考慮駕駛行為的三車道自動-手動駕駛混合交通流仿真

宋偉亞

摘 要：未來，自動駕駛汽車逐步投入市場時會對傳統的道路交通系統產生巨大的未知影響。本文通過建立基于元胞自動機且充分考慮駕駛行為的三車道自動-手動駕駛混合交通流模型，研究了不同自動駕駛比例下的混合交通流特性。

關鍵詞：自動駕駛;混合交通流;駕駛風格

0 引言

目前，人們普遍認為自動駕駛汽車能減少交通擁堵，但從現有預測數據看，自動駕駛汽車時代的完全到來，至少在2030年以后。在此之前，其比例的逐漸增加會對交通流產生巨大的未知影響[1]。縱觀國內外相關研究，基于元胞自動機且充分考慮駕駛行為的自動-手動駕駛混合交通流研究并不多。

1 自動-手動駕駛混合交通流建模

對混合交通流進行元胞自動機建模的關鍵是：如何對自動駕駛與手動駕駛進行區分，以展現二者對交通流影響的差異。參考現有研究，我們采用反應時間τ與駕駛風格β對二者進行區分。易知自動駕駛可準確預估其他車輛速度，而不同駕駛風格的人對速度的預估會存在差異，這里我們引入駕駛風格系數β∈（0，1），提出基于Gipps安全距離規則的“預期安全距離模型”[2-3]：

基于“預期安全距離模型”改進基礎的NaSch跟馳模型與自由換道規則[3]。

1.1 跟馳模型改進

（1）確定t+1時刻的車速：

車輛n與旁車道后方車輛之間的車距大于預期安全距離才滿足換道的安全條件，且換道行為具有隨機性，按概率執行最終的換道。

2 仿真與結果分析

2.1 仿真設置

在充分考慮舒適性及模型對反應時間敏感性的基礎上，將自動駕駛汽車的反應時間取為0.5 s;同時，參考文獻將手動駕駛反應時間取為0.9 s。車道長度L=2 km，車道數m=3，元胞長1 m，車長5 m;自動駕駛最大速度為35，對應實際126 km/h;手動駕駛為30，對應實際108 km/h;加、減速度均為3。自動駕駛的駕駛風格系數β取為1，手動駕駛的駕駛風格系數β取為0.9;換道概率取0.5。密度區間為[0，150]，增量?=3。采用并行規則及周期性邊界條件進行演化，每次仿真演化20 000時步，取后2 000步內所有車輛的平均速度作為系統平均速度。

2.2 不同自動駕駛比例對混合交通流的影響

仿真時，自動駕駛的比例的取值區間為[0，1]，變化增量=0.2，實驗分六組進行。對仿真結果進行分析發現：隨著的增加，系統交通流各密度下的平均速度也隨之變大，且在相同車流密度下，越大，系統交通流的平均速度越大;同時，越大，相鄰值下，系統交通流各密度下平均速度的差異越明顯，尤其在高密度的擁堵區域;當密度為150時，純自動駕駛交通流的平均速度約為13 km/h，而純手動駕駛交通流的平均速度已經趨近于0。由此我們可以判斷：由于自動駕駛的反應時間比較小，且自動駕駛能夠準確判斷周圍車輛的速度，所以它在行駛過程中所需的預期安全距離較小，道路空間利用率更高，即使在高密度車流環境下系統交通流的平均速度仍然比較大。此外，隨著的增大，最佳車流密度下的交通量也在增加，且交通量的變化增量越來越大;當=1時，三車道系統交通流的峰值流量最大，約為3 418;

當=0時，三車道系統交通流的峰值流量最小，約為2 386。由此可以判斷，在傳統的三車道系統交通流中引入自動駕駛汽車，可以極大的改善三車道交通系統的道路通行能力，且最佳車流密度下的交通量最多能夠提升1.4倍。

3 結論

本文以未來自動駕駛汽車逐步投入市場的過程中對傳統道路交通系統產生的未知影響為問題導向，建立了基于元胞自動機的充分考慮駕駛行為的三車道自動-手動駕駛混合交通流模型。經研究發現：越大，系統交通流的平均速度越大，最佳車流密度下的峰值流量也越大，且系統交通量最大值接近3 500，道路通行能力最多能夠提升1.4倍。

參考文獻：

[1]Kanwaldeep Kaur，Giselle Rampersad.Trust in driverless cars：Investigating key factors influencing the adoption of driverless cars[J].Journal of Engineering and Technology Management.2018，48：87-96.

[2]Harpreet Singh，Ankit Kathuria.Analyzing driver behavior under naturalistic driving conditions：A review[J].Accident Analysis and Prevention.2021，150.

[3]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].交通運輸系統工程與信息，2016，16（4）：101-108.