（电力系统及其自动化专业论文）微观交通仿真中的驾驶员模型研究.pdf

西南交通大学硕士研究生学位论文 第1 i 页 a b s t r a c t d r i v e rm o d e l sp l a yt h er o l eo fg r e a ts i g n i f i c a n c ei ns t u d yo ft r a f f i cs a f e t y , t r a f f i cm a n a g e m e n ta n dc a p a b i l i t yo ft r a n s p o r ts y s t e m i no r d e rt od e s c r i b et h e c h a r a c t e ro fd r i v i n gb e h a v i o ri nc i t yt r a f f i c ，t h i st h e s i ss t u d i e st h eb e h a v i o ro fd r i v e r , c r e a t e sa n di m p l e m e n ta ni n t e g r a t e dd r i v e rm o d e l t h i ss t u d yw o r ki sb a s e do nt h ec h e n g d o us c i e n c ea n dt e c h n o l o g yr e s e a r c h s u 巧e c t - j s t u d y i n g i n p a s s e n g e rt r a n s p o r td r i v i n g s i m u l a t i o ns y s t e mf o rt r a f f i c s a f e t y i nt h et h e s i s ，v e h i c l em o d e la n dd r i v e rm o d e la r es e p a r a t e d d r i v e r sa r e t r e a t e da si n t e l l e c t i v eo b j e c t si nv i r t u a lt r a f f i cc i r c u m s t a n c e i n d i v i d u a lc h a r a c t e ro f d r i v e r si sc o n s i d e r e da d e q u a t e l y a ni n t e g r a t i v ed r i v e rm o d e li sc r e a t e dw h i c hi s c o m p o s e d o fc a rf o l l o w i n gm o d e l ，l a n ec h a n g i n gm o d e l ，c r o s sc o n f l i c tj u d g i n gm o d e l a n dy e l l o ws i g n a ll a m pr e a c t i o nm o d e l c o m p a r e dw i t hm o d e mt r a f f i cs i m u l a t i o n m o d e l ，t h i sd r i v e rm o d e ls y n t h e s i z e st h e r e a c t i o nt i m e ，d r i v i n gs k i l l ，i m p u l s eo f d r i v e ra n dv e h i c l ec h a r a c t e r sf i r s t l y c o n s i d e r i n gt h e d i f f e r e n tm n n m gc h a r a c t e ro f v e h i c l ei nd i f f e r e n tw a y , t h i sd r i v e rm o d e lh a sc a p a b i l i t yt od e s c r i b et h er u n n i n g p r o c e s so fv e h i c l em o r et r u l ya n dr o u n d l y t h ea c c e l e r a t i n gp r o c e s sa n dd e c e l e r a t i n g p r o c e s sa r es t u d i e dp a r t i c u l a r l y , s ot h ec a rf o l l o w i n gm o d e lc a nb em o r ep r e c i s ei n d e s c r i b i n gt h ec a rf o l l o w i n gp r o c e s s t h el a n ec h a n g i n gd e s i r ep r o d u c i n gm o d e li s c r e a t e db yc o m b i n i n gs p e e dj u d g m e n ta n dp r o b a b i l i t yj u d g m e n t ，a n dt h ep a t ho fl a n e c h a n g i n gi sp r o d u c e db yc u r v es i m u l a t i o n t h er u n n i n gr u l ei nc r o s si sa n a l y z e dt o f o u n dr e l i a b l ec o n f l i c tj u d g em o d e l 。af e a s i b l ey e l l o ws i g n a ll a m pr e a c t i o nm o d e li s f o u n d e d t h i sd r i v e rm o d e lc a ns i m u l a t ed i f f e r e n td r i v i n gb e h a v i o r b e c a u s et h e i n d i v i d u a lh a v ed i f f e r e n td r i v i n gb e h a v i o rs t y l e ，t h i sm o d e lc a ns i m u l a t et h ev a r i e t y o ft r a f f i ci nm i c r o c o s m i c t h ec a rf o l l o w i n gm o d e li sv a l i d a t e db yd a t af r o mr e a lt r a 伍c ，r e s u l t ss h o wc a r f o l l o w i n gm o d e lf o u n d e di nt h i st h e s i sc a na v a i l a b l ya n de x a c t l yd e s c r i b et h es t e a d y f o l l o w i n g ，s t a r t - u pa n ds h u t t i n gd o w np r o c e s s t h em a i n l yf a c t o ro fc i t yt r a f f i ci s c o n s i d e r e d ，s ot h ed r i v e rm o d e lc a nr o u n d l yd e s c r i b et h ec h a r a c t e r sa n dr u n n i n g p r o c e s so fv e h i c l e k e yw o r d s ：m i c r o s c o p i ct r a f f i cs i m u l a t i o n ；d i v e rm o d e l ；c a rf o l l o w i n gm o d e l ；l a n e c h a n g i n gm o d e l ；y e l l o ws i g n a ll a m p ；r e a c t i o nt i m e 西南交通大学曲南父遗大罕 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密d ，使用本授权书。 ( 请在以上方框内打“ ) 学位敝作者签名刍蓼指剥雠： 日期：炒d 、易- 乃 日期：裾乡3 你f 蒜 西南交通大学学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所 得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在 文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 本文所建模型综合了驾驶员反应时间、驾驶技能、性格特性和车辆特性等 因素，考虑了车辆在不同路段的不同行驶特征，能更加真实的描述实际交通车 辆运行过程。其中，首次单独研究了车辆的启动加速跟驰和减速停车过程，使 跟驰模型能准确描述车辆行驶的全部过程；采用了速度判断和概率判断相结合 的换道意图产生模型，利用曲线拟合确定车辆换道路径；深入分析了交叉口车 辆行驶规律建立了可靠的冲突点判断模型；提出了实用的黄灯反应模型。 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 本文研究背景及意义 近二十年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长。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。 交通拥堵和交通安全是最显著的交通问题，交通拥堵造成城市正常社会生 活秩序紊乱，进而导致社会经济、政治与文化等诸项功能的衰退，而且还引发 了城市环境质量的持续恶化。就能源消耗以及城市道路交通设施的有效利用而 言，交通拥堵无疑导致对资源的严重浪引1 1 。而交通安全问题直接威胁到人们 的人生安全。 为了解决城市交通拥挤问题，除了改善城市建筑群的合理分布、拓宽城市 交通要道、增强人民的交通意识外，更重要的是要加强城市交通的管理，从而 进一步提高城市道路的利用率。由于城市新建、扩建道路的速度远远赶不上交 通工具的增长速度，因此在现有的城市道路交通条件下，能否建立起先进的交 通管理系统，对交通进行合理的疏导，减少交通拥堵，使车流平稳、有序运行 就显得十分的重要和紧迫。 在人、路、车和环境融为一体的交通环境中，人是是最核心的因素，研究 表明7 0 的交通事故都是由于驾驶员的某些不利因素导致的，例如疲劳、分心、 酒后驾车、超速行驶以及驾驶员性格过于冲动，这些都是导致交通事故的直接 潜在因素。通过对驾驶员在驾驶过程中的各种心理、生理等反应来判断其安全 性是最基本的方法。 交通安全是对行驶在道路上的车辆最基本的要求，也是交通管理永恒的主 题。根据我国交通管理部门的规划，在完善现已建成的三十多个城市现代交通 控制中心的同时，要在不同规模城市分别建立四种不同类型的先进的交通指挥 信息系统，以缓解普遍存在的城市交通拥挤问题，提高交通管理水平。这些系 统的建设需要有效的理论研究工具，以便在系统实施之前进行科学的技术论证 和仿真研究，保证系统建设能够起到协调人、车、路、环境交通四要素的作用， 西南交通大学硕士研究生学位论文第2 页 从而获取良好的经济效益和社会效益。由于我国起步较晚，只有一些阶段性成 果，并且很少用于实际工程中，因此对城市道路上驾驶行为模型的研究，能为 对交通安全进行有效的评估、对先进的车辆控制系统及驾驶辅助系统的研究与 开发等基础性工作提供理论依据【2 1 。其中对交通安全的评估尤为重要。 本文依托成都市科技攻关计划项目“面向交通安全的客运车辆驾驶仿真培 训系统的研发”( 项目编号：0 7 g g y b 2 5 6 g x 0 1 0 ) ，从研究驾驶行为的形成机理 与过程出发，将驾驶员与车分离，并将驾驶员作为虚拟交通环境中的具有人工 生命特征的实体看待，充分考虑驾驶员的个体特性，通过建立完整的驾驶员模 型来系统地仿真交通环境对正常驾驶行为的影响。根据统计数据或通过训练对 模型中的属性参数进行调节，该模型可仿真不同风格的驾驶行为。另外由于虚 拟个体具有不同驾驶风格和不同行为特征，该模型还可以一定程度上体现车辆 在微观层面上的多样性。 本课题所建立的驾驶员模型将有助于更逼真地模拟出复杂交通环境下的车 辆驾驶员行为，对解决我国城市交通环境微观仿真的相关问题将会起到积极作 用。本课题的成果可用于微观交通仿真领域，交通安全、汽车驾驶训练及相关 领域。 1 2 国内外研究现状 交通仿真按对交通系统描述细节程度的不同可以分为微观、中观和宏观仿 真【3 】。微观交通仿真的研究对象为单个车辆，其仿真模型特别适合于在计算机 上再现路网上的实际交通状况，因此国内外交通学术界均侧重于微观交通仿真 技术的应用研究。驾驶员模型是交通仿真系统的基本组成部分，又可将驾驶员 模型分为跟驰模型和换道模型分别加以研究。 车辆跟驰模型已被研究了半个多世纪( 1 9 5 0 年鲁契尔和1 9 5 3 年派普斯对跟 驰过程的研究，标志着跟驰理论解析方法研究的开始) 。之后，车辆跟驰模型的 研究又经历了控制工程、感知和心理学几个阶段。近几年来，车辆跟驰模型在 交通工程和安全等研究领域变得更加重要。交通工程人员逐步认识到对跟车过 程中驾驶员刺激反应过程研究进一步深入的必要性，认为交通系统不能简 单的视为一种纯机械系统，而应该被看成是一种由物理( 等价于其中的运动) 和心理( 等价于人的感知和处理) 相互作用的系统，人的主观因素在系统中发 挥着决定性作用1 4 j 1 5 】【6 】。 西南交通大学硕士研究生学位论文第3 页 国外方面，1 9 5 0 年r e u s h e l 和1 9 5 3 年p i p e s 与f o r b e s 对车辆跟驰过程的研 究，标志着车辆跟驰理论解析方法研究的开始。1 9 5 9 年1 2 月在美国底特律举行 了首届国际交通流理论学术研讨会，成为较系统的现代交通流理论诞生的重要 标志。g a z i s ，h e r m a n ，r o t h o r y 等人于1 9 6 0 年前后在美国通用汽车动力实验室提 出的g m 系列模型，成为早期车辆跟驰理论研究中最重要的研究成果。 后期，随着人工智能和i t s 的不断发展，许多学者从不同角度对车辆跟驰 模型进行了研究，比如，模糊推理车辆跟驰模型，神经网络车辆跟驰模型，基 于神经网络的模糊推理车辆跟驰模型，针对i t s ，驾驶员信息诱导系统和车辆自 动智能巡航系统( a u t o n o m o u si n t e l l i g e n tc r u i s es y s t e m ) 而建立的车辆跟驰模型。 国内方面，国内车辆跟驰理论的发展起步较晚，随着1 9 8 3 年蒋磺译著交通 流理论的出版，国内学者开始了交通流车辆跟驰理论的研究，但是研究进展比 较缓慢，本质上仍沿用国外5 0 年代的车辆跟驰模型，虽然在具体细节上有所改 进，到总体上未见有重大突破。9 0 年代以后逐渐有学者从不同角度建立了车辆 跟驰模型，有基于期望间距、神经网络、车辆性能与道路因素和纯微观的车辆 跟驰模型【7 】。 1 2 1 跟驰模型 1 传统跟驰模型 车辆跟驰行为研究是对驾驶员行为研究的重要方面之一，也是交通仿真研 究领域的基石。车辆跟驰模型已被研究了半个多世纪( 1 9 5 0 年鲁契尔和1 9 5 3 年 派普斯对跟驰过程的研究，标志着跟驰理论解析方法研究的开始) 。之后，车辆 跟驰模型的研究又经历了控制工程、感知和心理学几个阶段。 1 ) g m ( g e n e r a lm o t o r ) 跟驰模型 自从r e u s c h e l ( 1 9 5 0 ) 【8 】和p i p e s ( 1 9 5 3 ) f 9 】利用运筹学技术首次成功解析跟 车模型以来，这方面的研究已经持续了半个世纪。5 0 年代后期和6 0 年代早期研 究的g m 模型是最为著名的模型。其公式为： a n + l ( f + r ) = c v 品( 1 - t - 丁) 黑( 1 - 1 ) 这里：z 2 n + 1 0 + 丁) t + 丁时刻第胛+ 1 辆车的加速度； v n + l ( f + 丁) f + 丁时刻第，z + 1 辆车的速度； 西南交通大学硕士研究生学位论文第4 页 丁反应时间； a v ( t ) f 时刻第靠辆车与第n + 1 辆车的速度差； a x ( t ) f 时刻第n 辆车与第n + 1 辆车的距离； c ，m ，为常数； 1 9 6 0 年，e d i e 1 0 】尝试用一些宏观数据来拟和肌= 0 ，= 1 模型，所用的方 法与g a z i s ，h e r m a n 和p o r t s 相似。随后的1 5 年中进行了许多类似的研究，他 们都尝试着去标定m 和1 2 _ 间最佳组合。自从7 0 年代后期以来，人们对g m 模型 的研究和标定越来越少。 g m 跟驰模型形式简单，物理意义明确。作为早期工作，具有开创意义，许 多后期的跟驰理论研究都源于其建立的刺激一反应的基本方程。但在标定m 和z 的过程中存在大量的矛盾，导致这些矛盾的主要原因包括：( 1 ) 根据g m 模型， 无论前后车相距多少，前后车都相互影响，这不符合车辆跟驰模型的基本定义； ( 2 ) 大量的研究和实验都是在低速度交通运行状态中进行的，而这样的交通流 与真实的交通流相差较远；( 3 ) 在前后车速度相等的情况下允许两车的距离为 零，这不符合实际交通情况。由于以上三点原因导致g m 模型的通用性欠佳，所 以现在很少使用该模型。 2 ) 线性跟驰模型 尽管c h a n d l e r ，h e r m a n 和m o n t r o l 1 1 】所提出的g m 模型在研究的初始阶段 是线性的，但是u e ll y ( 1 9 5 9 ) 1 2 】对线性跟车模型发展的贡献却是不可忽视的。 他所提出的新线性跟车模型考虑了前方两辆车是否制动减速对后车加速度的影 响。模型如下所示： 口。o ) = c a v ( t 一丁) + c 2 ( 缸( f 一丁) 一e o ) ) ( 1 - 2 ) d 。( f ) = 口+ 伊( t - t ) + 弦。o 一丁) 这里：d ( f ) 期望跟车距离； ( 1 - 3 ) c 1_ h e l l y 借用先前的研究成果，即通过对1 4 个司机的跟车行 为调查，在相关系数大于0 8 时，t 的取值范围为0 5 s 一 一2 2 s ，g 的取值范围为o 1 7 1 3 ，平均t = 0 7 5 ， 西南交通大学硕士研究生学位论文第5 页 c l = 0 5 的情况下，得到的结果； c ：通过设置1 ，和a x ，使前后车的加速度相等，即相对加速 度为零。 这样就产生下面的最终公式： a = 0 5 a v ( t - 0 5 ) + 0 1 2 5 ( a x ( t o 5 ) 一d 。o ) ) ( 1 4 ) d 。( t ) - - 2 0 + v ( t 一0 5 ) ( 1 - 5 ) b e k e y ，b u r n h a m 和s e o 1 3 1 ( 1 9 7 7 ) 再次利用线性跟车模型尝试用源自最优控 制系统设计的传统模型推导新的跟车模型。应该注意到线性模型的初始模型就 是m = 0 ，l = 1 的g m 模型，模型形式简单、实用，目前该模型也大量应用在大量 实践中。但线性跟驰模型和g m 模型一样都存在通用性差的弊端。相对于g m 模 型，由于考虑到前后车的速度差，线性模型在标定上更加合理。 3 ) 生理心理跟驰模型 生理心理模型也称反应点模型( a c t i o np o i n tm o d e l s ) 简称a p 模型。该 模型是将刺激抽象为前后车之间的相对运动，包括速度差和距离差的变化。这 类模型用一系列阈值和期望距离体现人的感觉和反应，这些界限值划定了不同 的值域，在不同的值域，后车与前车存在不同的影响关系。生理心理模型 是一种跟驰决策模型。 m i c h a e l s 1 4 】( 1 9 6 3 ) 通过分析司机生理和心理一些潜在的因素，首次提出生 理一心理跟车模型的理念：司机通过分析视野中前车尺寸大小的改变，即前车 在司机视觉中投影夹角的变化，感知前后车相对速度的变化，根据公认的感知 阈值d d t ( z l v a x 2 ) 约为6 1 0 - 4 ，判断是否正在与前车接近，一旦超过这个阈值， 司机将选择减速，使对相对速度的感知不超过这个阈值，是否能够感知到前车 的变化是后车司机进行任何操作的基础。 由于尽管该模型的集成系统可以合理地仿真司机的行为，但是在标定各个参 数和闽值时却不太成功，因此很难来评价这些模型的有效性。但目前该模型的 基础毫无疑问与实际最一致，也最能描述大多数我们日常所见的司机行为，因 此这种模型以及其衍生的各种模型应用于许多实践中。 4 ) 安全距离跟驰模型 安全距离模型也称防追尾模型( c o l l i s i o na v o i d a n c em o d e l s ，简称c a 模 西南交通大学硕士研究生学位论文第6 页 型) ，该模型最初是由k o m e t a n i 和s a s a k i 1 5 1 提出，该模型最基本的关系并非g m 模型所倡导的刺激一反应关系，而是寻找一个特定的跟车距离( 通过经典牛顿运 动定理推导出) 。 最初模型如下所示： 缸( f 一丁) = 伽。2 一。o 一丁) + 屈v ：( f ) + 胁。( f ) + 6 0( 1 6 ) 这里的口，屈，b o 都是系数。 g i p p s 1 6 j ( 1 9 8 1 ) 对此模型的研究取得了重大突破，他考虑了几个先前研究 中忽略的次要因素。自g i p p s 提出改进c a 模型后，c a 模型广泛地应用于计算机 仿真中。 c a 模型之所以能被大量应用，主要原因在于可以用一些对司机行为一般感 性假设来标定模型。大多数情况只需知道司机将采用的最大制动减速度，这样 就能满足整个模型的需要。尽管该模型能够得出可以令人接受的结果，但仍有 许多问题有待解决，例如，如果要验证“安全车头时距这个参数，可以看到 该模型没有一个非常合理的起始点，就像实际中一个司机可以考虑到前方几辆 车的情况，根据刚获得的信息来假设这几辆车将采取减速度的大小。 2 基于人工智能的车辆跟驰模型 驾驶员在驾驶过程中受到诸多因素的影响，如驾驶动机、生理因素( 年龄、 性别、记忆力、驾驶疲劳程度等) 、心理因素( 气质、情绪、智力程度、职业道 德，对环境的熟悉程度等) 、技术因素( 驾驶年龄、驾驶经历等) 等。不同的驾驶 员对多源信息的感知、综合、判断、预测、决策的过程不同，因此，驾驶行为 是一个复杂的人的行为，用传统的微分方程模型很难描述这一过程的不确定性 和不一致性，基于此，随着人工智能的发展，2 0 世纪九十年代以后出现了人工 智能车辆跟驰模型。 1 ) 模糊推理车辆跟驰模型 模糊推理车辆跟驰模型是近年来才发展且发展较快的车辆跟驰模型。该模 型主要通过推理驾驶员未来的逻辑阶段来研究驾驶员的驾驶行为。该模型的核 心仍是刺激反应关系。与传统g m 模型相比，该模型具有局部稳定性。 近些年来，在该领域的一些研究主要包括：r e k e r s b r i n k 模糊化了的m i s s i o n 模型：y i k a i 等m i t r a m 模型中的微观模型：h e n n 的t r a f f i c - j a m 模型。但是， 这些研究都没去标定模型中的晟重要部分模糊集，只有最近b r a c k s t o n e 等 作了些主观性标定【1 7 】。 西南交通大学硕士研究生学位论文第7 页 2 ) 神经网络车辆跟驰模型 人工神经网络( a n n ) 是在现代神经生物学和认知科学对人类信息处理研究 的成果上发展起来的。神经网络代表一种新的信息处理过程，它的主要特点是： 非线性映射特征、自学习能力强、适时性和容错性。近几年来，神经网络被越 来越多地应用到交通研究领域，如交通预测、交通控制等。 神经网络跟车模型模拟车辆在到达交叉路口前的跟随情况，以预测将等候 的车队长度，并将其整合在车流通过路口的模型之中。该类模型对交通流建模 的优势：( 1 ) 提供了一种基于经验数据的数学模型，可以从已有数据中“自学习” 规则，使直接量测到真实值后建立动态车流模型成为可能；( 2 ) 因为是非参数建 模方法，建立车流模型时不需要对前提条件进行分析，也不需要有对模型质量 影响很大的标定量；( 3 ) 已是一种万能逼近器，可对高度复杂和非线性的系统建 模，这正好适合城市交通这种非线性极高的系统。 3 ) 基于神经网络的模糊推理车辆跟驰模型 由于建立模糊逻辑推理模型时的隶属函数和模糊规则没有规范的方法，而 神经网络可以从现有数据中“提炼出规则，另一方面神经网络在描述不确定 事物上不及模糊逻辑推理的方法，因而将两者结合起来是一个建立人工智能模 型的有效方法。 与传统的车辆跟驰模型相比，人工智能车辆跟驰模型提高了模型的灵活性， 也更适合于描述人的复杂心理与生理行为，是今后跟车仿真模型发展的重要方 向之一。但它也存在一些问题，如稳定性难以预先确定，神经网络模型需要学 习的计算量很大，难以符合实时性等。这需要进一步研究加以解决。 3 跟驰模型在国内的发展现状 我国在车辆跟驰研究的范围主要集中在理论方面。我国在跟车理论研究方面 尚未形成体系，研究相对分散，对国内前人的研究缺乏继承性，但通过对我国 特有的一些交通流状态的研究，创造性地提出了一些能够解决实际问题的跟车 模型。 陈建阳【l8 】( 1 9 9 6 ) 根据现有的非线性跟车模型和线性跟车模型，在考虑司机 的冒险程度和车辆的加速性能的基础上提出了改进微观跟车模型。其模型为： a ( t + t ) = c l z ( u 一1 0 ) 一 l j i o ) ) + c 2 ( x i - 1 ( 力一x f ( f ) 一d ( v f ( f ) ) ) ； ( 1 7 ) d ( v f ( f ) ) = b i v ；! ( t ) + b 2 v ，( f ) + 如 ( 1 8 ) 西南交通大学硕士研究生学位论文第8 页 其中：c 。，c ，b l ，b 2 ，b ，为比例常数，b 和车辆加减速性能有关，b ，和 司机的反应时间有关。 除以上模型外还有其他学者也做了相关的研究【1 9 】【2 0 】【2 l 】。从理论上分析，这 类模型都能解决一定的实际问题，但至少在以下两个方面有欠合理：在正常的 车辆跟驰行驶中，无论人、车、路的具体情况如何，都将驾驶员的反应时间作 为常数处理，这显然是一种简化处理，人的反应时间不是完全一样的；将所有 车辆赋予同性能，即没有考虑车辆的差异性，而不同的车辆具有不同的驾驶 特性，这样就不能体现出车辆特性对道路交通的影响，而这一点在交通堵塞中 占有重要地位。 11 2 2 换道模型 根据目前国内外的研究成果，多数专家学者习惯将车辆的车道变换行为分为 两类：强制性车道变换和主动性车道变换。车道变换模型描述的内容包括车辆 发生车道变换行为的整个过程，即车辆车道变换意图的产生、车道变换的可行 性分析、车道变换行为的实施以及车道变换轨迹的确定【12 1 ，其中可行性分析是 研究的核心和焦点。 1 强制换道模型 意图变换刭 右侧车道孵驶宝辆 照囝要强弱 左翻车道 图1 - 1 强制换道示意图 强制性车道变换是指车辆为了完成其正常行驶目的而必须采取的车道变换 行为。图1 1 中给出了城市交通中三种最为常见的强制性车道变换的情形。 图1 1 中车辆1 因为正前方车辆正在停车而阻挡了其在当前车道上继续行 驶的路线，因而不得不准备变换至右侧车道；车辆2 根据其既定的路线选择必 西南交通大学硕士研究生学位论文第9 页 须在前方交叉口左转，因此当它在交叉口进口道上行驶看到前方的车道导向标 线时则要准各向左变换车道；车辆3 已接近当前车道结束点，因而也将准各向 左变换车道。另外，公交车在接近前方停靠站时从里侧行驶车道转至外侧的公 交停靠车道的变道行为也是一种常见的强制性变道行为。 根据目前的研究成果，判断强制性车道变换意图产生的方法主要有两种：固 定值法和概率法。 固定值、法【2 2 】，即当车辆与必须进行换车道点的距离小于某一值时或车辆达 到某一区域时执行强制性车道变换。 概率、法【2 3 1 ，即车辆是否产生强制性车道变换意图是某些参数的概率函数。 当产生的随机数落在概率区间时，就产生强制性车道变换意图。 在强制性车道变换的可行性分析过程中主要有以下几种方法：可接受间隙 模型方澍2 4 1 、基于效用函数标定模型方法【2 5 】、可接受风险评价模型法和模糊 逻辑法【2 6 】等。 2 自由换道模型 主动性车道变换是指车辆为了追求更加自由、更加理想的行驶方式而发生 的车道变换行为。这种车道变换与强制性的车道变换的主要区别在于：即使车 辆不变换车道也能在原车道上完成其行驶任务，因此车道变换不是强制性的。 而且主动性车道变换在目标车道大于等于一条的情况下，往往还有目标车道选 择的过程。一般来说，发生主动性车道变换有以下几种原因： a ：为了追求更快的车速、更自由的行驶空间而超越前方的低速车辆； b ：车辆汇合时，车辆主动让路： c ：为了摆脱其快速驶近的后车的压力，由快车道变换到慢车道。 根据现有的研究成果，判断主动性车道变换意图产生的方法主要有三种： 速度判断澍2 2 1 、效用函数法和p l c 澍2 5 1 即车道变换概率法。 在主动性车道变换的可行性分析过程，主要有可接受间隙模型方法【2 3 1 、安 全系数评价法【2 5 1 、可接受风险评价澍2 6 1 和模糊逻辑法【2 7 1 。 目前国内对换道模型进行过深入研究的主要有吉林大学【3 】【2 8 1 。作为微观交 通仿真的两大重要模型之一，车道变换模型被认为是比较复杂以至难以用数学 模型描述的。困扰车道变换模型发展的一个重要原因是微观数据难以获得。要 描述车辆换道这样的复杂驾驶行为，大量微观车辆单元信息的支持是不可缺少 的。这也是车道变换模型的发展相比于跟驰模型滞后多年的根本原因。 西南交通大学硕士研究生学位论文第1 0 页 1 2 3 驾驶员模型发展方向 随着交通科技的进步，驾驶行为将在很大程度上有别于过去，驾驶员模型 作为微观交通流仿真中的基础模型，其相关研究必将呈现出内容的细致化、深 入化，手段和方法的多样化以及应用的专门化。可以在以下三个方向做进一步 研究：( 1 ) 基于人的心理活动建立驾驶员多源信息协同认知综合结构模型。即 采用生理心理学、认知心理学、协同运算深入研究人对外界刺激的获取、加工 和使用相关信息的认知过程及做出的行为。( 2 ) 深入研究影响车辆行驶的刺激 因素。综合考虑各种道路交通环境、自然地理环境，应用人工智能控制神经网 络、模糊控制、预测控制方法和智能协同技术，建立新一代的基于智能控制理 论的车辆跟驰协同仿真模型。( 3 ) 模型的专用化。随着对交通系统的深入研究， 开发了许多专门针对某一特定问题研究的跟驰模型，这样有利于特定问题的解 决【2 9 】【3 0 】【3 1 1 。 1 3 本文研究思路 本文在总结和吸收前人研究成果的基础上，利用安全距离概念建立了车辆 跟驰模型，并充分考虑了驾驶员的个体特性：驾驶技术和冲动性。并将道路分 为三部分；基本行车段、交叉口进口段和交叉口路段。在道路不同的路段行车 规律和特性各有不同。本文将分别建立基本路段的跟驰模型，交叉口进口段的 跟驰模型，驾驶员黄灯反应模型，交叉口冲突点判断模型，最后并用实测数据 对模型进行验证。图1 1 为本文研究思路。 1 4 本文研究内容 本文的主要研究内容按章节可分为以下五个部分： 第一章绪论。首先论述本文的选题背景及研究意义，然后介绍国内外驾驶员模 型研究现状，接着介绍本文的研究思路，最后介绍本文的主要研究内容。 西南交通大学硕士研究生学位论文第1 1 页 图1 2 本文研究思路 第二章微观交通仿真中驾驶员模型研究综述。本章详细的阐述了微观交通 仿真中的跟驰模型和换道模型的发展历程和现状。分析了各类模型的建模思想 与特点，并提出存在的主要问题和进一步开展该项研究的建议。 第三章跟驰模型及参数解析。本章介绍了道路的分段，详细解析了驾驶 员特性参数，包括反应时间、驾驶员驾驶技术参数、冲动系数和期望跟车距离。 介绍了安全距离跟驰模型理论，并在此基础上建立了本文的跟驰模型和自由驾 驶模型。 第四章换道模型和交叉口驾驶员模型。本章分析了车辆的换道行为，建立 了车辆换道模型，包括主动性换道、强制性换道和挤车换道。以十字交叉口为 例提出了新的冲突点通过判断方法，建立了交叉口内冲突判断模型和驾驶员黄 灯反应模型。 第五章模型验证及应用。利用实测数据对跟驰模型进行了全面的验证，包 括启动加速跟驰过程、稳定跟车过程和减速停车跟驰过程三方面的验证。 西南交通大学硕士研究生学位论文第1 2 页 第2 章跟驰模型及参数解析 车辆跟驰模型是许多重要研究领域的基石，主要包括模拟建模，包含于其 它模型中的跟驰模型控制车辆的移动。模拟各种条件下的驾驶行为并用于微观 交通模拟，即基于前车的移动，后车通过加、减速前移到一个新的位置，同时 保持一特定的车头间距。由跟驰模型计算得到的各种驾驶员车辆单元的整 体移动过程就形成了一个完整的交通过程 3 2 】。 2 1 车辆跟驰模型解析 在以往的微观跟驰模型研究中，主要集中于描述车辆的加速，并且大多数 模型都对实际交通状况作了很大简化处理，从而是在比较理想的假设情况中建 立的跟驰模型。忽略了驾驶员个体方面的特性、车辆本身的特性以及道路影响。 本文将从研究驾驶行为的形成机理与过程出发，将驾驶员与车分离，分别分析 驾驶员的个体特性和车辆特性，其中包括驾驶员反应时间、驾驶技术和性格冲 动程度，、将车辆分为大、中、小三种类型，不同类型的车辆具有不同的行驶特 性。 2 1 - 1 司机的反应时间 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重 要课题。驾驶员从感觉器官接受刺激到作出反应的时距，即为驾驶员的反应时 陕甘山河北辽 山河江江湖广贵 吕 口j 山 省份 ，l 林东南苏西北西州体西肃西北吊丁 反 均 0 纪0 7 9e 8 2 0 _ 78 s 争o x孕，了20 8 60 g 0 7 5o 够0 粥孕，8 2e 8 88 s 3 应 值 时 方 间 差 o 立：0 0o - 2 l0 ，置80 3 l0 1 30 1 毒0 2 5o 2 毒0 1 60 2 善8 卫o ，1 50 1 o 上毒 图2 - 1国内司机反应时间分布情况 西南交通大学硕士研究生学位论文第1 3 页 间。驾驶员反应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。国外的研究历史较长 且深入【3 3 】f 3 4 】f 3 5 】。图2 一l 是我国部分研究者得到的司机反应时间分布情况【3 7 】。 1 启动加速跟车反应时间 加速跟车状态后车司机的反应时间z 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。 如图2 2 所示： 时同( o 1 s ) 图2 2 起动加速跟车状态后车司机的反应时间 研究表明在加速跟驰状态下司机的反应时间呈现正态分布，本文将采用 这一结论。 1 1 互二! ：! 12 ： 厂( 一) 2 赢p2 x022(2-1) 式中：疋起动加速跟车状态后车司机反应时间( s ) 。 2 减速停车跟车反应时间 减速停车跟车状态后车司机的反应时间l 是指处于跟车状态的车辆，后车 的司机察觉到前车开始制动减速，通过分析和判断，做出降低自身车速的决定， 经过对车辆进行操作，直至后车开始产生减速为止，整个过程所耗费的时间， 如图2 3 所示： 西南交通大学硕士研究生学位论文第1 4 页 1 2 1 0 ，、8 、 56 恻 蝴4 2 o 川 乙弋心、 丽 丝 、 。 一 。霉胬器器雩昌盎苫；暑器譬家蔓兰虽曼三 时间( o 1 s ) 图2 3 减速停车跟车状态后车司机的反应时间 跟车速度对后车司机反应时间的影响，在较大的跟车速度下，司机的注意 力相对比较集中，后车司机对前车的减速动作就越敏感。随着跟车速度的下降， 后车司机对前车的减速动作的敏感程度有所下降，且呈现下降的关系。减速停 车跟车状态下后车司机的反应时间与减速停车时的跟车速度之间的关系如下式 所示： 互= 1 5 5 0 0 4 9v ( 3 - 2 ) 式中：z 减速停车跟车状态后车司机的反应时间( s ) ； y 减速停车时的跟车速度( m s ) 。 车辆在稳定跟车状态中，驾驶员的反应时间对跟车距离有一定影响，反应 时间较长的司机应该保持更大的跟车距离；而在车辆静止启动过程和减速停车 过程中，驾驶员反应时间则主要影响其加速度。 2 1 2 司机期望跟车间距和司机特性分析 1 期望跟车距离 一 稳定跟车状态下两辆车头之间距离的变化规律是车辆跟驰理论研究的重要 内容之一。研究表明“期望跟车距离”在实际交通中是真实存在的。足够的车 头间距能让后车司机有足够的时间感知并安全地通过减速避免发生前后碰撞。 由于跟车距离大小具有很强的司机个体和环境的特定性。要定义一个“足够” 西南交通大学硕士研究生学位论文第1 5 页 的车头间距非常困难。 国内外大量研究认为，不同的速度下，后车司机选择的车头间距是不同的， 本文采如下跟车距离速度关系【3 8 】对所建跟驰模型进行标定： d = 0 0 9 v 2 0 6 7 v + 8 7 5( 2 - 4 ) 式中：d e 稳定跟车状态下的期望车头间距( m ) ； 。 y 稳定跟车状态的后车速度( m s ) 。 式( 2 4 ) 是由大量实测数据统计而来，因此可以用来标定验证本文所建立的 跟驰模型。 前后车辆车型对跟车期望间距也有较大影响。如果一辆小车跟在一辆大车 后面，由于后面小车司机的视野受前面大车的遮挡，不能很好判断前方的交通 情况，这种情况下司机一般都会保持比一般跟车距离更大的距离行驶。如果一 辆大车跟在一辆大车后行驶，则由于后车视线不好，并且大车惯性大制动距离 较远，这个状况下，后车司机一般都会比较谨慎，这种情况在跟车速度相同的 条件下跟车距离是最大的。 2 司机特性对车辆行驶的影响 司机作为一个智能个体，其身体状态、疲劳程度、性格和驾驶技术都对车 辆行驶有直接影响。在以往建立的跟车模型中几乎都是在理想假设条件下建立 的，并且是将人车视为一个整体，几乎没有考虑驾驶员的个体因素。本文将驾 驶员的驾驶技术d r 和冲动性i m 都加以量化。 在相同条件下，驾驶技术比较娴熟、性格比较冲动的司机驾驶速度一般都 要偏高，跟车距离较小，加速或者减速都比较快；相反，驾驶熟练程度不高和 性格沉稳的司机开车都比较稳重，一般不会超速，加、减速也比较缓慢。在实 际交通中，驾驶员的性格属性和驾驶技能水平是呈某种概率分布的。不同国家、 不同的城市都表现略有不同，这与该地区经济和人口素质等有关。由于采集此 类实际数据难度较大，本文将司机驾