CACC車輛跟馳建模及混合交通流分析

秦嚴嚴，王 昊，冉 斌

(1.東南大學a.城市智能交通江蘇省重點實驗室，b.現(xiàn)代城市交通技術江蘇高校協(xié)同創(chuàng)新中心，c.交通學院,南京210096；2.美國威斯康星大學麥迪遜分校,土木與環(huán)境工程系,麥迪遜53706，美國)

0 引言

協(xié)同自適應巡航控制(Cooperative Adaptive Cruise Control，CACC)車輛應用車車通信技術實時獲取前車加速度狀態(tài)，并通過調(diào)節(jié)車頭間距誤差及速度差優(yōu)化自身加速度輸出，有望改善交通流運行質(zhì)量，從而實現(xiàn)交通擁堵、交通安全與排放問題的有效解決，CACC跟馳模型的建模，以及對混合交通流動態(tài)特性的影響研究已成為交通流理論研究與智能交通系統(tǒng)的研究熱點[1].

縱觀目前國內(nèi)外研究成果，從交通流角度開展CACC跟馳模型的研究工作主要集中在以下3個方面：①加州伯克利PATH實驗室所提基于恒定車間時距策略的CACC跟馳模型研究較多且得到廣泛應用[2-4]；②以傳統(tǒng)人工駕駛車輛跟馳模型為基礎，通過添加前車加速度等行駛狀態(tài)反饋建立CACC跟馳模型[5]；③考慮安全距離等約束條件建立CACC元胞自動機模型[6].恒定車間時距策略下的車頭間距是速度的線性函數(shù)，該策略下的CACC交通流特性受車間時距取值的影響差異較大，難以確定能夠權衡各交通流特性影響的車間時距取值.雖然已有文獻針對可變期望車間時距的跟馳特性進行了相關研究[7]，但較少文獻考慮了將可變車間時距特性應用于CACC跟馳建模，而可變車間時距對應的車頭間距是速度的非線性函數(shù)，鑒于此，本文考慮關于速度的非線性動態(tài)期望車頭間距，建立CACC跟馳模型，并分析不同CACC比例下的混合交通流通行能力、車輛尾部碰撞安全風險及油耗等交通排放的影響.

1 微觀交通流模型

考慮期望車頭間距隨速度變化的動態(tài)特性，建立基于非線性動態(tài)車頭間距策略的CACC跟馳模型.同時選取智能駕駛模型(Intelligent Driver Model，IDM)作為人工駕駛車輛的跟馳模型.

1.1 CACC跟馳建模

加州伯克利大學PATH實驗室對CACC交通流模型開展了長期研究，提出了基于恒定車間時距的CACC跟馳模型，模型結構為[2]

式中：v?n(t)為車輛n在t時刻的目標輸出加速度；v?n-1(t)為前車n-1加速度；xn(t)、xn-1(t)分別為車輛n、n-1在t時刻的位移；vn(t)、vn-1(t)分別為車輛n、n-1在t時刻的速度；l為車長；s0為安全停車間距；tg為CACC期望車間時距；k1、k2和k3為系數(shù)，分別取值為[8]k1=1.0，k2=0.2，k3=3.0.

式(1)第1項為前車加速度反饋項，第2項為實際車頭間距xn-1(t)-xn(t)與期望車頭間距tgvn(t)-l-s0的誤差項，第3項為相鄰車輛速度差項.

PATH所提CACC模型結構簡單、物理意義明確，是目前常用的基于恒定期望車間時距tg進行縱向控制的CACC跟馳模型.但是，恒定車間時距跟馳策略下的期望車頭間距是關于速度的線性函數(shù)，使得車間時距tg不同取值時的通行能力等交通流特性影響差異較大，不便于形成CACC對交通系統(tǒng)影響的一致性結論.此外，該模型基本圖缺少自由態(tài)曲線，對宏觀交通狀態(tài)演化解析亦有所限制.因此，本文提出建立該CACC跟馳模型的非線性動態(tài)期望車頭間距策略.基于交通流跟馳特性，車輛速度較低時，期望車頭間距應較小，否則，期望車頭間距應較大，在文獻[7]的研究成果基礎之上，隨速度非線性動態(tài)變化的期望車頭間距為

式中：hd(t)為期望車頭間距；v0為自由流速度.

基于式(2)的非線性動態(tài)車頭間距策略，速度接近自由流速度時，車頭間距趨于無窮大，此時交通流密度接近于零，這一特性反映了自由流態(tài)的跟馳特性.當交通流出現(xiàn)擁擠時，車頭間距最小，此時交通流密度為最大擁擠密度1/(l+s0)，可較好地體現(xiàn)擁擠狀態(tài)的交通流特性.因此，本文在PATH所提CACC跟馳模型結構基礎之上，建立基于非線性動態(tài)車頭間距策略的CACC跟馳模型為

因此，本文建立的CACC跟馳模型一方面可反映期望車頭間距隨速度非線性動態(tài)變化的交通流跟馳特性，另一方面保留了PATH所提CACC模型結構簡單、物理意義明確的模型優(yōu)點.

1.2 人工駕駛跟馳模型

IDM模型廣泛應用于人工駕駛車輛的跟馳模型研究，IDM模型為[9]

式中：a為最大加速度；T為安全車頭時距；b為舒適減速度.IDM常用參數(shù)取值如表1所示[10].

表1 IDM模型參數(shù)取值Table 1 Parameter values of IDM model

2 混合交通流基本圖

應用CACC跟馳模型和人工駕駛車輛跟馳模型，計算平衡態(tài)車頭間距，推導不同CACC比例下的混合交通流基本圖模型，進而可理論分析CACC對通行能力影響的作用機理.

對本文所建立的CACC跟馳模型式(3)，以及人工駕駛IDM模型式(4)求平衡態(tài)車頭間距分別為

式中：hC為CACC車輛平衡態(tài)車頭間距；hR為人工駕駛車輛平衡態(tài)車頭間距；v表示平衡態(tài)速度.

令CACC比例為p，則不同CACC比例p下的混合交通流密度k為

將式(5)和式(6)帶入式(7)可得到混合交通流基本圖模型為

式中：q為混合交通流流量.

在自由流速度范圍以內(nèi)，計算不同CACC比例下的q-k基本圖解析曲線，如圖1所示.由圖1可以看出，隨著CACC比例p的增大，通行能力逐漸得到提升.為了分析這一變化趨勢的交通流運行機理，計算各CACC比例下最大流量值，以及最大流量處的臨界速度值與最佳密度值，如表2所示.

從表2中可以看出，隨著CACC比例的增加，交通流最大流量處的最佳密度逐漸增大，而相應的交通流臨界速度雖然有所減少，但減幅在7.564 km/h(約2.1 m/s)以內(nèi).因此，相對于人工駕駛車輛，CACC車輛可在臨界速度基本保持不變的情況下，以較大的最佳密度行駛，使得通行能力大幅提升.依據(jù)表2可計算得到，100%比例CACC交通流通行能力約為傳統(tǒng)人工駕駛交通流通行能力的2.33倍.

圖1 混合交通流基本圖Fig.1 Fundamental diagram of mixed traffic flow

表2 基本圖最大流量、最佳密度及臨界速度Table 2 Maximum flow,optimum density,and critical speed of fundamental diagram

3 交通安全與排放仿真分析

考慮CACC車輛與人工駕駛車輛空間位置的隨機性，設計高速公路上匝道瓶頸數(shù)值仿真實驗.應用評價指標，分析CACC車輛對交通流尾部碰撞風險、油耗、以及CO、HC、NOx排放的影響.

3.1 上匝道瓶頸仿真實驗設計

高速公路上匝道作為典型交通瓶頸，是交通安全等交通問題的常發(fā)地段，本文針對這一典型高速公路交通瓶頸進行仿真實驗設計.基于車輛微觀跟馳模型進行數(shù)值仿真實驗時，常假設仿真路段為單車道道路[11]，如圖2所示.在圖2中，匝道位于整個路段的中間位置，主干道和匝道均為假設的單車道道路，主干道上游交通需求為1 700 veh/h，匝道需求為360 veh/h.在仿真實驗中，主干道到達車輛的類型由CACC比例隨機確定，車輛到達速度在100～110 km/h的范圍內(nèi)隨機確定，匝道匯入主干道的車輛類型同樣由CACC比例隨機確定，仿真實驗側(cè)重于模擬主干道交通流的運行情況[11].仿真時間為1 h，仿真步長為0.1 s.

圖2 上匝道仿真路段Fig.2 Simulation road of on-ramp

3.2 交通安全影響

基于車輛微觀仿真數(shù)據(jù)，常應用TET(Time Exposed Time-to-collision)和TIT(Time Integrated Time-to-collision)指標評估車輛尾部碰撞安全風險，其計算公式為[12]

式中：TTC為碰撞時間；N為仿真中總車輛數(shù)；M為仿真總的仿真步長數(shù)量；Δt為仿真步長，取0.1s；TTC*為TTC閾值，常取2～4 s[12].

考慮到仿真中2種車型空間位置的隨機性，各CACC比例下均獨立仿真3次并取均值，作為該CACC比例下的仿真結果，同時，對TTC*取2 s、3 s、4 s進行參數(shù)敏感性分析.以人工駕駛交通流TET和TIT指標的仿真結果為基準，計算不同CACC比例下TET和TIT的降低百分比(即車輛尾部碰撞安全風險降低百分比)，如表3所示.由表3可知，同一CACC比例時，不同TTC*取值的仿真結果差異較小，表明了CACC對車輛尾部碰撞安全風險的影響基本不受TTC*取值的影響.隨著CACC比例的增加，TET和TIT表征的安全風險隱患均逐漸降低，10%比例的CACC車輛對安全風險的降低不超過10%，而100%比例的CACC交通流對車輛尾部碰撞安全風險隱患的降低可達99%.

表3 TET和TIT安全風險平均降低百分比Table 3 Average decrease percentage of safety risk ofTETandTIT

3.3 交通排放影響

基于車輛微觀仿真數(shù)據(jù)，選取VT-Micro模型[13]評估CACC對油耗等排放的影響，其計算公式為

式中：i為車輛n的速度功率；j為加速度功率；為回歸系數(shù)；依據(jù)該回歸系數(shù)的不同取值，可分別計算得到油耗、CO排放、HC排放、NOx排放，統(tǒng)一用MOEe表示.文獻[13]通過實測實驗對VT-Micro模型回歸系數(shù)進行了標定，由于本文關注不同CACC比例對油耗等交通排放的影響，因此可應用文獻[13]的標定結果進行CACC對交通排放的影響分析[14].

仿真實驗結果表明，CACC車輛有利于油耗、CO、HC、NOx的降低，在CACC比例達到100%時，可分別降低77.81%、70.47%、73.63%、75.53%.為了直觀地看出CACC比例增加對交通安全及油耗等排放的影響趨勢，依據(jù)仿真結果可得到TET、TIT、油耗、CO、HC、NOx降低百分比隨CACC比例的變化情況，如圖3所示.如前所述，交通安全指標TET和TIT的仿真結果基本不受TTC*閾值取值的影響，因此，在圖3中TET和TIT曲線使用了TTC*=2 s時的仿真結果.由圖3可以看出，隨著CACC比例的增加，車輛尾部碰撞交通安全逐步得到提升，且當CACC比例達到30%時，交通安全提升較為顯著.CACC對油耗、CO、HC、NOx的影響趨勢基本一致，當CACC比例小于30%時，油耗等交通排放的降低幅度逐漸上升，而當CACC比例在40%～60%時，油耗等排放的降低幅度有所下降，但各排放量的降低幅度仍然在約15%以上，在CACC比例達到70%以上時，油耗等排放的降低幅度隨著CACC比例的增加得到顯著增加.

為了進一步體現(xiàn)本文所提CACC跟馳模型在交通流特性方面的優(yōu)勢，將其與相關文獻中的CACC跟馳模型在基本圖完整性、通行能力提高、交通安全水平提升、以及交通排放降低方面進行對比分析，如表4所示.由表4可以看出，相比于已有研究成果，本文所提CACC跟馳模型在保持基本圖完整性及大幅提升通行能力的同時，可針對不同CACC比例下混合交通流的交通安全與排放影響進行評估，進而為大規(guī)模實地測試的實施提供參考.

圖3 交通安全與排放降低幅度隨CACC比例的變化Fig.3 Reduction range changes of traffic safety and emissions with respect to CACC proportions

表4 CACC跟馳模型交通流特性對比Table 4 Characteristic contrast of traffic flow among CACC car-following models

4 結論

(1)考慮非線性動態(tài)期望車頭間距，對PATH所提CACC跟馳模型進行了改進，建立了基于非線性動態(tài)車頭間距策略的CACC跟馳模型，所提CACC跟馳模型能夠較好地體現(xiàn)自由態(tài)與擁擠態(tài)的車輛跟馳特性，同時具備模型結構簡單且物理意義明確的優(yōu)點.

(2)在所提CACC跟馳策略下，CACC車輛能夠在交通流速度基本不變的情況下，以較高的交通流密度顯著提升通行能力，100%比例的CACC車輛可提高傳統(tǒng)車輛交通流的通行能力約2.33倍；CACC車輛有利于交通流尾部碰撞安全風險及油耗等排放的降低，隨著CACC比例的增加，尾部碰撞安全隱患逐漸降低，100%比例的CACC交通流可將安全隱患降低至99%，但CACC在10%比例時的安全水平提升小于10%；CACC處于40%～60%時，交通排放的降低有所緩和，但相對于傳統(tǒng)交通流排放量的降低幅度仍然在15%以上，在CACC比例達到100%時，油耗、CO、HC、NOx排放量可分別降低77.81%、70.47%、73.63%、75.53%.

(3)研究結果可為未來大規(guī)模CACC實地測試的實施提供模型及理論參考，與其他駕駛模型的對照分析將有利于補充及完善已有結論，是下一步的研究，同時，考慮多車輛車車協(xié)同控制策略進行CACC車隊協(xié)同控制建模也是值得進一步研究的內(nèi)容.

參考文獻：

[1]秦嚴嚴,王昊,王煒,等.自適應巡航控制車輛跟馳模型綜述[J].交通運輸工程學報,2017,17(3):121-130.[QIN Y Y,WANG H,WANG W,et al.Review of carfollowing models of adaptive cruise control[J].Journal of Traffic and Transportation Engineering,2017,17(3):121-130.]

[2]VANDERWERF J,SHLADOVER S,KOURJANSKAIA N,et al.Modeling effects of driver control assistance systems on traffic[J].Transportation Research Record:Journal of the Transportation Research Board,2001(1748):167-174.

[3]MILANéS V,SHLADOVER S E.Modeling cooperative and autonomous adaptive cruise controldynamic responses using experimental data[J].Transportation Research Part C:Emerging Technologies,2014(48):285-300.

[4]秦嚴嚴,王昊,王煒,等.不同CACC滲透率條件下的混合交通流穩(wěn)定性分析[J].交通運輸系統(tǒng)工程與信息,2017,17(4):63-69.[QIN Y Y,WANG H,WANG W,et al.Mixed traffic flow string stability for different CACC penetration ranges[J].Journal of Transportation Systems Engineering and Information Technology,2017,17(4):63-69.]

[5]YU S,SHI Z.The effects of vehicular gap changes with memory on traffic flow in cooperative adaptive cruise control strategy[J].Physica A:Statistical Mechanics and Its Applications,2015(428):206-223.

[6]邱小平,馬麗娜,周小霞,等.基于安全距離的手動—自動駕駛混合交通流研究[J].交通運輸系統(tǒng)工程與信息,2016,16(4):101-108.[QIU X P,MA L N,ZHOU X X,et al.The mixed traffic flow of manual-automated driving based on safety distance[J].Journal of Transportation Systems Engineering and Information Technology,2016,16(4):101-108.]

[7]WANG J,RAJAMANI R.The impact of adaptive cruise control systems on highway safety and traffic flow[J].Proceedings of the Institution of Mechanical Engineers,Part D:Journal of Automobile Engineering,2004,218(2):111-130.

[8]VAN AREM B,VAN DRIEL C J G,VISSER R.The impact of cooperative adaptive cruise control on trafficflow characteristics[J].IEEE Transactions on Intelligent Transportation Systems,2006,7(4):429-436.

[9]TREIBER M,HENNECKE A,HELBING D.Congested traffic states in empirical observations and microscopic simulations[J].Physical Review E,2000,62(2):1805-1824.

[10]秦嚴嚴，王昊，王煒，等.混有協(xié)同自適應巡航控制車輛的異質(zhì)交通流穩(wěn)定性解析與基本圖模型[J].物理學報,2016,66(9):257-265.[QIN Y Y,WANG H,WANG W,et al.Stability analysis and fundamental diagram of heterogeneous traffic flow mixed with cooperative adaptive cruise control vehicles[J].Acta Physica Sinica,2016,66(9):257-265.

[11]TALEBPOUR A,MAHMASSANI H S.Influence of connected and autonomous vehicles on traffic flow stability and throughput[J].Transportation Research Part C:Emerging Technologies,2016(71):143-163.

[12]MINDERHOUD M M,BOVY P H L.Extended time-tocollision measures for road traffic safety assessment[J].Accident Analysis&Prevention,2001,33(1):89-97.

[13]AHN K,RAKHA H,TRANI A,et al.Estimating vehicle fuel consumption and emissions based on instantaneous speed and acceleration levels[J].Journal of transportation engineering,2002,128(2):182-190.

[14]TANG T Q,HUANG H J,SHANG H Y.Influences of the driver’s bounded rationality on micro driving behavior, fuel consumption and emissions[J].Transportation Research Part D:Transport and Environment,2015(41):423-432.

[15]OU H,TANG T Q.An extended two-lane car-following model accounting for inter-vehicle communication[J].Physica A:Statistical Mechanics and its Applications,2018(495):260-268.