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。     

基于车路协同技术的信号交叉口改进车辆跟驰模型

为了缓解信号交叉口对交通流的阻断问题,基于车路协同技术提出了信号交叉口速度引导决策方法.考虑信号灯相位差异以及车辆可能面临的交通状况,制定了3个速度引导策略,并构建了改进车辆跟驰模型.通过数值仿真验证了所提模型的引导效果,并分析了引导区间长度对速度引导的影响.结果表明,与已有模型相比,改进车辆跟驰模型能够使更多的车辆在绿灯结束前快速通过交叉口,其他车辆通过速度引导平滑地减速停车或跟随队尾在红灯结束后不停驶通过信号交叉口,消除了车辆速度突变.此外,通过增加引导区间长度能够缓解信号交叉口车辆停车排队现象,进而提高了速度引导效果.改进车辆跟驰模型的可行性和优越性得到了证实.     

基于ANFIS的高速公路车辆跟驰模型与仿真

为了更好地描述高速公路上驾驶员在车辆跟驰过程中表现出来的模糊、不确定性的行为特征,采用自适应模糊神经网络ANFIS来建立车辆跟驰模型.首先,通过小波分析方法,对采集到的跟车数据进行降噪,消除外界因素的干扰,从而恢复数据的原始信息;根据信号处理方法,利用相关函数计算出驾驶员在跟驰过程中的反应时间.然后,建立以两车速度差、车头间距和后车速度作为输入,以及后车加速度作为单输出的自适应模糊神经网络跟车模型.最终,对该模型仿真训练,自适应生成驾驶员跟驰行为规则,并与传统的GM跟车模型对比分析.结果表明,该网络模型能较客观地反映高速公路上的驾驶员跟驰行为.     

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。     

考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型

为分析受侧向车辆换道影响下的目标车辆跟驰行为，结合多速度差理论跟驰模型和深度学习方法，提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性，提出了双车道多速度差跟驰模型（FS-MAVD模型），并利用差分进化算法进行模型参数标定。构建了CNN-Bi-LSTM-Attention数据驱动车辆跟驰模型，利用卷积神经网络层（CNN）充分提取前向和侧向车辆交通特征，双向长短期记忆网络层（Bi-LSTM）考虑驾驶员记忆效应，注意力机制层（Attention）用于分配模型权重，并基于数据进行驾驶员记忆时长、模型训练批次和训练轮数参数的训练。考虑理论模型广泛适用性和数据驱动模型接近真实值且平滑的特点，采用最优加权法将两种模型进行组合预测。利用无人机拍摄的快速路车辆轨迹数据，建立跟驰行为样本集，对所建模型进行训练和测试，并与LSTM模型、Bi-LSTM模型、CNN-Bi-LSTM-Attention模型、FS-MAVD理论模型的预测效果进行对比，并分别比对不同模型对不同车辆的预测精度和误差。结果表明，本研究构建的组合模型在加速度预测精度达到9...     

一种改进的微观跟驰模型

根据交叉口区域内车辆行为的特殊性，在交通仿真中采用跟驰理论对交通流进行研究．针对目前纯微观跟车模型没有考虑驾驶员反应时间的情形，提出了一种改进的微观跟驰模型．该模型根据车辆行驶特点对道路进行区域划分，能结合交叉口区域的特点，确定车辆最小和最大安全距离的界限值，并充分考虑了驾驶员反应时间造成的延迟对于车辆行驶速度和加速度的影响．通过仿真实验，进一步证实了模型的有效性．     

货车移动遮断影响下的跟驰风险异质性建模

基于移动瓶颈理论和交通流理论构建“货车移动遮断”效应模型,解析货车移动遮断形成机理,选用无人机采集货车移动遮断场景中车辆行驶视频数据并提取高精度车辆跟驰轨迹样本,基于此提出考虑冲突可能性和冲突严重度的小客车跟驰风险评价方法和分级标准,利用RP-ORP模型构建了考虑异质性跟驰风险概率预测模型。结果表明：货车移动遮断动态影响交通流稳定性,其形成过程包括减速跟驰和加速超车两个阶段;考虑异质性的RP-ORP模型能实现特定条件下小客车跟驰行为处于不同风险等级的概率预测,且拟合优度高于FP-ORP模型高;货车纵向加速度、跟驰车头间距、跟驰持续时间、小客车与货车速度差、激进型驾驶员5个变量显著影响小客车跟驰风险水平,且跟驰持续时间和激进型驾驶员2个变量具有随机参数特性。     

基于动态安全车距的车辆跟驰模型及稳定性分析

为了更好地模拟车辆的跟驰特性,在全速度差(full velocity difference, FVD)模型的基础上考虑前车与跟随车的车头间距、速度差、速度和加速度等因素,建立了一种基于动态安全车距的改进FVD跟驰模型。构建了可变车头时距模型量化前车加速度对跟驰车头间距的影响程度;应用小振幅扰动分析和长波展开进行了模型线性稳定性分析,推导了改进FVD模型的临界稳定性条件;设计环形道路上微扰动数值仿真实验,分析了扰动后的车辆跟驰行为特性,解析加速度参数对模型抗扰能力的影响。研究结果表明：考虑前车加速度信息可以降低扰动演化时的波动振幅,有助于提高车流的稳定性。     

基于自然驾驶数据的信号交叉口车辆跟驰行为特征分析

为明确城市信号交叉口的车辆跟驰行为特性,基于自然驾驶试验数据,对车辆在减速、加速跟驰状态的车头间距、车头时距和相对速度进行了分布特征分析以及与跟驰速度的相关性分析。结果表明：减速跟驰状态的相对速度主要集中于[-3m/s,1m/s],加速跟驰状态主要集中于[-1m/s,3m/s];减速跟驰状态和加速跟驰状态的车头时距随后车跟驰速度变化趋势相同,确定了跟驰速度小于20km/h的车头时距阈值;去掉跟驰速度小于6km/h的数据后得到的减速跟驰、加速跟驰状态车头时距和车头间距均呈正偏态分布,车头间距集中于5-30m,车头时距集中于1.5s-3.5s;两种跟驰状态车头间距、车头时距的5th、50th、95th特征值与跟驰速度具有较强的相关性。     

跟驰行驶状态下的驾驶模拟有效性研究

为验证驾驶模拟技术在跟驰行为研究中的有效性,设计了实车实验与驾驶模拟实验。选取了跟驰距离、跟驰距离标准差、车头时距及驾驶员反应延迟时间作为分析指标,并采用Wilcox检验、生存分析方法分别验证了非时间数据、时间数据的有效性。结果表明跟驰距离、车头时距、驾驶员反应延迟时间具备绝对有效性,两种不同实验环境下跟驰距离标准差随跟驰速度变化趋势相同,具备相对有效性。实车实验中,前车加速度、前后车相对距离、前车加速度变化状态显著影响驾驶员反应延迟时间。有效性分析结果为基于驾驶模拟实验的跟驰行为研究提供前提条件,生存分析结果可用于驾驶员反应延迟时间建模及跟驰模型优化。     

快速路入口区域车辆跟驰行为研究

快速路入口区域车辆跟驰行为及安全间距会受到汇入车辆影响。为了探索快速路入口区域车辆的跟驰行为,利用无人机在200m高空对快速路入口区域进行高空悬停定点拍摄,并利用Tracker软件提取了车辆速度、车辆横纵坐标、加速度等参数。采用跟驰距离、相对跟驰速度绝对值及跟驰片段长度指标对快速路入口区域车辆的跟驰行为进行判断,确定了快速路入口区域跟驰行为判定准则。在此基础上,对交通流变化、车道分布、入口形式对跟驰行为的影响进行对比分析。研究发现：快速路入口区域车辆跟驰距离均值为26m,车辆跟驰距离集中分布在15~28m;相对跟驰速度绝对值均值为0.75m/s,且90%车辆相对速度绝对值小于1m/s;车辆跟驰距离和后车跟驰速度随交通流增加逐渐减小;快速路最内侧车道车辆跟驰距离和跟驰速度大于中间车道;直接式入口的主线车辆跟驰距离和跟驰速度大于平行式入口。本文研究成果可为快速路入口区域跟驰行为参数标定及管控提供参考依据。     

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。     

利用跟驰理论研究单向交通路段基本通行能力

通行能力是指道路设施所能承载交通流的能力。城市道路通行能力的研究对道路服务水平的确定、城市道路的交通管理和控制等方面起着重要的作用。本文在道路通行能力基本概念的基础上,以跟驰理论为基础,研究了单向交通路段基本通行能力(即理论通行能力),并推导出了单向交通路段基本通行能力的计算公式。     

GPS数据驱动的车辆跟驰行为建模与分析

为研究道路交通流特性,基于车载高精度GPS跟驰试验数据进行车辆跟驰建模研究,结合深度学习理论和数据驱动方法,构建了基于粒子群优化(particle swarm optimization, PSO)的长短期记忆(long short term memory, LSTM)车辆跟驰模型。首先,清洗和平滑车辆轨迹数据,并对驾驶特征行为参数及相关关系进行研究,如加速度、车头时距以及速度与跟驰距离特性关系等。在此基础上,制定跟驰状态筛选规则;其次,构建考虑时间序列的PSO-LSTM模型,识别跟驰数据样本集,将当前时刻的前车速度、车头间距和上一时刻的车头时距作为模型输入,预测当前时刻的跟驰车速度;接着,选用25辆车跟驰试验的高精度GPS数据验证PSO-LSTM模型性能;最后,为验证该模型的优越性,选用传统机器学习SVR(support vector regression)模型以及深度学习LSTM模型作为对比。结果表明,基于粒子群优化的长短期记忆模型预测精度高达0.993,整体预测效果高于SVR模型和LSTM模型,其中预测误差指标MAPE(mean absolute percentage error)较SVR和LSTM分别降低了60.02%、1.52%。PSO算法进行超参数优化后的PSO-LSTM模型,能更好地模拟车辆的跟驰行为。     

一种交通流状态分析模型

从经典的车辆跟驰模型出发，考虑车流的宏观特征，提出了可以定量描述路段交通流速度与密度关系的理论计算模型，经过与Del Castillo等提出的典型的平衡速度、密度关系图的对比，验证了该模型的正确性，与Blunden等提出的流量、行程时间关系模型进行比较，从理论上说明了该模型的优越性．提出了“交通流健康、不健康状态”的概念，并给出了定量的区分标准，进一步说明了该模型的理论意义和实用价值。     

双前导车信息对交通流稳定性影响的分析

稳定性分析是交通流理论的重要问题之一,因为阻塞现象可视为动力系统的不稳定和相变。通过考虑双前导车信息的影响,获得了1个扩展的优化速度模型,借助稳定性理论得到了扩展模型的稳定性条件,同时运用非线性分析推导出mKdV方程来描述临界点附近的交通行为。数值仿真证实了分析结果,并表明考虑双前车更有效抑制交通阻塞。因此,次邻近前车对交通动力学有很强的影响,对稳定交通流起到重要作用。     

跟驰模型场景基准分析

设计包含7种驾驶工况的自由流场景及跟驰场景,对MITSIM（microscopic traffic simulator）、Gipps模型、Wiedemann模型、FVD（full velocity difference）模型、IDM（intelligent driver model）、S?K模型及LCM（longitudinal control model）7个不同机理下典型跟驰模型进行基准测试。结果表明：各模型均可在一定程度上完成自由流场景下各工况测试,其中LCM的表现最符合认知,IDM的加速度最小且启动时间最长;仅Gipps模型、FVD模型、IDM及S?K模型可完成跟驰场景下各工况测试,其中FVD模型对于前车的状态变化具有最及时的反应;S?K模型在跟驰场景各工况下的速度与加速度始终处于微小振荡中,这也较为符合实际驾驶情景。     

基于TSK的车辆跟驰模型

为解决基于模糊推理的车辆跟驰模型在参数校准方面存在的问题,提出了基于TSK模型的车辆跟驰模型。对TSK模型在现实驾驶行为中的意义进行了分析,解释了子系统的工作点和线性方程的物理意义,为TSK模型在车辆跟驰中的深入应用奠定了基础。采用改进的基于遗传算法的TSK模型辨识方法,对分组中数据点不足的情况作了特别处理,通过GPS采集跑车实验数据,从实测数据构建并验证TSK模型。实验结果和理论分析吻合较好,表明TSK模型用于车辆跟驰模型的可行性。     

基于产生式规则系统的车辆跟驰模型

车辆跟驰模型是微观交通仿真的核心.随着微观交通仿真应用的不断发展,需要对更多的交通场景进行建模,而现有的车辆跟驰模型在扩展性上已掣肘.提出基于产生式规则系统的车辆跟驰模型,并对其进行了仿真.仿真结果表明,用产生式规则系统模拟驾驶行为是可行的,通过模糊规则和普通规则的共同作用,能方便地进行扩展.     

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.