python，跟驰模型，元胞自动机模型，IDM模型，改进的IDM模型，交通流基本图，周期性边界，交通仿真模型，异质交通流稳定性分析，智能网联车辆渗透率，CAV，敏感性分析
2023-03-30 08:41:44
9KB
1
包括AfterLogic Webmail Lite PHP跟WampServer集成环境！还有hMailServer的webMail配置文档说明。
2023-03-19 20:38:31
29.42MB
1
笔记： 2019-12-30 更新：添加 R2019b 版本。 修复版本可比性问题。 没有添加新功能。
1. 第一次运行可能需要几分钟才能启动。 这是正常的，因为 MATLAB/Simulink 正在执行 C 代码生成以加快执行速度。 一旦代码生成完成，Simulink 模型或库就会打开，下次不会花费太多时间。
2. VANET_Toolbox r2018a 将在未来版本中移除。
车载网络模拟器 VANET 工具箱是一个 Simulink 库。 该库包含主要的车载网络层、APP 层、MAC 层和 PHY 层。
APP 层负责消息生成和车辆移动模型。 目前，APP 层生成的消息包括基本安全消息（BSM）和变道消息。 移动模型包括跟车模型（CFM）和变道模型（LCM），用户可以模拟刹车和变道行为。
MAC 层根据 IEEE 802.11p 实现了增强型分布式信道接入 (EDCA)。
2023-03-12 16:27:45
5.85MB
1
利用NGSIM数据处理程序（跟驰车辆）对NGSIM数据集进行处理得到的数据。处理过程是以目标车辆和前车为切入点，获取目标车辆跟随某一辆前车在连续时间戳下跟驰行驶的相关信息，信息包括目标车的横纵坐标（位置信息）、速度信息、加减速度信息、车道编号、前车ID、后车ID、与前车保持的车头间距和车头时距。目标车辆和前车的相关信息经过处理后存放在同一的文件夹中，文件夹是以目标车辆ID和其对应的前车ID组成，方便信息获取。
NGSIM数据集获取地址：https://download.csdn.net/download/weixin_50632459/40639518
NGSIM数据处理程序（跟驰车辆）获取地址：https://download.csdn.net/download/weixin_50632459/40632963
2023-03-01 13:50:22
35.41MB
1
线性跟驰模型的matlab代码扩展卡尔曼滤波器项目入门代码
无人驾驶汽车工程师纳米学位课程
背景
卡尔曼滤波器可用于估计系统状态。
在无人驾驶汽车的情况下，用例例如是无人驾驶汽车跟踪另一辆行驶中的汽车的状态。
该移动车辆的“状态”可以用px，py，vx，vy（X和Y方向上的位置和速度）表示。
这些状态变量可能无法直接观察到，因此需要通过从自动驾驶汽车上的传感器获取的LIDAR和RADAR测量值进行估算。
卡尔曼滤波器的直觉（来自Udacity的演讲）
卡尔曼方程式包含许多变量，因此这里是一个高级概述，以使您对卡尔曼滤波器的工作有一些直观认识。
预测假设我们知道对象的当前位置和速度，并将其保存在x变量中。
现在一秒钟过去了。
我们可以预测一秒钟后物体的位置，因为我们在一秒钟之前就知道了物体的位置和速度。
我们只是假设物体保持相同的速度运动。
x'=
Fx
+ν方程为我们进行了这些预测计算。
但是也许物体没有保持完全相同的速度。
也许物体改变了方向，加速或减速。
因此，当我们在一秒钟后预测位置时，不确定性就会增加。
P'=
FPFT
+
Q表示不确定性的增加。
过程噪声是指预测步骤中的不确
2023-03-01 10:52:41
3.86MB
1