论文部分内容阅读
我国各大城市汽车保有量逐年上升,在给人民生活带来便利的同时也产生了交通拥堵、环境污染、交通事故频发等问题。交通拥堵背后深层次的原因是交通流的不稳定性,本文以智能交通车辆检测技术为手段,重点研究了车辆检测技术在抑制交通流不稳定性中的应用,通过理论推导和仿真实验,提出了一套能够有效缓解交通拥堵的方案。公共交通基础设施与城市汽车保有量不匹配造成了交通拥堵,但除此之外,驾驶员的不合理驾驶也是交通拥堵的重要原因。大多数驾驶员只关注前车的运动,与前车的间距和相对速度是做出驾驶决策的主要因素,这就是典型的车辆跟随模型,由于扰动从前向后单向传递,很容易造成交通流不稳定性。因此本文提到双边检测控制模型,既使用前车信息,同时又使用后车信息,让交通流中信息双向传递,缓解扰动的单向传递和放大,并从理论上证明了此模型抑制交通流不稳定性的可行性。检测系统中FMCW雷达不可避免存在测量误差,而且智能交通中从做出决策到实行有系统响应时延,这都会对双边检测控制模型的性能产生影响。为了减弱这些因素的影响,本文引入卡尔曼滤波算法来降低检测系统的测量误差,并提前预测下一时刻车辆加速度,从而消除系统时延的影响,提升模型抑制交通流不稳定性的性能。本文通过实验仿真了基于大多数驾驶员行为的车辆跟随模型,发现很容易造成交通流不稳定性,并证明双边检测控制模型能有效抑制交通流不稳定性。同时设计了两种方案对模型进行改进。第一种方案对车辆的速度和位移进行卡尔曼滤波,并提前预测下一时刻的速度和位移,提高了检测精度。第二种方案使用卡尔曼滤波的思想对双边检测控制模型中做出驾驶决策的核心因素加速度进行提前预测和滤波。两种方案都有效缓解了检测系统误差,消除了时延的影响,做出了尽可能准确的驾驶决策,有效抑制了交通流不稳定性,证明了本文方案的可行性。