一、城市道路中的通道控制模型(论文文献综述)
张得沛[1](2020)在《管道无人机三维信息感知关键技术研究》文中提出在过去的几十年里,我国科技与工业实现了突飞猛进的发展,为了满足发展需求实施了大量的地下管道工程。由于管道工程复杂,需要定期检查维护,传统的人工检查方法耗时、耗力,而且对检查人员存在很大的潜在危险。针对以上问题,利用无人机机动便捷的特点,研究设计一款融合IMU、激光雷达等多种传感器信息的管道内三维信息感知无人机,同时根据管道环境差异研究搭配不同传感器类型的管道无人机三维信息感知方法,并进行了实验验证。首先,构建了管道三维信息感知无人机系统。根据管道环境的特点、作业需求以及无人机的负载能力,搭建无人机软硬件平台,选用激光雷达、IMU和嵌入式处理平台Jetson TX2作为三维环境感知单元。其次,针对管道环境中光照条件不理想的问题,提出了一种基于三维激光雷达的管道环境三维信息感知方法。通过分析比较多种基于三维点云数据的同步建图与定位方法,选取基于图优化的定位与建图方法对无人机获取的模拟管道环境三维数据进行处理,构建了三维栅格地图,实现对管道环境的三维信息感知。然后,针对无人机载荷受限条件下三维激光雷达的功耗高、重量大的问题,提出了一种基于双二维激光雷达的管道环境三维信息感知方法。系统通过水平放置和垂直放置的两个二维激光雷达,获取管道内互补三维信息,其中水平方向激光雷达数据通过融合惯性测量数据,建立管道内水平方向环境地图,垂直方向通过对激光雷达数据的分析与拟合,建立管道内垂直方向环境地图,进而获得管道内完整的三维信息。最后,实验结果表明,该系统可以实现对管道内三维环境信息的感知。
谭静[2](2020)在《山地城市干线多车道汇入系统协调管控方法研究》文中研究表明城市干线系统是山地城市道路网络的生命线,承担着山地城市主要交通出行量,提升城市干线交通效率,有利于改善城市整体交通运行状况。由重庆交巡警自主研发的多车道汇入单点控制虽已取得一定良效,但单点控制无法解决交通“多米诺”现象,对山地城市干线多车道汇入系统进行协调管控能有效缓解这种现象对路网系统造成的拥堵影响。本文立足于缓解山地城市干线多车道汇入系统的常发性交通拥堵问题,以山地城市干线系统的多车道汇入信号控制点为研究对象,首先综合考虑干线及其影响区的交通状态和节点关联度进行控制子区划分,再从控制子区边界调节和控制子区内部的协调管控两方面着手:以维持控制子区近饱和状态为前提,建立控制系统收益最佳的控制子区边界调节总量计算方法;同时借鉴SWARM算法整体研究思路,分别优化SWARM1和SWARM2两部分,建立控制子区内部协调管控方法。具体研究内容如下:(1)回顾与阐述入口匝道控制,及干线协调控制方法的研究现状。从管控形式全面梳理了入口匝道和干线的管控方法,对比分析了不同管控方法特点及适用场景,并对其优点和局限性进行总结。结合已有协调管控方法及其运用在山地城市干线多车道汇入系统中的局限性,分析了山地城市干线协调管控的研究热点及面临的挑战。(2)控制子区划分方法研究。将复杂的山地城市干线系统解耦为多个交通控制子区是协调管控的第一步。通过路段单元的交通状态识别交通拥堵瓶颈点及其拥堵影响区,并对路段交通状态划分等级,按交通状态等级对控制子区初步划分,并计算节点关联度;最终结合交通状态和节点关联度确定干线系统控制子区划分。(3)控制子区间边界调节总量计算方法的构建。首先通过分析控制子区宏观基本图,确定各控制子区内部累计车辆数与离开路网交通流量的函数关系式;再基于博弈论建立以干线系统多子区整体效益最大化的控制目标;最后结合控制子区MFD和车流方程式建立多控制子区间边界调节总量计算方法,并借助博弈论思想对模型求解。(4)建立基于子区延误最小的拥堵源头追溯协调控制方法。用轨迹数据还原OD来替代传统的数学模型对匝道流入率的假设,根据轨迹数据还原控制子区交通流的OD信息,追溯拥堵源头,以此精准掌握匝道车流汇入主线的比例,再结合控制子区边界调节总量,以控制子区系统延误最小为控制目标,建立主线和匝道的调节率计算方法。(5)建立基于分层递阶反馈优化的单点控制方法。分别分析主线与入口匝道,以及衔接交叉口与入口匝道的相互影响,以控制点位延误最小为管控目标,计算主线和匝道调节率。并通过小步距调整主线和匝道的调节率,进行试算,从中选取延误最小的最优解。(6)实证性研究。选取重庆市机场路及其影响区(干线总长度约7km,研究区域约14km2)作为本文实证研究对象。首先编写数据提取程序获取实证研究区域的交通状态数据,并计算节点关联度,完成控制子区的划分;再采用本文方法定制协调管控方案;最后分别采用VISSIM中的三种不同的评价方法:车辆路网评价方法,干线车辆行程时间和延误评价及路段区段评价,来验证本文的协调管控方法的优越性,结果表明:针对干线多车道汇入系统,SWARM优化算法场景相对于无管控场景平均延误和平均停车次数分别降低了22.06%,28.42%,针对实证研究区域的干线道路,SWARM优化算法相对于现行管控方案的管控效果有明显改善,干线的平均延误,平均停车次数和平均旅行时间分别降低了23.04%,24.08%,19.38%,且拥堵持续时间和拥堵路段长度都有明显的改善。由此可证,SWARM优化算法对山地城市干线多车道汇入系统的管控效果良好。
谭静,彭博,杜蕊,蔡晓禹[3](2019)在《城市干线协调管控方法研究综述》文中研究说明交通拥堵是影响城市发展的主要因素,提高交通控制效能,能有效缓解交通拥堵。有限的干线道路承担大量交通量,干线的通行效率直接影响区域交通是否通畅,一般而言,协调控制效果优于单点控制,故干线协调控制是交通信号控制领域研究的重点。本文在深入分析干线拥堵机理基础上,总结和评述了主要的交通干线控制研究现状,着重介绍了干线协调控制方法的优缺点,包括干线定时协调控制、干线感应协调控制和干线自适应协调控制。建立了城市干线协调控制方法分析框架,并提出研究展望。
罗颖[4](2019)在《城市交通拥堵环境下的车辆低速跟驰技术研究》文中认为目前,城市交通拥堵现象严重,它已是城市治理最棘手的问题之一。交通拥堵意味着车辆需要频繁地启动、刹车,这不仅会使得驾驶员变得疲劳且烦躁易怒,容易出现交通事故;又会大大增加车辆的尾气排放量,从而降低城市的空气质量,加剧城市“热岛效应”。车辆自动跟驰技术不仅可以降低驾驶员的驾驶强度、缓解驾驶员的情绪,而且可以使整个交通流变得有序,有利于降低交通拥堵的时间,改善城市交通状况。因此,研究和发展这样的驾驶技术具有重要的理论意义和应用价值,论文主要进行了如下研究:(1)理论驱动低速跟驰模型的建立:对Gipps模型、全速度差(Full Velocity Difference,FVD)模型、智能驾驶者模型(Intelligent Driver Model,IDM)进行了参数标定与分析对比,三者在安全度上差异不大,而IDM模型在舒适度上远好于其它两个模型,因此以IDM模型为基础建立理论驱动低速跟驰模型,针对原IDM模型车辆起步过缓的问题进行了一定优化。(2)数据驱动低速跟驰模型的建立:以美国NGSIM(Next Generation Simulation)交通数据集经一定处理后所得的低速跟驰数据集为数据来源,基于径向基函数神经网络(Radial Basis Function Nerual Network,RBFNN)建立了数据驱动低速跟驰模型,模型预测结果能够准确地贴近真实值;同时将该模型与IDM低速跟驰模型进行了对比分析,为了融合二者的优势,通过最优加权法建立了IDM-RBFNN低速跟驰组合模型,该模型取得了比单一模型更佳的预测效果。(3)车辆低速跟驰决策算法的研究:以深度强化学习(Deep Reinforcement Learning,DRL)算法中的深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法与信赖域策略优化(Trust Region Policy Optimization,TRPO)算法为基础,通过障碍控制方法(Control Barrier Functions,CBF)对二者进行了改进,在车辆低速跟驰对比实验中分析各算法的决策性能,最终得出TRPO-CBF算法性能表现最佳,因此选择该算法作为后续仿真实验的低速跟驰决策算法。(4)车辆低速跟驰仿真实验的设计与分析:基于Carsim与Unity3D构建车辆低速跟驰决策的仿真实验平台,依据低速跟驰数据集中的真实数据在实验场景中模拟前车的运动,通过TRPO-CBF算法控制智能车对前车的跟驰运动,并以IDM-RBFNN低速跟驰模型作为算法的决策目标,最终在实现算法决策训练过程可视化的同时证明了TRPOCBF算法能够有效收敛于目标策略。
陈纲梅[5](2019)在《收费公路出入口匝道与衔接信号交叉口的协同控制方法研究》文中研究表明我国收费高速公路和城市道路分别归属不同的部门管辖,独立设计建设,独立经营。高速公路收费站与城市信号交叉口的衔接路段是两大路网临界的特殊区域,同时是道路瓶颈点,衔接路段的交通状态直接影响两大路网的交通运输,随着交通出行需求的日益增长,衔接路段的交通拥堵问题日渐突出,已经不容忽视。为适应于我国交通运输行业安全与畅通的发展需求,我们亟需对此展开系统研究,以建立高速公路与城市道路一体化、系统化、智能化的管理体系。本文主要研究内容包括以下四部分:第一,进行交通关联性分析,论证了收费高速公路出入口匝道、收费站与衔接交叉口三者之间进行协同控制的必要性。第二,针对收费站衔接单信号交叉口的情况,以目标区域延误最小化或通行能力最大化为控制目标,以预防收费匝道与收费广场、交叉口及衔接路段发生排队溢出为约束条件,对非饱和与饱和两种交通状态分别提出了收费高速公路出入口匝道与衔接交叉口的协同控制方法,这样一方面实现了收费站的通过车辆数与交叉口的信号配时相互协调,另一方面挖掘了收费站通调控车流的功能,以保障高速公路出入口车流的正常通行。仿真案例分析也验证模型这些特点。第三,针对收费站双进双出车流衔接双交叉口的情况,以各目标节点之间的排队长度为约束条件,建立了饱和交通状态下通行能力最大化的多目标协同控制模型,将收费公路出口车流分散至周边交叉口群,预防连接路段发生排队溢出并避免因公路入口车流无限制而引起的高速公路主线拥挤。广州市北二环高速北村收费站的案例仿真分析也表明该模型的合理性,可以有效控制链接路段的车辆排队长度,均衡路网拥挤度。第四,为了避免交通拥堵转移至收费站周边交叉口群,本文引入模糊控制理念,首先将出入口匝道、收费站与衔接交叉口作为一个车流起源与消散的整体,然后对周边交叉口群进行区域模糊控制,调整各进口相位的绿灯时间,使交通流均衡分散于周边交叉口。最后通过实例仿真分析验证了区域协同控制方法的可行性与优越性。
刘鑫[6](2018)在《特勤任务临时交通信号控制方案研究》文中指出随着社会与经济的快速发展,国际会议、国际访问等活动频繁开展,其重要参与人员的交通特勤出行频发。此类出行需提前部署道路沿线临时安保,致使城市道路交通承受较大干扰。为减少特勤任务对路网交通流的干扰,科学地制定特勤预案及加强特勤任务影响范围内交叉口信号控制系统通行效率是保证特勤任务期间交通管理合理高效的重要手段。因此,论文通过分析特勤任务对城市道路交通的影响方式及相关因素,建立特勤车辆最优行驶路径搜索算法和确定特勤任务影响区域内的信号控制方案制定方法,以保障特勤车辆出行顺畅,同时有效减少特勤任务对路网交通流的影响持续时间,一定程度上节省警力资源和降低扰民程度,对特勤任务快速、安全、有序地进行具有重要意义。首先,论文根据特勤任务概念及类别,分析特勤任务期间城市道路交通特性,明确特勤任务与一般交通事件的差异,制定特勤路径生成原则及思路。以满足特勤出行需求及降低特勤出行对社会车辆的干扰为目标,构建特勤车辆出行路径规划模型,并使用A*算法对路径搜索模型进行求解,确定路网内合理的特勤车辆出行路线。然后,基于特勤任务特征,将特勤出行路径内的信号交叉口运行状态的演变过程分为预清空减压时段、清空限流时段、信号恢复时段共三个时段,分别建立各个阶段中特勤方向的协调控制方案。以各时段间特勤车辆及社会车辆的不同特征确定各时段的控制目标,通过调整特勤路线交叉口及交叉口间的信号控制参数,构建符合特勤任务期间各个阶段交通状况的信号控制方法。再者,分析特勤任务影响区域内路网交通流特征,在截流控制干线协调的基础上对影响区域路网进行临时交叉干线控制,并提出过饱和流向分离策略,以缓解特勤任务影响区域内的临时性拥堵,保障影响区内道路交通有序出行。最后以重庆市渝中区为背景,应用本文研究的特勤任务临时交通信号控制方案,对实际环境下的特勤出行进行仿真,验证论文方法可行。
金光宇[7](2018)在《车载飞轮电池转子动态特性仿真与研究》文中研究表明车载磁悬浮飞轮电池作为动力电池可以实现机械能与电能的相互转换,但是车辆不同运动状态会使飞轮转子受到各向激励发生扰动干扰系统稳定运行。本文利用建模仿真软件搭建飞轮电池转子等效模型,通过验证试验证明模型准确性,探究车辆不同运动工况对飞轮转子动态性能的影响并分析总结其动态特性。本文对飞轮转子组件进行受力分析,推导出转子振动广义数学模型。对飞轮电池进行简化处理,使用CATIA完成飞轮转子组件零件造型,使用ADAMS和MATLAB分别搭建飞轮动力学模型与PID控制的系统控制模型并完成了控制参数整定。在实验台上完成了磁悬浮飞轮电池静态悬浮试验,对比磁悬浮飞轮转子静态悬浮仿真结果验证了模型准确性。联合仿真加速、减速及转向工况下转子动态性能变化,继而得到相对应工况下转子的动态特性。研究结果表明,磁悬浮飞轮转子受到外部激励的影响在极短时间内发生偏移时,能够在控制系统调节下快速调整回到稳定平衡位置,最终实现稳定工作。起动和制动运动过程中,除加速度方向外,加速度数值越大,转子径向最大偏移量越大,到达径向最大偏移量的时间越短,但调整时间基本不变约为0.25s,径向最大空气间隙允许范围内的最大加速度为11.43m/s2,飞轮转子的偏移响应是汽车行驶带来的额外激励和转子自身存在的不平衡共同引起的强迫振动。转向运动过程中,转弯半径一定时,转向车速越大,转子径向最大偏移量越大,到达径向最大偏移量的时间越短;转向车速保持不变时,转子径向最大偏移量随转弯半径的减小而变大,但是总的调整时间不变约为0.29s,转子的偏移响应是汽车转向运动引起的附加离心力激励和转子自身不平衡力共同作用引起的强迫振动。此外,根据转向车速与转弯半径关系得到了转向最高安全车速。
许世维[8](2017)在《前轴双电机后轴单电机(DFSRM)四驱电动汽车驱制动控制策略及模拟试验台开发研究》文中研究说明面对日趋严峻的能源危机和环境危机,大力发展电动汽车已成为国内外汽车工业界的战略共识。四驱电动汽车既具有节能环保的优点,又具有动力性、稳定性等方面的优势,已经成为近年来电动汽车发展的一种趋势。本文以前轴双电机、后轴单电机四驱电动汽车(Dual Front Motor and Single Rear Motor 4-wheel-drive Electric Vehicle,下文均简称:DFSRM四驱电动汽车)为研究对象,结合汽车动力学理论、电机控制理论和智能控制理论,深入研究了四驱电动汽车的驱动控制、滑行制动控制和复合制动控制三个关键的问题,结合本文所研究的DFSRM四驱电汽车结构特点,针对每个问题提出了对应的解决方案和控制策略,并基于A&D5435平台开发了DFSRM四驱电动汽车驱制动系统模拟试验台,通过仿真和试验验证相结合的方法验证了所提出的控制策略的有效性。本文主要研究内容如下:(1)针对四驱电动汽车的性能特点,通过对比6种不同拓扑结构四驱电动汽车的优缺点,最终选择前轴双电机、后轴单电机驱动的DFSRM四驱电动汽车作为研究车型;根据该车型的结构特点,确定动力系统中电机和蓄电池的类型以及拓扑结构,并参照整车性能指标进行动力系统参数匹配;根据动力系统的匹配结果,利用AVL Cruise和MATLAB/Simulink建立整车动力学仿真模型及动力系统模型,为后续控制策略的仿真研究提供了可靠的仿真平台。(2)DFSRM四驱电动汽车驱动控制策略。针对四驱电动汽车能量消耗问题,从经济性角度出发,基于电机损耗模型和拉格朗日乘子法制定了电机工作效率优化的基准转矩分配策略;针对起步或急加速等动力需求较大的工况,从动力性角度出发制定了基于驾驶意图的转矩补偿模糊控制策略;针对湿滑路面等低附着条件下可能会出现的车轮滑转等危险工况,从安全性角度出发制定了基于前轮滑转率相近、后轮滑转率高选的直线行驶工况驱动防滑控制策略。利用车辆动力学仿真平台,在变加速起步工况、CCBC和HWYFET循环工况、分离路面工况下分别对上述驱动控制策略进行仿真,仿真结果表明本文提出的驱动控制策略分别在动力性、经济性和安全性方面取得了较好的效果。(3)DFSRM四驱电动汽车平路滑行制动控制策略。针对电动汽车平路滑行制动过程中存在的滑行距离与滑行能量回收之间的矛盾,通过分析滑行制动过程中驾驶员操作动作特点,提出了基于驾驶风格模糊辨识的滑行制动状态判断方法,并根据不同道路工况滑行制动的特点,采用模糊控制理论分别制定了高速公路工况和郊区/城市道路工况的滑行制动模糊控制策略。利用车辆动力学仿真平台,在高速公路工况、郊区/城市道路工况、滑行制动转入驱动工况下进行滑行制动控制策略的仿真,仿真结果表明本文提出的滑行制动控制策略能够在不同工况下保证滑行距离,并且能够较好地回收滑行制动能量。(4)DFSRM四驱电动汽车复合制动控制策略。针对四驱电动汽车复合制动系统制动能量回收率和制动舒适性的问题,提出了基于制动意图识别和舒适性优化的复合制动分层控制策略,通过基于LVQ神经模糊系统的制动意图识别,优化了前后轴电机制动力与液压制动力的分配,并根据电机制动和液压制动响应特性的差异,通过协调执行层中的制动力来保证制动舒适性。利用车辆动力学仿真平台,在单次制动工况、NEDC循环工况下进行复合制动控制策略仿真,仿真结果表明本文提出的复合制动控制策略能够在保证制动性能的前提下,有效地提高了制动能量回收率和制动舒适性。(5)DFSRM四驱电动汽车驱制动模拟试验台开发及控制策略验证。针对电动汽车控制策略验证所面临的开发周期长、成本高等问题,开发了能够反映DFSRM四驱电动汽车结构特点的驱制动系统模拟试验台,该试验台采用全电惯量模拟方式模拟负载,设计了电机和液压制动控制系统,在考虑实时性因数的前提下,基于A&D5435平台开发了模拟试验台驱制动控制系统,并通过驱动、滑行制动和复合制动试验,验证了本文所提出的控制策略的效果。
付凤杰[9](2017)在《基于自动车牌识别数据的城市道路行程时间估计》文中研究说明作为描述道路交通状态的一项重要参数,行程时间的相关研究一直以来都是交通工程与交通科学领域的研究热点。准确、实时且可靠的行程时间信息,包括路段行程时间和路径行程时间,是先进的交通管理系统和先进的出行者信息系统的重要支撑。然而交通需求的波动性(如受季节效应、人口特征、交通信息等的影响)、交通供给的波动性(如受交通事件、道路施工、天气因素、道路集合条件等的影响)以及信号控制交叉口车辆到达和离开的随机性,导致城市道路路段行程时间在时间上、空间上以及不同方向上都具有较大的不确定性。因此,对于传统的基于交通流模型的路段行程时间估计方法,其行程时间估计结果误差较大,难以反应实际道路交通状态。随着交通信息采集技术和处理技术的快速发展,交通数据在传统的环形感应线圈数据、微波雷达数据、红外数据的基础上,出现了浮动车数据、自动车辆识别数据、自动车牌识别数据和蓝牙数据等新型交通数据。其中基于高清智能卡口的自动车牌识别数据包含有通过车辆的车牌号、通过时刻、进口方向和进口道编号等数据,继而可以获得流量、单车行程时间及单车行驶方向等信息,而且高清智能卡口系统的布设日益广泛。因此,本文利用基于高清智能卡口的自动车牌识别数据对城市道路路段行程时间以及路径行程时间进行研究。首先对基于高清智能卡口的自动车牌识别数据进行数据质量分析:介绍了高清卡口智能系统的工作原理、布设位置、检测数据以及系统性能指标,在此基础上展开了断面数据质量分析(包括流量精度和自动车牌识别精度)和路段行程时间数据质量分析。将封闭路段作为研究对象,通过分析路段行程时间估计结果(包括路段行程时间估计值和标准差的波动性)与路段行程时间样本率的变化关系,发现样本率越大,路段行程时间估计值的平均绝对百分误差越小,标准差的波动性越小;当样本率大于0.414时,基于样本数据的路段行程时间参数满足精度及稳定性要求,继而确定了路段行程时间的样本率阈值。将非封闭路段作为研究对象,考虑路段开口,计算路段行程时间的实际匹配率,对其时空变化特征和显着性差异进行分析。实际数据表明天气良好时,行程时间的实际匹配率与观测路段及观测日期无关,该值稳定且均大于最小样本率0.414;行程时间的实际匹配率与观测时段有关,20:00~6:00时段内行程时间的实际匹配率相对于一天内其它时段低,但仍大于最小样本率;最终确定了天气良好时高清智能卡口数据用于估计城市道路路段行程时间的可行性。其次,考虑交通流的不同方向,对路段行程时间进行估计:根据交通流在上游交叉口的驶入方向和在下游交叉口的驶离方向,将路段交通流分为9种。受交通需求/供给的波动性以及信号控制交叉口车辆到达和离开的随机性等原因影响,同一路段上不同方向交通流的路段行程时间可能会有所不同,利用实际采集的自动车牌识别数据,对同一路段上不同方向交通流的路段行程时间进行了一系列对比分析,验证了显着性差异的存在;并融合行程时间回归模型,提出了基于交通流方向的路段行程时间估计方法,实现了部分交通流数据缺失时的行程时间估计;通过实际数据分析,验证了估计方法能够有效地处理噪声数据,并且在数据缺失时,估计结果能够较为准确地反映实际交通状态。最后,基于路径行程时间信息的分类和融合,提出了路径行程时间分布的估计方法:根据路段交通流的定义对路径进行重新定义,并进行观测数据提取,实现部分无代表性数据的剔除;利用车辆行驶方向等信息对其路线进行判别,而路线缺口较大的车辆,对其路线进行拆分而非直接判别;在路线判别的基础上,对部分路径行程时间进行扩大,同样忽略路径缺口较大的车辆;根据行程时间的计算方式以及是否完整,将所有路径下行程时间分为两大类,完整的路径行程时间(TTC)和部分路径行程时间(TTP);不同类别的行程时间处理方法不同,当TTC比例较高时,将其经验分布(TTCD)作为路径行程时间分布的估计结果,当TTC比例较低时,利用霍普金斯统计量寻找实验路径上的断点交叉口,将各断点之间部分路径的行程时间分布的卷积作为基于TTP数据的行程时间分布(TTPD),并将TTC数据与基于TTP数据的行程时间分布TTPD进行融合,得到路径行程时间分布的估计结果;并利用实际路网和仿真环境下的256个实例,进行了不同算法路径行程时间估计结果误差分析、识别精度的影响分析、参数mr的影响分析、路径属性的影响分析以及路径行程时间估计结果分析,对本文路径行程时间分布估计模型进行了全面的评价,验证了估计方法较其它方法的有效性。
《中国公路学报》编辑部[10](2016)在《中国交通工程学术研究综述·2016》文中研究说明为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
二、城市道路中的通道控制模型(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、城市道路中的通道控制模型(论文提纲范文)
(1)管道无人机三维信息感知关键技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于不同传感器的环境信息感知 |
1.2.2 基于SLAM技术的环境信息感知 |
1.2.3 类管道环境下无人机三维信息感知 |
1.2.4 真实管道环境下无人机三维信息感知 |
1.3 研究内容 |
1.4 论文章节安排 |
2 管道三维信息感知无人机系统架构 |
2.1 系统整体架构 |
2.2 系统硬件设计 |
2.2.1 飞行控制系统硬件设计 |
2.2.2 信息采集系统硬件设计 |
2.3 激光雷达观测模型 |
2.3.1 三维激光雷达观测模型 |
2.3.2 二维激光雷达观测模型 |
2.4 本章小结 |
3 基于三维激光雷达的三维信息感知 |
3.1 三维激光SLAM算法测试分析 |
3.1.1 BLAM算法 |
3.1.2 LOAM算法 |
3.1.3 HDL Graph SLAM算法 |
3.1.4 三维激光雷达SLAM算法方案选择 |
3.2 管道环境下HDL Graph SLAM算法 |
3.2.1 顶点和边的管理 |
3.2.2 点云滤波 |
3.2.3 关键帧 |
3.2.4 前端里程计 |
3.2.5 地面检测 |
3.2.6 闭环检测 |
3.3 三维激光雷达的三维信息感知 |
3.4 本章小结 |
4 基于二维激光雷达的三维信息感知 |
4.1 二维激光雷达三维信息感知方案设计 |
4.2 水平方向二维激光雷达的信息感知 |
4.2.1 水平方向二维激光SLAM方案选择 |
4.2.2 管道环境下Cartographer算法 |
4.2.3 模拟管道环境下水平面信息感知效果 |
4.3 竖直方向二维激光雷达的信息感知 |
4.4 本章小结 |
5 系统整体实验测试 |
5.1 无人机飞行控制系统实验测试 |
5.1.1 飞行器姿态控制实验测试 |
5.1.2 飞行器位置控制实验测试 |
5.2 模拟管道环境内无人机三维信息感知实验 |
5.2.1三维激光雷达模拟管道三维感知实验 |
5.2.2二维激光雷达模拟管道三维感知实验 |
5.2.3模拟管道三维感知对比实验 |
5.3 真实管道环境下无人机三维信息感知实验 |
5.4 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(2)山地城市干线多车道汇入系统协调管控方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 选题背景 |
1.2.1 山地城市路网结构失衡 |
1.2.2 多车道汇入协调控制方法缺乏 |
1.2.3 管控技术的发展 |
1.3 研究的目的和意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 主要研究内容及组织结构 |
1.4.1 主要研究内容 |
1.4.2 组织结构 |
1.5 研究方法和技术路线 |
1.5.1 研究方法 |
1.5.2 技术路线 |
第2章 国内外研究现状 |
2.1 入口匝道控制 |
2.1.1 静态控制 |
2.1.2 单点动态控制 |
2.1.3 动态协调控制 |
2.2 干线协调控制 |
2.2.1 干线定时协调控制 |
2.2.2 干线感应协调控制 |
2.2.3 干线自适应协调控制 |
2.3 研究热点与面临的挑战 |
2.3.1 研究热点 |
2.3.2 面临的挑战 |
2.4 本章小结 |
第3章 山地城市干线系统控制子区划分方法研究 |
3.1 控制子区划分研究现状 |
3.1.1 静态控制子区划分 |
3.1.2 动态控制子区划分 |
3.2 控制子区划分研究思路 |
3.3 控制子区划分方法 |
3.3.1 交通状态分级 |
3.3.2 节点关联度计算 |
3.3.3 控制子区划分流程 |
3.4 本章小结 |
第4章 控制子区间边界调节总量计算方法研究 |
4.1 宏观基本图理论概述 |
4.1.1 宏观基本图定义 |
4.1.2 宏观基本图特性及其应用 |
4.2 边界调节总量计算研究思路 |
4.3 基于MFD的控制子区边界调节总量计算方法研究 |
4.3.1 车流平衡方程 |
4.3.2 模型建立 |
4.3.3 模型求解 |
4.4 本章小结 |
第5章 控制子区内部协调管控方法研究 |
5.1 全系统自适应匝道控制系统 |
5.1.1 全系统自适应匝道控制基本思想 |
5.1.2 全系统自适应匝道控制算法优化思路 |
5.2 基于子区延误最小的拥堵源头追溯协调控制方法研究 |
5.2.1 基本研究思路 |
5.2.2 模型建立 |
5.2.3 模型求解 |
5.3 基于分层递阶反馈的单点控制方法研究 |
5.3.1 基本研究思路 |
5.3.2 模型建立 |
5.3.3 模型求解 |
5.4 基于SWARM优化算法的协调管控实现 |
5.4.1 匝道控制实现方式 |
5.4.2 多车道汇入控制实现方式 |
5.4.3 协调相位的相位差确定 |
5.5 本章小结 |
第6章 实证研究 |
6.1 研究区域交通特性分析 |
6.2 研究区域控制子区划分 |
6.2.1 交通态势数据提取及可视化 |
6.2.2 控制子区划分 |
6.3 交通调查与数据处理 |
6.3.1 交通调查方法 |
6.3.2 轨迹数据OD路径分析 |
6.4 仿真模型建立及分析 |
6.4.1 数据收集及输入 |
6.4.2 研究区域宏观基本图分析 |
6.4.3 控制效果检验 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.1.1 主要结论 |
7.1.2 论文创新点 |
7.2 展望 |
致谢 |
参考文献 |
附录 |
附录1 基于粒子群算法求解纳什均衡解的matlab代码 |
附录2 遗传算法python部分代码 |
在学期间发表的论文和取得的学术成果 |
一 在校期间发表学术论文 |
二 在校期间参与主要科研项目 |
(3)城市干线协调管控方法研究综述(论文提纲范文)
1. 引言 |
2. 城市干线交通拥堵机理研究 |
3. 城市干线控制方法研究 |
3.1 匝道控制 |
3.1.1 入口匝道控制 |
3.1.2 出口匝道控制 |
3.2 主线控制 |
3.3 干线协调控制 |
3.3.1 干线定时协调控制 |
3.3.2 干线感应协调控制 |
3.3.3 干线自适应协调控制 |
4. 城市干线协调管控方法探讨 |
5. 结束语 |
(4)城市交通拥堵环境下的车辆低速跟驰技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 车辆跟驰模型的研究现状 |
1.2.2 车辆跟驰决策方法的研究现状 |
1.3 论文的主要研究内容与组织结构 |
1.3.1 主要研究内容 |
1.3.2 论文组织结构 |
第2章 理论驱动的车辆低速跟驰模型 |
2.1 理论驱动跟驰模型 |
2.2 模型的参数标定方法 |
2.3 标定数据的来源与处理 |
2.3.1 NGSIM数据集简介 |
2.3.2 NGSIM数据信息 |
2.3.3 数据的分析与处理 |
2.4 模型的参数标定结果 |
2.4.1 Gipps模型 |
2.4.2 FVD模型 |
2.4.3 IDM模型 |
2.5 模型的对比分析 |
2.5.1 模型的评价指标 |
2.5.2 评价结果对比 |
2.6 IDM低速跟驰模型的优化 |
2.7 本章小结 |
第3章 数据驱动的车辆低速跟驰模型 |
3.1 数据驱动跟驰模型概述 |
3.2 基于RBFNN的低速跟驰模型 |
3.2.1 RBFNN网络结构 |
3.2.2 模型的建立 |
3.2.3 模型的评价 |
3.3 融合理论驱动和数据驱动的车辆低速跟驰模型 |
3.3.1 线性组合预测理论 |
3.3.2 组合模型的最优权重求解 |
3.3.3 组合模型的评价 |
3.4 本章小结 |
第4章 基于深度强化学习的车辆低速跟驰决策算法 |
4.1 深度强化学习理论基础 |
4.1.1 深度学习 |
4.1.2 强化学习 |
4.1.3 深度强化学习 |
4.2 基于策略梯度的深度强化学习算法 |
4.2.1 策略梯度 |
4.2.2 Actor-Critic框架 |
4.2.3 DDPG算法 |
4.2.4 TRPO算法 |
4.3 基于DDPG与 TRPO的低速跟驰决策算法的改进与对比 |
4.3.1 基于CBF方法的DRL决策算法改进 |
4.3.2 决策算法的对比实验设计与结果分析 |
4.4 本章小结 |
第5章 车辆低速跟驰的仿真实验设计与结果分析 |
5.1 实验方案设计与平台介绍 |
5.2 实验结果分析 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
作者在攻读硕士学位期间的研究成果 |
参考文献 |
(5)收费公路出入口匝道与衔接信号交叉口的协同控制方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究来源 |
1.2 研究背景 |
1.3 研究目的及意义 |
1.4 国内外研究现状 |
1.4.1 公路匝道控制研究 |
1.4.2 快速路匝道与衔接交叉口的协调控制研究 |
1.4.3 交叉口信号优化控制研究 |
1.4.4 现有研究评述 |
1.5 研究内容及技术路线 |
1.5.1 研究内容 |
1.5.2 技术路线 |
1.6 本章小结 |
第二章 出入口匝道与交叉口的关联性分析 |
2.1 出入口匝道与交叉口关联性理论分析 |
2.2 路径关联度计算 |
2.2.1 收费站与交叉口的路径关联度 |
2.2.2 高速公路主线与收费站的路径关联度 |
2.3 算例分析 |
2.4 本章小结 |
第三章 出入口匝道与交叉口的协同控制 |
3.1 目标路段交通流分析 |
3.2 出入口匝道与交叉口的协同控制 |
3.2.1 基本假设 |
3.2.2 模型建立 |
3.2.3 收费站通行能力调控方法 |
3.3 模型求解 |
3.4 案例分析 |
3.4.1 仿真环境设置 |
3.4.2 模型求解及方案对比 |
3.4.3 仿真结果分析 |
3.5 本章小结 |
第四章 出入口匝道与双交叉口的协同控制 |
4.1 车辆排队状态分析 |
4.2 多目标协同控制模型的建立 |
4.2.1 模型假设 |
4.2.2 模型建立 |
4.2.3 模型求解 |
4.3 案例分析 |
4.3.1 案例背景 |
4.3.2 案例交通现状调查 |
4.3.3 案例应用与方案对比 |
4.3.4 仿真环境建立 |
4.3.5 仿真结果分析 |
4.4 本章小结 |
第五章 出入口匝道与交叉口群的区域协同控制 |
5.1 交通拥堵形成机理分析 |
5.2 基于模糊控制的区域协同控制 |
5.2.1 区域协同控制方法 |
5.2.2 模糊控制器设计 |
5.2.3 模糊控制变量模糊集 |
5.2.4 隶属度函数及模糊规则 |
5.3 案例分析与仿真评价 |
5.3.1 仿真环境建设 |
5.3.2 模糊控制算法实施及仿真 |
5.3.3 方案对比分析 |
5.4 本章小结 |
总结与展望 |
(一)研究成果总结 |
(二)进一步研究的问题 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(6)特勤任务临时交通信号控制方案研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外研究现状总结 |
1.4 研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
第2章 特勤任务特征分析 |
2.1 特勤任务概念 |
2.1.1 特勤任务定义 |
2.1.2 特勤任务分类 |
2.1.3 特勤任务的组织方法 |
2.2 特勤任务交通特性分析 |
2.2.1 特勤任务在应急交通管理中的特点 |
2.2.2 特勤车辆交通行为特性分析 |
2.2.3 特勤任务交通流特性分析 |
2.2.4 特勤任务路网特性分析 |
2.3 本章小结 |
第3章 特勤任务路径搜索 |
3.1 特勤路径生成原则和思路 |
3.1.1 路径生成原则 |
3.1.2 路径生成思路 |
3.2 城市道路交通数据处理 |
3.3 路径生成模型构建 |
3.3.1 模型参数 |
3.3.2 约束条件 |
3.3.3 特勤路线选择模型建立 |
3.4 路径生成模型求解 |
3.4.1 A~*算法介绍 |
3.4.2 线路生成算法 |
3.5 本章小结 |
第4章 特勤路线交叉口信号调控方法 |
4.1 特勤路线交叉口信号控制分析 |
4.1.1 特勤交叉口禁行期间信号控制方法分析 |
4.1.2 特勤任务临时信号控制时段划分及思路 |
4.1.3 前提假设 |
4.1.4 模型参变量的定义及意义 |
4.2 预清空减压时段信号调控方法P_(E1) |
4.2.1 控制目标 |
4.2.2 特勤路线交叉口转向分析 |
4.2.3 控制目标设置及控制方法 |
4.2.4 关键车流判断 |
4.2.5 减压流量控制 |
4.2.6 特勤路线相位差 |
4.2.7特勤路线公共周期C_(G1) |
4.2.8 公共周期模型求解 |
4.2.9 控制方案过渡调整策略 |
4.3 清空限流阶段信号调控方法P_(E2) |
4.3.1 控制目标 |
4.3.2 汇入限流控制 |
4.3.3特勤路线公共周期C_(G2) |
4.3.4 控制方案过渡调整策略 |
4.4 信号恢复时段信号调控方法P_(E3) |
4.4.1 交通状态分析 |
4.4.2 控制目标 |
4.4.3 基于到达-驶离的干线信号控制方法 |
4.4.4 信号恢复方法 |
4.5 各时段时间节点确定 |
4.6 本章小结 |
第5章 特勤任务影响区域交通特征分析及控制方法 |
5.1 特勤任务影响区域交通特征分析 |
5.2 特勤任务影响区域控制目标 |
5.3 基于交叉干线控制的控制方法 |
5.3.1 截流控制干线协调模型 |
5.3.2 拥堵区域分离策略 |
5.4 本章小结 |
第6章 模拟仿真与分析 |
6.1 模拟特勤任务背景 |
6.2 调查及分析 |
6.2.1 路网 |
6.2.2 交通运行数据获取 |
6.3 特勤路径选择 |
6.3.1 交通运行数据处理 |
6.3.2 路径选择 |
6.4 特勤路线信号控制方案 |
6.4.1 VISSIM软件 |
6.4.2 交叉口转向流量比例 |
6.4.3 现状交叉口信息及信号控制方案 |
6.4.4 特勤任务信号控制方案及仿真 |
6.4.5 模拟结果分析 |
6.5 本章小结 |
第7章 结论及展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
在学期间发表的论文和取得的学术成果 |
(7)车载飞轮电池转子动态特性仿真与研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 车载飞轮电池的研究现状 |
1.2.1 国外飞轮电池研究现状 |
1.2.2 国内飞轮电池研究现状 |
1.3 磁悬浮轴承技术的发展 |
1.4 车载飞轮电池转子动态特性研究现状 |
1.4.1 国外飞轮电池转子动态特性研究现状 |
1.4.2 国内飞轮电池转子动态特性研究现状 |
1.5 论文的研究思路及内容安排 |
1.5.1 论文研究思路 |
1.5.2 论文主要内容 |
2 车载磁悬浮飞轮电池总体结构 |
2.1 车载动力电池介绍 |
2.2 磁悬浮飞轮电池结构 |
2.3 磁悬浮飞轮电池工作原理 |
2.4 磁悬浮飞轮电池转子组件 |
2.5 磁悬浮轴承及其控制系统 |
2.5.1 轴向磁悬浮轴承 |
2.5.2 径向磁悬浮轴承 |
2.5.3 磁悬浮轴承控制系统 |
2.5.3.1 控制器 |
2.5.3.2 传感器 |
2.5.3.3 功率放大器 |
2.6 本章小结 |
3 磁悬浮飞轮电池转子系统模型搭建 |
3.1 磁悬浮飞轮电池转子组件振动数学模型 |
3.1.1 飞轮转子组件振动数学模型推导 |
3.1.2 飞轮电池振动机理分析 |
3.2 磁悬浮飞轮电池转子组件结构模型 |
3.2.1 磁悬浮飞轮转子组件零件造型 |
3.2.2 磁悬浮飞轮转子组件动力学模型搭建 |
3.3 磁悬浮飞轮电池转子组件系统控制模型 |
3.3.1 系统控制模型搭建 |
3.3.2 PID控制参数整定 |
3.4 本章小结 |
4 磁悬浮飞轮电池转子系统静态悬浮研究 |
4.1 磁悬浮飞轮电池转子系统静态悬浮仿真 |
4.1.1 仿真环境设置 |
4.1.2 仿真结果分析 |
4.2 磁悬浮飞轮电池转子系统静态悬浮试验 |
4.2.1 试验流程介绍 |
4.2.2 试验数据分析 |
4.3 本章小结 |
5 车载磁悬浮飞轮电池转子动态特性研究 |
5.1 起动和加速运动动态特性仿真分析 |
5.2 刹车与减速运动动态特性仿真分析 |
5.3 转向运动状态动态特性仿真分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 主要工作和总结 |
6.2 进一步的工作展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(8)前轴双电机后轴单电机(DFSRM)四驱电动汽车驱制动控制策略及模拟试验台开发研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外四驱电动汽车研究现状 |
1.2.1 国外四驱电动汽车研究现状 |
1.2.2 国内四驱电动汽车研究现状 |
1.3 四驱电动汽车驱制动研究现状及发展趋势 |
1.3.1 驱动控制研究现状 |
1.3.2 滑行制动研究现状 |
1.3.3 复合制动研究现状 |
1.3.4 电动汽车驱制动系统模拟试验台研究现状 |
1.4 四驱电动汽车驱制动控制研究趋势 |
1.4.1 汽车电动化、智能化与自动驾驶 |
1.4.2 四驱电动汽车驱动控制的研究趋势 |
1.4.3 四驱电动汽车滑行制动的研究趋势 |
1.4.4 四驱电动汽车复合制动的研究趋势 |
1.4.5 电动汽车驱制动试验台的发展趋势 |
1.5 本文主要研究内容 |
第二章 DFSRM四驱电动汽车动力系统建构与参数匹配 |
2.1 四驱电动汽车动力系统布置方案 |
2.1.1 四驱电动汽车动力系统布置方案 |
2.1.2 四驱电动汽车动力系统结构的确定 |
2.1.3 整车参数及性能指标要求 |
2.2 电机类型及驱动电机拓扑结构的选择 |
2.2.1 电机特性分析 |
2.2.2 驱动电机拓扑结构选择 |
2.2.3 前后轴驱动电机参数匹配 |
2.3 蓄电池储能系统选择 |
2.3.1 蓄电池类型选择 |
2.3.2 蓄电池储能系统拓扑结构的选择 |
2.3.3 蓄电池参数的匹配 |
2.4 DFSRM四驱电动汽车结构 |
2.5 DFSRM四驱电动汽车模型建立 |
2.5.1 车辆运动学重要参数推导 |
2.5.2 基于Cruise的DFSRM四驱电动汽车模型及驱制动控制系统模型 |
2.6 本章小结 |
第三章 基于转矩优化分配的DFSRM四驱电动汽车驱动控制策略 |
3.1 DFSRM四驱电动汽车驱动控制问题 |
3.1.1 DFSRM四驱电动汽车驱动控制问题 |
3.1.2 人-车-路系统对电动汽车驱动控制的影响 |
3.2 基于转矩优化分配的DFSRM四驱电动汽车驱动控制策略架构 |
3.2.1 DFSRM四驱电动汽车驱动控制策略架构 |
3.2.2 DFSRM四驱电动汽车转矩分配策略 |
3.3 基于经济性的能量消耗最小化的前后轴电机驱动转矩优化分配 |
3.3.1 电机损耗模型 |
3.3.2 DFSRM四驱电动汽车的电机负荷模式与能量节省策略分析 |
3.3.3 基于经济性的转矩最优分配控制策略 |
3.4 基于驱动意图的起步或急加速转矩补偿模糊控制策略 |
3.4.1 驾驶意图 |
3.4.2 基于驱动意图的DFSRM四驱电动汽车转矩补偿分析 |
3.4.3 基于起步或急加速工况转矩补偿模糊控制策略 |
3.5 DFSRM四驱电动汽车直行工况驱动防滑控制策略 |
3.5.1 基于DFSRM四驱电动汽车动力结构特点的直行工况驱动防滑控制策略 |
3.5.2 滑转率相近为目标的前轮驱动防滑控制策略 |
3.5.3 滑转率高选的后轮驱动防滑控制策略 |
3.6 驱动控制策略仿真及结果分析 |
3.6.1 驱动控制策略模型的构建 |
3.6.2 变加速起步工况仿真结果分析 |
3.6.3 循环工况仿真结果分析 |
3.6.4 低附着路面及分离路面驱动防滑仿真结果分析 |
3.7 本章小结 |
第四章 基于驾驶风格辨识的DFSRM四驱电动汽车平路滑行制动控制策略 |
4.1 平路滑行制动研究问题 |
4.1.1 平路滑行制动概述 |
4.1.2 平路滑行制动所需研究的问题 |
4.2 多种道路工况的滑行制动状态分析 |
4.2.1 高速公路滑行制动分析 |
4.2.2 郊区/城市道路滑行制动分析 |
4.3 基于驾驶风格模糊辨识的滑行制动状态判断 |
4.3.1 滑行制动安全距离的确定 |
4.3.2 驾驶员滑行制动操作特征分析 |
4.3.3 基于驾驶风格模糊辨识的间隔时间ΔT确定 |
4.3.4 滑行制动判断流程 |
4.4 DFSRM四驱电动汽车滑行制动影响因素分析 |
4.4.1 车辆滑行制动力学分析 |
4.4.2 蓄电池的约束 |
4.4.3 驾驶员加速踏板松开速率 |
4.4.4 车辆距前方障碍物距离 |
4.4.5 滑行车速 |
4.5 基于模糊控制理论的多种道路工况滑行制动模糊控制策略的开发 |
4.5.1 道路工况对滑行制动的影响 |
4.5.2 高速公路滑行制动模糊控制策略 |
4.5.3 郊区/城市道路滑行制动模糊控制策略 |
4.6 仿真结果及分析 |
4.6.1 滑行制动控制策略的Simulink建模 |
4.6.2 高速公路工况滑行制动仿真及结果分析 |
4.6.3 郊区/城市道路工况滑行制动仿真及结果分析 |
4.6.4 滑行制动转入驱动工况仿真及结果分析 |
4.7 本章小结 |
第五章 基于制动意图识别和制动舒适性优化的DFSRM四驱电动汽车复合制动控制策略 |
5.1 电动汽车复合制动研究问题 |
5.1.1 电动汽车复合制动研究问题 |
5.1.2 复合制动评价指标 |
5.2 基于分层控制的DFSRM四驱电动汽车复合制动控制策略架构 |
5.2.1 DFSRM四驱电动汽车的电-液复合制动系统结构 |
5.2.2 基于分层控制的复合制动控制策略架构 |
5.3 上层——基于LVQ神经模糊系统的制动意图识别 |
5.3.1 制动意图分类及识别方法 |
5.3.2 基于LVQ神经模糊系统的制动意图识别模型的建立 |
5.3.3 制动意图识别的模糊推理 |
5.3.4 制动意图识别结果 |
5.4 中层——制动力分配 |
5.4.1 DFSRM四驱电动汽车复合制动力分配原则 |
5.4.2 车辆制动力学分析 |
5.4.3 制动力分配要求 |
5.4.4 电机再生制动力的约束 |
5.4.5 蓄电池的约束 |
5.4.6 前后电机单独作用的最大制动强度 |
5.4.7 电-液制动力分配流程 |
5.4.8 电-液制动力分配算法 |
5.5 下层——基于制动舒适性的执行层制动力协调控制 |
5.5.1 制动舒适性控制原则 |
5.5.2 基于制动舒适性的电-液复合制动执行层制动力协调控制 |
5.6 仿真结果及分析 |
5.6.1 复合制动控制策略Simulink建模 |
5.6.2 单次制动工况仿真结果及分析 |
5.6.3 循环工况仿真结果及分析 |
5.7 本章小结 |
第六章 DFSRM四驱电动汽车驱制动模拟试验台的研制及控制策略的试验验证 |
6.1 驱制动试验台设计方案 |
6.2 DFSRM四驱电动汽车驱制动试验台设计与开发 |
6.2.1 试验台总体结构与功能设计 |
6.2.2 动态负载模拟方案 |
6.2.3 电机的驱动控制与制动能量回收控制系统设计 |
6.2.4 液压制动压力调节系统设计 |
6.3 基于A&D5435的DFSRM四驱电动汽车驱制动控制策略硬件在环系统开发 |
6.3.1 硬件在环开发流程及硬件在环实时性 |
6.3.2 基于硬件在环仿真平台的驱制动控制系统开发 |
6.3.3 基于A&D5435的硬件在环模型建立 |
6.3.4 上位机软件设计 |
6.4 试验及结果分析 |
6.4.1 驱动控制策略试验及结果分析 |
6.4.2 滑行制动控制策略试验及结果分析 |
6.4.3 复合制动控制策略试验及结果分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 论文创新点 |
7.3 研究展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
(9)基于自动车牌识别数据的城市道路行程时间估计(论文提纲范文)
序 |
摘要 |
Abstract |
符号清单 |
1 绪论 |
1.1 课题来源 |
1.2 研究背景与意义 |
1.3 研究问题与目标 |
1.4 研究思路与内容 |
1.5 论文组织 |
2 文献综述 |
2.1 交通采集数据质量分析 |
2.2 路段行程时间估计方法 |
2.2.1 传统断面检测设备 |
2.2.2 浮动车 |
2.2.3 新型断面检测设备 |
2.3 路径行程时间估计方法 |
2.3.1 路径行程时间均值 |
2.3.2 路径行程时间分布 |
2.4 车辆行驶路线推断方法 |
2.5 本章小结 |
3 自动车牌识别数据质量分析 |
3.1 高清智能卡口系统 |
3.1.1 工作原理 |
3.1.2 布设位置及检测数据 |
3.1.3 系统性能指标 |
3.2 数据质量分析 |
3.2.1 断面数据质量分析 |
3.2.2 路段行程时间数据质量分析 |
3.3 本章小结 |
4 基于交通流方向的路段行程时间估计 |
4.1 问题描述 |
4.1.1 问题分析 |
4.1.2 不同方向交通流定义 |
4.1.3 不同方向交通流行程时间估计 |
4.2 不同方向交通流行程时间分析 |
4.2.1 实验路段 |
4.2.2 不同方向交通流行程时间显着性差异分析 |
4.3 行程时间回归模型 |
4.3.1 行程时间影响因素 |
4.3.2 回归模型建立 |
4.3.3 回归模型误差分析 |
4.4 路段行程时间估计方法改进及实例分析 |
4.5 本章小结 |
5 路径行程时间分布估计 |
5.1 研究问题及思路 |
5.1.1 问题描述 |
5.1.2 解决思路 |
5.2 准备工作 |
5.2.1 路径定义 |
5.2.2 观测数据提取 |
5.2.3 路线推断 |
5.2.4 部分路径行程时间扩大 |
5.2.5 行程时间数据分类 |
5.3 路径行程时间分布估计模型 |
5.3.1 TTPD的计算 |
5.3.2 TTD的计算 |
5.4 实例分析与模型评价 |
5.4.1 实验路径 |
5.4.2 基于实际数据的初步分析 |
5.4.3 不同算法估计结果误差分析 |
5.4.4 识别精度的影响 |
5.4.5 参数mr的影响 |
5.4.6 路径属性的影响 |
5.4.7 路径行程时间估计结果分析 |
5.5 小结 |
6 总结及展望 |
6.1 工作总结 |
6.2 创新成果 |
6.3 研究展望 |
参考文献 |
作者简介及科研成果 |
四、城市道路中的通道控制模型(论文参考文献)
- [1]管道无人机三维信息感知关键技术研究[D]. 张得沛. 西南科技大学, 2020(08)
- [2]山地城市干线多车道汇入系统协调管控方法研究[D]. 谭静. 重庆交通大学, 2020(01)
- [3]城市干线协调管控方法研究综述[A]. 谭静,彭博,杜蕊,蔡晓禹. 第十四届中国智能交通年会论文集(2), 2019
- [4]城市交通拥堵环境下的车辆低速跟驰技术研究[D]. 罗颖. 东南大学, 2019(06)
- [5]收费公路出入口匝道与衔接信号交叉口的协同控制方法研究[D]. 陈纲梅. 华南理工大学, 2019
- [6]特勤任务临时交通信号控制方案研究[D]. 刘鑫. 重庆交通大学, 2018(01)
- [7]车载飞轮电池转子动态特性仿真与研究[D]. 金光宇. 北京林业大学, 2018(04)
- [8]前轴双电机后轴单电机(DFSRM)四驱电动汽车驱制动控制策略及模拟试验台开发研究[D]. 许世维. 长安大学, 2017(06)
- [9]基于自动车牌识别数据的城市道路行程时间估计[D]. 付凤杰. 浙江大学, 2017(01)
- [10]中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报, 2016(06)