考慮換道壓力增益的高速公路分流區跟馳模型

中圖分類號：U491.265 文獻標志碼：A 文章編號：1000-582X（2025）08-040-14

doi：10.11835/j.issn.1000-582X.2024.005

Research on car-following model for freeway diversion area considering lane-changing pressure gain

YANG Longhai，CHE Tingting，MA Wenkui， ZHANG Xiqiao，CHEN Lin （School ofTransportation Science and Engineering，Harbin Institute ofTechnology，Harbin150o90，P.R.China）

Abstract： To more accurately capture vehicle-following behavior in freeway diversion areas，this study proposes anenhanced car-following model by incorporating a lane-changing pressure gain factor into the full velocity diference model （FVDM）.The proposed model accounts for both lane-changing pressure and lane-changing behavior. First，a linear stability analysis reveals that the stability region of the freeway diversion area diminishes as the lane-changing pressure gain factor increases.Second， using trajectory data from 92 lane-changing vehicles extracted from the NGSIM dataset，the improved car-folowing model is calibrated andvalidated.Simulation results demonstrate that the improved model more accurately reproduces vehicle speed and position.Compared with the original FVDM，the simulation error of the proposed pressure-based FVDM （P-FVDM） is reduced by 16% .Compared with the lane pressre FVDM（LP-FVDM），the proposed pressure-lane pressure FVDM（PLPFVDM） reduces error by 12% .Finally， the improved model is used to simulate trafc oscillation in the diversion area.Results show that lane changing behavior can trigger traffic oscilations.Higher driving speeds attenuate oscillation amplitudes，while lower speeds result in a concave growth patrn of speed standard deviation along the vehicle platoon in the upstream direction.Furthermore，lane changes occurring closer to the exit ramp exacerbate oscillations， whereas shorter lane-changing duration help suppress them.

Keywords： transportation engineering; car-following model; traffic oscilation; lane-changing pressure; freeway diversionarea;numerical simulation

“交通震蕩\"是一種車輛“走走停停\"的現象[2]，對交通流的運行有嚴重的負面影響，如：燃料消耗加劇、有害氣體排放量大、安全風險劇增、增加行車延誤等。換道行為是高速公路中非常普遍的現象，是引發交通震蕩的一個重要誘因[3-4]，具有非常高的研究價值，由于其過程的復雜性，目前的定量研究相對較少。

換道行為研究主要是從駕駛員行為和道路交通狀況的角度研究城市和高速公路的變道特征和影響因素。Moridpour等[5描述了車輛換道的過程，主要包括換道動機的產生、換道時機的選擇及換道的執行過程。根據研究動機，可將變道行為分為強制性變道和任意性變道。張穎達等利用Next Generation Simulation（NGSIM）數據集中的軌跡數據，提出半對數和多項式模型來研究強制型和自由型換道行為的換道時間差異。換道行為中換道位置距離交叉口的距離、行駛速度和換道持續時間對交通流的穩定性有一定的影響8-]。Toledo等[12分析了換道時間的分布范圍，發現了對換道時間產生影響的最主要因素是具有換道行為車輛與當前車道前后相鄰車輛的速度差值和與目標車道前后相鄰車輛的間距值。

影響交通震蕩的因素包括縱向相互作用的不穩定性、跟馳和換道行為、加減速不對稱特性、駕駛員類型以及道路線形等[13-14]。高速公路分流區域頻發的換道行為比交通流縱向不穩定性更易誘發交通震蕩[15]。Mauch等通過研究高速公路交通流軌跡數據發現換道行為對交通震蕩的生成和發展有著非常大的影響。張娟采用累積移動序列法研究上海市快速路匝道交通震蕩的特性發現，震蕩傳播超越駛入匝道后，振幅被削弱，穿過駛出匝道后被放大。黃永現[8為探究交通震蕩的發展特點，進行了3次實車實驗，大致計算出車隊臨界速度的區間為 30～40km/h ，并將其用來度量交通流的穩定性。Yao等利用現場試驗發現，2輛連續車輛之間的時間間隔與前車的速度標準差和后車的初始速度呈負相關，且與前車的平均速度和初始間距呈正相關。這些發現為更深入的理解交通震蕩現象提供了基礎。

1 數據來源與篩選

1.1 數據來源

NGSIM數據集是對攝像機獲得的視頻數據應用技術手段提取而得到的，收集了詳細、高質量的交通流數據，精度較高，多次被研究者們應用于微觀駕駛行為分析、模型參數標定等研究。NGSIM數據集包括Peachtree、Lankershim Boulevard、I-80和US-101共4條路段的數據，其中，前面2條是城市主干道，后面2條是高速公路。

為研究高速公路分流區的交通震蕩現象，選取的數據采集區域位于加利福尼亞州的US-101高速公路路段，道路渠化信息如圖1所示。該區域道路長約2100ft（約 640.08m ），共有8條車道（主路車道5條，減速車道1條，匝道2條），每條車道的寬度為 3.66m ，最高限速 112.65km/h 。數據采集于2005年6月15日早晨07：50～08：05、08：05～08：20和08：20～08：35共3個時間段，采集對象為固定時間段和固定路段上的全部車輛，數據采集間隔0.1s，即1s產生10條數據。

研究選取分流區內換道車輛的駛出路線為從主路最右側車道5換道到減速車道6最后再到出口匝道車道8，換道駛出車輛必須在車道5進行強制換道，主要以車道5、車道6和車道8的車輛數據為基礎進行研究。

Fig.1 Schematic diagram ofUS-101collection section

1.2 數據處理

1.2.1 數據篩選

選擇的數據處理工具為python編程語言，對數據進行初步預處理，具體步驟及原則如下。

1）以從車道5換道駛入車道6時車輛跨越車道線的時刻為依據，提取此時刻前后15s（150條）的數據作為換道車輛行為分析的原始數據。

2）提取具有換道行為的車輛軌跡數據。車輛的換道行為必須從車道5開始，換道至車道6，最后從出口匝道車道8駛出。剔除既沒有換道行為，也沒有對車輛的換道行為產生影響的車輛。

3）剔除發生連續多次換道和換道失敗等行為的數據，提取從車道5至車道6時只發生一次換道行為的車輛數據。

4）換道開始時須保證車道6的上游匝道無車輛，否則將會對換道車輛的換道行為產生影響，進而會對研究分流區交通震蕩現象產生影響。

經上述篩選后，共提取出符合研究需求的換道車輛92輛。為研究換道駛出車輛的換道位置距出口匝道鼻端的距離和換道時間長度對分流區交通震蕩的影響，需提取換道車輛的換道時間和換道位置進行分析，如圖2所示。由圖2可知，大部分車輛的換道行為都在3～12 s完成，只有極少數車輛的換道時間大于12s，同時可以發現當換道起始點距出口匝道鼻端較近時，駕駛員完成換道行為的時間較短;當距鼻端較遠時，換道時間較長。大部分駕駛員的換道時間大于4s，只有極少數的駕駛員能夠在較短時間內完成換道。因此，可以得出，大多數駕駛員會盡可能地選擇距出口匝道鼻端較遠的位置進行換道。綜上，出口匝道換道可能會對分流區內駕駛員的心理產生影響，與普通路段的換道行為有明顯的差異。

圖1 US-101采集路段示意圖

圖2車輛換道時間-位置圖

Fig.2Time-locationdiagramofvehicle lanechange

1.2.2 數據修正

NGSIM數據通過視頻拍攝的方式獲取，在拍攝過程中存在被前車遮擋、光線強度變化、周圍環境顏色突變以及圖像識別不準確（黑色車和陰影、白色車輛和標志標線等現象無法區分）等現象，造成數據中有部分缺失。此外，其速度值是由縱向位置數據求一階倒數獲得，存在突變誤差，研究采取一階差分修正數據中的異常值。

根據已有研究，滿足車輛性能和人體所能承受極限的加速度值為 -8～5m/s^2[20] ，同時，軌跡數據集中位移、速度和加速度相鄰幀之間的數據差值應符合運動學的規律，相鄰幀的差值大約相等，即

x_t–x_t-1≈x_t-1-x_t-2.

式中： x_t 為當前幀軌跡數據； x_t-1 為前1幀軌跡數據； x_t-2 為前2幀軌跡數據。

利用前1幀和前2幀的數據差值來估算當前幀的軌跡數據值，計算方式如式（2）所示。

x_t^*≈x_t-1+（x_t-1-x_t-2），

式中， x_t^* 為當前幀軌跡數據的預測值。

根據確定的加速度范圍確定誤差范圍 Δx ，當預測值和采樣值的差值超出誤差范圍 Δx 時，確定當前時間幀的軌跡數據采樣值為異常值，然后將 x_t^* 重新替換為 x_t° 要規避異常值為預測起始點的情況，即要滿足式（3）。

當連續出現3個異常值時，應重新選取起始點進行預測。以104號車的速度數據為例演示異常值修正效果，如圖3所示。

圖3104號車速度修正效果圖

Fig.3Speed correction effectofcar104

圖3中，藍色線條表示的是車輛的原始軌跡數據，紅色線條為車輛修正突變誤差之后的軌跡數據。從圖中可以看到被黃色圓圈標注的異常值已經被剔除并替換，正常值未發生變化，修復后的速度數據與前后速度變化趨勢一致。數據從視頻中提取和誤差修正時，技術處理會帶來一定的誤差，造成與真實數據差距較大，因此，還需將測量誤差和數據處理誤差應用濾波方法進行去噪處理。

2考慮換道壓力增益的跟馳模型

2.1 換道壓力增益因子構建

換道壓力[211是指外部因素對車輛換道行為的影響程度，與離最遲換道位置的距離有關，越靠近最遲換道位置壓力越大，車輛換道的概率越大。

為研究高速公路分流區出口匝道對換道行為的影響，提取US-101路段中92輛車換道起始點距出口匝道鼻端的距離。繪制換道起始點距出口匝道鼻端距離 L 的分布頻率圖，如圖4所示。經擬合發現換道起始點距出口匝道鼻端距離 L 的頻率分布圖符合正態分布曲線，取置信區間為 95% ，可得出 L 的分布區間為 120～344m 。定義換道壓力增益因子 K（L_n-1） 衡量換道壓力對駕駛員心理的影響，即

式中： μ 為換道壓力敏感系數，取值范圍為 [0，1];L_n-1 為換道車輛換道位置距出口匝道鼻端的距離； L_max 和 L_min 為換道車輛換道位置距出口匝道鼻端的最遠距離和最近距離。如圖5所示， L_max 為 344m，L_min 為 120m ，后文將 K（L_n-1） 簡化為 K（?） 。

圖4換道起始點距離出口匝道鼻端距離分布頻率直方圖

Fig.4 Frequency of the distance from the start of the lane change to the nose end of the exit ramp

圖5換道車輛距出口匝道鼻端距離

Fig.5Distance from the nose of the exit ramp for lane changevehicles

2.2 改進跟馳模型

全速度差模型（fullvelocity difference model，FVDM）[22]是在廣義力模型的基礎上，考慮了前后車正、負速度差對駕駛員的影響所建立的應用廣泛的跟馳模型之一。換道車輛到達出口匝道影響范圍之前車輛的行駛采用FVDM，根據前后2輛車的速度差和間距差調整自身加速度，改變自身的駕駛狀態。

當前車行駛到出口匝道影響范圍時，可能發生換道駛出行為，會刺激后車集中注意力，有意識的去調整駕駛狀態，跟馳車輛的駕駛行為受前車和后車的間距差 Δx_n，n-1（t）， 第 n 輛車在 t 時刻與前車的速度差Δν_n，n-1（t） 及 L_n-1 的影響。結合式FVDM的基本形式，建立考慮換道壓力增益的全速度差跟馳模型（pressure-full velocity difference model，P-FVDM）

α=1/τ，

κ=λ/τ

速度優化函數可表示為

式中： 為跟馳車輛 n 雞在難 t 時刻的加速度， m/s²;a 為間距差敏感系數；τ為駕駛員反應時間， s;ν_n（t） 為第 n 輛車在 t 時刻的速度， m/s;κ 為速度差敏感系數;λ為敏感系數常量； l_c 為P-FVDM中車輛的最小安全間距， m ;C₁ 和 C₂ 為常數項。

前車行駛一定距離后，開始發生換道駛出行為，此時轉向燈亮起，開始發生橫向偏移，如圖5所示。此時跟馳車輛的駕駛行為受 橫向偏移 ΔW_n，n+1 及后車距出口匝道鼻端的距離 L_n+1 的影響。應用雙車道跟馳模型理論，在FVDM的基礎之上，考慮前車駛離當前車道時產生的橫向偏移對后車的跟馳行為的影響，王玄金[23]建立換道全速度差模型（lane pass-fullvelocity diference model，LP-FVDM）。結合LP-FVDM的基本形式，建立考慮換道壓力增益和換道駛出間距增益的全速度差模型（pressure lane pass-full velocitydifference model，PLP-FVDM）

速度優化函數可表示為

式中： ρ 為橫向間距敏感系數； G（?） 為橫向間距增益因子； ΔW_max 為車道寬度， m 。

圖6橫向偏移示意圖

Fig.6Schematicdiagramoflateraloffset

2.3 線性穩定性分析

假設在初始狀態下，車隊的車頭間距都相同為 p，m ，車輛運行速度為優化速度 V（（1+G（?）+K（?））p） 則得到各車輛的初始位置為

假設車輛 n 在 t 時刻由于小的擾動，產生偏離，定義為 y_n（t） ，有

x_n（{}）=x_n⁰（t）+y_n（t）

將式（11）和式（12）帶人到式（10）中，可得

式中

Δy_n（t）=y_n-1（t）-y_n（t）

令

將式（17）帶人到式（15）中，并將其進行展開，得到關于 z 的方程

z²=α[（1+G（?）+K（?））V^′（（1+G（?）+K（?））（e^iκ-1）-z]+κ（e^iκ-1）z₀.

令：

z=z₁（iκ）+z₂（iκ）²+…

將式（19）帶入式（18）中，計算得 iκ 的一階、二階項的系數分別為

當 z₂gt;0 時，均勻交通流會逐漸演變為穩定狀態；當 z₂lt;0 時，均勻交通流會逐漸演變為不穩定狀態。當z₂=0 時擾動衰減，此時可得模型的中性穩定條件為

為更好的分析 K（?） 對模型穩定性的影響，分別令 λ=0.5，G（?）=0.3 做出壓力增益因子取不同值時的臨界穩定曲線圖，如圖7所示。

圖7 λ=0.5，G（?）=0.3 的穩定性臨界圖

Fig.7Stabilitycriticalitydiagramfor λ=0.5 and δG（?）=0.3

圖7中，隨著 K（?） 的增大，臨界曲線向左上方移動，反應系數的最大值升高，穩定區域范圍變小，此時交通流能夠在相對較小的車頭間距下穩定運行，但要求駕駛員的反應時間足夠小。在臨界曲線附近更容易出現交通流不穩定的現象，表明出口匝道對交通流的運行有較大影響，在分流區內交通流的穩定性下降，換道駛出的車輛對主路車流的影響較大，極易引發交通震蕩不斷向上游傳播。

當 G（?）=0 時，式（19）退化為P-FVDM的穩定性條件，同樣可以得出隨著 K（?） 值的增大，模型的穩定區域變小，對駕駛員反應能力的要求更高，更易引發交通震蕩。

3改進跟馳模型精度驗證

3.1模型參數標定

利用前文得到的換道車輛和其跟馳車輛的軌跡數據對改進模型的參數進行標定，結合基礎模型的參數值確定標定參數的取值范圍，見表1所示。標定方法選取遺傳算法，遺傳算法的參數設置見表2。

表1參數取值范圍Table1 Parametersrangeofvalues

表2遺傳算法參數

Table2 Parametersof thegeneticalgorithm

研究選取的性能指標為跟馳車輛的加速度，使用RMSE作為擬合優度函數

式中： X_obs，i 為實際值； X_model，i 為模型計算值； N 為樣本量。

經GA參數標定后，P-FVDM和PLP-FVDM的模型參數的均值、中值、最大值、最小值和標準差分別如表3和表4所示。

Table3 CalibrationresultsoftheP-FVDMmodel

表4PLP-FVDM標定結果

表3P-FVDM標定結果

Table4 CalibrationresultsofPLP-FVDMmodel

3.2 模型仿真

為了驗證P-FVDM和PLP-FVDM的效果，選取車輛ID為13、1226共2輛車的軌跡數據，利用P-FVDM和PLP-FVDM對其進行速度和位置的仿真，與實際軌跡數據對比分析。用原始軌跡中的初始車輛速度和位置，利用模型計算出加速度，由此可以計算出車輛的仿真速度和位置。速度仿真效果和位置仿真效果分別如圖8和9所示。

圖8車輛速度仿真效果圖Fig.8Vehicle speed simulation

由圖8可知，P-FVDM與PLP-FVDM對車輛速度的模擬效果良好，其中1226號車的速度仿真誤差在 1m/s 范圍內，13號車的速度仿真誤差在 1.5m/s 范圍內。綜上，P-FVDM和PLP-FVDM速度仿真誤差都在 1.5m/s 以內，誤差范圍較小，雖然當車輛速度突變的程度較大時仿真效果相對較差，但總體與車輛的速度變化趨勢是相符的，能夠再現分流區真實交通流的速度信息。

圖9車輛位置仿真效果圖

Fig.9 Vehiclepositionsimulation

由圖9可知，1226號車位置仿真誤差范圍在 3m 內；13號車的位置仿真誤差范圍在 4m 內。因此，模型對車輛位置的仿真效果總體較好，總體位置仿真誤差范圍在 4m 內，P-FVDM和PLP-FVDM能夠較好的預測車輛的位置，能夠再現真實交通流中車輛的位置信息，進一步驗證了模型的準確性。

3.3 模型有效性驗證

為檢驗模型的有效性，對比P-FVDM和FVDM、PLP-FVDM和LP-FVDM的速度仿真效果，分別計算13、48、100、359、703和1226號車輛改進前和改進后模型的仿真速度的均方根百分比誤差值，即RMSPE，計算公式為式（24），結果分別如圖10和11所示。

由圖10可知，與FVDM相比，在換道車輛進入到出口匝道影響區域時，P-FVDM所控制的跟馳車輛的仿真誤差比FVDM的誤差減小，其中703號車的仿真誤差減小的最多（約為 32% ），359號車的仿真誤差減小的最少（約為 8% ），模型的總體提升約 16% 。因此，P-FVDM能夠更加精準的反映換道車輛進入出口匝道影響區發生換道行為之前主路跟馳車輛的駕駛情況。由圖11可知，與LP-FVDM相比，在換道車輛發生換道行為過程中，PLP-FVDM所控制的跟馳車輛的速度仿真誤差與真實值的誤差有所減小，模型的精度總體提升約12% ，能夠更加精準的反映換道車輛換道過程中主路跟馳車輛的駕駛情況。

圖10P-FVDM效果對比

Fig.10 Comparison of the effect of P-FVDM model

圖11PLP-FVDM效果對比 Fig.11 Comparison of the effect of PLP-FVDM model

綜上，提出的模型對分流區交通流的模擬效果更好。

4交通震蕩仿真研究

4.1 仿真條件

采用城市交通模擬系統（simulation of urban mobility，SUMO）[24]仿真軟件模擬換道車輛駛出時的分流區內交通震蕩，初始狀態設定換道車輛后面由20輛車組成的車隊跟馳行駛，所有車輛之間的跟馳模型為FVDM，給定初始速度和初始間距使車隊行駛至穩定狀態。

t=0 s時，換道駛出車輛到達出口匝道影響區域的起點，換道駛出車輛和車隊第一輛車之間的控制模型改為P-FVDM，車隊內部的車輛控制模型始終為FVDM，保持不變。在 t=21 s時，換道駛出車輛開始換道，發生橫向偏移，換道時間為 6s 。此時換道駛出車輛和車隊第一輛車之間的控制模型改變為PLP-FVDM。換道車輛沿道路縱向的行駛速度不變，橫向偏移的方式由車輛的換道時間和車道寬度（ 3.66m 計算得知，在前2.5s內車輛勻加速，速度達到最大時車輛橫向位置到達主路車道和減速車道的車道線，在后 2.5s 內車輛橫向速度開始均勻減速，當橫向速度減為 0m/s 時，車輛到達減速車道的中心線，此時完成換道行為。在 時，換道駛出車輛完成換道，此時對車隊的第一輛車不產生影響，車隊第一輛車以當前速度繼續行駛。

選取速度序列的標準差作為衡量震蕩振幅的指標

式中： u（t） 為當前車輛的速度采集值； u_m 為速度序列的平均值； n 為一輛車的仿真數據點數； I_n 為仿真的時間序列。

4.2交通流速度對交通震蕩的影響

為研究不同交通流速度對交通震蕩的影響，結合高速公路出口匝道附近車輛運行特性，設定換道駛出車輛和車隊的運行速度為 30，40，50km/h ，初始車頭間距由FVDM計算得出，如表5所示。為了使交通震蕩現象更加便于觀察，繪制出了車隊中車輛的速度標準差分布圖，仿真結果如圖12所示。

圖12車隊速度標準差圖

Fig.12Diagramof standarddeviationofvehiclefleetspeed

由圖12可知，車隊以 30km/h 勻速行駛時，車流內部產生擾動，隨著震蕩沿車隊向上游傳播，車隊中車輛的速度標準差呈現凹增長的模式。位于車隊上游的車輛速度標準差較大，即速度變化較大，震蕩振幅增大，震蕩現象更明顯，且隨著傳播過程快速增長。隨著震蕩不斷向上游傳播，車輛的速度標準差的增長幅度逐漸減緩，甚至呈現降低趨勢，即此時震蕩的增長開始趨于飽和。當車隊以 40km/h 勻速行駛時，所有車輛的速度標準差非常小，均小于0.5，且沿車隊向上游傳播過程中迅速減小，即交通震蕩在傳播過程中逐漸消散。當車隊以 50km/h 勻速行駛時，車輛速度標準差更小，均小于0.15，且降低速度更快，即交通震蕩消散的更快。

車隊以 30km/h 勻速行駛時，交通流內部不穩定和換道車輛的換道行為共同作用，產生交通震蕩。車隊分別以 40，50km/h 勻速行駛時，換道車輛的換道行為引起了交通震蕩，但此時車輛的車頭間距較大，前方出現擾動時后方駕駛員有更多的時間對車輛進行調控，因此，交通震蕩在向上游傳播的過程中逐漸消散。

綜上所述，車輛換道行為能夠引發交通震蕩，但是當行駛速度較高時震蕩會衰減，當行駛速度較低時速度標準差沿車隊向上游呈凹增長趨勢增長。

4.3換道位置對交通震蕩的影響

初始條件下，讓換道駛出車輛和跟馳車隊均以 50km/h 的速度勻速行駛，車頭間距為 28.5m ，所有車輛均以FVDM跟馳行駛，在到達出口匝道影響區域之前使交通流達到穩定狀態。 t=0s 時，換道駛出車輛到達匝道影響區域的起點，設定換道駛出車輛的加速度的值為 -0.2m/s² ，分別在 s和 t=25 s開始換道，換道時間均為6s，其余仿真設置與4.2節設置相同。

車隊車輛的速度標準差仿真結果如圖13所示。換道時刻越晚，表示換道車輛的換道起始點的位置距出口匝道鼻端的距離越近。由圖13可以看出，換道車輛在不同的位置換道駛出時，均發生了明顯的交通震蕩現象，并向車隊上游不斷傳播。分析發現，換道車輛在不同位置換道駛出時，車輛速度標準差都以凹增長的方式增加，與以往研究相符。隨著換道起始點距出口匝道鼻端距離減小，換道車輛的換道行為對后方跟馳車輛形成的影響越大，同一輛車的速度標準差增大，沿車隊向上游傳播的速度標準差的增加幅度也隨之增大。即換道車輛越早發生換道駛出行為對交通流的穩定越有利。

圖13車隊速度標準差圖

Fig.13Diagramofstandarddeviationofvehiclefleetspeed

圖14車隊速度標準差圖

Fig.14Diagramof standard deviationofvehicle fleetspeed

4.4換道時長對交通震蕩的影響分析

初始條件下，讓換道駛出車輛和跟馳車隊均以 50km/h 的速度勻速行駛，車頭間距為 28.5m ，所有車輛均以FVDM跟馳，達到穩定狀態。

時，換道駛出車輛到達出口匝道影響區域的起點，設定換道駛出車輛的加速度的值為 -0.2m/s² ，在 時開始換道，產生橫向位移，分別在 s和 時完成換道，即換道時間分別為5s，7s和9s，其余仿真設置與文中設置相同。車隊中車輛的速度標準差仿真結果如圖14所示。

從圖14中可以發現，換道時間越長，換道行為對后方車輛的影響越大，速度標準差沿車隊向上游傳播增長的越快，同時單個車輛的速度標準差更大，震蕩更加明顯。因此，換道時間越短對交通流的穩定性越有利。

5結束語

以NGSIM數據集的US-101路段數據為數據源，對數據處理后發現，分流區內換道駛出車輛的換道時間范圍為3～12s，換道位置距出口匝道鼻端的距離為 50～350m ，換道位置和換道時間之間具有一定的關系。

通過構建高速公路分流區換道壓力增益因子對模型進行改進，并進行穩定性分析，發現換道壓力敏感系數越高，模型的穩定區域越小。利用重構后的軌跡數據對模型進行參數標定，仿真分析發現，改進后的模型能夠更好地模擬車輛的速度和位置，P-FVDM的仿真精度提升了 16% ，PLP-FVDM的仿真精度提升了 12% 。利用改進后的模型對高速公路分流區內的交通震蕩進行仿真，研究結果表明，車速為 30km/h 時產生明顯的交通震蕩現象，并呈凹增長趨勢，車速為40和 50km/h 時交通震蕩在向后傳播過程中逐漸消散；隨著換道位置距離出口匝道鼻端距離變小、換道時間變長，速度標準差更大，即交通震蕩振幅更大，交通流的穩定性更差。

研究采用的數據集來自美國，不同國家的交通環境和人文因素相差較大，因此，交通流也存在一定差異，提出的模型仍需要中國的交通流數據進行進一步的驗證。再者，研究只考慮了分流區內一輛車換道駛出對主路交通流的影響，后續可考慮多輛車連續或間斷駛出時對主路交通流的影響。

參考文獻

1」Euie LU.Car-onowmg anu steauy-state meory ior noncongested trac[J].Uperauons Kesearcn，1yol，y（1）： o-/0.

[2]YeoH，SkabardonisA.Understandingstop-and-gotraficinviewofasymmetrictraffic theoryM]/TransportationandTraffic Theory 2009：Golden Jubilee.Boston，MA： Springer US，2009：99-115.

[3]KernerBS，Rehborn H.Experimentalfeaturesandcharacteristicsof traicjams[J].Physical ReviewE，StatisticalPhysics， Plasmas，Fluids，and Related Interdisciplinary Topics，1996，53（2）： R1297-R1300.

[4]Ahn S，CassidyMJ.Freeway traicoscilationsandvehiclelane-change maneuversC]//rocedingsofthe7thIntetioal SymposiumonTraficandTransportationTheory.July23-25，20o7，London，UK.Amsterdam：Elsevier，20o7：691-710.

[5]Moridpour S，Rose G，SarviM.Modelling the heavy vehicle drivers’lanechanging decisionunder heavy traficconditios[J]. Road amp; Transport Research，2009，18（4）：49-57.

[6］張穎達，邵春福，李慧軒，等.基于NGSIM軌跡數據的換道行為微觀特性分析[J].交通信息與安全，2015，33（6）：19-24，32. Zhang YD，ShaoCF，LiHX，et al. Microscopic characteristicsof lane-change maneuvers based onNGSIM[J].Joualof Transport Information and Safety， 2015，33（6）： 19-24，32.（in Chinese）

[7]U.S.DepartmentofTransportation，FederalHighwayAdministration（FHWA）.Nextgenerationsimulationfactsheet[B/OL]. （2011-05-27）[2023-12-06]. htp：//ps.fhwa.dot.gov/trafficanalysistools/ngsim.htm.

[8]SusilawatiS，TanKY，SamadKMA，etal.Thestudyoflocationspecificlanechangeimpactsotraficdelayusingetended cell transmissonmodel[C]/Proceedingsof the2018EUREKA International ConferenceonEnginering，Technologyand Construction （EUREKA2018）.April24-26，2018，Kuching，Sarawak，Malaysia.Les Ulis：EDP Sciences，2018，203：05008. DOI： 10.1051/matecconf/201820305008.

[9]LiXP，CuiJX，AnS，etal.Stop-and-gotrafcanalysis：theoreticalproperties，environmentalimpactsandoilation mitigation[J].Transportation Research Part B：Methodological， 2014，70： 319-339.

[10]鄭淑欣，李振龍，趙曉華.霧天高速公路換道行為特性研究[J].交通信息與安全，2020，38（1）：35-42，51. Zheng SX，LiZL，Zhao XH.Behavioral characteristicsof lane-changingon highwayin foggyweather[J].Journalof Transport Information and Safety， 2020，38（1）： 35-42， 51.（in Chinese）

[11]Zheng ST，JiangR，TianJF，etal.Empiricalandexperimentalsudyontegowthpaternof taicoscilationsupstramof fixed bottleneck and model test[J].Transportation Research Part C：Emerging Technologies，2022，140：103729.

[12]ToledoT，ZoharD.Modelingdurationof lanechanges[J].Transportation Research Record：Journalof theTransportation Research Board，2007，1999（1）： 71-78.

[13]Jiang R，Hu MB，Zhang HM，et al.Onsome experimental featuresof car-folowing behaviorand how to model them[J]. Transportation Research Part B：Methodological， 2015，80：338-354.

[14]JiangR，JinCJ，ZhangHM，etal.ExperimentalandmpiricalinvestigatiooftraicfloistabilityCProeedingoft 6th International Symposium of the Transport and Trafic ScienceForum （HEART2016）.May17-20，2016，Xi'an，China. Amsterdam： Elsevier，2017，23：157-173.DOI： 10.1016/j.trpro.2017.05.011.

[15］賀玉龍，劉磊，遲佳欣.高速公路車輛換道行為風險研究[J].重慶交通大學學報（自然科學版），2021，40（4）：26-33. HeYL，LiuL，ChiJX.Risk of vehiclelanechange behavioronhighway[J].JournalofChongqing Jiaotong University （Natural Science），2021，40（4）： 26-33.（in Chinese）

[16]Mauch ，CassidyM.Freeway traffc：oscilltions observations and predictionsM]/Transportationand TraffcTheorynthe 21stCentury.Amsterdam：Elsevier，2002： 653-673.

[17]張娟.城市快速路瓶頸交通震蕩特性研究[J].交通信息與安全，2015，33（5）：43-48. ZhangJ.Astudyoftraffcoscillationsat thebottlenecksonurbanexpressways[J].JouralofTransportInformationandSafety 2015，33（5）： 43-48.（in Chinese）

[18］黃永現.交通震蕩演化特性的實驗研究和建模仿真[D].合肥：中國科學技術大學，2019. Huang YX.Experimental research and modelingontheevolution of trafic oscilation[D]. Hefei： UniversityofScience and Technology of China，2019.（in Chinese）

[19]YaoHD，LiQWLiXP.Astudyofrelationshipsintraicoscilltonfeaturesbasdonfieldexperiments[J].Trasprtation ResearchPartA：Policyand Practice，2020，141：339-355.

[20］馬艷鋒.基于NGSIM數據的高速公路出入口強制換道車輛執行及后調整行為研究[D].西安：長安大學，2020. MaYF.Research onvehicles’mandatorylane change behavior in executionand post-adjustment periodonmulti-lane freeway based on NGSIM trajectory data[D]. Xi'an; Chang'an University，2020.（in Chinese）

[21]劉有軍，曹珊.基于元胞自動機的強制換道模型研究[J].交通信息與安全，2009，27（3）：78-80. LiuYJ，Cao S.Compulsorylane-changing traficmodel based on celularautomaton[J].Journalof Tansport Informationand Safety，2009，27（3）：78-80.（in Chinese）

[22]JiangR，WuQS，ZhuZJ.Fullvelocitydierence modelforacar-following heory[J].PhysicalReviewE，2001，64017101.

[23］王玄金.考慮前車換道過程的跟馳模型研究[D].重慶：重慶大學，2017. Wang X J.Research on car following model considering preceding vehicle’slane-changing processD].Chongqing： Chongqing University，2017. （in Chinese）

[24]Barcel6J.FundamentalsoftraficsimulationM].NewYork：Springer，20l0.（InternationalSeriesiOperations Researchamp; Management Science，vol 145）.

（編輯 呂建斌）