李宏剛, 高哈爾·達(dá)吾力, 王帥, 余貴珍, 王朋成
(1. 北京航空航天大學(xué) 交通科學(xué)與工程學(xué)院, 北京 100083; 2. 北京航空航天大學(xué) 計(jì)算機(jī)學(xué)院, 北京 100083)
幾十年來(lái),交通流得到了廣泛的研究,國(guó)內(nèi)外學(xué)者提出了很多模型,如流體模型、跟馳模型和細(xì)胞自動(dòng)化模型等[1-3]。由于具有直觀的物理意義,車輛跟馳模型引起了很多研究者的關(guān)注。大多數(shù)的跟馳模型都假定車輛只受到前車駕駛行為的影響,但在實(shí)際復(fù)雜的交通環(huán)境中,不僅有車輛還包括行人和自行車的混合交通流。截止目前,人車混合流交通行為的研究相對(duì)較少,本文旨在補(bǔ)充這一領(lǐng)域的內(nèi)容。
自Reuschel[4]和Pipes[5]首次提出單車道跟隨引導(dǎo)模型以來(lái),在過去幾十年中,已經(jīng)開發(fā)了多種的跟馳模型。其中大多數(shù)都是僅考慮到周圍車輛帶來(lái)的影響。例如,Chandler等[6]提出了“加利福尼亞”模型,該模型考慮了車輛在跟馳行為中存在的延遲時(shí)間; Newell[7]利用速度-車頭間距關(guān)系的一般數(shù)學(xué)方程來(lái)模擬車輛跟馳行為;Bando等[8]開發(fā)了最優(yōu)速度(OV)模型,該模型由于其簡(jiǎn)單、直觀和創(chuàng)新性而被廣泛采用; Jiang等[9]通過考慮正速度差異因子,建立了全速差(FVD)模型,F(xiàn)VD模型因可用于表征較為真實(shí)的汽車跟蹤行為,而被認(rèn)為優(yōu)于OV模型和廣義力(GF)模型[10]。因此,許多研究人員都是通過改進(jìn)FVD模型,來(lái)更好地描述真實(shí)的交通環(huán)境。例如,Zhou[11]通過引入駕駛員的視角來(lái)擴(kuò)展FVD模型,通過有效地解釋一些復(fù)雜的交通現(xiàn)象,使新模型顯得更加符合實(shí)際。Yu和Shi[12]將相對(duì)速度波動(dòng)納入其中對(duì)FVD模型進(jìn)行改進(jìn),使得能滿足先進(jìn)自適應(yīng)巡航控制系統(tǒng)的設(shè)計(jì)。
最近十年來(lái),人車混合交通的情況引起學(xué)者的興趣,但其中的大多數(shù)都專注于不受控制的十字路口和人行橫道。例如,Helbing等[13]通過觀察過馬路的行人,從宏觀動(dòng)態(tài)的角度研究了行人和車輛流動(dòng)的振蕩和延遲;Chen等[14]開發(fā)了一種改進(jìn)的雙向行人模型來(lái)描述不受控制的中間人行橫道上車輛和行人之間的相互作用;Zhang和Chang[15]設(shè)計(jì)了一個(gè)合作規(guī)劃模型,將行人和車輛納入疏散網(wǎng)絡(luò); Ito和Nishinari[16]基于元胞自動(dòng)機(jī)(CA)模型描述了擁擠交叉路口的車輛和行人之間的相互作用。
毋庸置疑,橫跨公路的行人肯定會(huì)對(duì)車輛的行為產(chǎn)生影響,而行走在相鄰車道上的行人也會(huì)對(duì)駕駛行為產(chǎn)生一些影響。行駛過程中駕駛員必須注意周圍車輛以及相鄰車道上的行人或自行車,以避免任何潛在的沖突。在機(jī)動(dòng)車和非機(jī)動(dòng)車混合行駛的復(fù)雜環(huán)境中,駕駛行為可能有很大差異。駕駛員會(huì)依據(jù)車輛與行人之間距離的變化來(lái)調(diào)整相應(yīng)的速度,以此保證車輛的安全駕駛。然而目前在這個(gè)方向存在的研究工作很少。雖然Jiang和Wu[17-18]使用格子模型模擬了進(jìn)入狹窄通道的汽車中的類似現(xiàn)象,但因?yàn)樗麄兊年P(guān)注點(diǎn)在疏散時(shí)行人的行為,所以并不能獲取混合交通流中車輛的動(dòng)態(tài)特征。
考慮到在相鄰車道上存在行人或自行車的情況在城市中很常見,因此,有必要研究這種人車行為。本文提出一種改進(jìn)跟馳模型,該模型考慮了行人和自行車在鄰車道上對(duì)跟馳車輛產(chǎn)生的影響。改進(jìn)后的模型對(duì)城市復(fù)雜混合車輛-行人交通的安全性和控制性有很大的幫助。例如,由于在這種復(fù)雜的駕駛環(huán)境中存在異常駕駛行為,該模型可用于確定更適合于由行人和自行車包圍的城市街道的限制車速。此外,該模型還可用于改善對(duì)行人和自行車在相鄰車道上行駛的旅行時(shí)間估計(jì)。這對(duì)于城市交通的控制是非常必要的。
在本節(jié)中,假設(shè)車輛與行人混合行駛在同一條道路上,并且二者之間無(wú)任何顯著的物理隔離,如圖1所示, 其中xn和sm分別為汽車n和行人m的位置;Δxn=xn+1-xn為汽車n(即跟馳車輛)
圖1 行人車輛混合流的示意圖Fig.1 Sketch map of pedestrian-vehicle mixed flow
本文基于Newell[7]和Whitham[19]提出的優(yōu)化速度模型,引入車輛與橫向行人之間的橫向與縱向車頭間距,得到如下改進(jìn)跟馳模型:
(1)
式中:V為考慮連續(xù)車輛的車間距與相對(duì)速度,以及車與鄰道行人的橫向與縱向距離的最優(yōu)速度函數(shù);Δvn(t)=vn+1(t)-vn(t)為前車與后車的速度差(即相對(duì)速度);τ為延遲時(shí)間。
對(duì)式(1)進(jìn)行顯式化,本文采用文獻(xiàn)[20]中提到的最優(yōu)速度函數(shù):
(2)
正如Sawada[21]和Li等[22]所提出的理論,多參數(shù)最優(yōu)速度函數(shù)可以通過在單個(gè)參數(shù)的最優(yōu)速度函數(shù)中加入可調(diào)權(quán)值來(lái)進(jìn)行線性化。因此,將式(1)的右側(cè)線性化可以得到
(3)
式中:p、q和γ分別為連續(xù)車輛車頭間距、車輛和行人之間的橫向間距以及縱向間距的最優(yōu)函數(shù)的權(quán)重;λ為連續(xù)車輛之間相對(duì)速度的響應(yīng)系數(shù)。注意:λ為一個(gè)與時(shí)間、速度和位置都無(wú)關(guān)的常數(shù)。
將式(1)進(jìn)行泰勒展開,可以得到以下微分方程:
(4)
式中:α為駕駛員反應(yīng)度,且α=1/τ,μ=λ/τ。
注意,p+q+γ=1。同時(shí)本文假設(shè):
式中:lc和dc分別為觀察到的車輛與行人之間預(yù)定的臨界縱向和橫向間距。如果跟馳車輛和前方行人之間的橫向行駛距離太大(即大于臨界距離dc),則當(dāng)車輛超過行人時(shí),行人對(duì)車輛沒有影響。類似地,如果觀察到的汽車與前方行人之間的縱向行駛距離大于臨界距離lc,則相鄰道路上的行人對(duì)駕駛員沒有影響。p+q+γ=1表明除了這3個(gè)參數(shù)之外,駕駛員不會(huì)考慮周圍其他影響因素[23]。
為了計(jì)算方便,式(4)需要使用非對(duì)稱前向離散化方法,得到如下差分方程:
xn(t+2τ)-xn(t+τ)=τ[pV(Δxn(t))+
λ(Δxn(t+τ)-Δxn(t))
(5)
在穩(wěn)定性分析中,首先假定車輛和行人的流量是均勻的,不存在換道和超車行為。根據(jù)文獻(xiàn)[10]所述,在一個(gè)理想的均勻狀態(tài)下,每個(gè)行人和車輛將保持一定的空間留給前面和后面的行人。因此,本文給出式(5)的均勻穩(wěn)態(tài)解如下:
(6)
(7)
式中:h和hp分別為連續(xù)車輛和連續(xù)行人之間的間距;N1和N2分別為混合流動(dòng)中車輛和行人的數(shù)量;V和U分別為車輛和行人的最優(yōu)速度;L為道路長(zhǎng)度。
通過在式(6)和式(7)的解中添加小偏差yn(t)和δm(t),給出車輛和行人位置的方程分別為
(8)
(9)
式中:|yn(t)|?1,|δm(t)|?1[8]。
為了更好地分析線性穩(wěn)定性,式(5)可以改寫為
Δxn(t+2τ)-Δxn(t+τ)=τ[p(V(Δxn+1(t))-
Δxn+1(t)-Δxn(t+τ)+Δxn(t))
(10)
基于式(5)、式(6)和式(8),可將式(10)改寫為
Δyn(t+2τ)-Δyn(t+τ)=τ[pV′(Δyn+1(t)-
Δyn(t))+qβV′(Δyn+1(t)-Δyn(t))+
γηV′(Δyn+1(t)-Δyn(t))]+
λ(Δyn+1(t+τ)-Δyn+1(t)-
Δyn(t+τ)+Δyn(t))
(11)
式中:V′為V(Δxn)在Δxn=h時(shí)的一階導(dǎo);β為平均強(qiáng)度系數(shù),描述了連續(xù)車輛的車頭間距與觀察到的汽車和前方行人的縱向間距之間的干擾關(guān)系;η為描述觀察到的汽車與前方行人之間的干擾關(guān)系的平均強(qiáng)度系數(shù)。注意:本文也應(yīng)用了平均場(chǎng)理論,該理論把任何一個(gè)因子的所有相互作用替換為平均或有效的單一相互作用,可以將2種類型的粒子(即行人和車輛)從宏觀視角合并成單個(gè)物體[24]。
假設(shè)一個(gè)顯式函數(shù)Δyn(t)=Aexp(ikn+zt),方程式(11)可寫為
e2zt-ezt=τ[pV′(eik-1)+qβV′(eik-1)+
γηV′(eik-1)]+λ(eik+zt-eik-ezt+1)
(12)
式中:A為波動(dòng)幅度;k為波數(shù),其取值范圍是0≤k≤π;z=-iω,ω為波動(dòng)的角頻率。
通過將z展開為z=z1(ik)+z2(ik)2+…[25],式(12)可轉(zhuǎn)換為
(13)
對(duì)于長(zhǎng)波模式,如果z2為負(fù),則均勻穩(wěn)定流會(huì)變得不穩(wěn)定; 如果z2為正,則均勻流保持穩(wěn)定狀態(tài)。在z2=0時(shí)設(shè)置中性穩(wěn)定條件
(14)
式中:延遲時(shí)間τ稱為臨界值,通常寫為τc。它的倒數(shù)被稱為臨界敏感度(αc=1/τc)。對(duì)于長(zhǎng)波小擾動(dòng),可以導(dǎo)出以下不穩(wěn)定和穩(wěn)定的條件:
(15)
(16)
圖2顯示了具有(λ,p,q,γ)不同組合的中性穩(wěn)定性曲線,vmax=3 m/s,hc=4 m,β=0.5,η=0.1。實(shí)線對(duì)應(yīng)于(0,1,0,0),與OV模型一致;虛線對(duì)應(yīng)于(0.2,1,0,0),與RV模型一致;圓線對(duì)應(yīng)于(0.2,0.8,0.1,0.1),考慮了相鄰行人的相互作用。從這3條曲線中可以看出,改進(jìn)模型的特征曲線(即帶有圓圈標(biāo)記的線)具有最大的穩(wěn)定區(qū)域(即最小的不穩(wěn)定區(qū)域)。該發(fā)現(xiàn)意味著考慮相鄰車道行人影響的跟馳模型將比傳統(tǒng)跟馳模型具有更好的穩(wěn)定性。
在圖3中為車頭間距-敏感度的中性穩(wěn)定性曲線,每條曲線的頂點(diǎn)表示臨界點(diǎn)。在圖中呈現(xiàn)為當(dāng)p=0.6是定值時(shí),隨著q的增大以及γ的減小,穩(wěn)定區(qū)域增大。曲線以外的區(qū)域表示交通流暢通的穩(wěn)定狀態(tài); 曲線以內(nèi)區(qū)域表示交通流量擁擠的不穩(wěn)定狀態(tài)。圖3表明相對(duì)于橫向的行人影響因素,駕駛員更關(guān)注前車的運(yùn)動(dòng)變化行為。
圖2 不同參數(shù)組合(λ,p,q,γ)下的中性穩(wěn)定性曲線Fig.2 Neutral stability curves with different parameter sets of (λ,p,q,γ)
圖3 不同q和γ值的中性穩(wěn)定性曲線(vmax=3 m/s,hc=4 m)Fig.3 Neutral stability curves with different values of q and γ (vmax=3 m/s,hc=4 m)
為了更好地模擬真實(shí)的交通行為,本文應(yīng)用了Konishi等[27]提出的另一個(gè)最優(yōu)速度函數(shù),具體方程如下:
(17)
式中:ξ為距離參數(shù);ψ為車輛安全距離;飽和度函數(shù)H(x)被描述為
(18)
實(shí)際上,方程式(17)是由V(Δx)=16.8×(tanh(0.086(Δx-25)+0.913))推導(dǎo)出來(lái)的,其來(lái)源于文獻(xiàn)[28-30]中提到的日本高速公路上的觀測(cè)數(shù)據(jù)。這些值與本文中車輛的仿真參數(shù)一致,如表1所示。表2是行人的相關(guān)仿真參數(shù)。
假設(shè)一個(gè)由11輛車組成的車隊(duì)在混合行人車道上行駛,用以驗(yàn)證受到相鄰道路行人影響的交通模式的變化。為了更好地驗(yàn)證所提出的模型,提供了2種模擬情景:
情景1街道上只有少數(shù)行人的情景。車隊(duì)中車輛逐個(gè)經(jīng)過前向相鄰的行人。在這種情況下,本文研究了幾個(gè)受相鄰行人影響的車輛特征的變化。這種情況適用于在夜間或雨天在路邊行走的少數(shù)行人的實(shí)際交通情況。
情景2大量行人行走的情景。在這種情況下,本文提出研究以下的3個(gè)時(shí)間間隔內(nèi)受相鄰行人影響的車輛行為:車輛開始進(jìn)入,車輛駛過,車輛離開。適用于行人較多的道路。
表1 車輛仿真參數(shù)Table 1 Simulation parameters of vehicles
表2 行人仿真參數(shù)Table 2 Simulation parameters of pedestrians
對(duì)于這2種情況,初始條件設(shè)置為:vn(0)=20 m/s,x11(0)=0(即車隊(duì)的最后一輛車位于原點(diǎn)),當(dāng)n≠1,Δx1(t)=vξ/vmax-ξ/2+ψ,Δxn(0)=vξ/vmax-ξ/2+ψ。假設(shè)所有車輛在接近相鄰行人之前具有相同的初始速度和車頭間距。也就是說,所有車輛在早期均勻運(yùn)行且沒有額外的干擾。當(dāng)它們開始超過考慮了行人道的相鄰行人時(shí),交通流的特征將發(fā)生巨大變化。
圖4和圖5分別通過假設(shè)p=0.6,q=0.3,γ=0.1 和p=0.6,q=0.2,γ=0.2時(shí)第2、第5、第8和第11輛(即最后一輛汽車)的速度隨時(shí)間的變化情況。
圖4與圖5表示當(dāng)車輛超過相鄰行人時(shí),均勻行駛車輛的交通沖擊波產(chǎn)生波動(dòng),且所選擇的車輛的速度變化是不同的。該圖基本上可證明振蕩行為和交通擁堵的演變??梢钥吹皆趐=0.6,q=0.2,γ=0.2的條件下(圖5),速度波動(dòng)的幅度相對(duì)較小。這表明與圖4中的情況相比,汽車能更平穩(wěn)地運(yùn)行并且恢復(fù)穩(wěn)定狀態(tài)。
圖4 當(dāng)p=0.6,q=0.3,γ=0.1時(shí),車輛速度隨時(shí)間變化曲線Fig.4 Variation curves of vehicle velocity with time for p=0.6,q=0.3,γ=0.1
圖5 當(dāng)p=0.6,q=0.2,γ=0.2時(shí),車輛速度隨時(shí)間變化曲線Fig.5 Variation curves of vehicle velocity with time for p=0.6,q=0.2,γ=0.2
假設(shè)行人沿著路邊均勻且穩(wěn)定地行走。當(dāng)領(lǐng)先的車輛遇到行人隊(duì)尾時(shí),車輛的振蕩行為發(fā)生。為了更好地觀察和分析,本文只選擇其中的4輛車,圖6為情景2下的第2、第5、第8和第11輛車的速度隨時(shí)間的變化。
在100~400 s期間,車輛遇到行人,然后車速減慢。在400~700 s期間,所有車輛都在人群隊(duì)列旁行駛,其速度仍然相對(duì)較低。在這個(gè)階段,行人之間的間距比車輛車頭間距小得多,車速比所有行人都快。從宏觀角度來(lái)看,行人流可以看作是一個(gè)長(zhǎng)長(zhǎng)的障礙。事實(shí)上,在這個(gè)時(shí)期車流受到每個(gè)行人的影響,由于間隔極短(行人間距離短),因此每輛車的速度波動(dòng)曲線看起來(lái)像一條直線。在700~1 000 s期間,汽車連續(xù)經(jīng)過人群,并通過一系列復(fù)雜的速度波動(dòng)后將其速度恢復(fù)到初始速度。
為了進(jìn)一步分析交通流量行為,圖7顯示了隨著時(shí)間的變化,第1輛車和其余每輛跟馳車之間的距離變化。如圖7所示,左邊第1條線為第2輛車與第1輛車的距離差,向右以此類推,由于距離波動(dòng),每條曲線有2個(gè)凸起。當(dāng)?shù)?輛車遇到行人并且必須降低速度時(shí),發(fā)生第1次擾動(dòng)導(dǎo)致前車和后車之間的距離變小。當(dāng)前車離開人群并恢復(fù)到其初始速度時(shí),發(fā)生第2次擾動(dòng),導(dǎo)致前車和后車之間的距離變大。
經(jīng)仿真實(shí)驗(yàn)發(fā)現(xiàn),在行人與車輛混合車道上,交通流會(huì)受到相鄰行人的影響。速度和車頭間距隨著時(shí)間的推移而變化。結(jié)果表明,當(dāng)行人在鄰近的車道上行走時(shí),司機(jī)通常會(huì)放慢車速,以確保行人和車輛自身的安全。這表明,通過考慮相鄰行人的橫向和縱向影響,可以改善交通安全,有助于解決交通擁堵問題。
圖6 場(chǎng)景2下的車輛速度隨時(shí)間變化曲線Fig.6 Variation curves of vehicle velocity with time in scene 2
圖7 通過行人人群時(shí)的車隊(duì)時(shí)空?qǐng)DFig.7 Space-time plots for a motorcade passing by pedestrian crowd
1) 本文提出了一種改進(jìn)跟馳模型,該模型考慮了基于OV模型的行人和自行車在相鄰車道上行走時(shí)對(duì)行駛車輛產(chǎn)生的影響。特別地,將車輛與行人之間的橫向和縱向距離引入到傳統(tǒng)的跟馳模型中。
2) 利用所提出的新模型,進(jìn)一步進(jìn)行線性穩(wěn)定性分析,獲得一系列中性穩(wěn)定性曲線。
3) 通過仿真評(píng)估2種實(shí)際場(chǎng)景的模型能夠成功描述混合交通流量行為,提高交通流量,避免交通事故和堵塞。