中圖分類號：U491.2 文獻標志碼：A

Abstract：For the special characteristics the behaviours folowing，changing lanes and stopping in the mixed trafic flow automateddriving busand manuallydriven cars，avehicle lane-changing model considering the influence automated driving busis proposed basedonthe theorycellular automata to studythecharacteristics the mixed trafic flow containing automated driving bus.Based on the driving characteristics automated vehicles and combined with the driving characteristics buses at bus stops，theroad sections were divided and the following and lane changing rules for autonomous buses，normal buses，and cars were constructed，respectively.Based on numerical simulationexperiments，thetrafic flow characteristicsunderdiferenttraficdensitiesandbus ratios were analysed.Theresultsshow thatunderthe same road traffic conditions，the bay busstop interferes less with the road traffic，and the lane changing and stopping behaviours the automated driving bus have lessimpact on the road traffic than those the normal bus.

Key words：traffc engineering;lane-changing model;bus stop;automated driving bus;cellular automata

公交車出行作為城市公共交通的重要組成部分，是許多城市解決交通問題的重點發(fā)展方向之一.近年來，隨著自動駕駛技術的發(fā)展，自動駕駛出租車、公交車開始在道路上試運行.相對于小汽車，公交車具有行程線路、運行時間和道路環(huán)境固定等特點，契合自動駕駛技術的應用需求[1].因此，有必要對自動駕駛公交車跟馳和換道行為進行細致分析，研究自動駕駛公交車的行駛對道路交通的影響，為緩解未來自動駕駛公交車的運行和?？窟^程所帶來的影響提供理論依據(jù).

元胞自動機是一種在時間、空間和狀態(tài)上離散的、抽象的動力學計算模型，在一些微觀場景的研究方面起到了較大的作用，并廣泛應用于交通領域的仿真研究當中，得到國內(nèi)外學者的認可.Nagel等[2]提出了最經(jīng)典的NaSch模型，包括車輛加速、減速、隨機慢化及位置更新等規(guī)則，并常與Gipps[3提出的經(jīng)典車輛換道模型進行結合，能夠很好地模擬實際交通運行情況.在后續(xù)的研究中，學者們在此基礎上對跟馳和換道規(guī)則進行改進，陸續(xù)提出VE模型、TT模型、FI模型和STCA模型4等車輛換道模型，并考慮了公交車、非機動車和信號交叉口等因素的影響[5-7]，對道路交通進行仿真模擬.隨著車聯(lián)網(wǎng)和自動駕駛技術的發(fā)展，元胞自動機在近年也被應用于自動駕駛車輛混合交通流的研究中.現(xiàn)有研究較多對反應時間的不同標定[8]，或是設置不同的換道判斷規(guī)則9和不同的隨機慢化概率體現(xiàn)手動駕駛與自動駕駛的區(qū)別，并考慮了高速路、交織區(qū)、交叉口、專用車道等多種道路情況[11-14]，以及大型車、列隊車輛等車輛影響[15-16]，研究自動駕駛車輛的交通環(huán)境特征.

然而，公交車作為道路交通的重要組成部分，其換道和停靠等行為都會對交通產(chǎn)生重大影響，卻較少在研究中被考慮，且多數(shù)元胞自動機交通模型的換道規(guī)則僅以車輛間的相對距離為判斷，沒有考慮到車輛的速度與相對位置的移動，導致對換道時機的判斷不夠準確.

本文在NaSch模型和Gipps模型的基礎上，結合自動駕駛車輛特性，構建一種含有自動駕駛公交車和公交車停靠站的車輛換道模型，分析常規(guī)公交車和自動駕駛公交車的跟馳、換道和?？康刃袨閷旌闲旭偨煌鞯挠绊?，能夠?qū)ξ磥碜詣玉{駛技術的發(fā)展、混行交通流的管理與控制等提供參考，對提高公交服務質(zhì)量、緩解交通擁堵等具有現(xiàn)實意義.

1模型建立

1.1元胞尺寸選擇

元胞自動機模型仿真交通流的研究中，根據(jù)研究對象的不同，對單個元胞尺寸的范圍設定在 0.5～ 8m 較大的元胞尺寸（ 3.75m，5m，7.5m 及以上）導致仿真中車輛的加速度和減速度過大，影響仿真的效果.較小的元胞尺寸 （0.5～1.5m） 能夠改善仿真中的車流波動情況，但會增大仿真的計算量，降低仿真的運行效率.綜合考慮車輛運行過程、道路寬度、仿真精度和運行效率，設定模型中單個元胞的長度為2m ，寬度為 3.5m #

1.2車輛與路段模型設定

模型設定理想環(huán)境下，路段中含有兩種類型混合交通流：自動駕駛公交車與小汽車、常規(guī)公交車與小汽車，不存在其他車輛.其中，自動駕駛公交車的等級設定為L4以上，有完全接管駕駛的能力.綜合考慮我國相關規(guī)范規(guī)定對車輛尺寸的規(guī)定，以及行駛過程中駕駛員對前后車距的預留空間，模型統(tǒng)一設定小汽車長度為 6m ，常規(guī)公交車和自動駕駛公交車的長度為 10m

設定路段全長為 1km ，由三條車道并列組成，每個車道由500個元胞構成，在第3車道及車道外設置公交?？空?為簡化模型，路段中不設置交叉口、人行橫道及公交專用道.小汽車在三條車道上均可自由行駛，公交車考慮到進站?？康男枨?，僅在第2車道和第3車道行駛.結合公交車?？空緟^(qū)域的行駛特性，將路段分為五個區(qū)域，如圖1所示.

1.3車輛運行規(guī)則

1.3.1車輛跟馳規(guī)則

NaSch模型將車輛的跟馳分為加速、減速、隨機慢化和位置更新四個步驟[2].考慮Gipps模型提出的安全距離理論[3]，本文將車輛的跟馳規(guī)則分為四個步驟：判斷安全速度、速度更新、隨機慢化以及位置更新.具體規(guī)則如下.

1）判斷安全速度

式中： v_n，safe（t） 表示第 n 輛車在 t 時刻跟隨前方車輛行駛所需保持的安全速度； d_n 表示第 n 輛車與前方車輛之間的距離； b_max 表示車輛最大減速度； v_{n，before}（t） 表示Φ_t 時刻前方車輛的行駛速度； μ 表示駕駛員反應時間；函數(shù) [x] 表示不超過 x 的最大整數(shù).參考相關研究[18-19]，當車輛為小汽車和常規(guī)公交車時，反應時間μ 取值為 1.5s ;當車輛為自動駕駛公交車時，反應時間 μ 取值為 0.5s

2）速度更新

加速過程：若 Φ_t 時刻第 n 輛車的速度小于安全速度和車輛的最大速度，駕駛員期望更高的行駛速度，車輛將以加速度 a 進行加速：

v_n（t+1）=min{v_n（t）+a，v_max，v_n，safe（t）}

減速過程：若 Φ_t 時刻第 n 輛車的速度大于安全速度，為了保證行駛的安全性，駕駛員將采取制動措施減速至安全速度：

v_n（t+1）=max{v_n（t）-b_max，v_n，safe（t）}

勻速過程：若 Φ_t 時刻第 n 輛車的速度等于安全速度，車輛將保持該速度繼續(xù)行駛：

v_n（t+1）=v_n，safe（t）

3）隨機慢化

設定隨機慢化概率 P_slow ，當系統(tǒng)隨機生成的概率小于 P_slow 時，車輛將以常規(guī)減速度 b 進行減速：

v_n（t+1）=max{v_n（t）-b，0}

自動駕駛車輛具有交通數(shù)據(jù)快速處理以及定速巡航的功能，運行過程較為穩(wěn)定，理想情況下可實現(xiàn)隨機慢化概率為 0^[20] .因此，模型設定自動駕駛公交車的速度更新不含隨機慢化步驟.

4）位置更新

從 χ_t 時刻至 ^t+1 時刻，第 n 輛車在道路上的橫坐標位置由 X_n（t） 更新為 X_n（t+1） ，其中 v_n（t+1） 表示第 n 輛車在 _t+1 時刻的行駛速度.

X_n（t+1）=X_n（t）+v_n（t+1）

1.3.2小汽車換道規(guī)則

1）正常換道

STCA換道模型4提出，當相鄰車道前方空間更大，且移動過程中不與相鄰車道后方車輛發(fā)生碰撞的情況下，車輛將執(zhí)行換道.小汽車在道路上行駛的自由度較高.結合Gipps安全距離理論[3對STCA換道模型進行改進，小汽車的正常換道過程如圖2和式（7）所示：

式中： v_n τ_othersafe（t） 表示小汽車在目標車道上的安全行駛速度； v_n，other（t） 表示目標車道前方最近車輛的速度； v_n，back（t） 表示目標車道后方最近車輛的速度；v_n，backsafe（t） 表示若小汽車換至目標車道，目標車道后方車輛所需要的行駛安全速度； d_n，before 表示小汽車與目標車道前方最近車輛的距離； d_n，back 表示小汽車與目標車道后方最近車輛的距離.

nbefore dn，back CDD]→ vn.back 目標車道前方車輛D 目標車道后方車輛當前車 →vn（t） □ □ CD CD 當前車道前方車輛

在實際道路交通中，即使在某時刻滿足了換道條件，駕駛員也并不一定選擇換道[21.因此，當小汽車前方車輛類型為小汽車、常規(guī)公交車或自動駕駛公交車時，分別設定換道概率為 P_carfree1 、P_carfree2 和 P_carfree3

2）協(xié)作換道

當相鄰車道上的交通狀態(tài)不滿足安全條件時，駕駛員可向后車發(fā)出換道信號，后車也有可能配合前車的換道行為.因此，小汽車的協(xié)作換道規(guī)則如圖3和式（10）表示：

v_n，back（t+1）=v_n，backsafe（t）

小汽車協(xié)作換道規(guī)則與正常換道規(guī)則的不同在于，目標車道后方車輛的速度 v_n，back（t） 小于兩車之間的所需要保持的安全速度 v_{n，backsafe}（t） ，不能確保車輛換道過程中不發(fā)生碰撞，因此，需要后方車輛減速至安全速度，從而保證換道過程的安全性.當小汽車后方車輛類型為小汽車、常規(guī)公交車或自動駕駛公交車時，分別設定協(xié)作換道概率為 P_carcol?P_carco2 和 P_carco3

nbefore dn，back Vn，back 目標車道前方車輛D 車標后行當前車 →νn（t） □ □ D 當前車道前方車輛

1.3.3公交車換道規(guī)則

與小汽車不同，公交車在道路上的換道會受到公交?？空居绊?此外，在面對不同的交通情況時，公交車駕駛員的換道意愿也不相同.因此，本文基于公交車運行特點，將含有公交停靠站的路段分為5個區(qū)域，每個區(qū)域的換道規(guī)則和換道概率不同.

1）自由行駛路段換道規(guī)則

① 正常換道.

在自由行駛路段上，公交車不受公交?？空居绊?對于常規(guī)公交車，其正常換道的規(guī)則和換道動機與小汽車相同.當常規(guī)公交車前方車輛類型為小汽車和常規(guī)公交車時，分別設定正常換道概率P_busfreel 和 P_busfree2

自動駕駛公交車可以根據(jù)傳感器、車載雷達、車載終端與路側單元等設備獲取道路范圍 L_c 內(nèi)所有車輛的速度與位置信息，并同時對多個對象進行計算與判斷[22-23].在自由行駛時，自動駕駛公交車將不斷檢測前方 L_c 范圍內(nèi)前車道和相鄰車道的車輛平均速度情況.因此，自動駕駛公交車在自由行駛區(qū)的正常換道規(guī)則為：

式中： 和 k 分別代表 Φ_t 時刻自動駕駛公交車當前行駛車道關注范圍內(nèi)的車輛平均速度、第 k 輛車的速度和車輛總數(shù)； 和 m 分別代表 Φ_t 時刻自動駕駛公交車相鄰車道關注范圍內(nèi)的車輛平均速度、第 m 輛車的速度和車輛總數(shù).當 時，且此時相鄰車道上的交通條件滿足正常換道規(guī)則，自動駕駛公交車將進行換道.

② 協(xié)作換道.

對于常規(guī)公交車，自由行駛路段上的協(xié)作換道規(guī)則與動機和小汽車相同.當常規(guī)公交車后方車輛類型為小汽車和常規(guī)公交車時，分別設定協(xié)作換道概率 P_carcol 和 P_carco2 .對于自動駕駛公交車，出于行駛安全的考慮，在不滿足安全換道條件的情況下不進行換道，即在自由行駛時不考慮協(xié)作換道.

2）停靠站影響區(qū)動態(tài)概率換道規(guī)則

常規(guī)公交車在接近公交?？空緯r，其換道動機及規(guī)則和自由行駛路段相同，但換道意愿會隨著公交?？空镜慕咏兓痆24].因此模型設定，在?？空居绊憛^(qū)，當滿足換道條件時，常規(guī)公交車以動態(tài)換道概率 P_b 進行變換車道，主要分為式（14）所示的兩種情況.

受公交停靠需求的影響，行駛在第2車道的公交車需要在公交停靠站換至第3車道，方便進站?？?，如圖4所示，這會給公交車駕駛員造成一定的心理影響.因此，在常規(guī)公交車不斷行駛接近公交?？空具^程中，公交車駕駛員的換道概率表示為：

式中： P_b23 和 P_b32 分別表示?？空居绊憛^(qū)常規(guī)公交車從第2車道換至第3車道和第3車道換至第2車道的換道概率； L 為?？空居绊憛^(qū)的長度； d_b 為常規(guī)公交車至?？空居绊憛^(qū)末端的間距； P₀ 為?？空居绊憛^(qū)常規(guī)公交車在停靠站影響區(qū)的初始換道概率.由式（14）可以看出，常規(guī)公交車與?？空居绊憛^(qū)末端之間的距離 d_b 越小，駕駛員選擇越傾向于換至第3車道，并避免換至第2車道.

圖4公交車?？空居绊憛^(qū)換道示意圖 Fig.4Lane change buses in stop impact section

3）緩速進站區(qū)強制換道規(guī)則

出于對行駛安全、乘客舒適性及換道需求的考慮，公交車在緩速進站區(qū)時需要以較為安全的速度v_slow 行駛：

緩速進站區(qū)已非常接近公交?？空荆获{駛員的換道需求非常強烈，若此時公交車已在第3車道行駛，則不再變換車道.若公交車仍在第2車道行駛，滿足換道條件時將以 100% 的概率進行換道.若公交車行駛至緩速進站區(qū)段末端卻仍未換至第3車道，公交車將停車等待換道.具體換道規(guī)則如下.

① 正常換道.

此時公交車的換道動機不再是為了取得更高的行駛速度，而是為了進站?？浚瑩Q道條件僅考慮與第3車道前方和后方車輛的距離是否滿足最低安全需求，即不發(fā)生碰撞，且不考慮前方車輛類型，換道規(guī)則為：

② 協(xié)作換道.

若公交車與第3車道后方車輛間距離并不滿足安全換道條件，則需要后方車輛減速讓行，才能換道駛入第3車道行駛，換道規(guī)則為：

v_n，back（t+1）=d_n，back（t）

發(fā)生協(xié)作換道時，后方車輛將減速至式（18）計算得到的速度，且不再進行換道.當常規(guī)公交車后方車輛類型為小汽車和常規(guī)公交車時，分別設定緩速進站區(qū)協(xié)作換道概率為Pbusco3和Pbusco4·

③ 停車等待.

若公交車行駛至緩速進站區(qū)段末端仍未換入第3車道，將會在原地停車等待，當換道條件滿足d_{n，back}gt;min（v_n，back（t）+a，v_max） 時，方可換道進入?？空?

1.3.4公交車進出停靠站規(guī)則

1）港灣式?？空?/p>

港灣式停靠站需設置額外的道路區(qū)域，即額外的縱坐標，除公交車?？客猓囕v不可出現(xiàn)在該額外區(qū)域內(nèi).當停靠站未被占用時，公交車可從第3車道換道進人?？空?完成?？亢?，在滿足式（19）的安全條件下，公交車可換至第3車道離開?？空?

2）直線式停靠站

直線式?？空驹O置在第3車道上，因此停靠站的縱坐標與第3車道縱坐標相同.當?？空疚幢徽加脮r，公交車可沿著第3車道直接駛入?？空?當公交車完成?？啃袨楹?，可沿著當前車道直接駛離公交?？空?

1.4車輛換道概率

為確定模型中的換道概率取值，考慮到換道行為中駕駛員的主觀性，針對不同的交通場景設置調(diào)查問題，開展問卷調(diào)研.共收集小汽車駕駛員調(diào)研問卷95份、常規(guī)公交車駕駛員調(diào)研問卷57份，根據(jù)調(diào)查結果，計算平均換道概率，如表1所示.

表1換道概率取值

Tab1Probability lane-change

2仿真模擬分析

2.1仿真環(huán)境及參數(shù)設置

利用MATLAB軟件，對本文模型進行編程仿真，在MATLAB軟件中建立 3×500 數(shù)組矩陣，代表3條長1km 的車道，利用矩陣儲存車輛的位置、類型和速度

等信息，并根據(jù)行駛規(guī)則編寫相應的矩陣變化規(guī)則，實現(xiàn)模型的仿真運行.結合有關規(guī)定及相關研究[25]，對仿真的參數(shù)進行取值，如表2所示.

表2仿真參數(shù)設定

Tab.2 Simulation parameter setting

2.2仿真結果分析

2.2.1交通流基本情況

當?shù)缆凡缓煌？空緯r，道路交通不受其他因素干擾，在不同的常規(guī)公交車和自動駕駛公交車占仿真車輛總數(shù)的比例 p_bus 和 p_auto 下，其速度、流量與密度的基本圖如圖5和圖6所示.

圖5不同常規(guī)公交車比例下的基本圖

Fig.5 Basic diagramunder different normal busmixingratios

圖6不同自動駕駛公交車比例下的基本圖Fig.6Basic diagram under different automated drivingbus mixing ratios

當?shù)缆方煌芏容^低時，車輛都能獲得較為自由的行駛條件，保持較高的速度行駛.密度開始上升時，平均速度開始逐漸下降，當密度超過 20veh/km 時，速度的下降趨勢加快.當密度為 35veh/km 時，道路通行能力達到最大值，道路交通流量開始隨著密度的增長逐漸下降.因此，在后續(xù)的仿真中設定道路密度為 35veh/km

隨著 p_bus 和 p_auto 的上升，道路的平均速度和流量都出現(xiàn)一定程度的下降，這是由于公交車的最大行駛速度比小汽車慢，且公交車占用道路空間多，公交車比例上升也就代表道路上有更多的低速車，同時也會使得同車道跟馳的小汽車無法以更快的速度行駛.

在公交車比例較低時，兩種混行交通流的速度和流量的差別并不顯著.隨著公交車比例的上升，自動駕駛公交車混行交通流平均速度和流量逐漸高于常規(guī)公交車混行交通流.當公交車比例達到 12% 時，平均速度的最大差值達到 2.39km/h ，流量的最大差值達到 107.55veh/h. 在密度超過 50veh/km 時，二者平均速度和流量的差距又再次減小.

2.2.2車道速度

圖7展示了各車道平均速度隨公交車比例變化情況，當公交車比例低于 4% 時，各車道的速度差別并不大.隨著公交車比例上升，各車道的車速逐漸下降，第2車道和第3車道的速度下降明顯快于第1車道，當公交車比例大于 8% 時，第1車道的速度仍能保持在 40km/h 左右，而第2車道的速度降至 30km/h 以下，第3車道的速度降至 20km/h 以下.這是由于公交車需要進站?？?，在接近公交?？空緯r需要低速慢行一段距離.且隨著公交車比例的上升，公交?？空緟^(qū)域有可能出現(xiàn)排隊進站以及?？康却默F(xiàn)象，進一步降低了第3車道的速度.

圖7各車道平均速度圖Fig.7The average speed indifferent lanes

兩種停靠站路段在第1車道的速度差距較小，而港灣式?？空韭范蔚?車道和第3車道的速度明顯高于直線式?？空韭范?，速度最大差值達到7.8km/h .這是由于直線式?？空驹O置在第3車道上，公交車的?？繒沟玫?車道的小汽車被迫更換車道行駛，甚至有可能出現(xiàn)停車等待換道條件的情況，進一步降低車道平均速度.而港灣式?？空驹诠卉囃？繒r不占用道路行駛空間，對道路的正常交通運行影響較小.但隨著公交車比例超過 8% ，港灣式?？空疽餐瑯涌赡艹霈F(xiàn)多輛公交車占用第3車道排隊的現(xiàn)象，干擾道路交通的正常運行，兩種路段的速度差距縮小.

對比常規(guī)公交車和自動駕駛公交車混行交通流的速度變化情況，當公交車比例較小時，道路交通較為自由，兩種公交車混行交通流的速度差距并不大.隨著公交車比例的上升，自動駕駛公交車混行交通流的速度要略高于常規(guī)公交車，相同條件下速度最大差值分別為 3.64km/h 和 2.57km/h 當公交車比例超過 8% 時，道路中公交車數(shù)量進一步增多，導致交通擁堵現(xiàn)象的出現(xiàn)，兩種公交車混行交通流的速度差距也隨之縮小.

圖8和圖9展示了公交車比例在 8% 情況下，路段各車道的速度分布情況，直線式?？空緦Φ缆方煌ㄋ俣鹊挠绊懛秶@著大于港灣式停靠站.將速度低于 22km/h 定義為低速區(qū)，在第3車道和第2車道港灣式?？空韭范蔚牡退賲^(qū)范圍約為[200，350]和[250，330]，而直線式?？空韭范蝿t為[150，350]和[200，350].在道路位置[0，200]范圍內(nèi)，港灣式?？空韭范蔚乃俣韧瑯语@著大于直線式停靠站路段.

圖8直線式?？空韭范胃鬈嚨浪俣确植紙DFig.8Speed distribution eachlaneonroadwithlinear bus stops

對比兩種公交車的速度分布情況，自動駕駛公交車混行交通流的速度要略高于常規(guī)公交車.在?？空旧嫌螀^(qū)域，自動駕駛公交車能保持的安全行駛速度 v_n，safe（t） 較大，所造成的低速區(qū)范圍也較小；在?？空鞠掠螀^(qū)域，受公交?？坑绊?，第3車道上的車輛較少，公交車駛離?？空具M入第3車道后能較為自由地加速行駛，對道路交通的影響較小，兩種公交車混行交通流的速度較為接近.

圖9港灣式?？空韭范胃鬈嚨浪俣确植紙D

2.2.3換道次數(shù)

圖10展示了路段換道次數(shù)隨公交車比例變化情況.當公交車比例較低時，其行駛、換道和進出站行為對道路交通的影響較小.隨著公交車比例的上升，道路上的低速車和車輛間的相互干擾也隨之增多，對換道的需求也因此增長.當公交車比例超過4% 時，港灣式?？空韭范蔚膿Q道次數(shù)要明顯少于直線式?？空?，且差異逐漸增大.當公交車比例大于8% 時，?？空緟^(qū)域出現(xiàn)了一定規(guī)模的公交排隊和停車等待現(xiàn)象，路段的換道次數(shù)逐漸穩(wěn)定.自動駕駛公交車為了更好地服務公交線路，換道行為可能更加頻繁和主動，在兩種?？空韭范蔚膿Q道總次數(shù)比常規(guī)公交車多163次和48次，但其可以較快地融入目標車道，對前后車輛影響較小[26-28].

圖10公交停靠站路段換道次數(shù)變化

Fig.10 The number lane changes on the road with bus stops

2.2.4時空演化圖

圖11為公交車比例為 8% 的情況下，直線式公交停靠站路段的時空演化圖.從圖11（a）（b）中可以看出，直線式?？空镜?車道的車輛行駛較為通暢，但仍在公交?？空疚恢贸霈F(xiàn)少量擁堵波動，持續(xù)一段時間后消散；第2車道受影響較為明顯，如圖11（c）、（d）所示，若第3車道的小汽車若遇到公交車?？?，則需要在公交?？空疚恢脧牡?車道換至第2車道，有可能與第2車道行駛的車輛產(chǎn)生交通沖突與延誤，出現(xiàn)較為明顯的擁堵波動，且持續(xù)時間較長，消散速度慢；第3車道如圖11（e）、（f所示，由于公交車停靠時需占用道路空間，停靠站下游區(qū)域在這期間出現(xiàn)無車輛行駛的空置狀態(tài)，停靠站上游區(qū)域的小汽車也需要找機會換至第2車道行駛甚至停車等待合適的換道時機，造成第3車道較為嚴重的擁堵和延誤.

圖11直線式停靠站路段時空演化圖

圖12為公交車比例為 8% 的情況下，港灣式公交停靠站路段的時空演化圖.從圖12（a）（b中可以看出，相對于直線式?？空?，港灣式?？空韭范蔚?車道的行駛條件通暢，幾乎不存在擁堵現(xiàn)象；第2車道在停靠站區(qū)域同樣會出現(xiàn)擁堵與延誤，但影響范圍小，持續(xù)時間短，消散較快，如圖12（c）、（d）所示；由于公交?？空驹O置在第3車道外，從圖12（e）、（f）可以看出，在沒有公交排隊進站時，小汽車可直接通過公交?？空緟^(qū)域，不受干擾，造成的擁堵與延誤遠小于直線式?？空?

Fig.11Spatial and temporal evolution linear stop sections

比較兩種類型公交車的時空演化圖，自動駕駛公交車混行交通流出現(xiàn)堵塞的范圍和時長都要小于常規(guī)公交車混行交通流.圖12（a）、（b）中，港灣式停靠站路段第1車道上兩種公交車混行交通流都較為穩(wěn)定，不存在擁堵和延誤等現(xiàn)象；圖11（a）、（b）和圖12（c）（d）中，道路交通都出現(xiàn)一定程度的擁堵現(xiàn)象，且自動駕駛公交車混行交通流的擁堵次數(shù)遠小于常規(guī)公交車；圖11（c）、（d）中，直線式停靠站路段第2車道上出現(xiàn)常規(guī)公交車難以換道進站，需在原地停車等待的時空演化圖中斷現(xiàn)象，嚴重干擾道路交通運行，而自動駕駛公交車在仿真時間內(nèi)沒有出現(xiàn)在第2車道停車等待現(xiàn)象；對比圖11（e）、（f和圖12（e）、（f可以觀察到，雖然港灣式停靠站相對于直線式?？空镜墓煌？繉Φ缆方煌ǖ挠绊憸p小，但仍然存在擁堵帶，且自動駕駛公交車混行交通流的擁堵帶長度和出現(xiàn)次數(shù)皆少于常規(guī)公交車.相較于常規(guī)公交車，自動駕駛公交車對道路交通的十擾相對較小.

圖12港灣式停靠站路段時空演化圖

Fig.12Spatial and temporal evolution the harbor-style stopping section

3結語

由于自動駕駛公交車與常規(guī)公交車在換道概率和換道策略方面存在不同，對路段整體交通流會造成一定影響，因此，本文構建公交?？空韭范卧詣訖C車輛換道模型，對比自動駕駛公交車和常規(guī)公交車混合交通流場景，通過仿真模擬得出以下結論：

1）自由行駛路段密度超過 20veh/km 時，路段的速度下降趨勢加快，當密度達到 35veh/km 時，道路的通行能力達到最大值；公交車比例達到 12% 時，自動駕駛公交車混合交通流和常規(guī)公交車混合交通流的平均速度最大差值達到 2.39km/h 時，流量最大差值為 107.55veh/h

2）公交?？空韭范蔚乃俣入S著公交車比例的上升而下降，換道次數(shù)則相反；公交車比例超過 4% 時，各車道速度和換道次數(shù)的差異逐漸顯著，并在公交車比例超過 8% 后逐漸穩(wěn)定；港灣式?？空韭范蔚牡退賲^(qū)范圍較小，車道速度較快.

3）自動駕駛公交車混行交通流在公交?？空韭范闻c常規(guī)公交車的速度最大差值為 3.64km/h ，換道次數(shù)最大差值為163次；常規(guī)公交車混行交通流在時空演化圖出現(xiàn)堵塞的范圍和時長都要大于自動駕駛公交車.

研究結果可為智能公交車站的規(guī)劃與設計、公交線路規(guī)劃等提供依據(jù)，合理部署自動駕駛公交車，發(fā)揮其效能，將更好地服務城市交通.

參考文獻

[1］于斌，王書易，馬羊，等．面向智能車輛的現(xiàn)役道路設施行駛 適應性研究綜述[J].中國公路學報，2022，35（10）：205-225. YUB，WANGSY，MAY，etal.Reviewdrivingadaptability intelligentvehiclestoas-builtroadwayinfrastructures[J].China JournalHighwayand Transport，2022，35（10）：205-225.（in Chinese）

[2] NAGELK，SCHRECKENBERG M.Acellularautomaton model forfreeway traffic[J]. Journal de Physique I，1992，2（12）：2221- 2229.

[3] GIPPSP G.A model for the structure lane-changing decisions[J].Transportation Research Part B：Methodological， 1986，20（5）：403-414.

[4] CHOWDHURYD，WOLFDE，SCHRECKENBERGM.Particle hopping models for two-lane trafficwith two kinds vehicles： Effects lane-changing rules [J].Physica A：Statistical Mechanics and Its Applications，1997，235（3/4）：417-439.

[5] 錢勇生，汪海龍．考慮公交車輛影響的城市交通流元胞自動 機模型[J].系統(tǒng)仿真學報，2007，19（14）：3358-3360. QIANY S，WANG HL.Newcellularautomaton city traffic model considering public transport vehicles affect with mixed traffic flow[J].Journal System Simulation，20O7，19（14）： 3358-3360.（in Chinese）

[6] 王歡．考慮非機動車影響的公交?？刻匦苑治雠c仿真評價研 究[D].北京：北京交通大學，2015. WANG H. Research on bus stop characteristics analysis and simulation consideringtheinfluence non-motorvehicles[D]. Beijing：BeijingJiaotong，2O15.（inChinese）

[7] 馬新露，李貝，許陳蕾．信號倒計時影響下的進口道交通流分 析與建模[J].交通運輸系統(tǒng)工程與信息，2017，17（5）： 36-44. MAXL，LIB，XU CL． Traffic flow on entrance lanes under the influence signal countdown [J].Journal Transportation Systems and Information Technology，2017，17（5）： 36-44.（in Chinese）

[8] 邱小平，馬麗娜，周小霞，等．基于安全距離的手動自動駕駛 混合交通流研究[J]．交通運輸系統(tǒng)工程與信息，2016，16（4）： 101-108. QIU XP，MA L N，ZHOU X X，et al．. The mixed traffic flow manual-automated driving based on safety distance[J]. Journal TransportationSystemsEnginering andInformation Technology，2016，16（4）：101-108.（in Chinese）

[9]李珣，曲仕茹，夏余．車路協(xié)同環(huán)境下多車道車輛的協(xié)同換道 規(guī)則[J]．中國公路學報，2014，27（8）：97-104. LI X，QU S R，XIA Y. Cooperative lane-changing rules on multilane under condition cooperative vehicle and infrastructure system[J].China Journal Highway and Transport，2014， 27（8）：97-104.（in Chinese）

[10］侯培國，曹軍．手動駕駛-CACC自動駕駛車輛混合交通流建 模與仿真[J]．北京交通大學學報，2021，45（6）：94-102. HOU PG，CAO J. Modeling and simulation human-driven and CACC autonomous vehicle mixed traffic flow[J].Journal BeijingJiaotong，2021，45（6）：94-102.（inChinese）

[11]VRANKEN T，SLIWA B， WIETFELD C，et al. Adapting a cellular automata model to describe heterogeneous trafc with humandriven，automated，and communicating automated vehicles [J]. PhysicaA：Statistical Mechanicsand ItsApplications，2O21，570： 125792.

[12]WUWJ，XIONG KB，YANG L L，et al.Combined optimization connected and automated vehicle distribution and ramp control for weaving scenario[J]．International Journal Modern Physics C，2023，34（2）：2350025.

[13］張建旭，胡帥，金宏意．信號交叉口人機混駕交通流速度控制 策略建模[J]．系統(tǒng)仿真學報，2022，34（8）：1697-1709. ZHANG JX，HUS，JIN HY.Modeling traffic flow velocity control strategy for human-machine mixed driving at signalized intersections[J].Journal System Simulation，2022，34（8）： 1697-1709.（in Chinese）

[14]YE L H，YAMAMOTO T. Impact dedicated lanes for connected and autonomous vehicle on traffic flow throughput[J]. Physica A：Statistical Mechanics and Its Applications，2018，512： 588-597.

[15］孫立山，趙昇輝，孔德文，等.自動駕駛環(huán)境下合流區(qū)大型車 屏障判別條件及交通影響[J].北京工業(yè)大學學報，2022， 48（8）：851-859. SUN L S，ZHAO S H，KONG D W，et al. Formation conditions and effects large vehicle barrier on confluence area under automaticdriving[J].Journal Beijing Technology， 2022，48（8）：851-859.（in Chinese）

［16］蔣陽升，王思琛，高寬，等．混入智能網(wǎng)聯(lián)車隊的混合交通流 元胞自動機模型[J].系統(tǒng)仿真學報，2022，34（5）：1025- 1032. JIANG Y S，WANG S C， GAO K，et al. Cellular automata model mixed traffic flow composed intelligent connected vehicles’ platoon[J].Journal System Simulation，2022，34（5）：1025- 1032.（in Chinese）

[17］喬陽．基于元胞自動機的公交車進站換道行為研究[D]．西 安：長安大學，2018. QIAO Y.Study on lane changing behavior buses at the stop based on cellular automata modeling[D].Xi’an：Chang’an ，2018.（in Chinese）

[18]WANG S Y，YUB，MA Y，et al.Impacts different driving automation levelson highwaygeometricdesign fromthe perspective trucks[J]．Journal Advanced Transportation， 2021，2021（1） ：5541878.

[19]WANG SY，MA Y，LIU J Z，et al.Readiness as-built horizontal curved roads for LiDAR-based automated vehicles：a virtual simulation analysis[J].Accident Analysis amp;Prevention， 2022，174：106762.

[20］張建旭，胡帥.混有CACC和ACC車輛的連續(xù)型元胞自動機交 通流模型[J].科學技術與工程，2022，22（15）：6340-6346. ZHANG JX，HU S. Continuous cellular automata model traffic flowmixed with cooperative adaptive cruise control vehicles and adaptive cruise control vehicles [J].Science Technology and ，2022，22（15）：6340-6346.（in Chinese）

[21]BI L Z，WANG CE，YANG XR，et al. Detecting driver normal andemergency lane-changingintentions with queuing networkbased driver models［J]. International Journal HumanComputer Interaction，2015，31（2）：139-145.

[22]MIAO F，HAN S，LIN S，et al. Taxi dispatch with real-time sensing data in metropolitan areas：a receding horizon control approach［J]． IEEE Transactions on Automation Science and ，2016，13（2）：463-478.

[23]YU M，F(xiàn)AN W.Optimal variable speed limit control in connected autonomousvehicleenvironment forrelieving freeway congestion [J].Journal Transportation ，2019，145（4）： 04019007.

[24］魏麗英，吳榮華，王志龍．考慮公交影響的進口道元胞自動機 換道模型[J]．系統(tǒng)仿真學報，2014，26（6）：1327-1330. WEI LY，WURH，WANG ZL．Cellular automata lanechanging model on approach considering affects transit vehicles [J].Journal System Simulation，2014，26（6）：1327-1330.（in Chinese）

[25］吳鼎新．間歇優(yōu)先公交專用道的通行能力及其影響研究[D]. 南京：東南大學，2019. WUDX.Study on capacity bus lane with intermittent priority and its impacts[D].Nanjing：Southeast ，2019.（in Chinese）

[26]TREIBER M，KESTING A.Modeling lane-changing decisions with MOBIL[C]//TrafficandGranularFlow’O7．Berlin， Heidelberg：Springer，2009：211-221.

[27]LAVAL JA，DAGANZO C F. Lane-changing in traffc streams [J].Transportation Research Part B：Methodological，2006， 40（3）：251-264.

[28]CHOUDHURY C F，BEN-AKIVA M E. Modellng driving decisions：a latent plan approach [J].Transportmetrica A： Transport Science，2013，9（6）：546-566.