车辆长度与速度对双车道交通流影响.docVIP

车辆长度与速度对双车道交通流影响 　　摘要： 为研究大型车辆转道及敏感驾驶行为对公路交通的影响，在SDNS（Sensitive Driving Nash）交通流模型基础上，引入长短车辆转道规则，假定双车道上同时存在长度和最大速度均不同的车辆，建立混合交通流模型.在周期性边界条件下，模拟得到当转道概率、混合比例、减速概率、车辆长度、速度等参数改变时，混合交通流的速度、流量与密度的基本图.仿真结果表明，系统临界密度、最大平均速度、流量随减速概率增加而减小；当慢速长车占总车辆比例大于50%时，更容易产生阻塞，此时车辆转道成功率小于5%；当系统中长车比例为50%时，流量峰值仅为0.42，比全小车的情况减少了20%；长车是造成转道困难的主要因素，当转道概率均为50%时，系统长车比例从25%增加至75%，转道成功率最大值由6.32%减少至2.78%. 关键词： 转道规则；元胞自动机；混合交通流；数值模拟 中图分类号： U491.112文献标志码： AInfluence of Vehicle Length and Velocity 交通流理论广泛应用于交通运输的许多研究领域，例如交通规划、交通控制和道路工程设计等.元胞自动机[1]（cellular automata， CA）模型能有效模拟交通流中车辆的微观运动状态，有利于了解车辆之间的相互作用机理，在交通流研究中得到广泛应用与发展[218]. 文献[2]提出了考虑车辆逐步加速和随机减速的NS（Nash）模型.文献[3]基于高速驾驶理论提出了车辆迅速加速的FI（FukuiIshibashi）模型.文献[4]以行驶过程中的预期调解为基础，将随机延迟过程放在确定性减速之前，提出了敏感驾驶（sensitive driving Nash， SDNS）模型，该模型能再现实际交通中亚稳态和相分离等复杂的非线性现象. 目前，大部分CA模型仅针对相同类型车辆构成的交通流进行研究.实际上车辆性能对交通过程的作用是不可忽视的，尤其应该考虑车辆长度和最大速度对交通流的影响.文献[5]基于NS模型研究了单车道环境下由两种长度和最大速度均不同的车辆构成的混合交通流.在多车道混合交通流的研究过程中，多数国内外学者基于传统NS模型构建CA模型[617]，但NS模型数值模拟结果在流量密度基本图上发现不了实际交通流的亚稳态和滞后启动现象，因此，现有研究成果与实际交通情况尚有一定的差距.且在实际交通流中，长车一般为货运、客运车辆，由于其载重量大，刹车距离长，驾驶人通常会控制行驶速度，还会为了保持安全间距[18]频繁刹车，即在驾车过程中采取敏感驾驶方式，在加速超车前优先考虑减速让行.同时，当周围有大型货车或客车行驶时，小车驾驶人开车时也更谨慎，对车间距更敏感. 为了研究混合交通流的真实演化特性，本文定义了转道规则，并基于SDNS模型建立了双车道不同长度、不同最大速度的混合交通流CA西南交通大学学报第48卷第2期潘卫军等：车辆长度和速度对双车道交通流的影响模型.通过计算机数值模拟，得到了流量、速度与密度之间关系的基本图，表明混合交通流中车辆长度等性能参数对交通流量有较大影响.1模型将道路视为长度为L的一维离散格点链，每个时刻格点可能被两种长短不同、最大速度不同的车辆占据，短车占据1个格点，最大速度为vmax 1；长车占据2个格点，最大速度为vmax 2. 设Xi（t）为车辆i在时刻t的车尾位置； vi（t）为车辆i在时刻t能前进的格点数，即第i辆车在时刻t的速度， vij（t）∈ent（0，vmax j）， j=1表示短车， j=2表示长车； Gi j（t）表示车辆i在时刻t与前方车辆i+1之间的格点数，即车间距， 根据图6可知，当p=0.2时，系统的最大流量为0.56 veh/s，最大速度为3.5 元胞数/s，临界道路占用率为0.33；当p=0.8时，最大流量为0.20 veh/s，最大速度为2.78 元胞数/s，临界道路占用率为0.14.其它3组数据位于第1组与第5组之间.随着p的增加，最大流量、最大速度、临界占用率均降低. 根据图6（a）可知，系统最大流量、临界密度与p成反比，即减速概率越大时，系统速度越低， 流量减少，拥堵发生越早.根据图6（b）可知，自由运动区间内系统最大速度随占用率的增加明显下降，这是因为长车最大速度为3 元胞数/s，短车基本上按照长车速度在畅通相运行，与图3类似，出现拥堵畅通相，但各速度曲线下降时并未重合，出现一个速度较低的畅通相平台.根据图6（c）可知，转道比例曲线均以较快速度增加至最大值后逐渐减少，第2、3、4组曲线出现多个起伏，但除畅行相外，其他区间的上升幅度很小.当p=0.2时，车辆转道频率最小，位于其他曲线正下方，说明减速概率较小时，车速较快，流量较