基于熟悉度的人机混驾交通流车辆换道模型构建OACSTPCD
Lane change model construction of human-machine shared driving based on driver's familiarity
网联自动驾驶车辆(Connected and Autonomous Vehicles,CAV)与普通车辆(Human-driven Vehicles,HV)的车辆性能、驾驶行为均有较大差异,考虑HV驾驶员对CAV的熟悉度与CAV驾驶协同行为,构建人机混驾交通流换道模型,可更准确地反映CAV混入对宏观交通流的影响,对人机混驾交通流管理意义重大.本文引入额外车间距离参数量化HV驾驶员对CAV的心理反应,改进Gipps安全距离模型,并计算不同目标车道车辆类型下车辆换道最小安全间隙;考虑CAV协同驾驶行为将换道场景分为目标车道空间条件满足换道要求时的自由换道与空间条件不满足换道要求时的协同换道;应用元胞自动机(Cellular Automata,CA)理论构建人机混驾环境下基于HV驾驶员熟悉度与CAV驾驶协同行为的车辆换道行为模型;结合Matlab进行换道场景仿真以验证所建模型有效性,并分析CAV混入对道路交通流速度波动的影响.研究结果表明:考虑驾驶员熟悉度情况下,道路最大流量较传统模型平均降低1.32％,在CAV渗透率P=0.6时降低3.31％;同时CAV的协同驾驶行为可以显著提高道路最大流量,最大流量的提升比例随CAV渗透率的增大而不断增高,渗透率P=1时,纯CAV交通流环境下最大流量提升约10.49％;CAV的混入能够有效降低交通流速度波动,车辆密度40 veh/(km·ln)状态下,CAV渗透率P>0.8时交通流速度波动平均值较纯HV交通流降低28％以上.
李霞;赵晓东;张孝铭;朱敏清;崔洪军
河北工业大学 土木与交通学院,天津 300401华杰工程咨询有限公司,北京 100020帝国理工学院,伦敦 SW72AZ河北工业大学 建筑与艺术设计学院,天津 300401河北工业大学 土木与交通学院,天津 300401
交通工程
智能交通换道模型元胞自动机人机混驾协同驾驶
《北京交通大学学报》 2023 (1)
无人驾驶车辆对道路通行能力的影响机理及作用研究
65-73,9
国家自然科学基金(51908187,52172304)
评论