Connecting centroids to multiple sections
February 2023: Tessa Hayman explains different options for multiple centroid connections and the effects of different parameters and assignment algorithms.
作者：Martin Hartmann
2021年10月
车辆自动化吸引了一些利益相关者，他们试图预测这项技术对道路交通的影响。 不同的利益相关者的观点可能包括从上层的交通规划政策到恶劣天气条件下验证感知传感器的操作的层面。 Aimsun通过提供模型工具和服务覆盖了整个领域的需求，从宏观模型到复杂的实时联合仿真AV的测试与代表现实交通环境的数字孪生。
在这篇文章中，我们解释并演示了在Aimsun Next中对配备了合作自适应巡航控制（CACC）的车辆进行微观仿真的使用。 从8.4版本开始，Aimsun Next包含了Milanes & Shladover, 2014[1]开发的ACC和CACC算法（这里标记为C/ACC）的本地实现。 因此，本技术注解中将控制器的实现放在微观仿真模型的背景下，描述了向用户透露的参数，并给出了一些使用控制器的实际例子。
C/ACC车辆表现出与传统车辆（在Aimsun Next中由Gipps模型控制）明显不同的跟车行为，令车队编组互联车辆之间的时间间隔很短。 让我们总结一下Aimsun Next中微观仿真背景下关于C/ACC算法的最重要的信息：
接下来，有5个状态 应用于配备CACC的车辆:
* 前面的车辆可以是未装备的车辆，配备ACC或CACC的车辆，在ACC净距下限或CACC差距下限之内
Aimsun Next中的C/ACC模型采用了CAMP向前碰撞预警算法[2]。 该算法包含在模型中，以检查目标车辆和领车之间的差距是否足以实现安全跟车。 如果CAMP算法在任何时候被激活，C/ACC控制器将被禁用，然后在重新进入最后的C/ACC状态之前有20秒的冷却时间。
放慢录制视频速度，并突出显示净距和巡航控制状态值
意见：你可以搜集单独车辆的时间序列值，包括 离领车的时间差距 (蓝线) 和离领车的净距 (绿线) 来可视化车辆行为。
放慢录制视频速度，并突出显示净距和巡航控制状态值
放慢录制视频速度，突出显示差距和巡航控制状态值
在已执行的模型中，一个真正的车队编组的领车可以被贴上不同的CACC控制状态标签（即使车队编组的规模=1）。
[1] Vicente Milanés, Steven E. Shladover. Modeling cooperative and autonomous adaptive cruise control dynamic responses using experimental data. Transportation research. Part C, Emerging technologies, Elsevier, 2014, pp.285-300. 10.1016/j.trc.2014.09.001 . hal-01091160
[2] Kiefer, R.J., Cassar, M.T., Flannagan, C.A., LeBlanc, D.J., Palmer, M.D., Deering, R.K., Shulman, M.A., 2003. Forward collision warning requirements project: refining the CAMP crash alert timing approach by examining” last-second” braking and lane change maneuvers under various kinematic conditions.NHTSA Research Report HS-809 574.
[3] Nowakowski, C., J. O’Connell, S.E. Shladover, and D. Cody, 2010, “Cooperative Adaptive Cruise Control: Driver Selection of Car-Following Gap Settings Less Than One Second”, 54th Annual Human Factors and Ergonomics Society Meeting, San Francisco, CA.
February 2023: Tessa Hayman explains different options for multiple centroid connections and the effects of different parameters and assignment algorithms.
June 2022: Aimsun Next has a specific mesoscopic merging behavior model that is controlled by the cooperation gap and merging gap parameters. Mohammad Saifuzzaman explains how to use these parameters to control merging behavior and match observed traffic flow and congestion.
分享
