作者
摘要
联网车辆（CV）在解决交通问题方面显示出巨大潜力。本文提出了一个随机异质交通流的数学框架，将常规车辆（RV）和CV集成在一起，考虑了随机性、驾驶员的动态车头时距（DTH）特性和CV的信息流拓扑（IFT）。我们为RV开发了一种新的车辆允许模型（CFM），该模型考虑了驾驶员的随机性和DTH特性。此外，我们通过将连接辅助驾驶策略（CADS）集成到RV模型中，提出了CV的动态模型，其中包括基于通信范围内车辆之间的时间间隔（TH）的动态信息流拓扑（DIFT）。我们利用李亚普诺夫随机稳定性理论导出了RV和CV的二阶指数稳定性条件。通过大量的数值实验，我们研究了驾驶员随机性、DTH特性和CADS对异质交通流特性的影响。模型校准结果表明，与最先进的模型相比，所提出的模型表现出优异的预测精度，在群体驾驶员水平上提高了9.09%，在个体驾驶员水平上提高了10.47%。理论和数值实验结果表明，采用该辅助驾驶策略的CV能够有效缓解交通振荡，并且随着CV渗透率的增加，交通流稳定性也会提高。此外，CV可以有效地抑制交通流中的随机性，随着CV渗透率的增加，交通波动强度逐渐减小。不同的CV空间分布导致交通流中干扰的传播强度不同，遵循特定的双高斯分布。在各种条件下，随着CV渗透率的增加，交通速度波动和能耗的平均下降率分别为20%-50%和10%-30%。
建议引用
罗，英&陈，燕燕&卢，开明&陈，梁&张，建，2024。"考虑动态信息流拓扑和驾驶行为特征的异构交通流建模与分析,"物理学A：统计力学及其应用爱思唯尔，第637（C）卷。手柄：RePEc:eee:phsmap:v:637:y:2024:i:c:s0378437124000293
DOI:10.1016/j.physa.2024.129521
从出版商下载全文
由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:phsmap:v:637:y:2024:i:c:s0378437124000293。请参阅一般信息关于如何在RePEc中更正材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Catherine Liu（电子邮件如下）。供应商的一般联系方式：http://www.journals.elsevier.com/physica-a-statistical-mechapplications网站/。
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
