交通流特征和车道使用策略来连接和自动车辆在混合交通条件

文摘

管理通道,如专用车道连接和自动车辆(骑士),不仅可以提供技术住宿但也为道路使用者所需的市场激励采用骑士在不久的将来。在本文中,我们研究交通流特征和两个配置管理巷不同市场的普及率和量化的好处的观点lane-level进展分布、燃料消耗、通信密度和网络的整体性能。结果强调实施管理的好处雷恩骑士策略:(1)专用骑兵巷大大扩展了speed-flow的稳定区域图和收益率道路容量更大。结果显示,每小时最高流量是3400辆每车道与一个骑兵巷90%的市场渗透率。(2)骑士的浓度在一个车道的结果在一个狭窄的进展分布较小(标准差)即使有部分市场渗透。(3)专用骑兵巷也能够消除duel-bell-shape分布异构交通流所引起的。(4)专用骑兵巷创建一个更加一致的骑兵密度,促进交流活动和减少数据包的概率下降。

1。介绍

流动性格局正在经历一场范式转变由于信息和车辆技术的快速进步。其中,连接和自动车辆(CAV)技术已经导致了采用下一代车辆配备的连接(即。连接车辆)和/或自动化(即。、自动车辆)。尽管CAV的巨大的效益和潜力重塑流动风景,骑士的采用,消费者仍然是不确定的(1),尽管一些较低级别的车辆自动化驾驶员辅助系统已经商业化的形式。

骑士的短期部署的特点是混合交通条件下,人为车辆(HVs)和骑士不断的相互作用。骑士的潜在好处可能抵消不同类型的车辆之间的相互作用。例如,短时间间隔后(例如,0.6 s)是唯一可行的骑兵时遵循另一个骑兵。在短期内克服这样的缺点骑兵部署、车道管理策略,如骑兵专用车道,是一个有前途的解决方案,以促进骑兵字符串的形成。实际上,莱恩战略管理是高速公路车道预留和运营在各种固定和/或实时策略针对特定的目标,比如改善交通运行(2]。还可以预见管理巷策略激励CAV的采用,就像鼓励公用或低排放汽车。

本研究的目的是调查的影响不同的车道使用策略混合交通条件下车辆轨迹,以及车道,水平。为了清楚起见,我们引用混合交通条件,条件是骑士和HVs操作在同一巷道网络在下面讨论。本文的贡献包括以下:(1)分析CAV-enhanced巷级别的交通流特征和车辆的水平(2)交通调查的性能逐步引入CAV排在不同车道管理策略(3)车道管理策略的影响从专用短程通信(简称DSRC)的角度来看

本文的其余部分组织如下。相关工作关于骑士的研究综述了混合车道的交通和管理部分2,其次是评价方法,包括定制的骑兵定义模块和场景,在部分3。并给出了仿真结果和讨论部分4。最后,结论和建议部分中讨论5。

2。文献综述

已经有许多研究在骑士的实现和评价各种交通设置。调整与我们的研究课题,我们集中我们的文献检索在骑兵研究的两个关键方面:(1)骑兵在混合交通条件下评估在网络水平,(2)管理巷CAV的策略。abbrevations使用的列表可以在表中找到1在附录中。

2.1。骑兵在混合交通条件下评价

有三个主要的方法被用来评估骑士的好处:(1)分析研究,(2)模拟评估,和(3)与装备车辆现场试验。

行车测试提供了最大程度的现实主义与装备自动驾驶系统(ADS)和现实世界的交通环境。然而,测试骑兵在公共道路上行驶的安全性和效率问题一直是主要的问题,特别是在一些严重CAV-involved事故近年来。由于安全、技术、规模和预算限制,骑兵的现场试验在当前阶段往往是小(例如,少数骑士)。结果,这些小规模的实地测试的结论可能不可靠的广义交通流水平。此外,它被卡尔拉估计,围场,数十亿公里的道路测试需要达到预期的水平的信心在安全方面的广告(3]。因此,分析和模拟方法作为两个主要的方法来评估骑士交通流的影响。

大部分的分析模型是基于宏观交通流模型和可能会经历困难忠实地获取交通网络的复杂现象,如车道下降。史密斯等人提出了一个分析框架来评估骑兵作战的好处(4]。结果表明,骑士网络流动性能改善,甚至较低的MRP和没有车道管理政策。吞吐量,没有车道管理增加了4%,10%,和16%的MPR 10%, 20%,和30%,分别。也发现车道管理政策促进均匀骑兵交通流,导致更加一致和稳定的网络输出。一个分析模型,确定最优管理巷策略提出了(5),最大的系统吞吐量在混合交通条件可以计算车辆的随机分布假设下的高速公路上。三种类型的进展(即。,conservative, neutral, and aggressive) were used in the model. Wang et al. proposed a second-order traffic flow model for mixed traffic streams with HVs and AVs. The authors found that the second-order model consistently outperformed the first-order one in terms of the accuracy of traffic density when the variability of the penetration rate increased [6]。

在走廊层面,容量4250 vph / pl(每车道车辆每小时)在(7]6公里高速公路段上与均匀分布下坡道骑士的完整市场渗透。Shladover等人的研究发现管道的容量在3600年90%的MPR骑士(8),管道容量指的是吞吐量观察一次只能巷道没有任何干扰的横向运动(9]。

Arnaout和Arnaout评估骑士在温和,饱和及过饱和的假想4-lane公路在不同市场上的需求水平缝隙。他们发现9400辆汽车可以在一小时内服务当骑兵MPR达到40% (10]。Songchitruksa等人评估网络性能与骑士26我在达拉斯高速公路,TX,发现最高的吞吐量是4400 vph MPR (50%11(即)在四个MPR场景。、10%、30%、50%和70%)。另一项研究[12)还透露,MPR骑兵的机动性效益在30%。

刘等人调查的好处减轻高速公路将瓶颈和比较中国商用飞机有限责任公司的性能与ACC在完全市场渗透。结果表明,中国商用飞机有限责任公司取得了燃料消耗减少50%(与美国环境保护署估计移动模型),同时增加走廊容量49%,相比ACC场景(13]。和随后的测试在一个18公里的sr - 99,该研究小组发现,部署车辆感知设备(VAD)装备车辆同车道管理策略是有助于改善corridor-level交通流在中低骑兵市场渗透14]。除了运动之外,综合模态发射模型(CMEM) [15],VT-Micro [16),和未来汽车系统技术模拟器(FASTSim) [17)是最常用的汽车排放模型量化的潜在环境影响部署骑士。

短时间后进展的潜在影响的骑士HVs也已在先前的研究学习。其中,KONVOI项目发现的遗留影响中国商用飞机有限责任公司司机手动驾驶脱离后的中国商用飞机有限责任公司系统[18]。近年来,驾驶模拟器被用来研究人类的行为适应司机操作附近的骑士。Nowakowski等人发现,试验参与者可能会在更短的距离后开车在中国商用飞机有限责任公司排在相邻车道上(19]。类似的研究是由古伊等人研究人类的行为适应司机沿着CACC排,两个中国商用飞机有限责任公司排配置测试:(1)10-truck排0.3 s intraplatoon进展和(2)一个3-truck排1.4 s intraplatoon进展。发现一个更小的平均观察高压进展在第一个场景中,根据该参与者花更多的时间在1 s进展,尽管这样短的进展通常被认为不安全的在之前的研究(例如,20.])。

2.2。骑士和管理通道

管理通道已经在实践中多年来改善目标操作目标,如(1)促进环保车辆提供优先使用的适应特定的旅游线路(例如,加州空气清洁汽车贴花(21),(2)鼓励公用汽车采用专用(共)车道22),(3)执行主动交通管理借助多人乘坐人数(热)车道(23]。一个骑兵巷巷管理策略的一个变体,为骑士提供专属车道使用特权。虽然巷管理策略已被广泛应用于高速公路操作成功的情况下,由于独特的操作特征的骑士,知识从传统管理车道可能不是直接转移到CAV巷的实现。

提供一个CAV-managed巷有两个主要原因。首先,CAV-managed车道可以激励骑士的适应提供优先使用管理通道,通常提供更好、更可靠的旅行,因为主动交通管理。更重要的是,独特的骑士,CAV-managed车道可以为骑士的基础运营特点提供住宿。骑兵能够运行在一个更近的进展比人类司机的协助下V2V无线通信和自动驾驶系统(广告)24,25]。因此,后意识到这么短的进展的必要条件是汽车驾驶的可用性信息的至少一个前辈在同一车道上,也就是说,通过一个骑兵后另一个骑兵。否则,骑士的字符串稳定性不能保证(26),和缺乏称为骑兵退化(27),这可能是骑士在混合交通运营的主要障碍。王等人的一个算例表明,中国商用飞机有限责任公司造成负面的当前技术成熟度多相流的稳定性(27]。

减轻骑兵退化,特别协调,当地协调,和全球协调三大战略大纲组织CAV排(28]。临时协调假设骑士抵达随机序列,不积极寻找聚类交通流的机会。推而广之,在其他骑士的概率是MPR高度相关。相反,骑士主动识别和方法现有的骑兵集群(或其他自由球员骑士)形成一个新的集群通过当地协调,无论CAV mpr。最后,全球协调(又名端到端连)需要一个高层路线规划和广泛的沟通协调车辆使用相同的术语叫做旅行对之前骑士进入高速公路部分(29日]。

成功和保持排形式,准确和具有成本效益的本地化的骑士在动态交通环境中仍然是最大的挑战之一,特别是对当地协调(28,30.]。在存在CAV-managed车道,更高浓度的骑士促进当地配合更严格要求车辆定位的准确性。此外,CAV-managed巷战略路线图的三级部署考虑市场扩散技术成熟骑士(31日]。在第一阶段,采用骑士是鼓励通过允许使用托管巷免费的。在这个阶段,以下进展管理车道上的骑士可能与所观察到的HVs的安全原因在混合交通条件。在第二阶段,较短的进展后骑士可以实现进一步提高承载能力的管理巷当骑士的需求随着熟悉的道路使用者骑士增加。在第三阶段,当MPR的骑士达到临界水平,可以实现高性能驾驶通过骑士由于均匀骑兵车道交通流的管理。

评估CAV-managed巷策略的影响,张等人相比的性能管理通道和一般建议车道(GPL)基于平均速度、吞吐量和旅行时间(32]。结果表明,速度改善管理巷是重要的比gpl。MPR和20%,潜在需求(要求不能输入仿真网络由于拥塞)下降到零。受流量的流体近似,莱特等人提出了一个算法模拟编织活动管理界面的车道和邻GPL在宏观范围内(33]。陈等人提出了一个时间部署框架,制定了网络均衡模型和扩散模型。给定的约束组候选人车道对应于现场条件,考虑不同的社会成本最小化MPR水平(34]。钟和李四车道管理策略和研究比较了福利巷GPL和管理用户的移动性,安全、排放,和股票35]。在高速公路上设置,作者推荐的最小MRP 30%部署CAV-managed胡同间,避免使用不平衡,可能降低性能31日,36]。

库姆等人提出了一种多分辨率框架研究CAV通道流动的影响。交通流为基础的静态交通分配和介观基于仿真的动态交通分配是上下两层的框架。前者产生MPR-based趋势,而后者提炼基于交通堵塞这一趋势。结果表明,它不是有利于提供收费较低的MPR激励骑士由于边际增加公路容量(37]。Ghiasi等人提出了一个分析混合交通能力模型38]。模型依赖的马尔可夫链表示异构的空间分布和随机进展。产能增加的充分必要条件证明,作者强调定量分析的重要性设置的实际进展。

引入一个骑兵巷路口走廊被报道在39]。两种构型的骑兵,连同其他车道管理,进行评估。accommendate旋转运动,实现了缓冲区,HVs可以暂时使用骑兵巷。Papadoulis等人评估的安全影响骑士使用代理安全评估模型(SSAM) [40]。时间冲突(TTC)和postencroachment时间(PET)是适应安全阈值为1.5和5 s,分别。他们观察到的安全带来更大的利益,减少交通冲突:12 - 47% 25% MPR MPR 90 - 94到100%。在[41],TTC也用于评估的安全条件HVs当骑兵本地集群策略使用。阿里等人发现司机启用了先进的交通信息的连接往往会等待更长时间和维护强制巷变化更大空间(lane的通信延迟合并援助是不显明的时候不到1.5秒)。Postencroachment时间(PET)分析还表示从骑兵实现改善旅游安全42]。

2.3。总结

绝大多数的先前的研究评估的好处骑士在一个聚合的水平总体交通改善的重点。分析模型在宏观性质在过于理想的情况下,他们很难在人类司机保理的随机性质在混合交通环境。CAV-managed巷策略可以帮助在近期部署的骑士,但它仍然是一个未开发区域,尽管越来越多的认可。

3所示。评估框架和实验设计

本研究重点分析混合交通流特性在走廊级别考虑不同的车道骑兵可机读护照和管理策略。在本节中,集成模拟试验台,交通网络,模拟场景进行了较为详细的试验研究。

3.1。骑兵的行为模型

的PTV Vissim [43),一个商业构件微观仿真方案,选择的评价。Vissim广泛适应运输从业人员和研究人员,由于其高保真仿真机制和灵活的模块。相对于其他开源交通模拟器(例如,相扑),一个预订一个商业软件Vissim是其close-sourced性质。如表所示2,一个校准魏德曼车辆模型和增强智能驱动程序模型(E-IDM) [44分别)被用来模型HVs和骑士。智能驱动程序模型(IDM)和它的变体被用来设计就像人形的ACC / CACC控制器车辆行为(45- - - - - -49]。作为无碰撞的一种改进的迭代(IDM50),E-IDM处理骑兵纵向机动。的行为模型E-IDM表达在方程(1)- (3):最大加速度;是理想的减速;是凉爽的因素;自由加速指数;是当前主体车辆的速度;是所需的速度,导致车辆的速度;最小距离;是主体车辆的加速度;导致车辆的加速度;由原始加速度计算IDM模型(50]。可以计算的最小距离 , 在哪里所需的时间间隔;和由加速度恒定加速度计算启发式(CAH)组件,在哪里亥维赛阶跃函数,用于消除消极的接近速度的车辆(44]。

在这项研究中,E-IDM模型选为纵向控制的骑士。虽然没有内置multianticipative车辆功能,文献显示,E-IDM骑士仍然是一个很好的简单的车辆模型,随机性质的人类驾驶(即删除。、自动化属性)和前车辆的加速度驱动模型(即考虑。连接属性)。如表所示3最初,所有的参数保持不变的规定(44),除了所需的时间间隔(壳体),定义两个值:0.6和1.2年代。前壳体之间的沟通时使用前面的骑兵,骑兵们成功,而后者实际上是当发生通信故障。的更新频率E-IDM模型Vissim是10赫兹。骑士的密度是用来计算交流活动以2赫兹的频率更新,以反映交通动态。每个传输被认为有五次(四重发)。至少需要一个成功的尝试传播被认为是成功的,在壳体的确定。

实现这两个车辆模型Vissim,子集的人类驾驶行为是通过调整实现车辆魏德曼车辆模型的参数,这是相对简单的。E-IDM,另一方面,是通过外部驱动模型实现的应用程序编程接口(API)和与Vissim通过动态链接库(DLL)。调用DLL在每个仿真时间步,默认的车辆行为将被重写指定的车辆类型。短距离无线通信模块,在部分稍后讨论3.2,也是实现API来实现一个基于现行交通状况的动态响应。

骑兵行为建模中最突出的特征之一是短时间的进展在车辆,由几个关键体现CAV和高压之间的区别。首先,骑士的特性转化明显低于人类的司机。这是通过车载传感器能够连续、准确地感知周围的环境。然而,由于传感器特性转化不能完全消除噪音和通信延迟/错误。第二,骑兵最小反应时间由于其算法的决策过程和计算能力。过去的研究已经发现人类司机的反应时间的影响在不同的交通现象,包括容量下降(51)和流稳定(47),而驾驶仿真测试表明,连接增强的信息可以减少司机的反应时间(52]。

此外,人为因素起着关键作用的恢复控制骑兵当一个广告退出其业务领域(例如,高风险的碰撞,传感器故障,和通信干扰)。定量的证据关于控制的过渡从交通心理学、人机交互仍然有限53),虽然提出了一些框架来模拟人类行为内生(时54,55]。例如,前景理论是用来模拟人类感知风险和56,57]。拮抗平衡理论(即风险58)是采用建模认知过程的信息和物理性能之间的关系。任务的能力接口(59)是受雇于Saifuzzaman等人量化态势感知的一个司机。

卡尔弗特和van Arem开发了一个框架,包括驾驶任务需求和司机饱和度(53]。框架的主要目的是评估对性能的影响在过渡的AVs控制。任务总需求、态势感知和反应时间的过渡期间从AVs控制进行了探讨。框架显示承诺能力与低层AVs捕捉人类的互动效应。然而,经验证据仍然需要放松假设用于框架不仅从认知的角度,而且从车辆动力学和车辆间的交互。

另一个人的因素是司机符合广告。因为,在低或中等程度的自动化,司机是最终负责他或她的汽车,这意味着重写,必要时,由驾驶员是可能的,这个控制权力,在极端的情况下,可以抵消骑兵技术承诺的好处。在最近的一项研究[57),Sharma等人利用前景理论模型驱动程序包括非理性的决策机制和捕获之间的负面关系进展和遵从性决定一个司机。

在这项研究中,我们代表CAV和高压的差异与不同所需时间进展通过独立的汽车模型后,使用下面的假设为骑士:(1)没有错误的车载传感器和控制器,即完美的感知;(2)没有人为因素建模与权威的转变;和(3)没有骑士的行为适应non-CAV司机。

3.2。无线通信模型

在早期的研究中,我们实现了一个包层通信模块通过Vissim API (36]。类似的适应性模型也发现在以往的研究11,36,60]。分析模型(61年)是由ns-2实证包级别网络模拟器,它返回单的概率基本安全消息的广播接收(BSM) IEEE 802.11便士,一个批准修正案针对无线接入在车载环境下(波)在802.11家庭协议。模型使用通信密度水平的概念,一个度量代表通道负载在车载通信的形式合理的传输单位时间和单位的道路62年]。数据接收率共同决定的通信和传输功率密度水平。接收概率的插图所示附录b .注意这个通信模型只适用于短距离通信的物理层(例如,没有MAC层推迟): 在哪里 四级的是二维多项式曲线拟合参数(63年附录B所示),这也是;是通信密度,事件/ s /公里;和发射功率,m;车辆每公里定期广播消息,阿明费/公里;和传输速度,赫兹。

3.3。交通网络

9.3公里4-lane假设网络与交换两个位于建于Vissim英里标记2(公里)和6(公里),分别。一个抽象的几何网络和汽车需求的起源和目的如图1。使用一个简单的合成网络的主要原因是限制变量的模拟。注意,魏德曼车辆的驾驶行为参数模型(HVs)是一样的在先前的研究[31日,41,64年,65年代表的一个子集),校准驾驶行为在维吉尼亚北部的i - 66段。主线上的需求是故意设定更高的比往常来创建一个拥挤的网络。网络的速度限制为主线设置为120 km / h。三个数据收集器放置在C1, C2,“和“C3”位置。

3.4。车道管理场景

三个骑兵车道的情况下,如表所示4在网络中实现:(1)没有管理巷(核磁测井):这个场景作为研究的基本条件。没有优先车道使用骑士,他们与HVs混合在整个网络;(2)一个骑兵巷(CAV-1):在这个策略,一个骑兵巷是实现最左边的车道(右)第四条;(3)两个骑兵车道(CAV-2):添加一个附加的骑兵巷CAV-1案例,提供两个骑兵车道在最左边的车道和second-left-most巷的巷道。它的目标是调查决斗车道配置管理。

在先前的研究显示[31日,32,66年,67年),托管车道可能会对交通产生不利影响表现如果过早地实现的,也就是说,通常与一个MPR不到30%。因此,在这项研究中,我们为“CAV-1”骑兵mpr从30%开始。用同样的逻辑,“CAV-2”情况下开始40%覆盖某些过渡MPR,因为线性外推可能撑不住了。

4所示。结果和分析

五个复制运行每个车道管理政策和mpr的组合。聚合数据收集每隔5分钟,收集原始数据在每一个仿真时间步。执行分析的五个方面:(1)交通流特征,(2)进展分布,(3)燃料消耗量,(4)无线通信,(5)网络的整体性能。

4.1。交通流特性

图2展品的speed-flow特征模拟场景MPR及以上有40%。情节是由旅游通道颜色指数“1”代表最右边的车道和“4”最左边的车道。speed-flow图是由一个稳定的地区和一个不稳定(拥挤)地区,由最优(最大值)流。可以观察到一些独特的模式。首先,不管巷管理策略,采样点越来越集中随着MPR的增加,失踪的拥挤的区域通常发现在较低的速度区域。第二,骑兵巷有一个不同的模式相比,gpl。在CAV-1这样的模式是最为明显,在最左边的车道交通样品(CAV lane)转移到正确的沿流轴。拥挤的地区消失CAV-1 MPR达到70%时所有的车道。GPs的改善是由于骑兵巷的更高的承载能力,导致更少的交通在gpl。骑兵的同质性的主要因素是交通实现流动的骑士:在情况下,来自不同车道的采样点均匀分布,与车道病例管理。 For the CAV-2 case, the separation of the CAV lanes (the left-most and the second left-most) started to appear at 70% MPR. At full penetration (100%), the traffic patterns are very similar, as the managed lane becomes irrelevant.

4.2。进展分布

仿真数据收集器收集原始数据,一个相当于现实世界的探测器(如循环探测器、摄像机和微波传感器)。通过分析高分辨率的原始数据(收集每0.1 s),进展分布在骑兵车道。回想一下,收集器放置在道路段的三个部分,如图1。

累积概率函数(CDF)曲线显示在图中3。图中的竖线的进展,当累积概率达到100%。它的斜率表示的浓度水平的样品在一个分布。在情况下,两种类型的临界点的存在:一个较低的进展造成高MPR和较高的一个进展观察到低MPR(低于40%)。CAV-1,运作模式的30%和40% mpr观测模式转变为高。2骑兵车道,CDF实验组的增加逐渐在中档MPR(40%到60%),因为欠饱和的骑兵道,见3日和4日的CDF实验组的车道。这样欠饱和情况时缓解MPR达到70%。类似的模式在CDFs观察在高MPR范围(即。,80% to 90%) regardless of the managed lane strategies, indicating a high concentration of samples with headway above 1 s.

采用两个示例Kolmogorov-Smirnov(钴)测试分析CDFs检查两个随机样本是否来自同一人口(68年]。这是一个非参数检验,没有假设是关于变量的分布(69年]。零假设( )两个示例的钴测试是两个样本集相同的连续分布。几乎所有的CDFs的成对比较低的拒绝零假设p值在0.05显著性水平,除了在40%和50%的比较。图4是成对钴的热图显示统计数据表示两个测试经验CDFs的上确界。颜色密度,更高的累积概率两个比较之间的差异情况。

HVs和骑士在每个旅行的平均进展巷图所示5。行代表了车辆类型,而列表示旅游巷。回想一下,第四列是最左边的车道。可信度,他们的平均进展减少MPR CAV-1和CAV-2病例的增加。虽然进展也能减少在核磁测井的情况下,以较小的速度。当谈到骑士,CAV-2的下降率大于CAV-1或核磁测井。周围的进展是4 s CAV-2情况下当MPR低收入或中等范围由于骑兵车道车道利用率低。CAV-2平均进展的情况下达到类似水平的同行MPR 70%,偏转角度。最低的进展取得了在所有场景是观察到70%的MPR CAV-1骑士,这对应于最大容量与所有其他因素不变。最后,骑士的进展趋势仍然是一个类似的模式四个旅游航线在核磁测井的情况下,由于骑士是均匀分布在所有车道。

图6显示进展的比较分布在最左边的车道三巷场景在不同的mpr管理。MPR 40%到70%的范围,结果表明,实现管理巷为骑士显然分布转向左边,代表小的进展。进展的分布为CAV-1或收集CAV-2成为“窄”(标准偏差),随着MPR的增加从40%降至70%。的最高本直方图CAV-1和CAV-2情况下是1 - 1.2年代当MPR低于50%。当MPR高于50%,最高的直方图变化到0.8 s - 1本。相比之下,核磁测井的情况下不表现出这种浓度模式随着MPR的增加。结果表明,均匀的交通流由骑士能够实现短进展得益于部署骑士。

4.3。燃料消耗

VT-Micro模型(16),单个车辆和操作级别排放模型,采用计算瞬时油耗率。VT-Micro模型的输入是瞬时车速和加速度,和输出是激动人心的油耗率,如方程所示(5),是瞬时速度,是瞬时加速度,和回归系数的排放和燃料消耗速度力量和加速度动力 ,分别为:

车辆数据是来自探测器的原始数据在三个位置标记在图1。燃料消耗的结果绘制在图7显示了gpl两个独特的模式和托管的车道。燃料消耗的浓度在5毫升/秒至10毫升/ s为车道,使高压操作(即。混合交通),当骑士的MPR等于或小于60%。MPR上升到60%以上时,瞬时油耗的变化降低“窄”的斜率值:5毫升/秒之间更高的浓度和7毫升/ s。

然后我们隔离CDF曲线对骑士和HVs操作时在均匀流条件下最左边的车道。更具体地说,分离CDF曲线代表0%的MPR HVs的观察在骑士队的情况下,观察100% MPR CAV-1情况。CDF曲线在图7骑士和HVs表现出两种不同的模式。前者以60%的观察低于4毫升/秒,而后者以60%的观察低于12毫升/ s与更广泛的传播。HVs的利差可能是由于人类的随机性质司机魏德曼模型(模拟的)。因此,混合交通条件是由两个相互竞争的流排泄的影响。

gpl, MPR扮演了一个角色作为每个交通流的主导地位的指标。MPR是越高,越接近CDF曲线方法的模式管理,使用骑兵。交通管理巷,骑兵是唯一控制流量。因此,燃油消耗曲线展品只有骑兵交通特点、MPR的不管。我们包括燃料消耗率CDF曲线HVs和骑士在附录C,数字8和9:数据展示转向骑兵油耗CDF随着MPR的增长模式。燃料消耗的差异之间的两种类型的均匀流可以在图中找到10在附录。

4.4。无线通信

图(11日)显示的最大和平均密度为实例V2V三巷管理政策之间的沟通。记得DSRC通信模型只处理物理层。而传输密度增加随着MPR的增加,最大密度在高于CAV-1 CAV-2,因为骑兵排被某些HVs分解,容易受到冲击。因此,交通流压缩,产生更高的交通密度,因此传输密度更高。借助CAV巷,通信密度因此维持在较低水平。骑兵巷,骑士分发纵向管理巷。核磁测井,与两个车道管理例相比,更有可能产生口袋与骑士跨多个车道的交通,导致局部高传播活动。

成功接待BSM的概率从一个领先的汽车车辆如图11 (b)。CAV-1和CAV-2场景下的概率曲线相互接近,它们表现出同样的趋势。这两条曲线的最大区别是MPR 0.04 90%。的概率成功沟通的核磁测井在高MPR范围(60%对90%)一直低于CAV-1 CAV-2。这是由于交通流量的压缩本地化冲击波。有一个整体下降趋势的概率随着MPR的增加但仍有成功率94%以上。

4.5。网络性能

在本节中使用的度量衡量的总体性能仿真网络在一个聚合的水平。吞吐量代表总数的车辆到达目的地,如图12。如前所述,网络配置了比以往更高的需求。10000 vph需求一条四车道的高速公路,网络才能够处理6500 vph没有骑士。在核磁测井的场景下,骑士的MPR增加,那么网络的吞吐量。吞吐量达到大约8000 vph mpr为40%和50%。然而,MPR 60%,网络吞吐量提高和保持在同一水平9600年再次vph MPR时70%以上。吞吐量CAV-1情况下开始超越核磁测井在MPR和不断增加50%,达到9700 vph MPR 70%,吞吐量开始平整的地方尽管MPR的增加。CAV-2政策,系统吞吐量只有达到同一水平的两个同行70% MPR由于未充分利用与低可机读护照CAV车道。

经历的平均延迟车辆(绘制图(13日)在网络计算的总和除以总延迟网络内的车辆和车辆退出网络。三种策略的平均延迟开始减少吞吐量水平:60%核磁测井和CAV-1 CAV-2为70%。这样的看似有悖常理的现象可以解释为考虑平均速度,如图所示13 (b):当吞吐量增加60%在MPR,直到毕业,平均速度展览一个递减的趋势,这是与车辆延误成反比关系。这一趋势是与speed-flow协议基本图。

5。讨论和结论

在本节中,我们强调前一节中,讨论研究的结果在一个寄宿生上下文。

5.1。总结

分析结果表明,骑兵的引入可以增加整个系统的吞吐量,即使在没有车道管理政策。交通拥堵地区speed-flow图消失的MPR骑士增加。这是一个迹象表明道路容量的改善由于骑士,这与以前的研究结果是一致的。更重要的是,交通拥堵地区第一个消失骑兵巷CAV-1情况下,说明骑兵交通的同质性高的结果在一个更稳定的交通流的吞吐量。骑兵车道,MPR低至40%,能够容纳更多的流量相比GP巷,它有助于缓解整个网络的拥塞。平均车辆延误展品递减的趋势,即使在MPR后网络吞吐量水平70%。这表明网络能够携带更多的流量比图指定的高需求1。

个人连续进展中为每个车道车辆测量。进展的分布,一个不仅可以测量密实度的流量也是交通流的稳定性。HVs和骑士都有一个占主导地位的进展如表所示4。在异构交通流,两个峰值,可以观察到不同的临界点的进展提供曲线。每一段表明高浓度样品的进展。一个是有关HVs的样本观察下面的进展,进展的,另一个是样品为骑士。骑兵车道交通同质性,只有一个峰值在CDF曲线。峰值的大小也取决于巷入住率,就是明证CAV-1的比较和CAV-2 MPR。two-spike模式仍然是即使在高幅度MPR(即。,60 - 80%)没有骑兵巷(核磁测井的情况)。

VT-Micro模型,产生瞬时油耗为个人车辆,是用来估计骑兵巷的环境影响。收集车辆速度和加速度作为输入,相对低的燃油消耗,而不是绝对的,是检查。不同的模式一个GPL和CAV巷观察。骑兵的平均瞬时油耗车道分布较窄。

最后,DSRC通信测量使用分析通信模型来源于包访问网络模拟器。它模拟了DSRC通信的物理层是骑士的不可或缺的元素。我们发现更低的沟通密度骑兵巷,骑士是纵向分布更均匀。通信密度越低,表明财富少拥挤的通信通道,从而增加V2V通信的性能。CAV-1和CAV-2场景相比,它更有可能在核磁测井情况下生成的口袋与骑士跨多个车道的交通,可以引入更高的局部传播活动和增加的损失BSM包。

总体的结果表明,一个骑兵巷一条四车道的高速公路网络能够有效地提供必要的技术住宿在混合交通条件下广泛的MPR。骑兵专用车道有助于保证骑士的好处,因为它创建了一个均匀的骑兵流。实现两个骑兵道,然而,可能影响整个交通,尤其是MPR CAV并不保证一个额外的骑兵的车道。

5.2。限制

而本文演示的好处胡同间CAV的级别和车辆管理,我们应该注意到在这个研究有局限性,它带来的利益人们也已经意识到在一个被控制的环境中在某些假设。首先,尽管魏德曼模型是行为健康已被许多研究人员采用模拟人类司机,驾驶员在动态交通状况的复杂性是困难的,如果可能的话,被仿真模型。此外,人类司机的行为适应的骑兵还不知道,由于缺乏经验证据在公共领域。初步结果显示,一个较小的时间进展是采用高压沿着边开车时关闭排骑士(70年]。注意,魏德曼司机行为参数校准使用字段数据,骑士还没有被部署在道路上。校准参数代表驾驶人口的一个子集,并且他们可能不是直接转移到其他驾驶条件或人口。E-IDM,而被广泛采用,不包含multianticipative车辆特性,已被提升为通过V2V通信的一个重要特性。因此,骑士的性能将更加保守。像许多现有的骑兵车辆模型,E-IDM不因素方面的人为因素,预计更明显的低水平的自动化。

此外,有几个突出问题底层自动化及其建模。骑兵,司机的接受短后进展(例如,0.6 s)仍然是一个悬而未决的问题(24),考虑到短期进展后技术实现。合理的期望,最初接受极短的进展会低,尽管它会逐渐增加,随着骑兵渗透。适应的速度,在很大程度上取决于广告从人类驾驶员水平的信心。合规从司机的水平(在缺乏自动化)也利用丰富的信息的一个重要因素带来的连通性。层驱动特性转化在应对交通信息依然存在。在极端的情况下,完全无视有用的信息可以否定连接的好处。

另一个关键问题是控制的过渡从广告回到人类的司机。按照SAE车辆自动化的定义,三级自动化(及以下)需要一个后备接受司机当广告退出其设计操作领域。等研究表明,回退过程更复杂的方式不仅仅是重新方向盘。首先,司机需要恢复交通环境的态势感知的脱离开车。认知需求的激增在初始段告司机在驾驶任务可能导致恶化的表现(例如,增加反应时间和态势感知能力不足)。这方面很少存在于当前的骑兵模型,更有可能需要一个内生的认知模型,能够考虑到驾驶任务需求和人类认知能力的司机(53]。因此,人机接口是很少在当前的仿真模型,包括一个用于这项研究。

5.3。未来的研究

未来的研究将集中在放松假设在这个研究。第一个方向是骑兵的行为建模。研究人员最近开始的人为因素方面,比如IDM模型的扩展模块驱动程序的反应先进交通信息(57),和一个显式的人类认知模型的过渡控制(53]。这样的发展提供一个很好的机会引入人为因素在混合交通流在未来。第二,最隐秘的车道通常指定为托管巷在当前实践,它要求符合条件的用户访问管理合并巷巷并引发额外的需求变化。访问计划(例如,管理巷的入口和出口点,资格)需要进一步研究诱导编织活动造成的负面影响最小化。成本效益分析也可以保证与其他新兴技术比较巷管理策略,如车辆感知设备(VAD),近期部署的骑兵。一些研究者已经开始在美国最成功的勘探巷(65年]。最后,混合交通流的特点,预计在近期部署CAV需要进一步探索。特别是,骑士在个人轨迹水平的影响,通过分析高分辨率车辆轨迹数据需要进一步探索(附录A)。

附录

答:缩写列表

使用缩写的列表中提供了表1。

无线通信模型的系数

系数得到的多项式函数 如图(14日)。值得强调的是,即使看起来微不足道的值,如果省略了,可能导致偏差的概率接收从8%到100%63年]。传输场景的概率分布曲线所示(14日)。

c .瞬时油耗高压和骑兵

瞬时油耗为高压和CAV数据所示8和9。均匀流的瞬时油耗曲线如图10。

数据可用性

部分或全部数据、模型或代码支持本研究的发现可以从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由美国国家科学基金会支持部分下批准号cmmi - 1844238。

引用

1. 彭译葶。陈,“进步、前景和自动驾驶系统的影响,“国际运输科学与技术杂志》上》第六卷,没有。3、208 - 216年,2017页。视图:出版商的网站|谷歌学术搜索
2. 技术代表、管理道:底漆,技术报告,2008年。
3. n -卡尔和s . m .围场,“驾驶安全:有多少英里的驾驶需要展示自主车辆可靠性吗?”交通研究部分:政策和实践卷,94年,第193 - 182页,2016年。视图:出版商的网站|谷歌学术搜索
4. 美国史密斯,j . Bellone美国伯兰斯菲尔德et al .,“效益评估框架自动车辆操作,“技术。代表,美国交通部,智能交通,2015年,技术报告。视图:谷歌学术搜索
5. o·侯赛因,a . Ghiasi和李x”高速公路车道管理方法与连接自动车辆混合交通环境,”2016年,http://arxiv.org/abs/1609.02946。视图:谷歌学术搜索
6. 李y . r . Wang, d . b .工作,“比较交通状态估计混合人工和自动化交通流,”交通研究部分C:新兴技术卷,78年,第110 - 95页,2017年。视图:出版商的网站|谷歌学术搜索
7. b . Van Arem c·j·g .参与和r·维瑟”合作的影响自适应巡航控制系统在交通流特征,“IEEE智能交通系统,7卷,不。4、429 - 436年,2006页。视图:出版商的网站|谷歌学术搜索
8. s e . Shladover d·苏,X.-Y。陆:“合作的自适应巡航控制系统对高速公路交通流的影响,“交通研究记录:《交通研究委员会,卷2324,不。1,第70 - 63页,2012。视图:出版商的网站|谷歌学术搜索
9. r·w·霍尔和h。j .曹”自动公路系统的能力:合并效率”《1997年美国控制会议(猫。97号ch36041)阿尔伯克基,页2046 - 2050年,新墨西哥,1997年。视图:出版商的网站|谷歌学术搜索
10. g . Arnaout和j。Arnaout”,探索合作的影响自适应巡航控制使用微观交通仿真、高速公路交通流”交通规划和技术,2014年。视图:出版商的网站|谷歌学术搜索
11. p . Songchitruksa a . Bibeka l . i林y . Zhang et al .,“将司机的行为纳入连接和自动车辆仿真,“技术。代表,推进交通中心领导和安全(阿特拉斯中心),2016年,技术报告。视图:谷歌学术搜索
12. j·j·李露出,公园,“流动的影响合作的自适应巡航控制系统(中国)在混合交通条件下,”美国交通运输研究委员会第93届会议美国,华盛顿特区,2014年1月。视图:谷歌学术搜索
13. h . Liu s e . Shladover X.-Y。陆,x菅直人“高速公路车辆燃油效率改进通过合作自适应巡航控制,”智能交通系统杂志》上,1-13,2020页。视图:出版商的网站|谷歌学术搜索
14. x h . Liu菅直人s e . Shladover X.-Y。陆,r·e·Ferlis”合作的自适应巡航控制系统建模的影响混合交通流在多车道高速公路设施,”交通研究部分C:新兴技术卷,95年,第279 - 261页,2018年。视图:出版商的网站|谷歌学术搜索
15. f .一个m·巴斯j . Norbeck)和m .罗斯”发展的综合模态排放模型:操作hot-stabilized条件下,“交通研究记录:《交通研究委员会,卷1587,不。1、52 - 62年,1997页。视图:出版商的网站|谷歌学术搜索
16. h . Rakha、k·安和a . Trani”VT-micro模型估算热稳定发展轻型汽车和卡车排放,”交通研究D部分:交通和环境卷。9日,49 - 74年,2004页。视图:出版商的网站|谷歌学术搜索
17. e·a·布鲁克j .冈l . Wang木头,s)和l . Ramroth”FASTSim:一个模型来估计车辆效率、成本和性能,“技术代表、SAE技术论文,2015年,技术报告。视图:谷歌学术搜索
18. s·m·凯西和a·k·隆德”的变化速度和速度适应增加国家最大限速后,“《安全研究,23卷,不。3、135 - 146年,1992页。视图:出版商的网站|谷歌学术搜索
19. c . Nowakowski s e . Shladover d·科迪et al .,“合作自适应巡航控制系统:测试驱动程序选择的距离,“2011年科技。代表,技术报告。视图:谷歌学术搜索
20. s . h . Fairclough a . j .可能和c·卡特”的影响时间进展反馈行为后,“事故分析和预防卷,29号3、387 - 397年,1997页。视图:出版商的网站|谷歌学术搜索
21. 美国Shewmake和l·贾维斯”混合动力汽车共乘车道,“交通研究部分:政策和实践卷,67年,第319 - 304页,2014年。视图:出版商的网站|谷歌学术搜索
22. m . Chang j . Wiegmann A . Smith, c . Bilotto”复习模式之巷性能和政策选择在美国,“技术。代表,联邦高速公路管理局,2008年,美国技术报告。视图:谷歌学术搜索
23. j . a . Gomez-Ibanez c . b . Casady m·费根j .富特和e·马什”Toll-managed道:七个项目的收益成本分析”技术。代表,2018年,技术报告。视图:谷歌学术搜索
24. c . Nowakowski s e . Shladover, d·科迪合作的自适应巡航控制系统:测试驱动程序的选择的距离现年2011岁的加州伙伴先进的交通和高速公路(路径),里士满,CA,美国技术报告。
25. s e . Shladover c Nowakowski, X.-Y。陆,使用合作自适应巡航控制系统(中国)形成高性能车辆流定义、文献综述和操作概念的选择、技术报告、加州大学伯克利分校,加州为先进的运输技术合作伙伴,2018年,https://escholarship.org/uc/item/3w6920wz。
26. d . Swaroop j·k·亨德里克,c . c .简和p . loannou”比较的间距和自动控制vehicles1进展控制律,“车辆系统动力学,23卷,不。1,第625 - 597页,1994。视图:出版商的网站|谷歌学术搜索
27. y . h . Wang秦,w . Wang和j·陈,“CACC-manual异构车辆流量的稳定与局部CACC性能退化,“Transportmetrica B:传输动力学,7卷,不。1,第813 - 788页,2019。视图:出版商的网站|谷歌学术搜索
28. s e . Shladover c . Nowakowski X.-Y。陆,r . Ferlis“dCooperative自适应巡航控制。”交通研究记录:《交通研究委员会,卷2489,不。1,第152 - 145页,2015。视图:出版商的网站|谷歌学术搜索
29. j·拉尔森,c·卡默K.-Y。梁和k·h·约翰逊”,对重型车辆排协调路线优化,”学报》2013年16日国际智能交通系统——IEEE会议(ITSC),页1196 - 1202,海牙,荷兰,2013年。视图:谷歌学术搜索
30. s Kuutti s Fallah k . Katsaros m . Dianati f·麦卡洛,和A . Mouzakitis”调查的最先进的定位技术和他们的潜力自治车辆应用程序”IEEE物联网,5卷,不。2、829 - 846年,2018页。视图:出版商的网站|谷歌学术搜索
31. z钟”、“评估的有效性管理巷快速部署的战略合作的自适应巡航控制技术”、“纽瓦克,新泽西州,美国,2018年,博士论文。视图:谷歌学术搜索
32. x张j·马、b·史密斯和j .刘”操作的绩效评估管理巷战略合作的自适应巡航控制的早期部署,“技术代表、技术报告。视图:谷歌学术搜索
33. m·A·赖特、r·霍洛维茨和A . A . Kurzhanskiy”dynamic-system-based方法建模驱动运动在通用/车道管理接口,”2018年美国ASME动态系统和控制会议2018年10月,亚特兰大,乔治亚州,美国。视图:谷歌学术搜索
34. f . z . Chen, l . Zhang和y阴,“最优部署自主车辆车道与内生市场渗透,“交通研究部分C:新兴技术第156 - 143页,2016年,美国华盛顿特区。视图:出版商的网站|谷歌学术搜索
35. z钟和j·李”,管理的有效性巷的短期部署策略合作自适应巡航控制,”交通研究部分:政策和实践卷,129年,第270 - 257页,2019年。视图:出版商的网站|谷歌学术搜索
36. z钟和j·李,“模拟框架合作与经验DSRC模块,自适应巡航控制系统”学报》第44届年会上IEEE工业电子产品的社会2018年,华盛顿,美国,http://arxiv.org/abs//1810.06510。视图:谷歌学术搜索
37. s·f·库姆、肖y、m·哈迪”评价合作自适应巡航控制系统(中国)车辆在车道管理利用宏观和介观模拟”美国交通运输研究委员会第95届会议美国,华盛顿特区,2016年。视图:谷歌学术搜索
38. A . Ghiasi o·侯赛因,z .钱和李x”混合通行能力分析和车道连接自动车辆管理模式:一个马尔可夫链方法,”交通研究B部分:方法论卷,106年,第292 - 266页,2017年。视图:出版商的网站|谷歌学术搜索
39. l . Joyoung z中,l .赵”的评价管理巷动脉部署策略合作自适应巡航控制,”交通研究委员会第96届年会学报》上美国,华盛顿特区,2017年1月。视图:谷歌学术搜索
40. a . Papadoulis m . Quddus和m . Imprialou”连接的安全影响评价和自主车辆在高速公路上,“事故分析和预防2019,,124卷,页12日至22日。视图:出版商的网站|谷歌学术搜索
41. z中,e·李和j . Lee m .内贾德“骑兵集群策略对混合交通流的影响特点:车辆轨迹数据的分析,“交通研究部分C:新兴技术文章ID 102611卷,115年,2020年。视图:出版商的网站|谷歌学术搜索
42. 阿里y, z郑,m . m . Haque”eConnectivityʼ对强制性换道行为的影响:从驾驶模拟器的研究证据,”交通研究部分C:新兴技术卷,93年,第309 - 292页,2018年。视图:出版商的网站|谷歌学术搜索
43. 从PTV检索组PTV Vissim, 2018年,http://vision-traffic.ptvgroup.com/enus/products/ptv-vissim/use-cases/junction-geometry。
44. a * m . Treiber, d .海尔宾”增强智能驱动模型访问驾驶策略对通行能力的影响,“英国皇家学会哲学学报A:数学,物理和工程科学,卷368,不。1928年,第4605 - 4585页,2010年。视图:出版商的网站|谷歌学术搜索
45. m . Wang s . van Maarseveen r . Happee o .工具,和b . van Arem”益处和风险的卡车在高速公路入口匝道附近操作,连“交通研究记录:《交通研究委员会,卷2673,不。8,588 - 602年,2019页。视图:出版商的网站|谷歌学术搜索
46. a * m . Treiber m . Schonhof, d .海尔宾”主动拥塞避免,自适应巡航控制系统设计”交通研究部分C:新兴技术》16卷,第683 - 668页,2008年。视图:出版商的网站|谷歌学术搜索
47. a . Talebpour h . s . Mahmassani f·e·布斯塔曼特评论,”司机行为建模在连接环境:综合交通微观仿真和移动无线通信系统,”交通研究记录:《交通研究委员会,卷2560,不。1,第86 - 75页,2016。视图:出版商的网站|谷歌学术搜索
48. a . Spiliopoulou g . Perraki m . Papageorgiou, c . Roncoli“acc系统的开发对改善高速公路交通流的效率,”学报》2017年第5 IEEE模型和智能交通系统技术国际会议(MT-ITS)页37-43那不勒斯,意大利,2017年6月。视图:出版商的网站|谷歌学术搜索
49. m . Gueriau r .杆N.-E。e . Faouzi j . Monteil f . Armetta, s . Hassas“如何评估连接汽车的好处呢?模拟的设计合作框架交通管理策略,”交通研究部分C:新兴技术卷,67年,第279 - 266页,2016年。视图:出版商的网站|谷歌学术搜索
50. m . Treiber a需求,d .海尔宾“拥挤的交通状态的实证观察和微观模拟,”物理评论E,卷62,不。2,p。1805年,2000年。视图:出版商的网站|谷歌学术搜索
51. c·卡尔弗特,f·l·m·范·Wageningen-Kessels s p .例如,“通过反应时间在异构交通容量下降,”交通运输工程学报(英文版),5卷,不。2、96 - 104年,2018页。视图:出版商的网站|谷歌学术搜索
52. a·沙玛,z, a . Bhaskar j . Kim和m . m . Haque”估计和比较响应时间在传统和连接的环境中,“交通研究记录:《交通研究委员会,卷2673,不。4、674 - 684年,2019页。视图:出版商的网站|谷歌学术搜索
53. s c·卡尔弗特,b . van Arem。”一个通用的多层次框架在混合交通微观交通仿真与自动汽车,”交通研究部分C:新兴技术卷,110年,第311 - 291页,2020年。视图:出版商的网站|谷歌学术搜索
54. j·w·c·范棉和s·c·卡尔弗特,”一个通用的多层次微观交通仿真理论和框架一个例子在造型司机分心,”交通研究B部分:方法论卷,117年,第86 - 63页,2018年。视图:出版商的网站|谷歌学术搜索
55. m . Saifuzzaman z郑,m . m . Haque和美国华盛顿,“理解交通滞后和流量振荡的机制通过任务难度的变化,“交通研究B部分:方法论卷,105年,第538 - 523页,2017年。视图:出版商的网站|谷歌学术搜索
56. s . h . Hamdar h . s . Mahmassani和m . Treiber cFrom加速建模行为心理学:校准,验证和探索的司机的认知和安全参数在冒险环境中,“交通研究B部分:方法论卷。78年,32-53,2015页。视图:出版商的网站|谷歌学术搜索
57. a·沙玛,z, a . Bhaskar和m . m . Haque”造型连接车辆的车辆行为关注驱动程序合规,”交通研究B部分:方法论卷,126年,第279 - 256页,2019年。视图:出版商的网站|谷歌学术搜索
58. r·福勒,”司机控制理论:从任务困难体内平衡拮抗平衡,即风险”交通心理学手册爱思唯尔,荷兰阿姆斯特丹,2011年。视图:谷歌学术搜索
59. m . Saifuzzaman z郑,m . Mazharul Haque,和美国华盛顿,”回顾Task-Capability接口将人为因素纳入模型车辆模型,”交通研究B部分:方法论卷,82 - 2015页。视图:出版商的网站|谷歌学术搜索
60. a . Bibeka p Songchitruksa, y,“评估环境的影响特别卡车多车道的高速公路上,连“智能交通系统杂志》上,卷。0,1 - 12,2019页。视图:出版商的网站|谷歌学术搜索
61. m . Killat f . Schmidt-Eisenlohr h . Hartenstein et al .,“使高效、准确的大规模模拟vanets交通管理”学报》第四届ACM国际研讨会上车辆的特设网络,第29页,圣芭芭拉分校,美国,2007年。视图:谷歌学术搜索
62. d .江、问:陈和l . Delgrossi”通信密度:车载通信通道负载度量研究,”学报2007年IEEE国际会议上移动Adhoc网络和传感器系统,页1 - 8,比萨,意大利,2007年10月。视图:出版商的网站|谷歌学术搜索
63. m . Killat和h . Hartenstein实证模型的概率包接待车辆临时网络,”EURASIP无线通讯和网络》杂志上文章ID 721301卷,2009年,2009年。视图:出版商的网站|谷歌学术搜索
64. Leidos,模拟进化合作装备车辆自适应巡航控制系统引入流量实验室,2016年,萨克斯顿交通运营、技术报告。
65. t·李,j . Ma和d·k·黑尔”专用车道右侧:另一种设计在高速公路拥堵减少合并,发散,纺织领域,“交通信,12卷,不。4、233 - 245年,2019页。视图:出版商的网站|谷歌学术搜索
66. l, m . Wang和b . van Arem”模式转换一个车道交通流的影响到一个专用CACC车道高速公路上走廊,“IEEE智能交通系统杂志》12卷,60 - 73、2019页。视图:谷歌学术搜索
67. 交通研究委员会,致力于为优先级或专用车道连接和自动车辆,国家科学院出版社,华盛顿,美国,2018年。
68. l·a·古德曼”Kolmogorov-Smirnov测试心理学研究”,心理上的公告,51卷,不。2,p。160年,1954年。视图:出版商的网站|谷歌学术搜索
69. i t .年轻,“证据毫无偏见:使用Kolmogorov-Smirnov测试的流系统和其他来源的直方图的分析,“组织化学与细胞化学杂志》上,25卷,不。7,935 - 941年,1977页。视图:出版商的网站|谷歌学术搜索
70. m·古伊k·魏德曼,a·史蒂文斯g . Brunett n . Reed,“驾驶旁边自动车辆排:短时间内进展如何影响non-platoon司机的纵向控制?”交通运输研究F部分:心理学和行为27卷,第273 - 264页,2014年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021自驾钟等。这是一个开放分布式下条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。