(huán)境污染等帶來了新的機遇,同時也為新交通形態(tài)下的交通控制理論與技術(shù)提出了新的挑戰(zhàn)。V2X（Vehicle to Everything）通信技術(shù)是未來智能交通系統(tǒng)發(fā)展的重要組成部分,允許車輛與其他車輛、道路使用者和道路基礎(chǔ)設施進行通信。在此基礎(chǔ)上的交通控制成為近些年交通控制領(lǐng)域的研究熱點。在此背景下,本文面向未來交通控制的實際問題與需求,基于V2X通信技術(shù),以最大化交叉口通行效率為目標,研究車輛編隊與交叉口信號優(yōu)化控制問題,主要的研究工作包括:一、固定配時條件下車輛軌跡規(guī)劃與編隊控制首先,考慮交叉口不同的信號控制狀態(tài)、車輛排隊狀態(tài),結(jié)合交叉口排隊動力學模型,以通車效率最大為目標,給出了車輛加速、減速、勻速的決策判斷過程,并以此為基礎(chǔ),設計了車輛軌跡規(guī)劃模型;進一步,建立了車輛的三維運動模型,以車輛間距、速度差、加速度差等參數(shù)構(gòu)建綜合指標,設計了粒子群優(yōu)化算法流程,求解編隊車輛最優(yōu)控制律;最后,建立了MATLAB仿真模型,分析了車輛編隊策略的性能及有效性。二、車輛編隊與交叉口協(xié)同控制在交叉口固定配時條件下,考慮車輛最小... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

基于V2X通信場景圖

第四章車輛編隊與交叉口協(xié)同控制49狀況，以及記錄交叉口的信號燈狀態(tài)。在整個仿真過程中為了保證數(shù)據(jù)的準確可靠性，選取了600s-4200s內(nèi)的仿真數(shù)據(jù)作為研究。其中搭建的仿真模型為如圖4-7所示；圖4-7交叉口模型圖4.5.2結(jié)果分析通過對前文的分析可知，當交叉口的交通流量未到達飽和通行狀態(tài)時候，可以通過對車輛編隊的軌跡優(yōu)化控制從而使得交叉口的通行效率提高。但是當交叉口的某個車道為飽和狀態(tài)時，僅通過對車輛進行速度優(yōu)化達不到降低交叉口延誤、提高交叉口通行效率的效果，此時，需要交叉口的信號對出現(xiàn)飽和狀態(tài)的方向進行相位的優(yōu)化策略，包括延長相位綠燈時間策略，縮短相位紅燈策略。從而使得出現(xiàn)飽和狀態(tài)的車道的延誤降低，從而提高交叉口的通行效率。通過VISSIM軟件的仿真結(jié)果可以得知，采用VISSIM中的車輛停車時間、平均延誤、交叉口排隊長度的交通指標來作為交通評價指標，來驗證文中的算法的可行性。為了驗證該本節(jié)中提出的算法在交叉口不同的交通流量下的使用情況，分別在交叉口未飽和的狀態(tài)下，即交通流量在750pcu/h的情況；交叉口接近飽和的狀態(tài)下，即交通流量在1250pcu/h的情況進行仿真實驗，并與沒有進行優(yōu)化的情況進行對比。通過仿真可以得知，本文的算法在針對交叉口的交通流量出現(xiàn)飽和狀態(tài)時，可以有效地解決交叉口的延誤高、通行效率低的狀況，從而使得交叉口的通行效率得到提高。但是針對低流量的未飽和的狀態(tài)，并不能觸發(fā)信號優(yōu)化策略，從而對交叉口的實際影響不大，與未優(yōu)化的狀態(tài)相比對交叉口的通行效率影響不大。

第四章車輛編隊與交叉口協(xié)同控制50在交叉口的交通流量為750pcu/h的未飽和狀態(tài)下，交叉口的車輛延誤指標如圖4-8所示，經(jīng)過速度優(yōu)化后的交叉口車輛延誤與未經(jīng)過優(yōu)化的車輛延誤相比降低了很多，且延誤的情況要穩(wěn)定，但是差距并不是很大，因為此時交叉口的交通流量并不是很大。交叉口的停車次數(shù)指標情況如圖4-9所示，由前文可知，本文中規(guī)定車輛的行駛速度低于5km/h認為車輛屬于停車的狀態(tài)。通過對比圖可知，經(jīng)過車輛編隊控制后，車輛的速度能得到很好的控制，編隊車輛能夠以一個平穩(wěn)的速度通過交叉口，能夠達到不停車通過交叉口的目標。而未經(jīng)過優(yōu)化的車輛收到交叉口的車輛、交叉口信號燈的狀態(tài)的影響，會出現(xiàn)停車再啟動的情況，會增加車輛的能源消耗。通過圖4-10可以發(fā)現(xiàn)，在交叉口未飽和的情況下，交叉口的車輛排隊情況差別不是很大，經(jīng)過編隊控制的車輛以編隊形式通過交叉口，編隊會提前預判交叉口的狀態(tài)，采取提前改變車速的措施，所以編隊車輛通過交叉口時基本不會形成排隊。圖4-8未飽和狀態(tài)下的延誤對比圖


本文編號：3230663