网联环境下混行车流跟驰行为及车队组建研究

陈玲娟 孙 远

(武汉科技大学汽车与交通工程学院 武汉 430065)

0 引 言

智能网联车借助于车-车通信及车-路通信能提高驾驶速度，减少交通拥堵和降低交通事故发生率，将是未来道路交通领域研究的变革方向.但由于受到技术、政策，以及市场占有率等因素影响，网联车和普通车混行的状态将持续存在.因此，本文以车联网为背景研究混行下的车流运行规律.

在网联车对交通流影响方面，已有文献对纯网联车流下的跟驰行为、网联车队编组、轨迹优化，多场景下交通流特征分析等方面进行了相关研究[1].在混合车流方面，现有研究主要集中在跟驰模型、交通流稳定性、基本图及通行能力影响、交通安全、网联车控制器操纵策略等方面.混行车流跟驰模型方面，Mizanur等[2]开发了信息感知的网联车驾驶员模型，通过无线连接智能融合从车载传感器和上游目标CAV上接收数据来跟驰前车.王威等[3]在优化速度模型基础上,考虑了混合车流中个体车辆对前方情况的不同感知程度,建立了多车间距跟驰模型.Zhu等[4]针对混合交通流，提出了一种可调灵敏度和平滑系数的新数学模型，用来描述智能汽车的运动行为.交通流特性方面主要研究网联车渗透率对混合车流稳定性、基本图及通行能力的影响.魏修建等[5]提出了驾驶行为博弈分析假设，并采用元胞自动机模拟仿真，结果表明：网联车比例越大，交通流稳定性越好.王昊等[6]建立了不同网联车比例下混合交通流渐进稳定性解析框架.徐桃让等[7]分别研究了考虑反应时间影响和期望车间时距的交通流基本图模型.混行交通流安全及稳定性控制方面，秦严严等通过仿真模拟或实车实验研究了混合交通流车队稳定性优化控制及安全驾驶控制方法等[8].

上述针对混合交通流的研究，关注点主要集中在网联车对道路通行能力的提升程度、对交通安全、对交通流稳定性、能耗和排放等方面的影响，采用仿真模拟手段判断车队稳定性及道路通行能力的提升等.提出的网联车微观跟驰模型，缺乏考虑网联车驾驶员和普通车驾驶员在行为决策上的不同，出行场景大多只考虑单车道情况.网联车用户在车道选择，速度调整，跟随前车等方面均有其特性，从而影响走行时间，通行能力等.因此，本文设定研究场景为包含三车道的快速路或高速路，构建混行车流的微观跟驰，车队形成及入口处最优车道选择等模型，模拟网联车队形成过程，分析不同混行比例及设置专用道等管理措施对路网出行参数的影响.

1 混行车流的微观驾驶行为模型

为研究车联网环境下的混行车流运行规律，定义一段起点位置为XS=0,终点为XT的高速路或快速路，包含三车道，不含驶入和驶出匝道.车道配置网联通信设备，可保障车车及车路通信.为贴近实际，定义起点XS处车流到达服从泊松分布，相邻两辆车的间隔时间服从负指数分布，即TA(n+1)-TA(n)～Exp(λ)，其中TA(n)表示从起点出发的第n辆车的出发时刻.将研究时域[0,T]划分为K个时段，Δt=T/K.交通流为网联车和普通车按一定比例分配的混行车流，不考虑匝道驶出，驶入车道不一致及中途追逐更快速度等引起的中途变道行为，着眼于研究不换道假设下车队形成过程，混行比例，网联车专用道设置等条件下引起的车流分布，出行成本等的变化.

1.1 混行车流的驾驶规则

当车辆从初始起点处驶入或者处于路段途中运行状态时，会根据当前车及前车属性，当前车所处位置，前车驾驶状态等来选择头车或跟随车的驾驶模式.混行车流运行模式框架图见图1.

图1 混行车流行为框架图

由图1可知：网联车和普通车的运行模式根据前后车距离分为速度调整和跟驰驾驶两种，其中网联车跟驰行为将根据前车所在车队长度选择加入前车车队或者组建新车队.由于普通车和网联车反应时间，安全间距及驾驶模式等不同，速度调整和跟驰行为同样存在差异.

根据前后车类型、最小安全车间距约束可分为三种：车队内前后网联车间距，后一车队的头车与前车队尾车间距，普通车与前车间距.T1,T2,T3为对应的反应时距，满足T1

定义k时段车道l上的车辆Ci，位置记为xi(k)，该车道上前车记为Cj，位置记为xj(k)，Ci与Cj间距离为sij(k)；加速度，速度分别为aj(k),vj(k),Dsafe为最小安全距离；δ为车辆加速系数，α是两车间距系数.

1) 若sij(k)≥α×Dsafe(若后车为网联车，Dsafe=T2×vi，若为普通车，Dsafe=T3×vi)，此时车间距过大，调整速度缩小间距.

vi(k)=vmax,匀速行驶，ai(k+1)=0,vi(k+1)=vi(k)

(1)

vi(k)

(2)

2) 若sij(k)<α×Dsafe,当前车为网联车，判别前车Cj为网联车且已进入车队跟驰状态，所在车队总长度小于Lmax，判定Ci允许进入车队成为跟随车，开启车队内跟随车跟驰模式；若判别前车Cj所在车队总长已达到Lmax，Ci将成为新车队头车，此时新头车开启人工驾驶模式，以T2为反应时间，开启新车队头车跟驰模式.

3) 若sij(k)<α×Dsafe,判别前车Cj为网联车但处于速度调整阶段或者Cj为普通车，开启以T2为反应时间的人工驾驶模式下网联车跟驰模式.

4) 若sij(k)<α×Dsafe,当前车为普通车，开启以T3为反应时间的人工驾驶模式下普通车跟驰模式.

1.2 跟驰行为模型

采用美国PATH实验室提出的CACC算法模型描述网联环境下车队间前后车的跟驰驾驶行为，模型表示如下：

(3)

e(k)=sij(k-1)-sd-T1×vi(k-1)

(4)

(5)

ai(k-1)=(vi(k)-vi(k-1))/Δt

(6)

(7)

式(3)～(7)中，vi(k),vj(k)分别为k时刻当前车Ci及前车Cj的速度；kp,kd为控制系数，其参数取值分别为0.45 s-2和0.25 s-1；e(k)为k时刻相邻两辆车间距的误差；sij(k-1)为前一时刻相邻两辆车的车头间距；T1为期望反应时距；

采用IDM模型描述人工驾驶模式下的跟驰行为，模型具体如下：

s1(k)=Dsafe+

vi(k)=vi(k-1)+ai(k)×Δt

(10)

x(k+1)=xi(k)+vi(k)×Δt+(k)×Δt2/2

(11)

式(8)～(11)中：amax为最大加速度；v0为自由流速度；θ为速度幂系数；s1(k)为期望车间距离；Dsafe为最小安全间距；Δυij(k)为当前车Ci及前车Cj的速度差；Theadway为安全车头时距；b为舒适减速度.

2 入口处驶入车道选择

考虑车辆在起始点驶入路段时根据交通流运行状态选择车道，从而进入速度最快走行时间最省的车道.

1) 稳态判别准则 当车辆经过速度调整，跟驰驾驶形成稳态交通流时，交通流达到平衡态速度ve(0

①同一车队内相邻网联车间距满足|xi(k)-xj(k)|=ve×T1;

②不同车队间相邻网联车间距,即后一车队的头车与前一车队的尾车间的车间距满足|xi(k)-xj(k)|=ve×T2；

③普通车与前车间的车间距满足|xi(k)-xj(k)|=ve×T3.

2) 驶入车道选择 符合上述三种情况，则表明车道l上车辆i及前方车辆达到稳态驾驶模式.对车辆i在车道l上从出发时段k开始调用速度调整和跟驰模型，在时段k'进入稳态行驶.则此时预测车辆i的走行时间Til(k)为

(12)

3 交通流仿真分析

3.1 算例基础数据

为验证上述交通流模型，设定起点XS=0，终点XT=1 000 m的仿真路段包含三车道，无进出口匝道.路段设置及混行车流分布见图2.拟定车辆到达入口处服从泊松分布，即相邻两车的间隔时间服从负指数分布，设定分布参数，起始点处车辆速度在0～vmax间随机取值.为简化计算，混行车流中网联车与普通车按一定比例p均匀分布，如网联车占比p=20%，则到达的第1辆车为网联车，第2～5辆车为普通车，并依此类推.其他数据取值见表1.

图2 车道及车流分布图

表1 参数取值

3.2 结果分析

1) 预测时间下的车道选择及车流分布

不同网联车比例下每辆车的走行时间见图3～4.

图3 不同比例下每辆车的走行时间

图4 不同比例下的平均走行时间

由图3～4可知，各比例下的车辆走行时间均呈震荡分布，并在后期震荡逐渐缓和，表明各车道上车流逐渐区域稳定，且随着网联车比例的不断增大，车道上网联车的数量逐渐变多，因而网联车辆之间更容易组成车队行驶，由于车队行驶所需道路空间较小，且车队达到平衡态速度比普通车更快更稳定，因此随着网联车比例增大平均走行时间降低.

选取网联车比例p=40%为例描述车队的形成过程，图5为在t=100 s时三车道上的车辆位置.图中，灰色矩形代表普通车辆，黑色矩形代表网联车辆，在距离起点700 m处，处于第二车道的网联车正呈稳态的车队行驶状态.

图5 t=100 s车道上车辆位置图

此时处于车队内的车辆位置分别是645.643，644.145，642.630，641.140，638.677 m，速度均为15 m/s，加速度均为0，前后车间距分别为1.500，1.515，1.500和2.463 m.

2) 不同车道选择方案的结果比较

①在起始处依次选择车道 处于起点处的车辆依次选择不同车道，具体车道分配规则如下：第一辆车选择第一车道，第二辆车选择第二车道，第三辆车选择第三车道，第四辆车选择第一车道，第五辆车选择第二车道，依此类推.图6为两种车道选择方案下的平均走行时间对比.

图6 两种车道选择方案下的平均走行时间对比

由图6可知，两种车道选择方案相比，在起始点处选择车道使得平均走行时间降低.在方案1中，当网联车比例在60%～80%时，发现平均走行时间反而升高，这是由于在该比例下车道的依次分配最终导致各车道上普通车和网联车交替行驶，所有车辆退化成普通车驾驶模式，反而导致走行时间更长.

②设置网联车专用道 将第一车道设置为网联车专用车道，普通车不能选择进入第一车道行驶，但网联车可进入第二、第三车道行驶，起点处所有车辆按照预测走行时间选择车道.仿真结果见图7～8.

图7 设置专用道的各车走行时间分布

图8 不同车辆到达率时两种方案下平均走行时间对比

由图7可知，设置专用道方案下各车辆走行时间更趋于平稳，这是由于网联车集中在专用道，容易形成稳定车队行驶，其他车道多数为属性一致的普通车，各时段走行时间趋于相同.图8a)中，设置专用道时平均走行时间变大，此时λ=0.2，车流密度较小，设置专用道后，普通车可选择车道变少，给普通车道通行能力造成影响，使其可容纳能力和速度变弱.而图8b)中车辆到达率λ=0.8时，可看到车流密度增大，网联车比例较小时设置专用道平均走行时间较大，随着比例增大，走行时间反而更小.这是因为车流密度增大情况下，网联车比例较小时，再设置专用道反而导致专用道部分能力的“闲置状态”，而随着网联车比例的增大，发挥出行驶在专用道的车队更稳定，速度更高的优势，从而降低平均走行时间.

4 结 束 语

本文分析了混行车流的车队组建，微观跟驰等驾驶规则，建立了普通车和网联车的速度调整及跟驰模型，依据车流稳态判别计算预测走行时间建立了车辆起始点处的车道选择规则，并通过算例仿真模拟随机车流在路段的运行状况，分析了不同网联车比例，预测走行时间及专用道设置等条件对车辆走行时间及平均走行时间等性能参数的影响，并得出了相应结论.然而在模型构建中，路段场景未考虑驶入驶出匝道，匝道设置将带来车流汇入和起始终到车道不一致而引起中途变道，因此更实际化运行场景，更全面化车流模型，将是下一步研究方向.