人機(jī)混駕交通流交織區(qū)換道模型切換控制策略*

李 霞 李明燁 張孝銘 崔洪軍 馬新衛(wèi)

（1. 河北工業(yè)大學(xué)土木與交通學(xué)院 天津 300401；2. 帝國理工大學(xué)商學(xué)院 倫敦 SW72AZ）

0 引 言

在人機(jī)混駕交通流下，交織區(qū)車輛的換道行為因換道壓力、自動(dòng)駕駛車輛信息交流的存在而與一般換道行為存在差異[1]，且自動(dòng)駕駛車輛換道行為可在一定程度上實(shí)現(xiàn)主動(dòng)控制，故可對人機(jī)混駕交通流交織區(qū)換道模型及自動(dòng)駕駛汽車控制策略進(jìn)行研究。近年人機(jī)混駕條件下無人駕駛車輛換道行為研究較多，Kanaris 等[2]對無人駕駛車輛合流和換道問題進(jìn)行了分析并給出了在緊急制動(dòng)條件下?lián)Q道最小安全距離的計(jì)算方法，并針對不同類型車輛制動(dòng)情況給出特定最小安全距離；黃玲等[3]基于深度學(xué)習(xí)理論,構(gòu)建了人機(jī)混駕環(huán)境下基于LSTM的無人駕駛車輛換道行為模型；孟鑫[4]以博弈論思想為基礎(chǔ),量化計(jì)算自動(dòng)駕駛車輛換道收益，采用納什均衡的方法對模型進(jìn)行求解，得到交織區(qū)人機(jī)混駕下自動(dòng)駕駛車輛最優(yōu)換道策略；Liu 等[5]以傳統(tǒng)元胞自動(dòng)機(jī)模型為基礎(chǔ)，針對自由換道行為和強(qiáng)制換道行為設(shè)計(jì)了2套換道規(guī)則，通過仿真分析了自動(dòng)駕駛車輛對異構(gòu)交通流動(dòng)力學(xué)的影響；田勇達(dá)[6]在混流條件下對協(xié)同換道中的后車減速協(xié)同與強(qiáng)制性換道進(jìn)行了區(qū)分，并建立了多主體動(dòng)態(tài)協(xié)同換道模型?，F(xiàn)有研究多集中于人機(jī)混駕交通流中基本路段和分合流區(qū)的換道行為研究，且多數(shù)考慮了人工駕駛車輛的換道行為對自動(dòng)駕駛車輛的換道策略的影響。故交織區(qū)換道行為研究也需在對人工駕駛車輛影響因素，應(yīng)考慮人工駕駛換道行為統(tǒng)計(jì)分析的基礎(chǔ)上，從宏觀交通流的總體通行效率、穩(wěn)定性出發(fā)，確定自動(dòng)駕駛車輛換道決策。

在交織區(qū)換道研究方面，劉有軍等[7]在構(gòu)建交織區(qū)元胞自動(dòng)機(jī)模型時(shí)考慮了換道壓力對換道行為的影響，換道車輛在靠近交織區(qū)末端仍未實(shí)施換道時(shí)會(huì)減速并迫使目標(biāo)車道后車減速以提供足夠的換道間距。對交織區(qū)的換道模型選取可通過空間位置進(jìn)行劃分，彭博等[8]基于高精度車輛軌跡數(shù)據(jù)，劃分上下游、交織影響區(qū)等多個(gè)分區(qū)，獨(dú)立設(shè)置變量與規(guī)則進(jìn)行建模；Hao等[9]提出了描述交織區(qū)換道位置特征的強(qiáng)制換道概率密度模型；曹珊[10]對車輛換道行為的特性進(jìn)行了深入剖析，對已有的換道模型進(jìn)行歸納總結(jié)，比較它們的優(yōu)缺點(diǎn)，再根據(jù)元胞自動(dòng)機(jī)的原理建立了城市道路換道模型，考慮換道的各種情況和駕駛員的自身的影響因素，提出了換道壓力的概念，并據(jù)此對于強(qiáng)制性換道和自由性換道分別給出了換道概念模型?，F(xiàn)有研究指出在交織區(qū)的不同區(qū)段人工駕駛車輛換道行為存在明顯差異，且行為變化分布存在一定規(guī)律，故有必要分區(qū)段構(gòu)建其換道模型，并基于實(shí)車數(shù)據(jù)統(tǒng)計(jì)分析其換道行為切換點(diǎn)分布規(guī)律，為自動(dòng)駕駛車輛模型切換決策提供依據(jù)。目前，已有學(xué)者關(guān)注到分流區(qū)模型切換方面的研究，即在飽和交通流下，駕駛員會(huì)采取激進(jìn)型和保守型2種不同的強(qiáng)制換道策略[11]。Gong等[12]提出了出口匝道由保守型換道至激進(jìn)型換道的位置優(yōu)化模型；鐘異瑩等[13]在此基礎(chǔ)上基于正態(tài)分布提出了分流區(qū)保守型換道和激進(jìn)型換道的切換條件。

交織區(qū)車輛換道行為特性與基本路段存在較大差異，因其換道均屬強(qiáng)制換道，人工駕駛車輛會(huì)隨距出入口位置的不同呈現(xiàn)不同的換道特性?，F(xiàn)已有學(xué)者關(guān)注到普通交通流分流區(qū)行為變化即換道模型切換對道路通行能力的影響，但交織區(qū)交通流運(yùn)行狀態(tài)與分流區(qū)有顯著差異，主路與匝道車輛之間的干擾更突出，對于換道模型的切換條件仍需進(jìn)一步分析得出。自動(dòng)駕駛車輛的模型切換點(diǎn)位置控制較于人工駕駛車輛模型切換更容易實(shí)現(xiàn)，故有必要結(jié)合交織區(qū)交通流運(yùn)行狀態(tài)分別構(gòu)建各區(qū)段人工駕駛車輛和自動(dòng)駕駛車輛換道模型，并在統(tǒng)計(jì)分析人工駕駛車輛換道行為切換點(diǎn)分布函數(shù)的基礎(chǔ)上，從宏觀交通流總體通行效率、穩(wěn)定性出發(fā)，確定自動(dòng)駕駛車輛模型切換點(diǎn)，以期提高人機(jī)混駕條件下高速公路交織區(qū)通行能力。

基于最小安全距離模型構(gòu)建自動(dòng)駕駛保守型換道即協(xié)同換道模型，并分別選取了交織區(qū)人工駕駛保守型、人工駕駛激進(jìn)型、自動(dòng)駕駛激進(jìn)型換道模型通過分析NGSIM 在交織區(qū)的軌跡數(shù)據(jù)，得出人工駕駛換道車輛保守型換道及激進(jìn)型換道的位置分布規(guī)律，在SUMO 微觀交通仿真平臺(tái)對自動(dòng)駕駛換道模型不同切換位置下的混合交通流進(jìn)行仿真，進(jìn)而分析自動(dòng)駕駛車輛保守型和激進(jìn)型換道對交織區(qū)交通流的影響，得出自動(dòng)駕駛車輛模型最佳切換位置。

1 車輛換道模型構(gòu)建

1.1 自動(dòng)駕駛車輛換道模型

相對于傳統(tǒng)的人工駕駛車輛，自動(dòng)駕駛車輛對安全距離、可接受間隙的判斷不同，換道所需反應(yīng)時(shí)間和加速度不同，自動(dòng)駕駛車輛之間還可通過信息交流實(shí)現(xiàn)協(xié)同換道。文中自動(dòng)駕駛車輛指完全自動(dòng)駕駛等級，即由車輛自主完成所有駕駛操作，并會(huì)感知到周圍聯(lián)網(wǎng)車輛的換道決策信息，從而形成協(xié)同換道現(xiàn)象。

在交織區(qū)的換道可分為不實(shí)施協(xié)同換道和協(xié)同換道；而協(xié)同換道可分為與前車協(xié)同換道和與目標(biāo)車道前車協(xié)同換道2種情況。2種情況下?lián)Q道所需間隙也不同，論文基于人工駕駛最小安全距離及自動(dòng)駕駛協(xié)同換道行為相關(guān)研究[14-15]，構(gòu)建不同類型自動(dòng)駕駛車輛間協(xié)同換道所需間隙的計(jì)算方法。

1）不實(shí)施協(xié)同換道。當(dāng)換道車輛為自動(dòng)駕駛車輛，原車道前車或目標(biāo)車道后車同為自動(dòng)駕駛車輛但無換道需求，或原車道前車及目標(biāo)車道后車均為人工駕駛車輛時(shí)，換道車輛無法實(shí)施協(xié)同換道，換道過程無需附近車輛配合。設(shè)換道車為M，原車道前車為O，目標(biāo)車道前車為DL，目標(biāo)車道后車為DF，換道類型為強(qiáng)制性換道。設(shè)L1為M與原車道前車OL的距離，L2為M與目標(biāo)車道前車DL的距離，L3為M與目標(biāo)車道后車DF的距離。設(shè)t時(shí)刻M車前進(jìn)方向軌跡切線與車道邊界線夾角為β，則有

式中：L為車身長度，m；β為M車前進(jìn)方向軌跡切線與車道邊界線夾角，°；V為車輛速度，m/s；τ為反應(yīng)時(shí)間，s；t為M換道過程所需時(shí)間，s；aM為車輛換道跟馳過程中的加速度，m/s2，應(yīng)根據(jù)自動(dòng)駕駛和手動(dòng)駕駛的差異性分別進(jìn)行設(shè)置；aemg為車輛緊急剎車的加速度，m/s2。

2）與前車協(xié)同換道。在換道間隙達(dá)到一定長度時(shí)，具有換道需求的前后2輛車可同時(shí)進(jìn)行換道，此時(shí)所需換道間隙相較2輛車單獨(dú)換道間隙之和更小。此類換道車輛編號(hào)與位置關(guān)系見圖1。

圖1 協(xié)同換道示意圖Fig.1 Schematic diagram of cooperative lane change

在與前車協(xié)同換道時(shí)，因2 輛車均為自動(dòng)駕駛車輛，所需反應(yīng)時(shí)間較短可忽略，自動(dòng)駕駛車輛進(jìn)行速度調(diào)整以滿足協(xié)同換道所需間隙要求，則可根據(jù)式（1）～（3）所采取換道間隙計(jì)算方法對該類協(xié)同換道所需間隙進(jìn)行改進(jìn)。其中，因M與OL協(xié)同換道，L1保持為M實(shí)施換道過程中因車身偏轉(zhuǎn)而產(chǎn)生的最大縱向位移；L2須同時(shí)考慮OL換道所需間隙，則有L1，L2計(jì)算見式（4）～（5）。

3）與目標(biāo)車道前車協(xié)同交叉換道。當(dāng)換道車輛和目標(biāo)車道前車同時(shí)有換道需求時(shí)，換道車輛與目標(biāo)車道前車的換道決策對應(yīng)目標(biāo)分別為對方的原車道。換道車輛與其目標(biāo)車道前車的換道決策會(huì)互相影響，2輛車同時(shí)換道時(shí)所需換道間隙更小。此類換道車輛編號(hào)與位置關(guān)系見圖2。

圖2 交叉協(xié)同換道示意圖Fig.2 Schematic diagram of cross coordinated lane change

在與目標(biāo)車道前車協(xié)同換道時(shí)，因M與DL協(xié)同換道，L1須考慮M與DL換道過程中所需間隙；L2須同時(shí)考慮M與OL換道所需間隙，則有L1，L2計(jì)算見式（6）～（7）。

在間隙接受理論模型的基礎(chǔ)上，因強(qiáng)制性換道存在緊迫性，當(dāng)車輛到達(dá)激進(jìn)型換道起始位置xm～后仍未完成換道，則M將會(huì)調(diào)整自身速度，以增加與目標(biāo)車道前車DL的距離[10]。自動(dòng)駕駛車輛的激進(jìn)型換道根據(jù)目標(biāo)車道車輛類型的不同將自動(dòng)駕駛激進(jìn)型換道分為目標(biāo)車道后車為人工駕駛和目標(biāo)車道后車為自動(dòng)駕駛2種情況。

1）目標(biāo)車道后車為自動(dòng)駕駛。在2輛車同為自動(dòng)駕駛時(shí)可進(jìn)行信息傳遞，目標(biāo)車道后車在沒有換道需求的情況下會(huì)自動(dòng)進(jìn)行減速以滿足換道間隙，換道車輛無需進(jìn)行加減速行為，計(jì)算見式（8）～（9）。

式中：VDF(t)為目標(biāo)車道后車速度，m/s；bDF為目標(biāo)車道后車減速度，m/s。

2）目標(biāo)車道后車為人工駕駛。在此情況下?lián)Q道車輛需進(jìn)行減速行為，同時(shí)迫使目標(biāo)車道后車進(jìn)行減速以滿足換道間隙，計(jì)算見式（10）～（11）。

式中：VM(t)為在t時(shí)刻換道車輛M的速度，m/s；Δt為調(diào)整速度時(shí)間，s；VDL(t+Δt)為換道時(shí)目標(biāo)車道前車速度，m/s；bM為M車減速度,m/s2。

1.2 人工駕駛車輛換道模型

人工駕駛車輛保守型換道所需間隙與自動(dòng)駕駛車輛保守型相似，但自動(dòng)駕駛車輛換道反應(yīng)時(shí)間小于人工駕駛車輛，即τ取值不同，本文設(shè)自動(dòng)駕駛車輛為0.5 s，人工駕駛車輛 為1.5 s。計(jì)算見式（1）～（3）。

人工駕駛車輛激進(jìn)型換道與目標(biāo)車道后車為人工駕駛時(shí)自動(dòng)駕駛車輛換道情況相似，即換道車輛與目標(biāo)車道后車間沒有信息交互，換道車輛減速并迫使目標(biāo)車道后車減速以實(shí)現(xiàn)換道間隙。二者換道反應(yīng)時(shí)間即τ取值不同，計(jì)算見式（8）～（11）。

2 人工駕駛換道點(diǎn)分布擬合

為對人工駕駛中交織區(qū)換道位置分布及換道沖突策略類型進(jìn)行量化分析，本文選取NGSIM 中US-101和天津市津保立交橋交織路段車輛交織換道軌跡做基礎(chǔ)數(shù)據(jù)。交織路段示意圖見圖3和圖4。由于激進(jìn)型換道車輛在換道過程中會(huì)迫使目標(biāo)車道后車減速以滿足換道間距，因而將換道時(shí)目標(biāo)車道后車加速度為負(fù)的換道過程視作激進(jìn)型換道。截取NGSIM交織區(qū)路段車輛換道軌跡，識(shí)別5s內(nèi)目標(biāo)車道后車加速度為負(fù)的作為激進(jìn)型換道。分別對NGSIM中US-101路段和津保立交橋主路-匝道及匝道-主路的保守型和激進(jìn)型換道位置進(jìn)行高斯擬合，其不同類型換道分布見圖5。

圖3 津保立交橋交織區(qū)構(gòu)造圖Fig.3 Structural diagram of Jinbaointerchange weaving section

圖4 US-101交織區(qū)示意圖Fig.4 US-101 weaving section diagram

圖5 換道位置分布圖Fig.5 Lane change location distribution

由origin進(jìn)行擬合分析可得，主路及匝道的保守型、激進(jìn)型換道點(diǎn)均為正態(tài)分布，該分布的表達(dá)式見式（12），US-101中4種分布的均值與標(biāo)準(zhǔn)差見表1。

表1 高斯分布參數(shù)表Tab.1 Gauss distribution parameter

由圖5 和表1 可見：4 種換道類型換道點(diǎn)均呈現(xiàn)一定的離散性，這是駕駛員風(fēng)格差異性導(dǎo)致的必然結(jié)果，4種換道類型方差不會(huì)隨交織區(qū)長度變化而產(chǎn)生明顯變化。利用US-101和津保立交橋均值數(shù)據(jù)，可進(jìn)一步建立交織區(qū)長度與人工駕駛車輛4種換道類型換道位置，即換道點(diǎn)距交織區(qū)起點(diǎn)距離之間的線性關(guān)系函數(shù)見表2。

表2 高斯分布均值Tab.2 Gauss distribution mean

3 自動(dòng)駕駛最佳換道模型切換點(diǎn)確定

3.1 仿真實(shí)驗(yàn)設(shè)計(jì)

經(jīng)相關(guān)研究可知，交織有效長度約為200 m[16-17]，交織路段過長時(shí)無法體現(xiàn)交織車輛對直行車輛的干擾，為體現(xiàn)交織路段不同位置因強(qiáng)制換道行為而出現(xiàn)的速度變化，設(shè)交織區(qū)長度為250 m。因人機(jī)混駕交通流自動(dòng)駕駛?cè)狈?shí)車數(shù)據(jù)，通過SUMO 微觀仿真平臺(tái)進(jìn)行仿真實(shí)驗(yàn)確定自動(dòng)駕駛最佳換道模型切換點(diǎn)。實(shí)驗(yàn)構(gòu)造3車道A類交織區(qū)，并分別在右側(cè)2車道前部、中部和后部布設(shè)瞬時(shí)感應(yīng)檢測器，交織區(qū)整段布設(shè)長度為250 m 的E2 檢測器以記錄車輛類型、車速、換道位置、排隊(duì)長度等相關(guān)數(shù)據(jù)。

在SUMO 微觀仿真平臺(tái)可運(yùn)用Python 語言通過TRACI接口對人工駕駛和自動(dòng)駕駛的保守型、激進(jìn)型換道決策進(jìn)行控制。即在確定車輛類型后，根據(jù)控制車輛類型不同確定其換道模型切換點(diǎn)，在未到達(dá)切換點(diǎn)時(shí)分別采取人工駕駛和自動(dòng)駕駛的保守型換道模型；在到達(dá)切換點(diǎn)后分別實(shí)施激進(jìn)型換道。其控制決策邏輯見圖6。

圖6 換道控制決策圖Fig.6 Lane change control decision diagram

崔居福等[18]通過模擬不同場景下的交通狀況對SUMO 平臺(tái)下6 種跟馳模型進(jìn)行了對比分析，實(shí)驗(yàn)結(jié)果表明Krauss模型能較真實(shí)反應(yīng)車輛駕駛行為，故仿真時(shí)采用Krauss 模型人工駕駛車輛；在關(guān)于自動(dòng)駕駛及網(wǎng)聯(lián)車輛的大量研究中，智能駕駛員模型因可通過車-車通信以獲得前車信息并實(shí)現(xiàn)智能駕駛的特點(diǎn)而被廣泛應(yīng)用[19]，自動(dòng)駕駛車輛選取IDM車輛跟馳模型。設(shè)自動(dòng)駕駛車輛滲透率由0%至100%以10%為單位遞增進(jìn)行仿真實(shí)驗(yàn)，在交織區(qū)0～250 m 之間以10 m 為單位設(shè)置自動(dòng)駕駛車輛保守型-激進(jìn)型最佳換道模型切換位置，假設(shè)車輛到達(dá)率符合泊松分布，進(jìn)行24 h 仿真實(shí)驗(yàn)并進(jìn)行結(jié)果分析，以便充分體現(xiàn)自動(dòng)駕駛車輛對交織區(qū)交通運(yùn)行狀態(tài)的影響，根據(jù)交織區(qū)人工駕駛車輛主路-匝道和匝道-主路保守型換道及激進(jìn)型換道擬合結(jié)果，結(jié)合交織區(qū)長度設(shè)置本次仿真環(huán)境下人工駕駛交通流分布，進(jìn)而確定不同滲透率下的自動(dòng)駕駛車輛佳換道模型切換點(diǎn)，仿真實(shí)驗(yàn)中交織區(qū)及車輛仿真參數(shù)取值見表3[20]。

表3 仿真參數(shù)表Tab.3 Simulation parameter

考慮到自動(dòng)駕駛車輛換道位置完全可控，以及自動(dòng)駕駛車輛保守型換道“與目標(biāo)車道前車協(xié)同交叉換道”實(shí)現(xiàn)的概率提升，最大限度改善交織區(qū)交通運(yùn)行質(zhì)量，提升交織區(qū)通行能力，將自動(dòng)駕駛車輛主路-匝道、匝道-主路這2類換道車輛的最佳模型切換點(diǎn)位置統(tǒng)一，并通過仿真實(shí)驗(yàn)以交織區(qū)交通運(yùn)行狀態(tài)、通行能力優(yōu)化為目標(biāo)確定交織區(qū)換道模型最佳切換點(diǎn)位置。

3.2 自動(dòng)駕駛換道模型切換點(diǎn)確定

交織區(qū)所通過的交織車道最大流率、交織區(qū)車輛平均速度、換道平均速度可較好的反應(yīng)交織區(qū)運(yùn)行狀態(tài)優(yōu)劣，優(yōu)化其指標(biāo)結(jié)果均可從一定程度提到交織區(qū)通行能力。以15 min 為觀測單位求算流率，得出不同滲透率下自動(dòng)駕駛車輛換道模型切換點(diǎn)位置對交織車道流率、平均速度和換道平均速度的影響見圖7～9。

圖7 不同滲透率下?lián)Q道模型切換點(diǎn)與最大流率分布圖Fig.7 Distribution of starting points of radical lane change under different mixing rates

由圖5 可見：隨著自動(dòng)駕駛車輛滲透率的提高，換道模型切換點(diǎn)的最佳位置逐步向交織區(qū)起點(diǎn)移動(dòng)，在自動(dòng)駕駛滲透率逐漸大于50%后，模型切換點(diǎn)位置對流率的影響愈加明顯；當(dāng)滲透率達(dá)到100%即完全自動(dòng)駕駛狀態(tài)時(shí)，換道模型切換點(diǎn)在30 m左右處達(dá)到最大流率2 269.6 veh/h；且從90 m 繼續(xù)后移過程中，最大流率不再發(fā)生變化，這是由于在完全自動(dòng)駕駛狀態(tài)下，交織車輛通過協(xié)同換道已在交織區(qū)前半端完成換道過程，換道模型的切換不再對其產(chǎn)生影響。在自動(dòng)駕駛車輛低滲透率和高滲透率環(huán)境中，模型切換點(diǎn)位置調(diào)整對流率的影響弱于中等滲透率環(huán)境中，主要原因是中等滲透率條件下，人工駕駛車輛與自動(dòng)駕駛車輛之間的相互干擾更多，當(dāng)模型切換點(diǎn)逐漸向最佳模型切換點(diǎn)靠近時(shí)，自動(dòng)駕駛車輛的換道決策更好的適應(yīng)了人工駕駛車輛的換道行為和換道點(diǎn)分布特征，最大限度將2 種車型間的相互干擾降到最大，可有效提升交織區(qū)最大流率。

圖9 不同滲透率下?lián)Q道模型切換點(diǎn)與換道平均速度關(guān)系圖Fig.9 The relationship between the switching point of the lane-changing model and the average speed of the lane-changing under different permeability

由圖8～9可見：隨著自動(dòng)駕駛滲透率的提升，交織區(qū)車輛平均速度和換道速度因換道模型切換點(diǎn)位置變化產(chǎn)生的差異呈逐漸減小趨勢。主要原因是自動(dòng)駕駛車輛占比提高后，保守型換道中的“與前車協(xié)同換道”以及“與目標(biāo)車道前車協(xié)同交叉換道”協(xié)同換道行為實(shí)現(xiàn)概率大幅提升，大部分車輛有望在速度不發(fā)生改變的情況完成協(xié)同換道，換道車輛無需犧牲自身速度及目標(biāo)后車速度進(jìn)行激進(jìn)型換道，因而換道模型切換點(diǎn)位置對交織區(qū)車輛速度影響逐漸降低。

圖8 不同滲透率下?lián)Q道模型切換點(diǎn)與平均速度關(guān)系圖Fig.8 Switching point and average velocity under different permeability distribution of lane changing model

綜上，得出不同滲透率下使3 個(gè)指標(biāo)最優(yōu)的自動(dòng)駕駛最佳模型切換點(diǎn)見表4。

表4 不同滲透率下自動(dòng)駕駛最佳模型切換點(diǎn)Tab.4 optimal model switching points of automatic driving under different permeability

3.3 仿真實(shí)驗(yàn)對結(jié)果的影響

在跟馳模型及換道模型選取方面：仿真中人工駕駛車輛均統(tǒng)一采用的Krauss模型是1種安全距離類模型，即在單位步長內(nèi)車輛保持固定加速度行駛并更新位置。在仿真步長較大的情況下，車輛位置更新頻率降低，易出現(xiàn)換道不及時(shí)現(xiàn)象，從而使換道位置后移。自動(dòng)駕駛車輛統(tǒng)一采用IDM 模型，這個(gè)模型隨機(jī)性較小，即當(dāng)運(yùn)行狀態(tài)相似的2 自動(dòng)駕駛車輛同時(shí)駛?cè)霑r(shí)，將并步向前行駛，并保持相同的行駛狀態(tài)，與實(shí)際情況不符。這一影響會(huì)使仿真結(jié)果較為單一。仿真中所用換道模型為間隙接受模型，在無協(xié)同的保守型換道模式下，默認(rèn)換道車輛在目標(biāo)車道滿足最小安全間隙后立刻執(zhí)行換道。在人工駕駛車輛仿真中忽略了現(xiàn)實(shí)車輛運(yùn)行過程中根據(jù)駕駛員風(fēng)格差異性其換道所需間隙不同，且均大于最小安全間隙。這一差異性會(huì)增加交織區(qū)車輛換道頻率，使車輛換道位置向交織區(qū)起點(diǎn)移動(dòng)，對應(yīng)自動(dòng)駕駛最佳模型切換點(diǎn)會(huì)產(chǎn)生向交織區(qū)起點(diǎn)的偏移。

在仿真平臺(tái)及實(shí)驗(yàn)過程方面：仿真所采用的SUMO仿真平臺(tái)，車輛在換道中并未設(shè)計(jì)換道軌跡，而是在遇到合適間隙后瞬間插入；而在實(shí)際車輛運(yùn)行中因存在換道車輛的橫向運(yùn)動(dòng)軌跡，對目標(biāo)車道后車的跟馳行為會(huì)產(chǎn)生一定影響，降低后車行駛速度，交織區(qū)車流整體速度降低。仿真模擬情景與實(shí)際車輛運(yùn)行狀態(tài)存在差異，車流平均速度較高，從而使換道頻率增加，車流換道位置向起點(diǎn)處前移。仿真中設(shè)置步長為0.1，與實(shí)際相比仿真精度仍存在不足，存在部分車輛在仿真步長內(nèi)錯(cuò)過換道間隙而未及時(shí)換道的情況，仿真所得換道位置分布會(huì)產(chǎn)生微量的后移，對應(yīng)自動(dòng)駕駛最佳模型切換點(diǎn)向交織區(qū)末端有微弱偏移。

在仿真實(shí)驗(yàn)設(shè)備方面：因控制過程中邏輯判斷環(huán)節(jié)較多，計(jì)算機(jī)處理過程較慢，故采取在仿真中以15 min 為觀測單位計(jì)算流率。仿真時(shí)長較小，無法全部模擬實(shí)際車輛運(yùn)行中所有運(yùn)行情況，因而實(shí)驗(yàn)結(jié)果較為單一，仿真所得換道位置分布同樣會(huì)向交織區(qū)起點(diǎn)處偏移，對應(yīng)自動(dòng)駕駛最佳模型切換點(diǎn)同樣會(huì)產(chǎn)生向交織區(qū)起點(diǎn)的偏移。

此外，在仿真中對車輛現(xiàn)實(shí)運(yùn)行中因氣候、路面情況、晝夜、駕駛員心理等造成的隨機(jī)性體現(xiàn)不足，實(shí)驗(yàn)結(jié)果較為理想。

4 結(jié)束語

本文對津保立交橋和NGSIM 軌跡集中US-101交織區(qū)軌跡數(shù)據(jù)中車輛換道位置分布進(jìn)行了擬合，二者均符合高斯分布且趨勢相近，高斯分布均值隨交織區(qū)長度增長而提高，并進(jìn)一步探究了交織區(qū)長度與不同類型換道位置的關(guān)系，在此基礎(chǔ)上總結(jié)歸納了主路-匝道人工駕駛車輛、匝道-主路人工駕駛車輛2種換道的保守型-激進(jìn)型換道模型切換點(diǎn)分布函數(shù)；分別以最大流率、交織區(qū)整體車輛平均速度、交織車道換道平均速度最優(yōu)化為標(biāo)準(zhǔn)確定自動(dòng)駕駛車輛保守型-激進(jìn)型換道模型切換點(diǎn)，并進(jìn)行對比分析，得出結(jié)論：在自動(dòng)駕駛滲透率為10%時(shí)，換道模型切換點(diǎn)位于210 m 左右處最大流率達(dá)到最高；隨著自動(dòng)駕駛車輛滲透率的提高，換道模型切換點(diǎn)的最佳位置逐步向交織區(qū)起點(diǎn)移動(dòng)；當(dāng)滲透率達(dá)到100%即完全自動(dòng)駕駛狀態(tài)時(shí)，換道模型切換點(diǎn)在30 m左右處達(dá)到最佳。

未來將對不同交織區(qū)長度下其最佳換道模型切換點(diǎn)進(jìn)行研究，以探討交織區(qū)長度對自動(dòng)駕駛車輛切換點(diǎn)選擇的影響，同時(shí)因缺乏自動(dòng)駕駛交通流軌跡數(shù)據(jù)，對自動(dòng)駕駛換道模型相關(guān)參數(shù)的選取停留在仿真階段，在未來的研究中考慮通過實(shí)車實(shí)驗(yàn)進(jìn)行參數(shù)標(biāo)定。