融入公交车与自动驾驶车队的异质交通流模型

为研究网联自动驾驶车(connected autonomous vehicle,CAV)和人工驾驶车(human-pilot vehicle,HPV)所组成的异质交通流特性及公交车驾驶行为对环境的影响,首先,分析异质交通流中的4种跟驰模式:人工驾驶小汽车跟驰、人工驾驶公交车跟驰、自适应巡航控制(adaptive cruise control,ACC)跟驰和协同自适应巡航控制(cooperative adaptive cruise control,CACC)跟驰;接着,基于各跟驰模型的特点,构建车辆跟驰和换道的元胞自动机模型,综合考虑CAV车队特性、驾驶员与CAV各自反应时间特性以及HPV加塞特性,并利用跟驰模式判断参数融合不同跟驰模式特性,实现统一的模型表达;最后,仿真分析不同CAV渗透率下CAV排队强度及公交车换道行为对交通流的影响.结果表明:在一定的CAV渗透率下,促使CAV形成队列比单纯提高CAV渗透率更能有效提升道路通行效率;适量的公交换道有助于充分利用道路通行能力,过多的公交换道则会妨碍正常交通,公交换道对交通流造成的通行效率衰减随CAV渗透率的增大而减小;同步流状态下,人工驾驶小汽车执行率与道路通行效率呈负相关关系;而在堵塞流状态下,人工驾驶小汽车执行率对通行效率影响甚微.

基于异质交通流的通行能力分析及CO_(2)排放影响

文中针对由智能网联车辆和人工驾驶车辆构成的异质交通流的通行能力问题与CO_(2)排放问题,分别选用协同自适应巡航控制模型和全速度差模型作为跟驰模型,根据所推导的基本图模型对最大限速和安全车距等参数作敏感性分析。引用CO_(2)排放模型,运用Python仿真分析不同智能网联车比例、车速等因素对CO_(2)排放量的影响。结果表明:增加车道限速值可显著提升道路通行能力;在一定仿真时间内,不论交通流是否处于平衡态,增大智能网联车辆比例,CO_(2)排放量整体均呈现降低趋势;随机改变车辆的加速度,当智能网联车辆比例大于60%,交通流恢复平衡态的时间在较小范围波动;降低最大车速、增加车头时距及增加车身长度可抑制CO_(2)排放。

不同交通管理策略下异质交通流稳定性分析

为研究智能网联车辆(CAV)对交通流稳定性的影响机理,对CAV车辆与人工车辆(HMV)构成的异质交通流,先建立车道管理策略下的交通流分配模型,提出车队管理策略下的车辆编队规模计算方法;再基于CAV与HMV车辆的跟驰模型,运用李雅普诺夫理论,搭建交通流稳定性分析框架;最后,构建异质交通流稳定性判别式,对比分析在不同管理策略下异质交通流稳定性的演变机理。研究结果表明:在随机混行条件下,当车辆速度大于23.12 m/s或CAV车辆的渗透率高于92%时,异质交通流处于恒稳定的状态;在车道管理策略条件下,当CAV车辆的渗透率低于60%时,异质交通流趋于稳定,随着CAV车辆渗透率的增大,通用车道稳定性开始逐级变差;当车辆采取编队控制算法且CAV车辆渗透率大于19%时,异质交通流处于稳定状态。CAV车辆在道路中随机混行,会对交通流的稳定性造成不良影响,而通过车道管理和编队控制,交通流的稳定性得到了明显改善。该研究可为智能网联汽车的安全管控及相关交通规划提供理论指导与借鉴。

混有协同自适应巡航控制车辆的异质交通流稳定性解析与基本图模型

针对传统车辆和协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆构成的异质交通流,研究其稳定性与基本图模型.应用实车测试验证的CACC模型和智能驾驶员模型(intelligent driver model)分别作为CACC车辆和传统车辆的跟驰模型,建立异质流稳定性解析框架,研究不同平衡态速度、不同CACC车辆比例时的异质流稳定性.推导异质流基本图模型,并进行数值仿真实验.研究结果表明,在传统车辆稳定的速度范围,异质流处于稳定状态.在传统车辆不稳定的速度范围,CACC车辆比例增加以及平衡态速度远离9.6—18.6 m/s速度范围,均能够改善异质流的不稳定性.通行能力随着CACC车辆比例的增加而提高.此外,CACC模型的期望车间时距越大,异质流稳定域越大,但通行能力降低.因此,恒定车间时距CACC控制策略下的期望车间时距取值应权衡异质流稳定域和通行能力两个方面的影响.

智能网联车环境下异质交通流稳定性及安全性分析

针对未来道路上由人工驾驶车辆(Human Driven Vehicles,HDVs)和智能网联车(Intelligent and Connected Vehicles,ICVs)所组成的异质交通流,对其稳定性与安全性进行研究.首先,利用全速度差模型(Full Velocity Difference,FVD)和协同自适应巡航控制模型(Cooperative Adaptive Cruise Control,CACC)分别描述人工驾驶车辆和智能网联车的跟驰特性.然后,通过分析不同智能网联车渗透率下异质交通流的线性稳定性,得出其稳定性条件.最后,采用数值仿真实验进行验证,选取多项安全指标评估了不同渗透率下异质交通流的安全性.结果表明:随着渗透率的增加,交通流的车速离散程度减小,即表示安全性能提高;安全指标降低比例减少,即表示交通安全风险降低.因此,智能网联车的应用有助于提高交通安全.

车联网环境下的动态异质交通流车队离散模型

传统的异质交通流车队离散模型参数估计基于历史数据,不能很好地反映交通流的动态变化特征.为解决这一问题,构建车联网环境下的动态异质交通流车队离散模型.首先,考虑到车联网环境下,车辆行程时间数据易于获得,可对模型的分布参数进行动态估计;然后,基于动态分布参数,构建动态异质交通流车队模型;最后,通过实测数据分析下游交叉口到达流量分布与上游交叉口离去流量分布之间的关系.结果表明:与经典的Robertson车队离散模型相比,动态异质交通流车队离散模型对下游交叉口的到达车辆流量分布预测效果更好,平均预测均方根误差可减少26.51%.

两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究.利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验.研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数.仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性.此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.

基于Robertson模型的异质交通流车队离散研究

为充分描述异质交通流条件下的车队离散规律,为信号协调控制提供理论基础,结合异质交通流条件下的车流特征和Robertson模型计算速度快的优点,对多股交通流分别建模,并在此基础上构建异质交通流车队流量离散模型.通过实际调查数据,分析下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型和Robertson模型与实际数据进行比较分析.结果表明,与Robertson模型相比,本文模型能够更好地描述异质交通流条件下的车队离散规律,平均预测均方误差减少了8.29%.

水上飞机与船舶的港口异质交通流建模

为有效组织水上飞机与船舶共存的港口的交通,降低碰撞风险,提高通航效率,对交通流进行建模。根据水上飞机的操纵特性和营运特征,分析其与普通船舶交通流的差异,确定两者构成港口异质交通流。应用元胞传输模型构建交通流模型。将水上飞机起降事件的交通恢复时间作为交通组织效果的表征量,分别对船舶交通流、港口异质交通流及交通组织下的港口异质交通流进行建模。通过模型敏感度分析,确定元胞内的船舶通行能力为最敏感因素。将该模型实际应用于三亚港,结果表明:港口异质交通流模型对优化港口交通组织具有指导意义。

智能网联环境下异质交通流基本图和稳定性分析

为研究人工驾驶车辆和智能网联车辆(CAVs)的混合运行对交通流产生的影响,以其基本图和稳定性为突破口研究提高异质交通流运行效率的关键技术与方法。选择全速度差模型(FVDM)作为人工驾驶车辆跟驰模型,将加州伯克利分校实车数据标定的协同自适应巡航控制(CACC)模型作为CAVs跟驰模型。建立了异质交通流基本图模型,研究了CACC车辆的混入对道路通行能力的影响;对比了不同人工驾驶模型对异质流通行能力产生的差异性。从大车-小车组成的传统异质交通流研究方法入手,利用跟驰模型建立人工-网联异质流的稳定性解析方法,并运用Matlab验证了不同CACC比例下的稳定性分析。结果表明:与人工驾驶交通流相比,CACC同质交通流的道路通行能力大约提升了95%;实验中选用不同人工驾驶模型对通行能力实验结果造成的差异不大。平衡态速度为15 m/s时,低比例CAVs(如低于20%)并不能改善交通流;当CAVs比例达到20%及以上时,异质流稳定性随着CAVs的比例增加逐渐呈现出稳定趋势;当CAVs比例达到70%以上时,异质流基本稳定。

智能网联异质交通流混合特性

为研究车联网环境下异质交通流的演变规律,基于改进的NaSch模型,针对智能网联化程度的前期、中期和后期分别进行仿真实验,得到交通流基本图,并分析通行能力与网联车渗透率的内在联系;其次,通过马尔可夫链证明了网联车形成的有序排列能提高道路通行能力,随机仿真实验验证了理论推导的正确性;最后,引入考虑车辆排列方式的相对熵,从而定量描述异质车流的有序性,阐明了智能网联车辆(connected and autonomous vehicle,CAV)改善交通状况的本质原因.研究结果表明:随着智能网联车渗透率的增加,通行能力增加,在智能网联化前期,渗透率的增加对通行能力提升较小,最高仅提升23.5%,中、后期通行能力最高能提升125.0%;在一定交通密度下,CAV渗透率与流量呈现正相关,相对熵与流量呈现负相关;智能网联车处于分离态时相对熵较小,分离态对随机混合的通行能力的提升随着CAV渗透率的增加而降低.

快速路上匝道瓶颈路段异质交通流演变规律

为了掌握快速路瓶颈路段异质交通流的演变规律,以缓解交通拥堵,本文以快速路上匝道瓶颈路段为研究对象,构建了考虑安全距离的改进NaSch上匝道模型,利用数值仿真,对不同场景交通流演化过程进行系统性研究。仿真结果显示:在不同条件下,异质交通流中自动驾驶车辆比例的增加对瓶颈路段交通运营状态影响结果各异。在自由流阶段,自动驾驶车辆比例的增加对快速路瓶颈路段运营通行能力的增加无显著影响,自动驾驶车辆比例取0.9时,瓶颈路段运营通行能力反而降低了2.48%;在交通拥堵状态下,当异质交通流中自动驾驶车辆比例达到0.7及以上时,才有助于交通拥堵的消散,且其临界值随交通拥堵状态程度的提高而增大;当交通密度达到100 veh/km以上时,自动驾驶车辆比例的增加无法实质性改善瓶颈路段交通拥堵状态。研究结果可为异质交通流环境下的快速路上匝道瓶颈路段的治堵策略提供理论依据。

智能网联环境下多车道异质交通流建模与仿真

为探究智能网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)与人工驾驶车辆(Human Driving Vehicle,HDV)混合行驶的多车道异质交通流运行特征,本文剖析了异质交通流中不同类型车辆的跟驰模式,提出不同类型车辆双车道及多车道换道模型,进而构建了多车道异质交通流仿真模型,并分析了不同CAV混入率下的道路通行能力及换道行为特征。研究结果表明,随着CAV渗透率的提高,单车道通行能力由1678 pcu·h-1提升至4200 pcu·h-1,交通流临界密度由25 pcu·km-1增长至35 pcu·km-1,同一渗透率下不同车道数的道路通行能力及临界密度值呈现显著差异性。异质交通流换道行为呈现三阶段特征:在低密度下,不同类型车辆均可自由行驶及换道;密度在20~100 pcu·km-1时,车辆换道频率呈“上凸”状,CAV渗透率越高,HDV凸形峰值越大,而CAV峰值较低;在高密度下,受可换道空间的约束,不同类型车辆均无法完成换道。此外,进一步讨论了不同CAV渗透率及密度条件下的异质交通流仿真效益,包括交通量提升及秩序改善特征等。研究成果有助于理解智能网联环境下多车道异质交通流运行状况,为未来异质交通流管理提供理论参考。

基于数字孪生技术的异质交通流安全性研究

针对由智能网联车和普通车构成的异质交通流,通过分析不同异质交通流稳定性方法的优劣,用数字孪生技术构建城市异质交通流模型,借助仿真测试工具,探讨复杂异质交通流的安全性和稳定性问题。在构建的模型基础上,结合数字孪生的运行机制,揭示数字孪生物理实体和虚拟空间的运行机理。采用数字孪生技术搭建丰富的测试环境,运用无人驾驶开发软件PanoSim,对异质交通流模型进行测试。测试结果表明,用数字孪生技术在有限资源条件下构建的虚拟复杂驾驶场景能够有效地解决异质交通流安全性问题。

智能网联环境下复杂异质交通流稳定性解析

针对网联车辆与普通车辆构成的异质交通流,考虑网联车辆车对车(V2V)、车对基础设施(V2I)不同通信技术,研究复杂异质交通流稳定性.基于李雅普诺夫理论,分析对比不同通信技术下网联车辆与普通车辆构成的异质交通流稳定性;基于V2V、V2V/V2I的网联车辆和普通车辆以不同比例混合时,进行异质交通流稳定性判别及稳定域解析.通过数值仿真,验证理论解析的正确性.研究结果表明,基于V2V/V2I的网联车辆比基于V2V的网联车辆混入对异质交通流稳定性改善效果更显著.基于V2V、V2V/V2I的网联车辆同时汇入普通车辆交通流的情况下,当基于V2V的网联车辆比例较低时,不会明显提高异质交通流稳定性;而基于V2V/V2I的网联车辆即使在低比例时,也会显著改善交通流稳定性;且基于V2V网联车辆比例较低时,平衡态临界速度值随着基于V2V/V2I网联车辆的比例增加近似呈线性减小.

智能网联车环境下异质交通流稳定性及安全性分析

本文主要针对未来道路上由智能网联车辆和人工驾驶车辆所构成的异质交通流进行分析,重点研究其安全性与稳定性首先根据全速度差模型与协同自适应巡航控制模型,对智能网联车具有的跟驰特性进行描述,通过对不同智能网联车渗透率下的抑制,交通流的线形稳定性进行分析,获取其稳定性条件,最后利用数值仿真模拟实验完成验证,选择多项安全指标,对不同渗透率下的异质交通流的安全性进行评估,经过结果表明随着渗透率的不断增加,交通流的车速离散程度也会降低,这也就说明,其安全性也可以随之提升,安全指标降低比例的减少也就说明交通安全风险也在逐步降低,所以说智能网联车的应用可以有利于交通安全性的提升。

高速公路隧道与互通立交衔接段异质交通流演化规律

为了分析异质交通流环境下高速公路隧道与互通立交衔接段交通流演化规律,结合智能驾驶员模型及协同自适应巡航控制模型,考虑智能网联车辆与人工驾驶车辆特性,构建了改进NaSch模型作为异质流的纵向跟驰模型,基于高速公路隧道与互通立交衔接段车辆的行驶特性,建立了横向换道模型,通过仿真对不同场景下的交通流演化规律进行了研究。仿真结果表明:在120 km/h的主线限速场景下,衔接段长度500 m以上能够提高衔接段运营通行能力7.6%~9.67%;当异质流中自动驾驶车辆比例大于0.6时,可以提高衔接段通行能力35.25%~94.60%。研究结果可为将来异质流环境交通管控提供决策参考。

异质交通流分布已知条件下的车队离散模型

公路智能交通信号控制中车队离散规律是最为重要的理论基础,为对异质交通流环境下的车队离散情况做出更加合理的描述,本研究依据Robertson模型的相关理论方法研究了已知异质交通流分布条件下的车队离散模型,通过VISSIM仿真数据,分析了上、下游交叉口流率随时间转换之间的关系,将结果与原始的Robertson模型计算结果进行比较.结果表明:在已知异质交通流分布的条件下,本文模型预测的下游交叉口流率能更好的表达异质特性,预测均方误差减少7.78%.

异质交通流环境下无信号T形交叉口控制策略

针对无信号控制T形交叉口,提出一种异质交通流环境下交叉口的分级限速控制模型.根据异质交通流的车辆运行特性提出分级限速的概念,并建立交叉口的车辆信息矩阵.构建以车流通过冲突区域时间最短为优化目标,以保证冲突车辆安全行驶的时间间隔为约束条件的线性规划模型.通过MATLAB搭建仿真平台对所提出的模型有效性进行试验验证.结果表明:在混合行驶的交通环境下,当车辆到达率为0.30~0.50时,本研究所提模型可以在传统控制模型的基础上提升交叉口通行能力约20%;分级限速控制模型下智能网联车辆渗透率达到0.90时,最多可以增加交叉口约17%的通行能力;所提模型能有效提高道路资源利用效率,保证主路运行通畅的情况下大幅降低支路车辆延误.

考虑车辆异质性的堵塞交通流模型研究

为研究交通事故对高速公路交通流的影响,以双车道安全距离元胞自动机模型为基础引入强行变道规则,建立了考虑车辆异质性的高速公路车辆堵塞模型。利用MATLAB数值模拟高速公路异质交通流,分析不同交通密度情况下的交通事故持续时间以及重载货车占比对高速公路堵塞交通流的影响。研究表明:交通事故持续时间及重载货车占比均对高速公路堵塞交通流具有显著影响;当车辆密度大于4veh/km小于80veh/km时,交通事故持续时间对交通流有着显著影响,且持续时间越长对交通流的影响越大;当车辆密度小于30veh/km时,重载货车占比对交通流有着显著的影响,并且占比越大对交通流影响越大。