考慮駕駛行為的三車道自動-手動駕駛混合交通流仿真

宋偉亞

摘 要：未來，自動駕駛汽車逐步投入市場時會對傳統(tǒng)的道路交通系統(tǒng)產(chǎn)生巨大的未知影響。本文通過建立基于元胞自動機且充分考慮駕駛行為的三車道自動-手動駕駛混合交通流模型，研究了不同自動駕駛比例下的混合交通流特性。

關(guān)鍵詞：自動駕駛;混合交通流;駕駛風(fēng)格

0 引言

目前，人們普遍認為自動駕駛汽車能減少交通擁堵，但從現(xiàn)有預(yù)測數(shù)據(jù)看，自動駕駛汽車時代的完全到來，至少在2030年以后。在此之前，其比例的逐漸增加會對交通流產(chǎn)生巨大的未知影響[1]。縱觀國內(nèi)外相關(guān)研究，基于元胞自動機且充分考慮駕駛行為的自動-手動駕駛混合交通流研究并不多。

1 自動-手動駕駛混合交通流建模

對混合交通流進行元胞自動機建模的關(guān)鍵是：如何對自動駕駛與手動駕駛進行區(qū)分，以展現(xiàn)二者對交通流影響的差異。參考現(xiàn)有研究，我們采用反應(yīng)時間τ與駕駛風(fēng)格β對二者進行區(qū)分。易知自動駕駛可準確預(yù)估其他車輛速度，而不同駕駛風(fēng)格的人對速度的預(yù)估會存在差異，這里我們引入駕駛風(fēng)格系數(shù)β∈（0，1），提出基于Gipps安全距離規(guī)則的“預(yù)期安全距離模型”[2-3]：

基于“預(yù)期安全距離模型”改進基礎(chǔ)的NaSch跟馳模型與自由換道規(guī)則[3]。

1.1 跟馳模型改進

（1）確定t+1時刻的車速：

車輛n與旁車道后方車輛之間的車距大于預(yù)期安全距離才滿足換道的安全條件，且換道行為具有隨機性，按概率執(zhí)行最終的換道。

2 仿真與結(jié)果分析

2.1 仿真設(shè)置

在充分考慮舒適性及模型對反應(yīng)時間敏感性的基礎(chǔ)上，將自動駕駛汽車的反應(yīng)時間取為0.5 s;同時，參考文獻將手動駕駛反應(yīng)時間取為0.9 s。車道長度L=2 km，車道數(shù)m=3，元胞長1 m，車長5 m;自動駕駛最大速度為35，對應(yīng)實際126 km/h;手動駕駛為30，對應(yīng)實際108 km/h;加、減速度均為3。自動駕駛的駕駛風(fēng)格系數(shù)β取為1，手動駕駛的駕駛風(fēng)格系數(shù)β取為0.9;換道概率取0.5。密度區(qū)間為[0，150]，增量?=3。采用并行規(guī)則及周期性邊界條件進行演化，每次仿真演化20 000時步，取后2 000步內(nèi)所有車輛的平均速度作為系統(tǒng)平均速度。

2.2 不同自動駕駛比例對混合交通流的影響

仿真時，自動駕駛的比例的取值區(qū)間為[0，1]，變化增量=0.2，實驗分六組進行。對仿真結(jié)果進行分析發(fā)現(xiàn)：隨著的增加，系統(tǒng)交通流各密度下的平均速度也隨之變大，且在相同車流密度下，越大，系統(tǒng)交通流的平均速度越大;同時，越大，相鄰值下，系統(tǒng)交通流各密度下平均速度的差異越明顯，尤其在高密度的擁堵區(qū)域;當(dāng)密度為150時，純自動駕駛交通流的平均速度約為13 km/h，而純手動駕駛交通流的平均速度已經(jīng)趨近于0。由此我們可以判斷：由于自動駕駛的反應(yīng)時間比較小，且自動駕駛能夠準確判斷周圍車輛的速度，所以它在行駛過程中所需的預(yù)期安全距離較小，道路空間利用率更高，即使在高密度車流環(huán)境下系統(tǒng)交通流的平均速度仍然比較大。此外，隨著的增大，最佳車流密度下的交通量也在增加，且交通量的變化增量越來越大;當(dāng)=1時，三車道系統(tǒng)交通流的峰值流量最大，約為3 418;

當(dāng)=0時，三車道系統(tǒng)交通流的峰值流量最小，約為2 386。由此可以判斷，在傳統(tǒng)的三車道系統(tǒng)交通流中引入自動駕駛汽車，可以極大的改善三車道交通系統(tǒng)的道路通行能力，且最佳車流密度下的交通量最多能夠提升1.4倍。

3 結(jié)論

本文以未來自動駕駛汽車逐步投入市場的過程中對傳統(tǒng)道路交通系統(tǒng)產(chǎn)生的未知影響為問題導(dǎo)向，建立了基于元胞自動機的充分考慮駕駛行為的三車道自動-手動駕駛混合交通流模型。經(jīng)研究發(fā)現(xiàn)：越大，系統(tǒng)交通流的平均速度越大，最佳車流密度下的峰值流量也越大，且系統(tǒng)交通量最大值接近3 500，道路通行能力最多能夠提升1.4倍。

參考文獻：

[1]Kanwaldeep Kaur，Giselle Rampersad.Trust in driverless cars：Investigating key factors influencing the adoption of driverless cars[J].Journal of Engineering and Technology Management.2018，48：87-96.

[2]Harpreet Singh，Ankit Kathuria.Analyzing driver behavior under naturalistic driving conditions：A review[J].Accident Analysis and Prevention.2021，150.

[3]邱小平，馬麗娜，周小霞，等.基于安全距離的手動-自動駕駛混合交通流研究[J].交通運輸系統(tǒng)工程與信息，2016，16（4）：101-108.