检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]浙江省交通运输科学研究院,浙江杭州310023 [2]同济大学道路与交通工程教育部重点实验室,上海201804
出 处:《公路与汽运》2024年第2期20-26,共7页Highways & Automotive Applications
基 金:浙江省级重点研发计划项目(2021C01011);中央高校基本科研业务费专项资金资助项目(22120220369)。
摘 要:车辆结群向前行驶是高速公路上连续交通流中的常见现象。群内车辆发生异常行驶行为会影响周边相邻多辆车辆,易引发交通事故。而目前采用的快速识别高速公路上车群的方法存在局限。文中基于车辆微观运动状态,提出高速公路上车间互扰程度大的车群自动识别方法,基于路段全样本车辆轨迹数据和责任敏感安全模型计算相邻车辆间的互扰强度,借鉴复杂网络理论将多车间的扰动关系转换为网络图,并基于社区发现算法实现车群自动识别。基于Highway Drone(High D)数据集进行实例验证,结果表明,随着速度的增大,车间互扰强度增大;采用文中车群识别算法能自动实现车群识别,且车群内的车辆互扰强度明显大于车群间的车辆互扰强度;车群内速度波动越大,存在风险的车辆对个数越多。
关 键 词:公路交通 高速公路 车群识别 车间互扰 路侧感知 轨迹数据 社区发现
分 类 号:U491.112[交通运输工程—交通运输规划与管理]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:3.144.255.53