宋偉亞

摘 要：未來(lái)，自動(dòng)駕駛汽車(chē)逐步投入市場(chǎng)時(shí)會(huì)對(duì)傳統(tǒng)的道路交通系統(tǒng)產(chǎn)生巨大的未知影響。本文通過(guò)建立基于元胞自動(dòng)機(jī)且充分考慮駕駛行為的三車(chē)道自動(dòng)-手動(dòng)駕駛混合交通流模型，研究了不同自動(dòng)駕駛比例下的混合交通流特性。

關(guān)鍵詞：自動(dòng)駕駛;混合交通流;駕駛風(fēng)格

0 引言

目前，人們普遍認(rèn)為自動(dòng)駕駛汽車(chē)能減少交通擁堵，但從現(xiàn)有預(yù)測(cè)數(shù)據(jù)看，自動(dòng)駕駛汽車(chē)時(shí)代的完全到來(lái)，至少在2030年以后。在此之前，其比例的逐漸增加會(huì)對(duì)交通流產(chǎn)生巨大的未知影響[1]?？v觀國(guó)內(nèi)外相關(guān)研究，基于元胞自動(dòng)機(jī)且充分考慮駕駛行為的自動(dòng)-手動(dòng)駕駛混合交通流研究并不多。

1 自動(dòng)-手動(dòng)駕駛混合交通流建模

對(duì)混合交通流進(jìn)行元胞自動(dòng)機(jī)建模的關(guān)鍵是：如何對(duì)自動(dòng)駕駛與手動(dòng)駕駛進(jìn)行區(qū)分，以展現(xiàn)二者對(duì)交通流影響的差異。參考現(xiàn)有研究，我們采用反應(yīng)時(shí)間τ與駕駛風(fēng)格β對(duì)二者進(jìn)行區(qū)分。易知自動(dòng)駕駛可準(zhǔn)確預(yù)估其他車(chē)輛速度，而不同駕駛風(fēng)格的人對(duì)速度的預(yù)估會(huì)存在差異，這里我們引入駕駛風(fēng)格系數(shù)β∈（0，1），提出基于Gipps安全距離規(guī)則的“預(yù)期安全距離模型”[2-3]：

基于“預(yù)期安全距離模型”改進(jìn)基礎(chǔ)的NaSch跟馳模型與自由換道規(guī)則[3]。

1.1 跟馳模型改進(jìn)

（1）確定t+1時(shí)刻的車(chē)速：

車(chē)輛n與旁車(chē)道后方車(chē)輛之間的車(chē)距大于預(yù)期安全距離才滿(mǎn)足換道的安全條件，且換道行為具有隨機(jī)性，按概率執(zhí)行最終的換道。

2 仿真與結(jié)果分析

2.1 仿真設(shè)置

在充分考慮舒適性及模型對(duì)反應(yīng)時(shí)間敏感性的基礎(chǔ)上，將自動(dòng)駕駛汽車(chē)的反應(yīng)時(shí)間取為0.5 s;同時(shí)，參考文獻(xiàn)將手動(dòng)駕駛反應(yīng)時(shí)間取為0.9 s。車(chē)道長(zhǎng)度L=2 km，車(chē)道數(shù)m=3，元胞長(zhǎng)1 m，車(chē)長(zhǎng)5 m;自動(dòng)駕駛最大速度為35，對(duì)應(yīng)實(shí)際126 km/h;手動(dòng)駕駛為30，對(duì)應(yīng)實(shí)際108 km/h;加、減速度均為3。自動(dòng)駕駛的駕駛風(fēng)格系數(shù)β取為1，手動(dòng)駕駛的駕駛風(fēng)格系數(shù)β取為0.9;換道概率取0.5。密度區(qū)間為[0，150]，增量?=3。采用并行規(guī)則及周期性邊界條件進(jìn)行演化，每次仿真演化20 000時(shí)步，取后2 000步內(nèi)所有車(chē)輛的平均速度作為系統(tǒng)平均速度。

2.2 不同自動(dòng)駕駛比例對(duì)混合交通流的影響

仿真時(shí)，自動(dòng)駕駛的比例的取值區(qū)間為[0，1]，變化增量=0.2，實(shí)驗(yàn)分六組進(jìn)行。對(duì)仿真結(jié)果進(jìn)行分析發(fā)現(xiàn)：隨著的增加，系統(tǒng)交通流各密度下的平均速度也隨之變大，且在相同車(chē)流密度下，越大，系統(tǒng)交通流的平均速度越大;同時(shí)，越大，相鄰值下，系統(tǒng)交通流各密度下平均速度的差異越明顯，尤其在高密度的擁堵區(qū)域;當(dāng)密度為150時(shí)，純自動(dòng)駕駛交通流的平均速度約為13 km/h，而純手動(dòng)駕駛交通流的平均速度已經(jīng)趨近于0。由此我們可以判斷：由于自動(dòng)駕駛的反應(yīng)時(shí)間比較小，且自動(dòng)駕駛能夠準(zhǔn)確判斷周?chē)?chē)輛的速度，所以它在行駛過(guò)程中所需的預(yù)期安全距離較小，道路空間利用率更高，即使在高密度車(chē)流環(huán)境下系統(tǒng)交通流的平均速度仍然比較大。此外，隨著的增大，最佳車(chē)流密度下的交通量也在增加，且交通量的變化增量越來(lái)越大;當(dāng)=1時(shí)，三車(chē)道系統(tǒng)交通流的峰值流量最大，約為3 418;

當(dāng)=0時(shí)，三車(chē)道系統(tǒng)交通流的峰值流量最小，約為2 386。由此可以判斷，在傳統(tǒng)的三車(chē)道系統(tǒng)交通流中引入自動(dòng)駕駛汽車(chē)，可以極大的改善三車(chē)道交通系統(tǒng)的道路通行能力，且最佳車(chē)流密度下的交通量最多能夠提升1.4倍。

3 結(jié)論

本文以未來(lái)自動(dòng)駕駛汽車(chē)逐步投入市場(chǎng)的過(guò)程中對(duì)傳統(tǒng)道路交通系統(tǒng)產(chǎn)生的未知影響為問(wèn)題導(dǎo)向，建立了基于元胞自動(dòng)機(jī)的充分考慮駕駛行為的三車(chē)道自動(dòng)-手動(dòng)駕駛混合交通流模型。經(jīng)研究發(fā)現(xiàn)：越大，系統(tǒng)交通流的平均速度越大，最佳車(chē)流密度下的峰值流量也越大，且系統(tǒng)交通量最大值接近3 500，道路通行能力最多能夠提升1.4倍。

參考文獻(xiàn)：

[1]Kanwaldeep Kaur，Giselle Rampersad.Trust in driverless cars：Investigating key factors influencing the adoption of driverless cars[J].Journal of Engineering and Technology Management.2018，48：87-96.

[2]Harpreet Singh，Ankit Kathuria.Analyzing driver behavior under naturalistic driving conditions：A review[J].Accident Analysis and Prevention.2021，150.

[3]邱小平，馬麗娜，周小霞，等.基于安全距離的手動(dòng)-自動(dòng)駕駛混合交通流研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2016，16（4）：101-108.