何嘉琪 薛文偉 林 亨

（溫州大學建筑工程學院，浙江溫州 325035）

隨著工業(yè)4.0的迅速發(fā)展，以信息物理融合的車聯(lián)網(wǎng)技術在傳統(tǒng)汽車行業(yè)逐步應用，在改善車輛駕駛性能的同時也極大提高了車輛的安全性。交通擁堵是由車輛的換道行為和各種偶然的道路瓶頸引起的，且超過50%的交通事故都與車輛超車相關[1]。在智能駕駛快速發(fā)展的大背景下，結合智能信息反饋技術開展車輛的換道行為研究，有助于進一步認識交通擁堵傳播的特性，改善道路交通的運營狀況。有關交通流理論的研究主要從宏觀模型、介觀模型和微觀模型開展。以元胞自動機模型為代表的微觀模型是將道路離散為連續(xù)等間距的小格子，結合一系列的演化規(guī)則進行車輛駕駛行為模擬。Chowdury[2]引入雙車道換道規(guī)則，基于元胞自動機提出STCA雙車道換道模型，為更靈活和深入分析交通行為奠定基礎。李慶定等[3]基于公交車道所產(chǎn)生的交通瓶頸，改進非對稱換道元胞自動機模型，并進行交通流特性分析。Meng等[4]考慮車輛行駛過程中橫向與縱向之間的相互影響，提出異構化的元胞自動機模型進行驗證，與實測數(shù)據(jù)具有較好的一致性。李慶宇等[5]和于澤浩等[6]分別對智能汽車在聯(lián)網(wǎng)后的演化機制進行研究，采用不同超車方式和換道形式以提高道路的交通效率。目前，以機器視覺為主要技術的車聯(lián)網(wǎng)技術已經(jīng)越發(fā)成熟，根據(jù)GPS車輛位置信息定位及輔助車道上的監(jiān)控攝像頭，能夠實現(xiàn)對車輛行駛動態(tài)全域的監(jiān)測。本文在現(xiàn)有的模型基礎上，根據(jù)智能車輛得到的數(shù)據(jù)信息對車輛換道的策略進行反饋分析，構建基于智能信息反饋技術的交通流模型，結合數(shù)值模擬結果智能信息反饋技術對道路車輛行駛的影響，為開發(fā)車輛自動駕駛和道路運營管理提供技術支撐。

1 基于智能信息反饋技術的雙車道模型

1.1 對稱雙車道的車輛換道規(guī)則

現(xiàn)有的元胞自動機換道模型中，交通系統(tǒng)通常由兩條并行的單車道組成，如圖1所示。

圖1 元胞自動機的車輛演化模型

模型的實施過程中，每個時間步劃分為兩個子時間步：第一個子時間步里，車輛按照換道規(guī)則進行車道更換；第二個子時間步里，車輛在兩條車道上按照單車道的NaSch模型更新規(guī)則進行速度和位置的并行更新[7]。第n號車輛，Vn為當前行駛速度，Vn，max為該車最大車速；dn、dn，pred和dn，succ分別是車距離本車道前車凈距、與目標車道前車和后車凈距。

對于對稱雙車道換道規(guī)則模型（STCA），車輛在換道過程中應考慮自身和其他車輛的行駛安全，且每個車道的換道規(guī)則都相同。根據(jù)Chowdhury提出的換道規(guī)則[2]，車輛換道需要滿足：換道動機dndn，車輛自身車道的行駛條件比目標車道的行駛條件要差；安全條件dn,succ>dsafe，車輛換道時需要保證不與目標車道后方來車發(fā)生碰撞，且dsafe通常取后車的最大車速Vmax。

1.2 智能信息反饋技術的換道規(guī)則優(yōu)化

智能信息反饋技術是通過車聯(lián)網(wǎng)傳感器和道路輔助設施對道路上的行駛車輛以及周圍的交通環(huán)境數(shù)據(jù)進行收集，結合車輛自身的智能處理系統(tǒng)對車輛換道交互提供決策建議。基于對稱雙車道的車輛模型，第一個子時間步綜合考慮自身車道前車和目標車道前車n+1的車輛行駛狀態(tài)對車輛換道的影響。智能車輛擴展改進換道規(guī)則：換道動機dndn+dn+1-，考慮行駛車輛在自身車道和目標車道上與前車距離的基礎上，預估自身前車行駛所能帶來的位置空間；安全條件dn,succ>min(+1,Vmax)，車輛換道時只需要保證不與目標車道后方來車發(fā)生碰撞；上標b和m分別代表自身車道和目標車道，ln為車輛智能信息反饋有效長度。

換道車輛的相互影響如圖2所示。

圖2 換道車輛的相互影響

在已有的元胞自動機換道模型中，通常只考慮瞬時子時間步內(nèi)滿足換道條件的車輛，未能考慮換道車輛之間的相互影響。圖2中n和n+1號車都能夠滿足對稱雙車道換道規(guī)則，倘若此時車輛都采取換道的策略，n號車并未實現(xiàn)達到改善自身行駛條件的目的?？紤]智能車輛換道時，車輛n和n+1同時滿足換道條件時，作為后車n將根據(jù)前車換道情況進一步調整策略：換道動機dn+dn+1+1min(+1,Vmax)，車輛在換道時候只需要保證不與目標車道后方來車發(fā)生碰撞。智能車輛根據(jù)上述的原則調整是否繼續(xù)在自己車道行駛。

1.3 車輛演化微觀分析

基于對稱雙車道和智能信息反饋技術的換道規(guī)則，設定相同的初始條件和車輛分布情況進行車輛演化微觀分析，如圖3和圖4所示。

圖3 STCA模型車輛演化

圖4 IR-STCA模型車輛演化

圖中字母C和R分別代表傳統(tǒng)快車和裝有智能反饋系統(tǒng)的快車，字母后面的數(shù)字代表車輛的編號，短劃線后面的數(shù)字表示車速。車輛演化過程中，第一個子時間步根據(jù)不同車輛屬性進行換道判斷，第二個時間步按照單車道NaSch模型更新規(guī)則進行速度和位置的更新，這里忽略隨機慢化的影響。由圖3可知，目標車道在t時刻具有好的駕駛環(huán)境，故C5車輛根據(jù)對稱換道規(guī)則采取了換道，但受限于C2和C3車輛的行駛限制，t+1和t+2時刻減速行駛，t+3時刻C5車輛對應的車速為2。

由圖4可知，R5車輛具有智能信息反饋系統(tǒng)，在t時刻收集得到目標車道C2前車和自身車道C6前車的駕駛信息。通過智能信息反饋系統(tǒng)的換道規(guī)則判斷，目標車道C2前車的車前距離不能滿足其加速行駛的需求，自身車道C6前車的前車距離能夠滿足，故R5車輛在t時刻并未采取換道策略，而繼續(xù)在自身車道上行駛。t+1時刻，R5車輛由于自身車道的車前距離限制而減速，t+1和t+2時刻能夠保持持續(xù)的速度增長，t+3時刻車輛速度達到3，整個過程減少了車道的換道頻次，且車輛行駛速度優(yōu)于對稱雙車道的車輛狀態(tài)。

2 數(shù)值模擬與分析

基于上述車輛換道規(guī)則開展數(shù)值模擬，為保持和NaSch模型一致，取每個元胞格子的長度為h=7.5m，且雙車道上每個車道的元胞格子數(shù)為L=1000個，對應真實的7.5km長的現(xiàn)實道路。設定一個時間步長相當于1s，與人們的反應時間相當。車輛的行駛速度為0～5格/步，分別對應現(xiàn)實車輛車速0～135km/h，車輛的初始位置和速度都隨機分布在兩個車道上。

各車道流量：

各車道車輛密度：

各車道平均速度：

各車道利用率：

式中：Ni(t)——i車道t時刻的車輛總數(shù)；Vik(t)——i車道在t時刻第k輛車的瞬時車速。

計算得到每個時刻的車道流量后，根據(jù)所選的分析時間步數(shù)做平均處理。為了消除初始暫態(tài)對試驗的影響，對仿真中前5000個時間步數(shù)據(jù)不進行統(tǒng)計，采用周期性邊界條件。整個數(shù)值模型分析的時間步數(shù)為10000步，利用MATLAB軟件進行仿真試驗。車輛的總密度為0.25，隨機減速概率0.25，設定裝有智慧信息反饋系統(tǒng)車輛為5輛，在對稱雙車道換道規(guī)則工況中也隨機選擇5輛車輛，對比兩者在9900～10000時間步數(shù)內(nèi)不同換道規(guī)則情況下的車輛演化時空圖差異。不同車道上均出現(xiàn)了采用NaSch演化更新規(guī)則的“時走時停波”的現(xiàn)象，且伴有自發(fā)的交通阻塞逐步向后傳遞并消散的特征[7]，反映了實際交通狀況。時空演化圖如圖5、圖6所示。

圖5 對稱雙車道車輛演化時空圖

圖6 智慧信息反饋技術雙車道演化時空圖

觀察不同車道上車輛行駛情況發(fā)現(xiàn)，車輛的行駛軌跡存在較多不長的節(jié)段，同時來回出現(xiàn)在車道1和車道2演化時空圖之間。車輛在行駛過程中，采用對稱雙車道換道規(guī)則的車輛基于現(xiàn)有時刻路況信息，選擇即時的換道策略。裝有智慧信息反饋系統(tǒng)的車輛在行駛過程中具有較好的穩(wěn)定性，其在綜合比對目標車道與自身車道前車行駛狀態(tài)的基礎上選擇是否換道。裝有智慧信息反饋系統(tǒng)的車輛在行駛過程中的換道次數(shù)有所下降。

流量密度和車道利用率如圖7、圖8所示。

圖7 不同模型車道量-密度

圖8 不同模型車道利用率

由流量密度曲線可知，兩個模型在密度較小的區(qū)域，其總流量和單車道的流量都隨著密度的增加而增加，達到峰值后隨著密度的增加流量減小。STCA模型的總車道和車道1上的峰值流量為3 870 veh/h和1 935 veh/h略微高于IR-STCA模型總車道和車道1的流量3 760 veh/h和1 881 veh/h。智慧信息反饋技術車輛在道路上較為穩(wěn)定行駛，選擇放棄換道策略，影響了其后跟馳車輛的行駛車速，致使流量峰值下降。對比不同密度流量，車輛密度小時和車輛密度大時影響不明顯。

進一步分析不同車道上的利用率發(fā)現(xiàn)，低密度時各條車道利用率差異不同，此時車道上行駛的車輛還處在自由流的狀態(tài)，車輛之間沒有相互干擾，隨著車道密度增加，各條車道的利用率開始收斂。雙車道模型各車道理想的車道利用率為0.5，但由于智慧信息反饋技術的作用，IR-STCA模型的車道利用率在車道密度0.13時達到0.5的車道利用率，STCA模型則在車道密度為0.16時，才能達到0.5的車道利用率。車輛裝有智慧信息反饋系統(tǒng)后，能夠分析自身車輛周圍的車輛間距，還能夠獲得目標車道以及自身車道前車的車輛行駛狀態(tài)，使車輛在行駛時減少不必要的換道，提升車道利用率。

3 結語

基于對稱雙車道換道規(guī)則模型，結合智能信息反饋技術提出了一個改進的雙車道元胞自動機模型，分析車輛在智能信息反饋裝置影響下道路車輛行駛的特點。裝有智能信息反饋裝置的車輛在車道行駛過程中，將采取較為保守的換道策略，在減少換道頻次的基礎上略微提高車道的利用率，降低行駛過程中車輛的換道頻次，可減少車輛超車換道事故；對比對稱雙車道換道規(guī)則模型，該改進模型的車道峰值流量略小，但低車道密度和高車道密度情況影響不大，智能信息反饋技術能夠在局部情況改善車道的行駛狀態(tài)。