基于人-车-路-环境综合计算的驾驶员期望车速

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 223-227.

基于人-车-路-环境综合计算的驾驶员期望车速

王晓原，张敬磊，邢丽

山东理工大学交通与车辆工程学院，山东淄博 255000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Desired speed model based on integrated calculation of human-vehicle-road-environment

WANG Xiaoyuan, ZHANG Jinglei, XING Li

School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo, Shandong 255000, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 微观交通流仿真是智能运输系统研究与开发的重要手段。期望车速是微观交通流仿真研究的一个重要参数，受到驾驶员特性、车辆特性、道路条件、交通干扰、天气和承运任务急缓等多种因素的影响，准确确定期望车速是驾驶员行为研究的难点。从研究驾驶员心理-物理特性的角度出发，利用层次分析法，对驾驶员决策思维的递阶层次进行量化，建立基于人-车-路-环境综合计算的驾驶员期望车速模型。经过实测数据验证，该方法用于驾驶员期望车速模型的研究是可行的。

关键词: 交通工程, 驾驶员行为, 层次分析法, 期望车速

Abstract: Microcosmic traffic simulation is important means for studying the intelligent transportation systems. The desired speed is an important parameter in microcosmic traffic simulation. The desired speed is influenced by many different factors, such as the driver characteristics, the vehicle characteristics, the road condition, the traffic interference, weather and the emergency of assignment. It is difficult to determine the desired speed exactly for studying driving behavior. Based on the driver’s psycho-physic characteristic, AHP method is used to quantify the hierarchy of driver’s dynamic decision-making process. The driving desired speed model based on integrated calculation of human-vehicle-road-environment is established. The algorithm is feasible through the field data test.

Key words: traffic engineering, driving behavior, Analytic Hierarchy Process（AHP） method, desired speed

王晓原，张敬磊，邢丽. 基于人-车-路-环境综合计算的驾驶员期望车速[J]. 计算机工程与应用, 2012, 48(1): 223-227.

WANG Xiaoyuan, ZHANG Jinglei, XING Li. Desired speed model based on integrated calculation of human-vehicle-road-environment[J]. Computer Engineering and Applications, 2012, 48(1): 223-227.

[1]	康雷雷，卢维科，刘澜. 城市快速路入口匝道与交叉口协调控制策略[J]. 计算机工程与应用, 2020, 56(9): 267-271.
[2]	覃频频，裴世康，吴达，莫基强，万千. 协同自适应巡航控制车队仿真[J]. 计算机工程与应用, 2020, 56(4): 230-240.
[3]	夏新海. 城市交通信号局部博弈交互下的学习协调控制[J]. 计算机工程与应用, 2020, 56(23): 245-252.
[4]	刘期烈，李建雄. 内容中心网中多参数的缓存污染攻击检测算法[J]. 计算机工程与应用, 2019, 55(4): 130-136.
[5]	张生，李玉清，李源庆臻. 结合用户感知模型的多值CA仿真及应用[J]. 计算机工程与应用, 2019, 55(20): 250-256.
[6]	李志强1，朱望纯1，张伟昆1，2. 区域停车诱导信息发布板的选址优化算法[J]. 计算机工程与应用, 2018, 54(8): 242-246.
[7]	田启华1，黄超1，于海东2，杜义贤1，周祥曼1. 基于AHP的耦合任务集资源分配权重确定方法[J]. 计算机工程与应用, 2018, 54(21): 25-30.
[8]	王晓强，王冬. 软件需求权重的模糊网络分析法[J]. 计算机工程与应用, 2018, 54(10): 39-45.
[9]	许青林1，熊梦琪1，刘扬帆2. 一种基于航空旅客行为的旅客细分模型[J]. 计算机工程与应用, 2017, 53(24): 69-74.
[10]	任胜兵，冯迪，陈潇男. 基于最优一致性矩阵的灰色层次分析法研究[J]. 计算机工程与应用, 2017, 53(18): 44-50.
[11]	马旭辉1，滑亚飞2，何忠贺2. 基于路网可达性的交通控制子区划分方法研究[J]. 计算机工程与应用, 2017, 53(17): 224-228.
[12]	张家辰，刘浩. 移动视频体验质量的量化评价模型[J]. 计算机工程与应用, 2017, 53(12): 133-139.
[13]	孙金文，康雁，杨小东. 基于FAHP的可信软件非功能需求评估方法[J]. 计算机工程与应用, 2017, 53(11): 223-228.
[14]	刘迪1，2，朱立谷1，2，张雷1，2，冯东煜1，2. 基于强挂起弱预测机制的负载均衡模型研究[J]. 计算机工程与应用, 2017, 53(10): 90-95.
[15]	李利娟1，2，柏海1，罗晓雪1，吴军1，贾晓风1. 电网差异化规划的特殊负荷评估方法研究[J]. 计算机工程与应用, 2017, 53(1): 255-259.