典型文献
网联自动驾驶环境下基于马尔可夫链理论的混合交通流车队识别模型
文献摘要：
鉴于车队在城市道路信号交叉口通行时常被交叉口信号灯所打断,造成不必要的停车,致使交叉口通行能力下降、尾气排放增加以及燃油消耗升高,本文面向未来网联自动驾驶环境,基于马尔可夫链理论,构建了混合交通流下的车队识别模型.此外,本文借助能够实现L2级自动驾驶技术的特斯拉车辆,设计并组织实施了网联自动驾驶环境下的全样本交通流视频采集实验,并利用视频识别技术提取车辆轨迹数据.最后,利用实测数据和交通仿真软件Vissim,进行网联自动驾驶环境下的车队识别仿真实验.仿真结果表明,当网联自动驾驶车辆渗透率高于0.7时,车队识别率超过80％.另外,仿真结果还表明,车队识别位置同样影响车队识别率,例如在交叉口上游与下游分别进行车队识别时模型性能不同.本文所构建的车队识别模型能够为未来网联自动驾驶环境下的信号协调控制提供输入参数,以减少城市干线车队的不必要停车,进而提高城市交通运行效率.
文献关键词：
混合交通;网联自动驾驶车辆;马尔可夫链;车队识别;Vissim仿真
中图分类号：
作者姓名：
丁深圳;陈旭梅;于雷
作者机构：
文献出处：
引用格式：
[1]丁深圳;陈旭梅;于雷-.网联自动驾驶环境下基于马尔可夫链理论的混合交通流车队识别模型)[J].中南大学学报（英文版）,2022(05):1521-1536
A类：
车队识别
B类：
驾驶环境,马尔可夫链,混合交通流,识别模型,城市道路,信号交叉口,口信,信号灯,打断,不必要,停车,通行能力,尾气排放,燃油消耗,面向未来,流下,L2,自动驾驶技术,特斯拉,拉车,组织实施,交通流视频,视频采集,视频识别,车辆轨迹数据,交通仿真,Vissim,网联自动驾驶车辆,渗透率,识别率,如在,口上,模型性能,信号协调控制,输入参数,少城,城市干线,高城,城市交通,交通运行
AB值：
0.271726
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
