驾驶员-车辆Agent微观换道行为建模-计算机应用技术专业论文.docxVIP

第 第 1 章 绪论 PAGE PAGE 10 第 1 章 绪论 1. 1 研究背景及意义 随着科技进步和现代工业的发展，城市机动车辆保有量迅速增加，交通拥塞 问题日益凸显，交通拥塞已从大城市向中小城市蔓延。面对未来我国城市人口、 机动车的快速增长，以及资源环境的压力，交通问题将成为制约城市发展，影响 市民生活质量的重大难题，如何解决交通问题是关系国计民生的大问题。然而在 实际中，任何一项交通管理措施，不管其是否能够解决交通问题，要将其实现都 必将投入巨大的人力和财力，交通管理和规划方案的轻率实施会带来较大的风险 和损失。而交通系统仿真技术为道路渠化、交通控制、管理和规划方案的科学评 估提供了有效的途径。 20 世纪 60 年代以来，随着计算机仿真技术的蓬勃发展，交通系统仿真作为 智能交通系统的一项重要内容，已成为国内外研究的热点领域，并成为解决交通 问题的基本工具之一。 交通系统仿真不仅可以再现交通流的时空变化情况，为交通路网规划提供依 据，还可以对路网及交通控制中的各种参数进行比较和评价，分析复杂的交通现 象，并寻求解决问题的方法。交通系统仿真是智能交通系统的重要分析工具。 根据交通仿真模型对交通系统描述的细节程度不同，可将交通仿真模型划分 为宏观、中观、微观三种。微观交通仿真模型从最精细的程度来刻画交通系统， 通过考察单个驾驶员、车辆及其相互作用特征，来描述车辆在道路上的跟驰、换 道等微观行为。微观交通仿真模型基本上由两部分组成：（1）路网几何形状的精 确描述，包括：道路、信号灯、检测器等交通设施；（2）每辆车动态行为的精确 模拟，包括：跟驰、换道等动态行为(魏明 等，2003)。 车辆换道模型是微观交通仿真模型的最基本的动态模型之一，换道行为是驾 驶员根据自身驾驶特性，针对周围车辆的车速、间隙等周边环境信息的刺激，调 整策略并完成自身驾驶目标的综合过程(刘运通 等，2002)。不同的驾驶员有不 同的驾驶习惯，其自身特性也有很大差异，因此，驾驶员的换道行为具有高度的 随机性。 在城市交通中，车辆的行为较之高速路更加复杂，这是由于城市中交叉口道 路情况变化多、车辆数量多、车辆间的自组织行为更加明显。换道行为直接影响 到道路的车流量和密度，许多交通现象的产生都伴随有换道行为，如：道路拥塞、 车辆排队及溢出、挤车道、超车、会车等等。换道行为与城市交通密切相关，换 道行为的研究对交通现象的分析有着重要意义。与跟驰行为相比，换道行为需要 考虑的因素更多，包括当前车道上的前、后车行为以及目标车道上的前、后车行 为等，因此驾驶员能否安全实施换道的决策过程也就更加的复杂，难以描述。由 于影响换道决策的因素很多，换道行为的标定所需数据也就更复杂，难以获取， 模型验证也因为实际数据难以获取以及仿真系统的随机性而变得难以实现。然而 换道模型对微观交通仿真系统的准确性有较大的影响。综上，对微观交通仿真中 换道模型的研究有重要意义。 驾驶员的换道行为包括强制换道和自由换道。强制换道有固定的目标车道， 驾驶员通过换入该目标车道才能在其所期望的情况下到达目的地。在动态交通路 网中，道路交通情况比较复杂，驾驶员的行驶环境也在不断发生变化，并不一定 能像预期的那样按照预想的最优路径行驶，遇到以下两种情况，须进行路径选择： （1）前方道路出现拥塞；（2）不在目标车道上行驶。驾驶员重新选择路径应该 根据驾驶员当前所处的位置以及交通情况来确定，这就需要通过局部路径搜索算 法搜索到最优路径以供其进行选择。 求最优路径的路径搜索算法有很多，包括：Dijkstra 算法，启发式搜索算法， 人工智能方法（神经网络、蚁群算法等）等。其中启发式搜索算法是解决最优路 径问题的常用方法。启发式搜索算法中，A*算法使用尤为普遍，该算法简单易 行，因此得到了广泛的应用。路径选择是任何一个驾驶员出行都会遇到的问题， 对其进行深入研究，找到适合于上述局部动态路网环境的搜索算法具有应用意 义，也是对微观交通仿真系统的进一步完善。 1. 2 国内外研究现状 1.2.1 微观换道行为 国外对于微观换道模型的研究起步较早，已经进行了相关有效的工作，开发 出一些较为成熟的微观交通系统仿真软件，如：美国的CORSIM，MITSIMU， INTEGRATION；英国的PARAMICS；德国的VISSIM等。 Gipps 于 1986 年首先建立了城市道路的换道决策结构框架，换道决策过程 是在合理驾驶行为的条件下，主要考虑潜在的冲突目标，并受交通信号、障碍物 以及重型车等的影响。Yang（1996）在 Gipps 模型基础上提出 MITSIM 换道模型， 该模型分三步完成：判断是否需要换道，选择目标车道和在前后间隙可接受的情 况下执行换道；并且增加了忍耐因子和速度差因子来描述车辆的换道行为