基于智能信息反馈技术的双车道交通流数值模拟

何嘉琪 薛文伟 林 亨

（温州大学建筑工程学院，浙江温州 325035）

随着工业4.0的迅速发展，以信息物理融合的车联网技术在传统汽车行业逐步应用，在改善车辆驾驶性能的同时也极大提高了车辆的安全性。交通拥堵是由车辆的换道行为和各种偶然的道路瓶颈引起的，且超过50%的交通事故都与车辆超车相关[1]。在智能驾驶快速发展的大背景下，结合智能信息反馈技术开展车辆的换道行为研究，有助于进一步认识交通拥堵传播的特性，改善道路交通的运营状况。有关交通流理论的研究主要从宏观模型、介观模型和微观模型开展。以元胞自动机模型为代表的微观模型是将道路离散为连续等间距的小格子，结合一系列的演化规则进行车辆驾驶行为模拟。Chowdury[2]引入双车道换道规则，基于元胞自动机提出STCA双车道换道模型，为更灵活和深入分析交通行为奠定基础。李庆定等[3]基于公交车道所产生的交通瓶颈，改进非对称换道元胞自动机模型，并进行交通流特性分析。Meng等[4]考虑车辆行驶过程中横向与纵向之间的相互影响，提出异构化的元胞自动机模型进行验证，与实测数据具有较好的一致性。李庆宇等[5]和于泽浩等[6]分别对智能汽车在联网后的演化机制进行研究，采用不同超车方式和换道形式以提高道路的交通效率。目前，以机器视觉为主要技术的车联网技术已经越发成熟，根据GPS车辆位置信息定位及辅助车道上的监控摄像头，能够实现对车辆行驶动态全域的监测。本文在现有的模型基础上，根据智能车辆得到的数据信息对车辆换道的策略进行反馈分析，构建基于智能信息反馈技术的交通流模型，结合数值模拟结果智能信息反馈技术对道路车辆行驶的影响，为开发车辆自动驾驶和道路运营管理提供技术支撑。

1 基于智能信息反馈技术的双车道模型

1.1 对称双车道的车辆换道规则

现有的元胞自动机换道模型中，交通系统通常由两条并行的单车道组成，如图1所示。

图1 元胞自动机的车辆演化模型

模型的实施过程中，每个时间步划分为两个子时间步：第一个子时间步里，车辆按照换道规则进行车道更换；第二个子时间步里，车辆在两条车道上按照单车道的NaSch模型更新规则进行速度和位置的并行更新[7]。第n号车辆，Vn为当前行驶速度，Vn，max为该车最大车速；dn、dn，pred和dn，succ分别是车距离本车道前车净距、与目标车道前车和后车净距。

对于对称双车道换道规则模型（STCA），车辆在换道过程中应考虑自身和其他车辆的行驶安全，且每个车道的换道规则都相同。根据Chowdhury提出的换道规则[2]，车辆换道需要满足：换道动机dndn，车辆自身车道的行驶条件比目标车道的行驶条件要差；安全条件dn,succ>dsafe，车辆换道时需要保证不与目标车道后方来车发生碰撞，且dsafe通常取后车的最大车速Vmax。

1.2 智能信息反馈技术的换道规则优化

智能信息反馈技术是通过车联网传感器和道路辅助设施对道路上的行驶车辆以及周围的交通环境数据进行收集，结合车辆自身的智能处理系统对车辆换道交互提供决策建议。基于对称双车道的车辆模型，第一个子时间步综合考虑自身车道前车和目标车道前车n+1的车辆行驶状态对车辆换道的影响。智能车辆扩展改进换道规则：换道动机dndn+dn+1-，考虑行驶车辆在自身车道和目标车道上与前车距离的基础上，预估自身前车行驶所能带来的位置空间；安全条件dn,succ>min(+1,Vmax)，车辆换道时只需要保证不与目标车道后方来车发生碰撞；上标b和m分别代表自身车道和目标车道，ln为车辆智能信息反馈有效长度。

换道车辆的相互影响如图2所示。

图2 换道车辆的相互影响

在已有的元胞自动机换道模型中，通常只考虑瞬时子时间步内满足换道条件的车辆，未能考虑换道车辆之间的相互影响。图2中n和n+1号车都能够满足对称双车道换道规则，倘若此时车辆都采取换道的策略，n号车并未实现达到改善自身行驶条件的目的。考虑智能车辆换道时，车辆n和n+1同时满足换道条件时，作为后车n将根据前车换道情况进一步调整策略：换道动机dn+dn+1+1min(+1,Vmax)，车辆在换道时候只需要保证不与目标车道后方来车发生碰撞。智能车辆根据上述的原则调整是否继续在自己车道行驶。

1.3 车辆演化微观分析

基于对称双车道和智能信息反馈技术的换道规则，设定相同的初始条件和车辆分布情况进行车辆演化微观分析，如图3和图4所示。

图3 STCA模型车辆演化

图4 IR-STCA模型车辆演化

图中字母C和R分别代表传统快车和装有智能反馈系统的快车，字母后面的数字代表车辆的编号，短划线后面的数字表示车速。车辆演化过程中，第一个子时间步根据不同车辆属性进行换道判断，第二个时间步按照单车道NaSch模型更新规则进行速度和位置的更新，这里忽略随机慢化的影响。由图3可知，目标车道在t时刻具有好的驾驶环境，故C5车辆根据对称换道规则采取了换道，但受限于C2和C3车辆的行驶限制，t+1和t+2时刻减速行驶，t+3时刻C5车辆对应的车速为2。

由图4可知，R5车辆具有智能信息反馈系统，在t时刻收集得到目标车道C2前车和自身车道C6前车的驾驶信息。通过智能信息反馈系统的换道规则判断，目标车道C2前车的车前距离不能满足其加速行驶的需求，自身车道C6前车的前车距离能够满足，故R5车辆在t时刻并未采取换道策略，而继续在自身车道上行驶。t+1时刻，R5车辆由于自身车道的车前距离限制而减速，t+1和t+2时刻能够保持持续的速度增长，t+3时刻车辆速度达到3，整个过程减少了车道的换道频次，且车辆行驶速度优于对称双车道的车辆状态。

2 数值模拟与分析

基于上述车辆换道规则开展数值模拟，为保持和NaSch模型一致，取每个元胞格子的长度为h=7.5m，且双车道上每个车道的元胞格子数为L=1000个，对应真实的7.5km长的现实道路。设定一个时间步长相当于1s，与人们的反应时间相当。车辆的行驶速度为0～5格/步，分别对应现实车辆车速0～135km/h，车辆的初始位置和速度都随机分布在两个车道上。

各车道流量：

各车道车辆密度：

各车道平均速度：

各车道利用率：

式中：Ni(t)——i车道t时刻的车辆总数；Vik(t)——i车道在t时刻第k辆车的瞬时车速。

计算得到每个时刻的车道流量后，根据所选的分析时间步数做平均处理。为了消除初始暂态对试验的影响，对仿真中前5000个时间步数据不进行统计，采用周期性边界条件。整个数值模型分析的时间步数为10000步，利用MATLAB软件进行仿真试验。车辆的总密度为0.25，随机减速概率0.25，设定装有智慧信息反馈系统车辆为5辆，在对称双车道换道规则工况中也随机选择5辆车辆，对比两者在9900～10000时间步数内不同换道规则情况下的车辆演化时空图差异。不同车道上均出现了采用NaSch演化更新规则的“时走时停波”的现象，且伴有自发的交通阻塞逐步向后传递并消散的特征[7]，反映了实际交通状况。时空演化图如图5、图6所示。

图5 对称双车道车辆演化时空图

图6 智慧信息反馈技术双车道演化时空图

观察不同车道上车辆行驶情况发现，车辆的行驶轨迹存在较多不长的节段，同时来回出现在车道1和车道2演化时空图之间。车辆在行驶过程中，采用对称双车道换道规则的车辆基于现有时刻路况信息，选择即时的换道策略。装有智慧信息反馈系统的车辆在行驶过程中具有较好的稳定性，其在综合比对目标车道与自身车道前车行驶状态的基础上选择是否换道。装有智慧信息反馈系统的车辆在行驶过程中的换道次数有所下降。

流量密度和车道利用率如图7、图8所示。

图7 不同模型车道量-密度

图8 不同模型车道利用率

由流量密度曲线可知，两个模型在密度较小的区域，其总流量和单车道的流量都随着密度的增加而增加，达到峰值后随着密度的增加流量减小。STCA模型的总车道和车道1上的峰值流量为3 870 veh/h和1 935 veh/h略微高于IR-STCA模型总车道和车道1的流量3 760 veh/h和1 881 veh/h。智慧信息反馈技术车辆在道路上较为稳定行驶，选择放弃换道策略，影响了其后跟驰车辆的行驶车速，致使流量峰值下降。对比不同密度流量，车辆密度小时和车辆密度大时影响不明显。

进一步分析不同车道上的利用率发现，低密度时各条车道利用率差异不同，此时车道上行驶的车辆还处在自由流的状态，车辆之间没有相互干扰，随着车道密度增加，各条车道的利用率开始收敛。双车道模型各车道理想的车道利用率为0.5，但由于智慧信息反馈技术的作用，IR-STCA模型的车道利用率在车道密度0.13时达到0.5的车道利用率，STCA模型则在车道密度为0.16时，才能达到0.5的车道利用率。车辆装有智慧信息反馈系统后，能够分析自身车辆周围的车辆间距，还能够获得目标车道以及自身车道前车的车辆行驶状态，使车辆在行驶时减少不必要的换道，提升车道利用率。

3 结语

基于对称双车道换道规则模型，结合智能信息反馈技术提出了一个改进的双车道元胞自动机模型，分析车辆在智能信息反馈装置影响下道路车辆行驶的特点。装有智能信息反馈装置的车辆在车道行驶过程中，将采取较为保守的换道策略，在减少换道频次的基础上略微提高车道的利用率，降低行驶过程中车辆的换道频次，可减少车辆超车换道事故；对比对称双车道换道规则模型，该改进模型的车道峰值流量略小，但低车道密度和高车道密度情况影响不大，智能信息反馈技术能够在局部情况改善车道的行驶状态。