考虑坡道的元胞自动机交通流模型研究*

为了更好地研究坡道交通流的特征,基于Gipps安全驾驶的思想,考虑了坡道长度和纵坡度等因素,建立了一个新的更为精细的坡道交通流元胞自动机模型,并通过计算机数值模拟,对坡道交通流特征进行了分析。获得如下新的发现：坡道加剧了道路的拥堵,而且拥堵流和自由流之间存在一条十分明显的分界线,冲击波传递到分界线时发生了消散。此外,在最大通行能力附近,交通流密度-流量曲线会在一定坡道长度范围内（如40 < Lp < 80）进行集聚,坡道长度在这个范围对通行能力的影响相接近。坡道的纵坡度相对于坡道的长度而言,对道路的通行能力影响更为明显。     

考虑速度对期望间距影响的车辆跟驰模型研究

为了真实地反映驾驶员在道路行驶中的车辆跟驰机理,使用相关性分析方法找出影响期望间距的关键因素,从而提出改进的基于期望间距的车辆跟驰模型(improved desired distance model,IDDM).利用NGSIM数据对IDDM和经典的Gipps车辆跟驰模型的参数进行了标定,之后对标定的模型进行评价.研究结果表明,前后两车的速度以及相对速度主要影响跟驰过程中驾驶员采用的期望间距;IDDM与传统Gipps模型相比,其加速度、速度与位置的仿真精度分别提高了0.24 m/s2、0.72 m/s、0.53 m,可以为车辆跟驰行为分析提供参考.     

基于模糊聚类的车辆跟驰隶属度函数确定方法

当前研究确定车辆跟驰模糊推理隶属度函数时所采用的方法主要是专家法,不能精确获得车辆跟驰隶属度函数。针对于此,提出根据模糊聚类分析的方法,考虑车辆跟驰数据内部的关联性,利用基于高斯函数的隶属度函数确定方法,进行车辆跟驰模糊集的划分和隶属度函数的确定。使用真实的车辆轨迹数据,将后车速度、前后车相对速度、车间距作为输入变量,后车加速度作为输出变量建立模糊推理系统,对论文提出的基于模糊聚类的车辆跟驰隶属度函数确定方法进行评价。结果表明：本文提出的新方法能真实反映数据本身的特征和驾驶员的心理生理特性,其推理结果与真实数据误差较小,可用于分析模糊推理的车辆跟驰行为特点。