首页 | 本学科首页   官方微博 | 高级检索  
     

手动-自动驾驶混合交通流元胞传输模型
引用本文:秦严严, 张健, 陈凌志, 李淑庆, 何兆益, 冉斌. 手动-自动驾驶混合交通流元胞传输模型[J]. 交通运输工程学报, 2020, 20(2): 229-238. doi: 10.19818/j.cnki.1671-1637.2020.02.019
作者姓名:秦严严  张健  陈凌志  李淑庆  何兆益  冉斌
作者单位:1.重庆交通大学交通运输学院, 重庆 400074;;2.东南大学交通学院, 江苏 南京 210096;;3.威斯康星大学麦迪逊分校土木与环境工程系, 威斯康星 麦迪逊 WI53706
基金项目:中央高校基本科研业务费专项;重庆市教委科学技术研究项目;国家重点研发计划
摘    要:
为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。

关 键 词:交通流   元胞传输模型   自动驾驶   移动瓶颈   影响时间
收稿时间:2019-07-18
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《交通运输工程学报》浏览原始摘要信息
点击此处可从《交通运输工程学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号