单车道人机驾驶混合交通流建模与仿真

胡月豪

(贵州交通职业技术学院,贵州 贵阳550000)

自动驾驶汽车（以下简称为自动驾驶）也称轮式移动机器人，相关科学技术的蓬勃发展，加快了由高级辅助驾驶向全自动驾驶的转变进程。

Petros Ioannou等[1]（1997）的研究表明半自动/全自动车辆可以降低由快速加减速造成的扰动并防止“slinky effects”的传播，同时指出自动驾驶对油耗和污染有着积极的作用；Arnab Bose等[2]（1999）分析了当道路环境中半自动和手动汽车在同车道行驶时对交通流状态的影响；Sunan Huang等[3]（2000）模拟手动/自动车辆同时上路的情况，对混合交通做了性能评估；陈时东等[4]（2009）建立由两种车长、能以不同最大速度行驶且具有自动巡航功能的单车道混合交通流模型，分析了不同变量下的交通流特征，研究了速度期望因子和混合比例系数对交通流的影响；邱小平等[5]（2016）引入Gipps安全距离规则改进NaSch模型，建立了基于安全距离的手动-自动驾驶混合交通流CA模型，研究了自动驾驶对道路交通流的影响。

本文建立了单车道人机驾驶混合交通流环境下的CA模型。通过对交通流基本图与时空演化图的分析，以期揭示自动驾驶运动特性，及人类对自动驾驶的应激对交通系统运行效率的影响。

1 模型的建立

1.1 基本假设

本文所指自动驾驶是指无人工干预条件下通过传感设备、信息技术等实现的全自动驾驶。为便于对人类做出提示，自动驾驶车辆可通过颜色、外观等被辨识。并假设在单车道交通流环境下当人工驾驶前车为自动驾驶时，出于对其超出人类的“专注与敏捷”的顾忌，人类驾驶员会选择增大安全间距，这是模型建立的前提条件。

1.2 安全距离的定义

车头时距（Time Headway,TH）代表前后两车前端通过同一地点的时间差。一般可用前后车的车头间距比上后车速度来计算，如图1所示。最短车头时距代表驾驶员选择车头时距下限，是维持行驶安全的最小距离，当道路上存在自动驾驶和人工驾驶两种类型车辆时，后者通常会根据前方车辆的类型而选择恰当的最短车头时距，这一假设考虑了前车属性对人工驾驶驾驶员安全驾驶而产生的心理影响。

图1 人工驾驶安全距离示意图

式中，安全距离据固定车头时距来评价驾驶安全性，同式（1）：

2.2 交通流特性分析

2.2.1 流量与速度分析

由于自动驾驶车辆和人工驾驶车辆无论在驾驶特性方面或自身性能上都千差万别，探究人机驾驶混合交通流中两种属性车辆的混合比例参数对单车道交通流产生的影响。

图2是模拟得到不同混合比例下单车道人机驾驶混合交通流的流量-密度关系图a和速度-密度关系图b。图中，r表示人工驾驶占总车辆数的比例，选取了6组混合比例进行仿真，人工驾驶的随机减速概率均为P=0.175 ，安全距离差值di=1（3.750 m）。

由图2分析，随人工驾驶比例增加，道路通行能力降低。在r=0即道路上全为自动驾驶时其平均速度能达最大值vmax，最大流量相对r=1时增加了0.680 倍。原因是自动驾驶反应时间短，其加减速机制优于人工驾驶，行驶过程中没有随机慢化导致降速的情况，故大幅提高了道路通行能力，使得整体流量、速度较为明显提升。人机驾驶混合交通流中人工驾驶的加速机制和随机减速机制是制约车辆提速的因素之一。当前车为自动驾驶时，驾驶员因心理因素及安全考虑会增加其行车距离，这也制约了正常加速，降低了通行能力。

图3给出了同密度ρ=0.2 （约54 veh/km）不同混合比例r下的时空演化斑点图,由1600个格点2000个时步的演化过程。横轴表示车辆位置，从左至右行进；纵轴表示时间，自上而下演化。黑点表示车辆占据，白点表示空格。灰色区域车辆自由运动，行驶畅通；黑色区域车辆停止运动集聚到一起，出现局部拥堵。由图3-a可知，在r=0车道上只有自动驾驶，车辆以相对稳定的车速行驶，车辆位移是均匀的，车流处于畅通状态，有短时时走时停现象但并未发生局部拥堵。比较图3a-d发现，随着r增大，堵塞区域增多，堵塞带逐渐延长。在r=1时车道上仅有人工驾驶，如图3-d所示，可以清晰的看见由堵塞相与运动相形成相分离现象，交通流处于亚稳定状态。仿真结果表明，减少人工驾驶而增加自动驾驶比例，可以有效的调节交通运行效率，提高车流的平均速度，增加交通流量，减少拥堵。

图3 不同混合比例下的时空演化斑点图

2.2.2 车头间距分析

车头间距指在同一车相邻两车头端部间的瞬时距离。车头间距与交通流三参数有密切关系，车头间距因交通流状态的差异，将表现不同特性。

为深入研究车头间距对人机驾驶混合交通流的影响，从相邻两车属性组合4种情景进行对比。由于模型中车头间距和速度均以元胞数（cells）度量，故在图4中同时表示车头间距和后车速度的变化。图4选取了一次模拟中同一起始时刻（ρ=0.150、r=0.200 、P=0.200 ），初始车头间距和速度相同的4种情景，实线为两车车头间距，虚线为后车速度。对比发现前后车属性不同，其速度的变化有明显差别。当后车为自动驾驶时，能较好的结合车头间距及时调整车速，不至于使车头间距波动过大，图中表现为二者变化趋势紧密贴合，如图4-a、4-b；当后车为人工驾驶时，因不能及时调控车速，甚至当前车为自动驾驶时由于人类驾驶员对自动驾驶的“顾忌”，形成前后车速度差，造成车头间距过大如图4-c。两者贴合度不高，在周期性边界条件下，过大的车头间距对后续车辆速度更新会产生影响，进而干扰整个道路，造成阻塞。

图4 同一时刻起始的四类车序车头间距和速度对比图a～d

3 结论

基于元胞自动机及跟驰理论，本文提出了单车道人机混合驾驶交通流下的自动驾驶模型和人工驾驶模型。模型数值模拟结果表明，自动驾驶凭借超乎人类专注与敏捷优势，固然能够提高交通系统的运行效率，但即使对于单车道这一最简单的交通系统，在人机驾驶混合条件下，假设人类在驾驶中由生理局限以及对自动驾驶谨慎心理仍会导致混合交通流的不稳定，这一现象对现实中更为复杂的交通环境的影响值得进一步探究。