喬 岳

(浙江師范大學 浙江 金華 321004)

一、引言

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。

二、研究方法

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。

三、仿真結(jié)果

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。

四、結(jié)束語

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。