道路交通仿真模型与方法介绍.pptVIP

* CA模型中的换道模型 Nagel和Shreckenberg研制了双车道的CA模型。该模型包含了两条同向的单向车道，车辆根据周期性的边界条件及四条规则在车道上行驶。 4条 规 则 如下: 1: 如果车辆有前车，则查看车道的前方情况; 2: 如果觉得另一条车道更好，则查看那条车道: 3: 如果准备插到某辆车的前面，则查看另一车道的后方情况; 4: 基于前三条规则所作的判断，决定是否换道。 * 饱和流率下换道行为的特性 流量趋于饱和时，车辆间的换道频率虽然有所降低，但换道频率仍较高。 饱和流率下，车辆换道所需的前后间距较小，但前后最小时距相差不大。 饱和流率下，换道对各车辆的行驶状态影响较大。当前间隙不足时，有换道意图的车辆会先减速以拉大间隙；当后间隙不足时，有换道意图的车辆会先向目标车道后车发出换道请求，后车再选择是否减速让行。而自由流状况下，由于目标车道前后车的间隙较大，一般不存在这种减速行为，此时换道对车辆间的影响较小。 饱和流状况与自由流状况相比，换道时间没有显著差异，但换道行驶的距离有明显差别。两种状况下换道所需时间一般都在4-6S之间；饱和流状况下换道车辆一般要行驶40-60m的距离，而自由流状况下换道行驶的距离多在80-120 m之间。 * * 　超车模型（Passing Model） 驾驶员特性不同→期望的行驶速度不同； 不同车型的车辆（速度差）行驶在同一道路上； 超车失败→交通事故。 超车次数 * 车辆：高速车和低速车 高速车车速：V 低速车车速：v 没有行驶车辆 * 界限值的划分（2） SDV（量纲为速度） 距离较大时速度差的界限值。表示驾驶员有意识的感觉到他正在靠近一辆低速行使的车辆的临界点。驾驶员减速到前车的速度，并与前车保持ABX。 SDX（量纲为距离） 跟驶过程中意识到距离变大的界限值，说明驾驶员有意识地感觉自己正在脱离跟驶状态而离前车越来越远。SDX1.5~2.5倍ABX变化。 * 界限值的划分（3） CLDV（量纲为速度） 短距离时意识到很小的速度差并且距离减少的界限值。当以很小速度差跟随前车行使时，驾驶员意识到正处于一个逼近过程，不得不减小车速避免事故。 OPDV（量纲为速度） 短距离时意识到很小的速度差存在，并且距离增大的界限值。OPDV约为CLDV的1～3倍。 * 车辆跟车行驶阈值示意图 * MISSION模型的判断流程图 * 模糊推理模型 主要通过驾驶员未来的逻辑推理来研究驾驶行为。 最大的特色是将模型的输入项分为几个相互部分重叠的模糊集，每个模糊集用来描述各项的隶属度。 车辆跟驰模型使用三角隶属度函数。两个输入变量：前后两车的相对距离和相对速度。 模型的核心仍是刺激—反应关系。 * 模糊推理模型的分类 是通过对现有确定性模型参数的模糊化来反映驾驶员的经验准则； 利用基于驾驶规则的直接自然语言组成的模糊逻辑推理系统。 后者更能反应驾驶员在跟车时的决策过程，因此成为目前研究的热点。 * * * * 元胞自动机 元胞自动机的特点是空间、时间和状态离散化。其运行规则主要有：所有元胞的状态同时发生变化；且在t十l时刻，第i个元胞的状态由时刻t的第i个元胞以及相邻的有限个元胞的状态共同决定。 时间、空间和车辆速度都被整数离散化 道路被划分为等距离的离散的格子，即元胞 每个元胞或者是空的，或者被一辆车所占据 车辆的速度可以在（0～Vmax）之间取值 * 基于神经网络的车辆跟驰模型 这类模型的主要特点是:自学习能力强、适时性和容错性，适于模拟驾驶员感知和决策过程的不确定性数据量大且对数据的平衡性要求较高。 * 其他跟驰模型 基于动力学的改进车辆跟驰模型 适用于弯度与坡度的跟驰模型 基于期望间距的微观车辆跟驰模型 基于可变跟驰时间和随机因素的车辆跟驰模型 基于滞后时间的非线性模型 * 车辆跟驰模型研究的趋势 随着 ITS、驾驶员信息诱导系统和车辆自动智能巡航系统的开发建立，驾驶员的跟驰行为将在很大程度上有别于过去。 开发了许多针对特定问题研究的跟驰模型。如针对高速公路与城市道路开发的不同的跟驰模型;针对驾驶员信息诱导系统的模型;在ITS研究中针对特定控制下的车辆跟驰模型等。 由于交通系统的复杂性，特别是跟驰行为影响因素的多样性、因素自身的随机性以及影响程度的度量困难，目前尚没有一个公认的可以完全仿真跟驰行为的模型。我国缺乏建立跟驰模型所需的基础实验数据，交通环境、交通流构成、驾驶员心理特性等方面都与国外有着较大差异。 * 换道模型 车辆跟驰模型与换道模型是微观仿真最重要的2个模型，换道模型更复杂，更难用数学方法描述； 换车道行为是驾驶员由自身驾驶特征，针对周围车辆车速、间隙等周边环境信息刺激，调整并完成自身驾驶目标