万方数据资源系统

交通运输工程学报
JOURNAL OF TRAFFIC AND TRANSPORTATION ENGINEERING
2006 Vol.6 No.3 P.103-108

数字化期刊

高速公路意外事件影响下的车辆跟驰模型

陈斌  魏朗 

摘 要:应用智能主体技术,针对双向四车道高速公路意外事件影响下的车辆跟驰行为,建立了基于智能主体的车辆跟驰模型,利用西部高速公路交通调查统计的数据,对车辆主体的间距愿望进行了定量分析,利用比例微分控制确定车辆主体的加速度响应,建立了不同加速度队列的逻辑意图,使模型的加速度响应符合车辆的动力特性.利用开发的EAD-Simulation系统,在特定和随机两种不同过程下对模型进行的测试表明:利用智能主体技术描述高速公路意外事件影响下的跟驰行为,可充分发挥其个性、自治性和自适应性的特点,在主体的属性描述中利用比例微分控制"类阻尼"的特性,可有效地对车辆主体的稳定性进行控制.
关键词:交通工程;跟驰模型;智能主体;意外事件
分类号:U491.255 文献标识码:A

文章编号:1671-1637(2006)03-0103-06

Car-following model under influence of expressway accident

Chen Bin   Wei Lang 

基金项目:四川交通科技项目(2003-0710A);四川交通优秀教师科技项目(2003-U491-01Z)
作者简介:陈斌(1973- ),男,四川中江人,四川交通职业技术学院副教授,工学博士,从事交通信息工程及控制研究.
作者单位:陈斌(四川交通职业技术学院,汽车工程系,四川,成都,611130) 
     魏朗(长安大学,汽车学院,陕西,西安,710064) 

参考文献:

[1]陈斌.高速公路意外事件下的车辆行为模型与事件检测研究[D].成都:西南交通大学,2005.
[2]陈斌,金炜东,高利.特殊过程下的车辆跟驰模型数值模拟分析[J].中国公路学报,2005,18(1):90-94.Chen Bin,Jin Wei-dong,Gao Li.Numerical simulation and analysis of car-following models in particular progress[J].China Journal of Highway and Transport,2005,18(1):90-94.(in Chinese)
[3]杨佩昆.智能交通运输系统体系结构[M].上海:同济大学出版社,2001.
[4]Hilaire V,Koukam A,Gruer P.Multi-agent approach to modeling and simulation of urban transportation systems[A] //Proceedings of the IEEE International Conference on Systems,Man and Cybernetics[C].Tucson:IEEE Press,2001.
[5]王震宇,高更君,黄卫.基于多智能主体的高速公路控制系统结构[J].交通运输工程学报,2003,3(1):76-79.Wang Zhen-yu,Gao Geng-jun,Huang Wei.Architecture of expressway traffic control system based on multi-agent[J].Journal of Traffic and Transportation Engineering,2003,3 (1):76-79.(in Chinese)
[6]陈斌.基于多智能主体系统的车道变换模型[J].中国公路学报,2005,18(3):104-108.Chen Bin.Lane-changing model based on multi-agent system[J].China Journal of Highway and Transport,2005,18(3):104-108.(in Chinese)
[7]贾鸿飞,隽志才.基于期望间距的车辆跟驰模型的建立[J].中国公路学报,2000,13(4):86-87.Jia Hong-fei,Juan Zhi-cai.Development of a car-following model based on desired spacing[J].China Journal of Highway and Transport,2000,13 (4):86-87.(in Chinese)
[8]徐薇莉,曹柱中.自动控制理论与设计[M].上海:上海交通大学出版社,2001.

收稿日期:2005年12月16日

出版日期:2006年9月30日