本發(fā)明涉及一種車(chē)聯(lián)網(wǎng)環(huán)境下的交通流元胞自動(dòng)機(jī)建模方法。

背景技術(shù)：

自二十世紀(jì)末開(kāi)始我國(guó)汽車(chē)保有量進(jìn)入了增長(zhǎng)的快車(chē)道，與此同時(shí)，交通事故的發(fā)生幾率也逐年增長(zhǎng)。根據(jù)公安部交管局的統(tǒng)計(jì)，2010年，全國(guó)發(fā)生交通事故3906164起，同比上升35.9％。其中，由于道路交通事故引起人員傷亡的219521起，直接財(cái)產(chǎn)損失達(dá)到了9.3億元。安全保障是車(chē)輛運(yùn)行最基本的要求，雖然引起交通事故發(fā)生的原因是多方面的，但是車(chē)載主動(dòng)安全系統(tǒng)的先進(jìn)化和車(chē)路協(xié)同系統(tǒng)的實(shí)現(xiàn)，無(wú)可爭(zhēng)議的能夠?yàn)檐?chē)輛的安全運(yùn)行提供更多可靠的決策信息和路徑誘導(dǎo)方案，提高車(chē)輛運(yùn)行的安全性。車(chē)聯(lián)網(wǎng)作為熱門(mén)背景，正在蓬勃興起；關(guān)于車(chē)聯(lián)網(wǎng)技術(shù)的探索，是各國(guó)家及技術(shù)公司研究的關(guān)鍵。

現(xiàn)狀車(chē)聯(lián)網(wǎng)的研究，多為硬件設(shè)施如車(chē)道偏離報(bào)警、自適應(yīng)巡航、前撞預(yù)警功能等車(chē)載功能或路測(cè)系統(tǒng)的優(yōu)化與改進(jìn)，而在車(chē)聯(lián)網(wǎng)環(huán)境信息透明化情況下的車(chē)輛運(yùn)行規(guī)則的界定方面的研究相對(duì)較少。

技術(shù)實(shí)現(xiàn)要素：

基于以上不足，本發(fā)明提供了一種車(chē)聯(lián)網(wǎng)環(huán)境下的交通流元胞自動(dòng)機(jī)建模方法，適用于車(chē)聯(lián)網(wǎng)環(huán)境下車(chē)輛運(yùn)行規(guī)則，結(jié)合元胞自動(dòng)機(jī)建模，定量與定性分析交通流三參數(shù)關(guān)系，增加了對(duì)前車(chē)速度及換道情況的預(yù)測(cè)，提高交通仿真的真實(shí)性。

本發(fā)明所采用的技術(shù)如下：一種車(chē)聯(lián)網(wǎng)環(huán)境下的交通流元胞自動(dòng)機(jī)建模方法，對(duì)道路條件作出如下界定：車(chē)輛由駕駛員控制；每個(gè)車(chē)輛元胞可以與前方進(jìn)行通信，獲取前車(chē)準(zhǔn)確行駛信息，并將自身交通信息與后車(chē)進(jìn)行通信；駕駛員根據(jù)獲取的準(zhǔn)確交通環(huán)境信息做出正確的判斷和決策，方法如下：

(1).單車(chē)道元胞自動(dòng)機(jī)建模規(guī)則

步驟一：加速，v_n(t+1)＝min(v_n(t)+1,v_max)對(duì)應(yīng)于現(xiàn)實(shí)生活中，司機(jī)期望以最大速度行駛的特性；

步驟二：減速，

v_n(t+1)＝min(v_n(t+1),d_n+v'_n+1(t+1))

v'_n+1(t+1)＝min(v_n+1(t),v_max-1,d_n+1(t))

駕駛員為了躲避與前車(chē)相撞而采取減速措施,因車(chē)聯(lián)網(wǎng)環(huán)境對(duì)于車(chē)速及車(chē)輛位置的透明化，使兩車(chē)間最小間距變?yōu)閠時(shí)刻兩車(chē)間距與前車(chē)在t+1時(shí)刻的速度值之和；

式中v'_n+1(t+1)——表示前車(chē)在t+1時(shí)刻的速度預(yù)測(cè)；

d_n(t)——表示在t時(shí)刻，本車(chē)n車(chē)與前車(chē)n+1的空格數(shù)；

步驟三：隨機(jī)慢化，

由于各種不確定因素(如路面狀況不好，駕駛員心態(tài)不同等)造成的車(chē)輛減速,當(dāng)速度小于某一閾值時(shí)，車(chē)輛不進(jìn)行減速；大于某一閾值時(shí)，以一定概率采取減速措施；

式中RD——表示隨機(jī)概率；

p——表示0～1間的隨機(jī)數(shù)，當(dāng)p＜RD時(shí)，進(jìn)行隨機(jī)慢化；

步驟四：位置更新，x_n(t+1)＝x_n(t)+v_n(t+1)；車(chē)輛按照調(diào)整后的速度向前行駛；

(2).雙車(chē)道元胞自動(dòng)機(jī)建模規(guī)則

雙車(chē)道可換道模型車(chē)輛的運(yùn)動(dòng)過(guò)程，按照“換道-加速-減速-隨機(jī)慢化-位置更新”的順序演變，換道后車(chē)輛在各自車(chē)道上按照單車(chē)道更新規(guī)則運(yùn)行

換道規(guī)則如下:

式中d_nother——表示另一車(chē)道在n車(chē)位置與此車(chē)道前車(chē)n+1車(chē)間的空格數(shù)；

d_nback——表示該車(chē)道n車(chē)與n-1車(chē)間的空格數(shù)；

v_i,n+1(t)——表示t時(shí)刻，n+1輛車(chē)在i車(chē)道的速度；

車(chē)輛按照上述規(guī)則運(yùn)行更新，從而分析交通流特性。

本發(fā)明提出的方法，增加了對(duì)前車(chē)速度及換道情況的預(yù)測(cè)，能有效對(duì)交通場(chǎng)景中的交通流進(jìn)行仿真，提高交通仿真的真實(shí)性。結(jié)果表明：采用本方法下的車(chē)聯(lián)網(wǎng)環(huán)境下車(chē)輛具有更高的運(yùn)行速度，極大地提高道路通行能力，改善交通狀況。

附圖說(shuō)明

圖1為在MATLAB環(huán)境下的系統(tǒng)運(yùn)行界面-單車(chē)道系統(tǒng)運(yùn)行環(huán)境圖；

圖2為在MATLAB環(huán)境下的系統(tǒng)運(yùn)行界面-雙車(chē)道系統(tǒng)運(yùn)行環(huán)境圖；

圖3為雙車(chē)道換道示意圖；

圖4為p＝0.3，k＝0.05的時(shí)空?qǐng)D；

圖5為p＝0.3，k＝0.2的時(shí)空?qǐng)D；

圖6為p＝0.3，k＝0.4的時(shí)空?qǐng)D；

圖7為p＝0.1，k＝0.02的時(shí)空?qǐng)D；

圖8為p＝0.1，k＝0.2的時(shí)空?qǐng)D；

圖9為p＝0.1，k＝0.4的時(shí)空?qǐng)D；

圖10為p＝0.5，k＝0.02的時(shí)空?qǐng)D；

圖11為p＝0.5，k＝0.2的時(shí)空?qǐng)D；

圖12為p＝0.5，k＝0.4的時(shí)空?qǐng)D；

圖13為不同慢化條件下流量-密度圖；

圖14為不同慢化條件下速度-密度圖；

圖15為換道概率模型圖。

具體實(shí)施方式

下面根據(jù)說(shuō)明書(shū)附圖舉例對(duì)本發(fā)明做進(jìn)一步說(shuō)明：

實(shí)施例1

一種車(chē)聯(lián)網(wǎng)環(huán)境下的交通流元胞自動(dòng)機(jī)建模方法，對(duì)道路條件作出如下界定：車(chē)輛由駕駛員控制；每個(gè)車(chē)輛元胞可以與前方進(jìn)行通信，獲取前車(chē)準(zhǔn)確行駛信息，并將自身交通信息與后車(chē)進(jìn)行通信；駕駛員根據(jù)獲取的準(zhǔn)確交通環(huán)境信息做出正確的判斷和決策，方法如下：

(1).單車(chē)道元胞自動(dòng)機(jī)建模規(guī)則

步驟一：加速，v_n(t+1)＝min(v_n(t)+1,v_max)對(duì)應(yīng)于現(xiàn)實(shí)生活中，司機(jī)期望以最大速度行駛的特性；

步驟二：減速，

v_n(t+1)＝min(v_n(t+1),d_n+v'_n+1(t+1))

v'_n+1(t+1)＝min(v_n+1(t),v_max-1,d_n+1(t))

駕駛員為了躲避與前車(chē)相撞而采取減速措施,因車(chē)聯(lián)網(wǎng)環(huán)境對(duì)于車(chē)速及車(chē)輛位置的透明化，使兩車(chē)間最小間距變?yōu)閠時(shí)刻兩車(chē)間距與前車(chē)在t+1時(shí)刻的速度值之和；

式中v'_n+1(t+1)——表示前車(chē)在t+1時(shí)刻的速度預(yù)測(cè)；

d_n(t)——表示在t時(shí)刻，本車(chē)n車(chē)與前車(chē)n+1的空格數(shù)；

步驟三：隨機(jī)慢化，

由于各種不確定因素(如路面狀況不好，駕駛員心態(tài)不同等)造成的車(chē)輛減速,當(dāng)速度小于某一閾值時(shí)，車(chē)輛不進(jìn)行減速；大于某一閾值時(shí)，以一定概率采取減速措施；

式中RD——表示隨機(jī)概率；

p——表示0～1間的隨機(jī)數(shù)，當(dāng)p＜RD時(shí)，進(jìn)行隨機(jī)慢化；

步驟四：位置更新，x_n(t+1)＝x_n(t)+v_n(t+1)；車(chē)輛按照調(diào)整后的速度向前行駛；

(2).雙車(chē)道元胞自動(dòng)機(jī)建模規(guī)則

雙車(chē)道可換道模型車(chē)輛的運(yùn)動(dòng)過(guò)程，按照“換道-加速-減速-隨機(jī)慢化-位置更新”的順序演變，換道后車(chē)輛在各自車(chē)道上按照單車(chē)道更新規(guī)則運(yùn)行

換道規(guī)則如下:

式中d_nother——表示另一車(chē)道在n車(chē)位置與此車(chē)道前車(chē)n+1車(chē)間的空格數(shù)；

d_nback——表示該車(chē)道n車(chē)與n-1車(chē)間的空格數(shù)；

v_i,n+1(t)——表示t時(shí)刻，n+1輛車(chē)在i車(chē)道的速度；

車(chē)輛按照上述規(guī)則運(yùn)行更新，從而分析交通流特性。

實(shí)施例2

車(chē)聯(lián)網(wǎng)環(huán)境下元胞自動(dòng)機(jī)仿真分析

(一)仿真環(huán)境設(shè)置方法

按照上述介紹的規(guī)則，用MATLAB搭建一條模擬路段。在仿真初始時(shí)刻，系統(tǒng)初始化了車(chē)輛的位置信息以及速度信息，仿真開(kāi)始后，在每一仿真步長(zhǎng)中，按照模型規(guī)則對(duì)車(chē)輛的位置和速度進(jìn)行更新，直到仿真時(shí)間結(jié)束。

以單車(chē)道模型為例說(shuō)明?；贛ATLAB矩陣的思想和圖像處理模塊，用1x100的矩陣表示單車(chē)道的道路元胞，以值1表示有車(chē)，值0表示無(wú)車(chē)，即所仿真的道路由100個(gè)元胞組成，每個(gè)元胞長(zhǎng)5m，最大速度v_max＝5。圖1為在MATLAB環(huán)境下的系統(tǒng)運(yùn)行界面，其中黑色表示一條單車(chē)道，白色的點(diǎn)表示該元胞位置上有車(chē)輛。Run按鍵表示開(kāi)始仿真，Stop按鍵表示停止仿真，Quit按鍵表示退出仿真，其中左上角的數(shù)字記錄了系統(tǒng)仿真的時(shí)間。

以下仿真采用細(xì)化模型，得出結(jié)論。所謂細(xì)化元胞模型就是把道路元胞細(xì)化，使每個(gè)元胞所代表的長(zhǎng)度變短，車(chē)輛占用的元胞數(shù)也就相應(yīng)變大。

(二)仿真結(jié)果分析

(1)細(xì)化單車(chē)道模型仿真結(jié)果分析----時(shí)空?qǐng)D

仿真環(huán)境：道路由1000個(gè)元胞組成，其他參數(shù)與細(xì)化單車(chē)道模型相同。

圖4-圖12為不同慢化概率下，在密度為0.2、0.3、0.5時(shí)車(chē)聯(lián)網(wǎng)環(huán)境下的細(xì)化模型時(shí)空?qǐng)D。從圖中可知，隨著密度增加，車(chē)流進(jìn)入亞穩(wěn)態(tài)區(qū)域；在相同密度條件下，隨著慢化概率增加，時(shí)走時(shí)停的交通現(xiàn)象越明顯。當(dāng)密度很小時(shí)，車(chē)輛處于自由行駛的狀態(tài)，慢化概率對(duì)交通狀況影響不明顯；密度增加至一定程度時(shí)，交通流達(dá)到亞穩(wěn)定狀態(tài)，此時(shí)車(chē)輛運(yùn)行狀態(tài)混亂，慢化概率對(duì)車(chē)輛運(yùn)行產(chǎn)生很大的影響；隨著交通流密度進(jìn)一步增大，道路擁堵嚴(yán)重，車(chē)輛行駛受到很大阻礙，慢化概率對(duì)其影響也不明顯。

(2)細(xì)化單車(chē)道模型仿真結(jié)果分析----流量-密度關(guān)系分析

圖13列出了NS模型和車(chē)聯(lián)網(wǎng)環(huán)境下的改進(jìn)模型的流量-密度圖，兩者的初始條件完全相同(路長(zhǎng)200，最大速度為12)。NS模型的慢化概率是p＝0.3，本文給出的改進(jìn)模型的慢化概率分別為p＝0.1、p＝0.3、p＝0.5。

由圖知，NS環(huán)境下，臨界密度和最大車(chē)流量都較小。對(duì)比不同慢化條件下(p＝0.1、p＝0.3、p＝0.5)車(chē)聯(lián)網(wǎng)環(huán)境的改進(jìn)模型的曲線，可看出，當(dāng)車(chē)流密度較低或者較高時(shí)，慢化概率對(duì)交通流量的影響不顯著。這是因?yàn)楫?dāng)車(chē)流密度較小時(shí)，道路上的車(chē)輛少，車(chē)頭間距大，某輛車(chē)的隨機(jī)慢化不會(huì)影響其他車(chē)輛的正常行駛；當(dāng)車(chē)流密度過(guò)大時(shí)，由于車(chē)頭間距小，整體運(yùn)行速度低，隨機(jī)慢化概率的變化已經(jīng)影響不到整體流量的變化。密度在0.1-0.7之間時(shí)，在相同密度條件下，隨著隨機(jī)慢化概率增大，流量有明顯下降，臨界密度值也由0.37降低至0.3。

(3)細(xì)化單車(chē)道模型仿真結(jié)果分析----速度-密度關(guān)系分析

圖14列出了NS模型與車(chē)聯(lián)網(wǎng)環(huán)境下的改進(jìn)模型的速度-密度圖，兩者的初始條件完全相同(路長(zhǎng)200，最大速度為12)。由圖可知，在傳統(tǒng)NS環(huán)境下具有更低的速度，且速度對(duì)密度變化較敏感。對(duì)比不同慢化條件下車(chē)聯(lián)網(wǎng)改進(jìn)模型的速度-密度曲線，可知相同條件下，慢化概率越大，速度越小。當(dāng)密度較小(低于0.1)或者較大(高于0.7)時(shí)，慢化概率對(duì)其影響可忽略。

(4)細(xì)化雙車(chē)道模型仿真分析

針對(duì)雙車(chē)道的換道模型，不斷改變車(chē)輛的到達(dá)率即路段的交通量，采用換道概率來(lái)表征車(chē)聯(lián)網(wǎng)環(huán)境下車(chē)輛的換道情況，如圖15。

由圖可知，當(dāng)流量比較小時(shí)，道路上的車(chē)輛分布非常均勻，車(chē)與車(chē)之間的空位基本保持為v_max，此時(shí)車(chē)輛并不需要換道，雙車(chē)道也就變成了兩條相互獨(dú)立的單車(chē)道。隨著流量的繼續(xù)增大，車(chē)輛的有序分布由于流量的增大逐漸受到抑制。間距分布混亂的時(shí)候會(huì)產(chǎn)生滿(mǎn)足換道的條件，車(chē)輛換道的概率會(huì)隨之增大。隨著流量的進(jìn)一步增加，交通流會(huì)進(jìn)入亞穩(wěn)態(tài)，此時(shí)的交通狀況比較混亂，有可能導(dǎo)致出現(xiàn)換道概率局部最大值的現(xiàn)象。當(dāng)流量再繼續(xù)增大時(shí)，車(chē)輛間的間距都變小，換道的機(jī)會(huì)也隨之減小，換道概率也就逐漸下降了。

由于車(chē)聯(lián)網(wǎng)環(huán)境下對(duì)路況信息相對(duì)透明化，對(duì)路況判斷準(zhǔn)確，所以隨著密度增加，較普通環(huán)境有更大的換道幾率。