文摘

前后行为是一种自组织行为的刺激下恢复动态平衡的外部环境因素。事实上,有不对称问题过程中司机的加速和减速。现有的传统模型忽视了汽车的加速和减速之间的差别。为了解决这个问题,汽车驾驶在路上而相互作用的分子。前后车的特点进行了研究,和分子模型建立了基于分子动力学。在不同条件下的模型参数校准考虑必要的安全距离的车辆和司机的反应时间。的帮助下车辆运行轨迹图、速度和加速度曲线,数值模拟的分子模型和经典最优速度跟模型后进行。比较分析的结果表明,加速度加速和减速过程中不是常数而是更敏感前车辆的减速比加速度和更敏感的加速/减速短途车辆的加速/减速比长途汽车。因此,分子模型可以更好地描述前后行为后,研究结果可以提供理论依据和技术参考交通流动态特性的分析和自适应巡航控制技术。

1。介绍

前后行为是交通安全的一个重要组成部分。前后车的概念(CF)起源于1950年代初,提出了管道(1]。学者前后车模型进行了系统的研究。经过60多年的发展,前后车模型的相关研究也在不断改进和完善,因此,出现了各种各样的情况。根据他们的出发点和角度,可以分为两类:数据驱动和theoretical-driven。

数据驱动的模型:通过提取和计算测量数据,大量的高精度和高质量的车辆轨迹数据拟合建立前后车模型。虽然这种类型的模型没有一个非常明确的物理意义,它可以合理地显示和预测复杂交通现象,一些数据驱动前后模型无法模拟的。其中,应用最广泛的是反向传播(BP)神经网络提出Rumelhart et al。2]。随后,Kehtarnavaz等人首次应用BP神经网络在交通仿真模型前后的行为3]。通过输入以下车辆的速度和车辆之间的进展,两车的相对速度。后,其他学者开始研究前后行为基于神经网络(4- - - - - -6),但BP神经网络模型需要大量的训练数据。在培训过程中,培训将产生大的误差预测极端值(如加速度等于零),因为这种类型的模型并不介绍车辆的相关理论后,其模拟的前后行为甚至可能有错误7,8]。因此,支持向量回归随后被用于研究车辆。2010年,魏前后模型首次提出基于支持向量回归(9]。其输入以下车辆的速度,两车的相对速度,车辆距离当前时刻,输出以下车辆的速度在接下来的时刻。模型评价指标表明,取得了良好的仿真结果。后,与王在线交通仿真技术的出现,建立了一个基于在线支持向量回归前后模型(10]。从理论上讲,利用支持向量回归模型前后行为更好,但目前的研究基于这样的模型仍处于起步阶段,并没有很多相关的结果。

Theory-driven模型:根据模糊理论,混沌理论,nonchaos理论和其他相关理论的前后行为,前后车模型建立了用微分和动态知识。这种类型的模型的物理意义清晰,并用于多种交通仿真软件。发展的theory-driven前后车模型,是最经典的刺激反应模型,包括著名的通用汽车(GM)模型(11]。可以说,许多刺激反应模型大多是基于通用模型。通用模型假定车辆不超过或变换车道,车后。来自驱动动力学理论,基本公式 在哪里 是以下车辆的瞬时加速度在时间吗 ; 是以下车辆的瞬时速度时间吗 ; 车辆之间的速度差异对在时间吗t;错误引用源没有发现车辆之间的空间进展时间 ;T反应时间; 是敏感参数;米和l也参数校准。

可以看出通用模型具有简单的形式的特点,明确的物理意义,每个部分和开创性的,它可以更好地反映前后车的特点,但有一个问题,车辆在停车和过度加速在这个模型开始。之后,纽尼尔提出了一种新的前后模型(12),不断调整以下车辆的速度,以达到最优速度根据两辆车之间的距离的变化。这也为后来的最优速度奠定了基础(OV)模型。OV模型已经广泛使用。它可以合理地描述macrotraffic流的状态变化的微观模拟,但该模型也有一些缺点;也就是说,不切实际的交通现象会发生在模拟;例如,一些车辆的加速度值可能太高,速度数据可能出现负值,车辆可能发生碰撞。处理这些问题,许多学者不断改善和优化,所以模型继续改善13- - - - - -18]。

总之,是否它是一个典型的通用模型或后续OV模型、宏观交通流现象的解释更符合实际情况。但车辆之间microinteraction的准确性会有很大不同,他们忽略了不对称造成的加速和减速操作司机的心理变化和车辆性能。

针对theory-driven模型的问题,本文遵循物理定律,“力的内部原因是改变物体的运动状态,“从车道车辆交互关系,使用来描述前后行为的分子间相互作用关系。像交通的道路上粒子,个人运动状态的变化可能会导致相应的其他个体的运动状态的变化。这种动态关联的改变是一个互动的行为,可以被视为一个耦合关系。车辆之间的距离在路上旅行既不太远也不太近,这非常类似于分子运动的现象。图1显示分子的力之间的关系,r=r0是平衡分子之间的距离。


图1
分子的力量。

如图2后,也有一个动态平衡车辆速度不同,之间的距离叫做所需的安全距离。它是一个灵活的映射后车辆安全驾驶。方向上的合力的变化后车辆驱动车辆加速或减速。当 ,前导车后车辆和保持必要的安全距离,在稳态平衡。当 ,后车加速了万有引力;当 ,后车辆减速的排斥力。前后车的操作行为是寻找一个适当的安全距离,然后加速或减速。从物理的角度来看,车辆的运动状态的变化的共同作用下的引力和斥力周围的车辆,这是类似于分子间的行为。分子之间的这种物理现象为本文提供了灵感。


图2
力图车辆。

以下内容本文分为四个部分:第二部分是基于动力学建立分子模型;后一次只能第三部分是使用NGSIM数据集和司机的反应时间校准分子前后的参数模型;第四部分是建立的数值模拟模型和经典OV后续模型;第五部分是仿真结果的分析和讨论;第六部分是总结与前景的研究成果。

2。方法

2.1。只能过分子前后车模型

个车道车辆后可以被视为一个线性运动模型只有一个二维空间的坐标轴。根据车道车辆后变化的特性,它分为4个过程,如图3。原后,开始反应,变速阶段,和二级平衡:状态0是原始后;也就是说,两辆车之间的距离保持稳定在所需的安全距离。在这个时候,满足 。状态0⟶状态1:领先的汽车开始执行统一的减速运动加速度 和持续时间 。两辆车之间的距离逐渐小于所需的安全距离;也就是说, ;这个阶段也是以下司机的反应时间。状态1⟶状态2:领先的车辆继续做一个统一的减速和加速 和持续时间 ,当它到达状态2,它会以一个恒定的速度驾驶。以下车辆开始减速,平均加速度 。状态2⟶状态3:领先的汽车一直以一个恒定的速度移动,和下面的车辆也恢复其恒定的速度到达后状态3 时间。之后,以下车辆达到二次平衡。


图3
分析变速single-lane-following模型图。

状态方程可以获得0⟶状态2: 在哪里 初始速度的车辆,车辆后,分别和 ; 被后车的距离和领先的汽车在这个阶段,分别。

也可以得到状态方程2⟶状态3: 在哪里 后车的速度,当他们到达状态2领先的车辆; 可以计算出 ; 可以计算出 ; 旅行的距离的前方和后方车辆在时间吗 ,分别。

结合方程(2)和(3),我们可以得到

为了更好地描述以下车辆的加速度的影响因素,让 和简化方程(4)(5):

引入无量纲 为了使

集 ;减速,组 ;加速度,组 ;和k>0, ,把它们代入方程(6),我们可以得到

当只考虑的影响 ,然后 和 ;我们可以获得

然后 是司机的反应强度 。

当只考虑的影响 ,然后 和 ;我们可以获得

然后 是司机的反应强度 。

当只考虑的影响 ,然后 和 ;我们可以获得

然后 是司机的反应强度 。

集 。让 各自的权重 , ,和 因素的影响后车的加速度,乘以每个影响因素下的反应强度,并增加了他们;我们可以获得

结合方程(5),可获得加速方程在减速

变换方程(11)

同样,加速度在加速状态方程可以得到:

方程(11)和(12)统一表示为 在哪里 待定参数,通过实验;l是瞬时之间相对距离两人的车辆; 和 领导者和追随者的瞬时速度,分别; 所需的安全距离在从动件的瞬时速度; 是太空进展期间二次平衡。

2.2。参数标定

为了得到的速度和加速度数据从相机,吴et al。19和朱et al。20.)使用的视频分析软件“TrajCap”,可以准确地识别车辆模型和分布位置的轮距巷和转换视频实际道路坐标系中的坐标。车辆轨迹数据的东边的i - 80号州际高速公路从联邦高速公路管理局NGSIM维尔数据集被用于本文。收集的数据是7个摄像头安装在30层高太平洋公园广场建筑克里斯蒂大道10帧每秒。研究区是长503米,分为6车道。巷1是一个高入住率车辆车道(高),和6巷collector-distributor车道,如图4。

(一)
(一)
(b)
(b)
图4
总结数据采集区域。

为了确保前后行为的普遍性,车辆轨迹数据2:30点到4:45点被选为研究。为了避免车辆行为的电位差之间不同类型的车辆,我们处理现有的数据集,也就是说,提取的车辆数据集与前后关系,只研究了紧凑型车辆之间的前后行为,和删除高车道的车辆数据和collector-distributor车道,以确保车辆在研究中也有类似的驾驶行为。我们只能使用数据,以避免换道行为前后行为的影响。共有2880套数据处理后得到的数据。

统计数据显示,前后车速度之间有很强的相关性和空间进展。如图5、更快的速度、更大的空间进展。但也有一种现象,从动件的速度是非常快和密切进展的领袖。此外,速度的分布最集中的空间进展是60米和80米之间,而速度的分布是最分散的空间后进展小于20米。所有组的前后车速度和显示正常对称分布。应该注意的是,模型的参数校准范围的统计数据显示在图5。


图5
后速度在不同的距离。

后所需的安全距离的车辆在不同速度与司机的反应时间和车辆的制动性能。关系表达式可以表示由以下方程: 在哪里l年代制动距离,它可以计算的 。在正常情况下,摩擦系数 沥青公路为0.6;lr是汽车的驾驶距离在反应时间。

由于司机的反应时间的差异,为了使模型更准确,必须合理地确定司机的反应时间。张和Bham [21]研究了车辆轨迹获得以下车辆的司机的反应时间分布,如图6。通过计算,反应时间的均值为0.396,标准差是0.109。本文0.4±0.1 s作为以下车辆的司机的反应时间。计算后,车辆之间的通信的速度和可获得所需的安全距离,如图7。


图6
反应时间直方图。

图7
相应的车辆速度,需要安全的距离之间的关系。

自模型的参数对应于不同车辆的运行状态是不同的,我们选择50组前后数据在每个前后状态,并使用遗传算法中描述(22来解决这些问题。模型的参数的结果如表所示1。

表1
后分子模型的参数标定结果。

校准后的参数模型,我们可以模拟和验证算法框图如图8。


图8
仿真过程的框图。
2.3。模型的数值模拟

为了验证分子前后模型的合理性,我们选择比较它与经典的OV模型。经过几十年的发展,OV模型产生了多种形式,其中提出的模型也免不了是典型的23,模型表达式 在哪里 追随者的加速度;t是时间; 灵敏度系数; 是最优速度函数。

我们选择 最优速度函数, 是无量纲待定参数;我们使用相同的数据集来校准OV模型参数; 是0.52; 分别为0.15和1.7; 是领导者的有效规模,5米。计算后,我们可以获得 和 。

在仿真中,沥青路面的摩擦系数是0.6,和车辆的数量是4。我们假设每个车辆的动态性能是相同的,他们屈指可数D的顺序的前方和后方车辆,如图9。第一辆车的轨迹在两个模型是基于测量输入数据后,得到车辆的时空轨迹从25到115年代期间,如图10。


图9
车道车辆后的初始相对位置。
(一)
(一)
(b)
(b)
(c)
(c)
图10
比较时空轨迹。(一)OV模型。(b)的分子模型。(c)测量数据。

3所示。结果与讨论

数据10 ()和10 (b)显示位置变化引起的变化的过程的主要汽车的速度在不同的模型。可以看出有追随者对领导者的反应的差异在不同的运行状态。具体来说,我们可以看到从图11,领导者和追随者B与进展,B的减速下分子前后模型更敏感比OV模型在最初的30∼40年代减速阶段。也就是说,追随者B减慢在更高的加速度。B领袖和追随者与长途C, B的减速变化少刺激后在C分子模型比OV模型;即追随者C减慢与一个相对较小的加速度。

(一)
(一)
(b)
(b)
(c)
(c)
图11
测量速度曲线和速度曲线在不同前后车模型。(一)OV模型。(b)的分子模型。(c)测量数据。

在加速期间50年代和70年代之间的人物11B在分子的变速车辆前后模型是比这更温柔在OV模型;结果表明,B汽车加速和遵循一个相对较小的加速度。比较两个国家的加速和减速,在某些单词,加速度过程持续了很长一段时间,和加速度很小的绝对值作为一个整体;车辆减速过程的持续时间短,加速度的绝对值大的作为一个整体。也就是说,车辆的加速过程是缓慢和减速过程更迅速,和长途业务后的反应程度弱于近距离,这反映了车辆过程的不对称,这是非常与理论分析和实际情况一致。

同一测量工具上的指导下,以测量测量汽车的速度数据B, C, D为基准(设置为0),模拟速度和测量速度之间的误差相同的车辆在不同模型下分析比较图的可靠性模型12。车辆B一直在密切与车辆后,模拟之间的误差的绝对值测量速度和速度波动的范围(0,2.48)。MF模型的最大速度误差为0.87,而OV模型是2.48。也可以看到,在MF模型,模拟汽车的误差接近基线在整个生产过程中,表明它更接近真实值。

(一)
(一)
(b)
(b)
(c)
(c)
图12
车辆速度误差曲线B, C, D。

车辆C使长途汽车B后,生成的速度误差下两种模型也将相应增加。速度的绝对值误差波动的范围(0,4.92),而对于车辆与车辆C D后使近距离、速度误差的绝对值OV模型下6.10和3.27在MF模型。原因可能是车辆C, B汽车在很长一段距离后,在开车过程中积累了大量的速度误差,使误差向后传播,导致车辆D的误差增加。但无论是车辆C或D车辆,从整个过程的角度来看,其误差仍接近基线MF模型下,证明了其速度接近真实价值。

为了进一步验证MF模型的准确性,平均绝对误差(MAE)和均方根误差(RMSE)作为模型评价指标,和数学表达式 在哪里 表示实际数据; 代表获得的数据模型。

从评价结果可以看出在桌子上2的平均值RRMSE和米美分子前后模型中的不到OV模型后,无论车辆加速或减速。它证明了模型可以更准确地反映前后车的行为。的本质可以从分子的角度讨论了物理力学:(1)当相邻车辆的距离逐渐小于所需的安全距离,也就是说, ,两辆车像排斥。收到的斥力随距离的不断减少,和司机的车辆采用更激进的减速操作,这样汽车减慢逐渐增加加速度。(2)近距离车辆,车辆之间的距离逐渐比所需的安全距离,也就是说, ,两辆车像万有引力。重力遭受减少不断增加的早期阶段,车辆距离,司机加速在相对温和的方式。这也证实,司机更倾向于选择一个可接受的和舒适的方式加速,而不是选择最优的解决方案。(3)长途汽车, ,的追随者略有加速引力小,和相应的现实是,车辆高速运行更加速空间和加速的要求也小。

表2
不同的模型评估结果。

4所示。结论

摘要分子前后模型建立了从分子力学的角度可以更好地解释司机的不对称之间前后车的加速和减速过程在不同的距离和弥补缺陷,传统的前后模型忽略了司机的心理特征。数值模拟结果表明,车辆在加速和减速的加速度不是固定在分子前后车模型。准确地讲,以下车辆更敏感比加速减速的主要车辆,和下面的车辆更敏感的主要车辆的加速/减速比这一小段距离领先的汽车在很长一段距离。仿真的结果可以分析从分子间作用力。后建立模型可以更好地描述驾驶员的行为,以便车辆后能够更好地预测速度波动的主要车辆。下一步是将该模型应用到以下连接自主车辆的行为。我们计划研究后的舒适和安全车后的分子模型下通过计算力的混蛋和设置阈值。

数据可用性

的原始码数值测试用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

大邑曲和延锋贾庆林的构思和设计研究。枭龙马进行了实验。林路和佳乐香港分析数据。延锋贾写道。所有作者阅读和批准了期末论文。

确认

这个项目是由中国国家自然科学基金(批准号51678320)。