喬 岳
(浙江師范大學 浙江 金華 321004)
智能網(wǎng)聯(lián)汽車作為智能交通系統(tǒng)的重要組成,是提高出行效率、緩解交通擁堵的新興手段。智能網(wǎng)聯(lián)汽車在我國的逐漸普及,會出現(xiàn)人工駕駛汽車,智能網(wǎng)聯(lián)汽車的混合交通流。此外,智能網(wǎng)聯(lián)汽車的功能等級差異、智能網(wǎng)聯(lián)汽車的比例、相關(guān)法律法規(guī)以及使用中對輔助駕駛技術(shù)的限制等因素將會導(dǎo)致高速公路上混合交通流的不確定性[1]。
智能網(wǎng)聯(lián)汽車的發(fā)展將改變高速公路的交通環(huán)境。與人工駕駛汽車相比,智能網(wǎng)聯(lián)汽車能夠更快速地獲得更精確的駕駛條件參數(shù)且永不疲憊,它不僅嚴格遵守交通規(guī)則,而且還可以縮短兩個連續(xù)的智能網(wǎng)聯(lián)汽車之間的距離。現(xiàn)如今,對于智能網(wǎng)聯(lián)汽車的實驗已經(jīng)展開,未來的高速公路將會有相當長的一段時間,出現(xiàn)智能網(wǎng)聯(lián)汽車和傳統(tǒng)人工駕駛汽車共存的現(xiàn)象。
針對未來這種現(xiàn)象,本文采用微觀交通流理論中的元胞自動機模型來進行研究,改良了經(jīng)典的NaSch模型中的規(guī)則,將智能網(wǎng)聯(lián)汽車和人工駕駛汽車區(qū)分開來,以此來探究智能網(wǎng)聯(lián)汽車對高速公路混合交通流的影響。
元胞自動機是微觀交通流理論中的重要研究工具,模型的規(guī)則簡單,計算速度快。本文的模型建立在NaSch模型的基礎(chǔ)上[2]。與經(jīng)典NaSch模型一樣,改良后的NaSch模型具有:加速、減速、隨機慢化和位置更新這4步。不同的地方在于,對智能網(wǎng)聯(lián)汽車的第二步減速過程進行了優(yōu)化。
Step 1:加速。vn=min(vn+1,vmax),對應(yīng)于駕駛員期望以最大速度行駛的特性。
Step 2:人工駕駛汽車減速。vn=min(vn,dn),表示駕駛員為了防止與前車發(fā)生碰撞而減速。dn=xn+1-xn表示第n輛車和前車n+1 之間的空元胞數(shù)。
智能網(wǎng)聯(lián)汽車減速,vn=min(vn,dn+vn+1-1),表示智能網(wǎng)聯(lián)汽車根據(jù)前車速度和與前車距離靈活調(diào)整駕駛速度,在確保安全的情況下減少不必要的減速。
Step 3:隨機慢化。服從隨機慢化概率P,vn= max(vn-1,0),對應(yīng)于現(xiàn)實中各種不確定因素造成的隨機減速。
Step 4:位置更新。xn= xn+vn,車輛按照上述步驟中更新好的速度向前行駛。在這里,xn和vn分別表示第n輛車的位置和速度。
智能網(wǎng)聯(lián)汽車反應(yīng)時間極短,但考慮到道路狀況和某些不確定因素,將智能網(wǎng)聯(lián)汽車的慢化概率 P 設(shè)為 0.05。在智能網(wǎng)聯(lián)轎車的跟車過程中,它可以敏銳的捕捉到前車的加減速信息,并進行實時的調(diào)整,使得它對道路交通狀況的反應(yīng)更加靈敏,減少了許多不必要的減速,從而縮短了與前車的跟車距離。所以,本文在NaSch模型的基礎(chǔ)上,將智能網(wǎng)聯(lián)汽車的step2減速模型進行了修改。
if vn>dn,vn=min(vn,dn+vn+1-1),表示智能網(wǎng)聯(lián)汽車在減速階段,根據(jù)前車速度和與前車距離靈活調(diào)整駕駛速度,在確保安全的情況下減少不必要的減速。
在本元胞自動機模型中,建立了長度為1.5km的雙車道模型,手動駕駛汽車和自動駕駛汽車的車長為一個元胞長度。邊界設(shè)置為周期性循環(huán),初始狀態(tài)下車輛隨機分布在公路上,初始速度為隨機速度。仿真每一次運行演化1000時間步,記錄最后100時間步內(nèi)所有車輛的速度,求得每一時間步內(nèi)車輛的平均速度,最后將得到的速度值再做時間平均,得到車輛的平均速度v[3]。
圖1表示不同智能網(wǎng)聯(lián)汽車比例下的速度密度圖,橫坐標為密度,縱坐標為速度。黑色曲線代表智能網(wǎng)聯(lián)汽車比例為30%,粉色曲線代表智能網(wǎng)聯(lián)汽車比例為60%,綠色曲線代表智能網(wǎng)聯(lián)汽車比例為90%.
圖1 不同智能網(wǎng)聯(lián)汽車比例下的速度密度圖
首先,從圖中可以得出,黑色曲線最低,綠色曲線最高。這是由于智能網(wǎng)聯(lián)汽車的市場占有率越高,道路上的智能網(wǎng)聯(lián)汽車越多,由于智能網(wǎng)聯(lián)汽車隨機慢化概率小,且能及時感知周圍車輛的加減速信息,使得系統(tǒng)的平均速度越高。其次,三條曲線在密度達到20之前都比較平穩(wěn),當密度超過20時,都開始有不同程度的下降。這是由于在密度達到20之前,車輛比較少,系統(tǒng)處于自由流狀態(tài),車輛可以以較大的速度行駛。當密度達到20以后,系統(tǒng)逐漸開始擁擠,為了保證交通安全,車輛速度變慢。最后,當密度達到60時,三條曲線代表的系統(tǒng)平均速度不同,綠色最大,粉色次之,黑色最小。這是因為智能網(wǎng)聯(lián)汽車比人工駕駛汽車更有優(yōu)勢,它們可以與周圍的車交互,感知道路環(huán)境,以更快的速度前進,體現(xiàn)在仿真圖上就是智能網(wǎng)聯(lián)汽車市場占有率越高,系統(tǒng)的平均速度下降越慢,且在密度達到60時系統(tǒng)的平均速度更高。
隨著智能網(wǎng)聯(lián)汽車的發(fā)展,在未來的公路上會有越來越多的智能網(wǎng)聯(lián)汽車,本文通過對經(jīng)典的NaSch模型進行改進,將人工駕駛車輛和智能網(wǎng)聯(lián)汽車區(qū)分開來,并且進行模擬仿真,得到了關(guān)于人工駕駛車輛和智能網(wǎng)聯(lián)汽車混合交通流的一些見解,即智能網(wǎng)聯(lián)汽車的比例越高,系統(tǒng)的平均車速也越高,而且平均車速的下降速度也會減慢。
道路交通問題始終是我們面臨的一個難題,隨著智能網(wǎng)聯(lián)汽車的發(fā)展,高速公路混合交通流的研究必要而且有益。本文旨在為即將來臨的這一現(xiàn)象進行一些前瞻性的探究,提供一些見解。本研究還存在許多不足,還將進一步的深化探索。