导读:本文包含了跟驰行为论文开题报告文献综述及选题提纲参考文献,主要关键词:车辆低速跟驰,深度强化学习,DDPG,CBF
跟驰行为论文文献综述
罗颖,秦文虎,翟金凤[1](2019)在《基于改进DDPG算法的车辆低速跟驰行为决策研究》一文中研究指出车辆跟驰行为决策研究对于车辆跟驰驾驶技术的发展至关重要,以深度强化学习方法研究车辆低速跟驰场景,提出了一种改进型DDPG决策算法,该算法在DDPG算法的基础上,结合了CBF控制器以进行安全补偿控制与策略探索指导;同时,设计了符合低速跟驰期望目标的奖励函数。在对比实验中,通过高斯过程模型模拟跟驰车队系统,分别用DDPG算法和DDPG-CBF改进算法控制其中一辆车的跟驰行为,实验结果表明,相比于DDPG算法,DDPG-CBF改进算法可以更有效地保证跟驰决策的安全性,同时具有更高的学习效率,能够应用于车辆低速跟驰场景。(本文来源于《测控技术》期刊2019年09期)
谢辉[2](2019)在《车路协同环境下的车辆跟驰行为研究》一文中研究指出城市交通流中存在着大量可挖掘的信息,对于这些信息的获取、总结和应用是我们治理交通问题的核心手段。基于多样化的通信手段形成的车路协同系统开辟了在智能交通系统环境下研究交通流问题的新思路,从根本上改进了交通流问题的处理方式。文中采用仿真的手段,结合合理的跟驰模型,从微观层面入手,对在车路协同相关功能作用下的跟车行为进行参数标定,并放入宏观的交通流中进行仿真验证,以呈现车路协同对于交通效率的提升。(本文来源于《公路》期刊2019年08期)
唐传聪[3](2019)在《考虑跟驰行为的智能网联车辆队列协同控制研究》一文中研究指出汽车保有量的快速增加对于现有交通系统造成了巨大的压力,而车辆以队列的形式行驶可以有效的减小车间距离,其次队列中跟随车辆在领导车辆的屏障作用下,可以有效的降低队列整体运行时的空气阻力,减少燃油消耗与尾气的排放。而随着车辆智能化与网联化的发展,在智能网联环境下,考虑在不同道路结构情况下,对队列控制展开一般化的研究是目前队列控制研究中面临的重要问题。其次,车辆之间的相互作用即车辆跟驰行为,对队列控制性能具有较大的影响,其可以有效地避免负的车辆间距误差,负的速度以及不合理的加速度。因此,研究在智能网联环境下考虑车辆跟驰行为的车辆队列控制,对于队列控制理论与工程应用实践有具有重要的意义。论文的主要内容包括:1.针对结构化道路场景,提出了考虑车辆跟驰行为以及异质通信延时的非线性队列协同控制算法首先,本文设计非线性函数以刻画车辆跟驰行为,基于Leader-Follower方法,设计考虑通信延时的非线性队列协同控制算法。借助Lyapunov-Krasovskii延时稳定性理论,对所提的非线性控制算法进行稳定性与一致性分析,并得到使得车辆队列稳定时的最大通信延时。所提控制算法不仅实现车辆队列的速度与车辆间距的一致性,同时使得车队中车辆的行为符合交通流刻画的规律。此外,进一步研究了通信延时(如无延时,匀质延时、异质延时)对车辆队列控制的影响。2.针对非结构化道路场景,提出了考虑车辆跟驰行为以及异质通信延时的纵向和侧向队列协同控制算法在研究内容1的基础上,本文考虑更一般化的场景,非结构化道路场景,进一步研究车辆之间侧向间距对车辆队列控制的影响,设计基于一致性的纵向和侧向协同控制算法。通过Lyapunov-Krasovskii延时稳定性理论分析所提纵向控制算法和侧向控制算法的稳定性与一致性。在所提控制器的作用下,不仅可以实现车辆队列的纵向车辆间距与速度的一致性,同时侧向车辆间距与速度也达到一致,而且使车队中车辆的行为符合交通流刻画的规律。3.针对车辆队列制动问题,提出积分滑模队列制动控制算法队列的制动控制问题也是队列行驶安全中重要考虑的因素。在研究内容1和2中的队列编队控制研究的基础上,进一步研究车辆队列的制动控制。因为领导车辆对队列制动控制会产生较大影响,因此针对领导车辆,设计了线性制动控制算法。而对于跟随车辆,利用滑模控制方法,设计积分滑模队列制动控制算法。为了保证队列制动过程是稳定且收敛的,根据控制理论稳定性定理,分析其稳定性与一致性;进一步,借助Laplace变换,分析车辆队列的串稳定性。在所提控制器的作用下,不仅能够实现车辆间距与速度的一致性,而且保证车辆队列的串稳定性。(本文来源于《重庆邮电大学》期刊2019-05-20)
邬昌强[4](2019)在《考虑跟驰行为的智能网联车辆轨迹跟踪控制研究》一文中研究指出在智能网联环境中,高效且稳定的车辆轨迹跟踪控制可提高行车安全,同时多车在轨迹跟踪控制的作用下形成的队列行驶模式可以提升道路通行能力和缓解交通拥堵。在车辆轨迹跟踪控制中,不仅需要完成轨迹跟踪控制目标,同时车辆运动状态需符合交通流理论,即避免负的位置跟踪误差和负速度的出现。然而,车辆间的相互作用关系会影响车辆的运动规律。因此,在研究车辆轨迹跟踪控制时,车辆间相互作用关系不能被忽略。本文围绕智能网联车辆轨迹跟踪控制展开研究。一方面,针对车车通信过程中存在通信时延的车辆轨迹跟踪控制问题,考虑车辆跟驰行为和通信时延,提出一种车辆轨迹跟踪控制器,设置无时延、匀质时延以及异质时延场景仿真实验,验证所提控制器的有效性。另一方面,针对速度干扰下的车辆轨迹跟踪控制问题,基于反演控制方法,考虑车辆跟驰行为和速度干扰,提出一种分布式非线性车辆轨迹跟踪控制器,设置有/无速度干扰仿真实验,验证所提控制器的有效性。最后,针对换道驾驶场景下的车辆轨迹跟踪控制问题,考虑车辆跟驰行为和换道驾驶策略,提出一种轨迹跟踪控制算法,保证车辆完成直道和换道轨迹跟踪。此外,在车车/车路通信技术支撑下,智能网联车辆间以及智能网联车辆与路侧设备间可通过专用短程通信设备(Dedicated Short Range Communications,DSRC)进行通信,移植轨迹跟踪控制算法,深入验证所提控制器的可行性。论文的主要工作包括以下叁个方面:1针对车车通信过程中存在通信时延的车辆轨迹跟踪控制问题,考虑车辆跟驰行为以及通信时延,提出一种非线性车辆轨迹跟踪控制器车车通信过程中存在通信时延,首先,基于车辆动力学模型,通过坐标旋转变换定义位置跟踪误差。然后,在车辆互联环境中,提出一种双向领导跟随通信拓扑来表征车辆间的通信连接,队列内的车辆可以通过双向领导跟随通信拓扑进行信息交互。考虑车辆跟驰行为、通信时延、车辆间距差以及速度差,提出一种非线性轨迹跟踪控制器,利用Lyapunov方法证明了所提控制器的稳定性。最后,考虑领导者车辆速度时变,并设置无时延、匀质时延和异质时延叁种仿真场景,仿真结果验证了所提控制器的有效性,即避免了负的位置跟踪误差和负速度的出现。2针对速度干扰下的车辆轨迹跟踪控制问题,考虑车辆跟驰行为和速度干扰,提出一种基于反演控制的分布式非线性车辆轨迹跟踪控制器本文采用分布式控制结构,考虑车辆跟驰行为和速度干扰,提出一种基于反演控制技术的分布式非线性车辆轨迹跟踪控制器,以保证跟随者车辆可以跟踪领导者车辆轨迹并保持期望的安全间距,速度也收敛到和领导者车辆一致。然后,利用Lyapunov稳定性定理证明了所提控制器的稳定性。最后,数值仿真实验设置有/无速度干扰两种仿真场景,数值仿真结果验证了所提控制器的有效性。3针对车辆换道驾驶场景下的轨迹跟踪控制问题,考虑车辆跟驰行为和换道策略,提出一种分布式非线性车辆轨迹跟踪控制策略针对车辆换道驾驶场景。考虑车辆跟驰行为和换道驾驶策略,提出一种分布式非线性车辆轨迹跟踪控制器,以保证车辆能够完成直道和换道驾驶策略。然后,利用Lyapunov方法证明了所提控制器的稳定性,最后通过数值仿真验证所提控制策略的有效性。此外,在车车/车路通信技术支撑下,车辆配备车载单元和人机交互界面,道路两侧均匀安置路侧设备。车辆通过DSRC设备进行通信,并移植所提车辆轨迹跟踪控制算法,深入验证所提控制器的可行性。(本文来源于《重庆邮电大学》期刊2019-03-30)
赵晓华,任贵超,陈晨,荣建,常新[5](2019)在《基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究》一文中研究指出近年来不良天气频发,对城市交通流运行影响较大。从驾驶行为角度,利用驾驶模拟技术,搭建城市快速路场景,分析多种雨、雪、雾等不良天气对直线路段下跟驰行为的影响。利用单因素方差分析方法,研究不同天气条件下车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差以及跟驰加速度等指标的显着性,进而使用主成分分析方法研究不良天气对道路交通流的影响。研究结果表明:车头时距、车头间距振幅、最小跟驰车速差在不同天气条件下具有显着性差异,且一般随天气恶劣程度增加,车头时距与车头间距振动幅度变大,最小跟驰车速差减小。不同天气条件对交通流顺畅性影响从大到小依次为大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年06期)
刘亚龙[6](2018)在《基于随机森林的车辆跟驰行为模型》一文中研究指出为克服传统车辆跟驰模型不易获得驾驶员在决策过程中潜在的决策模式和各影响因素间的潜在关系的不足,采用随机森林(random forest,RF)算法建立车辆跟驰模型。模拟单车道车辆跟驰行为,利用NGSIM(next generation simulation)车辆轨迹实测数据对所建模型进行训练和测试,并与Gipps跟驰模型的测试结果进行对比。结果表明:与Gipps模型相比,RF模型的各项误差指标的精度均得到较大提升。(本文来源于《山东交通学院学报》期刊2018年04期)
黄永现,姜锐,胡茂彬[7](2018)在《高速情况下的车辆跟驰行为的实验和模拟研究》一文中研究指出为了研究高速情况下的车辆跟驰行为特性,我们进行了11辆车的高速跟驰实验。通过对实验数据的分析,我们观察到了高速情况下车队速度震荡的的自发形成和传递。和低速情况下相似,车辆的速度标准差随车在车队中的位置呈凹曲线增长,且增长速度要大于低速情况。另外,即使是同一个司机,相同的头车速度,驾驶员在不同的实验组中的表现也会存在着较大的差异(趋向于不同的跟车距离等等)。而已有模型的对不同组的模拟结果则较为一致,没有显示出这种差异。为了模拟出司机驾驶行为自我差异这一特性,我们提出了改进的E2D-IDM模型,采用了DIRECT算法对模型进行了参数优化,并和已有模型进行比较。模拟结果显示,E2D-IDM模型不仅在司机驾驶行为自我差异方面表现优秀,也在速度标准差、车队长度变化等其他的重要特征中较已有的模型表现更为突出。(本文来源于《第十届全国流体力学学术会议论文摘要集》期刊2018-10-25)
王洪鹏[8](2018)在《基于数据驱动的车辆跟驰行为在线建模与仿真》一文中研究指出车辆跟驰行为是交通流理论的主要研究领域之一。通过对车辆跟驰行为的研究和建模,可以量化分析出跟驰车辆之间的相互作用,揭示单车道交通流的特性,为进行交通模拟提供基础。因此,在交通仿真系统中,车辆跟驰模型是其基本模型之一。车辆跟驰模型的精度越高,交通仿真的逼真性和还原度也越高。这对于利用交通仿真进行道路通行能力计算、服务水平划分、交通政策评价,从而改善交通环境、提升交通系统服务水平具有重要意义。传统的交通仿真大多是离线仿真,具有滞后性等局限性,难以为实现交通的实时管理与控制提供及时指导。而通过对实时车辆行驶数据及交通控制系统信息的采集与处理,在线交通仿真系统能够尽量真实地还原实际交通场景,并快速地预测未来交通状况。作为在线交通仿真系统的基础模型,在线车辆跟驰模型可以利用实时数据对自身进行在线更新,能够更好的模拟当前真实交通现场的跟驰行为,保证在线交通仿真的精度。本文针对基于数据驱动的在线交通仿真车辆跟驰模型展开研究,主要工作包括:1.基于在线支持向量回归方法的车辆跟驰行为模型构建深入分析了车辆跟驰行为的特点,针对现有车辆跟驰模型无法准确反映动态交通环境下车辆跟驰行为的局限性,引入在线支持向量回归机,利用其能够对非线性时变系统具有更好的实时跟踪建模能力,采用数据驱动的方法,实现车辆跟驰行为的在线建模,实现对动态环境下驾驶行为的快速、准确预测。2.在线支持向量回归车辆跟驰模型的标定与验证利用次时代仿真(NGSIM)项目的实测车辆轨迹数据,对本文提出的车辆跟驰在线模型进行参数标定和误差评估,并通过仿真实验验证其向前一步与向前多步的预测精度和宏观复现能力。3.USTCMTS2.0交通仿真软件在线跟驰系统的设计与实现在交通仿真软件USTCMTS2.0平台中,增加了在线仿真功能,实现了本文提出的在线车辆跟驰模型,为道路交通的在线仿真实验提供了核心引擎。(本文来源于《中国科学技术大学》期刊2018-10-01)
邢邗,张琳,刘奕[9](2018)在《利他情境对驾驶个体跟驰行为的影响》一文中研究指出地震灾害情景下的个体跟驰行为会受到利他情境的影响。基于驾驶模拟器,设置利他情境和中性情境两组驾驶任务,在相同的道路驾驶场景中,采集被试个体的跟驰行为数据。选择Gipps模型用于表示个体跟驰行为,采用遗传算法对不同个体的Gipps跟驰模型参数进行标定。对比不同驾驶任务组的标定结果表明:利他情境与中性情境驾驶任务组的组间差异显着;个体执行利他情境驾驶任务时,相比中性情境驾驶任务,驾驶的最大减速度上升、预估前车最大减速度上升、安全距离下降、最大加速度上升;利他情境下个体有意识紧跟前车以达到尽快完成驾驶任务的目的,同时在行驶过程中表现出个体对驾驶安全性有更高的期望。该研究表明:在应急交通疏散过程中,给予个体一定程度的利他情境,可能有助于提高交通疏散整体的安全性能与疏散效率。(本文来源于《清华大学学报(自然科学版)》期刊2018年11期)
郭力玮,郭彬杰,郑海兵[10](2018)在《车辆跟驰行为研究综述》一文中研究指出从最初车辆跟驰行为的提出到最后较完善的车辆跟驰理论的形成,作为微观交通流最基本的行为之一,车辆的跟驰行为被国内外学者广泛研究。首先对车辆跟驰行为的发展历程做了介绍,接着分别从不同控制的交叉口、车辆安全间距、非机动车跟驰行为和考虑侧向车影响的四个角度对目前车辆跟驰行为的研究进行分析,最后总结出在实际交通特性下实现车辆跟驰行为和交通宏观现象的统一分析成了重点研究趋势。(本文来源于《山西建筑》期刊2018年21期)
跟驰行为论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
城市交通流中存在着大量可挖掘的信息,对于这些信息的获取、总结和应用是我们治理交通问题的核心手段。基于多样化的通信手段形成的车路协同系统开辟了在智能交通系统环境下研究交通流问题的新思路,从根本上改进了交通流问题的处理方式。文中采用仿真的手段,结合合理的跟驰模型,从微观层面入手,对在车路协同相关功能作用下的跟车行为进行参数标定,并放入宏观的交通流中进行仿真验证,以呈现车路协同对于交通效率的提升。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
跟驰行为论文参考文献
[1].罗颖,秦文虎,翟金凤.基于改进DDPG算法的车辆低速跟驰行为决策研究[J].测控技术.2019
[2].谢辉.车路协同环境下的车辆跟驰行为研究[J].公路.2019
[3].唐传聪.考虑跟驰行为的智能网联车辆队列协同控制研究[D].重庆邮电大学.2019
[4].邬昌强.考虑跟驰行为的智能网联车辆轨迹跟踪控制研究[D].重庆邮电大学.2019
[5].赵晓华,任贵超,陈晨,荣建,常新.基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究[J].重庆交通大学学报(自然科学版).2019
[6].刘亚龙.基于随机森林的车辆跟驰行为模型[J].山东交通学院学报.2018
[7].黄永现,姜锐,胡茂彬.高速情况下的车辆跟驰行为的实验和模拟研究[C].第十届全国流体力学学术会议论文摘要集.2018
[8].王洪鹏.基于数据驱动的车辆跟驰行为在线建模与仿真[D].中国科学技术大学.2018
[9].邢邗,张琳,刘奕.利他情境对驾驶个体跟驰行为的影响[J].清华大学学报(自然科学版).2018
[10].郭力玮,郭彬杰,郑海兵.车辆跟驰行为研究综述[J].山西建筑.2018