融入智能网联汽车的混行交通流混沌特性OA北大核心CSTPCD
为了研究混行交通流混沌特性、辨析影响混行车队混沌程度的因素,在传统交通流理论基础上,利用Cao方法和改进的Cao方法确定混行交通流延迟时间和嵌入维数,对混行交通流序列进行相空间重构并通过计算最大Lyapunov指数判定其混沌特性.对混行交通流中智能网联汽车(intelligent connected vehicle,ICV)协同自适应巡航(cooperative adaptive cruise control,CACC)车辆比例及延迟时间关键参数进行影响分析.结果表明:在跟驰过程中车头间距序列的最大Lyapunov指数小于0时,混行交通流存在混沌;CACC车辆比例增加能够减弱混沌的时间区域,比如当CACC车辆比例达到0.6时,跟驰系统趋于稳定;CACC车辆的延迟时间对混沌的影响显著,保持低通信延迟才能发挥CACC车辆的作用,从而有效抑制混沌.
梁军;杨航;任彬彬;陈小波;陈龙;杨相峰;
江苏大学汽车工程研究院,江苏镇江212013山东工商学院计算机科学与技术学院,山东烟台264005泰州易华录数据湖信息技术有限公司,江苏泰州225500
交通运输
智能网联汽车混行交通流混沌特性相空间重构李雅普诺夫指数
《江苏大学学报（自然科学版）》 2024 (004)
P.373-380 / 8
国家自然科学基金资助项目(61773184);国家重点研发计划项目(2018YFB1600503);江苏省“六大人才高峰”高层次人才计划项目(2015-DZXX-048)。
评论