CN109002595B - 模拟动态换道行为的双车道元胞自动机微观交通仿真方法 - Google Patents

模拟动态换道行为的双车道元胞自动机微观交通仿真方法 Download PDF

Info

Publication number
CN109002595B
CN109002595B CN201810681174.7A CN201810681174A CN109002595B CN 109002595 B CN109002595 B CN 109002595B CN 201810681174 A CN201810681174 A CN 201810681174A CN 109002595 B CN109002595 B CN 109002595B
Authority
CN
China
Prior art keywords
lane
change
vehicle
lane change
simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810681174.7A
Other languages
English (en)
Other versions
CN109002595A (zh
Inventor
张国强
陈峻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201810681174.7A priority Critical patent/CN109002595B/zh
Publication of CN109002595A publication Critical patent/CN109002595A/zh
Application granted granted Critical
Publication of CN109002595B publication Critical patent/CN109002595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种模拟动态换道行为的双车道元胞自动机微观交通仿真方法,该方法包括以下步骤:(1)确定仿真系统的基本参数;(2)创建仿真系统,并对系统进行初始化;(3)换道,包括:检查换道动机、计算换道动机的强烈程度指数、确定换道间距和换道概率、进行换道操作;(4)演化更新,包括:加速、前车速度的预估、减速、随机慢化、运动;(5)计算交通流的密度、速度和流量关键交通参数,本发明更好地模拟车辆在双车道交通系统的真实运行情况,很好地体现驾驶心理和驾驶行为的动态变化以及由此导致的车辆之间相互作用的复杂动态的运动过程,更加真实地模拟驾驶人的动态换道行为,对交通系统的规划、设计与管理提供科学的指导。

Description

模拟动态换道行为的双车道元胞自动机微观交通仿真方法
所属领域
本发明涉及交通工程技术领域,具体涉及一种模拟动态换道行为的双车道元胞自动机微观交通仿真方法。
背景技术
元胞自动机是一种时间、空间、状态都离散的动力学模型,具有模拟复杂系统时空演化过程的能力。在被引入到交通领域之后,得到了迅猛的发展。单车道元胞自动机仿真系统最先被开发出来,因其具有结构简单、直观形象、便于仿真等优点,得到了最为广泛的研究和发展。然而,单车道元胞自动机模型在仿真车辆的运动时,无法模拟车辆在不同的车道之间进行换道的现象,因此也就不能就驾驶人的超车行为展开分析和研究。
为了克服单车道元胞自动机仿真系统不能模拟超车的局限性,以单车道元胞自动机仿真方法为基础,通过引入一套换道规则,国内外的众多学者先后开发出多种双车道元胞自动机仿真模型,以便更好地模拟现实中的各种道路交通现象。双车道元胞自动机仿真方法在模拟车辆的运动时,一般可分为两个过程:车辆从一条车道转移到另一条车道上的换道过程;车辆在某条车道上的演化与更新过程,也即是模拟交通流在同一条车道上的跟车行驶过程。这两个过程相对独立,其中,第二个过程借鉴了单车道元胞自动机模型的模拟方法。
通过在单车道元胞自动机模型的基础上引入换道过程,双车道元胞自动机仿真方法可以更加全面、真实地模拟车辆的运动。然而,现有的双车道元胞自动机仿真模型在换道的规则设置中,对驾驶人的驾驶行为进行了简单、静态的假设,不能很好地模拟真实的换道过程。在这些双车道微观交通模拟方法中,驾驶人的换道动机通常都比较单纯,没有考虑到严重不利的交通状况会引起驾驶人换道行为的变异,形成程度不同的强行换道行为;此外,在这些模拟方法中,换道过程与车辆在跟车过程中的加、减速是相对独立的,车辆是否能够顺利完成换道操作丝毫不影响其在车道上的跟车运动规则,这并不符合真实的交通状况。
发明人在交通工程的长期研究中发现,驾驶人的换道动机通常是动态变化的,在不利的情形下可以迅速地由保守的换道行为演化为过激的换道行为,从而形成错综复杂的交通现象。此外,在遇到换道失败的情形下,驾驶人的跟车行为也会受到影响,由保守型的驾驶行为异化为具有一定激进性的行为。
考虑到现有双车道元胞自动机仿真模型存在的缺点,且真实交通状况复杂、动态、多变的特点,从驾驶人在真实交通场景中的心理活动考虑,如何能够设计一种更加真实地模拟驾驶人的动态换道行为的方法,更加贴合车辆运动的实际情况,将是本领域的重大改革和进步。
发明内容
本发明正是针对现有技术中不能很好地模拟真实的换道过程,不符合真实交通状况的问题,提供了一种模拟动态换道行为的双车道元胞自动机微观交通仿真方法,更好地模拟车辆在双车道交通系统的真实运行情况,很好地体现驾驶心理和驾驶行为的动态变化以及由此导致的车辆之间相互作用的复杂动态的运动过程,更加真实地模拟驾驶人的动态换道行为,对交通系统的规划、设计与管理提供科学的指导,更加符合实际需求。
为了实现上述目的,本发明采用的技术方案是:模拟动态换道行为的双车道元胞自动机微观交通仿真方法,该方法包括如下步骤:
S1,确定仿真系统的基本参数:所述基本参数至少包括仿真系统的规模N、仿真车辆的总数M、最大车速Vmax和仿真时长T;
S2,创建双车道元胞自动机微交通观仿真系统,并对系统进行初始化;
S3,对双车道元胞自动机微观交通仿真系统进行换道操作;
S4,对每条车道进行演化更新操作;
S5,计算双车道元胞自动机微观交通仿真系统在仿真时刻t时的平均密度ρ、平均速度
Figure RE-GDA0001761627150000031
和平均流率
Figure RE-GDA0001761627150000032
S6,若未达到设定的仿真时长T,即T<t,则进入下一仿真时刻t=t+1,返回步骤S3,继续步骤顺序;若达到设定的仿真时长T,即T≥t,则停止计算并输出仿真结果。
作为本发明的一种改进,仿真系统的规模N指每条仿真车道所包含的元胞数目,所述步骤S2中系统初始化设置为:随机选取M个元胞,令其取值为1,其对应的速度取值为最大车速Vmax,其余的元胞及其速度都取值为0。
作为本发明的一种改进,所述步骤S3通过检查换道动机、计算换道动机的强烈程度指数、确定换道间距和换道概率来实现双车道元胞自动机微观交通仿真系统中每个仿真车辆的换道操作,并计算换道挫折系数,分析因换道未遂而产生的挫折感。
作为本发明的又一种改进,所述步骤S3中每个仿真车辆m的换道操作进一步包括:
S31,检查换道动机:确定车辆速度vm(t)、与同车道前车的距离dm(t)、与旁道前车的距离dm,other(t)以及最大车速Vmax,如果dm(t)<min(vm(t)+1,Vmax),并且dm,other(t)>dm(t),则该车具有换道动机,继续步骤S32;否则,表明该车不具有换道动机,其换道动机的强烈程度指数indm(t)=0,令m=m+1,重复步骤S31;
S32,计算换道动机的强烈程度指数indm(t):如果
Figure RE-GDA0001761627150000033
并且
Figure RE-GDA0001761627150000034
则 indm(t)=3;如果
Figure RE-GDA0001761627150000035
或者
Figure RE-GDA0001761627150000036
则indm(t)=2;如果上述条件都不满足,则 indm(t)=1,;其中,0<δ1<1,0<δ2<1;
S33,确定换道间距和换道概率:根据换道动机的强烈程度指数indm(t)计算换道间距dm,change(t)和换道概率pm,change(t),如果indm(t)=1,则dm,change(t)=Δ1, pm,change(t)=γ1;如果indm(t)=2,则dm,change(t)=Δ2,pm,change(t)=γ2;如果indm(t)=3,则dm,change(t)=Δ3,pm,change(t)=γ3;其中,0≤Δ3≤Δ2≤Δ1,0<γ123<1;
S34,进行换道操作:如果该车与旁道后车的距离dm,back(t)满足条件dm,back(t)>dm,change(t),以概率pm,change(t)将该车换到傍道上相应的位置。
作为本发明的另一种改进,所述步骤S3还包括步骤S35,计算换道挫折系数frum(t):如果换道动机的强烈程度指数indm(t)等于3,并且仿真车辆m没能执行换道操作,换道挫折系数
Figure RE-GDA0001761627150000041
否则,换道挫折系数 frum(t)=0;其中,α>0,是换道挫折系数计算公式的主要模型参数。
作为本发明的另一种改进,所述步骤S4每条车道中每个仿真车辆m的演化更新操作进一步包括以下步骤:
S41,加速:仿真车辆m在仿真时刻t的速度是vm(t),下一仿真时刻的速度为vm(t+1)=min(vm(t)+1,Vmax);
S42,计算前车速度的预估
Figure RE-GDA0001761627150000042
仿真车辆m的前车是仿真车辆m+1,其在下一仿真时刻的速度预估
Figure RE-GDA0001761627150000043
其中,vm+1(t) 是仿真车辆m+1的速度,dm+1(t)是仿真车辆m+1与其前车的距离;
S43,减速:为避免与前车碰撞,根据仿真车辆m与前车的间距dm(t),进行减速操作
Figure RE-GDA0001761627150000044
其中,frum(t)是所述仿真车辆m的换道挫折系数,
Figure RE-GDA0001761627150000045
是所述仿真车辆m前车速度的预估,Int() 代表取整函数,将一个数值向下取整为最接近的整数;
S44,确定随机慢化概率pm,r(t):根据换道动机的强烈程度指数indm(t),计算随机慢化概率pm,r(t),如果indm(t)=0,则pm,r(t)=μ0;如果indm(t)=1,则 pm,r(t)=μ1;如果indm(t)=2,则pm,r(t)=μ2;如果indm(t)=3,则pm,r(t)=μ3;其中, 0<μ3210<1;
S45,随机慢化:仿真车辆m以概率pm,r(t)进行减速vm(t+1)=max(vm(t+ 1)-1,0)。
S46,运动:仿真车辆按照速度vm(t+1)进行运动,在下一仿真时刻,其位置由xm(t)变化为xm(t+1)=xm(t)+vm(t+1)。
作为本发明的更进一步改进,所述步骤S5中,平均密度为:
Figure RE-GDA0001761627150000046
其中, M为所述双车道元胞自动机微观交通仿真系统中仿真车辆的总数,N为所述双车道元胞自动机微观交通仿真系统中每条车道的元胞总数;平均速度为:
Figure RE-GDA0001761627150000047
Figure RE-GDA0001761627150000051
其中,vm(t)为所述双车道元胞自动机微观交通仿真系统中的仿真车辆m 在仿真时刻t的速度;平均流率表示为:
Figure RE-GDA0001761627150000052
与现有技术相比,本发明所产生的有益效果:
(1)本发明很好的模拟了真实的换道过程,考虑到严重不利的交通状况所引发的驾驶人交通心理和交通行为的变异问题,使得仿真过程更富有动态变化的特征,符合真实交通状况,对交通系统的规划、设计与管理提供科学的指导,更加符合实际需求。
(2)本发明在换道操作环节设计了换道动机的强烈程度指数indm(t),更好地量化分析了驾驶人在各种交通情形下所具有的换道动机的强烈程度,以及由此所引起其换道行为的动态变化。
(3)本发明针对具有换道动机而未能履行换道行为的驾驶人设计了换道挫折系数frum(t),以此定量化地测度驾驶人的不良心理活动。
(4)本发明将车辆的换道行为和跟车行为紧密地联系起来,让换道动机的强烈程度指数indm(t)和换道挫折系数frum(t)对演化更新操作中的减速和随机慢化产生作用,使得仿真过程中的“换道”和“演化更新”有机地融合为一体,增强了微观交通仿真系统在结构上的紧密联系。
附图说明
图1为本发明实施例1模拟动态换道行为的双车道元胞自动机微观交通仿真方法的流程图。
具体实施方式
以下将结合附图和实施例,对本发明进行较为详细的说明。
实施例1
模拟动态换道行为的双车道元胞自动机微观交通仿真方法,如图1所示,包括如下步骤:
S1,确定仿真系统的基本参数:基本参数至少包括仿真系统的规模N、仿真车辆的总数M、最大车速Vmax和仿真时长T,其中仿真系统的规模N是指仿真车道的长度,也即是每条仿真车道所包含的元胞数目,整个双车道元胞自动机仿真系统共有2N个元胞,每个仿真车辆占据一个元胞,其速度可以取值为0,1,2,…,Vmax
S2,创建双车道元胞自动机微观交通仿真系统,并对系统进行初始化,在所创建的仿真系统中,每个元胞的取值为0或者1;0表示该元胞无仿真车辆占据, 1表示该元胞有仿真车辆占据。系统的初始化是这样进行的:在系统中随机选取 M个元胞,令其取值为1,其对应的速度取值为最大车速Vmax;其余的元胞及其速度都取值为0。
S3,对双车道元胞自动机微观交通仿真系统进行换道操作,所述每个仿真车辆m(1≤m≤M)的换道操作进一步包括:
S31,检查换道动机:根据其速度vm(t)、与同车道前车的距离dm(t)、与旁道前车的距离dm,other(t)以及最大车速Vmax,判断该车驾驶人是否具有换道的动机。如果dm(t)<min(vm(t)+1,Vmax),并且dm,other(t)>dm(t),则该车具有换道动机,继续步骤S32;否则,表明该车不具有换道动机,其换道动机的强烈程度指数indm(t)=0,令m=m+1,重复步骤S31。
S32,计算换道动机的强烈程度指数indm(t):如果
Figure RE-GDA0001761627150000061
并且
Figure RE-GDA0001761627150000062
则indm(t)=3;如果
Figure RE-GDA0001761627150000063
或者
Figure RE-GDA0001761627150000064
则indm(t)=2;如果上述条件都不满足,则indm(t)=1,;其中,0<δ1<1,0<δ2<1;
换道动机的强烈程度指数以客观性的可量化指标度量了驾驶人换道欲望的大小。当车辆处于低速行驶状态,或者前方的车间距过小时,这种不良的交通状态会激发驾驶人更为强烈的换道欲望,以便获得更为理想的车速。以上有关换道动机的强烈程度指数的计算模型体现了驾驶人这一普遍存在的心理活动,使得该仿真模型能够更好地模拟驾驶人换道行为背后的心理动机。
S33,确定换道间距和换道概率:根据换道动机的强烈程度指数indm(t) 计算换道间距dm,change(t)和换道概率pm,change(t),如果indm(t)=1,则dm,change(t)=Δ1,pm,change(t)=γ1;如果indm(t)=2,则dm,change(t)=Δ2,pm,change(t)=γ2;如果indm(t)=3,则dm,change(t)=Δ3,pm,change(t)=γ3;其中,Δ1、Δ2和Δ3是与换道条件有关的三个参数,满足以下要求:0≤Δ3≤Δ2≤Δ1;γ1、γ2和γ3是与换道概率有关的三个参数,满足以下要求:0<γ123<1;
驾驶人的交通心理活动必然支配其驾驶行为。因此,具有较高换道动机的驾驶人将采取更加激进的换道标准,实施换道的可能性也将大大提高。在上述仿真模型的设计中,具有较高换道动机强烈程度指数的仿真车辆选取更小的换道间距和更高的换道概率,这些规则的设计非常准确地模拟和再现了真实车辆的换道情景。
S34,进行换道操作:如果该车与旁道后车的距离dm,back(t)满足条件 dm,back(t)>dm,change(t),以概率pm,change(t)将该车换到傍道上相应的位置。
S35,计算换道挫折系数frum(t):如果换道动机的强烈程度指数indm(t) 等于3,并且仿真车辆m没能执行换道操作,换道挫折系数
Figure RE-GDA0001761627150000071
否则,换道挫折系数frum(t)=0;其中,α>0,是换道挫折系数计算公式的主要模型参数。
当具有强烈换道动机的驾驶人在具备换道条件的情形下,由于种种原因而没有实施换道操作时,通常会产生一定的挫折感,上述换道挫折系数frum(t)是对这种挫折感做出的定量化评价。较为糟糕的行驶状况,譬如较低的车速或者更短的车间距等,会带来更为强烈的挫折感;这一普遍存在的主观感受通过换道挫折系数的函数形式得以准确的模拟。此外,参数α较大的取值可以放大换道挫折系数在不同交通状况下的差异,并对后续步骤S4的减速操作带来更显著的影响。
S4,对每条车道进行演化更新操作,所述每条车道中每个仿真车辆m(1≤m≤ M)的演化更新操作进一步包括以下步骤:
S41,加速:仿真车辆m在仿真时刻t的速度是vm(t),下一仿真时刻的速度为vm(t+1)=min(vm(t)+1,Vmax)。
S42,计算前车速度的预估
Figure RE-GDA0001761627150000081
仿真车辆m的前车是仿真车辆m+1,其在下一仿真时刻的速度预估
Figure RE-GDA0001761627150000082
其中, vm+1(t)是仿真车辆m+1的速度,dm+1(t)是仿真车辆m+1与其前车的距离。
S43,减速:为避免与前车碰撞,根据仿真车辆m与前车的间距dm(t),进行减速操作
Figure RE-GDA0001761627150000083
其中,frum(t)是所述仿真车辆m的换道挫折系数,
Figure RE-GDA0001761627150000084
是所述仿真车辆m前车速度的预估,Int() 代表取整函数,将一个数值向下取整为最接近的整数;
在换道的过程中产生挫折感的驾驶人也将在跟车的过程中表现出更加激进的驾驶行为;也即是驾驶人尽可能避免减速,以便获得更加理想的速度。因此,在减速过程中,驾驶人更倾向于将前车速度预估
Figure RE-GDA0001761627150000085
考虑进来,以便更为紧密地跟随前车,形成未来更小的车间距。
S44,确定随机慢化概率pm,r(t):根据换道动机的强烈程度指数indm(t), 计算随机慢化概率pm,r(t),如果indm(t)=0,则pm,r(t)=μ0;如果indm(t)=1,则 pm,r(t)=μ1;如果indm(t)=2,则pm,r(t)=μ2;如果indm(t)=3,则pm,r(t)=μ3;其中,μ0、μ1、μ2和μ3是与随机慢化有关的四个参数,满足以下要求:0<μ3210<1。
具有较强换道动机的驾驶人通常更不太可能出现减速行为,这就对应于较低的随机慢化概率pm,r(t)。在上述随机慢化概率的确定规则中,仿真系统根据每个仿真车辆换道动机的强烈程度指数indm(t)的大小,对其指定了不同的随机慢化概率,体现了换道操作对演化更新操作的影响,也使得系统的演化更具复杂性和动态性。
S45,随机慢化:由于各种可能的干扰因素,如路面状况不好、驾驶人走神或注意力受到外界环境的影响等原因,仿真车辆m以概率pm,r(t)进行减速vm(t +1)=max(vm(t+1)-1,0)。
S46,运动:仿真车辆按照速度vm(t+1)进行运动,在下一仿真时刻,其位置由xm(t)变化为xm(t+1)=xm(t)+vm(t+1)。
S5,计算双车道元胞自动机微观交通仿真系统在仿真时刻t时的平均密度
、平均速度
Figure RE-GDA0001761627150000086
和平均流率
Figure RE-GDA0001761627150000087
所述平均密度为:
Figure RE-GDA0001761627150000088
其中,M为所述双车道元胞自动机微观交通仿真系统中仿真车辆的总数,N为所述双车道元胞自动机微观交通仿真系统中每条车道的元胞总数;所述平均速度为:
Figure RE-GDA0001761627150000091
其中, vm(t)为所述双车道元胞自动机微观交通仿真系统中的仿真车辆m在仿真时刻t的速度;所述平均流率表示为:
Figure RE-GDA0001761627150000092
S6,若未达到设定的仿真时长T,即T<t,则进入下一仿真时刻t=t+1,返回步骤S3,继续步骤顺序;若达到设定的仿真时长T,即T≥t,则停止计算并输出仿真结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实例的限制,上述实例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于,该方法包括如下步骤:
S1,确定仿真系统的基本参数:所述基本参数至少包括仿真系统的规模N、仿真车辆的总数M、最大车速Vmax和仿真时长T;
S2,创建双车道元胞自动机微观交通仿真系统,并对系统进行初始化;
S3,对双车道元胞自动机微观交通仿真系统进行换道操作,其中每个仿真车辆m的换道操作进一步包括:
S31,检查换道动机:确定车辆速度vm(t)、与同车道前车的距离dm(t)、与旁道前车的距离dm,other(t)以及最大车速Vmax,如果dm(t)<min(vm(t)+1,Vmax),并且dm,other(t)>dm(t),则该车具有换道动机,继续步骤S32;否则,表明该车不具有换道动机,其换道动机的强烈程度指数indm(t)=0,令m=m+1,重复步骤S31;
S32,计算换道动机的强烈程度指数indm(t):如果
Figure FDA0003246102400000011
并且
Figure FDA0003246102400000012
则indm(t)=3;如果
Figure FDA0003246102400000013
或者
Figure FDA0003246102400000014
则indm(t)=2;如果上述条件都不满足,则indm(t)=1,;其中,0<δ1<1,0<δ2<1;
S33,确定换道间距和换道概率:根据换道动机的强烈程度指数indm(t)计算换道间距dm,change(t)和换道概率pm,change(t),如果indm(t)=1,则dm,change(t)=Δ1,pm,change(t)=γ1;如果indm(t)=2,则dm,change(t)=Δ2,pm,change(t)=γ2;如果indm(t)=3,则m,change(t)=Δ3,pm,change(t)=γ3;其中,0≤Δ3<Δ2<Δ1,0<γ1<γ2<γ3<1;
S34,进行换道操作:如果该车与旁道后车的距离dm,back(t)满足条件dm,back(t)>dm,change(t),以概率pm,change(t)将该车换到傍道上相应的位置;
S4,对每条车道进行演化更新操作;
S5,计算双车道元胞自动机微观交通仿真系统在仿真时刻t时的平均密度ρ、平均速度
Figure FDA0003246102400000015
和平均流率
Figure FDA0003246102400000016
S6,若未达到设定的仿真时长T,即t<T,则进入下一仿真时刻t=t+1,返回步骤S3,继续步骤顺序;若达到设定的仿真时长T,即T≥t,则停止计算并输出仿真结果。
2.根据权利要求1所述的模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于:仿真系统的规模N指每条仿真车道所包含的元胞数目,所述步骤S2中系统初始化设置为:随机选取M个元胞,令其取值为1,其对应的速度取值为最大车速Vmax,其余的元胞及其速度都取值为0。
3.根据权利要求1所述的模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于:所述步骤S3通过检查换道动机、计算换道动机的强烈程度指数、确定换道间距和换道概率来实现双车道元胞自动机微观交通仿真系统中每个仿真车辆的换道操作,并计算换道挫折系数,分析因换道未遂而产生的挫折感。
4.根据权利要求2或3所述的模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于:所述步骤S3还包括步骤S35,计算换道挫折系数frum(t):如果换道动机的强烈程度指数indm(t)等于3,并且仿真车辆m没能执行换道操作,换道挫折系数
Figure FDA0003246102400000021
否则,换道挫折系数frum(t)=0;其中,α>0,是换道挫折系数计算公式的主要模型参数。
5.根据权利要求4所述的模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于:所述步骤S4每条车道中每个仿真车辆m的演化更新操作进一步包括以下步骤:
S41,加速:仿真车辆m在仿真时刻t的速度是vm(t),下一仿真时刻的速度为vm(t+1)=min(vm(t)+1,Vmax);
S42,计算前车速度的预估
Figure FDA0003246102400000022
仿真车辆m的前车是仿真车辆m+1,其在下一仿真时刻的速度预估
Figure FDA0003246102400000023
其中,vm+1(t)是仿真车辆m+1的速度,dm+1(t)是仿真车辆m+1与其前车的距离;
S43,减速:为避免与前车碰撞,根据仿真车辆m与前车的间距dm(t),进行减速操作
Figure FDA0003246102400000024
其中,frum(t)是所述仿真车辆m的换道挫折系数,
Figure FDA0003246102400000025
是所述仿真车辆m前车速度的预估,Int()代表取整函数,将一个数值向下取整为最接近的整数;
S44,确定随机慢化概率pm,r(t):根据换道动机的强烈程度指数indm(t),计算随机慢化概率pm,r(t),如果indm(t)=0,则pm,r(t)=μ0;如果indm(t)=1,则pm,r(t)=μ1;如果indm(t)=2,则pm,r(t)=μ2;如果indm(t)=3,则pm,r(t)=μ3;其中,0<μ3<μ2<μ1<μ0<1;
S45,随机慢化:仿真车辆m以概率pm,r(t)进行减速vm(t+1)=max(vm(t+1)-1,0);
S46,运动:仿真车辆按照速度vm(t+1)进行运动,在下一仿真时刻,其位置由xm(t)变化为xm(t+1)=xm(t)+vm(t+1)。
6.根据权利要求1所述的模拟动态换道行为的双车道元胞自动机微观交通仿真方法,其特征在于:所述步骤S5中,平均密度为:
Figure FDA0003246102400000031
其中,M为所述双车道元胞自动机微观交通仿真系统中仿真车辆的总数,N为所述双车道元胞自动机微观交通仿真系统中每条车道的元胞总数;平均速度为:
Figure FDA0003246102400000032
其中,vm(t)为所述双车道元胞自动机微观交通仿真系统中的仿真车辆m在仿真时刻t的速度;平均流率表示为:
Figure FDA0003246102400000033
CN201810681174.7A 2018-06-27 2018-06-27 模拟动态换道行为的双车道元胞自动机微观交通仿真方法 Active CN109002595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810681174.7A CN109002595B (zh) 2018-06-27 2018-06-27 模拟动态换道行为的双车道元胞自动机微观交通仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810681174.7A CN109002595B (zh) 2018-06-27 2018-06-27 模拟动态换道行为的双车道元胞自动机微观交通仿真方法

Publications (2)

Publication Number Publication Date
CN109002595A CN109002595A (zh) 2018-12-14
CN109002595B true CN109002595B (zh) 2021-10-19

Family

ID=64600699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810681174.7A Active CN109002595B (zh) 2018-06-27 2018-06-27 模拟动态换道行为的双车道元胞自动机微观交通仿真方法

Country Status (1)

Country Link
CN (1) CN109002595B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119528B (zh) * 2019-03-28 2022-10-04 长安大学 一种基于智能体元胞自动机的桥梁随机车流仿真系统
CN109979200A (zh) * 2019-03-29 2019-07-05 武汉理工大学 一种全时共享公交专用道社会车辆换道引导系统及方法
CN110472271A (zh) * 2019-07-01 2019-11-19 电子科技大学 一种微观交通仿真的非机动车道混合交通流模型构建方法
CN111243309A (zh) * 2020-01-10 2020-06-05 北京航空航天大学 一种基于自动驾驶车辆移动检测的快速路交通流全样本轨迹重构方法
CN112395734B (zh) * 2020-08-26 2022-07-01 腾讯科技(深圳)有限公司 车辆驾驶的仿真方法和装置、存储介质及电子设备
CN114200917B (zh) * 2020-08-27 2023-09-01 郑州宇通客车股份有限公司 一种车辆换道控制方法及装置
CN112347693B (zh) * 2020-10-26 2023-12-22 上海感探号信息科技有限公司 一种车辆运行动态镜像模拟方法、装置和系统
CN112711796A (zh) * 2020-12-24 2021-04-27 河海大学 一种引入虚拟车道的城市快速路车辆换道仿真实验方法
CN113495563B (zh) * 2021-06-10 2022-09-20 吉林大学 用于自动驾驶虚拟测试的交通车换道决策规划方法
CN113792424B (zh) * 2021-09-06 2024-01-19 清华大学深圳国际研究生院 自动驾驶车异质交通流下的多车道换道方法及系统
CN114582127A (zh) * 2022-03-07 2022-06-03 中国公路工程咨询集团有限公司 一种交通流模型仿真方法、系统和异常交通事件预测方法
WO2023168630A1 (zh) * 2022-03-09 2023-09-14 华为技术有限公司 一种控车方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102433811A (zh) * 2011-10-15 2012-05-02 天津市市政工程设计研究院 港区道路交叉口最小间距确定方法
CN102968541A (zh) * 2012-12-11 2013-03-13 东南大学 基于跟车行为的交通流微观仿真方法
CN106652564A (zh) * 2017-03-07 2017-05-10 哈尔滨工业大学 车联网环境下的交通流元胞自动机建模方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8738336B2 (en) * 2011-08-08 2014-05-27 Xerox Corporation Systems and methods for enhanced cellular automata algorithm for traffic flow modeling

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102433811A (zh) * 2011-10-15 2012-05-02 天津市市政工程设计研究院 港区道路交叉口最小间距确定方法
CN102968541A (zh) * 2012-12-11 2013-03-13 东南大学 基于跟车行为的交通流微观仿真方法
CN106652564A (zh) * 2017-03-07 2017-05-10 哈尔滨工业大学 车联网环境下的交通流元胞自动机建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Cellular Automaton Model for Two-Lane Traffic;V. Belitsky等;《Journal of Statistical Physics》;20010630;第103卷;第945–971页 *
基于跟车行为的双车道交通流元胞自动机模型;敬明 等;《物理学报》;20121231;第61卷(第24期);正文第1-5节 *

Also Published As

Publication number Publication date
CN109002595A (zh) 2018-12-14

Similar Documents

Publication Publication Date Title
CN109002595B (zh) 模拟动态换道行为的双车道元胞自动机微观交通仿真方法
CN106991251B (zh) 一种高速公路交通流元胞机仿真方法
Zamith et al. A new stochastic cellular automata model for traffic flow simulation with drivers’ behavior prediction
US11465650B2 (en) Model-free reinforcement learning
CN102982703B (zh) 一种汽车驾驶仿真器与虚拟交通环境仿真系统的交互方法
CN107168303A (zh) 一种汽车的自动驾驶方法及装置
CN107301289B (zh) 一种基于智能博弈的交通流元胞自动机模型的实现方法
Siebinga et al. A human factors approach to validating driver models for interaction-aware automated vehicles
That et al. An integrated framework combining a traffic simulator and a driving simulator
CN110956851A (zh) 一种智能网联汽车协同调度换道方法
CN111856969A (zh) 自动驾驶仿真测试方法及装置
Ji et al. Estimating the social gap with a game theory model of lane changing
Abdelgawad et al. Advanced traffic simulation framework for networked driving simulators
CN110728464B (zh) 一种交通流模型的构建方法及构建系统
CN115204455A (zh) 适用于高速与环路交通场景的长时域驾驶行为决策方法
CN110119528B (zh) 一种基于智能体元胞自动机的桥梁随机车流仿真系统
CN108986454B (zh) 模拟驾驶人主观感知与反应的交通流微观仿真方法
Lin et al. Generating believable mixed-traffic animation
Wei et al. A learning-based autonomous driver: emulate human driver's intelligence in low-speed car following
CN108665069A (zh) 一种用于无人车训练模拟的突发性事件触发机制
CN111767648B (zh) 一种基于简化的社会力计算模型的混合交通仿真方法
CN114954498A (zh) 基于模仿学习初始化的强化学习换道行为规划方法及系统
EP4160478A1 (en) Driving decision-making method, device, and chip
Mubasher et al. Modeling of individual differences in car-following behaviour of drivers
Koprulu et al. Act to reason: A dynamic game theoretical driving model for highway merging applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant