基于換道概率分布的多車道交織區(qū)元胞自動(dòng)機(jī)模型

謝濟(jì)銘，彭博，秦雅琴*

(1.昆明理工大學(xué)，交通工程學(xué)院，昆明 650500；2.重慶交通大學(xué)，交通運(yùn)輸學(xué)院，重慶 400074)

0 引言

在城市道路網(wǎng)絡(luò)中，快速路銜接城際高速公路與城市內(nèi)部道路，承擔(dān)城市中大量、長(zhǎng)距離和快速交通服務(wù)，已成為國(guó)內(nèi)眾多大中城市交通運(yùn)行體系的重要組成部分。交織區(qū)是快速路系統(tǒng)的關(guān)鍵部位，其交通流特性比較復(fù)雜，國(guó)內(nèi)外學(xué)者對(duì)其展開(kāi)了較多研究。探析了交織區(qū)流量、密度、速度及通行能力等中宏觀交通流特性，有助于提高交織區(qū)的交通運(yùn)行效率。

從更微觀的視角而言，交織區(qū)車輛頻繁換道、相互沖突和干擾加劇，頻繁復(fù)雜的換道行為使交織區(qū)呈現(xiàn)出特殊的交通流特性。因此，研究交織區(qū)車輛換道行為規(guī)律并進(jìn)行有效建模是探明交織區(qū)交通運(yùn)行機(jī)理的關(guān)鍵和基礎(chǔ)。一些學(xué)者嘗試建立交織區(qū)換道邏輯，模擬整個(gè)過(guò)程中的加減速及換道行為[1]。此外，還有學(xué)者考慮到車輛換道行為受駕駛員心理影響[2]及車輛換道時(shí)會(huì)對(duì)匯入?yún)R出位置、安全間隙等融合序列決策[3]，動(dòng)態(tài)模擬交通條件變化對(duì)合流車輛定位間隙的選擇和合流策略的影響。

受限于換道需求及道路條件等實(shí)際約束，交織區(qū)及其附近的車輛跟車間距較小、換道行為頻繁，而距離較遠(yuǎn)的上下游區(qū)段沒(méi)有匯入或匯出主線的迫切需求，體現(xiàn)為交織區(qū)中段或末端換道較為集中，而其他位置換道次數(shù)較少。因此，交織區(qū)車輛在不同位置的換道需求強(qiáng)度與換道行為有明顯差異，但既有文獻(xiàn)較少專門研究這種差異性[4-5]。部分學(xué)者針對(duì)基本路段探索了換道概率對(duì)交通流的影響[6]，對(duì)于交織區(qū)車輛換道建模分析有一定借鑒價(jià)值。交織區(qū)換道行為需要大量車輛微觀軌跡數(shù)據(jù)作為支撐，一些學(xué)者利用駕駛模擬器[7]或?qū)嵻嚋y(cè)試[8]提取數(shù)據(jù)展開(kāi)研究，不過(guò)較難獲得交織區(qū)全樣本車輛軌跡，難以掌握車輛換道動(dòng)態(tài)交互特性。

2006年，美國(guó)聯(lián)邦公路局公開(kāi)了時(shí)長(zhǎng)約60 min的高速公路交織區(qū)與城市干道交叉口全樣本車輛微觀軌跡數(shù)據(jù)集NGSIM，此后至今，國(guó)內(nèi)外許多研究均基于NGSIM 展開(kāi)車輛跟馳與換道等研究[3,5]，然而由于道路條件、交通規(guī)則及文化差異，NGSIM難以反映國(guó)人真實(shí)駕駛行為特征。

元胞自動(dòng)機(jī)作為一種離散性微觀模型，關(guān)注交通流中個(gè)體車輛的運(yùn)動(dòng)狀態(tài)，可以自定義車輛運(yùn)動(dòng)規(guī)則、適應(yīng)各種實(shí)際的交通流環(huán)境，在交織區(qū)乃至基本路段交通流研究中應(yīng)用十分廣泛[1,2,5,6,9]。為細(xì)致刻畫交織區(qū)復(fù)雜的車輛換道行為，本文針對(duì)多車道交織區(qū)，利用無(wú)人機(jī)拍攝高空視頻提取高分辨率車輛微觀軌跡數(shù)據(jù)，分析車輛速度、加速度、換道行為等時(shí)空分布特征?？紤]換道需求強(qiáng)度與換道行為差異性，提出交織區(qū)動(dòng)態(tài)換道概率分布模型，建立基于路徑轉(zhuǎn)換需求、動(dòng)態(tài)安全間距與動(dòng)態(tài)換道概率等要素的交織區(qū)元胞自動(dòng)機(jī)交通流模型，并進(jìn)行實(shí)測(cè)分析與模型對(duì)比驗(yàn)證。

1 數(shù)據(jù)采集與分析

1.1 數(shù)據(jù)采集

針對(duì)交織區(qū)及其影響區(qū)域?yàn)檠芯繉?duì)象，進(jìn)行觀測(cè)實(shí)驗(yàn)，獲取車輛運(yùn)行數(shù)據(jù)，分析和研究交通運(yùn)行特性。由于同側(cè)-匝道交織區(qū)能被交織車輛使用的最大車道數(shù)是最受限制的，可供交織車輛使用的車道數(shù)最多為1.4車道，即便實(shí)行了限貨限摩管制，但在高峰時(shí)段此類型交織區(qū)車輛行駛行為仍比較混亂。

因此，本文選取重慶市某同側(cè)-匝道型交織區(qū)進(jìn)行數(shù)據(jù)采集，此交織區(qū)車道數(shù)量較多、交織距離較短、承擔(dān)多個(gè)組團(tuán)間車流轉(zhuǎn)化的功能，如圖1所示。該交織區(qū)承擔(dān)東西流向主要過(guò)境流量，主線4條車道、匝道2 條車道，車輛速度離散、行為隨機(jī)、沖突集聚，體現(xiàn)出獨(dú)特的交通特性。為精細(xì)捕捉該交織區(qū)車輛換道復(fù)雜特性，在天氣良好的工作日，利用無(wú)人機(jī)懸停于交織區(qū)上方120 m 采集車輛運(yùn)行高清視頻。在實(shí)驗(yàn)過(guò)程中，為避免數(shù)據(jù)采集影響交通運(yùn)行，要求實(shí)驗(yàn)人員在人行道或周邊高地，使用無(wú)人機(jī)裝置錄制高清視頻數(shù)據(jù)。

圖1 高空視頻拍攝場(chǎng)景Fig.1 High-altitude video shooting scene

為有效獲取交織區(qū)車輛運(yùn)行微觀信息，課題組基于OPEN CV 自主開(kāi)發(fā)多尺度KCF(Kernerlized Correlation Filter)車輛跟蹤優(yōu)化算法，從航拍視角對(duì)運(yùn)動(dòng)車輛進(jìn)行自動(dòng)識(shí)別和跟蹤，對(duì)數(shù)據(jù)進(jìn)行坐標(biāo)變換、數(shù)據(jù)驗(yàn)證和誤差消除等處理分析[10]，得到幀ID、時(shí)間ID、車輛ID、車輛質(zhì)心坐標(biāo)等車輛動(dòng)態(tài)屬性。

通過(guò)車輛自動(dòng)跟蹤及人工標(biāo)定，得到行經(jīng)交織區(qū)車輛完整樣本2912個(gè)，共計(jì)110余萬(wàn)條微觀軌跡數(shù)據(jù)。經(jīng)驗(yàn)證，軌跡信息自動(dòng)跟蹤算法空間位置誤差僅為3.32%，誤差均值為-0.39 km·h-1(-0.11 m·s-1)。25%分位數(shù)誤差值約為-2.3 km·h-1(-0.64 m·s-1)，75%分位誤差值約為1.4 km·h-1(-0.39 m·s-1)，時(shí)間分辨率0.1 s(10 Hz)、空間分辨率0.1 m·px-1(10 cm)，數(shù)據(jù)顆粒度小，檢測(cè)結(jié)果精度較高，為車輛換道行為模型的構(gòu)建及驗(yàn)證提供數(shù)據(jù)支撐。

車輛換道信息提取過(guò)程如圖2所示，在路緣線上設(shè)置虛擬線圈檢測(cè)器，每隔1 m 布置一個(gè)檢測(cè)器，車輛每跨越一次車道，5個(gè)線圈記錄一次換道數(shù)據(jù)。車輛換道方向根據(jù)車輛軌跡的1階導(dǎo)求得，同時(shí)，由行進(jìn)方向與路緣線間的角度閾值，篩選壓線行駛等異常行為。

圖2 換道信息采集示意Fig.2 Channel change information collection schematic

1.2 運(yùn)行特性分析

交織區(qū)主要承擔(dān)主線與匝道車流相互轉(zhuǎn)換的功能，其中最內(nèi)側(cè)車道為定向車道、最外側(cè)車道為匝道2，基本無(wú)車輛換道行為，本文對(duì)此不展開(kāi)研究。觀測(cè)發(fā)現(xiàn)，為盡快匯入目標(biāo)車流，一些車輛在交織區(qū)上游附近提前換道，更多車輛需在交織區(qū)換道。因此，在交織區(qū)及其緊鄰上下游一段范圍內(nèi)，車輛跟車間距較小、急加減速及換道行為較頻繁；而距離交織區(qū)更遠(yuǎn)的上游和下游區(qū)段，沒(méi)有匯入或匯出主線的迫切需求，跟馳和換道自由度較大，車輛行駛行為特性與基本路段相近。

統(tǒng)計(jì)交織區(qū)及緊鄰上下游每個(gè)換道點(diǎn)的換道頻率，其散點(diǎn)及高斯擬合曲線如圖3所示，可看出，所有方向的換道頻率分布基本呈Gaussian分布，換道行為集中在交織區(qū)(40～160 m)。圖3(a)和圖5(b)為主線換道頻率分布，主線內(nèi)側(cè)換至外側(cè)峰中心位置偏左，而主線外側(cè)換至內(nèi)側(cè)峰中心位置偏右，說(shuō)明進(jìn)入交織區(qū)前，內(nèi)側(cè)車道的車輛傾向于提前變換車道，而外側(cè)車道的車輛多在交織區(qū)中后段才能匯入內(nèi)側(cè)車道。圖3(c)和圖3(d)為主線與匝道間換道頻率分布曲線呈雙峰分布形態(tài)，交織區(qū)中段車輛換道行為最集中，而在交織區(qū)末端也形成了換道小高峰，表明交織區(qū)換道強(qiáng)度較高，一些途中未成功換道的車輛只能在交織區(qū)末端匯入主線，可能冒著較高的安全風(fēng)險(xiǎn)進(jìn)行換道。

圖3 交織影響區(qū)6個(gè)方向換道頻率分布Fig.3 Lane changing frequency distribution of six directions in weaving impacted area

2 模型構(gòu)建

2.1 模型簡(jiǎn)介

考慮車輛行為及幾何條件等差異性，將交織區(qū)研究范圍劃分為3個(gè)區(qū)段，如圖4所示。①換道決策幾乎不受交織區(qū)影響的上、下游；②交織影響區(qū)，換道決策受交織區(qū)影響較明顯，覆蓋了交織區(qū)及兩端一定長(zhǎng)度的延伸區(qū)段。

圖4 多車道交織區(qū)研究范圍Fig.4 Research scope of multi-lane weaving area

2.2 上下游換道模型

如圖5所示，在上下游路段，處于車道i的第j輛車，根據(jù)t時(shí)刻本車(i,j)與鄰近車輛(i±1,j±1)的速度v(·)及間距g(·)判斷換道條件，執(zhí)行換道行為。換道過(guò)程包括生成換道動(dòng)機(jī)、判斷換道間距條件、動(dòng)態(tài)換道概率判斷、目標(biāo)車道后車速度同步更新。

圖5 換道主要影響因素Fig.5 Main impact factors when changing lanes

2.2.1 換道動(dòng)機(jī)規(guī)則

引入Gipps 緊急制動(dòng)間距模型，當(dāng)車輛(i,j)車前間距較小時(shí)，可能與前車追尾，此時(shí)考慮動(dòng)態(tài)行車安全間距及停車安全間距，產(chǎn)生換道動(dòng)機(jī)。如果滿足

則產(chǎn)生換道動(dòng)機(jī)，進(jìn)入2.2.2節(jié)。

2.2.2 換道間距規(guī)則

根據(jù)停車安全間距，判斷車輛與目標(biāo)車道鄰近車輛間距是否滿足換道的安全要求，若滿足，則進(jìn)入2.2.3節(jié)。安全要求為

式中：Δt為時(shí)間步長(zhǎng)；vi+T,j-1(t)為t時(shí)刻鄰道上的后車速度；為本車與鄰道前車的間距；為鄰道后車與本車的間距；T為車輛換道方向參數(shù)，向左換道時(shí)T=-1，向右換道時(shí)T=1。

2.2.3 換道概率規(guī)則

圖6 Logistic曲線換道概率Fig.6 Logistic curve lane change probability

2.2.4 目標(biāo)車道后車速度同步更新

考慮車輛(i,j)換道時(shí)與目標(biāo)車道后車(i+T,j-1)的間距和速度差，(i+T,j-1)需在(i,j)換道時(shí)同步更新速度以滿足安全要求。該規(guī)則在換道時(shí)同步更新后車速度，以充分描述換道對(duì)后車乃至交通流的干擾。

2.3 交織影響區(qū)換道模型

對(duì)于多車道交織區(qū)，車輛需在有限距離內(nèi)換至目標(biāo)車道，換道條件局促、換道行為頻繁。車輛為了匯入主線或駛?cè)朐训?，可能采取減速、低速甚至停車換道等風(fēng)險(xiǎn)較高的駕駛行為，以增加換道決策機(jī)會(huì)及成功換道幾率。為有效描述交織區(qū)復(fù)雜的換道行為機(jī)理與決策過(guò)程，考慮換道需求、動(dòng)態(tài)行車安全間距、停車安全間距及動(dòng)態(tài)換道概率等因素，構(gòu)建交織影響區(qū)多級(jí)換道決策模型，包括換道動(dòng)機(jī)判斷、換道時(shí)機(jī)決策及換道概率決策。

2.3.1 換道動(dòng)機(jī)規(guī)則

相比上下游區(qū)域，車輛在交織影響區(qū)的換道動(dòng)機(jī)更加復(fù)雜，除了尋求更快的通行速度與更大的行駛空間外，還具有匯入?yún)R出主線的路徑轉(zhuǎn)換需求。因此，在換道動(dòng)機(jī)規(guī)則中，增加考慮了匯入主線和駛?cè)朐训赖男枨笠蛩?。使用?表示主線向匝道的車輛匯入比，φ2表示匝道向主線的車輛匯入比，r(0,1)表示0～1間隨機(jī)數(shù)。

如果滿足

產(chǎn)生換道動(dòng)機(jī)，進(jìn)入2.3.2節(jié)。

如果滿足

產(chǎn)生駛?cè)朐训佬枨髣?dòng)機(jī)，進(jìn)入2.3.2

否則

則產(chǎn)生匯入主線需求動(dòng)機(jī)，進(jìn)入2.3.2

2.3.2 換道時(shí)機(jī)規(guī)則

為模擬車輛在交織區(qū)影響區(qū)的復(fù)雜換道決策行為，在挖掘分析實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，建立了考慮車輛速度、間距和停車安全間距等主要因素，以低風(fēng)險(xiǎn)換道為目標(biāo)的換道時(shí)機(jī)逐步?jīng)Q策規(guī)則[5]。根據(jù)車速和間距關(guān)系及安全風(fēng)險(xiǎn)，可分為5 類換道情形。這5種情況的換道強(qiáng)度及安全風(fēng)險(xiǎn)逐漸增加，通過(guò)逐步?jīng)Q策選擇換道時(shí)機(jī)。

2.3.3 換道概率分布建模

根據(jù)1.2 節(jié)交織影響區(qū)換道頻率分布散點(diǎn)圖，建立高斯曲線擬合方程為

式中：δ為偏移量；x為換道頻率位置，即車輛在交織影響區(qū)換道空間位置；xc為峰中心位置；w為高斯峰的半高寬；A為峰面積。各換道方向的調(diào)節(jié)系數(shù)與假設(shè)檢驗(yàn)結(jié)果如表1所示。

表1 高斯擬合系數(shù)與檢驗(yàn)Table 1 Gauss fitting coefficients and test

由表1可以看出，所有樣本偏度絕對(duì)值小于3，峰度絕對(duì)值小于10，換道頻率基本服從Gaussian分布[11]。據(jù)此，建立換道概率Gaussian 分布模型H(x)為

式中：Hs(x)為單峰分布；Hd(x)為雙峰分布；a1為函數(shù)在縱向偏移量；為峰值極限值；為橫向偏移量；為分布曲線形狀參數(shù)。

2.3.4 換道概率規(guī)則

當(dāng)車輛(i,j)運(yùn)行至交織影響區(qū)車道i、元胞位置k時(shí)，計(jì)算其換道概率。以向左換道為例，即

由于交通環(huán)境復(fù)雜性和駕駛員行為差異性等，對(duì)于滿足前述換道動(dòng)機(jī)和時(shí)機(jī)規(guī)則的車輛，不一定全部執(zhí)行換道行為，而是以一定的概率進(jìn)行換道。根據(jù)Gaussian 換道概率分布模型測(cè)算出的換道概率，構(gòu)建3 步?jīng)Q策過(guò)程，偽代碼如圖7所示，最終確定是否換道。

圖7 換道概率3步?jīng)Q策Fig.7 3-step decision on probability of lane-changing

3 數(shù)值模擬與分析

3.1 仿真設(shè)置

以圖1中實(shí)例交織區(qū)構(gòu)建元胞自動(dòng)機(jī)模型，細(xì)化元胞尺寸及步長(zhǎng)，將實(shí)測(cè)到達(dá)率、限速值等作為仿真程序的輸入值。選取開(kāi)口邊界條件，當(dāng)車輛車頭位置位于仿真路段終點(diǎn)時(shí)，將車輛剔除車隊(duì)。主要參數(shù)如表2所示。

表2 模型參數(shù)Table 2 Model parameters

3.2 流量-密度-速度分布特性

為驗(yàn)證模型有效性，構(gòu)建基于固定換道概率(取統(tǒng)計(jì)換道比例)的對(duì)比模型[1]。計(jì)算交織影響區(qū)實(shí)測(cè)平均流量、平均密度及平均速度，與本文Gaussian換道概率模型結(jié)果、固定換道概率模型結(jié)果進(jìn)行對(duì)比。

表3給出各模型10000～13600時(shí)步的交織影響區(qū)車道平均流量、平均密度及平均速度，可以看出：

表3 模型結(jié)果對(duì)比Table 3 Model result comparison

(1)本文模型車道流量、密度和速度的誤差均在0.7%～1.6%范圍內(nèi)，與固定換道概率模型相比，除了車道平均流量誤差略高0.45%，密度和速度誤差明顯較低。

(2)與實(shí)測(cè)值相比，固定換道概率模型密度和流量明顯偏高，而本文模型采用Gaussian分布換道概率模擬交織影響區(qū)車輛更為復(fù)雜的換道決策行為，特別是交織區(qū)范圍換道概率明顯高于鄰近區(qū)域，可能降低車速形成交通瓶頸，流量、密度及速度與實(shí)際情況相符。

繪制流量、密度和速度分布圖并進(jìn)行多項(xiàng)式曲線擬合，方點(diǎn)為暢通及緩行階段數(shù)據(jù)，圓點(diǎn)為擁擠及擁堵階段數(shù)據(jù)，結(jié)果如圖8所示。

(1)圖8(a)流量-密度總體分布呈M狀，在暢通或緩行階段，車輛行駛基本不受交織干擾，隨著密度增加、流量先增后降，流密關(guān)系與Greenshields模型一致。擁擠階段：密度在[60,80]pcu·lane-1·km-1時(shí)部分車輛行駛受阻，此時(shí)為匯入主線、駛?cè)朐训阑驅(qū)で蟾蟮男旭偪臻g，車輛換道行為更為頻繁，反而小幅提升了交通流量；隨著密度繼續(xù)增大，車輛間距明顯變小、不易滿足換道條件，此時(shí)交通處于擁堵?tīng)顟B(tài)，匯入、匯出主線強(qiáng)行換道會(huì)進(jìn)一步惡化交通，流量顯著降低。此外，擁堵階段密度峰值約為90 pcu·lane-1·km-1、流量峰值約為900 pcu·h-1·lane-1時(shí)，與實(shí)測(cè)值基本一致。

(2)圖8(b)密度-速度分布為線性函數(shù)關(guān)系，隨著密度增加，速度減小，密度集中于[80,100]pcu·lane-1·km-1，速度集中于[7.5,17.5]km·h-1時(shí)，與實(shí)測(cè)值相符。

圖8 交通流量、密度、速度分布Fig.8 Distributions of traffic volume,density and velocity

(3)圖8(c)速度-流量曲線呈拋物線狀，上半部分大體反映了交通狀態(tài)由暢通到緩行的演化過(guò)程，隨著流量增加，速度逐漸降低；曲線下半部分則反映了交通狀態(tài)逐漸變?yōu)閾頂D或擁堵，車輛速度較低、通行量也減少，較好地反映了交織區(qū)交通流特性。

總體而言，本文模型在暢通或緩行階段交通參數(shù)分布規(guī)律符合Greenshields 關(guān)系，交通演變至擁擠和擁堵?tīng)顟B(tài)時(shí)，體現(xiàn)出區(qū)別于基本路段的交織區(qū)特性。

3.3 時(shí)空?qǐng)D分析

車輛時(shí)空軌跡可有效描述其換道分布情況，如圖9所示，左側(cè)虛線線段表示車輛在車道i跟車行駛至畫圈位置處，滿足換道條件，換道至車道i+1或i-1。同理，右側(cè)畫圈處則說(shuō)明其他車道車輛換至車道i。

圖9 時(shí)空?qǐng)D換道案例Fig.9 Time-space lane change case

以換道交織特征最顯著的集散車道3為例，提取1～2000 時(shí)步時(shí)空軌跡點(diǎn)，繪制固定換道概率模型和本文模型的車輛時(shí)空軌跡圖，如圖10 和圖11所示。

圖10 固定換道概率模型車道3的時(shí)空軌跡Fig.10 Spatial-temporal trajectories of lane 3 resulted from lane changing model with fixed lane-changing probability

圖11 本文模型車道3的時(shí)空軌跡Fig.11 Spatial-temporal trajectory of lane 3 resulted from proposed model

可以看出，固定換道概率模型和本文模型的時(shí)空軌跡全局圖具有如下共性特征：上下游車輛軌跡比較連續(xù)、車流較為平穩(wěn)，上游軌跡線斜率高于下游，即上游車速低于下游，而交織影響區(qū)車輛軌跡連續(xù)性較差、比較紊亂，說(shuō)明這兩個(gè)模型均能體現(xiàn)車輛頻繁換道等行為形成的交織區(qū)瓶頸效應(yīng)。

從時(shí)空軌跡局部圖可以看出，固定換道概率模型交織區(qū)與其緊鄰上游的軌跡比較一致，而本文模型交織區(qū)較其緊鄰上游的車輛軌跡明顯更紊亂，且越接近交織區(qū)中部紊亂程度越高，與換道行為集中在交織區(qū)、換道頻率基本呈Gaussian分布的實(shí)際運(yùn)行特性更相符。

3.4 換道分布特性分析

不同模型換道頻率分布對(duì)比結(jié)果如圖12所示，由圖可知：

圖12 不同模型換道頻率分布對(duì)比Fig.12 Comparison of channel change frequency distribution of different models

(1)車輛實(shí)際換道行為多集中于交織區(qū)中部，在交織影響區(qū)前端或后端部分換道較少，本文模型仿真結(jié)果與該變化規(guī)律大體一致。

(2)對(duì)于本文模型，車道2換至車道1換道頻率分布曲線與實(shí)測(cè)數(shù)據(jù)相比略向左偏移，但曲線形態(tài)、峰值與實(shí)測(cè)數(shù)據(jù)基本一致，而其余5個(gè)方向，換道頻率分布跟實(shí)測(cè)數(shù)據(jù)吻合度較高。

(3)在交織影響區(qū)范圍，固定換道概率模型的換道頻率比較均勻，交織區(qū)與鄰近區(qū)段換道頻率幾乎一樣，無(wú)法體現(xiàn)真實(shí)的換道分布特征。因此，本文模型總體上體現(xiàn)了交織影響區(qū)真實(shí)的換道分布特性，明顯優(yōu)于固定換道概率模型效果，體現(xiàn)了本文模型的優(yōu)越性。

4 結(jié)論

(1)上下游車輛換道的動(dòng)機(jī)多是尋求更大的通行速度和行駛空間，其換道概率主要與跟車間距有關(guān)，與前車間距越小、換道概率越大，據(jù)此引入Logistic曲線模型可有效描述換道概率與跟車間距之間的關(guān)系。交織影響區(qū)車輛換道的動(dòng)機(jī)較復(fù)雜，除了尋求更快的通行速度與更大的行駛空間外，還具有匯入?yún)R出主線的路徑轉(zhuǎn)換需求，本文模型對(duì)上下游和交織影響區(qū)建立了不同的換道動(dòng)機(jī)規(guī)則，可以反映車輛換道需求差異。

(2)交織影響區(qū)各車道換道頻率與換道位置基本服從Gaussian 分布，且換道集中在交織區(qū)，本文提出換道概率Gaussian 分布模型并據(jù)此構(gòu)建換道概率規(guī)則，能有效反映車輛在不同位置的換道強(qiáng)度。

(3)主線車道之間換道頻率呈單峰Gaussian分布，而主線與匝道存在末端換道現(xiàn)象，換道頻率呈雙峰分布。