原文传递
考虑时间效应的跟驰模型的建模与密度波分析
| 论文题名： | 考虑时间效应的跟驰模型的建模与密度波分析 |
| 关键词： | 交通流;时间效应;TDGL方程;mKdV方程;交通堵塞 |
| 摘要： | 社会经济的快速发展使城市化的进程日渐加快，日益增长的出行需求和当前基础的交通建设差异化较大，交通供需矛盾日益加剧。交通拥堵给经济社会发展和人类健康带来的危害是不可估量的。交通拥堵已经成为城市发展中不可避免的、难以整治的一大难题，同时也给人们的出行以及城市的发展带来了危害，严重制约了城市的发展。因此交通问题引发了全球性的关注，国内外学者对交通流理论的研究与实践为解决实际的交通拥堵问题带来了新的曙光。 本文基于Bando提出的最优速度模型（OVM）和全速度差模型（FVDM），考虑实际的交通因素并提出相应的改进模型。通过线性分析推导出新模型的交通流稳定性条件，研究这些因素对交通流稳定性造成的影响。运用非线性分析推导出TDGL方程和mKdV方程，来探索密度波传播特征。最后运用matlab进行数值模拟验证理论结果的正确性。全文的主要工作如下： 第一，在实际的驾驶过程中，驾驶员会经常观察跟随车的信息并根据当前的交通信息作出相应地调整，改变行驶状态使车流达到一个稳定状态；实际交通中，司机的驾驶行为会受到过去交通信息的影响。总结以上两点，提出了考虑后视效应和司机记忆效应的跟驰模型。结果表明后视效应和记忆效应两个因素的的结合有助于提高交通流的稳定性，达到了缓解交通拥堵的目的。 第二，在智能交通系统中，驾驶员通过当前的交通信息来调整下一时刻的驾驶行为。在优化速度差模型基础上考虑了预期效应，研究了速度差和优化速度差在预期时间内对交通流的影响。主要是通过调整车辆的行车速度，使交通流达到一个稳定状态。理论分析和数值模拟结果表明，预期效应对交通流的稳定起到了积极的作用，有效地缓解了交通拥堵。 第三，在实际的交通环境中，驾驶员总是需要一些时间来对当前的交通状况做出反应；而在现有交通模型中很少将坡度考虑在内，通过结合这两个因素，提出了在坡度上考虑司机记忆效应的拓展跟驰模型。结果表明在上坡时，坡度度数的增大有利于交通流的稳定；在下坡时，坡度度数的增大不利于交通流的稳定。而司机的记忆效应在一定时间内对缓解交通拥堵有很好的效果。 |
| 作者： | 陈灿 |
| 专业： | 船舶与海洋工程 |
| 导师： | 程荣军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁波大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
