[发明专利]考虑后车与多前车信息融合的基于智能网联的跟驰模型

说明书

本发明涉及车辆轨迹预测技术领域，公开了一种考虑后车与多前车信息融合的基于智能网联的跟驰模型，表达式为：本发明在OVM模型、FVD模型的基础上，综合考虑车辆传感器敏感系数、前后车速度协同优化、多前车速度差值、多前车车头间距等因素的耦合作用，构建了智能网联环境下多车信息融合的交通流车辆跟驰改进模型，推导出临界稳定性条件，进行了参数敏感度数值模拟，分析了各项指标系数分别对模型的波动影响效果，进一步验证了改进模型可有效增强交通流的稳定性，为网联车的跟驰行为提供理论参考。

技术领域

本发明涉及车辆轨迹预测技术领域，尤其涉及一种考虑后车与多前车信息融合的基于智能网联的跟驰模型。

背景技术

近年来，随着机动车保有量的增加，城市交通拥堵问题受到了广泛关注，严重影响着交通效率和行车安全，因此，国内外学者为了探究交通堵塞的作用特征与成因机理，根据车辆间相互作用关系运用数学方法建立了微观交通流模型。交通流模型进一步揭示车辆跟驰过程中的作用强度，为整体交通流的稳定性调控提供理论基础。经过长期理论的研究、改进和完善，跟驰模型已有深入的发展。

随着车联技术的不断进步，传统跟驰模型逐渐向智能网联环境发展，网联车可利用交叉口云端网络进行实时信息交互，可获得更详细、更准确的车辆运动状态，针对网联车及智能网联环境下的跟驰行为研究受到了学者们的广泛关注。但是现有的研究存在一些局限性，包括未考虑车头间距因素、忽略后车对引导车辆产生的影响等，导致分析实际跟驰行为时仍然不全面。

因此，亟需研究一种基于智能网联的跟驰模型，综合考虑车辆传感器敏感系数、前后车速度协同优化、多前车速度差及多前车车头间距影响因素。

发明内容

为解决上述技术问题，本发明公开了一种考虑后车与多前车信息融合的基于智能网联的跟驰模型，在OVM模型、FVD模型的基础上，综合考虑车辆传感器敏感系数、前后车速度协同优化、多前车速度差值、多前车车头间距等因素的耦合作用，构建了智能网联环境下多车信息融合的交通流车辆跟驰改进模型，推导出临界稳定性条件，进行了参数敏感度数值模拟，分析了各项指标系数分别对模型的波动影响效果，进一步验证了改进模型可有效增强交通流的稳定性，为网联车的跟驰行为提供理论参考。

为实现上述目的，本发明采用下述技术方案：

本发明提出的考虑后车与多前车信息融合的基于智能网联的跟驰模型，基于以下假设条件：

(1)车队中均为网联车辆，且车辆之间的通信时延忽略不计；

(2)网联车辆可以实时准确的获取一定范围内多车的位置、速度及加速度等信息；

(3)车辆行驶在单一车道，不允许有超车、变道行为；

(4)跟驰过程中只考虑车辆的纵向状态变化情况，不考虑横向变化；

(5)驾驶员的反应过程由车辆传感器传递过程替代。

一种考虑后车与多前车信息融合的基于智能网联的跟驰模型，表达式为：

式中，α为敏感度系数，取驾驶员反应系数的倒数；v_n(t)为车辆n在t时刻的瞬时速度；β为多前车车头间距反应系数；λ为多前车速度差项反应系数；V_B,F(Δx_n-1(t),Δx_n(t))为前后车协同优化函数；H(ΔX_F(t))为多前车车头间距函数；G(ΔV_F(t))为多前车速度差函数；表达式分别为：

Δx＝(1-p)Δx_n-1(t)+pΔx_n(t)(3)