微观交通仿真中的驾驶员模型
微观交通仿真综述
微观交通仿真综述微观交通仿真是一种用于研究交通系统运行和优化的重要工具。
它通过模拟大规模交通系统中个体行为和交互，以及道路网络的拓扑结构和交通信号控制等影响因素，来评估不同交通策略的效果和预测交通系统的性能。
微观交通仿真通常包括以下几个步骤：建立交通网络模型、定义车辆和行人的行为模型、确定交通信号控制策略等。
在仿真过程中，每辆车辆和行人都被视为一个独立的个体，根据其行为模型的规则进行行驶或行走。
交通仿真模型会考虑交通信号灯、道路拥堵、驾驶员的决策等多种因素，以真实地模拟真实交通环境。
在交通研究中，微观交通仿真可以用于解决交通拥堵、交通事故、交通信号控制等问题。
通过模拟各种交通策略的效果，可以评估其在实际应用中的性能和效果。
微观交通仿真还可以用于预测未来交通系统的性能，并为交通规划和道路设计提供指导。
微观交通仿真的主要应用领域包括城市交通规划、道路设计、交通信号优化、智能交通系统等。
在城市交通规划中，仿真模型可以评估不同发展方案对交通系统的影响，包括道路容量、行车速度、交通拥堵等。
在道路设计中，仿真模型可以评估不同道路参数对交通运行的影响，包括车道宽度、路口设置等。
在交通信号优化中，仿真模型可以评估不同信号控制策略的效果，包括交通信号的配时、相位设置等。
在智能交通系统中，仿真模型可以评估不同交通管理策略的效果，包括智能交通灯、交通调度系统等。
微观交通仿真技术的发展已经取得了很大的进展。
目前，已经有多种专业软件可用于进行微观交通仿真，包括VISSIM、SUMO、Aimsun等。
这些软件具有较高的仿真精度和计算效率，可以模拟数千辆车辆和成千上万的行人进行交互。
利用高性能计算和并行计算技术，可以加快仿真计算速度，提高仿真模型的规模和精度。
微观交通仿真仍然存在一些挑战和问题。
模型的建立和参数的确定需要大量的研究和数据搜集工作。
仿真结果的准确性和可靠性受到多种因素的影响，包括模型的假设、参数的选择以及初始条件的设置等。
基于微观交通流模型的城市交通拥堵预测
基于微观交通流模型的城市交通拥堵预测近年来，随着城市化进程不断加快和交通工具的普及，城市交通拥堵问题日益突出。
为了有效地解决这一问题，许多学者和研究机构开始关注微观交通流模型，以实现对城市交通拥堵的预测。
微观交通流模型是一种基于交通行为理论和交通规则的模型，它可以准确地模拟城市道路网中的交通流动与交通状况。
通过对交通参与者的行为特征进行统计和建模，可以预测未来的交通拥堵情况，并提供相应的对策和决策依据。
在微观交通流模型中，每辆车被建模为一个独立的个体，根据其驾驶员的行为、交通规则和道路条件等因素，模拟其在道路上的行驶过程。
这种模型的建立需要考虑诸多因素，包括车辆密度、速度、加速度、车道切换以及驾驶员行为等。
通过对这些因素进行建模和仿真，可以得到准确的交通流动态信息，进而用于预测交通拥堵的发生和发展趋势。
微观交通流模型的核心是交通仿真，通过计算机模拟怎样的交通流动态形成，从而了解在不同的交通条件和场景下，交通流动的规律以及可能产生的问题。
通过对道路网络进行建模和模拟，可以得到车辆在不同时间段和路段上的流量、速度和密度等数据，从而预测未来的交通状况。
在实际应用中，微观交通流模型可以结合实时交通数据和车辆信息，进行远程监测和拥堵预测。
通过与交通管理中心的数据交互，可以实时更新交通状态，及时调整交通信号灯、限行政策等措施，以缓解交通拥堵。
此外，微观交通流模型还可以为交通规划和交通设施建设提供决策依据。
通过对未来交通需求和交通拥堵情况的预测，可以合理规划道路网的布局、交通流量的分布以及交通设施的设置，从而提高整体道路网络的通行效率和交通服务水平。
微观交通流模型的建立和使用要结合具体城市的情况和特点进行，需要考虑城市的规模、交通结构、人口密度等因素。
同时，也需要借助先进的计算机技术和交通数据系统，以提供准确的预测结果。
然而，微观交通流模型也存在一些挑战和限制。
首先，模型的建立和校准需要大量的交通数据和实地调查，成本较高。
微观交通仿真综述
微观交通仿真综述微观交通仿真是通过计算机模型模拟交通系统，以便更好地理解和分析交通运输问题的一种工具。
微观交通仿真是交通规划和管理领域的重要工具，它可以用于评估交通基础设施的效能、规划交通系统的改进、预测交通拥堵情况和优化交通运输方案。
本文将综述微观交通仿真的基本原理、应用领域、技术发展和未来趋势。
一、微观交通仿真的基本原理微观交通仿真的基本原理是通过建立交通系统的数学模型，模拟车辆、行人和交通信号等各种交通要素在道路网络中的行为。
这些模型可以通过计算机程序进行模拟运行，从而得出交通系统的预测数据。
微观交通仿真的核心是建立精细的数学模型，包括车辆运行模型、交通流模型、信号控制模型、行人行为模型等，以及这些模型之间的相互作用关系。
在微观交通仿真中，车辆运行模型通常采用微观的车辆轨迹模拟方法，通过对车辆的加速、减速、转弯等行为进行建模，来模拟车辆在道路网络中的运行轨迹。
交通流模型则是用来模拟交通流的形成和传播过程，以及道路拥堵的产生和演变过程。
信号控制模型用于模拟交通信号对交通流的影响，包括车辆的停等、排队、通行等行为。
行人行为模型则用于模拟行人在交通系统中的行为，例如行人的行走速度、行人的交叉行为等。
微观交通仿真在交通规划和管理领域有着广泛的应用。
微观交通仿真可以用于评估交通基础设施的效能。
通过建立交通系统的模型，可以对不同的交通规划方案进行模拟测试，以评估其对交通系统的影响，包括交通容量、行车速度、排队长度等指标。
微观交通仿真可以用于规划交通系统的改进。
通过模拟不同的交通改进方案，可以找到最优的交通规划方案，以改善交通系统的运行状况。
微观交通仿真还可以用于预测交通拥堵情况。
通过模拟不同的交通流量和交通控制方式，可以预测不同情况下的交通拥堵状态，为交通管理部门提供决策支持。
微观交通仿真还可以用于优化交通运输方案，包括公交线路的优化、出租车调度的优化等。
随着计算机和数学建模技术的不断发展，微观交通仿真技术也在不断完善和发展。
微观交通仿真综述
微观交通仿真综述随着城市化进程的加速，城市交通问题逐渐成为了人们关注的焦点，同时交通仿真技术也随之崛起。
交通仿真技术可以帮助交通规划者和决策者评估不同方案的效果、发现问题和改善现状，从而提高城市交通的运行效率。
本文将就微观交通仿真技术进行综述，介绍其原理及应用。
微观交通仿真技术是以个体行为为基础的仿真技术，它是对个体行为进行建模和计算来模拟交通流的一种方法。
传统的交通仿真技术主要采用宏观模型进行分析，如：流量密度、车速、路段通行能力等，这种模型不能精确模拟交通运行的细节，因此在实际应用中缺乏准确性和可靠性。
而微观交通仿真技术可以模拟交通行为的细节，如：驾驶员的行为、车辆的动力学特性、路况的影响等。
微观交通仿真技术常用的建模方法有Agent-based Model(ABM)和Discrete Event Simulation(DES)两种。
ABM是以个体为中心的模型，每个个体都拥有自己的特征和行为规律。
它可以模拟不同类型的车辆和驾驶员的行为，如公交车、出租车、私家车等，这种模型在宏观交通流模型中无法实现。
而DES是基于事件的模型，每个事件的发生会引起其他事件的发生，从而构成整个仿真系统。
DES可以处理各种情况下的交通事件，如交通事故、堵塞等。
微观交通仿真技术结合以上两种方法，可以实现更为准确的仿真结果。
二、微观交通仿真技术的应用领域1.交通规划与政策制定微观交通仿真技术可以帮助交通规划者和决策者评估不同方案的效果，从而选择最优的交通规划方案。
仿真模型可以模拟各种交通模式和运输模式的交互作用，如公共交通、私家车、步行、自行车等，以及不同的道路网络和交通设施组合，从而确定最佳交通路线和交通流量分配方案。
同时，仿真技术还可以模拟不同的交通政策和高峰期的交通管理措施，以评估政策的有效性和针对性。
2.交通系统设计与优化3.交通安全与应急管理微观交通仿真技术的未来发展方向主要有以下几个方面：1.多模式交通仿真技术的研究未来的城市交通将趋向多模式集成，如公共交通、私家车、自行车、步行等，因此需要开发相应的多模式集成的交通仿真模型，以模拟不同交通模式的交互行为，提高交通集成的协同管理效果。
微观交通仿真综述
微观交通仿真综述微观交通仿真是通过模拟交通系统中每个个体的行为和决策来研究交通流动和拥堵情况的一种方法。
它能够提供详细和准确的交通流动信息，帮助人们更好地理解交通系统的运行机理并提出相应的改进措施。
本文将从微观交通仿真的原理、应用领域以及发展趋势三个方面综述微观交通仿真的相关研究进展。
微观交通仿真的原理是建立一个包括道路网络、车辆和驾驶员等要素的仿真模型，模拟每个车辆的运动轨迹和驾驶员的行为决策，从而模拟和预测交通流动的情况。
在建模过程中，需要考虑道路网络的拓扑结构、交通信号灯的控制策略、车辆的行为规则和驾驶员的行为特点等因素。
通过运行仿真模型，可以得到交通流量、拥堵程度、交通信号等相关指标，为交通管理者提供决策支持。
微观交通仿真的应用领域非常广泛。
它可以用于交通规划和设计。
通过仿真不同的交通规划方案，可以评估其在不同条件下的效果，为交通规划者提供科学的依据。
微观交通仿真可以用于交通信号控制优化。
通过调整交通信号灯的配时方案和控制策略，可以减少交通拥堵，提高道路通行能力。
微观交通仿真还可以用于交通事故分析和交通管理的决策支持。
通过模拟不同的交通管理措施，可以评估其对交通安全和效率的影响，为决策者提供科学的建议。
微观交通仿真在传统的离散事件仿真和代理模型的基础上不断发展。
传统的离散事件仿真方法通过模拟车辆之间的交互和碰撞来评估交通状况，但对于大规模复杂的交通网络来说计算量太大。
代理模型则采用了“规则-学习-适应”循环的方法，通过模拟驾驶员的行为决策来预测交通流动情况。
这种方法需要大量的数据和计算资源，并且对人工智能技术的依赖性较高。
未来微观交通仿真的发展趋势是结合智能交通系统和大数据分析技术。
智能交通系统可以通过车辆之间的通信和与交通信号灯的联动，实现交通拥堵的实时监测和优化控制。
大数据分析技术可以基于海量的交通数据，对交通流动和拥堵情况进行更加精确和准确的预测。
将微观交通仿真与智能交通系统和大数据分析技术相结合，有望进一步提升微观交通仿真的精度和实用性。
微观交通仿真模型研究
微观交通仿真模型研究摘要: 离散事件系统仿真是现代仿真技术的主要研究热点之一,在工程技术、经济、军事等领域经常使用。
本文讨论了离散事件系统仿真的一般步骤及在交通仿真中的应用,对微观交通仿真中的部分核心仿真问题和模型进行了分析,如车辆生成,跟驰,行驶,排队模型等。
关键词: 离散事件系统排队模型微观交通仿真车辆生成引言系统仿真是以相似原理、系统技术、信息技术及其应用领域有关专业技术为基础,以计算机和各种专用物理效应设备为工具,利用系统模型对真实的或假想的系统进行动态研究的一门多学科的综合性技术,相似论是系统仿真的主要理论依据。
离散事件系统是指受事件驱动,系统状态跳跃式变化的动态系统,系统的迁移发生在一串离散点上。
这种系统往往是随机的,具有复杂的变化关系,一般用流图或网络图描述。
如果应用理论分析方法难以得到解析解,甚至无法解决,无疑仿真技术为解决这类问题提供了有效的手段。
交通仿真是计算机技术在交通工程领域的一个重要应用,它不仅可以表现交通流时空变化、为交通道路设计规划提供技术依据,还可以对各种参数进行比较和评价,以及对环境的影响进行评价等。
交通仿真模型可划分为宏观、中观、微观3种。
微观交通是以单个车辆为对象,通过一些相对简单但真实的仿真模型来模拟车辆在不同道路和交通条件下的路网上运行,并以动态图像的形式显示出来,在描述和评价路网交通流状况方面具有传统数学模型无法比拟的优越性。
例如,微观模型对交通流的描述是以单个车辆为基本单元的,车辆在道路上的跟车、超车及车道变换行为等微观行为都能够非常细致和真实地反映出来。
在仿真模拟交通管理的应用中,就是借助离散事件的模型研究来解决一些仿真问题的。
图1说明了离散事件系统仿真的一般步骤,同时也表明了系统建模与仿真建模的关系。
1离散事件系统仿真模型离散事件系统仿真建模的目的是要建立与系统模型有同构或同态关系的模型。
采用事件步长法仿真程序的组成,主要有以下部分:(1)仿真时钟:提供仿真时间的当前值;(2)事件表:由策划和事件调度生成的事件名称,时间的二维表,即有关未来事件的表;(3)系统状态变量:描述系统状态的变量;(4)初始化子程序:用于模型初始化;(5)事件子程序:每一类事件的服务子程序;(6)调度子程序:将未来事件插入事件表中的子程序;(7)时钟推进子程序:根据事件表决定下次(最早发生的)事件,然后将仿真时钟推进到该事件发生的时刻;(8)随机数产生子程序:产生给定分布的随机数的子程序;(9)函数子程序:用于系统性能分析的子程序;(10)统计计数器:用来存放与系统性能分析有关的统计数据的各个变量值;(11)主程序:调用上述各种子程序并完成仿真任务全过程。
【交通运输】第八讲 道路交通系统仿真模型与方法
用于研究基础设施的新建、扩建及宏观管理措施等。如大 规模的路网范围内进行交通宏观仿真。
中观交通仿真
在宏观交通网络的基础上，将个体车辆放入宏观交通流中 进行分析，根据模拟的需要，对特定车辆的速度、位置及 其它属性进行标识，或对个体车辆分组，再对每组车辆的 速度、位置及其它属性进行标识。
能够产生进入路网的不同种类的车辆以及车长、初速 度等，获得交通流的各种统计数据；
能够处理车辆在路网上的运行情况，准确地反映出车辆 间的相互作用，如跟驰、车道变换时的相互作用，以及 驾驶员的行为；
能够处理网络内部对车流产生影响的发生点和吸纳点 能够跟踪路网内行驶的任何一辆车，真实地模拟交通控
微观交通仿真
微观交通仿真把每辆车作为一个研究对象，对所有个体车 辆都进行标识和定位。在每一扫描时段，车辆的速度、加 速度及其它车辆特性被更新。
微观交通仿真能模拟出短时段内交通流的波动情况。跟驰 模型、超车模型及变换车道模型是微观仿真的基本模型。
对交通流的描述是以单个车辆为基本单元的,进入路网的 时间、车种、车速的设定及路口的转向都是随机确定的。 微观仿真模型的重要参数是每辆车的速度和位置。
P（h>t）=exp[-λ (t -τ)] t≥τ
随机产生车辆与司机:爱尔朗分布
p(h≥t)
k
1
(
kt
)i
ekt / T
i0 T
i!
当阶数k=1时，爱尔朗分布便化为指数分布，可看成 是完全随机的；当k增大时，爱尔朗分布的图形逐渐变 成对称的；当k≥30时，爱尔朗分布近似于正态分布；
微观交通仿真综述
微观交通仿真综述微观交通仿真技术是一种通过模拟现实交通环境中的车辆、行人和其他交通参与者的行为来研究交通流动性和安全性的工具。
随着城市化进程加快和交通拥堵问题日益突出，微观交通仿真技术在交通规划、交通管理和交通安全等领域中得到了广泛的应用。
本文旨在对微观交通仿真的研究现状、方法和应用进行综述，以期为相关人员提供参考。
一、微观交通仿真的研究现状微观交通仿真是基于个体行为的交通仿真技术，其研究内容主要包括车辆、行人和道路设施等交通参与者之间的交互作用。
目前，微观交通仿真的研究主要集中在以下几个方面：1. 交通流模型交通流模型是微观交通仿真的核心内容之一，它主要研究交通参与者在道路网络中的运动和交互行为。
目前，常用的交通流模型包括微观的基于个体行为的模型和宏观的基于流体动力学的模型。
其中微观的交通流模型可以更好地模拟出交通参与者之间的细微行为，对于交通流动性和安全性的研究有重要的意义。
2. 交通行为建模交通行为建模是微观交通仿真的另一个重要方面，它主要研究交通参与者的行为规律和决策过程。
在交通行为建模中，研究者通常借助于心理学和行为经济学的理论，对驾驶员和行人的决策过程进行建模，以期能够更准确地描述他们在交通环境中的行为。
3. 仿真平台和工具为了进行微观交通仿真，研究者通常会借助于一些仿真平台和工具，比如SUMO、VISSIM和MATSIM等。
这些仿真平台和工具通常都提供了丰富的模型和接口，能够帮助研究者更方便地进行交通仿真实验。
微观交通仿真的研究主要集中在交通流模型、交通行为建模和仿真平台和工具等方面，研究者通过对这些方面的研究，不断提高微观交通仿真技术的建模精度和仿真效果，为交通规划、交通管理和交通安全等领域提供了有力的支撑。
微观交通仿真的方法主要包括建模方法和仿真实验方法两个方面。
2. 仿真实验方法微观交通仿真的仿真实验方法通常包括计算机仿真和实际仿真两种。
在计算机仿真中，研究者通常会利用仿真平台和工具进行仿真实验，通过改变模型的参数和初始条件，来观察交通流的演化过程；而在实际仿真中，研究者通常会借助于视频监控和车载设备等技术，对真实的交通环境进行观测和记录，以期验证建立的交通流模型和交通行为模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ξ 收稿日期:2007-11-11
基金项目:成都市科技攻关项目(07GGYB256GX2010).
作者简介:李勇(1981—),男,湖北公安人,硕士研究生,主要从事智能交通系统方面的研究.
微观交通仿真中的驾驶员模型Ξ李 勇,何 伟,苏 虎(西南交通大学电气工程学院,成都 610031)
摘要:阐述了微观交通仿真中跟驰模型和换道模型在国内外的发展历程和现状,分析了各种跟驰模型各自的特点和存在的不足,介绍了换道模型的可接受间隙法,总结了国内外的研究成果,并提出了新的研究思路.
关 键 词:交通仿真;微观交通仿真;驾驶员模型;跟驰模型;换道模型中图分类号:U491 文献标识码:A文章编号:1671-0924(2008)01-0019-05
ResearchofDriverModelinMicroscopicTrafficSimulationLIYong,HEWei,SUHu(SchoolofElectricalEngineering,SouthwestJiaotongUniversity,Chengdu610031,China)
Abstract:ThedevelopmentprocessandexistingresearchinChinaandothercountriesofcarfollowingmodelandlanechangingmodelusedinmicroscopictrafficsimulationarepresented.Thecharacteristicsanddefectsofvariouscarfollowingmodelaredeeplyanalyzed,andthespacingacceptingmodeloflanechangingmodelisalsoanalyzed.Achievementsofdivermodelintrafficsimulationaresummarized,andsomenewresearchwaysareputforward.Keywords:trafficsimulation;microscopictrafficsimulation;drivermodel;followingmodel;lanechang2ingmodel
交通仿真按对交通系统描述细节程度的不同可以分为微观、中观和宏观仿真[1].微观交通仿真的研究对象为单个车辆,其仿真模型特别适合于在计算机上再现路网上的实际交通状况,因此国内外交通学术界均侧重于微观交通仿真技术的应用研究[2].驾驶员模型是交通仿真系统的基本组成部分,可将其分为跟驰模型和换道模型分别加以研究.由于换道模型过于复杂,过去的研究大多集中在跟驰模型.
1 跟驰模型 车辆跟驰行为研究是对驾驶员行为研究的重要方面之一,也是交通仿真研究领域的基石.车辆
第22卷 第1期Vol.22 No.1重庆工学院学报(自然科学)JournalofChongqingInstituteofTechnology(NaturalScience)2008年1月Jan.2008跟驰模型已被研究了半个多世纪(1950年鲁契尔和1953年派普斯对跟驰过程的研究,标志着跟驰理论解析方法研究的开始).之后,车辆跟驰模型的研究又经历了控制工程、感知和心理学几个阶段.1.1 GM(GeneralMotor)跟驰模型20世纪50年代后期和60年代早期研究的GM模型是最为著名的模型,其表达式为:an+1(t+T)=cvmn+1(t+T)Δv(t)Δxl(t)(1)其中:an+1(t+T)为t+T时刻第n+1辆车的加速度;vn+1(t+T)为t+T时刻第n+1辆车的速度;T为反应时间;Δv(t)为t时刻第n辆车与第n+1辆车的速度差;Δx(t)为t时刻第n辆车与第n+1辆车的距离;c,m,l为常数.GM跟驰模型形式简单、物理意义明确,作为跟驰模型研究的早期工作,具有开创意义,许多后期的跟驰理论研究都源于其建立的刺激—反应的基本方程.但在标定m和l的过程中存在大量的矛盾,导致这些矛盾的主要原因包括:①根据GM模型,无论前后车相距多少,前后车都相互影响,这不符合车辆跟驰模型的基本定义;②大量的研究和实验都是在低速度交通运行状态中进行的,而这样的交通流与真实的交通流相差较远;③在前后车速度相等的情况下允许2车的距离为零,这不符合实际交通情况.由于以上3点原因导致GM模型的通用性欠佳,所以现在很少使用该模型.1.2 线性跟驰模型尽管Chandler,Herman和Montrol[3]所提出的GM模型在研究的初始阶段是线性的,但是He11y[4]对线性跟驰模型发展的贡献却是不可忽视的.他所提出的新线性跟驰模型考虑了前方2辆车是否制动减速对后车加速度的影响.模型如下所示:an(t)=C1Δv(t-T)+C2(Δx(t-T)-Dn(t))(2)Dn(t)=α+βv(t-T)+γan(t-T)(3)其中:D(t)为期望跟车距离;C1为Helly借用先前的研究成果,即通过对14个司机的跟车行为调查,在相关系数大于0.8时,T的取值范围为0.5s
～2.2s,C1的取值范围为0.17～1.3,平均T=
0.75,在C1=0.5的情况下,得到的结果;C
2
为通
过设置Δv和Δx,使前后车的加速度相等,即相对加速度为零.
这样就产生最终公式:
a=0.5Δv(t-0.5)+0.125(Δx(t-0.5)-Dn(t))(4)DN(T)=20+v(t-0.5)(5)Bekey,Burnham和Seo[5]再次利用线性跟驰模
型尝试用源自最优控制系统设计的传统模型推导新的跟驰模型.应该注意到线性模型的初始模型就是m=0,l=1的GM模型,模型形式简单、实用.目前该模型也大量应用在实践中.但线性跟驰模型和GM模型一样都存在通用性差的弊端.相对于GM模型,由于考虑到前后车的速度差,线性模型在标定上更加合理.
1.3 生理-心理跟驰模型生理-心理模型也称反应点模型(ActionPoint
Models,简称AP模型).该模型是将刺激抽象为前后车之间的相对运动,包括速度差和距离差的变化.这类模型用一系列阈值和期望距离体现人的感觉和反应,这些界限值划定了不同的值域,并且在不同的值域,后车与前车存在不同的影响关系.
生理-心理模型是一种跟驰决策模型.
Michaels[6]通过分析司机生理和心理的一些潜
在因素,首次提出生理-心理跟驰模型的理念:司机通过分析视野中前车尺寸大小的改变,即前车在司机视觉中投影夹角的变化,感知前后车相对速度的变化,根据公认的感知阈值d/dt(
Δv/Δ
x
2
)
约为6×10
-4
,判断是否正在与前车接近,一旦超
过这个阈值,司机将选择减速,使对相对速度的感知不超过这个阈值.是否能够感知到前车的变化是后车司机进行任何操作的基础.
尽管该模型的集成系统可以合理地仿真司机的行为,但是在标定各个参数和阈值时却不太成功,因此很难来评价这些模型的有效性.但目前该模型的基础毫无疑问与实际最一致,也最能描述大多数我们日常所见的司机行为,因此这种模型以及其衍生的各种模型应用于许多实践中.
02重庆工学院学报1.4 基于模糊推理的跟驰模型近些年来在跟车模型的发展过程中,最值得注意的是模糊推理理论在跟驰模型研究中的应用.该模型主要通过推理司机未来的逻辑阶段来研究司机的驾驶行为.
Kikuchi和Chakroborty[7]用模糊推理方法来研究跟驰模型的初衷是模糊化传统GM模型中的Δx,Δv和an-1,模糊推理模型的具体表达为:IFΔx=‘ADEQUATE’THENanj=(Δvi+an-1,ixT)/γ(6)其中:T为反应时间,取1s;后车司机希望在γ时间内能够跟上前车,γ取2.5s.该模型说明了模糊推理系统是如何描述跟驰状态的,最为重要的是与传统GM模型相比,该模型具有局部稳定性.从式(6)可以看出,最终的跟车距离仅与最终速度有关而与初始跟车距离和速度无关,尽管该模型在总体上能够预测“反应”的变化,但有2个因素可能导致与实际有出入:一个是该模型认为能够精确地得出ai为0.3m/s2,这可能非常值得探讨;另一个是已经从线性跟车模型中得知Δx对加速度的影响非常小.1.5 安全距离跟驰模型安全距离模型也称防追尾模型(CollisionAvoidanceModels,简称CA模型),该模型最初是由Kometani和Sasaki[8]提出,最基本的关系并非GM模型所倡导的刺激—反应关系,而是寻找一个特定的跟车距离(通过经典牛顿运动定理推导出).最初模型为:Δx(t-T)=αv2n-1(t-T)+β1v2n(t)+βvn(t)+b0(7)其中α,β,β1,b0都是系数.Gipps[9]对此模型的研究取得了重大突破,他考虑了几个先前研究中忽略的次要因素.自Gipps提出改进CA模型后,CA模型广泛地应用于计算机仿真中.CA模型之所以能被大量应用,主要原因在于可以用一些对司机行为的一般感性假设来标定模型.大多数情况只需知道司机将采用的最大制动减速度,这样就能满足整个模型的需要.尽管该模型能够得出令人接受的结果,但仍有许多问题有待解决,例如,要验证“安全车头时距”这个参数,可以看到该模型没有一个非常合理的起始点,就像实际中一个司机可以考虑到前方几辆车的情况,根据刚获得的信息来假设这几辆车将采取减速度的大小.1.6 跟驰模型在国内的发展现状我国对车辆的跟驰研究主要集中在理论方面,然而尚未形成体系,研究相对分散,对国内前人的研究缺乏继承性,但通过对我国特有的一些交通流状态的研究,创造性地提出了一些能够解决实际问题的跟驰模型.
陈建阳[10]根据现有的非线性跟驰模型和线性跟驰模型,在考虑司机的冒险程度和车辆的加速性能的基础上提出了改进微观跟驰模型.其模型为:
a(t+T)=c1f1(vi-1(t)-vi(t))+
c2f2(xi-1(t)-xi(t)-D(vi(t)))(8)D(vi(t))=biv2i(t)+b2vi(t)+b3(9)
其中:c1,c2,b1,b2,b3为比例常数,b1和车辆加减速性能有关,b2和司机的反应时间有关.
除以上模型外,还有其他学者也做了相关的研究[10-14].从理论上分析,这类模型都能解决一
定的实际问题,但至少在以下2个方面有欠合理:
在正常的车辆跟驰行驶中,无论人、车、路的具体情况如何,都将驾驶员的反应时间作为常数处理,
这显然是一种简化处理,人的反应时间不可能是完全一样的;将所有机车赋予同一性能,没有考虑机车的差异性,而不同的机车具有不同的驾驶特性,这样就不能体现出机车特性对道路交通的影响,这一点在交通堵塞中占有重要地位.
2 换道模型 根据目前国内外的研究成果,多数专家学者习惯将车辆的车道变换行为分为2类:强制性车道变换和主动性车道变换.车道变换模型描述的内容包括车辆发生车道变换行为的整个过程,即车辆车道变换意图的产生、车道变换的可行性分析、车道变换行为的实施,以及车道变换轨迹的确定[14],其中可行性分析是研究的核心和焦点.