CN113204863B - 基于元胞自动机的手动-cacc自动驾驶车辆混合流仿真方法 - Google Patents

Abstract

本发明公开了一种基于元胞自动机的手动‑CACC自动驾驶车辆混合流仿真方法，其包括以下步骤：步骤1、确定手动驾驶车辆与CACC自动驾驶车辆的安全距离；步骤2、建立手动驾驶车辆的元胞自动机模型；步骤3、建立CACC自动驾驶车辆的元胞自动机模型；步骤4、将需仿真交通流数值输入步骤2和步骤3模型，对车辆混合的交通流进行仿真。本发明提供了结合CACC自动驾驶跟驰模型与元胞自动机模型对手动驾驶‑CACC自动驾驶车辆混合交通流进行建模的方法，并考虑到CACC自动驾驶车辆的出现对手动驾驶者的影响造成对混合交通流特性的影响，对车辆混合流进行了合理仿真。

Description

基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法

技术领域

本发明属于交通流仿真领域，尤其涉及一种基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法。

背景技术

随着中国经济的快速发展，家用车辆保有量快速上升，从而使城市以及高速公路的交通系统出现越来越多的问题，传统交通系统，手动驾驶者对交通环境与前方车辆行驶状态反应能力与判断能力的局限性，以及不同驾驶者驾驶的差异性，是造成交通流不稳定、产生时走时停现象、交通拥堵、交通安全等问题的根本原因。因此传统交通系统逐渐迈向智能交通系统，具有智能辅助驾驶以及完全自动驾驶系统的车辆将不可避免出现在未来的交通系统之中，所以急需讨论和研究在智能交通系统下智能辅助与自动驾驶车辆组成的交通流特性、安全、通行效率等问题。对自动驾驶车辆的研究，是当下和未来构建智能交通重要的一部分，因为其可以通过车联网通信技术实时的获取前车的运动状态，比普通驾驶者更及时、更准确地感知周围的交通状况，以及更稳定、更快速、更安全地做出控制速度的决策判断，有望从微观车辆层次改进传统交通流特性，进而减缓交通堵塞与交通安全等问题。

CACC自动驾驶车辆技术尚不成熟，国外研究机构进行小规模车队的真车试验大规模的真车试验的条件尚不具备。目前，国内外研究CACC自动驾驶车辆交通流的方法主要有：真车测试、基于交通软件构建实验平台模拟、数值仿真等。第一种方法的成本太大，实验条件要求较高，且社会对自动驾驶真车尚有顾虑；第二种方法，实验平台搭建较为困难，成本也高于数值仿真；随着计算机技术的提升，数值模拟这一研究手段在交通领域快速的发展，它可以模拟各类交通状况以及各类车辆组成的交通流问题，并且实验时间和实验成本方面的优势是其他方法无法比拟的。目前，交通领域已采用数值仿真的方法研究了普通车辆以及各类自动驾驶车辆的交通问题，预测交通流在交通流量、平均速度、通行效率、燃油消耗、气体排放等方面。

本发明提供一种结合CACC自动驾驶跟驰模型与元胞自动机模型对手动驾驶-CACC自动驾驶车辆混合交通流进行建模的方法。并考虑到CACC自动驾驶车辆的出现对手动驾驶者的影响造成对混合交通流特性的影响。

发明内容

为了解决现有技术存在的不足，本发明建立基于安全车间距的CACC自动驾驶与传统手动驾驶车辆混合交通元胞自动机模型，并进行数值仿真。通过对混合交通流数值仿真结果分析，研究含有不同比例CACC自动驾驶车辆的混合交通流特性。同时针对混合交通流环境中传统手动驾驶车辆的前车为CACC自动驾驶车辆时，驾驶员会在心理作用下造成车间距增大的情况，研究手动驾驶车辆与自动驾驶车辆交互过程中对混合交通流特性的影响。

为了实现上述目的，本发明的一个实施方式的一种基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法，其包括以下步骤：

步骤1、确定手动驾驶车辆与CACC无人驾驶车辆的安全距离表达式为：

Gap_safe,n,i(t)＝v_n(t)×h_t-l_n+d_D-value (1)

其中，Gap_safe,n,i(t)为车辆n在t时刻的安全车距；h_t是常量，表示车辆的车头时距；v_n(t)表示车辆n在t时刻的速度；l_n表示前车的车身长度，d_D-value为前车为CACC自动驾驶车辆手动驾驶员心理影响因素影响对原来的安全间距所增加的差值；

步骤2、建立手动驾驶车辆的元胞自动机模型，其演化规则如下：

加速过程

以概率P随机减速过程

确定性减速过程

d_n(t)＜Gap_safe,n,i(t)时，车辆进行确定性安全减速但是不应小于0：

d_n(t)≥Gap_safe,n,i(t)时，车辆确定性减速

更新位置

x_n(t+1)＝x_n+v_n(t+1) (6)

其中，v_n(t)为第n辆车在t时刻的速度，v_max为车辆行驶时最大速度，P为手动驾驶车辆因外界因素而产生的随机减速概率，d_n(t)表示车辆n在t时刻车头与前车车头之间的距离，x_n(t)和x_n(t+1)为车辆n在t与t+1时刻的物理位置；

步骤3、建立CACC无人驾驶车辆的元胞自动机模型；其演化规则如下：

确定速度变化量

e_n(t)＝d_n(t)-Gap_safe,n,i(t) (7)

dv_n(t)＝k₀dv_n+1(t)+k₁e_n(t)+k₂(v_n+1(t)-v_n(t)) (8)

加减速过程

d_n(t)＞Gap_safe,n,i(t)时，车辆加速，[dv_n(t)]为不小于dv_n(t)的最小整数：

v_n(t+1)＝min(v_n(t)+[dv_n(t)],v_max) (9)

d_n(t)＝Gap_safe,n,i(t)时，车间距等于安全距离，车辆匀速行驶：

v_n(t+1)＝min(v_n(t),d_n(t)) (10)

d_n(t)＜Gap_safe,n,i(t)时，车间距小于安全距离，车辆减速，[dv_n(t)]为不小于dv_n(t)的最小整数：

v_n(t+1)＝max(min(v_n(t)+[dv_n(t)],d_n(t)),0) (11)

更新位置

x_n(t+1)＝x_n+v_n(t+1) (12)

其中，e_n(t)为第n辆车在t时刻与前车的车间距与应该保持的安全距离误差值；d_n(t)为第n辆车在t时刻与前车的车间距；Gap_safe,n,i(t)为安全距离；dv_n(t)和dv_n+1(t)为第n辆车在t时刻的加速度；k₀，k₁，k₂为模型参数；

步骤4、将需仿真交通流数值输入所述步骤2和步骤3模型，对车辆混合的交通流进行仿真。

进一步地，所述步骤2中的手动驾驶车辆的元胞自动机模型为对确定性减速过程进行改进的NaSch模型。

进一步地，所述步骤2中P＝0.2。

进一步地，所述步骤3中的模型参数取值为k₀＝1.1，k₁＝0.23，k₂＝0.07。

本发明的有益效果为：

1、本发明建立了基于安全车间距的CACC自动驾驶与传统手动驾驶车辆混合交通元胞自动机模型，并进行数值仿真；

2、本发明通过对混合交通流数值仿真结果分析，研究含有不同比例CACC自动驾驶车辆的混合交通流特性；

3、本发明同时针对混合交通流环境中传统手动驾驶车辆的前车为CACC自动驾驶车辆时，驾驶员会在心理作用下造成车间距增大的情况，研究手动驾驶车辆与自动驾驶车辆交互过程中对混合交通流特性的影响。

附图说明

图1为本发明的基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法的流程图；

图2为本发明实施例中手动驾驶车辆车间距说明图；

图3为本发明实施例中手动驾驶车辆前车为CACC自动驾驶车辆时车间距说明图；

图4为本发明实施例中混合交通流数值仿真界面图；

图5为本发明实施例中不同比例CACC车辆混合交通流的密度-流量基本图；

图6为本发明实施例中不同比例CACC车辆混合交通流的密度-平均速度图；

图7为本发明实施例中手动驾驶员在对CACC车辆顾虑导致车间距增加时，不同车间距差值混合交通流的密度-流量基本图；

图8为本发明实施例中手动驾驶员在对CACC车辆顾虑导致车间距增加时，不同车间距差值混合交通流的密度-平均速度基本图；

图9为本发明实施例中同一时间，前后车均为手动驾驶车辆时，车辆之间车间距和后车速度图；

图10为本发明实施例中同一时间，前车CACC车辆后车为手动驾驶车辆时，车辆之间车间距和后车速度图；

图11为本发明实施例中同一时间，前车为手动驾驶车辆后车CACC车辆时，车辆之间车间距和后车速度图；

图12为本发明实施例中同一时间，前后车均为CACC车辆时，车辆之间车间距和后车速度图。

具体实施方式

为使本发明的目的、技术方案和优点更为清楚，下面结合附图1-2和实施例作进一步说明。

本发明提出了一种基于元胞自动机的CACC自动驾驶车辆与传统手动驾驶车辆混合的交通流模型数值仿真方法。其总体的流程图如图1所示，包括以下步骤：

步骤1、确定手动驾驶车辆与CACC自动驾驶车来辆的安全距离，安全车距的表达式为：

Gap_safe,n,i(t)＝v_n(t)×h_t-l_n+d_D-value (1)

其中，Gap_safe,n,i(t)为车辆n在t时刻的安全车距；h_t是常量，表示车辆的车头时距；v_n(t)表示车辆n在t时刻的速度；l_n表示前车的车身长度，d_D-value为前车为CACC自动驾驶车辆，由于手动驾驶员心理影响因素影响对原来的安全间距所增加的差值。

步骤2、建立手动驾驶车辆的元胞自动机模型；

建立手动驾驶车辆的对确定性减速过程进行改进的NaSch模型，由于对交通实测数据分析，确定性减速过程更有可能发生在随机减速过程之后，以及为了避免确定性减速时与前车的车间距太小，减速过程中会判断当前车间距与安全距离大小来确定减速规则。改进的NaSch模型演化规则如下：

(1)加速过程

(2)以概率P随机减速过程

(3)d_n(t)＜Gap_safe,n,i(t)时，车辆进行确定性减速但是不应小于0：

d_n(t)≥Gap_safe,n,i(t)时，车辆确定性减速

(4)更新位置

x_n(t+1)＝x_n+v_n(t+1) (6)

其中，v_n(t)为第n辆车在t时刻的速度，其他时刻类似，元胞自动机把一秒分为不同阶段，进行加减速操作；v_max为车辆行驶时最大速度，下文有给具体仿真参数；P为手动驾驶车辆因外界因素而产生的随机减速概率，此处取P＝0.2；d_n(t)表示车辆n在t时刻车头与前车车头之间的距离，x_n(t)和x_n(t+1)车辆n在t与t+1时刻的物理位置。备注：公式4与其条件为传统模型对减速部分做出的改变以便于更好的与本文提出的自动驾驶模型对比。

步骤3、建立CACC无人驾驶车辆的元胞自动机模型；

建立根据车间距与安全距离大小关系决定加减速规则，根据PATH实验室CACC车辆纵向跟驰模型确定加速度的元胞自动机模型。其演化规则如下：

(1)确定速度变化量

e_n(t)＝d_n(t)-Gap_safe,n,i(t) (7)

dv_n(t)＝k₀dv_n+1(t)+k₁e_n(t)+k₂(v_n+1(t)-v_n(t)) (8)

(2)d_n(t)＞Gap_safe,n,i(t)时，车辆加速([dv_n(t)]为不小于dv_n(t)的最小整数)：

v_n(t+1)＝min(v_n(t)+[dv_n(t)],v_max) (9)

(3)d_n(t)＝Gap_safe,n,i(t)时，车间距等于安全距离，车辆匀速行驶：

v_n(t+1)＝min(v_n(t),d_n(t)) (10)

(4)d_n(t)＜Gap_safe,n,i(t)时，车间距小于安全距离，车辆减速([dv_n(t)]为不小于dv_n(t)的最小整数)：

v_n(t+1)＝max(min(v_n(t)+[dv_n(t)],d_n(t)),0) (11)

(5)更新位置

x_n(t+1)＝x_n+v_n(t+1) (12)

其中，e_n(t)为第n辆车在t时刻与前车的车间距与应该保持的安全距离误差(即差值)；d_n(t)为第n辆车在t时刻与前车的车间距；Gap_safe,n,i(t)为安全距离在上文有过详述；dv_n(t)和dv_n+1(t)为第n辆车在t时刻的速度变化量(加速度)；k0，k1，k2为模型参数，下述模型仿真参数有给值。

步骤4、将需仿真交通流数值输入步骤2和步骤3模型，对车辆混合的交通流进行仿真。

仿真实验，采用周期性边界，对应的真实道路长为7.5km，分为1000个格点，即L＝1000，每个格子的长度为7.5m。V_max为5cell/s，换算真实车速为135km/h。道路上手动驾驶车辆为N₁辆，CACC自动驾驶车辆的数量为N₂辆，因此车辆的总数为N＝N₁+N₂，所有的车辆初始位置和速度都随机分布的。为了表示车辆的混合程度，引入混合比例系数r，r＝N₂/N表示CACC自动驾驶车辆数量与车辆总数量的比值，可知0≤r≤1。CACC自动驾驶车辆跟驰模型参数取k₀＝1.1,k₁＝0.23,k₂＝0.07,T＝0.8。仿真系统每一次运行11000时间步，统计运行状态数据时为排除暂态影响，舍弃前10000时间步，记录后1000时间步的混合交通流的运行状态数据并进行处理和取平均值，并取20次运行结果取平均用于降低初始分布带来的影响。数值模拟涉及车辆密度ρ，平均速度

平均流量q，计算公式分别为：

ρ＝N/L (13)

下面将结合本发明中的实施例，对本发明中的技术方案进行清楚、完整地描述。显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

1.确定不同车型之间车间距计算方式

不同车型之间的车间距计算方式如图2和图3所示，其中图2为手动驾驶车辆的前车为手动驾驶车辆时车间距的计算方式；图3为手动驾驶车辆的前车为CACC车辆时，考虑到手动驾驶员对CACC车辆的有所顾虑情况下车间距的计算方式。

2.建立单车道手动驾驶-CACC车辆混合交通流数值仿真模型

数值仿真流程如图1所示，仿真界面由图4所示，其中黑色部分为无车，白色部分为车辆。设置参数为：对应的真实道路长为7.5km，分为1000个格点，即L＝1000，每个格子的长度为7.5m。V_max为5cell/s，换算真实车速为135km/h。手动驾驶车辆参数取h_t＝2s,P＝0.2；CACC自动驾驶车辆k₀，k₁，k₂参数分别取k₀＝1.1,k₁＝0.23,k₂＝0.07,T＝0.8，设置步长1s，总仿真时间11000s，统计运行状态数据时为排除暂态影响，舍弃前10000时间步，记录后1000时间步的混合交通流的运行状态数据并进行处理。数值仿真得到混合交通流的密度-流量基本图、密度-平均速度基本图、手动驾驶员对CACC车辆不同顾虑情况下的混合交通流基本图等，如图5～图12所示。

其中图5和图6分别为本发明的实例1中含有不同比例CACC车辆混合交通流的密度-流量基本图和密度-平均速度基本图。

图7和图8分别为本发明实例1中手动驾驶员对CACC车辆不同程度的顾虑而导致的车间距增大时混合交通流的密度-流量基本图和密度-平均速度基本图。

图9-图12为本发明实例中同一时间，前后车辆分别为不同驾驶方式的车辆相互组合后车间距与后车速度分析图，驾驶方式分别为：手动驾驶-手动驾驶；CACC自动驾驶-手动驾驶；手动驾驶-CACC自动驾驶；CACC自动驾驶-CACC自动驾驶。

表1：不同混合比例下的基本图的数据

由表1可知，当CACC车辆混合比例增大，混合流临界密度增大，流量峰值大幅度上升，说明随着CACC车辆所占比例的上升，混合流的通行能力大幅度上升，当道路上全为CACC车辆，平均速度有较为明显的提升，能达到最大速度，流量峰值相比较道路上全为手动驾驶车辆提升了63.48％。使混合交通流流量与平均速度较大幅度的上升，即通行能力得到较大提升。

由图5和图6以及表1可知：CACC车辆的比例大小对混合交通流的状态以及参数有明显的影响，随着CACC车辆占比增大，局部堵塞会明显减少，堵塞带缩短，平均速度增加，明显改善交通拥堵问题。车道全为自动驾驶车辆时峰值流量是全为手动驾驶车辆峰值流量的1.64倍，其平均速度在低密度区域能到达最大速度，展现与传统手动驾驶车辆平均速度不同的特性，证实其通行效率明显优于传统手动驾驶车辆。

表2：混合比例r＝0.5不同d_{D_value}下的基本图的数据

由图7和图8以及表2可知：表2为图7-8具体数据，其他参数相同时，d_D-value取不同值时，对临界密度这一参数没有影响，故不再赘述。在低密度0≤ρ≤ρ_j区间，当d_D-value逐渐增加，流量峰值q_max与ρ_j时的平均速度均有不同程度下降，当d_D-value＝3时，q_max的下降率为17.73％，平均速度也有所下降，说明即使混合流处于自由流状态时，由于手动驾驶者的警惕心理使自由流车间距增大，混合交通流的流量有所降低，但降低比例较小；中密度0.5＜ρ≤1区域，混合流在局部轻微堵塞时，手动驾驶者的警惕心理对混合流的流量有所影响，但幅度较小；高密度区域选取密度ρ＝0.6与ρ＝ρ_j对比，当ρ＝0.6时，随着d_D-value逐渐增大，混合交通流的流量具有明显地下降趋势，当d_D-value＝3时，对应的流量的下降率高达74.36％，说明在中高密度下，混合流大部分区域处于较严重堵塞情况，此时手动驾驶者的警惕心理增加的车间距使堵塞情况进一步加重，甚至引起交通系统全面瘫痪。同时影响通行截止密度，此处通行截止密度定义为混合流流量首次降至0时的密度，d_D-value由0变为1时，截止密度减小幅度最大，截止密度由0.96降至0.80，后续随着进一步增加，截止密度呈线性降低，d_D-value＝3时截止密度降至0.72。结果表明：当驾驶员对CACC车辆的安全顾虑越大时，驾驶者会因为心理因素使手动驾驶车辆安全距离增大，导致交通流车间距过大，前后车辆的速度调节同步率低，从而使交通流流量、平均速度、截止密度下降，这一现象在高密度区域尤其显著。

由图9-图12可知：当前后车均为自动驾驶车辆时，根据车间距快速调节速度使整个交通流趋于较稳定、通畅行驶的状态。混合交通流的流量-密度关系符合交通流特性。混合交通流中出现拥堵流区域与自由流区域相互叠加产生亚稳态区域现象，符合真实交通流实测现象。

以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (4)

1.一种基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法，其特征在于，其包括以下步骤：

步骤1、确定手动驾驶车辆与CACC自动驾驶车辆的安全距离表达式为：

Gap_safe,n,i(t)＝v_n(t)×h_t-l_n+d_D-value (1)

其中，Gap_safe,n,i(t)为车辆n在t时刻的安全车距；h_t是常量，表示车辆的车头时距；v_n(t)表示车辆n在t时刻的速度；l_n表示前车的车身长度，d_D-value为前车为CACC自动驾驶车辆手动驾驶员心理影响因素影响对原来的安全间距所增加的差值；

步骤2、建立手动驾驶车辆的元胞自动机模型，其演化规则如下：

加速过程

以概率P随机减速过程

确定性减速过程

d_n(t)＜Gap_safe,n,i(t)时，车辆进行确定性安全减速但是不应小于0：

d_n(t)≥Gap_safe,n,i(t)时，车辆确定性减速

更新位置

x_n(t+1)＝x_n+v_n(t+1) (6)

其中，v_n(t)为第n辆车在t时刻的速度，v_max为车辆行驶时最大速度，P 为手动驾驶车辆因外界因素而产生的随机减速概率，d_n(t)表示车辆n在t时刻车头与前车车头之间的距离，x_n(t)和x_n(t+1)为车辆n在t与t+1时刻的物理位置；

步骤3、建立CACC自动驾驶车辆的元胞自动机模型；其演化规则如下：

确定速度变化量

e_n(t)＝d_n(t)-Gap_safe,n,i(t) (7)

dv_n(t)＝k₀dv_n+1(t)+k₁e_n(t)+k₂(v_n+1(t)-v_n(t)) (8)

加减速过程

d_n(t)＞Gap_safe,n,i(t)时，车辆加速，[dv_n(t)]为不小于dv_n(t)的最小整数：

v_n(t+1)＝min(v_n(t)+[dv_n(t)],v_max) (9)

d_n(t)＝Gap_safe,n,i(t)时，车间距等于安全距离，车辆匀速行驶：

v_n(t+1)＝min(v_n(t),d_n(t)) (10)

d_n(t)＜Gap_safe,n,i(t)时，车间距小于安全距离，车辆减速，[dv_n(t)]为不小于dv_n(t)的最小整数：

v_n(t+1)＝max(min(v_n(t)+[dv_n(t)],d_n(t)),0) (11)

更新位置

x_n(t+1)＝x_n+v_n(t+1) (12)

其中，e_n(t)为第n辆车在t时刻与前车的车间距与应该保持的安全距离误差值；d_n(t)为第n辆车在t时刻与前车的车间距；Gap_safe,n,i(t)为安全距离；dv_n(t)和dv_n+1(t)为第n辆车在t时刻的加速度；k₀，k₁，k₂为模型参数；

步骤4、将需仿真交通流数值输入所述步骤2和步骤3模型，对车辆混合的交通流进行仿真。

2.根据权利要求1所述的基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法，其特征在于，所述步骤2中的手动驾驶车辆的元胞自动机模型为对确定性减速过程进行改进的NaSch模型。

3.根据权利要求1所述的基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法，其特征在于，所述步骤2中P＝0.2。

4.根据权利要求1所述的基于元胞自动机的手动-CACC自动驾驶车辆混合流仿真方法，其特征在于，所述步骤3中的模型参数取值为k₀＝1.1，k₁＝0.23，k₂＝0.07。

Images