融合多源信息的元胞自动机交通流模型

摘要：

针对智能网联汽车受环境天气影响易发生交通事故等问题,提出了融合多源信息的元胞自动机交通流模型.首先提出云端环境下多源信息流收集与高精地图数据融合方法,通过神经网络融合多源信息与高精地图,实现地图动态更新,为自动驾驶车辆提供更加精确的路径规划,以有效避免交通事故发生.其次,以多源信息收集模型为基础,搭建双车道交通流元胞自动机模型,从安全距离模型、跟驰规则、换道规则等方面与人工驾驶模型进行对比,以说明融合多源信息的元胞自动机交通流模型的优越性.最后利用MATLAB进行仿真.结果表明:相较于人工驾驶模型,融合多源信息驾驶模型能够增大交通流量,减少交通拥堵,且在短时间内达到稳定状态,从而将道路通行效率提高了 27％.

关键词：智能网联汽车、多源信息、神经网络、元胞自动机、交通流模型、高精度地图、数据融合

所属期刊栏目：44

分类号：U491.112(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;中国博士后基金资助面上项目;汽车仿真与控制国家重点实验室开放基金资助项目

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：680-686