智能網聯(lián)環(huán)境下混合交通流穩(wěn)定性解析

秦嚴嚴, 胡興華, 李淑慶, 何兆益, 許明濤

(1. 重慶交通大學 交通運輸學院, 重慶 400074; 2.鄭州大學 土木工程學院, 鄭州 470001)

智能網聯(lián)車輛(connected and autonomous vehicles, CAV)可從微觀車輛層面降低駕駛行為差異性，改善交通流特性，進而為相關交通問題的有效解決提供新途徑[1]. 就目前來看，大規(guī)模CAV車輛實地真車測試的實施條件尚不成熟[2]. 因此，現(xiàn)階段對CAV車輛交通流特性的研究已經成為交通流理論以及智能交通系統(tǒng)的研究熱點[3-5]，交通流穩(wěn)定性是交通運營質量的內在屬性，本文針對CAV混合交通流穩(wěn)定性開展研究. 縱觀國內外針對交通流穩(wěn)定性分析的研究成果，跟馳模型穩(wěn)定性解析方法眾多，并已形成較為明確的結論[6]，但是針對混合交通流穩(wěn)定性解析的研究工作進展緩慢. Ward[7]應用李亞普諾夫穩(wěn)定性方法推導了傳統(tǒng)混合交通流穩(wěn)定性解析方法，該穩(wěn)定性分析方法逐漸被國內外研究學者推廣至智能車輛混合交通流穩(wěn)定性分析中[8-11]，CAV可實時獲取前車加速度信息，而該方法并不能用于基于前車加速度反饋的CAV混合交通流穩(wěn)定性分析. 因此，針對基于前車加速度反饋的CAV混合交通流穩(wěn)定性解析研究顯得十分必要，但鮮有文獻對該混合交通流穩(wěn)定性解析方法開展研究. 因此，本文針對基于前車加速度反饋的CAV車輛與人工駕駛車輛構成的混合交通流，從跟馳模型的角度出發(fā)，從CAV比例與交通流平衡態(tài)速度兩個方面建立該混合交通流穩(wěn)定性的解析方法.

1 跟馳模型

1.1 人工駕駛模型

對于人工駕駛跟馳模型而言，學者們提出了眾多不同類型的模型，模型之間各有優(yōu)劣，智能駕駛模型(intelligent driver model，IDM)模型[12]可較好反應智能網聯(lián)環(huán)境下人工駕駛車輛的智能駕駛特性，是目前比較認可的智能網聯(lián)環(huán)境下人工駕駛跟馳模型. 因此，選擇IDM作為人工駕駛車輛跟馳模型，模型公式為

(1)

1.2 CAV模型

目前針對CAV跟馳建模工作而言，不同的學者提出了不同的建模方式，然而尚沒有形成統(tǒng)一明確的結論[4]. 相關研究表明[13]，CAV跟馳模型可在IDM模型基礎之上，通過前車反饋信息構成，而加速度反饋是目前普遍認為的前車反饋的基本必要信息. 因此，本文的CAV跟馳模型為

(2)

2 穩(wěn)定性判別條件

基于傳統(tǒng)駕駛車輛跟馳模型與CAV跟馳模型，應用控制領域的傳遞函數(shù)理論推導不同CAV比例下的混合交通流穩(wěn)定性判別條件.

首先定義交通流速度擾動與車頭間距擾動為

(3)

應用一階泰勒公式對人工駕駛車輛跟馳模型在交通流平衡態(tài)展開，并計算擾動傳播傳遞函數(shù)，計算結果為

(4)

式中：F1(s)為人工駕駛擾動傳遞函數(shù)，s表示拉普拉斯域.

同理，計算CAV擾動傳遞函數(shù)，計算結果為

(5)

式中F2(s)為CAV擾動傳遞函數(shù).

在混合車隊中，假設共有N輛車，擾動在車隊中的傳播具有相鄰車輛兩兩傳播的特性，這可由各車輛擾動項傳遞函數(shù)的乘積進行表達，即

(6)

式中：G(s)為整體混合交通流擾動傳遞函數(shù)，p為CAV比例，1-p為人工駕駛比例.

令s=jω，將式(6)傳遞函數(shù)由拉普拉斯域轉變至頻率域，根據(jù)傳遞函數(shù)理論，得到不同CAV比例p時的混合交通流穩(wěn)定性判別條件為

‖G(jω)‖=‖(F1(jω))p‖≤1, ?ω≥0.

(7)

式中：‖·‖為傳遞函數(shù)幅頻特性最大幅值，ω為角頻率.

因此，當滿足式(7)的判別條件時，混合交通流穩(wěn)定，否則不穩(wěn)定. 由式(4)、(5)與式(7)可以看出，不同CAV比例下的混合交通流穩(wěn)定性由CAV比例p與交通流平衡態(tài)速度ve共同確定. 同時，當CAV比例p分別取值0或1時，式(7)中的混合交通流穩(wěn)定性判別條件分別轉化為同質人工駕駛交通流穩(wěn)定性判別條件與同質CAV交通流穩(wěn)定性判別條件.

3 穩(wěn)定性解析結果

3.1 同質交通流穩(wěn)定性

將p=0或p=1分別代入式(7)計算同質人工駕駛交通流與CAV交通流穩(wěn)定性解析判別條件，計算結果分別為

(8)

(9)

式(8)為同質人工駕駛交通流穩(wěn)定性判別條件，式(9)為同質CAV交通流穩(wěn)定性判別條件，可以看出，同質交通流穩(wěn)定性僅與交通流平衡態(tài)速度ve相關. 用F統(tǒng)一表示人工駕駛與CAV交通流穩(wěn)定性判別式(8)、(9)中的不等式左邊項. 即F大于0，表示穩(wěn)定，否則不穩(wěn)定. 在自由流速度為0～33.3 m/s時，通過式(8)、(9)分別計算得到不同平衡態(tài)速度下人工車輛和CAV車輛的穩(wěn)定性情況，如圖1所示.

圖1 同質交通流穩(wěn)定性

在圖1中，對CAV加速度反饋系數(shù)r進行參數(shù)敏感性分析，顯示了r=0.1、r=0.2與r=0.3時的穩(wěn)定性情況，為了便于觀察曲線的穩(wěn)定性情況，在平衡態(tài)速度為0 m/s附近限制了較大的縱坐標顯示范圍. 計算可知，人工車輛在0.6～21.4 m/s較大速度時不穩(wěn)定，而CAV隨著r的增大，不穩(wěn)定的速度范圍逐漸縮小. 當r=0.1時，CAV在1.6～19.2 m/s時不穩(wěn)定；當r=0.2時，CAV在4.8～14.7 m/s時不穩(wěn)定；當r增大至0.3時，可在自由流速度范圍內均穩(wěn)定.

3.2 混合交通流穩(wěn)定性

依據(jù)混合交通流穩(wěn)定性判別式(7)，計算不同CAV比例、不同平衡態(tài)速度下的混合交通流穩(wěn)定域，如圖2所示. 圖2給出了4種r特定取值時的穩(wěn)定域情況，圖中黑色包圍的區(qū)域為不穩(wěn)定區(qū)域，黑色外部的白色區(qū)域為穩(wěn)定區(qū)域. 圖2中CAV比例為0時，黑色不穩(wěn)定區(qū)域與白色穩(wěn)定區(qū)域的速度邊界值為人工車輛穩(wěn)定與不穩(wěn)定的速度邊界值，由上述圖1的分析計算可知，該速度邊界值分別為0.6、21.4 m/s. 圖2(a)中，CAV比例為1時對應的速度邊界值為CAV在r=0.1時穩(wěn)定與不穩(wěn)定的速度邊界值，該邊界值分別為1.6、19.2 m/s.r取值越大，CAV不穩(wěn)定的速度范圍越小，當r取值增大至0.23時，CAV僅在9.7 m/s的平衡態(tài)速度處不穩(wěn)定，如圖2(b)所示. 當r取值繼續(xù)增大時，CAV可在自由流速度范圍內穩(wěn)定，如圖2(c)所示. 當r取最大值1時，最有利于穩(wěn)定性，如圖2(d)所示.

由圖2可以看出，CAV車輛不穩(wěn)定時的速度范圍在人工車輛不穩(wěn)定速度范圍以內，因此，在人工車輛穩(wěn)定的速度范圍，任意CAV比例時，混合交通流均穩(wěn)定. 在人工車輛不穩(wěn)定的速度范圍，CAV比例越大，越有利于混合交通流轉變?yōu)榉€(wěn)定狀態(tài). 此外，隨著加速度反饋系數(shù)r的增大，混合交通流不穩(wěn)定的區(qū)域逐漸縮小，在r=1時，可計算得到CAV比例達到0.23以上時，混合交通流在自由流速度范圍內均穩(wěn)定.

圖2 混合交通流穩(wěn)定域

4 數(shù)值仿真

4.1 實驗設計

應用人工車輛和CAV車輛跟馳模型，基于數(shù)值仿真實驗分析小擾動在不同CAV比例混合交通流中的傳播情況. 依據(jù)上述穩(wěn)定性解析結果，CAV跟馳模型的前車加速度反饋系數(shù)r在0～1之間取值越大，穩(wěn)定性越好，為不失一般性，在仿真實驗中取其中間值r=0.5. 相關研究[14]表明，交通流穩(wěn)定性與車輛加減速過程中的駕駛舒適性存在定性的相關關系，因此，基于數(shù)值仿真實驗，分析CAV對混合交通流駕駛舒適性的影響.

在仿真實驗中，100輛車隨機地分布在單車道道路上，人工車輛和CAV車輛的相對數(shù)量、位置均由事先設定的CAV比例隨機確定. 混合車隊在初始時刻以平衡態(tài)速度行駛，然后由頭車產生小擾動打破車隊平衡態(tài)，在擾動向車隊上游傳播的過程中，獲得各車輛的速度變化情況以及駕駛舒適性. 根據(jù)上述穩(wěn)定性解析結果，人工車輛在0.6～21.4 m/s時不穩(wěn)定，為了仿真CAV對傳統(tǒng)交通流不穩(wěn)定的影響，選取車隊初始平衡態(tài)速度為11 m/s進行數(shù)值仿真，并且頭車以-0.5 m/s2的加速度減速2 s，形成小擾動[10]. 數(shù)值仿真實驗基于MATLAB軟件，仿真步長為0.01 s. 同時，選取文獻[15]中基于國際ISO2631-1標準的駕駛舒適性指標評價小擾動傳播過程中的駕駛舒適性. 舒適性指標計算公式為

(10)

式中：CI為舒適性指標，ai為統(tǒng)計得到的各車輛加速度值，m為加速度仿真值統(tǒng)計總量.

舒適性指標CI值越小，舒適性越好，具體詳見文獻[15]. 考慮到數(shù)值仿真中的隨機性，各條件下的舒適性仿真實驗均獨立重復10次，并取均值作為該條件下的舒適性仿真結果.

4.2 仿真結果

基于上述數(shù)值仿真實驗設計，小擾動傳播過程中混合交通流穩(wěn)定性仿真結果如圖3所示，舒適性仿真結果見表1.

在圖3中，灰色曲線和黑色曲線分別表示人工車輛和CAV車輛在小擾動傳播過程中的速度變化曲線. 從圖3可以看出，全部人工駕駛車輛交通流(圖3(a))時，頭車的小擾動會隨著時間的推移，從頭車向上游車輛逐漸傳播，并且得到放大，即上游車輛將該擾動放大造成交通流不穩(wěn)定. 而隨著CAV比例的增加(圖3(b)、3(c)、3(d))，頭車產生的小擾動在向上游車輛傳播時，仍然會被逐漸放大，形成不穩(wěn)定車流，但擾動被放大的幅值明顯小于全部人工駕駛車輛情況(圖3(a)). 當CAV比例增大到一定程度時(圖3(e)、3(f))，頭車產生的小擾動在向上游車輛傳播時，并沒有被放大，而得到有效抑制，即交通流變?yōu)榉€(wěn)定狀態(tài). 因此，CAV比例的增加可有效提升交通流的不穩(wěn)定性，最終使得混合交通流轉變?yōu)榉€(wěn)定狀態(tài)，這與上述穩(wěn)定性解析結果相一致.

圖3 穩(wěn)定性仿真結果

表1 駕駛舒適性仿真結果

在表1的舒適性仿真結果中，CI指標降低率是指不同CAV比例時的CI仿真結果相對于CAV比例為0時仿真結果的降低百分比. 如前所述，CI指標值越小，舒適性越好，因此由表1可知，CAV比例的增加可逐步提升駕駛舒適性，基于上述小擾動數(shù)值仿真實驗，100%CAV交通流相比于100%人工駕駛交通流的舒適性指標值可降低約74.76%. 此外，在仿真實驗中通過改變小擾動類型、大小以及初始平衡態(tài)速度進行多次仿真實驗，發(fā)現(xiàn)CAV車輛有利于混合交通流穩(wěn)定性與駕駛舒適性提升的定性化結論不受影響.

5 結 論

1)針對基于前車加速度反饋的CAV車輛與人工車輛混合交通流，建立了CAV混合交通流穩(wěn)定性解析方法，理論推導得到不同CAV比例、不同平衡態(tài)速度下混合交通流穩(wěn)定性判別條件，可理論計算關于CAV比例與交通流平衡態(tài)速度的混合交通流穩(wěn)定域.

2)理論解析計算結果表明，關于CAV比例與平衡態(tài)速度的混合交通流穩(wěn)定域可分析CAV混合交通流穩(wěn)定性情況；在人工車輛穩(wěn)定的速度范圍，不同CAV比例時的混合交通流均穩(wěn)定；人工車輛不穩(wěn)定的速度范圍，CAV比例的增加有利于穩(wěn)定性的提升；CAV跟馳模型前車加速度反饋系數(shù)越大，混合交通流穩(wěn)定域越大，加速度反饋系數(shù)取值為1，且CAV比例達到0.23以上時，混合交通流在自由流速度范圍內均穩(wěn)定. 數(shù)值仿真結果表明，CAV車輛有利于抑制小擾動向車隊上游傳播過程中逐漸被放大的趨勢，且CAV比例的增加可定性地逐步提升駕駛舒適性.

3)建立的CAV混合交通流穩(wěn)定性解析方法可同樣擴展至其他跟馳模型，可為混有前車加速度反饋的CAV混合交通流穩(wěn)定解析提供直接的理論依據(jù)，同時為未來大規(guī)模CAV車輛實地測試的實施提供理論參考. 智能網聯(lián)環(huán)境下車聯(lián)網技術的進一步發(fā)展將最終實現(xiàn)多車互聯(lián)、協(xié)同行駛，因此多車協(xié)作下的混合交通流穩(wěn)定性解析是下一步的研究內容.