基于NaSch模型的智能網(wǎng)聯(lián)汽車(chē)研究

喬 岳

(浙江師范大學(xué) 浙江 金華 321004)

一、引言

智能網(wǎng)聯(lián)汽車(chē)作為智能交通系統(tǒng)的重要組成，是提高出行效率、緩解交通擁堵的新興手段。智能網(wǎng)聯(lián)汽車(chē)在我國(guó)的逐漸普及，會(huì)出現(xiàn)人工駕駛汽車(chē)，智能網(wǎng)聯(lián)汽車(chē)的混合交通流。此外，智能網(wǎng)聯(lián)汽車(chē)的功能等級(jí)差異、智能網(wǎng)聯(lián)汽車(chē)的比例、相關(guān)法律法規(guī)以及使用中對(duì)輔助駕駛技術(shù)的限制等因素將會(huì)導(dǎo)致高速公路上混合交通流的不確定性[1]。

智能網(wǎng)聯(lián)汽車(chē)的發(fā)展將改變高速公路的交通環(huán)境。與人工駕駛汽車(chē)相比，智能網(wǎng)聯(lián)汽車(chē)能夠更快速地獲得更精確的駕駛條件參數(shù)且永不疲憊，它不僅嚴(yán)格遵守交通規(guī)則，而且還可以縮短兩個(gè)連續(xù)的智能網(wǎng)聯(lián)汽車(chē)之間的距離?，F(xiàn)如今，對(duì)于智能網(wǎng)聯(lián)汽車(chē)的實(shí)驗(yàn)已經(jīng)展開(kāi)，未來(lái)的高速公路將會(huì)有相當(dāng)長(zhǎng)的一段時(shí)間，出現(xiàn)智能網(wǎng)聯(lián)汽車(chē)和傳統(tǒng)人工駕駛汽車(chē)共存的現(xiàn)象。

針對(duì)未來(lái)這種現(xiàn)象，本文采用微觀交通流理論中的元胞自動(dòng)機(jī)模型來(lái)進(jìn)行研究，改良了經(jīng)典的NaSch模型中的規(guī)則，將智能網(wǎng)聯(lián)汽車(chē)和人工駕駛汽車(chē)區(qū)分開(kāi)來(lái)，以此來(lái)探究智能網(wǎng)聯(lián)汽車(chē)對(duì)高速公路混合交通流的影響。

二、研究方法

元胞自動(dòng)機(jī)是微觀交通流理論中的重要研究工具，模型的規(guī)則簡(jiǎn)單，計(jì)算速度快。本文的模型建立在NaSch模型的基礎(chǔ)上[2]。與經(jīng)典N(xiāo)aSch模型一樣，改良后的NaSch模型具有：加速、減速、隨機(jī)慢化和位置更新這4步。不同的地方在于，對(duì)智能網(wǎng)聯(lián)汽車(chē)的第二步減速過(guò)程進(jìn)行了優(yōu)化。

Step 1：加速。vn=min(vn+1,vmax)，對(duì)應(yīng)于駕駛員期望以最大速度行駛的特性。

Step 2：人工駕駛汽車(chē)減速。vn=min(vn,dn)，表示駕駛員為了防止與前車(chē)發(fā)生碰撞而減速。dn=xn+1-xn表示第n輛車(chē)和前車(chē)n+1 之間的空元胞數(shù)。

智能網(wǎng)聯(lián)汽車(chē)減速，vn=min(vn,dn+vn+1-1)，表示智能網(wǎng)聯(lián)汽車(chē)根據(jù)前車(chē)速度和與前車(chē)距離靈活調(diào)整駕駛速度，在確保安全的情況下減少不必要的減速。

Step 3：隨機(jī)慢化。服從隨機(jī)慢化概率P，vn= max(vn-1,0)，對(duì)應(yīng)于現(xiàn)實(shí)中各種不確定因素造成的隨機(jī)減速。

Step 4：位置更新。xn= xn+vn，車(chē)輛按照上述步驟中更新好的速度向前行駛。在這里，xn和vn分別表示第n輛車(chē)的位置和速度。

智能網(wǎng)聯(lián)汽車(chē)反應(yīng)時(shí)間極短，但考慮到道路狀況和某些不確定因素，將智能網(wǎng)聯(lián)汽車(chē)的慢化概率 P 設(shè)為 0.05。在智能網(wǎng)聯(lián)轎車(chē)的跟車(chē)過(guò)程中，它可以敏銳的捕捉到前車(chē)的加減速信息，并進(jìn)行實(shí)時(shí)的調(diào)整，使得它對(duì)道路交通狀況的反應(yīng)更加靈敏，減少了許多不必要的減速，從而縮短了與前車(chē)的跟車(chē)距離。所以，本文在NaSch模型的基礎(chǔ)上，將智能網(wǎng)聯(lián)汽車(chē)的step2減速模型進(jìn)行了修改。

if vn>dn，vn=min(vn,dn+vn+1-1)，表示智能網(wǎng)聯(lián)汽車(chē)在減速階段，根據(jù)前車(chē)速度和與前車(chē)距離靈活調(diào)整駕駛速度，在確保安全的情況下減少不必要的減速。

三、仿真結(jié)果

在本元胞自動(dòng)機(jī)模型中，建立了長(zhǎng)度為1.5km的雙車(chē)道模型，手動(dòng)駕駛汽車(chē)和自動(dòng)駕駛汽車(chē)的車(chē)長(zhǎng)為一個(gè)元胞長(zhǎng)度。邊界設(shè)置為周期性循環(huán)，初始狀態(tài)下車(chē)輛隨機(jī)分布在公路上，初始速度為隨機(jī)速度。仿真每一次運(yùn)行演化1000時(shí)間步，記錄最后100時(shí)間步內(nèi)所有車(chē)輛的速度，求得每一時(shí)間步內(nèi)車(chē)輛的平均速度，最后將得到的速度值再做時(shí)間平均，得到車(chē)輛的平均速度v[3]。

圖1表示不同智能網(wǎng)聯(lián)汽車(chē)比例下的速度密度圖，橫坐標(biāo)為密度，縱坐標(biāo)為速度。黑色曲線(xiàn)代表智能網(wǎng)聯(lián)汽車(chē)比例為30%，粉色曲線(xiàn)代表智能網(wǎng)聯(lián)汽車(chē)比例為60%，綠色曲線(xiàn)代表智能網(wǎng)聯(lián)汽車(chē)比例為90%.

圖1 不同智能網(wǎng)聯(lián)汽車(chē)比例下的速度密度圖

首先，從圖中可以得出，黑色曲線(xiàn)最低，綠色曲線(xiàn)最高。這是由于智能網(wǎng)聯(lián)汽車(chē)的市場(chǎng)占有率越高，道路上的智能網(wǎng)聯(lián)汽車(chē)越多，由于智能網(wǎng)聯(lián)汽車(chē)隨機(jī)慢化概率小，且能及時(shí)感知周?chē)?chē)輛的加減速信息，使得系統(tǒng)的平均速度越高。其次，三條曲線(xiàn)在密度達(dá)到20之前都比較平穩(wěn)，當(dāng)密度超過(guò)20時(shí)，都開(kāi)始有不同程度的下降。這是由于在密度達(dá)到20之前，車(chē)輛比較少，系統(tǒng)處于自由流狀態(tài)，車(chē)輛可以以較大的速度行駛。當(dāng)密度達(dá)到20以后，系統(tǒng)逐漸開(kāi)始擁擠，為了保證交通安全，車(chē)輛速度變慢。最后，當(dāng)密度達(dá)到60時(shí)，三條曲線(xiàn)代表的系統(tǒng)平均速度不同，綠色最大，粉色次之，黑色最小。這是因?yàn)橹悄芫W(wǎng)聯(lián)汽車(chē)比人工駕駛汽車(chē)更有優(yōu)勢(shì)，它們可以與周?chē)能?chē)交互，感知道路環(huán)境，以更快的速度前進(jìn)，體現(xiàn)在仿真圖上就是智能網(wǎng)聯(lián)汽車(chē)市場(chǎng)占有率越高，系統(tǒng)的平均速度下降越慢，且在密度達(dá)到60時(shí)系統(tǒng)的平均速度更高。

四、結(jié)束語(yǔ)

隨著智能網(wǎng)聯(lián)汽車(chē)的發(fā)展，在未來(lái)的公路上會(huì)有越來(lái)越多的智能網(wǎng)聯(lián)汽車(chē)，本文通過(guò)對(duì)經(jīng)典的NaSch模型進(jìn)行改進(jìn)，將人工駕駛車(chē)輛和智能網(wǎng)聯(lián)汽車(chē)區(qū)分開(kāi)來(lái)，并且進(jìn)行模擬仿真，得到了關(guān)于人工駕駛車(chē)輛和智能網(wǎng)聯(lián)汽車(chē)混合交通流的一些見(jiàn)解，即智能網(wǎng)聯(lián)汽車(chē)的比例越高，系統(tǒng)的平均車(chē)速也越高，而且平均車(chē)速的下降速度也會(huì)減慢。

道路交通問(wèn)題始終是我們面臨的一個(gè)難題，隨著智能網(wǎng)聯(lián)汽車(chē)的發(fā)展，高速公路混合交通流的研究必要而且有益。本文旨在為即將來(lái)臨的這一現(xiàn)象進(jìn)行一些前瞻性的探究，提供一些見(jiàn)解。本研究還存在許多不足，還將進(jìn)一步的深化探索。