| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 智能车辆发展研究 | 第13-14页 |
| 1.2.2 交通流模型及仿真研究 | 第14-17页 |
| 1.2.3 交通状态估计模型方法研究 | 第17-19页 |
| 1.2.4 国内外研究总结 | 第19页 |
| 1.3 本文主要内容 | 第19-21页 |
| 1.4 论文技术路线 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 智能网联车辆与人工驾驶车辆模型概述 | 第23-31页 |
| 2.1 智能网联车辆跟驰模型选择 | 第23-26页 |
| 2.1.1 IDM模型概述 | 第24页 |
| 2.1.2 IDM参数标定 | 第24-26页 |
| 2.2 基于交通状态的智能网联车辆控制策略 | 第26-29页 |
| 2.2.1 IDM模型参数对车辆驾驶行为及宏观交通参数影响 | 第27-28页 |
| 2.2.2 智能网联车辆控制策略说明 | 第28-29页 |
| 2.3 人工驾驶车辆模型选择 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 智能网联车辆与普通车辆混合环境下路段交通流基本图 | 第31-39页 |
| 3.1 正常情况下交通流基本图 | 第31-32页 |
| 3.2 靠近拥挤路段交通流基本图 | 第32-34页 |
| 3.3 拥挤路段交通流基本图 | 第34页 |
| 3.4 驶离拥挤路段交通流基本图 | 第34-35页 |
| 3.5 本章小结 | 第35-39页 |
| 第四章 基于kalman滤波的交通状态估计方法 | 第39-45页 |
| 4.1 Kalman滤波的基本原理 | 第39-40页 |
| 4.2 宏观交通流模型——元胞传输模型 | 第40-41页 |
| 4.3 基于kalman滤波的交通状态估计模型构建 | 第41-44页 |
| 4.3.1 测量方程 | 第42页 |
| 4.3.2 状态更新方程 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 智能网联车辆与普通车辆混合车流密度估计方法 | 第45-51页 |
| 5.1 混合交通环境分类 | 第45-48页 |
| 5.1.1 数值仿真跟驰模型选取 | 第45-46页 |
| 5.1.2 仿真场景的搭建 | 第46页 |
| 5.1.3 时间平均车速、区间平均车速计算方法 | 第46页 |
| 5.1.4 仿真数据处理分析及结果评价 | 第46-48页 |
| 5.2 混合交通环境下高速公路路段密度估计方法 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 基于Vssim二次开发的仿真场景构建及交通状态估计方法评价 | 第51-66页 |
| 6.1 Vissim仿真场景 | 第51-56页 |
| 6.1.1 Vissim参数标定 | 第52-55页 |
| 6.1.2 仿真参数的设置 | 第55-56页 |
| 6.2 仿真测试及交通状态估计方法评估 | 第56-65页 |
| 6.2.1 自由流场景测试 | 第59-63页 |
| 6.2.2 全拥堵场景测试 | 第63-65页 |
| 6.3 本章小结 | 第65-66页 |
| 第七章 结论与展望 | 第66-68页 |
| 7.1 研究结论 | 第66-67页 |
| 7.2 研究展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录 | 第73-81页 |
| 作者简介 | 第81页 |
