[发明专利]交通信息不确定环境下网联自动车队稳定性分析方法

说明书

本发明公开交通信息不确定环境下网联自动车队稳定性分析方法，包括：获取网联自动车队中车辆的基本信息，建立相应的动态跟驰模型；分析并确定网联自动车队的信息不确定平均水平；在动态跟驰模型基础上，利用信息不确定平均水平构建网联自动车队动态模型；引入扰动，计算扰动状态下的车队动态模型的传递函数；根据传递函数计算网联自动车队的稳定性条件，利用稳定性条件判断网联自动车队的稳定性。本发明针对交通信息不确定环境下的网联自动车队，构建相应的动态跟驰模型，能够更好地反映真实的网联自动车队跟驰特性；通过本发明提供的车队稳定性分析方法，可以获得交通信息不确定环境下网联自动车队的稳定条件。

技术领域

本发明涉及网联自动车队跟驰特性建模及稳定性分析技术，特别涉及交通信息不确定环境下网联自动车队稳定性分析方法。

背景技术

随着城市化进程的加快，人们的生活水平有了前所未有的提升，机动车作为人们重要的代步工具，已经得到了广泛的普及。机动车数量的增加不仅造成停车困难，也导致许多城市的交通经常出现瘫痪，交通拥堵已经成为常态，这样不仅造成了资源的浪费，同时汽车排放的尾气也给城市的环境治理带来了沉重的负担。为了解决关于交通的一系列问题，国内外众多学者已经从不同的角度对交通流的演化机理、交通拥堵的形成及消散机制展开了研究，根据不同交通现象交通流动的本质，指导实际的交通设计。在交通科学中，交通流动力学是最为基础的学科，通过运用多学科的知识，分析不同交通系统下人、车及路之间的相关性，找到其内在的相互关系。目前该学科正在逐步走向成熟，也代表着现代交通系统正在不断地走向完善，基于交通流动力学，建立能够反映不同交通系统一般交通特性的交通流模型，运用相关的分析方法和工具，揭示不同交通系统的交通流动演化特性，用来指导实际的交通设计与规划。

未来，交通流将由网联自动车构成，也即：网联自动车队，在构建网联自动车队模型的过程中，由于设备故障、网络波动和设备精度等原因，车辆获取的信息会与实际的信息之间存在一定的差异，这种差异导致了交通环境具有信息不确定的特征，这种信息的不确定特征会通过影响单辆车的运动状态，会间接地影响整个网联自动车队系统内车辆运行的状态，这直接关系着系统的交通流稳定性。现有模型在对网联自动车队进行建模时，较少考虑到相关交通信息的不确定性特征，因此构造的网联自动车队模型并不能完全反应实际交通状况，使得稳定性研究具有一定的偏差。

发明内容

发明目的：针对以上问题，本发明目的是提供一种交通信息不确定环境下网联自动车队稳定性分析方法，针对交通信息不确定环境下的网联自动车队，通过真车实验确定网联自动车队的信息不确定平均水平；在基础的跟驰模型基础上，利用交通信息不确定平均水平构建网联自动车队动态模型，分析在信息不确定性情况下分析网联自动车队的稳定性。

技术方案：本发明的一种基于交通信息不确定性特征的交通流稳定性分析方法，包括：获取网联自动车队中车辆的基本信息，建立相应的动态跟驰模型；通过真车实验确定网联自动车队的信息不确定平均水平；在动态跟驰模型基础上，利用信息不确定平均水平构建网联自动车队动态模型；引入扰动，计算扰动状态下的网联自动车队动态模型的传递函数；根据传递函数计算网联自动车队的稳定性条件，利用稳定性条件判断网联自动车队的稳定性。

进一步，动态跟驰模型表达式为：

式中，v_n(t)表示当前车辆n在t时刻的速度；s_n(t)表示第n-1辆车和第n辆车在t时刻的车头间距，s_n(t)＝x_n-1(t)-x_n(t)，x_n(t)和x_n-1(t)分别表示第n辆车及第n-1辆车在t时刻的位置；Δv_n(t)表示第n-1辆车和第n辆车在t时刻的速度差，Δv_n(t)＝v_n-1(t)-v_n(t)；f(·)表示非线性函数。