高速公路雨天环境下车辆跟驰行为安全风险分析

雨天环境下行车安全隐患突出,针对雨天环境车辆跟驰行为的追尾安全风险进行研究。首先,考虑雨天环境下车辆正常加减速以及急刹车2种条件,设计安全仿真场景,并基于实测自然驾驶数据标定的跟驰模型,进行跟驰行为安全风险仿真实验。其次,根据仿真数据,使用ITC、DRAC、DSS 3种不同类型的安全评价指标对不同降雨量以及不同跟驰场景进行安全风险评价。最后,采取统计检验的方法对ITC、DRAC、DSS 3种安全评价指标进行适用性分析。研究结果表明:在2种跟驰场景中,随着降雨量的增大,车辆跟驰行为中发生碰撞的风险均随之增大,同时潜在的碰撞风险时间也越长。以速度20 m/s、DSS指标为例,正常加减速场景不同天气状况下DSS指标所表示出有碰撞风险可能性的时间分别为:晴天0 s、小雨90.9 s、大雨100 s;急刹车场景不同天气状况下DSS指标所表示出有碰撞风险可能性的时间分别为:晴天7.0 s、小雨14.3 s、大雨20.7 s。针对不同降雨量以及跟驰场景,DSS评价指标的适用性均优于ITC评价指标和DRAC评价指标。

智能网联卡车车队混合流通行能力分析方法

智能网联卡车车队有望成为网联自动驾驶率先应用的场景之一,本文针对智能网联卡车车队混合交通流通行能力开展研究。首先,以智能网联卡车车队、人工驾驶卡车及人工驾驶小汽车构成的随机混合交通流为研究对象,考虑智能网联卡车车队规模空间分布特征,分析混合交通流中10种跟驰行为类型,理论推导其概率表达式,进而构建智能网联卡车车队混合交通流通行能力的通用性分析方法。然后,考虑实际交通流运行中卡车分布的随机性,将智能网联卡车车队混合交通流分为优势流、随机流和劣势流3种态势,以此提升混合交通流通行能力分析方法的普适性。最后,选择实测数据标定的跟驰模型进行案例分析,验证理论分析方法的有效性。研究结果表明:智能网联卡车比例提高或其车队规模增大均有利于3种态势混合交通流中车辆转换系数及相对熵的减小,从而可有效提升混合交通流通行能力。不同智能网联卡车比例条件下,智能网联卡车车队随机分布最优车队规模为2~4辆,同时,优势流、随机流和劣势流3种混合交通流通行能力依次递减。研究结果揭示了智能网联卡车车队混合交通流通行能力提升的内在机理,为未来智能网联卡车车队的运营管理提供方法支撑。