一种利用拉格朗日与欧拉观测进行轨迹重建的时变激波速度模型
系统与控制
2025-01-24 v1 系统与控制
摘要
精确推断车辆轨迹对于交通流建模、能耗估算和交通流优化等应用至关重要。静态传感器只能提供聚合信息，这给重建个体车辆轨迹带来了挑战。激波理论被用来再现传感器之间发生的振荡。然而，随着网联车辆的兴起，探测车数据为更精确的轨迹重建提供了重要机遇。现有方法依赖于欧拉观测（如来自静态传感器的数据）和拉格朗日观测（如来自探测车的数据），并结合了激波理论和跟驰模型。尽管取得了这些进展，一个普遍存在的问题在于激波速度的静态赋值，这可能无法反映由变化的响应时间和车辆动力学引起的短时交通振荡。此外，能耗估算在很大程度上被忽略了。为此，本文提出了一种整合欧拉观测和拉格朗日观测进行轨迹重建的新框架。该方法引入了一种用于时变激波速度的标定算法。然后，利用标定后的网联车激波速度，基于激波理论重建其他非网联车的轨迹。此外，还引入了车辆和驾驶员动力学来优化轨迹并估算能耗。使用真实世界数据集对所提方法进行了评估，结果表明其在轨迹精度、再现交通振荡和估算能耗方面具有优越性能。
引用
@article{arxiv.2402.00063,
title = {A Time-varying Shockwave Speed Model for Trajectory Reconstruction using Lagrangian and Eulerian Observations},
author = {Yifan Zhang and Anastasios Kouvelas and Michail A. Makridis},
journal= {arXiv preprint arXiv:2402.00063},
year = {2025}
}