摘 "要：隨著自動(dòng)駕駛技術(shù)的愈加成熟，在未來(lái)道路上必將呈現(xiàn)出不同級(jí)別自動(dòng)駕駛車輛混合行駛的場(chǎng)景。文章利用VTH可變車頭時(shí)距控制策略對(duì)ACC跟馳模型研究，結(jié)果顯示車輛能夠穩(wěn)定跟馳，且不同滲透率下的道路車輛平均車速有所提高。對(duì)CACC協(xié)同自適應(yīng)巡航模型進(jìn)行仿真對(duì)比發(fā)現(xiàn)道路通行效率得到提高。最后對(duì)不同等級(jí)自動(dòng)駕駛車輛進(jìn)行仿真，結(jié)果顯示在高速路段，隨著滲透率提高車輛平均速度等都有不同程度的提高。因此證實(shí)了隨著自動(dòng)駕駛車輛大規(guī)模進(jìn)入道路，對(duì)交通流有著積極的影響。

"關(guān)鍵詞：不同滲透率；ACC自適應(yīng)巡航；CACC協(xié)同自適應(yīng)巡航；交通流特征

"中圖分類號(hào)：F503 " "文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.23.023

Abstract： With the increasing maturity of autonomous driving technology， there will inevitably be mixed driving scenarios of different levels of autonomous vehicles on the road in the future. This article uses the VTH variable headway control strategy to study the ACC car following model. The results show that the vehicle can stably follow and the average speed of road vehicles under different permeabilities has increased. Simulation comparison of the CACC collaborative adaptive cruise model shows that road traffic efficiency has been improved. Finally， simulations were conducted on autonomous vehicles of different levels， and the results showed that on highway sections， the average speed of vehicles increased to varying degrees with the increase of penetration rate. Therefore， it has been confirmed that as autonomous vehicles enter the road on a large scale， it has a positive impact on traffic flow.

Key words： different permeability; ACC adaptive cruise control; CACC collaborative adaptive cruise control; traffic flow characteristics

0 "引 "言

"隨著自動(dòng)駕駛的概念深入人心，社會(huì)對(duì)自動(dòng)駕駛車輛的接受度越來(lái)越高，未來(lái)必然出現(xiàn)不同等級(jí)的自動(dòng)駕駛車輛出現(xiàn)在道路上的現(xiàn)象，同時(shí)車輛在道路上的跟馳狀態(tài)也是最基礎(chǔ)的狀態(tài)之一，對(duì)于不同等級(jí)自動(dòng)駕駛車輛也有著不同的跟馳特征，因此研究混合交通流下人工駕駛以及自動(dòng)駕駛車輛所呈現(xiàn)出的跟馳狀態(tài)對(duì)混合交通流研究具有重要的現(xiàn)實(shí)意義。

"國(guó)內(nèi)在自動(dòng)駕駛車輛不同滲透率這一方面有豐富的研究。在跟馳方面的研究中，包括對(duì)混合交通流中的跟馳規(guī)則、交通流特性以及排放特征進(jìn)行探析。Bailey[1]對(duì)傳統(tǒng)IDM跟馳模型進(jìn)行改進(jìn)，利用仿真平臺(tái)建立了現(xiàn)有的分析網(wǎng)絡(luò)排隊(duì)模型；秦嚴(yán)嚴(yán)等[2]對(duì)不同滲透率下的CACC交通流進(jìn)行研究，發(fā)現(xiàn)高穩(wěn)態(tài)速度下的CACC車隊(duì)的穩(wěn)定性較高，而低穩(wěn)態(tài)速度下，CACC車輛的滲透率達(dá)到50%以上，車隊(duì)才趨于穩(wěn)定。蔣陽(yáng)升等[3]對(duì)不同滲透率下的車輛軌跡進(jìn)行重構(gòu)，利用仿真驗(yàn)證了改進(jìn)模型的有效性。關(guān)于混合交通流的能耗問題，李帥[4]對(duì)ACC、CACC、CCC三種智能網(wǎng)聯(lián)車在混合交通流中的能耗問題進(jìn)行探討，發(fā)現(xiàn)不同的網(wǎng)聯(lián)車控制策略下的車輛能耗大體相同。

1 "自動(dòng)駕駛技術(shù)分析

1.1 "自動(dòng)駕駛技術(shù)界定。在自動(dòng)駕駛技術(shù)方面，世界各國(guó)的發(fā)展趨勢(shì)都不統(tǒng)一，但是總的來(lái)說(shuō)都是從輔助自動(dòng)駕駛轉(zhuǎn)變?yōu)橥耆詣?dòng)駕駛。目前世界將自動(dòng)駕駛技術(shù)劃分為五個(gè)不同等級(jí)。表1對(duì)不同級(jí)別自動(dòng)駕駛車輛進(jìn)行相關(guān)簡(jiǎn)要概述。

1.2 "滲透率分析。關(guān)于滲透率在混合交通流有關(guān)方面研究中，用來(lái)刻畫不同等級(jí)以及不同數(shù)量的自動(dòng)駕駛車輛進(jìn)入道路這一現(xiàn)象?？紤]到不同等級(jí)自動(dòng)駕駛存在差異，且隨著技術(shù)不斷發(fā)展，不同級(jí)別的自動(dòng)駕駛車輛功能不一，因此對(duì)于滲透率（Permeability，P）本文選取公式（1）來(lái)描述上述場(chǎng)景：

"基于自動(dòng)駕駛車輛滲透率這一概念，本文對(duì)道路情況設(shè)定六組，為簡(jiǎn)化模型設(shè)定所有車輛都不存在功能退化，且不同等級(jí)車輛混入市場(chǎng)比例相等。將不同級(jí)別自動(dòng)駕駛車輛混入道路的狀態(tài)進(jìn)行分類，隨自動(dòng)駕駛技術(shù)發(fā)展而產(chǎn)生道路車輛完全為自動(dòng)駕駛車輛組成，此時(shí)駕駛行為差異對(duì)道路影響必然是顯著的。

1.3 "駕駛行為差異分析。自動(dòng)駕駛車輛采用先進(jìn)的傳感器以及人工算法，因此車輛信息的輸入是依靠傳感器而不是駕駛員，傳感器削弱了人為缺陷對(duì)行駛安全的影響。自動(dòng)駕駛車輛隨著等級(jí)的提高對(duì)環(huán)境做出更快更準(zhǔn)的判斷和決策，特別是在L4以上自動(dòng)駕駛車輛完全接管車輛控制權(quán)，其駕駛安全性也會(huì)得到更高的提升。根據(jù)自動(dòng)駕駛等級(jí)的劃分，將自動(dòng)駕駛車輛分為兩種大類型，一是搭配ADAS高級(jí)輔助駕駛的車輛，對(duì)跟馳的影響來(lái)自于傳感器和算法的差異，以及駕駛員部分駕駛行為的影響；二是完全自動(dòng)駕駛L4～L5級(jí)別的車輛，車輛對(duì)跟馳的影響極小，甚至可以做到理想跟馳狀態(tài)。

2 "自動(dòng)駕駛跟馳模型

2.1 "ACC模型概述。在自動(dòng)駕駛發(fā)展的歷程中，在跟馳方面主要是ACC自適應(yīng)巡航和CACC協(xié)同自使用巡航技術(shù)[5]。ACC技術(shù)為縱跟馳控制技術(shù)，通過車載傳感器來(lái)探測(cè)前方車輛的速度及加速度等信息，利用ACC控制系統(tǒng)來(lái)優(yōu)化車輛跟馳等操控[6]。相比自適應(yīng)巡航系統(tǒng)，CACC協(xié)同自適應(yīng)系統(tǒng)在其基礎(chǔ)上加入車車通信技術(shù)，對(duì)系統(tǒng)算法來(lái)說(shuō)，CACC可以更為精確的獲取前方車輛的各種信息[7]，因此系統(tǒng)算法也能更為有效的做出規(guī)劃決策。但是由于目前道路主要為人工駕駛與自動(dòng)駕駛混合的交通場(chǎng)景，當(dāng)搭載CACC車車通信技術(shù)車輛的前導(dǎo)車為人工駕駛車輛，就無(wú)法接收到前方車輛信息，從而自動(dòng)將CACC功能轉(zhuǎn)變?yōu)樽赃m應(yīng)巡航功能[8]。

"目前主流的ACC控制策略有兩種，分為固定車頭時(shí)距（CTH）策略和可變車頭時(shí)距（VTH）策略。

2.2 "基于VTH的ACC跟馳模型。對(duì)于CTH策略通過固定車頭時(shí)距來(lái)描述ACC跟馳方式，公式如式（2）所示：

"Yanakiev et al.[10]提出了兩車相對(duì)速度下的飽和函數(shù)模型。并提出車頭時(shí)距算法僅考慮到了前后車相對(duì)速度，但在復(fù)雜交通環(huán)境中為更加穩(wěn)定的刻畫跟馳狀態(tài)以及提高駕駛的舒適程度、道路的通行能力，通常引入相對(duì)加速度來(lái)描述車頭時(shí)距。此外在不同等級(jí)自動(dòng)駕駛技術(shù)的背景下，感知、決策和動(dòng)作規(guī)劃的反應(yīng)時(shí)間提升，帶來(lái)了車頭時(shí)距縮短，提升了混合交通流狀態(tài)下車輛之間的跟馳效率，從而提升了道路利用率。因此根據(jù)不同等級(jí)自動(dòng)駕駛車輛產(chǎn)生的異質(zhì)性，根據(jù)相關(guān)文獻(xiàn)[11]研究，車頭時(shí)距采取見式（4）：

"在實(shí)際道路中，按照CACC算法進(jìn)行跟馳的車輛需要前導(dǎo)車也配備了車車通信功能，若前車為人工駕駛車輛，則CACC算法退化成ACC跟馳算法。

3 "仿真模擬分析

3.1 "仿真平臺(tái)選擇。由于本文對(duì)交通環(huán)境中車輛的跟馳模型進(jìn)行研究，且滲入不同級(jí)別自動(dòng)駕駛車輛，因此選擇能夠反應(yīng)細(xì)致程度較高的微觀仿真軟件對(duì)本文進(jìn)行仿真模擬是較為合適的。據(jù)本文場(chǎng)景的設(shè)定以及理論模型建立，選用擁有獨(dú)有開源技術(shù)的交通仿真軟件SUMO進(jìn)行仿真模擬。

3.2 "ACC模型仿真分析。為了了解滲入不同比例的ACC控制策略的車輛在時(shí)空范圍內(nèi)發(fā)生的變化，選取仿真路段的最后一段作為研究對(duì)象，橫軸為仿真時(shí)間，縱向?yàn)檐囕v的位置，圖1至圖6分別為滲透率P值為0、0.2、0.4、0.6、0.8、1.0場(chǎng)景下的時(shí)空?qǐng)D。

由上述車輛速度位置時(shí)空?qǐng)D可知，隨著橫軸時(shí)間發(fā)生變化，當(dāng)P=0時(shí)車輛位置分布不均勻且車速較為不穩(wěn)定，當(dāng)滲透率超過0.8時(shí)，整體車輛位置均勻分布且車速提高；當(dāng)滲透率為1時(shí)，此時(shí)車輛位置分布最為均勻，以及車輛速度得到了較大的提升。此外隨著滲透率提高時(shí)空?qǐng)D車輛在同一時(shí)間內(nèi)的車輛密度顯著降低，反映了道路中車輛運(yùn)用ACC控制策略后對(duì)路網(wǎng)運(yùn)行起到了積極的作用。因此采用VTH控制策略下的ACC自適應(yīng)巡航對(duì)混合流道路具有更高的穩(wěn)定性和效率。

3.3 "CACC模型對(duì)比分析。為了解不同跟馳策略下的自動(dòng)駕駛車輛以及人工駕駛車輛的差異，對(duì)IDM、ACC、CACC三者進(jìn)行對(duì)比，選取仿真路段的最后一段作為研究對(duì)象，橫軸為仿真時(shí)間縱向?yàn)檐囕v的位置，圖7至圖9分別為上述三種跟馳策略下的時(shí)空?qǐng)D。

上述位置時(shí)空?qǐng)D中，CACC車輛密度較低，運(yùn)用CACC控制策略下的道路車輛密度較大且多數(shù)車輛能夠保持較高速度行駛，相比于IDM與ACC跟馳策略，CACC控制策略展現(xiàn)出相對(duì)更加穩(wěn)定且分布均勻的駕駛行為。

3.4 "不同滲透率下跟馳仿真分析。依據(jù)上述所提及到的不同滲透率概念，對(duì)道路中不同等級(jí)自動(dòng)駕駛車輛分配組成，將L1和L2級(jí)別自動(dòng)駕駛車輛加入ACC自適應(yīng)巡航算法，L0車輛按照默認(rèn)IDM跟馳模型在道路上行駛，且假設(shè)車輛不存在退化現(xiàn)象，不同級(jí)別自動(dòng)駕駛車輛數(shù)量組成是平均分布的。在SUMO中設(shè)置車輛信息，人工駕駛車輛使用IDM跟馳模型，為模擬真實(shí)道路場(chǎng)景中的跟馳狀態(tài)，選用王雪松[12]最優(yōu)參數(shù)標(biāo)定結(jié)果；自動(dòng)駕駛車輛選用上述考慮前車加速度的ACC自適應(yīng)巡航算法，由于不同級(jí)別自動(dòng)駕駛呈現(xiàn)出的差異性，本文采用SUMO中描述駕駛員缺陷的Sigma來(lái)描述差異，采用MinGap來(lái)描述最小車頭安全距離的差異，采用Tau來(lái)描述車頭時(shí)距的差異，不同等級(jí)自動(dòng)駕駛車輛的參數(shù)主要是按照文獻(xiàn)及資料[13-16]進(jìn)行設(shè)定。

"跟馳模型的建立主要用SUMO和Python平臺(tái)進(jìn)行仿真建模。在SUMO中建立一條雙車道道路，在道路中設(shè)置匝道以及合流區(qū)，并在道路上配置檢測(cè)器以便輸出數(shù)據(jù)。其中人工駕駛采用IDM跟馳模型，L1～L2級(jí)別自動(dòng)駕駛車輛采用ACC自適應(yīng)巡航系統(tǒng)，算法為改進(jìn)的VTH規(guī)則，L3～L5級(jí)別自動(dòng)駕駛車輛采用默認(rèn)CACC協(xié)同自適應(yīng)巡航系統(tǒng)，換道規(guī)則均采用SUMO平臺(tái)換道規(guī)則，并按照P=0，P=0.2，P=0.4，P=0.6，P=0.8， P=1.0進(jìn)行仿真分析。

如圖10至圖15所示，將不同滲透率作為對(duì)照組，在仿真道路中選取一段作為研究對(duì)象，且選取交通流較為穩(wěn)定的時(shí)間段，結(jié)果表明，隨著滲透率提高，圖中彩點(diǎn)密度與顏色逐漸稀疏與變深，表明道路中車輛密度降低以及大部分車速都得到了提升。

4 "結(jié)論與展望

"在自動(dòng)駕駛技術(shù)高速發(fā)展的今天，混合交通流給道路帶來(lái)更為復(fù)雜的狀態(tài)，不同級(jí)別的自動(dòng)駕駛車輛搭載著不同功能，車輛駕駛行為也呈現(xiàn)出差異性。本文利用不同的仿真軟件對(duì)自動(dòng)駕駛車輛的跟馳策略進(jìn)行研究，得到以下結(jié)論：

"（1）利用VTH控制策略的自適應(yīng)巡航車輛在不同滲透率場(chǎng)景下對(duì)道路交通有著積極的改善作用，包括車流速度、車輛通行時(shí)間，以及車輛位置分布都隨著滲透率改變而呈現(xiàn)出一定的積極作用。

"（2）IDM、ACC、CACC控制策略下的車輛對(duì)比研究，CACC控制策略下的車流速度、通行時(shí)間、車輛時(shí)空分布均為最優(yōu)。最后按照實(shí)際混合交通流下，將不同控制策略的車輛在道路中仿真，結(jié)果表明滲透率越大，道路車輛具有更高的穩(wěn)定性和效率。

"盡管未來(lái)道路中的自動(dòng)駕駛車輛越來(lái)越多，且功能會(huì)隨著技術(shù)的發(fā)展不斷豐富，因此不同等級(jí)自動(dòng)駕駛車輛之間存在的功能差異還需要細(xì)致的分析對(duì)比，這需要對(duì)未來(lái)更高級(jí)別自動(dòng)駕駛技術(shù)深入理解和不斷仿真測(cè)試，并對(duì)比實(shí)車測(cè)試的結(jié)果，從而更為細(xì)致的對(duì)混合交通流進(jìn)行研究。

參考文獻(xiàn)：

[1] "BAILEY N K. Simulation and queueing network model formulation of mixed automated and non-automated traffic in urban settings[D]. Massachusetts Institute of Technology， 2016.

[2] 秦嚴(yán)嚴(yán)，王昊，王煒，等. 不同CACC滲透率條件下的混合交通流穩(wěn)定性分析[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2017，17（4）：63

-69，104.

[3] 蔣陽(yáng)升，劉夢(mèng)，王思琛，等. 基于跟馳特性的智能網(wǎng)聯(lián)車混合交通流軌跡重構(gòu)[J]. 西南交通大學(xué)學(xué)報(bào)，2021，56（6）：1135

-1142，1132.

[4] 李帥. 不同智能網(wǎng)聯(lián)車滲透率下混合交通性能及車輛能耗研究[D]. 長(zhǎng)春：吉林大學(xué)，2021.

[5] 路偉. 車輛通信網(wǎng)絡(luò)在動(dòng)態(tài)交通流中的性能研究[D]. 合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2010.

[6] "MAＲSDEN G， MCDONALD M， BＲACKSTONE M. Towards an understanding of adaptive cruise control[J]. Transportation Ｒesearch Part C， 2001，9（1）：33-51.

[7] "XIAO L Y， GAO F. A comprehensive review of the development of adaptive cruise control systems[J]. Vehicle System Dynamics， 2010，48（10）：1167-1192.

[8] "PLOEG J， SEMSAＲ-KAZEＲOONI E， LIJSTEＲ G， et al. Graceful degradation of cooperative adaptive cruise control[J]. IEEE Transactions on Intelligent Transportation Systems， 2015，16（1）：488-497.

[9] 呂青秀. 基于可變時(shí)距策略的網(wǎng)聯(lián)車輛隊(duì)列縱向控制研究與實(shí)驗(yàn)[D]. 重慶：重慶郵電大學(xué)，2022.

[10] "YANAKIEV D， KANELLAKOPOULOS I. Nonlinear spacing policies for automated heavy-duty vehicles[J]. IEEE Transactions on Vehicular Technology， 1998，47（4）：1365-1377.

[11] 王燦，馬鈞. 汽車CACC系統(tǒng)的車頭時(shí)距策略研究[J]. 農(nóng)業(yè)裝備與車輛工程，2015，53（2）：60-67.

[12] 王雪松，孫平，張曉春，等. 基于自然駕駛數(shù)據(jù)的高速公路跟馳模型參數(shù)標(biāo)定[J]. 中國(guó)公路學(xué)報(bào)，2020，33（5）：132-142.

[13] 馬健，胡曉菲，張麗巖，等. 基于乘客需求特性的網(wǎng)約車服務(wù)質(zhì)量評(píng)價(jià)——以蘇州市為例[J]. 蘇州科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，38（5）：35-43.

[14] "ZHANG L， SUN J， MA J， et al. Simulation study on ramp inflow for hybrid autonomous driving[J]. Physical Communication， 2022，55：101932.

[15] "ZHANG L， SUN J， ZHANG M， et al. Simulation research on driving behaviour of autonomous vehicles on expressway ramp under the background of vehicle-road coordination[J]. Tehnicki Vjesnik， 2022，29（4）：1402-1412.

[16] "ZHANG L Y， DUAN X K， MA J， et al. Mechanism of road capacity under different penetration scenarios of autonomous vehicles[J]. International Journal of Simulation Modelling， 2022，21（1）：172-183.

收稿日期：2023-11-03

基金項(xiàng)目：江蘇省研究生科研與實(shí)踐創(chuàng)新項(xiàng)目（SJCX20_1117、SJCX21_1420、KYCX21_2999）；江蘇省建設(shè)系統(tǒng)項(xiàng)目（2020ZD14、2018ZD258）；蘇州市社科基金項(xiàng)目（Y2020LX017、Y2020LX1025）；江蘇省自然基金一般項(xiàng)目（BK20151201、BK20060357）；江蘇省高校哲學(xué)社會(huì)科學(xué)項(xiàng)目（2018SJA1348）

作者簡(jiǎn)介：張麗巖（1978—），女，黑龍江齊齊哈爾人，蘇州科技大學(xué)土木工程學(xué)院，高級(jí)實(shí)驗(yàn)師，博士，研究方向：交通大數(shù)據(jù)、物流系統(tǒng)、交通規(guī)劃；楊君玉（1998—），男，江蘇泰州人，蘇州科技大學(xué)土木工程學(xué)院碩士研究生，研究方向：智慧交通；馬 "健（1979—），本文通信作者，男，江蘇揚(yáng)州人，蘇州科技大學(xué)土木工程學(xué)院，副教授，博士（后），研究方向：交通大數(shù)據(jù)、交通仿真與控制；顧海榮（1996—），男，江蘇淮安人，蘇州科技大學(xué)土木工程學(xué)院碩士研究生，研究方向：交通大數(shù)據(jù)；崔玉玉（2000—），女，山西太原人，蘇州科技大學(xué)土木工程學(xué)院碩士研究生，研究方向：智慧交通。

引文格式：張麗巖，楊君玉，馬健，等. 基于不同滲透率下的自適應(yīng)與協(xié)同自適應(yīng)巡航的仿真研究[J]. 物流科技，2024，47（23）：84

-88.