[发明专利]考虑最优速度记忆及后视效应的车辆跟驰建模方法

说明书

技术领域

本发明属于道路交通拥堵改善领域，涉及一种车辆跟驰行为建模方法，具体涉及一种考虑最优速度记忆及后视效应的车辆跟驰建模方法。

背景技术

近年来，汽车的数量急剧增加，相应的基础交通设施建设难以跟上汽车的增长速度，由此带来的交通拥堵问题日益严峻，严重影响了人们的日常工作、生活和社会发展。

交通拥堵在交通流理论角度可以理解为交通失稳，因此，缓解与抑制交通堵塞，从某种意义上讲就是要改善交通流的稳定性。Bando M等人1995年在《Physical Review E》(1995，51(2)：1035-1042)发表了“Dynamical model of traffic congestion and numerical simulation”(“交通拥堵动态模型及数值仿真”)一文。该文中由驾驶员根据与前车的距离调整车速这一观点，提出了最优速度(OV)模型，第一次用微观跟驰模型对实际交通流的特性进行了模拟仿真，该模型可以解释交通失稳、堵塞相变、时走时停等诸多交通现象，然而却存在过高的加速度和不切实际的减速度。为解决这一问题，2001年，姜锐等人的“Full velocity difference model for a car-following theory”(“全速度差(FVD)车辆跟驰模型”)公开发表在《Physical Review E》(2001，64(1)：017010)，指出不论前车速度小于还是大于后车，都需要考虑速度差的影响，然而该模型并没有考虑到跟随车信息对当前车辆驾驶行为的影响。2012年，孙棣华等人在《四川大学学报：自然科学版》(2012，49(1)：115-120)发表论文《考虑后视效应和速度差信息的跟驰模型》(以下简称BLVD模型)，认为在实际交通环境中，驾驶员会通过后视镜观测跟随车的信息，并且跟随车的信息同样有利于提高交通流的稳定性。

然而上述模型却均局限于考虑前后车当前信息对车辆的影响，缺乏历史信息对交通流稳定性影响的研究。驾驶员的记忆因素对交通流的稳定性同样有着重要的影响，但是，基于前后车和驾驶员记忆效应综合信息下的交通流特性并未在以上模型中得到体现。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种考虑最优速度记忆及后视效应的车辆跟驰建模方法，该方法能够为交通控制及驾驶策略的设计提供基本依据，从而提高交通流的稳定性，有效的缓解交通拥堵。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

a.通过数学表达式建立车辆微观跟驰交通流模型；

式中，a是驾驶员的反应敏感系数，v_n(t)为车辆n在t时刻的速度，Δx_n(t)＝x_n+1(t)-x_n(t)为车头间距，Δv_n(t)＝v_n+1(t)-v_n(t)为前后车的相对速度，λ为对相对速度刺激的敏感系数，V_F(·)表示向前观测的最优速度函数，V_B(·)表示向后观测的最优速度函数，τ_m是记忆时间步长，[V(Δx_n(t))-V(Δx_n(t-τ_m))]是最优速度跟随记忆改变项，γ是其敏感系数；

b.忽略二次项，将上述车辆跟驰模型化简为：

c.选择最优速度函数：

V_F(Δx_n(t))＝α′[tanh(Δx_n(t)-β)+tanh(β)]

V_B(Δx_n-1(t))＝-α″[tanh(Δx_n-1(t)-β)+tanh(β)]

式中，α′，α″，和β都是正常数，β表示车辆间的安全距离；

d.根据跟驰模型，得出模型线性稳定条件，绘制出模型稳定区域与不稳定区域的分界线；

e.通过改变前导车运动状态来设定需要模拟的交通情景；

f.获取所有车辆的初始状态；

g.仿真模拟t>0时跟驰车队的运动状态，假设特定前导车按照预先设定的情形改变运动状态，而跟驰车队按照考虑最优速度记忆和后视效应跟驰模型运行，考察t>0时所有车辆的运动状态，按照规则更新后即得出模型在选定交通场景下的各车辆速度分布图。