博客
关于我
【源码】模拟Mcity城市交通下的自动驾驶策略仿真
阅读量:224 次
发布时间:2019-02-28

本文共 787 字,大约阅读时间需要 2 分钟。

智能交通系统(ITS)作为典型的网络物理系统(CPS),通过网络和物理组件实现对交通流量的实时监控与控制。其中,连通自动驾驶汽车(CAV)是ITS的重要组成部分,旨在通过智能化的控制算法提升道路交通效率与安全性。

ITS系统需要同时处理事件驱动动力学和时间驱动动力学。事件驱动动力学关注系统中的突发事件响应机制,而时间驱动动力学则涉及定期任务的执行与调度。基于SimEvents的离散事件仿真框架在这两方面均表现出色,能够有效验证ITS的安全性和性能,同时也为Mcity测试设施的交通仿真模型提供了可靠的基础。

本仿真框架专为CAV测试设计,具备灵活的道路/车道配置能力和完整的仪表系统,能够在微观层面深入研究交通场景。例如,在两个无信号交叉口的CAV通过优化控制策略,或者在高速公路入口匝道的CAV融合过程中选择最优控制器或控制屏障函数,均可通过该框架进行模拟验证。此外,研究还可聚焦于信号交叉口的排队行为,分析不同车辆类型(CAV与非CAV)的互动机制。

该框架整合了MATLAB、Simulink和SimEvents等多种工具箱,具备高度的灵活性和扩展性。用户可根据具体研究需求,通过配置MATLAB离散事件系统模块的参数,选择不同的控制算法进行测试。例如,在高速公路入口匝道CAV的融合过程中,可以选择优化控制器或控制屏障函数进行对比研究。

在仿真过程中,需注意设置其他场景(如无信号交叉口、高速公路入口匝道等)的MATLAB离散事件系统模块为“xxx_Dummy”模式,以避免干扰当前场景的测试结果。同时,若CAV或INFO实体未能自动加载,需手动双击初始化模块“init”以完成初始化。

目前,研究团队正在致力于提升仿真框架的可视化功能,并计划构建完整的城市交通网络模型,为复杂交通场景的研究提供更强大的支持能力。若您对ITS仿真框架感兴趣,欢迎深入探索其潜力。

转载地址:http://wymp.baihongyu.com/

你可能感兴趣的文章
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
查看>>
NMAP网络扫描工具的安装与使用
查看>>
NMF(非负矩阵分解)
查看>>
nmon_x86_64_centos7工具如何使用
查看>>
NN&DL4.1 Deep L-layer neural network简介
查看>>
NN&DL4.3 Getting your matrix dimensions right
查看>>
NN&DL4.8 What does this have to do with the brain?
查看>>