考虑驾驶员记忆的多前车速度差跟驰模型研究

为了探究驾驶员记忆和多前车速度差对交通流的影响，本文基于全速度差模型（full velocity difference model,FVDM），结合驾驶员记忆因素和多前车对跟驰车的作用，构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。通过改进模型的线性稳定性特征，得出改进模型的稳定性条件。再对改进模型下的车流启动和制动过程进行仿真，并与FVDM的仿真结果作对比。然后采用微小扰动法对改进模型进行数值仿真，研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。最后，利用下一代仿真（next generation simulation,NGSIM）数据标定了改进模型的参数，并预测了其加速度。研究结果表明：驾驶员记忆在一定程度上不利于交通流的稳定，而多前车速度差对稳定交通流具有积极作用；与FVDM相比，改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%，预测精度更高，均方根误差降低了24.3%。