控制与决策

作者：姚志洪,顾秋凡,徐桃让,蒋阳升,涂丹

单位：西南交通大学 交通运输与物流学院,成都 610031;西南交通大学 综合交通大数据应用技术国家工程实验室,成都 611756;西南交通大学 综合交通运输智能化国家地方联合工程实验室,成都 611756,,西南交通大学 交通运输与物流学院,成都 610031;西南交通大学 综合交通大数据应用技术国家工程实验室,成都 611756,,西南交通大学 交通运输与物流学院,成都 610031;西南交通大学 综合交通大数据应用技术国家工程实验室,成都 611756,,西南交通大学 交通运输与物流学院,成都 610031;西南交通大学 综合交通大数据应用技术国家工程实验室,成都 611756;西南交通大学 综合交通运输智能化国家地方联合工程实验室,成都 611756,,西南交通大学 交通运输与物流学院,成都 610031;四川城市职业学院 教育学院,成都 610101,

关键词：交通工程;智能网联汽车;混合交通流;跟驰模型;稳定性;时延

基金：国家自然科学基金项目(52002339)；四川省科技计划项目(2021YJ0535)；综合交通大数据国工室交大数科创新中心项目(JDSKCXZX202003)；中央高校基本科研业务费专项资金项目(2682021CX058).

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网联汽车的渗透率、驾驶员的感知时延和车辆通信时延对混合交通流稳定性的影响.结果表明,智能网联汽车能够提高混合交通流的线性稳定性,而驾驶员的感知时延和车辆通信时延均不利于混合交通流系统平衡;与人工驾驶汽车相比,自动驾驶汽车对混合交通流稳定性影响仍较小,实验表明智能网联汽车在一定程度上能够减缓对混合交通流系统的干扰.

来源：2022年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第6期