基于跟驰特性的智能网联车混合交通流轨迹重构

摘要：

车辆轨迹数据蕴含着丰富的时空交通信息,是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题,面向智能网联环境,构建了混合交通流全样本车辆轨迹重构模型. 首先,分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境;然后,提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型,实现了对插入轨迹数量、轨迹位置和速度等参数的估计;最后,设计仿真试验验证了模型在不同交通流密度和智能网联车(connected automated vehicle,CAV)渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车(connected vehicle,CV)的渗透率为8％和20％时,该车辆轨迹重构模型在不同交通流密度下均能重构84％以上的车辆轨迹;重构轨迹准确性随着CAV和CV渗透率的增加而提高;当交通密度为70辆/km,且CAV渗透率仅为4％的情况下,模型也能重构82％的车辆轨迹.

关键词：智能交通;跟驰模型;智能网联车;混合交通流

所属期刊栏目：56

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;四川省科技计划;广西壮族自治区科技计划;中央高校基本科研业务费专项资金;重庆交通大学重庆市交通运输工程重点实验室开放课题

在线出版日期：2021-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1135-1142,封2