基于元胞自动机的激进型驾驶行为换道模型

为研究实际高速路激进型驾驶行为对交通流的影响,对NGSIM中80号州际公路(I80)数据进行分析。通过对数据中车头间距、车辆换道等参数的分析,提出了针对激进型驾驶行为的换道模型。运用元胞自动机,在单车道VDR模型和双车道STCA模型基础之上采用动态换道概率并建立了ISTCA模型。通过对不同道路密度条件下换道行为进行模拟仿真,并与STCA模型进行对比分析。仿真分析表明,在一定密度范围内,ISTCA模型能有效提高道路的通行能力。

左转车驾驶风格对直行车交互行为影响

驾驶风格是交通路口左转事故的主要成因,研究直行车面对不同驾驶风格的左转车速度变化能有效解释事故发生的原因,因此通过对北京市昌平区、海淀区、平谷区的三个交通路口进行实地观测,通过录像记录左转车转向角度,速度等指标以及直行车速度变化情况。观测时间选取7个工作日和4个节假日的高峰与非高峰时段。通过转向角度、速度等指标对左转车驾驶风格分类并比较其对直行车速度的影响。结果表明:左转车辆为激进型驾驶风格时,在工作日直行车大部分会保持原速行驶,因此容易导致事故的发生;在节假日大部分会选择减速行驶。面对保守型驾驶风格时,在工作日驾驶员大部分会选择保持原速行驶,在节假日依然如此。可见在时间的影响下,激进型的驾驶风格可能会诱发交互车辆的激进型行为;而保守型驾驶在任何时段下都会诱发交互车辆的激进型行为。研究所得结果可为预测混合交通的潜在后果提供参考,从而在未来使自动驾驶汽车更好融入混合交通道路中。

基于实测数据的交通流模型比较研究

依据上海延安高架路段的交通流录像资料提取的26000余组实测数据,作出流量-密度图,发现随着路段整体平均密度的递增,Kerner指出的低密度自由流阶段的曲线特性越来越不明显;而在整体平均密度较低的情况下,又存在一定数量的高速度高密度数据.利用观测得到的大量数据,在按密度划分的不同区间内对已有的多个平衡函数进行最优筛选,得到分段平衡函数的表达式,使交通流模型更加贴近真实交通状况.最后提出了基于实测数据计算激进型驾驶者比例的方法,该方法的关键在于利用各种经过特征值变换后的平衡函数形式模拟已有数据的区域边界.