基于安全间距的车辆跟驰模型研究综述

以计算机技术和车辆跟驰模型为基础的微观交通流仿真是进行各种管控措施模拟实验和进行ITS(智能运输系统)开发研究的重要手段。仿真软件对过程的封装使用户无法全面理解其仿真模型和介入仿真过程,容易对仿真结果提出质疑。为此,对目前多数微观仿真系统使用的基于安全间距的车辆跟驰模型进行综述,介绍其构建思想和算法内核,并对算法的优缺点进行总结。     

对车辆跟驰模型的探讨

针对普遍存在的车辆跟驰问题,简述了车辆跟驰理论及其已有的一些模型,在此基础上对修正的跟驰模型提出自己的观点。     

车辆跟驰模拟模型的建立

在微观交通流模拟中 ,由于驾驶行为的不确定性 ,难以建立精确模型。本文以“期望间距”为基准参量 ,考虑驾驶员的心理和生理因素 ,建立了车辆跟驰模型 ,为研究驾驶行为提供了一种新的思路     

考虑车辆动力性能的跟驰模型

针对传统跟驰模型产生过大的加速度问题,采用可变的期望间距模型,并考虑车辆所允许的速度与加速度取值约束,建立了考虑车辆动力性能的微观跟驰模型,模拟加速度与速度、车间距的变化关系,并进行仿真分析。研究结果表明:加速度最大值取4 m/s2时,流量-密度曲线由线性区自由流和非线性区协同阻塞流组成;当加速度最大值为5 m/s2时,流量-密度曲线分成3段,分别是线性区自由流、非线性区协同阻塞流和交通量基本恒定的宽幅阻塞流;随着加速度的变大,流量-密度曲线由2相变成3相,且协同阻塞区变宽,交通流的稳定性变差;同Bando模型及多相模型相比,该模型能更好地反映交通流的实际特性。     

车辆跟驰模型的发展综述

对车辆跟驰理论进行概述,分析车辆在非自由状态行驶下的跟驰特性。跟驰模型在近70年的发展历程中,吸引了交通工程学、统计物理学、心理学等不同领域的专家参与研究,建模时考虑因素由单一到多元、由简单到复杂,随着模型的不断发展,逐渐贴合于实际交通状况;分析了刺激-反应类模型、安全距离Gipps模型、优化速度FVD模型、元胞自动机模型,重点剖析了四类模型的建模思路和改进过程,对经典跟驰模型进行总结对比;展望了跟驰模型未来发展的趋势,指出在无人驾驶和智能网联的大环境下,基于机器学习的安全跟驰状态辨识方法研究、基于机器学习的跟驰特性研究及基于多元信息融合的跟驰模型构建等将是未来的发展方向。     

交通微观仿真跟驰特性的研究与实现

采用高级程序设计语言Visual Basic构建了针对典型路况——交叉路口的微观跟驰仿真模型,并与实际路况相联系,针对制约性、延迟性和传递性对跟驰模型仿真曲线进行了讨论,力求使该模型更好的贴近真实的交通状况.     

基于最紧邻前车加速度信息的跟驰模型

为了提高车流的稳定性能,考虑最紧邻前车加速度信息的影响,在优化速度差模型(Optimal velocity difference,OVD)的基础上,引入参数p表示驾驶人对最紧邻车辆加速度信息的关注程度,提出了含加速度项的跟驰模型。通过线性稳定性分析,得到交通流的临界稳定判据。数值仿真表明新模型与OVD模型比较,通过调节参数p,可以避免在低敏感系数下OVD模型中负速度现象的出现,同时,加速度效应对车流致稳效果更加明显。因此,研究模型能更有效地增强车流稳定性能和更好地描述实际交通流现象,为多车协同驾驶策略提供了先导作用。     

基于车辆跟驰理论的交通流动力学模型与数值仿真

为改进交通流模拟,提出了微观与宏观统一的交通流动力学模型.从微观的车辆跟驰模型出发,假设路段单元体中的车流为整体,且单元体的运动遵守拉格朗日坐标系下的车辆跟驰运动模型,那么该模型在变换为欧拉坐标后,与流量方程结合,推导出宏观的交通流动力学模型.模型分析和数值仿真表明该模型能够良好地模拟交通流的堵塞和疏导等现象.     

基于前车制动过程的车辆跟驰安全距离模型

在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。通过Matlab仿真计算,从理论上验证了该模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题。最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。     

一种基于动态期望车头时距的跟驰模型

现有跟驰模型把期望车头时距视为常量,因实际交通流具有动态性,静态期望车头时距模型并不能确切地描述现实交通流.提出了一种动态期望车头时距的跟驰模型,将其车头时距用韦布尔分布拟合,使其成为随跟驰车辆性能差异和驾驶员自身差异而变化的动态变量.仿真结果表明,基于动态车头时距的跟驰模型能使后随车车速的平均绝对误差从1.715 9 m/s降至0.762 9 m/s,优于静态常量期望车头时距跟驰模型.     

基于神经网络方法的集成式驾驶员跟车模型

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.     

Polymerisation control and its headway

对聚合过程控制工作的近期成果及主要问题做了述评 ,重点为聚合物的质量控制 ,如聚合物基本分子参数的间接控制与直接控制等。     

聚合控制及其进展

对聚合过程控制工作的近期成果及主要问题做了述评, 重点为聚合物的质量控制, 如聚合物基本分子参数的间接控制与直接控制等。     

微观交通流中跟车模型的仿真研究

在研究跟随状态中车辆运行特性的基础上,提出了一种新的跟车模型.与传统的跟车模型相比,新模型考虑了车辆的长度,并将传统模型中的期望间距转换为期望车头时距,反映了后车速度对跟车状态的影响.采用实际道路上的车辆跟车数据,在Simulink环境下,对2种跟车模型进行了仿真分析,结果表明在一定程度上,由于考虑了更多实际情况,新模型优于传统模型.为了能反映车辆在实际中加速、减速以及不同跟车类型的差异性,给出了进一步改进新模型的方向.     

考虑双前导车的跟驰与换道联合模型

针对现有跟驰与换道模型没有同时考虑驾驶者决策过程中前瞻性的问题,在全速差跟驰模型及概率式换道模型的基础上,提出了一种考虑双前导车的跟驰与换道联合模型,并给出了模型参数的辨识方法.应用美国NGSIM开源交通流数据库中美国I80高速公路Emeryville路段的车辆行驶轨迹数据,分别采用轨迹标定法和极大似然法对所提模型中的跟驰模型和换道模型进行了参数标定,并参照NGSIM数据库中的交通环境设计了数值仿真实验.仿真实验结果显示,交通流平均速度、车速离散度与实测数据的误差均在5.0%左右,换道次数和换道率的误差均小于20%.所提出的模型能够准确描述多车道高速公路交通流的微观特性,适合用于模拟实际多车道高速公路交通流的动态特征.     

考虑预估驾驶行为的跟驰模型及其稳定性分析

在 OV 模型的基础上,进一步考虑预估驾驶行为对车流的影响,提出一个新的跟驰模型以获得预估驾驶行为与交通拥堵的关系。通过对新模型进行稳定性分析得到了系统的临界稳定条件。数值仿真结果表明：新模型能够模拟诸如时停时走、系统临界相变等实际交通现象,较 OV模型更贴近于实际。同时,预估驾驶行为增强了交通流稳定性能,提高了车流陷入交通阻塞状态的阈值。最后以车速的平滑度和波动幅度最小为评价指标得到了新模型中预估参数的最优取值范围。     

改进Newell跟驰模型与实证研究

为了克服Newell跟驰模型单一考虑跟驰车与前导车之间的车间距进行速度优化描述车辆跟驰行为的不足,在同时考虑车间距和速度差对车辆跟驰行为影响的基础上,提出了一种改进Newell跟驰模型。通过对模型进行稳定性分析,得到了模型的稳定性条件。并通过在西安市二环南路西段实地拍摄视频采集得到的数据,对模型的参数进行了标定;最后分别采用上述模型对未来交通流趋势进行仿真预测,通过预测结果与实测数据的对比分析,证实了改进Newell模型的有效性。