【摘 要】
:
应急车辆的优先通行多数依靠警笛影响范围内社会车辆的换道让行,但由于驾驶员的反应-操作时间较长,不仅会降低车辆的行驶速度,还会增加对整个交通流的干扰,应急车辆的优先效果也并不显著。车联网环境下,驾驶辅助系统有利于帮助驾驶员提前掌握行车路段及自身周围的交通情况信息,提高驾驶员判断决策能力,缩短驾驶员反应时间。因此,本文提出了车联网环境下路段及交叉口处应急车辆优先通行策略,基于车联网环境交通特性,结合路
论文部分内容阅读
应急车辆的优先通行多数依靠警笛影响范围内社会车辆的换道让行,但由于驾驶员的反应-操作时间较长,不仅会降低车辆的行驶速度,还会增加对整个交通流的干扰,应急车辆的优先效果也并不显著。车联网环境下,驾驶辅助系统有利于帮助驾驶员提前掌握行车路段及自身周围的交通情况信息,提高驾驶员判断决策能力,缩短驾驶员反应时间。因此,本文提出了车联网环境下路段及交叉口处应急车辆优先通行策略,基于车联网环境交通特性,结合路段车辆让行及交叉口信号控制为应急车辆提供优先服务,缩短应急车辆响应时间、提高行程速度。首先,通过对车联网环境交通特性进行分析,研究发现车联网技术可有效缩短驾驶员反应时间,提高驾驶安全性和舒适性;还可提高路网容量、提高通行效率、减少道路交通拥堵。其次,以单向四车道路段与四相位十字交叉口为例进行车联网环境下应急车辆优先通行策略研究。在路段范围内,将应急车辆前方区域划分为三部分,并依据社会车辆与应急车辆之间距离的不同,受影响程度不同,分别制定相应的换道与跟驰规则,为应急车辆换道让行;在交叉口处,根据应急车辆预计到达交叉口时间对交叉口信号控制采用绿灯延长或红灯早断措施,以保证当应急车辆到达交叉口时,其行驶方向前方无排队车辆且信号灯显示为绿灯,使其可不停车快速通过交叉口。再次,基于车辆通行特性分析与优先通行策略研究,在舒适驾驶模型(MCD模型)基础上,增加车辆换道规则和交叉口内部车辆快速通行规则,建立了非联网环境下有应急车辆通行的元胞自动机模型(EVMCD模型),使其可完整模拟车辆通过路段及交叉口时的行驶过程。随后基于车联网环境交通特性和上述优先通行策略,对EVMCD模型做出相应修改,得到车联网环境下应急车辆优先通行的元胞自动机模型。最后,分别对非联网环境和车联网环境下含有应急车辆的交通流元胞自动机模型进行仿真模拟,输出路段上各车道时空图、所有车辆平均车速、平均行程时间、交叉口延误等数据,并选取相关评价指标对优先通行策略有效性进行评价。仿真结果表明,车联网条件下应急车辆采取优先通行策略可在保障社会车辆通行效率基本不变的同时,有效提高应急车辆平均车速,缩短响应时间,降低车辆延误。其中,应急车辆平均车速最大可提高约5.06%;路段行程时间最大可缩短约4.96%;交叉口处行程时间最大可缩短约28.09%,平均延误最大可降低约61.84%。本文研究对交通运输领域元胞自动机模型的发展具有重要的理论意义,同时对应急车辆在城市路网中的优先通行策略研究及车联网技术的应用普及具有重要的现实意义。
其他文献
电动汽车近年来在汽车市场的占有量呈爆发式增长,电动汽车保有量的增加对其动力电池的循环寿命和可靠性提出了更高的要求。定期对电池进行健康状态(State Of Health,SOH)估计和异常工况导致的容量快速衰减问题进行研究具有重要意义。在SOH估计方面,基于模型的估计方法涉及到参数辨识相对过于复杂,在实车应用方面存在困难;在异常工况导致的容量衰减及故障诊断方面,涉及到化学机理的非原位分析需要对电池
环境污染问题的日益严重与不可再生能源的逐渐枯竭加速了全球新能源汽车产业的发展,使新能源汽车正逐步取代传统内燃机汽车。电机驱动系统作为新能源汽车的关键组成部分之一,其安全性和稳定性对驾驶员的财产及生命安全来说至关重要。电机断相会造成三相电流及转矩的波动,造成机械应力损害电机内部零件,电机控制性能下降,长时间运行甚至可能烧毁电机。容错控制可以在发生故障后保证系统能够降额稳定运行,可以更好地提高系统的可
感知系统是无人车实现自动驾驶各项功能的基础,其中基于视觉传感器的感知技术由于低成本的优点被广泛应用于无人车辆的目标检测和自定位任务。目前基于视觉的目标检测技术计算量较大,难以用于性能有限的车载计算平台;经典SLAM技术一般进行了场景静态假设,往往在包含动态物体的真实交通场景中定位精度较差;并且智能硬件平台几乎被国外垄断,发展自主智能硬件平台迫在眉睫。本文基于Atlas 200 DK智能硬件平台使用
社会与时俱进,广大群众日常生活水平的大幅提高,中国私家车使用量与日俱增,城市交通设施交通量急剧增长。对于城市的智能交通系统来说,信号分配时的优化也好,移动路径导航计划也好,都依赖于与之相关的交通量数据。应用动态同步检测的流量信息,掌控下一个时长的公路交通,精准度不太好。因此,公路交通量短时的预报是城市公路交通科技应用领域学术研究工作的热点板块。深度学习是将深层次神经网络模型的数个暗藏层重叠,并将使
桥梁设计质量对工程全生命周期影响重大,现有设计方式有待提高效率,解放生产力。BIM技术的应用丰富了设计成果交付形式,体现了土木行业迈入信息化的发展趋势,但同时也有待提高应用效率。目前行业内存在通过二维图纸“翻模”设计的“逆向”过程,为改变这一现状,业内提出了BIM正向设计概念。然而对于这一概念的定义与实现方式仍未有定论。因此,本文主要围绕预应力混凝土连续梁桥这一桥型为研究对象,对BIM正向设计的概
现阶段,钢桁梁桥采用整体节点的形式替代传统的铆接、栓接节点.整体节点作为桥梁中连接弦杆、腹杆以及桥面板下横梁的构件,在使用过程中要求较高的安全性和耐久性。整体节点内部焊缝众多,受力形式复杂,易产生疲劳损伤,所以需要采取有效的方法对整体节点的疲劳性能进行分析。本文基于实测应变监测数据,提出了一种对过车事件及其特征信息自动识别及提取的方法;结合过车事件的特征参数的统计分析结果以及整体有限元模型,确定了
由于铁路桥梁所处环境恶劣、受到疲劳荷载、高速行驶列车的冲击作用等因素,桥梁铆钉会经常发生病害。实际工程中,铆钉病害主要通过桥梁维护人员上桥定期巡查或借助望远镜目视检测,这种检测方法成本高、效率低、检测结果主观性强、可能危及桥梁维护人员的生命安全。近年来,人工智能快速发展,基于计算机视觉的无损检测法越来越成熟,本课题基于无人机平台、计算机视觉技术和深度学习算法研究铁路钢桁架桥梁铆钉病害的全场智能检测
LiNiO2作为较早发现具有应用前景的锂离子电池正极材料,具有275mAh/g的理论放电比容量,但因难以制备准确化学计量比的目标材料及较严重的Li-Ni混排,使其在充放电过程中易发生层状结构塌陷,从而导致循环和倍率性能达不到使用要求,这种结构塌陷还会导致安全隐患,故一直都没有进入市场化进程。目前解决LiNiO2阳离子混排严重的方法一般都是添加过渡金属元素用以稳定结构,减小阳离子混排,从而起到改善循
随着我国沥青路面进入大规模翻新修复期,废旧沥青路面集料回收成为近几年的热点问题。在多种再生方式中,温拌再生技术因其相较于热拌再生技术比较低的拌合温度能够节省大量资源,还具有较冷拌再生较高的路用性能逐渐得到越来越广泛的应用,提高废旧料的回收利用率增加RAP(Reclaimed Asphalt Pavement)在混合料中的掺配比例是必然趋势。目前温拌再生过程中鲜有添加再生剂对RAP料进行性能恢复,导
行人是交通参与者的重要组成部分之一。步行交通问题伴随着我国城市化水平不断地提高,城市人口不断地增加而越来越多的暴露出来,特别是在信号交叉口行人过街场景下,行人聚集疏散问题、行人车辆混行问题、行人违章过街问题等日趋严重。为解决和改善行人过街问题,许多专家学者已经对行人过街进行了深入研究,分析了行人过街的行为特征,建立了多种行人过街模型,但是大部分研究是从行人个体角度出发,没有考虑行人的群体行为特征。