导读:本文包含了类车辆跟驰模型论文开题报告文献综述及选题提纲参考文献，主要关键词:交通信息,跟驰模型,理论驱动模型,数据驱动模型
类车辆跟驰模型论文文献综述
杨龙海,张春,仇晓赟,李帅,王晖[1]（2019）在《车辆跟驰模型研究进展》一文中研究指出梳理了近70年关于跟驰模型的研究,根据建模方法将其分为理论驱动与数据驱动2类模型,并归纳了跟驰模型的研究热点;从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述;根据所用机器学习算法的不同,从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明:理论驱动类跟驰模型以理论推演交通现象,对影响因素的考量难以全面,部分人类因素难以量化,驾驶人决策制定过程的解释不够准确,异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明;数据驱动类跟驰模型以交通现象归纳交通规律,由于数据的来源、评价指标及评价方法不同,导致应用机器学习算法得到的模型无法系统比较;数据驱动类模型侧重于从微观角度研究驾驶行为特性,对复杂交通现象(如交通震荡、迟滞等)的解释性不强;跟驰模型的研究应创新数据采集方法,捕捉驾驶人的心理倾向、感知特性和认知能力,并量化人类因素的影响和充分利用大数据;数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持;在自动驾驶完全普及之前,人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。(本文来源于《交通运输工程学报》期刊2019年05期）
申勇,马天奕,李祥尘[2]（2019）在《考虑速度对反应强度影响的车辆跟驰模型》一文中研究指出全速度差(FVD)跟驰模型考虑了速度差对司机驾驶行为的影响,但是其仍不能反应车辆跟驰过程中的非对称性。在FVD模型的基础上,考虑司机对速度差的反应强度受车辆当前速度的影响,建立了新的模型。新模型能够解释司机加速和减速过程中的非对称性现象出现的原因:司机对前后车速度差的关注强度与车辆当前速度大小成负相关,从而造成司机减速过程比加速过程更为急促。模型的自然稳定曲线也表现出车辆的减速和加速过程的非对称性。计算机仿真结果指出新模型能够描述车辆跟驰过程中的非对称性,并指出当前速度是引起这种非对称性的原因之一。(本文来源于《交通运输工程与信息学报》期刊2019年02期）
杜文举,李引珍,张建刚,俞建宁[3]（2019）在《外部扰动下一类车辆跟驰模型的稳定性分析》一文中研究指出为了研究交通拥堵问题,基于多智能体一致性理论对一类车辆跟驰模型的稳定性进行了研究.利用Lyapunov稳定性理论,通过设计适当的控制器使得车辆跟驰模型趋于稳定,并得到了模型稳定性的条件.此外,在车辆受到不确定的外部扰动的情形下,研究了车辆跟驰模型的稳定性.最后,采用Matlab仿真技术进行了数值模拟,结果表明在设计的控制器下,车辆跟驰模型快速趋于稳定,拥堵现象得到了有效的缓解.(本文来源于《兰州交通大学学报》期刊2019年01期）
刘亚龙[4]（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）
王洪鹏,陈锋[5]（2018）在《基于在线支持向量回归的车辆跟驰模型研究》一文中研究指出随着智能交通系统(Intelligent Transportation Systems, ITS)的研究与应用,对交通仿真系统在交通信息的实时采集、准确预测和有效发布等方面的要求越来越高,并由此产生了在线交通仿真技术。文章针对在线交通仿真应用环境,提出了基于在线支持向量回归的车辆跟驰模型,并利用NGSIM项目数据集对模型进行了参数标定和仿真验证。结果表明:本模型具有较高的预测精度、较好的有效性和稳定性,能够满足在线交通仿真系统的数据流特征和实时性要求。(本文来源于《电子技术》期刊2018年11期）
魏允晗,韩印[6]（2018）在《交叉口车辆跟驰换道模型构建及仿真》一文中研究指出为了提高城市交叉口的通行能力、保障交通安全、研究车辆行驶规律,提出了一种新的与跟驰结合的换道概率实时判断模型。首先,从车辆运行状态出发,将交叉口车辆行驶过程分为跟驰-换道-再跟驰3个阶段;然后,在全速差跟驰模型(Full Velocity Difference Model,简称FVD模型)的基础上,将跟驰与换道模型相结合,根据3阶段建立换道概率模型,并利用实测数据进行参数标定;最后,通过模拟仿真交叉口路段,对模型影响因素进行分析。仿真结果显示,在靠近交叉口停车线过程中,车流速度浮动会趋于平稳;当离交叉口停车线距离、车辆分布情况均相同时,相同道路环境下,前方车辆中大型车辆的比例越高,车辆换道概率越大,大型车辆比例上升20%,车辆换道概率上升3%;当前方大车比例、车辆分布情况相同时,离停车线距离增加100m,车辆换道概率增加10%。这符合实际运行中车辆运行规律,可为探究其他影响因素提供参考。(本文来源于《交通运输研究》期刊2018年03期）
秦严严,王昊,冉斌[7]（2018）在《考虑多前车反馈的智能网联车辆跟驰模型》一文中研究指出基于智能网联车辆(Connected Autonomous Vehicle,CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明:所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.(本文来源于《交通运输系统工程与信息》期刊2018年03期）
王晶,孙凤欣[8]（2018）在《稳态控制驾驶行为下车辆跟驰模型的稳定性分析》一文中研究指出通过考虑驾驶员针对车头间距的自我稳态控制效应,并基于全速度差模型,本文提出了一种改进的车辆跟驰模型。然后利用线性摄动理论,得到了本文改进模型在小扰动下保持稳态的中性稳定性条件;该稳定性条件的解析式表明驾驶员的稳态控制行为可以有效提高交通流系统的稳定性,并且比全速度差模型具有更高的稳定性。最后通过数值模拟研究了不同强度的稳态控制行为对交通流系统车头间距、速度以及迟滞回环的影响;数值结果显示:随着稳态控制系数的增大,交通流系统将变得更加稳定。数值结果和稳定性条件的解析结果完全吻合。(本文来源于《宁波工程学院学报》期刊2018年02期）
赵阳[9]（2018）在《基于多车信息的车辆跟驰与换道模型研究》一文中研究指出随着我国经济的高速发展,机动车保有量与日俱增,城市交通拥堵、交通安全问题和随之而来的环境污染日益加重。近些年来,由于计算机技术、网络通信技术、数据处理技术等的迅速发展,车联网技术的应用可以使车辆轻松获取周围车辆的速度、位置、加速度等运行状态信息,这使得车车之间、车路之间的感知模式发生变化,也为提高交通流运行效率和增强交通流稳定性提供了新的思路。本文以现有的跟驰模型与换道模型为基础,构建了车联网环境下的基于多车信息的车辆跟驰模型与换道模型,并对模型的稳定性进行了分析,最后通过仿真与实测数据进行了对比验证。本文具体研究工作如下:(1)介绍了车辆跟驰模型、车辆换道模型和车联网环境的国内外研究现状,并对跟驰模型与换道模型的现有研究成果进行了分析。在此基础上,基于传统的FVD以及BLVD模型,结合车联网系统中车辆可以准确感知前后多车速度位置行驶信息的特点,构建了基于前后多车信息的车辆跟驰模型与换道模型,提高车联网环境下交通流的稳定性以及通行效率。(2)通过对BLMAVD模型进行稳定性分析,绘制出BLMAVD模型的稳定型曲线,并与FVD、BLVD模型的稳定性曲线进行对比分析,得出结论,BLMAVD模型的稳定性区域最大。这说明,在车联网环境下,通过考虑前后多车的运行信息,可以使车辆行驶状态更稳定,交通流运行状态会更加平稳。通过分析BLMAVD模型中各参数对模型稳定性的影响,可以发现,关注后车运行状态、考虑更多前方导行车辆的运行信息都会使交通流的稳定性提高,这为车辆自动巡航系统等车辆控制策略的设计和制定提供了依据,以达到提高交通流稳定性,缓解和预防交通拥堵现象出现的目标。(3)提出了基于多车信息的换道需求模型与换道间隙模型,在车联网环境下,分析了不同换道情况下,提高车辆换道安全系数的换道策略。最后通过NGSIM数据中美国101号公路洛杉矶段的采集数据对模型进行了仿真验证,结果表明当采用本文中提出的模型作为车辆运行控制策略时,在换道次数增加的情况下,平均速度提高了19.9%。(本文来源于《吉林大学》期刊2018-05-01）
张哲,许力[10]（2018）在《一种考虑个性化驾驶风格的车辆跟驰模型》一文中研究指出介绍了一个全新的考虑驾驶员原始的驾驶风格体现的车辆跟驰模型,使用非线性自回归神经网络和直接逆模型法对驾驶员实际车辆跟驰行为进行学习,进而完成了对驾驶员在车辆跟驰状态下的个性化建模。通过设计跟驰测试系统和采用能量谱密度作为分类指标对所提出的模型进行了测试和风格聚类。将测试结果与原始驾驶风格数据进行对比,验证了所提出方案的有效性。(本文来源于《工业控制计算机》期刊2018年02期）
类车辆跟驰模型论文开题报告
（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：
全速度差(FVD)跟驰模型考虑了速度差对司机驾驶行为的影响,但是其仍不能反应车辆跟驰过程中的非对称性。在FVD模型的基础上,考虑司机对速度差的反应强度受车辆当前速度的影响,建立了新的模型。新模型能够解释司机加速和减速过程中的非对称性现象出现的原因:司机对前后车速度差的关注强度与车辆当前速度大小成负相关,从而造成司机减速过程比加速过程更为急促。模型的自然稳定曲线也表现出车辆的减速和加速过程的非对称性。计算机仿真结果指出新模型能够描述车辆跟驰过程中的非对称性,并指出当前速度是引起这种非对称性的原因之一。
（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。
类车辆跟驰模型论文参考文献
[1].杨龙海,张春,仇晓赟,李帅,王晖.车辆跟驰模型研究进展[J].交通运输工程学报.2019
[2].申勇,马天奕,李祥尘.考虑速度对反应强度影响的车辆跟驰模型[J].交通运输工程与信息学报.2019
[3].杜文举,李引珍,张建刚,俞建宁.外部扰动下一类车辆跟驰模型的稳定性分析[J].兰州交通大学学报.2019
[4].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
[5].王洪鹏,陈锋.基于在线支持向量回归的车辆跟驰模型研究[J].电子技术.2018
[6].魏允晗,韩印.交叉口车辆跟驰换道模型构建及仿真[J].交通运输研究.2018
[7].秦严严,王昊,冉斌.考虑多前车反馈的智能网联车辆跟驰模型[J].交通运输系统工程与信息.2018
[8].王晶,孙凤欣.稳态控制驾驶行为下车辆跟驰模型的稳定性分析[J].宁波工程学院学报.2018
[9].赵阳.基于多车信息的车辆跟驰与换道模型研究[D].吉林大学.2018
[10].张哲,许力.一种考虑个性化驾驶风格的车辆跟驰模型[J].工业控制计算机.2018