考虑非对称特性的车辆跟驰行为建模与分析

发布时间：2022-02-14 15:19

　　车辆在跟驰行为中往往存在减速过程相对于加速过程更为急促的现象,这种现象称为加、减速非对称特特性。但是,绝大多数已有的车辆跟驰模型没有考虑这种非对称特性,而极少数考虑了这种非对称特性的模型却难以解释其产生的原因。本文以美国联邦高速公路管理局NGSIM项目（2004年）中的实际车辆轨迹数据作为研究依据,通过数据筛选、处理和分析,进一步验证了车辆跟驰行为中加、减速非对称特性是真实存在的。并指出司机的驾驶安全意识是这种非对称特性产生的最主要原因。定性的分析指出,司机主要通过车头间距和前、后车的速度差来判定跟驰过程中的安全性。指出跟驰过程中加、减速非对称特性产生机理为:当车头间距较短时,司机对前、后车的速度差关注程度较高,减速过程会相对急促;当车头间距较长时,司机对前、后车速度差的关注程度较低,加速过程会相对缓慢。本文在全速度差（FVD）模型的基础上,认为司机对前、后车速度差的关注强度与车头间距成负相关,从而建立新的模型。通过对不同跟驰阶段的加速度大小分析,验证了新模型能够描述车辆跟驰行为中的加、减速非对称特性。稳定性分析间接指出,新模型能够体现这种非对称特性。计算机仿真结果指出,模型所描述的车... 

【文章来源】：西南交通大学四川省211工程院校教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

车辆跟驰过程图

3.1 数据来源与处理车辆跟驰行为中加、减速非对称特性的存在验证需要实际的车辆跟驰数据。车辆的时空轨迹数据包含的信息比较全面，同时其准确度也比较高。因此，本文研究主要采用实际道路中车辆的真实时空轨迹数据。3.1.1 数据来源早期的车辆跟驰模型使用的实际数据往往是一些宏观的数据，这些数据虽然容易获取，但是其精确度比较低。随着交通流数据采集技术的进一步发展，道路中交通流数据的采集往往更加精确和详细。美国联邦高速公路管理局（FHWA）于 2004 年进行的项目 NGSIM（NextGeneratioSimulation）中采集了 US-101 高速公路部分路段车辆运行视频数据，并将其统计出来，在全球范围内共享[86-88]。NGSIM 项目采集车流数据的 US-101 高速公路及信息如图 1 和表 3-1 所示[86]。

对称特性的产生机理还需要进一步的研究。车辆在跟驰过程中，司机获取的信息是前车的行驶状态信息，然后司机会根据前车的行驶状态实时地调整驾以保证安全和有效地驾驶车辆前进。而司机获取前车的行驶信息主要是通过取的。同时，司机获取前车的信息主要有两种：一种是与前车的距离，即车头间种是前车的速度是否比后车更快，即前、后车的速度差。因此，在驾驶过程中要是通过车头间距和速度差来判断危险程度。车头间距对司机注意力有明显的影响。就实际情况而言，当车头间距较大时，、后车速度差的注意力会更小；当车头间距较小时，出于度安全的考虑，司机对速度差的注意力会更大。在走走停停的拥堵交通流中，当车头间距较大，前车后车速度时，车辆往往会加速，此时由于司机对速度差的注意较弱，因此加速对缓慢；当车头间距较小，前车速度低于后车速度时，车辆往往会减速，由于对速度差的注意比较强，因此减速过程会相对急促。因此，在走走停停的拥堵，会产生加、减速过程的非对称特性。进一步统计 NGSIM 项目中加速度大小和车头间距大小对比关系，走走停停拥中加速度-车头间距散点图如图 3-3 所示。

【参考文献】：
期刊论文
[1]城市快速路瓶颈交通震荡特性研究[J]. 张娟.  交通信息与安全. 2015(05)
[2]改进的基于安全距离的车辆跟驰模型[J]. 杨达,蒲云,祝俪菱,杨飞,Ran Bin.  北京工业大学学报. 2013(09)
[3]基于最优间距的车辆跟驰模型及其特性[J]. 杨达,蒲云,杨飞,祝俪菱.  西南交通大学学报. 2012(05)
[4]基于神经网络的车辆跟驰模型的建立[J]. 贾洪飞,隽志才,王晓原.  公路交通科技. 2001(04)



本文编号：3624799