期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
智能网联车辆低渗透率下交叉口排队长度估计策略
1
作者 房山 杨澜 +3 位作者 赵祥模 王威 魏诚 吴国垣 《中国公路学报》 EI CAS CSCD 北大核心 2024年第11期249-261,共13页
为了提高混合交通流条件下信号交叉口的车辆通行效率,提出一种智能网联车辆低渗透率下的信号交叉口车辆排队长度估计策略。首先,根据信号交叉口上游区域车辆的随机到达特性,构建考虑智能网联车辆与人类驾驶车辆组成的车辆排队场景。其次... 为了提高混合交通流条件下信号交叉口的车辆通行效率,提出一种智能网联车辆低渗透率下的信号交叉口车辆排队长度估计策略。首先,根据信号交叉口上游区域车辆的随机到达特性,构建考虑智能网联车辆与人类驾驶车辆组成的车辆排队场景。其次,以智能网联车辆的位移差,速度差以及加速度差为输入,以人类驾驶车辆位移差为输出,建立基于Seq2seq架构的车辆微观轨迹前/后向重构模型,采用时间注意力机制判断车辆行驶状态变化的关键时域,提高模型对车辆“走-停”波的重构能力。再次,以当前信号周期排队车辆数为输入,以车辆排队长度为输出,建立基于XGBoost的车辆排队长度估计模型,可在历史样本数据较少的条件下准确估计车辆排队长度。最后,试验基于NGSIM数据集进行模型训练,在不同智能网联车辆渗透率、单信号周期以及多信号周期等条件下验证所提方法性能。结果表明:在10%~30%的低渗透率条件下,与经典时间序列预测模型RNN、LSTM、Seq2seq以及CNN模型相比,所提出的车辆微观轨迹前/后向重构模型的损失函数收敛速度较快,稳定性更好,车辆轨迹均方根误差降低了8.9%~71.7%,且能够准确描述信号交叉口区域车辆的“走-停”波;相比于基于KNN、随机森林与多项式回归模型的排队长度估计方法,所提方法的均方根误差降低了13.56%~91.99%,排队长度估计的运行时间降低至约8 ms,有效证明了所提方法在交叉口车辆排队长度估计的精确性和实时性。 展开更多
关键词 交通工程 车辆排队长度估计 车辆轨迹重构 数据驱动
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部