CN115394073A - 一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 - Google Patents
一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 Download PDFInfo
- Publication number
- CN115394073A CN115394073A CN202210662729.XA CN202210662729A CN115394073A CN 115394073 A CN115394073 A CN 115394073A CN 202210662729 A CN202210662729 A CN 202210662729A CN 115394073 A CN115394073 A CN 115394073A
- Authority
- CN
- China
- Prior art keywords
- congestion
- vehicle
- foggy
- environment
- visibility
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001413 cellular effect Effects 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 238000011160 research Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 16
- 238000011084 recovery Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims 1
- 208000035473 Communicable disease Diseases 0.000 abstract description 2
- 208000015181 infectious disease Diseases 0.000 abstract description 2
- 208000027744 congestion Diseases 0.000 description 90
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及高速公路交通流运行状态技术领域,且公开了一种在雾天环境下基于CA‑SIR(CA‑SIR,Cellular Automata‑Susceptible,Infected,Removed,元胞自动机‑传染病)模型的高速公路拥挤传播方法,包括以下步骤:1)、2)、3)、4)、5)、6)、7)。该雾天环境下的高速公路拥挤传播方法,通过充分考虑雾天环境下不同能见度对交通流影响的差异,在结合不同能见度对驾驶视距和交通拥挤的影响的基础上,建立雾天环境下的车辆换道规则和制动概率,标定高速公路拥挤传播的关键参数,实现定量分析雾天环境下不同能见度对高速公路交通流影响,由不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,达到了完成雾天环境下不同能见度的高速公路交通拥挤传播机理研究的目标。
Description
技术领域
本发明涉及高速公路交通流运行状态技术领域,具体为一种雾天环境下基于CA-SIR(CA-SIR,Cellular Automata-Susceptible,Infected,Removed,元胞自动机-传染病)模型的高速公路拥挤传播方法。
背景技术
高速公路由于其全程封闭、行驶速度高、出入口间距长等特点,一旦发生拥挤,持续时间长且影响严重,甚至会带来次生的交通事故,影响主线运行的可靠性,而雾天环境会对高速公路上的路面状况、车辆性能、能见度和驾驶员行为产生显著负面影响。因此分析雾天环境下不同能见度对高速公路交通拥挤传播的影响,构建拥挤传播模型并确定雾天环境下的关键参数,探究雾天环境下高速公路的拥挤传播机理,是科学制定未来交通管理与控制策略、缓解雾天时高速公路拥挤状态的有效途径。
目前存在的雾天环境相关研究,大多集中在雾天环境下能见度对驾驶行为的影响以及对交通流运行特性的影响,对于交通流拥挤,特别是在高速公路上其拥挤的形成、传播与消散等状态演化,缺乏系统深入的探究,个别涉及雾天环境下的车辆跟驰表现的研究,也局限于设定好基础条件的微观场景,没有考虑到雾天环境下不同能见度对交通流影响的差异,不能很科学的套用于整体高速公路环境,无法做到宏观上缓解雾天环境下高速公路的交通流拥挤情况,同理已有的研究模型其关键参数的标定也不具备适用性,因此本发明分析雾天环境下不同能见度对交通流拥挤影响的定量关系,标定宏观场景下的模型关键参数,给出雾天环境下高速公路交通拥挤传播机理以解决上述问题。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种在雾天环境下的高速公路拥挤传播方法,具备可定量分析雾天环境下不同能见度对高速公路交通流影响的优点,解决了现有技术无法做到考虑不同能见度场景的条件下,实现获取雾天环境下高速公路拥挤传播演化机理的问题。
(二)技术方案
为实现上述宏观上分析雾天环境下不同能见度对高速公路交通流拥挤影响的目的,本发明提供如下技术方案:一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,包括以下步骤:
1)、分析在雾天环境不同能见度下的元胞CA模型设置,将所述元胞CA模型设置的目标分为三个:以高速公路三车道模型为基础设定元胞(cell,1cell=5m)数量及场景车道长度、以高速公路上行驶的限速要求规定模型车辆最大车速(cell/s)、以各能见度下限速条件设定元胞自动机模型中的限速;
2)、分析不同能见度下的场景分类问题,将场景分类阶段的目标分为两个:以雾天能见度计算驾驶员可视距离、以不同能见度下最小行车车距判定场景分类标准,如下表所示:
3)建立轻雾、中雾、大雾能见度下,场景一的跟驰换道规则:
dt,i表示t时刻第i辆车受到前车影响,可能会进行换道;dt,i,front为t时刻第i辆车与相邻车道上最近前车的距离(cell);dt,i,back为t时刻第i辆车与相邻车道上最近后车的距离(cell);rand()为0到1之间的随机数;vt,i表示t时刻第i辆车的速度(cell/s);dsafe表示最小安全距离;vt,i,back为t时刻相邻车道上与第i辆车最近后车的速度(cell/s);αn·vmax,i,back为第n种能见度下t时刻相邻车道上与第i辆车最近后车的最大速度(cell/s);Pchange为车辆的换道概率,取0.41(轻雾)、0.23(中雾)、0.14(大雾)。
4)、建立浓雾能见度下,场景二的随机制动概率:
Δvt,i,other=min(vt,i-vt,i+1,other)
随机制动概率Pbrake的取值受到相邻车道车辆的影响;P0表示浓雾环境下不受相邻车道影响的车辆随机制动概率;vt,i为车辆i在t时刻速度;车辆i的相邻车道上最近前车在t时刻速度记为vt,i+1,other;车辆的最大速度为vmax;Δvt,i,other表示t时刻第i辆车与相邻车道上最近前车速度差(cell/s);γ=0.4,δ=0.5;dt,i,other表示t时刻第i辆车与相邻车道上最近前车的距离(cell)。
5)、确定雾天环境下高速公路拥挤传播的CA-SIR模型关键参数:
λCA为拥挤传播概率;μCA为拥挤恢复概率;雾天环境下的速度因子αi根据不同能见度受到影响,取值在0-1之间;表示平均拥堵传播概率,设定δ=0.5;为平均拥堵恢复概率,设定Pchange为车辆的换道概率,取0.41(轻雾)、0.23(中雾)、0.14(大雾);Pbrake为随机制动概率;vi,max为不同雾天环境下的限速值;vmax=7cell/s为晴朗天气下的最大速度。
6)、采用MATLAB进行仿真求解雾天环境不同能见度下的道路时空变化图,得到不同能见度下车辆拥挤排队情况及平均车速,考虑能见度对驾驶员视距及车辆限速的影响,根据车辆拥挤区域、拥挤密度、拥挤时长、消散时间等判断不同能见度下的拥挤传播规律;
7)、分析雾天环境不同能见度下的车辆速度特性,分析高速公路拥挤传播各时间点的拥挤车辆演化发展机理,完成雾天环境下基于CA-SIR模型的高速公路拥挤传播。
优选的,包括根据雾天环境的限速规定对元胞自动机模型进行基础设定,根据不同能见度进行视距计算及场景分类,分别建立两种雾天场景的跟驰换道规则,确定拥挤传播规律的关键参数,获取在雾天环境下高速公路车辆道路时空变化轨迹,得到高速公路拥挤传播情况,根据雾天环境不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,构成雾天环境下的高速公路拥挤传播方法。
优选的,所述雾天环境不同能见度下的元胞CA模型设置包括设定雾天环境高速公路适用模型的元胞数量及场景车道长度、设定高速公路适用的模型车辆最大车速、设定各能见度下元胞自动机模型中的限速。
优选的,所述不同能见度下的场景分类问题需考虑的条件包括驾驶员在不同雾天能见度下的可视距离以及车辆在不同能见度下的最小行车车距。
优选的,所述轻雾、中雾、大雾能见度下场景一的跟驰换道规则是通过可视距离对前方车辆行驶速度、跟车距离以及相邻车道上车辆行驶速度进行判定。
优选的,考虑浓雾天气受到极低能见度影响,车辆更易选择结伴而行,不存在换道情况,根据车辆与相邻车道车辆的跟车距离和行驶速度的确定浓雾能见度下的制动概率,作为研究拥挤传播的依据。
优选的,雾天环境下高速公路拥挤传播的关键参数主要包括拥挤传播概率与拥挤恢复概率,其与制动概率与换道概率相关,并考虑雾天环境下对不同能见度下的限速要求,达到实现定量化分析雾天环境下不同能见度对高速公路交通流拥挤影响的效果。
优选的,模型求解采用CA-SIR模型,运用MATLAB进行仿真得到雾天环境下不同能见度的道路时空变化示意图,根据其车辆出现拥挤现象的位置、拥挤密度、拥挤时间及消散时间,判断雾天环境不同能见度条件下高速公路拥挤传播的情况。
优选的,对各能见度下车辆平均速度对比分析,得出不同能见度下影响高速公路拥挤传播的主要因素,最终得到雾天环境下不同能见度基于CA-SIR模型的高速公路拥挤传播机理。
(三)有益效果
与现有技术相比,本发明提供了一种在雾天环境下基于CA-SIR模型高速公路拥挤传播方法,具备以下有益效果:
1、该雾天环境下的高速公路拥挤传播方法,通过充分考虑雾天环境下不同能见度对交通流影响的差异,在结合不同能见度对驾驶视距和交通拥挤的影响的基础上,建立雾天环境下的高速公路拥挤传播研究方案,实现定量分析雾天环境下不同能见度对高速公路交通流影响,标定高速公路拥挤传播的关键参数,由不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,达到了研究雾天环境下不同能见度高速公路交通拥挤传播机理的目标。
2、该雾天环境下的高速公路拥挤传播方法,通过根据雾天环境的限速规定对元胞自动机模型进行基础设定,根据不同能见度进行视距计算、限速计算及场景分类,分别建立两种雾天场景的跟驰换道规则,两种场景的跟驰示意图如图2、3所示,确定拥挤传播规律的关键参数,获取在雾天环境下高速公路拥挤传播情况,不同能见度下的高速公路道路时空图如图4、5、6、7所示,根据雾天环境不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,速度特性示意图如图8所示,从而有效的解决了现有技术无法做到在考虑不同能见度场景的条件下,实现获取雾天环境下高速公路拥挤传播演化机理的问题。
附图说明
图1为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法的流程图;
图2为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法场景一高速公路单车道上可视距离与前车间距示意图;
图3为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法场景二车辆与邻车距离仿真示意图;
图4为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法能见度400m(轻雾)时的车辆位置—时间变化示意图;
图5为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法能见度170m(中雾)时的车辆位置—时间变化示意图;
图6为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法能见度75m(大雾)时的车辆位置—时间变化示意图;
图7为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法能见度40m(浓雾)时的车辆位置—时间变化示意图;
图8为本发明提出的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法各能见度下车辆总体的平均速度示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
请参阅图1-8,一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,包括以下步骤:
1)、分析在雾天环境不同能见度下的元胞CA模型设置,将元胞CA模型设置的目标分为三个:以高速公路三车道模型为基础设定元胞数量及场景车道长度、以高速公路上行驶的限速要求规定模型车辆最大车速(cell/s)、以各能见度下限速条件设定元胞自动机模型中的限速(1cell=5m);
具体而言,雾天环境不同能见度下的元胞CA模型设置包括设定雾天环境高速公路适用模型的元胞数量及场景车道长度、设定高速公路适用的模型车辆最大车速、设定各能见度下元胞自动机模型中的限速。
2)、分析不同能见度下的场景分类问题,将场景分类阶段的目标分为两个:以雾天能见度计算驾驶员可视距离、以不同能见度下最小行车车距判定场景分类标准,如下表所示:
具体而言,不同能见度下的场景分类问题需考虑的条件包括驾驶员在不同雾天能见度下的可视距离以及车辆在不同能见度下的最小行车车距。
3)建立轻雾、中雾、大雾能见度下场景一的跟驰换道规则:
dt,i表示t时刻第i辆车受到前车影响,可能会进行换道;dt,i,front为t时刻第i辆车与相邻车道上最近前车的距离(cell);dt,i,back为t时刻第i辆车与相邻车道上最近后车的距离(cell);vt,i,back为t时刻相邻车道上与第i辆车最近后车的速度(cell/s);αn·vmax,i,back为第n种能见度下t时刻相邻车道上与第i辆车最近后车的最大速度(cell/s);Pchange为车辆的换道概率,取0.41(轻雾)、0.23(中雾)、0.14(大雾);rand()为0到1之间的随机数。
具体而言,轻雾、中雾、大雾能见度下场景一的跟驰换道规则是通过可视距离对前方车辆行驶速度、跟车距离以及相邻车道上车辆行驶速度进行判定。
4)、建立浓雾能见度下场景二的随机制动概率:
Δvt,i,other=min(vt,i-vt,i+1,other)
随机制动概率Pbrake的取值受到相邻车道车辆的影响;P0表示浓雾环境下不受相邻车道影响的车辆随机制动概率;车辆i在t时刻速度记为vt,i,车辆i的相邻车道上最近前车在t时刻速度记为vt,i+1,other;车辆的最大速度为vmax;Δvt,i,other表示t时刻第i辆车与相邻车道上最近前车速度差(cell/s);dt,i,other表示t时刻第i辆车与相邻车道上最近前车的距离(cell);γ=0.4,δ=0.5。
具体而言,考虑浓雾天气受到极低能见度影响,车辆更易选择结伴而行,不存在换道情况,根据车辆与相邻车道车辆的跟车距离和行驶速度的确定浓雾能见度下的制动概率,作为研究拥挤传播的依据。
5)、确定雾天环境下高速公路拥挤传播的关键参数:
表示平均拥堵传播概率,设定为平均拥堵恢复概率,设定雾天环境下的速度因子αi根据不同能见度受到影响,取值在0-1之间,vmax=7cell/s为晴朗天气下的最大速度,vi,max为不同雾天环境下的限速值。
具体而言,雾天环境下高速公路拥挤传播的关键参数主要包括拥挤传播概率与拥挤恢复概率,其与制动概率与换道概率相关,并考虑雾天环境下对不同能见度下的限速要求,达到实现定量化分析雾天环境下不同能见度对高速公路交通流拥挤影响的效果。
6)、采用MATLAB进行仿真求解雾天环境不同能见度下的道路时空变化图,得到不同能见度下车辆拥挤排队情况及平均车速,考虑能见度对驾驶员视距及车辆限速的影响,根据车辆拥挤区域、拥挤密度、拥挤时长、消散时间等判断不同能见度下的拥挤传播规律;
具体而言,模型求解采用CA-SIR模型,运用MATLAB进行仿真得到雾天环境下不同能见度的道路时空变化示意图,根据其车辆出现拥挤现象的位置、拥挤密度、拥挤时间及消散时间,判断雾天环境不同能见度条件下高速公路拥挤传播的情况。
7)、分析雾天环境不同能见度下的车辆速度特性,得出高速公路拥挤传播各时间点的拥挤车辆演化发展机理,完成雾天环境下基于CA-SIR模型的高速公路拥挤传播研究。
具体而言,对各能见度下车辆平均速度对比分析,得出不同能见度下影响高速公路拥挤传播的主要因素,最终得到雾天环境下不同能见度基于CA-SIR模型的高速公路拥挤传播机理。
在上述实施例中,该一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法还包括根据雾天环境的限速规定,对元胞自动机模型进行基础设定,根据不同能见度,进行视距计算及场景分类,分别建立两种雾天场景的跟驰换道规则,确定拥挤传播规律的关键参数,获取在雾天环境下高速公路车辆道路时空变化轨迹,得到高速公路拥挤传播情况,根据雾天环境不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,构成雾天环境下的高速公路拥挤传播方法。
上述实施例的工作原理为:通过充分考虑雾天环境下不同能见度对交通流影响的差异,在结合不同能见度对驾驶视距和交通拥挤的影响的基础上,建立雾天环境下的高速公路拥挤传播研究方案,实现定量分析雾天环境下不同能见度对高速公路交通流影响,标定高速公路拥挤传播的关键参数,由不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,达到了研究雾天环境下不同能见度高速公路交通拥挤传播机理的目的。
综上所述,该雾天环境下的高速公路拥挤传播方法,通过根据雾天环境的限速规定对元胞自动机模型进行基础设定,根据不同能见度进行视距计算及场景分类,分别建立两种雾天场景的跟驰换道规则,两种场景的跟驰示意图如图2、3所示,确定拥挤传播规律的关键参数,获取在雾天环境下高速公路拥挤传播情况,不同能见度下的高速公路道路时空图如图4、5、6、7所示,根据雾天环境不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,速度特性示意图如图8所示,从而有效的解决了现有技术无法做到在考虑不同能见度场景的条件下,实现获取雾天环境下高速公路拥挤传播演化机理的问题。
需要说明的是,在本文中诸如场景一和场景二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于,包括以下步骤:
1)、分析在雾天环境不同能见度下的元胞CA模型设置,将所述元胞CA模型设置的目标分为三个:以高速公路三车道模型为基础,设定元胞(cell,1cell=5m)数量及场景车道长度、以高速公路上行驶的限速要求规定模型车辆最大车速(cell/s)、以各能见度下限速条件设定元胞自动机模型中的限速;
2)、分析不同能见度下的场景分类问题,将场景分类阶段的目标分为两个:以雾天能见度计算驾驶员可视距离、以不同能见度下最小行车车距判定场景分类标准;
3)建立轻雾、中雾、大雾能见度下场景一的跟驰换道规则:
dt,i表示t时刻第i辆车受到前车影响,可能会进行换道;dt,i,front为t时刻第i辆车与相邻车道上最近前车的距离(cell);dt,i,back为t时刻第i辆车与相邻车道上最近后车的距离(cell);rand()为0到1之间的随机数;vt,i表示t时刻第i辆车的速度(cell/s);dsafe表示最小安全距离;vt,i,back为t时刻相邻车道上与第i辆车最近后车的速度(cell/s);αn·vmax,i,back为第n种能见度下t时刻相邻车道上与第i辆车最近后车的最大速度(cell/s);Pchange为车辆的换道概率,取0.41(轻雾)、0.23(中雾)、0.14(大雾)。
4)、建立浓雾能见度下场景二的随机制动概率:
Δvt,i,other=min(vt,i-vt,i+1,other)
随机制动概率Pbrake的取值受到相邻车道车辆的影响;P0表示浓雾环境下不受相邻车道影响的车辆随机制动概率;vt,i为车辆i在t时刻速度;车辆i的相邻车道上最近前车在t时刻速度记为vt,i+1,other;车辆的最大速度为vmax;Δvt,i,other表示t时刻第i辆车与相邻车道上最近前车速度差(cell/s);γ=0.4,δ=0.5;dt,i,other表示t时刻第i辆车与相邻车道上最近前车的距离(cell)。
5)、确定雾天环境下高速公路拥挤传播的关键参数:
λCA为拥挤传播概率;μCA为拥挤恢复概率;雾天环境下的速度因子αi根据不同能见度受到影响,取值在0-1之间;表示平均拥堵传播概率,设定δ=0.5;为平均拥堵恢复概率,设定Pchange为车辆的换道概率,取0.41(轻雾)、0.23(中雾)、0.14(大雾);Pbrake为随机制动概率;vi,max为不同雾天环境下的限速值;vmax=7cell/s为晴朗天气下的最大速度。
6)、采用MATLAB进行仿真求解雾天环境不同能见度下的道路时空变化图,得到不同能见度下车辆拥挤排队情况及平均车速,考虑能见度对驾驶员视距及车辆限速的影响,根据车辆拥挤区域、拥挤密度、拥挤时长、消散时间等判断不同能见度下的拥挤传播规律;
7)、分析雾天环境不同能见度下的车辆速度特性,得出高速公路拥挤传播各时间点的拥挤车辆演化发展机理,完成雾天环境下基于CA-SIR模型的高速公路拥挤传播研究。
2.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:包括根据雾天环境的限速规定,对元胞自动机模型进行基础设定,根据不同能见度,进行视距计算及场景分类,分别建立两种雾天场景的跟驰换道规则,确定拥挤传播规律的关键参数,获取在雾天环境下高速公路车辆道路时空变化轨迹,得到高速公路拥挤传播情况,根据雾天环境不同能见度下的车辆速度特性得出高速公路拥挤传播各时间点的拥挤车辆演化发展,构成雾天环境下的高速公路拥挤传播方法。
3.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:所述雾天环境不同能见度下的元胞CA模型设置包括设定雾天环境高速公路适用模型的元胞数量及场景车道长度、设定高速公路适用的模型车辆最大车速、设定各能见度下元胞自动机模型中的限速。
4.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:所述不同能见度下的场景分类问题需考虑的条件包括驾驶员在不同雾天能见度下的可视距离以及车辆在不同能见度下的最小行车车距。
5.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:所述轻雾、中雾、大雾能见度下场景一的跟驰换道规则是通过可视距离对前方车辆行驶速度、跟车距离以及相邻车道上车辆行驶速度进行判定。
6.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:考虑浓雾天气受到极低能见度影响,车辆更易选择结伴而行,不存在换道情况,根据车辆与相邻车道车辆的跟车距离和行驶速度的确定浓雾能见度下的制动概率,作为研究拥挤传播的依据。
7.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:所述雾天环境下高速公路拥挤传播的关键参数主要包括拥挤传播概率与拥挤恢复概率,其与制动概率与换道概率相关,并考虑雾天环境下对不同能见度下的限速要求,达到实现定量化分析雾天环境下不同能见度对高速公路交通流拥挤影响的效果。
8.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:模型求解采用CA-SIR模型,运用MATLAB进行仿真得到雾天环境下不同能见度的道路时空变化示意图,根据其车辆出现拥挤现象的位置、拥挤密度、拥挤时间及消散时间,判断雾天环境不同能见度条件下高速公路拥挤传播的情况。
9.根据权利要求1所述的一种雾天环境下基于CA-SIR模型的高速公路拥挤传播方法,其特征在于:对各能见度下车辆平均速度对比分析,得出不同能见度下影响高速公路拥挤传播的主要因素,最终得到雾天环境下不同能见度基于CA-SIR模型的高速公路拥挤传播机理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662729.XA CN115394073B (zh) | 2022-06-13 | 2022-06-13 | 一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662729.XA CN115394073B (zh) | 2022-06-13 | 2022-06-13 | 一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115394073A true CN115394073A (zh) | 2022-11-25 |
CN115394073B CN115394073B (zh) | 2023-05-26 |
Family
ID=84116859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662729.XA Active CN115394073B (zh) | 2022-06-13 | 2022-06-13 | 一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115394073B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020103671A4 (en) * | 2020-11-25 | 2021-02-04 | Shandong Hi-Speed Construction Management Group Co., Ltd | A method of leading traffic on low visibility expressway |
CN112365476A (zh) * | 2020-11-13 | 2021-02-12 | 南京信息工程大学 | 一种基于双通路深度网络的雾天能见度检测方法 |
CN112396834A (zh) * | 2020-11-05 | 2021-02-23 | 河北上元智能科技股份有限公司 | 基于元胞自动机模型的雾天高速公路协调控制方法 |
-
2022
- 2022-06-13 CN CN202210662729.XA patent/CN115394073B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396834A (zh) * | 2020-11-05 | 2021-02-23 | 河北上元智能科技股份有限公司 | 基于元胞自动机模型的雾天高速公路协调控制方法 |
CN112365476A (zh) * | 2020-11-13 | 2021-02-12 | 南京信息工程大学 | 一种基于双通路深度网络的雾天能见度检测方法 |
AU2020103671A4 (en) * | 2020-11-25 | 2021-02-04 | Shandong Hi-Speed Construction Management Group Co., Ltd | A method of leading traffic on low visibility expressway |
Non-Patent Citations (1)
Title |
---|
陈宇峰;向郑涛;闫蓬;董亚波;夏明;: "浓雾环境下车车通信对交通事故的影响分析", 交通运输系统工程与信息 * |
Also Published As
Publication number | Publication date |
---|---|
CN115394073B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383474B (zh) | 自动驾驶车辆的决策系统及方法 | |
Sun et al. | The estimation of vehicle speed and stopping distance by pedestrians crossing streets in a naturalistic traffic environment | |
CN113345268A (zh) | 基于自动驾驶专用车道部署场景下高速公路下匝道分流区域的cav换道决策方法 | |
Marczak et al. | Key variables of merging behaviour: empirical comparison between two sites and assessment of gap acceptance theory | |
CN112622937B (zh) | 一种面对行人时自动驾驶汽车的通行权决策方法 | |
CN110619340B (zh) | 一种自动驾驶汽车换道规则的生成方法 | |
CN114611292A (zh) | 一种基于元胞自动机的混入acc和cacc车辆的交通流特性仿真方法 | |
Lu et al. | Novel algorithm for variable speed limits and advisories for a freeway corridor with multiple bottlenecks | |
CN117012030A (zh) | 基于三维宏观基本图的城市机非混行交通信号控制方法 | |
Jehad et al. | Modelling and optimizing of electronic toll collection (ETC) at Malaysian toll plazas using microsimulation models | |
Nishi et al. | System-size dependence of a jam-absorption driving strategy to remove traffic jam caused by a sag under the presence of traffic instability | |
Julian et al. | Complex lane change behavior in the foresighted driver model | |
CN115394073A (zh) | 一种雾天环境下基于ca-sir模型的高速公路拥挤传播方法 | |
Louah et al. | Traffic operations at an entrance ramp of a suburban freeway first results | |
CN116811854A (zh) | 汽车运行轨迹确定方法、装置、汽车和存储介质 | |
CN115985137A (zh) | 一种隧道交通运行的风险评估方法、电子设备及存储介质 | |
CN115294797B (zh) | 一种公路平交路口智能安全控制方法 | |
CN113548049B (zh) | 一种基于有限状态机的智能车辆驾驶行为决策方法及系统 | |
CN112396829B (zh) | 一种基于正向雷达数据的交叉口拥堵指数计算方法 | |
Choudhury et al. | Lane selection model for urban intersections | |
Almutairi et al. | Eco-cooperative adpative cruise control at multiple signlized intersections: Network-wide evaluation and sensitivity analysis | |
Li | Stochastic methods for dilemma zone protection at signalized intersections | |
CN112373482A (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
CN117184124B (zh) | 基于责任敏感安全模型的人行横道自动驾驶通行方法 | |
Wang et al. | Improved Time-to-collision Considering Vehicle Speed Adaptation based on Trajectory Data |
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 |