各异性FVD模型及数值模拟

为了使跟驰模型能够描述驾驶人行为差异,基于不同气质类型驾驶人的行为差异分析,建立了跟驰模型参数与驾驶人气质状况之间的关系,通过引入气质激进度变量,将跟驰模型参数表达为气质激进度的函数,并在改进FVD模型的基础上,提出了体现驾驶人行为差异的各异性FVD模型.该模型克服了传统规范模型无法描述驾驶人个体行为差异的缺点.数值模拟实验结果表明该模型能够成功地模拟稠密交通流中小扰动传播演化结果的随机性现象.该模型结构简单,且参数易于确定,一方面为驾驶行为各异性的建模建立了理论基础,同时也为微观交通流动态随机特性模拟提供了一般性的方法.     

车辆跟驰模拟模型的建立

在微观交通流模拟中,由于驾驶行为的不确定性,难以建立精确模型,本文以期望间距为基准参量,考虑驾驶员的心理和生理因素,建立了车辆跟驰模型,为研究驾驶行为提供了一种新的思路。     

基于最小安全间距的应急交通疏散车辆跟驰模型

本研究通过对突发事件情况下驾驶员心理与行为特性问卷调查,得到驾驶员在非常态交通环境下的行为差异和经验判断比率分布,对Gipps跟驰模型进行了改进,提出了基于最小安全跟车间距的应急疏散车辆跟驰模型.与正常交通条件下建立的跟驰模型相比,将驾驶员对突发事件的心理行为反应纳入建模过程,能更准确地反映应急疏散的交通流特征和疏散交通实际情况.     

考虑侧向偏移的车辆跟驰模型

为了定量描述前导车与跟驰车之间的侧向偏移对车辆跟驰行为的影响,建立了考虑侧向偏移的车辆跟驰模型.通过引入中心线偏移量的概念,建立了侧向偏移与前导车加速度的关系,进而将跟驰模型扩展到二维模式.对模型进行数值仿真分析,表明模型符合稳定性的要求,同时能够描述实际交通流中的一些宏观现象.这些结果验证了新模型的有效性.     

考虑前方交通状态的车辆跟驰模型与数值仿真

为了描述复杂环境下多车跟驰的驾驶行为特性,在全速度差模型的基础上引入前方交通状态的影响参数建立车辆跟驰模型.采用交通流密度作为定量衡量前方交通状态的关键指标,通过线性稳定性分析得到模型的临界稳定性条件.提出以加速度干扰指标作为衡量交通运行稳定性和乘客舒适度的定量指标.理论分析和数值仿真结果表明,该模型扩大了交通流的稳定性区间,符合实际驾驶行为并能有效提高交通流的稳定性.     

基于长短期记忆神经网络方法的车辆跟驰模型

为模拟驾驶员的跟驰驾驶行为,并考虑驾驶员不确定性和记忆效应,基于实车跟驰实验数据,提出并训练了一种基于长短期记忆(LSTM)神经网络方法的车辆跟驰模型。基于该模型研究驾驶员的记忆效应影响时长并进行交通仿真。结果表明:与同体积隐藏层神经元的前馈神经网络比较,LSTM神经网络的跟驰模型预测结果更加贴近观测值且更加平滑,接近驾驶员的实际驾驶行为;驾驶员行为受当前环境及其前1.0～3.5 s内的记忆影响;该模型能够消散交通流中的扰动,模型具有较好的抗干扰能力和稳定性。     

基于分位数回归的随机优化速度跟驰模型

为了研究交通流异质性对车辆跟驰行为的影响,基于分位数回归方法改进优化速度函数. 根据实际交通流数据对改进的优化速度函数进行参数标定,并对参数结果进行假设检验,结合改进的优化速度函数和全速度差跟驰模型建立随机优化速度跟驰模型,利用傅里叶变换理论推导跟驰模型的稳定性条件,并搭建环形车道仿真平台对跟驰模型进行数值实验. 结果表明：改进的优化速度函数能更好地反映交通流异质性对交通流的影响;单一分位点车队达到稳定状态的时间与分位点呈正相关;多分位点组合车队随着0.5分位点车辆数的增加,达到稳定状态的时间减少. 提出的多分位点车队相比于单一分位点车队可以更真实地反映交通流复杂的运行状况.     

Bierley非线性跟驰模型特性仿真分析

非线性跟驰模型是描述车辆跟驰行为的经典模型之一,通过对GM模型发展过程的分析与阐述,引入Bierley非线性跟驰模型,应用Matlab构建仿真环境,以车头间距为研究对象,拟定试验情景,分别对不同参数的变化进行仿真分析.结果表明：Bierley非线性跟驰模型可以较好地反映交通流的波动性、滞后性和制约性,模型参数α0与驾驶员对外界刺激的反应负相关,h与车头间距的波动幅度正相关,k与车头间距达到稳定态的时间负相关;跟驰队列头车速度v0和初始车头间距l0均不影响跟驰队列的稳定状态,仅影响到达稳定状态的过程和时间.     

考虑侧向偏移的车辆跟驰行为建模及仿真

为了描述真实交通环境中车辆交错跟驰的现象,在全速度差模型的基础上引入了视觉角和侧向偏移角的概念,采用侧向偏移角变化率作为衡量车辆横向运动的关键参数并建立了考虑侧向偏移的车辆跟驰模型。通过线性稳定性分析得到了新模型的稳定性条件。理论分析和数值仿真结果表明:改进模型能够有效地描述车辆交错跟驰行为对交通流稳定性的影响,侧向偏移会减少交通流稳定区间,更容易使稳定车流变成时走时停交通流。     

应用五轮仪采集车辆跟驰过程描述参数

车辆跟驰模型是微观交通流模拟的一个基本模型，用来分析和描述在无法超车的同一车道上一辆车（驾驶员）跟随另一辆车的方式。由于过去的实验数据主要是由两实验车在实验跑道上作跟驰运行或由驾驶员操纵驾驶模拟台获得的，难以获取实际道路上驾驶员的信息，建立的车辆跟 驰模型难以标定或验证，所介绍的应用五轮仪实验获取、处理和分析车辆跟驰过程描述参数的途径，为今后车辆跟驰模型的标定与验证提供了一条新的实验途径。     

基于决策优化模型的驾驶行为建模方法

为了能在微观交通仿真模型中对复杂交通环境下的驾驶行为进行统一的数学描述，提出一个基于决策优化模型的驾驶行为建模方法.通过扩展Helly跟车模型并将其等式约束变换为不等式约束，建立驾驶员的可行加速度决策空间，再依次求解轨迹最优目标和速度最优目标，得到一个满意的横纵加速度.该建模方法将跟车、换道、超车、穿插、制动等驾驶行为统一地在驾驶行为决策优化模型进行描述中，模型结构灵活，模型参数校正方法简单明了，适用于交通环境复杂的混合交通流微观仿真建模.     

基于危险性判断的车辆跟驶模型

在交通系统微观车辆跟驶模型中，充分考虑驾驶员心理和行为习惯是必须的。通过对国内外大量仿真系统的跟驶模型构造分析得出，目前的跟驶模型存在若干种与实际情况不符的现象，不能准确反应实际的跟驶过程。章从驾驶员行为调查入手，提出了危险性的概念，并给出了基于危险性判断的车辆跟驶模型，在一定程度上可以克服目前跟驶模型中的问题。模型建立中，为更加贴近实际情况，较充分地考虑了随机性因素对模型的影响。     

基于车辆运行特性的高速公路养护施工区行车风险分析

施工区造成高速公路行车环境突变,严重影响行车安全.考虑行车环境的复杂性和车辆运行的特殊性,分析高速公路养护施工区车辆合流、跟驰及分流行驶状态;根据车辆运动规律,分析这些过程中的强制变换车道风险和跟驰风险;确定高速公路养护施工区避免冲突风险的约束条件,为降低养护施工区行车风险提供依据.     

城市快速路期望车头间距模型的建立

通过对跟驰车队刺激-反应过程以及人车单元组合的微观特性分析,说明了跟驰车队中具有产生混沌现象的必要特征．首先运用数学方法给出了4种期望车头间距理想模型,将Rossler混沌吸引子模型分别引入这4种模型中,然后选择能更好地描述实际交通流状态的期望车头间距模型,并利用高精度车载GPS设备在城市快速路上采集的实测跟车数据对该模型进行标定和验证后,改进的期望车头间距模型能更好地反映实际交通流的跟驰特性．     

加/减速跟车状态车头间距研究

为了研究加/减速跟车状态下两辆车车头间距离的变化规律,本文依据在特定的司机驾驶行为、交通条件和道路条件的基础上获得的实际交通流中的跟车数据,构建了解析加/减速跟车状态下车头间距与跟车速度之间关系模型的方法.当车头间距持续增加,后车司机加速追赶前车期间,车头间距与后车速度之间的关系是线性变化的,车头时距与后车速度之间的关系是指数变化的.当车头间距持续减少,后车司机减速刹车期间,车头间距与后车速度之间的关系是线性变化的,车头时距与后车速度之间的关系是指数变化的.     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。