融合多源信息的元胞自动机交通流模型

U491.112; 针对智能网联汽车受环境天气影响易发生交通事故等问题,提出了融合多源信息的元胞自动机交通流模型.首先提出云端环境下多源信息流收集与高精地图数据融合方法,通过神经网络融合多源信息与高精地图,实现地图动态更新,为自动驾驶车辆提供更加精确的路径规划,以有效避免交通事故发生.其次,以多源信息收集模型为基础,搭建双车道交通流元胞自动机模型,从安全距离模型、跟驰规则、换道规则等方面与人工驾驶模型进行对比,以说明融合多源信息的元胞自动机交通流模型的优越性.最后利用MATLAB进行仿真.结果表明:相较于人工驾驶模型,融合多源信息驾驶模型能够增大交通流量,减少交通拥堵,且在短时间内达到稳定状态...

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 44; no. 6; pp. 680 - 686
Main Authors 黄晨, 屠媛, 王予, 孙晓强
Format Journal Article
LanguageChinese
Published 江苏大学汽车与交通工程学院,江苏镇江 212013 2023
Subjects
data fusion
高精度地图
元胞自动机
神经网络
多源信息
交通流模型
multi-source information
neutral networks
cellular automata
intelligent connected vehicles
high-precision map
智能网联汽车
traffic flow model
数据融合
Online AccessGet full text

Cover

More Information
Summary:U491.112; 针对智能网联汽车受环境天气影响易发生交通事故等问题,提出了融合多源信息的元胞自动机交通流模型.首先提出云端环境下多源信息流收集与高精地图数据融合方法,通过神经网络融合多源信息与高精地图,实现地图动态更新,为自动驾驶车辆提供更加精确的路径规划,以有效避免交通事故发生.其次,以多源信息收集模型为基础,搭建双车道交通流元胞自动机模型,从安全距离模型、跟驰规则、换道规则等方面与人工驾驶模型进行对比,以说明融合多源信息的元胞自动机交通流模型的优越性.最后利用MATLAB进行仿真.结果表明:相较于人工驾驶模型,融合多源信息驾驶模型能够增大交通流量,减少交通拥堵,且在短时间内达到稳定状态,从而将道路通行效率提高了 27％.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2023.06.009