（交通运输规划与管理专业论文）基于人工神经网络的车辆跟驰模型研究.pdf

摘要 摘要 跟驰模型从交通流的基本元素人车单元运动与相互作用的层次上分析 交通流微观特性，对交通安全、交通管理、通行能力、服务水平等方面的分析都 有着重要的意义。本文以构造能够准确反映我国城市快速道路上实际交通流跟驰 特性的车辆跟驰模型为最终目标，对城市快速路上行驶的车辆跟驰行为展开研 究。主要进行如下内容的研究： ( 1 ) 对国内外已有的跟驰模型进行分类总结，对已有模型进行了系统的评价。 确定了从“实际应用出发，依靠高新设备采集跟车数据，运用科学的理论方法， 结合计算机仿真技术”的技术路线。 ( 2 ) 运用基于车载高精度g p s 的跟驰数据采集方法，采集了大量真实反映我国 城市快速道路交通条件特性的车辆跟驰数据。通过数据分析和整理，得到大量的 城市快速路车辆跟驰交通流数据，为建立基于人工神经网络的车辆跟驰模型的提 供的数据支持。 ( 3 ) 通过数理统计的方法，对得到的跟驰数据进行分析得到快速路车辆司机反 映时间，为跟驰模型建立提供参数依据。 ( 4 ) 对人工神经网络对于跟驰行为研究的适用性进行论述。根据对跟驰理论的 研究，确定神经网络的输入、输出变量，并分别建立基于b p 网络和径向基网络 的跟驰模型。利用试验所得的跟驰数据，对神经网络模型进行训练与测试。 ( 5 ) 对建立的基于神经网络的跟驰模型和传统动力学模型进行仿真。对模型仿 真的效果进行比较，得到对模型的综合性评价。 根据模型仿真的效果可以看出，论文所建立的模型为城市快速路交通流理论 研究及围观模拟提供了一个高效的、一定程度上能真实表达车辆跟驰特性的模 型。 关键词跟驰模型；反应时间；人工神经网络 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 己在论文中作了明确的说明并表示了谢意。 签名：嘛孕t 砜日期： 关于论文使用授权的说明 0 6j i2 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：盗垒蛆翮签名：塞：唑嗽。 点! 兰 第1 章绪论 1 1 课题背景 随着我国国民经济的持续稳定发展，城市及城市间的社会交往和经济贸易日 益频繁，交通需求前所未有的迅速增跃。加之我国人口稠密，交通设施基础薄弱， 以及作为发展中国家工业化过程中的机动车高增长率，使交通供不应求的矛盾日 益尖锐。为了满足城市交通需求，提高城市连接水平，城市快速路的作用日益突 出。 我国城市道路设计规范中规定：快速路应为城市中大量、长距离、快速 交通服务。快速路对向车行道之间应设中间分车带，其进出口应采用全控制或部 分控制。快速路上两侧分隔带的断口间距应大于或等于4 0 0 【1 l 。作为城市大运量 快速交通干道，城市快速路系统多为环路加放射性联络线的结构形式，并配有较 完善的交通安全与管理设施。城市快速路系统的修建和完善在缓解城市中心区的 交通压力、解决跨区过境交通、承担长距离的汽车交通、联系市区内主要的交通 集散地、为城市地面交通需求提供商水平服务等方面发挥着巨大作用。北京、上 海、广州等人门密集城市相继修建了各种类型的快速路。从近年来实际的运营效 果来看，城市快速路系统的作用是其它类型的道路所不可替代的。 随着快速路的作用逐渐突出，同样暴露出很多的问题，影响了其在城市交通 中的骨干作用。以北京的快速路为例，由于城市机动车保有量的激增，使城市交 通压力巨大，在高峰时段经常出现拥堵现象；车辆行驶速度慢，远低于设计速度； 通行能力低，跟国外快速路通行能力相比存在较大的差距 时有交通事故发生， 行驶安全性有待提高。图卜l 为北京快速路的拥挤情况。 圈1 1 北京快速路上的拥堵 图1 i 北京快速路上的拥堵 f i g u r e l 一l 胁伍c j a mo nb 刨i n ge x p r e s g w a y 北京工业大学工学硕士学位论文 城市交通是一个复杂的、受制变量多、随机因素复杂的庞大系统。交通拥堵 是由诸多因素决定的，解决交通问题是一个系统工程。目前，解决交通拥堵的出 发点是降低交通负荷( v c ) ，主要方法有二：一是在“硬件”方面，加强交通 基础设施建设道路，新建道路、立交或对现有的道路网络进行改造，以提高整个 路网的容量。但是这种选择是有限的，这需要大量的资金投入，回报周期长，部 分地区或城市难以承受，且有可能导致新的交通拥挤。二是在“软件”方面，对 交通流进行科学的组织与管控，充分发挥现有交通网络的通行潜力。最大程度上 是交通流做到有序流动。特别是在最近几年，i t s 技术被赋予很大的期望值来改 善道路交通的机动性，即提供一些更智能的方法来提高现有道路系统的通行能力 【2 1 。比较而言，后者所需投资较少，在短时间内可望取得一定的实效。然而令人 遗憾的是，上述解决方法仍未在实际中取得明显的成功。究其原因，一是在实践 方面，由于交通系统是一个复杂的大系统，任何单一层次、几种方法的简单继承 都难以解决交通不畅这一“顽症”，必须采用系统工程的思想和方法，通过科学、 系统的综合治理来加以解决。另一方面，目前解决交通拥塞所基于的交通流理论 及由此衍生的管控方法还存在一定的缺陷，需要发展更加有效的、更能在本质上 反映实际交通特性的交通流理论，以指导交通流组织管控实践。 1 2 跟驰模型研究意义 跟驰模型作为交通流理论的一个重要部分，对它研究有助于深入了解交通流 特性。这种了解对于进行交通安全、交通管理、通行能力、服务水平等方面的分 析都有着重要的意义【3 】。 首先，跟驰模型研究的重要运用是进行交通模拟，包括含于其它模型中的跟 驰模型控制车辆的移动。在8 0 年代后期以来行跟驰模型研究，基本上都是基于 开发交通流仿真模型或是模拟驾驶而进行的。根据不同的开发目的，这些研究中 的模型各有特点，如专门用于城市道路交通模拟的跟驰模型注重了对城市交通中 车辆反复停车起步的模拟【”、基于自动巡航系统模拟注重了对自动巡航系统 的人机操作界面模拟【5 1 、对驾驶员在r f s 道路条件下的驾驶模拟则注重于对驾驶 员的信息接受与处理的模拟掣6 1 。通过对各种交通流的模拟，可以进行道路通行 能力研究、服务水平划分、交通政策评价、管理策略检验、安全性分析、新控制 技术设备论证等方面的工作，从而改善交通环境、提高交通设施服务水平与效率。 其次，研究车辆流跟驰模型，可以从微观层次上对车辆间的相互影响进行探 讨，对前后车的碰撞机理和影响因素进行科学地研究与分析，制定适宜的对策， 减少事故发生、减低事故损失。 对跟驰理论研究的一个重要目的是通过观察各车辆逐一跟驰的方式来了解 单车道交通流的特性。这种特性的研究曾用于检验管理技术和通信技术，以便使 北京工业大学工学硕士学位论文 从以上的讨论中可以看出，对于跟驰模型呈现出如下趋势：内容的细致化、 深入化；手段和方法的多样化；应用的专门化。后期的研究工作是深入和细致的， 而且模型的“逼真”能力较早期也有了很大的提高。 但总体上来讲，以往研究仍然缺乏描述跟车行为的时间序列数据；缺少贴近 现实的能够解释司机间动机和行为差异性的因素；6 0 年代初建立的司机模型依 然是目前大多数的跟车模型的标定的基础，随着社会的发展，科技的进步，人的 观念的变化，交通法规的完善，需要对司机模型进行修订驾驶员的跟驰行为受到 众多复杂因素的影响，如何将这些因素的影响量化到模型中是一件非常困难的事 情，跟驰模型仍需进一步深入研究。 1 4 课题来源 本课题来自北京市教育委员会科技发展计划项目城市快速路跟驰理论研 究。该项目要根据北京市快速路中驾驶员行为和车辆运行的具体特征，运用描 述模糊性和随机性的数学方法，建立符合北京市快速路实际情况的基于实测数据 的车辆跟驰理论。本研究课题为该项目的子课题，“城市快速路跟驰模型建立”。 1 5 主要研究内容 本次研究的目的是为城市快速路防止车辆追尾事故、构建智能运输系统 ( i t s ) 和实现交通仿真提供理论基础。本研究针对城市快速路，通过对跟驰车 辆交通特性的深入分析和研究，借鉴国外较为成熟的先进理论和经验，同我国实 际情况相结合，建立适合我国国情的城市快速路的跟驰模型。主要研究内容如下： ( 1 ) 回顾跟驰模型研究的发展历史，分析现状，讨论发展方向 ( 2 ) 车辆交通流微观数据的采集 ( 3 ) 快速路司机反映时间的确定 ( 4 ) 综合考虑各种影响因素，建立人工神经元网络的跟驰模型 ( 5 ) 模型的验证与评价 北京工业大学工学硕士学位论文2 1 2 1g p s 简介g p s 是n 州g a t i o n satellitet i m i n ga i l dr a n 百n g 1 0 b a l positi砌ngs y s t 锄的 缩写词na、，stargps的简写。它的含义是：利用导航卫星进行授时和测距，以构成全球定位系统。g p s 作为一种应用广泛的 x 北京工业大学工学硕士学位论文 用户接受部分主要由以无线电传感和计算机技术支撑的g p s 卫星接收机和 g p s 数据处理软件构成。图2 1 、图2 - 2 中为试验用于实验的g p s 基站和流动站。 2 1 2 2 基于车载高精度g p s 数据采集方法的优点 相对于以往的数据采集方法，g p s 数据采集设备具有三大优点【3 1 ： ( 1 ) 采集数据经度较高：高精度g p s 接收机定位精度一般为2 3 c m ，且不 随距离和速度的变化而改变； ( 2 ) 尺寸较小，便于携带，能够被安装在实际交通流中的任何类型的车辆 上： ( 3 ) 位于车顶的安装位置，不会给司机带来任何额外的操作负担，与以往 的数据采集设备相比，对司机正常驾驶干扰最小。该设备弥补了现有数据采集设 备的缺憾，能够采集到的实际交通流中的跟车数据，准确的反映了司机的“正常” 反应。g p s 流动站的安装如图3 3 所示。 图2 3g p s 流动站的安装 f i g m 2 3p l a c e l n 吼to f 也eg p sm o b i l es t a t i o n s 本次研究中，采取三车的跟驰试验。三车跟驰试验与两车的优势在于： 可以保证车辆在跟驰过程中，保持跟驰状态的要求；通过对不同车辆的数据的分 析，可以研究得出车辆位置对跟驰特性的影响。 2 2 数据采集试验 2 2 1 调查目的 第2 章数据采集与分析 本课题进行交通调查的目的在于：利用车载高精度g p s ，记录车辆在实际道 路和交通流中，跟车状态下前车和后车的速度轨迹，避免其他实验场地和设备对 司机驾驶行为造成的影响，获得能够反映实际交通流中车辆跟驰特性的数据，为 分析跟驰车辆的运行规律，建立和检验模型提供实验基础。 2 2 2 调查内容 对城市快速道路车辆跟驰行为有重要意义的参数主要包括三个方面，即：几 何参数、交通参数以及环境参数： 几何参数主要包括：道路类型、设计行车速度、车道宽度等； 交通参数主要包括：试验车车型、前车和后车之间的车头间距、车头时距、 前后车的速度和加速度等参数的时间序列数据； 环境参数主要是调查时的天气情况以及交通组织和管理等方面的内容。 2 2 3 调查地点的选择 调查地点选择主要考虑以下几点原则： 1 道路设计标准相同的城市快速道路； 2 选择合适的车道作为调查车道，以避免交织车辆对跟车行为的影响； 3 交通量较大，保证试验车处于相互影响的根车状态。 2 2 4 调查仪器及人员 每个调查地点进行调查所需的仪器设备列于表2 4 ： 表2 4 跟车数据调查所需的仪器 1 曲1 e2 4i n s t n j m e n tn e e d e di nc 廿f o l l o w i n ge x p 甜m e n t 仪器设备数量用途 车载高精度g p s 流动站3用以记录时间、车速、车头间距等数据 g p s 基站l 用以车载高精度g p s 流动站差分定位 数传电台 3 用以g p s 流动站和基站之间的数字通讯 笔记本计算机 1 用以调试和控制g p s 摄像机 2 在后车用以拍摄整个车辆跟驰的时间序列过程 汽车 3 用以安装车载高精度g p s 流动站 每次调查需要7 人：3 名司机驾驶汽车、2 人操作摄像机、1 人操作计算机、 1 人看护g p s 基站。 g p s 流动站的布置如图2 - 4 所示。 北京工业犬学工学硕士学位论文 l 可 l 旦： 呼，母9 5 天线中心至汽车前端间距工 i 。 车头间距 一一 车头问距 一 导车 图2 - 4 g p s 流动站的布置 f i g u r e2 - 4l 0 c a t i o no f g p sm o b i l es t a t i o n s 2 2 5调查实施 按照上述的车辆跟驰行为数据调查方法和调查方案进行了3 次实际调查： 第一次调查在2 0 0 3 年1 0 月3 0 日上午8 1 2 ：0 0 ，星期二，天气晴朗，温度不 高、风力不大。调查地点选在北京市的快速道路四环路、三环路和二环路的 从路中心向外数的第二条车道上。实验车为3 辆夏利三箱出租汽车，司机为男性、 年龄分别为3 5 、3 6 和3 7 岁，驾驶年龄为4 年、5 年和6 年。调查从早上8 ：0 0 开始，沿四环路、三环路和二环路绕行一圈，中午1 2 ：0 0 调查结束。调查始终在 快速道路的实际交通流中进行，调查期间交通量较大，试验车始终处于跟车状态， 三辆车之间没有被车辆插入过，没有意外情况发生。 第二次2 0 0 3 年1 1 月7 日上午8 1 2 ：o o ，星期三，天气晴朗，温度不高、风 力不大。调查地点选在北京市的快速道路四环路、三环路和二环路的从路中 心向外数的第二条车道上。实验车为3 辆夏利三箱出租汽车，司机为男性、年龄 分别为3 2 、3 7 和3 9 岁，驾驶年龄为3 年、5 年和8 年。调查从早上8 ：0 0 开始， 沿四环路、三环路和二环路绕行一圈，中午1 1 ：3 0 调查结束。调查始终在快速道 路的实际交通流中进行，调查期间交通量较大，试验车始终处于跟车状态，辆车 之间没有被车辆插入过，没有意外情况发生。 第三次2 0 0 3 年1 1 月1 6 日上午8 1 2 ：0 0 ，星期五，天气晴朗，温度不高、风 力不大。调查地点选在北京市的快速道路四环路的从路中心向外数的第二条 车道上。实验车为3 辆夏利三箱出租汽车，司机为男性、年龄分别为3 5 、3 4 和 3 6 岁，驾驶年龄为5 年。调查从早上8 ：o o 开始，沿四环路内环、外环各绕行一 圈，中午1 0 ：3 0 调查结束。调查始终在快速道路的实际交通流中进行，调查期间 交通量较大，试验车始终处于跟车状态，辆车之间没有被车辆插入过，没有意外 情况发生。 调查获得1 0 个小时的跟车g p s 数据和1 0 个小时的跟车摄像数据。g p s 数 据包括采集到的在快速道路上两辆试验车处于跟车状态下位置信息、速度信息的 时间序列数据。摄像带数据为调查时间段内整个跟车过程的交通运行状况。 第2 章数据采集与分析 2 3 调查数据的初步整理 2 3 1 g p s 数据的后差分处理 由于城市快速道路两侧建有大量的高层建筑，有时会遮挡g p s 信号，同时 由于调查地点位于城市，各种无线电波对g p s 流动站和基站之间的数字无线通 讯产生一些干扰，这种环境对于g p s 精确定位是非常恶劣的，降低了定位和测 速精度。为了消除这些干扰对数据的影响，可以对数据进行差分处理获得可以接 受的精度。g p s 的差分定位是利用g p s 接受机内存储的原始的g p s 信号和星历 信息，在计算机内还原实验时g p s 流动站和基站之间的数字无线通讯，消除干 扰，解算精确的定位和测速数据。 本次利用加拿大w 娜o i n t 公司开发的g r a f n a vg p s 后处理软件进行数据的 后差分处理。通过处理可以获得每辆试验车的定位u t c 时间( 精确到0 1 秒) 、 经纬度( 精确到1o - m 度) 、高程( 精确到1 0 m m ) 、三维速度( 精确到1 0 。1 1 1 ，s ) 等数据。数据格式如表2 5 所示： 表2 5 差分后的g p s 跟车数据格式 1 a b l e2 5d a t af o r m a t 矾e rd i s p o s a l u t cl a t i t u d el o n g 肼d eh e i g h tv ev nv u ( s ) ( 。)( 。)( m )( m s )( m s )( m s ) 1 8 4 7 6 4 - 33 9 8 7 5 0 3 3 0 9 51 1 6 4 7 1 9 0 0 8 l i2 1 5 3 4- o 7 6 03 - 3 0 lo 0 3 2 1 8 4 7 6 4 43 9 8 7 5 0 3 6 2 7 71 1 6 4 7 1 9 0 0 1 2 62 1 5 7 80 5 9 83 7 4 50 7 0 6 1 8 4 7 6 4 53 9 8 7 5 0 3 9 6 0 61 1 6 4 7 1 8 9 9 2 1 72 1 6 8 00 9 8 84 0 6 80 8 1 0 1 8 4 7 6 4 63 9 8 7 5 0 4 3 2 8 71 1 6 4 7 1 8 9 8 0 9 72 1 8 1 3- o 7 2 63 7 1 20 4 5 7 1 8 4 7 6 4 7 3 9 8 7 5 0 4 6 2 5 l1 1 6 4 7 1 8 9 7 3 2 52 1 7 9 20 7 3 62 8 7 6_ 0 8 l o 1 8 4 7 6 4 83 9 8 7 5 0 4 9 9 5 81 1 6 4 7 1 8 9 6 9 8 22 1 8 3 8- o 1 5 14 5 0 6o 7 5 9 1 8 4 7 6 4 93 9 8 7 5 0 s 2 8 9 01 1 6 4 7 1 8 9 6 3 6 62 1 8 2 70 7 7 92 5 3 10 8 0 8 1 8 4 7 6 5 o3 9 8 7 5 0 5 6 1 0 61 1 6 4 7 1 8 9 5 8 3 62 1 8 3 5- 0 5 3 33 5 2 7 o 0 9 0 1 8 4 7 6 5 13 9 8 7 5 0 5 9 2 8 71 1 6 4 7 1 8 9 5 6 7 32 1 8 2 4- 0 1 4 l3 1 6 8- o 6 5 2 2 3 2g p s 跟车数据的有效性处理 为了保证g p s 跟车数据的有效性，能够真实的反映城市快速道路上司机的 跟车特性，对差分后的后处理数据进行了如下的有效性处理： 第一：三次调查数据是分别在1 0 月和1 1 月采集得到的，调查日期内天气晴 好，非节假日，在星期二到星期五之间，所以，调查的现场数据具有时间上的典 型代表性。 北京工业大学工学硕士学位论文 第二：数据采集均在城市快速道路上进行，由于北京市的快速道路四环路、 三环路和二环路的设计标准、几何线性不一致，为了保证采集数据在道路条件上 的一致性，研究所采用的数据只采用四环路内外环从路中心向外数的第二条车道 上的数据，从道路环境的角度保证了跟车数据的一致性。 第三：为了消除由于试验车辆动力性能的不同导致跟车控制变量的差异，所 有的实验均采用动力性能一般的三箱夏利出租汽车，从车辆动力性能的角度保证 了跟车数据的一致性。 第四：为了消除由于司机类型的差异导致跟车行为的不同，所有试验车的司 机均为3 0 4 0 岁之间的中年男性司机，具有5 年左右的驾驶年龄，有较高的驾驶 水平，从司机的角度保证了跟车数据的一致性。 第五；由于快速道路上空过街天桥的影响，试验车通过桥下时，过街天桥遮 挡了g p s 卫星信号，导致g p s 接受机不能记录试验车通过桥下时的跟车数据。 两辆试验车不是同时通过桥下，前车通过桥下不能记录数据时，后车还在纪录数 据；前车通过天桥后开始重新记录数据时，后车可能正在桥下不能记录数据。这 样三辆试验车通过天桥或跨线桥时，前车和后车都有数据丢失，且丢失时段不一 致，为了保证前车和后车跟车数据时间上的一致性，必须逐条分析每一时刻的前 车和后车的跟车数据，保留同一时刻前车和后车都有跟车数据的时刻。 通过以上跟车数据的有效性检验，最终获得1 7 1 5 0 0 对前后车的跟车数据， 每一对跟车数据包括时间、以及该时刻前后车的三维位置坐标、三维速度等信息。 2 3 3 数据转换 通过g r a 烈a vg p s 处理得到经纬度、高程、三维速度等数据后，可以将数据 转换为交通流理论需要的跟驰数据，包括车辆的速度、加速度和车辆的车头间距， 表2 6 试验所得交通流数据 m 山l e2 - 6t r a i i c - n o wd a t ag a i l l e dm r o u g he x p e r i m e m u t c n m e13131 2 2 3 s o e e d s p e e d s 口e e d a c c s d e e d a c c s p e e d a c c s n e e dh e a d w a vh e a d w a v ( s e c ) 舢m s砒“s 2m s 2m s 2 m 3 7 0 8 5 5 38 9 8 19 0 3 88 1 3 71 1 7 l1 1 7 12 5 4 58 1 4 2 8 4 l l 3 7 0 8 5 5 48 8 8 78 9 3 88 4 0 2 o 4 2 4o 5 6 21 7 6 68 1 5 78 3 6 6 3 7 0 8 5 5 58 9 0 18 9 8 08 5 2 61 3 5 70 7 0 4o 9 7 48 1 7 48 3 1 9 3 7 0 8 5 5 68 7 9 38 8 4 68 6 0 3 o 7 9 50 9 2 00 7 9 68 1 8 98 2 7 1 3 7 0 8 5 5 78 7 4 58 8 3 78 6 7 50 5 7 90 0 8 21 1 5 6 8 2 0 78 2 2 5 3 7 0 8 5 5 - 88 7 6 48 _ 8 3 88 8 0 8o 5 8 51 1 4 91 5 6 7 8 2 2 28 1 7 9 3 7 0 8 5 5 98 6 9 38 7 5 98 9 6 l0 6 0 21 6 8 21 7 9 l8 2 3 48 1 3 2 3 7 0 8 5 68 6 7 48 7 6 89 1 4 11 2 6 9 1 2 0 7o 9 8 58 2 5 58 0 8 4 如表2 6 所示。这些数据将作为跟驰模型建立的基础数据。 第2 章数据采集与分析 2 4 本章小结 本章通过运用基于g p s 的实时动态车辆跟驰数据采集方法，应用三辆试验 车辆进行数据采集，采集了大量真实反映我国城市快速道路交通条件特性的车辆 跟驰数据。经过数据的有效性检验，为建立真实反映我国城市快速道路交通条件 特性的车辆跟驰模型的研究提供坚实的数据支持。 第3 章快速路司机反应时间的确定 第3 章快速路司机反应时间的确定 3 1 研究现状 驾驶员的反应时间是一个涉及交通安全的问题，一直是交通研究中的一个重 要课题。反应是由外界因素的刺激而产生的知觉一行为过程。它包括驾驶员从视 觉产生认识后，将信息传到大脑知觉中枢，经判断，再由运动中枢给手脚发出命 令，开始动作。知觉一反应时间( 从刺激到反应之间的时距) 是控制汽车行驶性 能最重要的因素。 驾驶员从感觉器官接受刺激到作出反应的时距，即为驾驶员的反映时间。驾 驶员在行车中，交通环境相当复杂，如交通标志、交通信号、行使的其它车辆及 行人等，驾驶员要从众多的情报信息中选择与行车有关的信息进行反应，这种复 杂反应要比简单反应的时间长。驾驶员反映时间的确定对于行车安全、建立车辆 跟驰模型、确定道路通行能力等有着重要的作用，是交通流理论研究的重点之。 国外对反应时间的研究历史较长，程度深入。g a z i s 提出了反应时间的确定 应该由相对速度和后车加速度的相互关系来确定，并假定反应时间是固定的。 c a s t d l o 认为反映时间也许是变化的，或者说跟宏观交通流密度有某些关系。 k o p p a 通过研究认为不同司机的反应时间的分布服从对数正态分布。g u m s h i n h e 等提出了根据相对速度和加速的时间序列，通过图表的方式确定反应时间。但这 种方式由于需要手工计算所以非常烦琐而耗时【33 1 。图3 1 是国外部分研究者得到 的司机反应时间分布情况【3 4 l 。从图中可以看出，随着不同的研究手段、方法和 对象，所得到的司机反应时间分布有一定的差异。 v 乡新 。，：7 一；r a r k ，。s 。s 一。m 。 h 太z 警 3 l ，； p0 、 、日c ：s 拥 | ! ?0o 81 卜丈， l ；矿，：r 啪酊s u 巾n k lb 揍 j己矿 l 捌意多r 产十e ：“一s 扣” 图3 1国外司机反应时间分布情况 f i g t l r e 3 一ld i s 扛i b u 矗o no f f b r c j g f ld 一嘲r e a c t i o n 曲1 e 北京工业大学工学硕士学位论文 1 9 7 1 年，j o h a l l s s o n 【3 5 】在实际交通流中测量了3 2 1 位司机的刹车反应时间。 实验中所测量的反应时间包括；司机察觉需要减速停车的时间、脚从油门移动到 刹车踏板上所需的时间、以及踩下刹车踏板到汽车产生减速效用的时间。如图 3 2 所示。 籁 辕 一 一 一 一 ： 一 nn n n ，nn 一一 一n 甘卜 dc ；dd d d h 一“甘卜on do 一一一一一一 刹车反应时间( s ) 图3 2j 0 h a l l 3 s 司机刹车反应时问直方图 f i g u r e 3 - 2h i s t o g r a mo f r e a c t i o nt i m ei i lj o k m s s o n st e s t 3 2 数据处理 3 2 1 加速跟驰状态 根据前章采集分析后的数据，运用聚类分析的方法对车辆的行驶状态进行划 分，通过数理统计对试验数据进行处理，得到规律性结论。本次研究分析了3 3 1 个跟驰数据样本。每个样本包含3 0 0 到6 0 0 对数据，数据时间间隔为o 1 秒，因 此每个时间样本持续3 0 秒到一分钟。应用模糊聚类分析的方法，这些数据样本 被划分为加速、减速和稳定行驶状态。在本次研究中选择了8 0 个样本来确定加 速状态和减速状态的司机反映时间。 起动加速跟车状态的司机反应时间工是指处于跟车状态的车辆，后车的司机 察觉到前车开始加速远离自己，通过分析和判断，做出增加自身车速的决定，经 过对车辆进行操作，直至后车开始产生加速为止，整个过程所耗费的时间。根据 起动加速跟车状态前后车辆速度变化的时间序列数据可以准确的获得后车司机 的反应时间，如图3 3 所示。 加m 0 第3 章快速路司机反应时间的确定 5 4 5 4 3 5 3 2 5 2 1 5 1 0 5 o l591 31 72 12 52 93 33 74 1 4 54 95 3 5 7 6 16 56 97 37 7 时间( 0 1 s ) 图3 3 加速状态的司机反应时间 f i g l l r e3 - 3i k a c t i o nt i m ef o r 吐md r i v e ri i las t a t eo f a c c e l e r a d o n 由于数据采集方法决定了数据是具有很多噪音波动的。这些噪音部分产生的 主要原因是，司机在踩油门时存在小范围的误差与振动，导致车辆在行驶过程中 存在车速的波动现象。当对数据进行分析的时候，这些噪音部分会对数据分析造 成困难与误差，应采用一定的方法将其剔除。 在本文中，通过c u r v e f i t t i n g 方法将高频的噪音分量除去。根据噪音部分产 生的原因分析，其分布具有随机性的，可以假设其服从正态分布。因此通过 c u r v e f i t t i n g 可以使正负噪音部分相互抵消，得到更能体现车辆行驶特性的曲线。 通过计算波谷的位置的时间差得到反应时间的统计结果，如图3 4 所示： 爸一巡增 图3 - 4 静噪后加速状态的司机反应时间 f i g u r e 3 _ 4r e a c t i o 6 m ef o rm e 商v 盯has t a t eo f a c c e l e r a n o na f t 盯n o i s e 姗删 3 2 1 1 第二辆车对前导车的反应时间统计 共有3 5 个样本符合加速状态的要求，这3 5 个样本的后随车对前导车的司机 反应时间的直方图如图3 5 所示。 图3 - 5 加速状态司机反映时间直方图 f i g i l r c3 - 5h i s t o g r a mo f r e a c t i o nt i m eo f 吐1 e 鲥v e r 访as t a t eo f a c c e l e n t i o n 其数理统计描述如下： 北京工业大学工学硕士学位论文 4 2 03 0加5 06 0 图3 - 9减速状态司机反应时间 f i g i l 咒3 9r e a c t i o nt i m ef o rt l l ed r i v e ri nas 协t eo f d e c e l e r a 廿o na f t 盯n o i s er c i n o v a l 3 2 2 1 第二辆车对前导车的反应时间统计 对减速状态下的第二辆车对前导车的司机反应时间的直方图如图3 1 0 所示 1 6 1 4 1 2 1 0 饕e 6 一一 4 _ _ ：_ _ 0 511 522 53 反映时问( s ) 第3 章快速路司机反应时问的确定 表3 5 加速状态司机反映时间的数理统计 t a b l e3 5d e s c r i p n v es t a t i m c 8o f r 船c 曲n 妇l co f t h ed v e ri nas a t eo f d e c e l e r a 虹0 n 项目值项目值 平均1 2 6偏斜度o 4 8 标准误差 1 4 5 区域 2 1 中值1 2最小值 4 模式 1 2 最大值 2 5 标准偏差o 5 9 8求和 2 1 4 样本方差o 3 6计数4 s 峰值2 5 置信度( 9 5 0 ) 0 3 根据以上数理统计特征，分别用正态分布和对数正态分布曲线与实测数据的 关系，以便观察其趋势，如图3 一1 1 所示。 图3 1 1 分布拟合 f i g l l r e3 一“d i s 埘b u t i o np 砷 e m 通过进行卡方检验( c 1 1 i s q u a r et c s t ) 对反映时间是否服从正态分布和对数正 分布进行检验，结果如表3 6 所示： 第3 章快速路司机反应时间的确定 根据以上数理统计特征，分别用正态分布和对数正态分布曲线与实测数据的 关系，以便观察其趋势： 图3 1 3 分布拟合 f i g u r e3 1 3d i s 劬u d o np a 讹m 通过进行卡方检验( c h i s q u a r et e s t ) 对反映时间是否服从正态分布和对数正 分布进行检验，结果如表3 8 所示： 表3 8 卡方检验结果 t a b l e3 - 8r e g u l to f c h i 一8 q u a r et e s t 对各分布x 2 计算值正态分布对数正态分布 1 3 4 91 3 5 3 x 2 的检验值0 0 5 显著性水平o 1 0 显著性水平 1 4 0 6 71 2 0 1 7 3 3 数据分析 根据以上曲线拟合分析，可以发现正态分布与对数正态分布能够较好的拟合 实测数据，从而可以验证k a p p a 关于不同司机的反应时间的分布服从对数正态 分布的正确性。根据卡方检验的结果综合如表3 9 显示。 本次研究中，得到在加速状态下驾驶员反应时间，受车辆位置的影响，分别 为t = 1 5 1 s 和t = o 9 3 s ，减速状态下t = 1 2 6 s 和t = o 9 0 s 。而在美国各州公路和交 通工作者协会建议，对所有车速在确定安全停车距离时，反应时间用2 5 s ：在确 定交叉口视距时，反应时间用2 o s 。本次试验的结果表明在北京快速路上，驾驶 员的反应时间远小于以上建议反应时间。所以对北京快速路的反应是时间的确定 北京工业大学工学硕士学位论文 员的感觉、理解、判断、决定等一系列心理、生理活动的不确定性和不一致性。 许多研究认为在车辆跟驰过程中前导车的刺激和后随车的反应之间存在着确定 性的联系，即前后车动作之间显然存在一定的因果关系，但一个驾驶员对其它驾 驶员的动作所做出的反应，可能不是基于一个确定性的一对一的联系，而是基于 由驾驶员经验积累而来的一系列驾驶准则上的。这些准则应用的方式可能因驾驶 员的不同而不同，甚至对于同一驾驶员也会随条件的不同而不同，同时这些准则 本身又具有一定的模糊性，故难以建立精确跟驰模型。 而人工神经网络以下几个突出的优点p 即： ( 1 ) 高度的并行性。人工神经网络是有许多相同的简单处理单元并联组合而 成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，使其对信息的 处理能力和效果。 ( 2 )高度的非线性全局作用。人工神经网络每个神经元接受大量其他神经元 的输入，并通过并行网络输出，影响其他神经元。网络之间的这种互相影响和制 约，实现了从输入到输出的非线性映射。 ( 3 ) 良好的容错性与联想记忆功能。 ( 4 ) 十分强的自适应、自学习功能。人工神经网络可以通过训练和学习来获 得网络的权值与结构，呈现出很强的自学习能力和对环境的适应能力。 发生在一个驾驶员身上的交通条件是一个非线性的复杂系统，神经网络具有 以上特性，使得其在跟驰模拟中有了广阔的应用前景。随着智能运输系统的发展， 车辆将逐步装备电子传感器来收集周围环境的信息并同环境进行通信，基于人工 神经网络的模型可以在信息出现错误或缺失时，确保驾驶支持系统在不正常的情 况下稳定地运行。人工神经网络具有的这些特性使之可以模拟驾驶员在车辆跟驰 中的决定模式，把车辆间的跟驰的特性加以体现。因此，本文中建立以人工神经 网络理论为基础的跟驰模型，以期能够建议一个高效、具有在一定程度上能真实 表达车辆跟驰特性的模型。 4 2 神经网络模型的建立 根据不同神经网络模型的特点，分别根据跟驰试验采集数据，建立基于b p 和i 也f 网络的跟驰模型。 x 第4 章基于神经网络的跟驰模型的建立 及车头间距有直接关系：另外根据基于模糊推理的跟车模型的研究发现，跟驰车 辆的加速度与前导车辆的加速度有关啪3 。本文选取4 个变量v l ( t ) 、v ：( t ) 、a 。( t ) 和 ( t ) 作为输入变量。其中v 。( t ) 、v ：( t ) 为前后两车的速度，a 。( t ) 为前导车的加 速度，| l ( t ) 为两车的车头间距。选取a 。( t + t ) 作为输出量，此处中t = 1 2 s 为司机 反映时间，根据实验数据计算得到。 一j ；军一一一一一一一一一一一一一一一一一一一葡车 l ：i画 v 2 ( t ) 、 a l ( t ) v l ( t ) 以t ) 一 图4 1 跟驰模型中各参数意义 f i g i l r e4 1p a r a m e t e r sm e a i l i n gi nc a r - f o l l o w m gm o d d 本文中利用数学计算软件m a a b 为工具，进行模型建立。 4 2 1b p 神经网络模型 4 2 1 1 b p 神经网络理论 ( 1 ) b p 网络结构 b p 网络是一种单向传播的多层前向网络，其结构如图4 2 所示。由图可见， b p 网络是一种具有三层或三层以上的神经网络，包括输入层、中间层( 隐层) 和输出层。上下层之间实现全连接，而每层神经元之间无连接。当一对学习样本 提供给网络后，神经元的激活值从输入层经各中间层输出层间传播，在输出层的 嚣爨 输入层隐层 图4 2b p 网络结构 f i g u r e验掣至重 北京工业大学工学硕士学位论文 各神经元获得网络的输入响应。接下来，按照减少目标输出与实际误差的方向， 从输出层经中间层逐层修正各连接权值，最后回到输入层，这种算法被称为“误 差逆传播算法”，即b p 算法。随着这种误差逆的传播修正不断进行，网络输入 模式响应的正确率也不断提高。 b p 网络的传递函数要求必须是可微的，常用的有s i g m o i d 型的对数、正切 函数或线性函数。由于传递函数是处处可微的，所以对于b p 网络来说，一方面， 所划分的区域不再是一个线性划分，而是一个非线性超平面著称的区域，它是比 较平缓的曲面，因而它的分类比线性划分更加精确，容错性也比线性划分好；另 一方面，网络可以严格采用梯度下降法进行学习，权值修正的解析式十分明确。 ( 2 ) b p 网络学习规则 这里不讨论学习规则的数学推导过程，只给出学习过程及步骤，以一个三层 b p 网络为例，介绍b p 网络的学习过程和步骤。在神经网络中的各种符号形式 及意义。 网络输入向量只= ( q ，巴，吒) 网络目标向量正= ( h ，y ：，儿) 中间层单元输入向量足= ( j 。，是，) ，输出向量皿= ( 6 l ，6 2 ，6 。) 输出层单元输入向量= ( ，f 2 ，) ，输出向量q = ( c 。，c 2 ，c 口) 输入层至中间层的连接权w ，i _ 1 ，2 ，n ，j = 1 ，2 ，p ； 中间层至输出层的连接权，i = l ，2 ，p ，j = 1 ，2 ，p ： 中间层各单元的输出闽值口，j = l ，2 ，p ； 输出层各单元的输出阈值，j = 1 ，2 ，p ： 参数k = 1 ，2 ，m 。 初始化。给每个连接权值、 x 第4 章基于神经刷帑的跟驰模型的建立 式中卜样本数； 隅隐单元数； n 输入单元数。 如果啊，= o ，1 1 = 磊+ n ( 4 9 ) 式中m _ 一输出神经元数， a 【l ，1 0 】之间的常数 氇= l 0 9 2 刀 ( 4 - 1 0 ) 还有一种途径可用于确定隐单元的数目。首先使隐单元的数目可变，或者放 入足够多的隐单元，通过学习将哪些不起作用的隐单元剔除，直到不可收缩为止。 同样，也可以在开始时放入比较少的神经元，学习到一定次数后，如果不成功再 增加隐单元的数目，知道达到比较合理的隐单元数目为止。 ( 4 ) b p 网络的不足及改进 虽然b p 网络得到广泛应用，但其自身也存在一些缺陷和不足，主要包括几 个方面的问题。 首先，由于学习速度是固定的，因此，网络的收敛速度慢，需较长时间训练， 对于一些复杂问题，b p 算法需要的训练时间可能会非常长。这主要是由于学习 速率太小造成的，可采用变化的学习速率或自适应的学习速率加以改 x 第4 章基于神经网络的跟驰模型的建立 基网络能够以任意精度逼进任意联系函数。 ( 1 ) 径向基网络结构 如果要实现同一个功能，径向基网络的神经元的个数要比b p 网络的神经元 的个数多，但是，径向基网络所需要的训练时间却比b p 网络的少。 径向基网络的神经元的结构如图4 5 所示。由图可见，径向基传递函数m d b a s 是以权值向量和闽值向量之间的距离i l d i 刚作为自变量的，其中，1 l d i s t l l 是通过输 入向量和加权矩阵地行向量的乘积得到的。 辅入 厂、 象 孑。 经舟基神经竞 厂弋 h j j h j 、。j - 。 d = m 州h w 巾i i 6 ) 图4 - 5 径向基神经元模型结构 f i g u r e 4 5c 0 n s 咖c t i o no f r b fn 即m n 径向记网络传递函数的原型函数为： 阳如础0 ) = 旷一 ( 4 1 1 ) 当输入自变量为o 时，传递函数取得最大值为1 。随着权值和输入向量之间 距离的减少，网络输出是递增的。所以，径向基神经元可以作为一个探测器，当 输入向量和加权向量一致使，神经元输出为1 。图4 5 中的b 为阈值，用于调整 神经元的灵敏度。 ( 2 ) 径向基网络学习过程 径向基函数网络是由输入层、隐含层和输出层构成的三层前向网络，隐含层 采用径向基函数作为激励函数，该径向基函数一般为高斯函数，如图4 6 所示。 隐层每个神经元与输入层相连的权值向量矽l i 和输入矢量x - ( 表示第q 个输入 向量) ，之问的距离乘上阈值6 l ；作为本身 北京工业大学工学硕士学位论文 y 4 图4 - 6r j 强嗍耋子结柯图 f i g u r e4 - 6c o n s t n l c o no f r b fn e h v o r k 由此可得隐含层的f 个神经元的输入为： 砰2 等( 呜唧2 柚1 一 。2 输出为： 忙x p ( - ( 鲜) 2 ) 2 c x p ( 厣i 万6 l 护e 酬卜x 帕1 i ) 2 ) ( 4 _ 1 3 x l q 图4 7r b f 网络隐含层神经元的输入与输出 f i g u r e4