葉 楊，高 偉，蔣嬋靜，白克釗

(廣西師范大學(xué)物理科學(xué)與技術(shù)學(xué)院，廣西 桂林 541004)

1 引言

元胞自動機模型（Cellular automation，CA）[1]可以通過簡單的規(guī)則來真實地模擬復(fù)雜的交通現(xiàn)象，因而在交通研究中得到廣泛應(yīng)用。能見度降低是造成交通事故的主要原因，近年來國內(nèi)外相關(guān)學(xué)者較為關(guān)注能見度對交通流的影響。Qiang 等人[2]建立了一種考慮視距影響的交通流模型，基于在低能見度下視距受到限制的特點，對霧中的交通流特征進行了探究。Huang 等人[3]利用霧天條件下未觀察到的駕駛員異質(zhì)性來重現(xiàn)駕駛員的跟隨行為特征。Tan[4]研究了霧天環(huán)境下駕駛員風(fēng)險錯覺對交通流穩(wěn)定性、速度、加速度和車向波動頻率的影響，研究發(fā)現(xiàn)風(fēng)險錯覺會降低交通系統(tǒng)的穩(wěn)定性。Liu 等人[5]針對霧天條件下跟馳狀態(tài)不穩(wěn)定的情況，引入動態(tài)隨機加速，提出了基于元胞自動機的霧天車輛交通流模型。

智能網(wǎng)聯(lián)車輛的探測和通信行為在一定程度上可以解決低能見度所導(dǎo)致的問題，而目前在不良?xì)庀笥绊懴轮悄芫W(wǎng)聯(lián)車輛交通流的相關(guān)研究還為之較少。本文基于此，在智能網(wǎng)聯(lián)環(huán)境下建立了一種考慮能見度影響的混合交通流模型，繼而對不良?xì)庀笙碌闹悄芫W(wǎng)聯(lián)異質(zhì)交通流進行研究。

2 模型的構(gòu)建

系統(tǒng)為長度為L的單車道（如圖1 所示），其被分成N個元胞，在t時刻每個元胞為空或被一輛車所占據(jù)。每輛車的車速為{0,1,…,vmax}其中的一個值，vmax為最大車速。本文定義gapi為i車與前方i+1的車間距，xi、vi分別為i車的位置和速度。

圖1 系統(tǒng)示意圖

智能網(wǎng)聯(lián)車在可一定探測范圍內(nèi)探測采集車輛的速度、車間距等交通信息。本文中探測距離為d，取值為vmax+1(圖1 中實線圈為智能車的探測范圍，黑色車輛為智能網(wǎng)聯(lián)車，灰色車輛為普通車)[6]。智能網(wǎng)聯(lián)車輛之間存在通信，能夠彼此交換信息[7]，本文中的通信范圍用C表示。

2.1 安全期望速度

在不良?xì)庀笙?，車輛行駛會出于安全考慮去選擇合適的安全速度進行行駛。本文采用文獻[8,9]中的期望安全速度（Vqs為期望安全速度，Sqs為能見度）：

2.2 安全間距

為防止車輛間因不良?xì)庀蠖l(fā)生意外碰撞，要保持車輛間最小距離，即安全距離。本文采用文獻[10]中的安全距離公式：

式中di,safe是車輛與前車需保持的安全距離，vi和vi+1是t時刻本車與前車的行駛速度，τ是第i輛車駕駛員的反應(yīng)時間，B是車輛減速度，本文中τ取0.5，B取3.4m/s2。

2.3 交通事故

本文采用文獻[11]中的普通車可能發(fā)生交通事故的條件規(guī)定。

根據(jù)智能網(wǎng)聯(lián)車的特點，本文規(guī)定若第i輛智能網(wǎng)聯(lián)車與前車發(fā)生交通事故，需滿足以下條件：(1)t時刻，gapi＜vi，且i車預(yù)測前車的速度大于0；(2)t+1 時刻，vi+1=0但vi＞0。

仔豬白痢的病理變化主要表現(xiàn)在可視粘膜蒼白、消瘦、腸粘膜充血、輕度出血、腸壁薄且失去彈性、腸內(nèi)容物增多呈泡沫樣，腸系膜淋巴結(jié)腫大及充血。

2.4 演化規(guī)則

2.4.1 普通車輛演化規(guī)則

Sqs為能見度，S0表示不干擾車輛正常行駛的最小能見度。當(dāng)車輛行駛不受能見度影響時，車輛進行確定性加速；當(dāng)車輛行駛受到能見度影響時，車輛會以概率Pacc進行加速。當(dāng)本車與前車間距大于四倍安全間距時，駕駛員進行加速并以最大期望速度行駛；當(dāng)與前車距離小于四倍安全間距時，Pacc隨著能見度降低而不斷降低。

2.4.2 智能網(wǎng)聯(lián)車輛演化規(guī)則

當(dāng)車輛行駛不受能見度影響時，車輛按照預(yù)期間距進行確定性減速；當(dāng)受能見度影響時，車輛預(yù)期間距和能見度共同決定車輛的確定性減速過程。

智能網(wǎng)聯(lián)車可獲取探測范圍內(nèi)的車輛信息，從而得到與前車的預(yù)期間距，進而避免前后車發(fā)生碰撞。但因有限的探測范圍，對于預(yù)期間距的計算可分為以下三種情況：

①若i+1車不在i車的探測范圍內(nèi)，i車與前車的預(yù)期車距為；

③若i+1車與i+2車均在i車的探測范圍之內(nèi)，可以準(zhǔn)確得到，。

若第i輛智能網(wǎng)聯(lián)車前方的i+1車為智能網(wǎng)聯(lián)車，由于信息交換可在智能網(wǎng)聯(lián)車間進行，在通信范圍內(nèi)i車可獲取i+1車的實時速度和i+1車與前車車距。根據(jù)i車預(yù)期間距的計算可分為以下兩種情況：

①若i+1車不在i車的通信范圍內(nèi)，則車輛之間無法進行通信，此時將i+1車視為普通車，i車與前車的預(yù)期車距采用之前與普通車車距相同的計算方法，得到預(yù)期間距；

②若i+1車在i車的通信范圍內(nèi)，此時i車可直接獲得i+1車的速度vi+1和i+1車與前車的間距gapi+1，i+1車的預(yù)期速度為，i車與前車的預(yù)期車距為。

智能網(wǎng)聯(lián)車與普通車的區(qū)別主要在于可以精準(zhǔn)快速地獲得前方車輛信息，當(dāng)前車的駕駛行為改變時，其反應(yīng)時間更短，故τ 取較小值0.5。當(dāng)車間距大于安全間距時，車輛會與前車保持相對安全的間距。但當(dāng)車速不滿足期望安全速度時，車輛會進行減速。當(dāng)車間距小于安全間距時，車輛為保證安全行駛會進行減速從而避免與前車發(fā)生碰撞。

隨機慢化：以概率P減速，，其中P=λ×Pf+(1+λ) ×Pb(λ=0.8) 。

k2=為后方最近鄰車的預(yù)期速度。

3 數(shù)值模擬與分析

模擬時道路長度L取值為1000，車輛最大速度vmax取值為5，若無特別說明S0=1km，C=6，Pn=0.2。t時刻道路上車輛數(shù)為N(t)，車輛密度為ρ(t)=N(t)/L。車輛平均速度為，流量J=ρv，其中參數(shù)N為道路上車輛總數(shù)，參數(shù)T為每個樣本統(tǒng)計的時步數(shù)，參數(shù)m為統(tǒng)計的總樣本數(shù)。模型采用開放邊界條件，車輛的產(chǎn)生概率取0.9，消失概率取1.0，在入口邊界處產(chǎn)生車輛中智能網(wǎng)聯(lián)車占有率為f。每個樣本運行80000 時步，記錄最后20000 步的數(shù)據(jù)，并取20 個樣本作系綜平均。

3.1 智能車輛占有率對交通流的影響

從圖2 可知，相同能見度下，隨著產(chǎn)生車輛中智能網(wǎng)聯(lián)車占有率的增加，流量逐漸增加。因此，增大智能網(wǎng)聯(lián)車占有率有利于提高系統(tǒng)通行能力。由圖2 和圖3 可見，當(dāng)能見度大于40 時，流量和速度受能見度的影響較小且車輛高速行駛，此時車輛為自由運動；當(dāng)能見度小于40 時，系統(tǒng)流量和速度隨著能見度的降低下降較快，此時能見度對系統(tǒng)影響比較明顯。

圖2 流量與能見度的關(guān)系圖

圖3 速度與能見度的關(guān)系圖

3.2 智能車輛對交通系統(tǒng)事故率的影響

圖4 為不同智能網(wǎng)聯(lián)車占有率下，普通車和智能網(wǎng)聯(lián)車的交通事故概率與能見度關(guān)系圖。由圖4 可見，當(dāng)能見度較高時，隨著能見度增加，系統(tǒng)交通事故概率逐漸降低，智能網(wǎng)聯(lián)車占有率越高，則普通車交通事故概率越低。在低能見度時，智能網(wǎng)聯(lián)車的探測能力可探知前車行駛狀態(tài)并可以及時減速或停車，故在低能見度時，智能網(wǎng)聯(lián)車不易發(fā)生交通事故，其交通事故概率很低。因此，交通事故主要是由普通車造成的。

圖4 不同車輛交通事故概率與能見度的關(guān)系圖

圖5 和圖6 中f=0.5，r為接收故障率，其為智能網(wǎng)聯(lián)車中有接收故障的智能網(wǎng)聯(lián)車所占比例；s為發(fā)送故障率，其為智能網(wǎng)聯(lián)車中有發(fā)送故障出現(xiàn)的智能網(wǎng)聯(lián)車所占比例。圖5 和圖6 中，低能見度下發(fā)生接收和發(fā)送故障時，智能網(wǎng)聯(lián)車雖會失去車輛之間的通信作用，但因其可探測獲知周邊交通信息，保證了駕駛安全，故智能網(wǎng)聯(lián)車的交通事故概率依然很低，受通信故障的影響較小。

圖5 f =0.5，不同接收故障率時，交通事故概率與能見度的關(guān)系圖

圖6 f =0.5，不同發(fā)送故障率時，交通事故概率與能見度的關(guān)系圖

當(dāng)智能網(wǎng)聯(lián)車的探測器發(fā)生故障，無法探測到周邊的交通信息，不能再向其他車輛發(fā)送信息，但可接收其他車輛的交通信息。圖7 中f=0.5，e為探測故障率，其為智能網(wǎng)聯(lián)車中探測器出現(xiàn)故障的智能網(wǎng)聯(lián)車所占比例。由圖7 可見，智能網(wǎng)聯(lián)車和普通車的交通事故概率處于低能見度下均隨探測故障率的增加而增加。原因在于智能網(wǎng)聯(lián)車不能探測到前車的交通信息的情況時，無法準(zhǔn)確預(yù)測其車速，同時也不能預(yù)判前車是否準(zhǔn)備停車，從而容易導(dǎo)致交通事故的發(fā)生；隨著探測故障比例的升高，這種情況將會更多出現(xiàn)，智能網(wǎng)聯(lián)車的交通事故概率也會不斷增加。通過圖5、圖6 和圖7 相比較，可知在低能見度下，與通訊故障相比，探測故障對交通流的影響要更加明顯。

圖7 f =0.5，不同探測故障率時，交通事故概率與能見度的關(guān)系圖

4 結(jié)論

不同能見度下，智能網(wǎng)聯(lián)車占有率越高，系統(tǒng)流量會越高。較高能見度時，純智能網(wǎng)聯(lián)車交通流的速度明顯較高；較低能見度時，智能網(wǎng)聯(lián)車占有率越高，速度越高。提高智能網(wǎng)聯(lián)車的占有率有助于提高系統(tǒng)的暢通性。普通車的交通事故概率隨著智能網(wǎng)聯(lián)車占有率增加而逐漸降低，此時智能網(wǎng)聯(lián)車的交通事故概率很小。智能網(wǎng)聯(lián)車的交通事故概率在其通信故障增加時不會發(fā)生明顯變化。在低能見度下，智能網(wǎng)聯(lián)車的交通事故概率會隨著其探測故障率的增加而增加；相比通訊故障，探測故障對交通流的影響要更為明顯。