陸 建，夏晶晶，時 磊

（淮陰工學(xué)院，江蘇 淮安 223003）

0 引言

IDM 是integrated Drive Model（一體化驅(qū)動模型）的縮寫。車輛跟馳行為是描述同一車道上前后兩車在行駛車隊中的相互作用，是研究微觀交通流的基礎(chǔ)交通行為[1]。跟馳模型是基于傳統(tǒng)的動力、運動學(xué)，通過對行駛在單車道上的車隊中的前車的運動狀態(tài)對跟馳車運動狀態(tài)的影響，對微觀交通流進(jìn)行描述，為車輛跟馳行為的研究提供一種理論方法。跟馳理論自從1950 年被提出以來，經(jīng)過七十多年的發(fā)展，已經(jīng)成功應(yīng)用于微觀交通仿真、交通安全評價和道路通行能力評估等領(lǐng)域。跟馳模型從起初的理論逐漸演變成微觀交通流中具有研究意義的車輛跟馳模型，通過結(jié)合交通工程、物理學(xué)、心理學(xué)等眾多學(xué)科的知識不斷對其進(jìn)行改進(jìn)，為交通工程學(xué)的發(fā)展做出了巨大貢獻(xiàn)。

1 經(jīng)典IDM 跟馳模型的提出

Reuschel[2]和Pipes[3]首先從運動學(xué)的角度對隊列行駛中的車流進(jìn)行，為車輛的跟馳行為提供了理論基礎(chǔ)。1961 年Gazis[4]等根據(jù)刺激-反應(yīng)原理提出了最經(jīng)典的GM 跟馳模型的通用表達(dá)式，奠定了跟馳模型在微觀交通流中的核心地位；1981 年Gipps[5]等結(jié)合安全距離的思想提出了安全距離模型；1995 年Bando[6]等利用前車的速度、與前車之間的距等信息建立了速度優(yōu)化模型。

隨著自動駕駛技術(shù)的發(fā)展，通過車聯(lián)網(wǎng)車輛能夠獲得更多、更精確的周圍車輛及道路狀況的實時數(shù)據(jù)，并實現(xiàn)駕駛操作的輔助與決策。在這種背景下，有一些學(xué)者對傳統(tǒng)跟馳模型進(jìn)行了改進(jìn)。

Treiber 等[7]基于自動駕駛技術(shù)提出了智能駕駛員模型（IDM），該模型基于合理的假設(shè)以及現(xiàn)有的參數(shù)對微觀和宏觀交通模型進(jìn)行了對比和解釋。根據(jù)德國高速公路的交通數(shù)據(jù)，利用測得的邊界條件以半定量的方式得到的結(jié)果與各種經(jīng)驗觀察結(jié)果一致。他們發(fā)現(xiàn)該模型能夠建立微觀與宏觀交通流之間的聯(lián)系，在描述跟馳行為時的穩(wěn)定性容易控制，有利于實現(xiàn)加減速平穩(wěn)過渡的智能制動策略。

2 車輛IDM 模型的改進(jìn)

在Treiber 等[7]提出智能駕駛員模型之后，研究者主要從基于傳統(tǒng)駕駛員、車輛特性的角度和自動駕駛技術(shù)角度對智能駕駛員跟馳模型（IDM）進(jìn)行改進(jìn)。

2.1 基于傳統(tǒng)駕駛員、車輛特性的改進(jìn)

2006 年Treiber 等[8]考慮了駕駛?cè)搜舆t、不精確等因素，建立了HDM 模型。擬合出的結(jié)果表明，HDM模型減少了自由交通和高速擁擠交通之間的轉(zhuǎn)換梯度，增加了停走的波長，這與經(jīng)驗觀察的結(jié)果是一致的。

2012 年敬明[9]等將駕駛?cè)说姆磻?yīng)時間和車輛類型作為車輛的個體特征加入到IDM 跟馳模型中，創(chuàng)建了基于車輛個體特征的跟馳模型。研究的結(jié)果表明，改進(jìn)后的模型能夠較好地反映駕駛?cè)苏鎸嵉卮碳し磻?yīng)過程、駕駛?cè)诵袨榈碾x散型和隨機性及不同車型車輛性能的差異，提高了仿真效果與實際狀況的一致性。

2015 年Saifuzzaman 等[10]基于任務(wù)能力交互模型，將駕駛?cè)蝿?wù)難度（TD）模塊嵌入到Gipps 的安全距離模型和智能駕駛員（IDM）模型中，建立了TDGipps和TDIDM 模型。數(shù)值仿真的結(jié)果表明，TDIDM 模型通過精確獲得前車的速度、車間距等信息，能在不同駕駛?cè)蝿?wù)難度下有效控制跟馳車輛的跟馳行為，特別是當(dāng)前車突然加速或減速時，在該模型控制下的跟馳車輛仍能保持平穩(wěn)的跟馳車速。

2016 年楊龍海等[11]考慮了道路附著系數(shù)，對IDM模型進(jìn)行了改進(jìn)，建立了實時道路條件的跟馳模型，通過仿真分析，得出了該模型在確保行車安全的基礎(chǔ)上，不僅保證了乘客的舒適性，而且有助于提升道路通行能力的結(jié)論。

2019 年肖新平等[12]在經(jīng)典智能駕駛員模型（IDM）中加入速度差刺激項和非對稱系數(shù)，同時考慮了速度波動的異方差性等因素建立了IDM-GARCH 模型。仿真分析的結(jié)果表明，改進(jìn)后的IDM 模型與經(jīng)典IDM 模型相比不僅在精度上有了很大的提高，而且由GARCH 類模型估計地條件方差也能準(zhǔn)確反應(yīng)后車速度波動的趨勢和幅度。

2021 年鄧紅星等[13]在經(jīng)典IDM 模型的基礎(chǔ)上，通過引入駕駛員反應(yīng)時間、反應(yīng)車型特征的期望跟馳間距系數(shù)以及前車加速度信息對IDM 進(jìn)行了改進(jìn)，提出了一種AIDM 模型。利用線性穩(wěn)定性分析方法，得到了使AIDM 模型的穩(wěn)定性條件。仿真分析的結(jié)果表明，融入前車加速度信息這一參數(shù)能夠進(jìn)一步提高交通流的穩(wěn)定性，有效抑制交通擁堵。

2.2 基于自動駕駛技術(shù)的改進(jìn)

自適應(yīng)巡航控制（ACC）和自動駕駛汽車協(xié)調(diào)自適應(yīng)巡航控制（CACC）車輛進(jìn)行跟馳行為的前提保持穩(wěn)定的車間時距，而智能駕駛員模型（IDM）恰好能夠反映車間時距這一物理意義。因此，應(yīng)用智能駕駛員跟馳模型描述ACC/CACC 車輛跟馳行為得到了眾多學(xué)者的普遍的認(rèn)可。

2006 年Van Arem 等[14]利用以高速公路下匝道作為研究對象，來研究擾動對于有限交通量的影響，并發(fā)現(xiàn)當(dāng)CACC 車輛的比例增加時，平均車速相應(yīng)得到提升，擾動能夠更快速度地消散。

2008 年Kesting 等[15]應(yīng)用利用IDM 模型模擬了ACC 車輛，研究結(jié)果表明：ACC 車輛在車隊中的比例達(dá)到25%以上時，車流的擁堵情況可以得到有效改善。

2010 年Schakel 等[16]在經(jīng)典IDM 跟馳模型的基礎(chǔ)上通過加速控制裝置來增強CACC 車輛的交通流穩(wěn)定性。實驗結(jié)果表明，實驗車輛速度和間距的差異性減小了，該設(shè)計側(cè)重于交通流穩(wěn)定性的提升，并非交通容量的增加。

2020 年羅穎等[17]利用篩選處理后的NGSIM 數(shù)據(jù)庫軌跡數(shù)據(jù)，分別建立了IDM 跟馳模型與RBFNN 跟馳模型，以最優(yōu)加權(quán)組合的方法溝通二者，建立了IDM-RBFNN 低速跟馳模型。結(jié)果表明，該模型既可有效避免車輛在低速跟馳行為中容易出現(xiàn)的較大加速度震蕩與不安全跟車間距，又能夠更好的符合實際變化趨勢。

3 IDM 模型發(fā)展現(xiàn)狀評述

通過以上對車輛跟馳行為模型分析可以得出，各國的研究者對經(jīng)典智能駕駛員模型（IDM）進(jìn)行了各種不同的改進(jìn)。然而，由于各種建模思想與理論結(jié)果、參數(shù)標(biāo)定結(jié)果等的各不相同，其使用條件也必然也不同，因此，對各種改進(jìn)后的跟馳模型的綜合評價就顯得特別困難。

車輛跟馳行為涉及駕駛?cè)说囊蛩?，該行為往往與駕駛?cè)俗陨淼纳硖匦?、駕駛技能、實際駕駛狀態(tài)等因素密切相關(guān)；同時，由于車輛的跟馳行為需要依靠車輛這一載體才能實現(xiàn)，路面條件、車輛性能的變化也在很大程度上影響著跟馳行為特性。這些因素都使得所建立的模型的實用性受到極大的挑戰(zhàn)。正常來說，只有當(dāng)所建立的模型的結(jié)構(gòu)能夠全面反映不同交通狀態(tài)中的駕駛?cè)说牟煌袨闀r，由該模型所做出的預(yù)測的準(zhǔn)確度才能處于較高水平。但是，在車輛跟馳模型中融入更多的人的因素，勢必會增加模型的復(fù)雜性，這將給參數(shù)標(biāo)定帶來一定的壓力，導(dǎo)致所建立的模型地實用性大大降低。此外，盡管不少研究人員提出了各種反映人的因素的參數(shù)，但是這些參數(shù)對于跟馳行為特性地影響能力還缺乏量化。

4 IDM 模型發(fā)展趨勢

對智能駕駛員跟馳模型（IDM）研究的最終目標(biāo)是使所建模型能夠在微觀和宏觀水平上與現(xiàn)實交通特性保持一致。IDM 跟馳模型的研究不僅需要考慮駕駛?cè)俗陨韽?fù)雜的特性、改進(jìn)模型結(jié)構(gòu)增加其實用性，而且還需要考慮建立統(tǒng)一地參數(shù)標(biāo)定與評價標(biāo)準(zhǔn)。此外，智能交通技術(shù)、車聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，給智能駕駛員跟馳模型（IDM）帶來了新的發(fā)展機遇。未來對智能駕駛員跟馳模型（IDM）的改進(jìn)可以從以下幾個方面著手：

4.1 多種學(xué)科理論的交叉融合

智能駕駛員跟馳模型（IDM）的發(fā)展過程中融合了物理學(xué)、心理學(xué)、自動控制、車輛工程等諸多學(xué)科的理論。各種不同的理論方法共同使得智能駕駛員跟馳模型（IDM）不斷發(fā)展，因此，我們應(yīng)該針對具體的問題選擇一種或多種理論融合去解決，所選的理論方法不一定是我們最熟悉的，而應(yīng)該是能更好地解決所遇到問題的理論方法。

4.2 有選擇的考慮駕駛?cè)说囊蛩?/h3>

駕駛?cè)耸冀K是跟馳行為產(chǎn)生的主體，車輛的跟馳行為不能被簡單地視作一種純機械運動，而是物理與心理相互作用產(chǎn)生的結(jié)果，駕駛?cè)说闹饔^因素在跟馳行為中扮演著重要的角色。因此，未來對智能駕駛員模型（IDM）的改進(jìn)在充分考慮駕駛?cè)说闹饔^的因素仍是重點發(fā)展趨勢；同時，還應(yīng)該對反映駕駛?cè)艘蛩氐膮?shù)進(jìn)行量化。然而，模型融合的人的因素越多，所建模型會越復(fù)雜導(dǎo)致模型實用性降低。因此，對各種人的因素進(jìn)行篩選，選擇相對來說重要的駕駛?cè)艘蛩夭⑼ㄟ^適當(dāng)?shù)姆绞皆诟Y模型中體現(xiàn)是一個重點研究方向。

4.3 與車聯(lián)網(wǎng)等新技術(shù)結(jié)合

在車聯(lián)網(wǎng)中，安裝ACC/CACC 的車輛相互之間可以互相通信聯(lián)網(wǎng)，很容易便可獲得車隊中前后方車輛的行駛狀態(tài)信息，由此所獲得的信息量相較非網(wǎng)聯(lián)車輛大大增多。在普通車輛-網(wǎng)聯(lián)車輛、網(wǎng)聯(lián)車輛-網(wǎng)聯(lián)車輛混行的交通環(huán)境下，當(dāng)前的駕駛經(jīng)驗理論已經(jīng)不再適用。因此，需要對經(jīng)典的智能駕駛員模型（IDM）的理論假設(shè)進(jìn)行改進(jìn)，使之可以精準(zhǔn)的反映車聯(lián)網(wǎng)環(huán)境下的車輛的跟馳行為特性。

另一方面，車輛駕駛正向著無人駕駛方向發(fā)展，無人駕駛車輛需要采用高精度的車輛跟馳模型作為其控制策略，以此來提高所建系統(tǒng)的可靠性和安全性，智能駕駛員跟馳模型（IDM）將為無人駕駛提供一種重要的技術(shù)支持。

4.4 建立統(tǒng)一的參數(shù)標(biāo)定與評價標(biāo)準(zhǔn)

任何模型在沒有通過實驗數(shù)據(jù)標(biāo)定前都難以具有很強的束縛力。然而，由于數(shù)據(jù)采集的地點、采集時的交通狀況、采集車輛的性能、采集所用的方法等因素的不盡相同，勢必會對參數(shù)標(biāo)定的結(jié)果造成不同的影響；同時，由于車輛技術(shù)的發(fā)展、道路狀況的變化，使得曾經(jīng)的參數(shù)標(biāo)定結(jié)果并不能完全適用于現(xiàn)今的交通狀況。因此，建立統(tǒng)一的參數(shù)標(biāo)定與評價標(biāo)準(zhǔn)（采集時的交通狀況、數(shù)據(jù)采集的地點、采集車的車輛性能、采集方法等）已經(jīng)迫在眉睫。

5 結(jié)語

（1）基于傳統(tǒng)駕駛特性角度的改進(jìn)需要對駕駛?cè)说娜祟愐蛩剡M(jìn)行考量，但是人類因素的參數(shù)量化還有待深化，同時各個因素的權(quán)重也有待進(jìn)一步研究。隨著車輛駕駛輔助系統(tǒng)的發(fā)展，智能駕駛員跟馳模型（IDM）可以有進(jìn)一步的改進(jìn)。隨著高精度數(shù)采集能力的提高，跟馳模型的評價指標(biāo)及方法可以得到一定的規(guī)范。

（2）隨著車聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等新技術(shù)的應(yīng)用，對駕駛?cè)嗽谄胀ㄜ囕v與智能網(wǎng)聯(lián)車混合行駛交通環(huán)境下的跟馳行為特性的影響還有待深入研究，跟馳模型在車聯(lián)網(wǎng)環(huán)境下的人車耦合機理、自動駕駛控制策略等方面的研究還需要進(jìn)一步深化，從而為無人駕駛提供一定的技術(shù)支持。

（3）不同的建模思想都各有特點及優(yōu)勢，未來對于不同跟馳模型優(yōu)勢的融合方面值得進(jìn)一步的探索與研究。

（4）中國關(guān)于車輛跟馳理論的研究起步較晚，雖然中國已經(jīng)開展了自然駕駛研究的實驗，但目前中國對于車輛跟馳行為的研究所用到的數(shù)據(jù)大多是利用西方的駕駛實驗數(shù)據(jù)，不同國家的駕駛?cè)似滠囕v跟馳行為特性會有所差異，因此對中國駕駛?cè)嗽诠飞系母Y行為特性的研究應(yīng)加快進(jìn)行。