面向交通排放测算的VISSIM跟驰模型优化分析

交通排放精确测算成为交通领域的研究热点,如何将微观仿真模型与排放测算模型有效结合是一个亟待解决的问题,为使仿真所得污染物排放量更加准确,研究VISSIM内置的Wiedemann99跟驰模型的优化问题.首先,选择NGSIM数据集中的US-101公路数据,进行跟驰数据的提取以及跟驰模型的仿真;其次,以VSP均方误差最小为目...     

基于多元高斯模型的跟驰轨迹评价方法研究

针对机器学习跟驰模型中传统轨迹层面误差分析方法考虑因素不够全面、原始数据存在部分不合理驾驶轨迹且难以剔除的问题,提出一种从总体数据角度评价跟驰轨迹的方法——多元高斯模型,将车头间距与相对速度进行联合考虑更能体现个人的驾驶行为.运用高斯分布描述总体数据的概率分布,计算跟驰轨迹的概率值作为对比依据.选用K近邻模型进行轨迹仿真,在NGSIM数据集上进行训练和仿真测试,仿真实验结果表明,多元高斯模型对轨迹的评价更合理,该方法也可用于改善和扩充数据集,剔除部分不合理轨迹,将仿真概率较高轨迹加入到数据集.     

基于Multi-Agent System的跟驰模型

利用Agent相关理论,基于多个相互协作的Agent,构建了基于Multi-Agent System的跟驰模型,具体给出了各Agent的结构和元组构成,以使车辆在跟驰环境下能自适应、主动地对环境进行响应并做出决策.此外,基于构建的跟驰模型给出了数值仿真实例,并得到合理结论.     

车辆跟驰模型研究进展

梳理了近70年关于跟驰模型的研究, 根据建模方法将其分为理论驱动与数据驱动2类模型, 并归纳了跟驰模型的研究热点; 从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述; 根据所用机器学习算法的不同, 从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明: 理论驱动类跟驰模型以理论推演交通现象, 对影响因素的考量难以全面, 部分人类因素难以量化, 驾驶人决策制定过程的解释不够准确, 异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明; 数据驱动类跟驰模型以交通现象归纳交通规律, 由于数据的来源、评价指标及评价方法不同, 导致应用机器学习算法得到的模型无法系统比较; 数据驱动类模型侧重于从微观角度研究驾驶行为特性, 对复杂交通现象(如交通震荡、迟滞等)的解释性不强; 跟驰模型的研究应创新数据采集方法, 捕捉驾驶人的心理倾向、感知特性和认知能力, 并量化人类因素的影响和充分利用大数据; 数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持; 在自动驾驶完全普及之前, 人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。     

基于扰动传播特征的随机Newell跟驰模型

为研究快速路场景下小汽车跟驰行为,本文从北京市快速路交通流视频中提取高时间分辨率的机动车运行轨迹数据.统计发现,在不同跟驰速度下,小汽车车头时距均服从对数正态分布;利用动态时间规整算法提取小汽车的反应时间与扰动传播速度等特征参数,分别标定其概率分布函数,证明跟驰过程中小汽车的反应时间分布峰值和数学期望分别为1.0 s 和1.57 s;在挖掘反应时间、扰动传播速度与车头时距量化关系的基础上,建立基于交通扰动传播特征的随机Newell跟驰模型,并标定得到分速度区间的模型参数.仿真结果表明,本文提出的随机Newell跟驰模型能有效刻画跟驰行为与扰动传播间的关联特征,同时生成符合预期的交通流基本图.新模型能够为跟驰行为随机特征对交通状态的影响研究(如交通流陡降、宽移动阻塞等)提供支持.     

基于扰动传播特征的随机Newell跟驰模型

为研究快速路场景下小汽车跟驰行为,本文从北京市快速路交通流视频中提取高时间分辨率的机动车运行轨迹数据.统计发现,在不同跟驰速度下,小汽车车头时距均服从对数正态分布;利用动态时间规整算法提取小汽车的反应时间与扰动传播速度等特征参数,分别标定其概率分布函数,证明跟驰过程中小汽车的反应时间分布峰值和数学期望分别为1.0 s 和1.57 s;在挖掘反应时间、扰动传播速度与车头时距量化关系的基础上,建立基于交通扰动传播特征的随机Newell跟驰模型,并标定得到分速度区间的模型参数.仿真结果表明,本文提出的随机Newell跟驰模型能有效刻画跟驰行为与扰动传播间的关联特征,同时生成符合预期的交通流基本图.新模型能够为跟驰行为随机特征对交通状态的影响研究(如交通流陡降、宽移动阻塞等)提供支持.     

车辆跟驰模型对比研究

车辆跟驰理论作为交通流理论的一个重要分支,半个世纪以来一直受到交通研究人员的重视并得到持续快速发展。主要介绍了几个重要模型并结合各自的特点进行了对比研究。建议实际应用时应根据系统要求结合模型的特点进行选择,必要时进行适当的改进。     

混合交通环境下网联自动驾驶车辆跟驰模型与优化策略

为进一步提高混合交通环境下车辆的行车效率与交通流的稳定性,在考虑后视效应的基础上,融合多辆前车速度与加速度等状态信息,以指数平滑方式构建了网联自动驾驶车辆(CAV)跟驰模型;在此基础上,研究了前后方车辆数和状态信息完整度对模型稳定性的影响,结合Lyapunov第一方法和线性谐波微扰法进行了线性稳定性分析,并确定了模型最优参数;利用混合交通环境特性,在考虑通信信息丢失的情况下提出了CAV在不同位置和状态下的跟驰策略,并在该策略支撑下进行了不同CAV渗透率的车辆启动、车辆刹车停止、环形道路3个典型场景下的数值仿真。研究结果表明：在刹车停止场景中,全部车辆的停止波速最大提高了26.1%;在车辆启动场景中,启动波速最大提高了15.5%,车辆加速度和速度变化更为平缓;在环形道路场景中,当混合交通流中CAV渗透率由40%提高至100%时,在较大扰动条件下车辆的平均速度波动时间相较于低CAV渗透率场景下降了44.8%,波峰下降了5.7%,波谷上升了19.4%,而CAV渗透率较低时提出的优化策略对混合交通流的改善并不明显。由此可见,在当前构建实际混合交通环境与开展CAV实车试验比较困难的情况下,该跟驰模型和策略可用于车辆跟驰仿真与特定场景下的测试验证,能够有效保障混合交通环境中的交通流扰动吸收和车队稳定行驶。     

实时道路条件的跟驰模型研究

为了研究实时道路条件对车辆跟驰行为的影响,应用车辆动力学结合车载GPS和传感器数据实时估算路面与轮胎间的附着系数,并应用附着系数对智能驾驶模型的最小期望跟驰间距进行修正,建立考虑实时道路条件的跟驰模型。对模型的分析表明:考虑实时道路条件的跟驰模型在保证乘客舒适性的基础上能提高道路的服务水平。     

基于相关分析的跟驰模型及其稳定性

为了精确地模拟车辆跟驰过程,应用相关分析的方法建立一系列跟驰模型,用微积分的方法解析模型.通过变量筛选.明确了影响车辆跟驰的重要因素有速度差、间距和前车速度.通过对模型的解析.确定了模型参数的合理取值范围以确保模拟的稳定.建立的跟驰模型可以模拟不同车辆之间的跟驰行为.预测跟驰车辆的运动状态,用于智能车辆控制或者用于追尾预警.如果获得了更完备的实验数据,基于相关分析建立跟驰模型的方法可以更精确地考虑到车辆运动状况、动力性能、道路条件、驾驶特性等影响因素.     

与车辆跟驰理论统一的一维交通流动力模型研究

从交通流的连续性假设开始将交通流中的每一个参数(包括交通压力)都在流体流中 找到了恰当的比拟.通过理论推导,得出了类似一维可压缩理想流体流动的交通流连续性方 程、欧拉微分方程和动量方程.并从一维定常交通流的分析研究中,得出了交通压力的数学表 达式.从而得出了由连续性方程、欧拉微分方程、交通压力表达式和状态方程构成的一维交通 流动力模型,论证了该模型与车辆跟驰理论是统一的.     

考虑驾驶员性格特性的跟驰模型

引入驾驶员个体行为差异到传统的交通流模型中,建立了反映驾驶员性格的车辆跟驰模型.以概率反映驾驶员性格特性分布,用权重系数表示不同性格驾驶员在操作方面的差异,运用交通调查的方法对模型参数进行了识别.最后,用本文所建立的模型对车队在城市交叉路口的启动过程进行了仿真.仿真结果表明,不同类型的驾驶员在跟驰过程中,速度出现明显的波动,反映了驾驶员的个体差异,与实际交通更为接近.     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型,是交通流理论 的基础。近年来,信息感知与获取、大数据、人工智能等技术快速发展,推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型,是以真实的车辆行驶数据为基础,利用数据科学与机器学习等 理论和方法,通过样本数据的训练、学习、迭代、进化,挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮,归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型,并分别介绍了其中的典型代表。分析数据源发现,尽管各 种高精度轨迹数据不断涌现,目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据,模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量,是否有必要考虑更多行为变量,现有输入、输出 是否可替换。在模型测试与验证方面,发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后,探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理,帮助研究者更好地了解数据驱动跟驰模型的过去与现状,促进相关研究的快 速发展。     

基于最优间距的车辆跟驰模型及其特性

为真实地反应车辆跟驰机理,假设在跟驰状态下,驾驶员倾向于保持最优跟驰间距,在分析最优间距函数的基础上,建立了车辆跟驰模型(optimal distance model, ODM).利用NGSIM数据,对ODM模型和经典Gipps车辆跟驰模型进行参数标定和评价.用仿真方法分析了ODM模型再现宏观交通流现象的能力和加速度特性.研究结果表明:与Gipps模型相比, ODM模型的加速度、速度和距离的仿真精度分别提高了0.36 m/s2、0.99 m/s和0.73 m,并能够再现实际交通流中稳定车流和冲击波等交通现象;在稳定交通流中, ODM模型总是趋向于使车辆间距等于最优跟驰间距,或在其附近小幅度波动.      

空中高速路交通流的跟驰现象及流量模型

为研究下一代航空运输系统空中高速路的流量模型,针对连接远程、繁忙航线城市对的空中高速路具有航路单向、无交叉、有性能限制、高密度运行的特点,以下一代航空运输系统的运行规则为基础,基于跟驰理论,对单层航路建立了空中高速路交通流微观跟驰模型.通过对空中交通流量密度关系的分析,扩展出空中交通流的宏观流量模型,该模型可用于航路流量优化、安全分析和航路容量评估等.计算结果表明:由微观跟驰模型得出,运行于空中高速路上的航空器间隔越小、速度越快、后机反应强度越小,后机相对于前机的跟驰反应就越强烈;由宏观航路流量模型得出,飞机流中航空器间隔越小、起始速度越大,流量变化就越明显.      

考虑多前车反馈的智能网联车辆跟驰模型

基于智能网联车辆(Connected Autonomous Vehicle, CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明：所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.     

考虑驾驶员反应能力的跟驰模型

考虑驾驶员个体行为差异,对驾驶员的反应时间进行了分析,利用统计分析与概率论相结合反映驾驶员反应能力特性分布.在传统跟驰模型的基础上,结合最优速度差模型,建立了反映驾驶员反应能力的车辆跟驰模型.该模型对城市交叉路口车队启动过程进行了仿真,仿真结果表明:后面车辆的启动都会出现延迟,延迟时间的长短以概率的形式反映了驾驶员的个体差异,与实际交通更为接近.     

基于跟驰模型的交通流混沌研究

本利用Simulink软件，基于皮埃莱跟驰模型，建立了由十辆车组成的车队的动态仿真模型。实验中通过采集车队中不同位置的车辆与其前车辆的车头间距来分析研究交通流程沌现象。通过仿真研究分析，得到的主要结论为皮埃莱跟驰模型产生的交通流存在混沌现象，后车驾驶员对前后车相对速度越敏感越容易出现混沌现象，后车驾驶员对前后车车头间距越敏感越容易出现混沌现象，首车所受干扰振幅越大越容易出现混沌现象。     

交通仿真模型融合微观车辆排放模型研究综述

为评估交通管控策略的潜在环境效益,在交通仿真模型中融合微观车辆排放模型,可仿真估计机动车污染物排放特征.论文比较分析了微观车辆排放模型的基本特点,总结了微观车辆排放模型本地化移植的方法与进展;对宏观、中观、微观多层级交通仿真模型融合微观车辆排放模型的方法进行了综述分析.研究发现,宏观及中观交通仿真模型与微观车辆排放模型...