跟驰模型matlab代码_基于智能网联环境下基于安全势场理论的车辆跟驰模型

本文介绍了基于安全势场理论的车辆跟驰模型,适用于智能网联环境。文章来源于《中国公路学报》,探讨了道路环境的组成,并提供了MATLAB代码实现。
摘要由CSDN通过智能技术生成

1ee895d831bd717d4f766dab92f3275d.gif9a2a26cc934b7bd606eeb4cda5bf5b6d.png

来源 | 中国公路学报

知圈 | 进“汽车软件社群”,请加微信13636581676,备注软件

引言 智能网联交通是继动态感知、主动管理之后智能交通系统发展至第三阶段的展现形式,在智能网联环境下的交通系统中,车辆与车辆、车辆与智能设施之间可以通过发达的通信技术实现多种车辆运动信息(位置、速度、加速度)的实时传输与共享,网联化的道路可以向道路上的车辆推送决策指令,车辆之间将以更小的跟驰安全车距进行编队行驶,最终将实现交通系统的智能化、网联化以及一体化。得益于智能网联交通环境下的以上特点,在该环境下交通运行效率、交通拥堵、道路通行能力、能源消耗以及安全性能均可以得到较大改善。目前对智能网联环境下的交通流理论建模已经成为了众多学者的研究热点。 在21世纪初期,有关学者将提出了势场的概念并将其应用在机器人路径规划方面,受该思想的启发,不少学者将势场理论推广至交通流研究领域并得出了一定的研究成果。目前势场理论已经在交通流理论中得到了一定的运用,可以更为真实详细地刻画多种微观驾驶行为,开创了一种交通流建模方向上的新思路,但是以往文献所考虑的交通环境更多是传统的或半智能化的交通环境,所以现阶段所建立的基于势场理论的交通流模型不能很好贴合于未来智能网联环境。因此,本文充分考虑了智能网联环境下,速度、加速度等车辆运行信息可以实时感知共享的特点,以车辆运行安全为目标,构建了包含速度、加速度信息的安全势场模型,并首次提出了基于安全势场为基础的跟驰模型,使用NGSIM真实轨迹数据以及人工蜂群算法对所建立的跟驰模型进行了参数标定。 e6b285df02f6b58d96f08721127753e9.png 安全势场模型 1.1  安全势场概念与特性 从交通流理论角度出发,交通流的微观驾驶行为本身就存在这一种与势场理论相关的映射,交通流的微观驾驶行为主要包括跟驰行为与换道行为。由于车辆行驶的过程中受到自身周围环境的影响,会在保持自身安全行驶的前提下,进行不同驾驶行为的决策。一般而言无论车辆进行何种驾驶行为的决策,其目的均是为了能够在保证自身与其它车辆之间具有1个安全距离的前提下,车辆达到自身的1个期望速度。以单车道跟驰行为为例,当车辆与前方车辆保持较长的距离,且该车辆未达到自身期望速度时,车辆会选择进行加速,直至达到自身期望速度或在未达到期望速度前与前车距离减小到一定阈值时停止加速,此时当两车间距继续减小,后车会选择进行减速以防止造成交通安全事故;同样,针对于换道行为,当车辆执行换道行为的时候,决定换道行为是否可以成功的主要因素不在车辆自身,而在于目标车道上前后方车辆的空间位置以及他们的运动状态。以上现象说明存在
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值