融入公交車與自動(dòng)駕駛車隊(duì)的異質(zhì)交通流模型

梁 軍 ，耿浩然 ，陳 龍 ，于 濱 ，魯光泉

（1.江蘇大學(xué)汽車工程研究院，江蘇 鎮(zhèn)江 212013；2.北京航空航天大學(xué)交通科學(xué)與工程學(xué)院，北京 100191）

網(wǎng)聯(lián)自動(dòng)駕駛汽車是汽車產(chǎn)業(yè)與新時(shí)代物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等信息技術(shù)深度結(jié)合的產(chǎn)物，其依托于車聯(lián)網(wǎng)與交通大數(shù)據(jù)，可以大幅提升車輛的便利性和舒適性.隨著網(wǎng)聯(lián)自動(dòng)駕駛車輛涌入傳統(tǒng)的交通網(wǎng)絡(luò)，城市道路上開(kāi)始出現(xiàn)人工駕駛車輛（human-pilot vehicle, HPV）與網(wǎng)聯(lián)自動(dòng)駕駛車輛（connected and autonomous vehicle, CAV）混行的異質(zhì)交通流，車輛間的相互作用隨之發(fā)生顯著變化，道路交通正呈現(xiàn)出嶄新的格局[1-6].

異質(zhì)交通流中存在的車型主要可分為小汽車與公交車.由于公交車固定線路與固定時(shí)間的營(yíng)運(yùn)特點(diǎn)，一般來(lái)說(shuō)較為容易率先實(shí)現(xiàn)自動(dòng)駕駛，然而部分地區(qū)受限于其運(yùn)行環(huán)境與城市情況，相比較于小汽車而言，無(wú)人公交車難以進(jìn)行商業(yè)化，在此條件下就會(huì)存在著人工駕駛公交車、人工駕駛汽車與自動(dòng)駕駛汽車混行的情況.混合著3 種駕駛類型的車流是否呈現(xiàn)出與傳統(tǒng)異質(zhì)流截然不同的特性尚不明確，因此，針對(duì)存在人工駕駛公交車的異質(zhì)交通流特性進(jìn)行研究對(duì)于明確其交通流特性，減少交通延誤，提高道路通行效率均有重要的現(xiàn)實(shí)意義.

目前，針對(duì)異質(zhì)交通流的研究成果較為豐富.Fakhrmoosavi 等[7]搭建了CAV 與HPV 模型，考慮了不同車型交互以及駕駛行為、異質(zhì)要素對(duì)交通流的影響，研究結(jié)果表明，CAV 可以在一定程度上提高道路的通行效率與道路安全性.Talebpour 等[8]采用博弈論的方法建立了車輛換道模型，并設(shè)計(jì)不同換道模型的仿真框架，使其能預(yù)測(cè)混行交通流中車輛的換道行為，但是該模型效果一般，預(yù)測(cè)能力有限.Sala 等[9]使用概率論估計(jì)異質(zhì)流中CAV 的分布，通過(guò)分析車輛排隊(duì)策略后發(fā)現(xiàn)自動(dòng)駕駛車輛的隊(duì)列長(zhǎng)度可以有效提升道路通行能力.Zhou 等[10]建立一個(gè)四車道的元胞自動(dòng)機(jī)模型框架模擬異質(zhì)車流，并結(jié)合異質(zhì)要素的相互作用提出了改善道路通行能力的策略.而對(duì)公交車，相關(guān)研究中則常以提高其通行效率、服務(wù)能力為目標(biāo)，少有研究對(duì)混行環(huán)境進(jìn)行綜合考慮.Li等[11]考慮到了延遲干擾和乘客需求因素，構(gòu)建公交車控制模型并制定出非線性控制策略，提高了公交車的服務(wù)能力與通行效率.綜合來(lái)看，雖然現(xiàn)有對(duì)異質(zhì)流研究中使用的方法各異，但是其中大多數(shù)研究?jī)H針對(duì)車型為小汽車的CAV 與HPV 間的關(guān)系進(jìn)行研究，涉及到公交車、車隊(duì)排列、跟馳模式方面的研究較少，針對(duì)公交車的研究也少有將混行環(huán)境納入考慮，相關(guān)交通流特性仍待揭示.

文中以城市道路中存在公交車的異質(zhì)交通流作為研究對(duì)象，考慮了道路上存在的4 種跟馳模式與CAV 車隊(duì)的特點(diǎn)建立各模式下的跟馳、換道模型與HPV 加塞模型，并通過(guò)仿真實(shí)驗(yàn)對(duì)此狀態(tài)下的異質(zhì)流特性進(jìn)行相關(guān)分析研究.

1 異質(zhì)交通流中車輛跟馳模式分析

根據(jù)異質(zhì)流中存在的車輛駕駛類型，將車輛的跟馳模式分為4 種，即：人工駕駛汽車跟馳模式、人工駕駛公交車跟馳模式、自適應(yīng)巡航控制模式（adaptive cruise control, ACC）、協(xié)同自適應(yīng)巡航控制模式（cooperative adaptive cruise control, CACC）[12].同時(shí)，為區(qū)分人工駕駛汽車與人工駕駛公交車，將HPV 分為HPVc與HPVb分別表示上述2 種人工駕駛的車輛類別.跟馳類型如圖1 所示.

圖1 跟馳類型示意Fig.1 Schematic of car following type

1.1 人工駕駛小汽車跟馳模式

此種跟馳模式為HPVc跟馳前方車輛，小汽車在道路上表現(xiàn)出的交通特征完全取決于駕駛員的決策和操作，然而，也正是因?yàn)槿说木窒扌远鵁o(wú)法感知周圍車輛的速度、加速度等信息，只能依靠經(jīng)驗(yàn)和感覺(jué)進(jìn)行預(yù)判.所以，這種跟馳模式下小汽車無(wú)法與周圍車輛協(xié)同行駛，也無(wú)法與前車形成隊(duì)列，而且，車輛的速度會(huì)因?yàn)轳{駛員的情緒變化或駕駛狀態(tài)不定而產(chǎn)生波動(dòng).

1.2 人工駕駛公交車跟馳模式

與HPVc跟馳模式相似，人工駕駛公交車跟馳模式為HPVb跟馳前方車輛，公交車的行駛狀態(tài)依賴于公交車司機(jī)的操作狀態(tài)，無(wú)法與其他車輛協(xié)同行駛的同時(shí)，亦存在不定的速度波動(dòng)；由于公交車具有體型大、不靈活的特點(diǎn)，其制動(dòng)距離一般比小汽車更遠(yuǎn)，也因?yàn)楣步煌▽?duì)安全性具有較高的要求，所以相比于小汽車，此種跟馳模式下駕駛員往往傾向于保持更低的行車速度與更遠(yuǎn)的跟車距離.

1.3 ACC 跟馳模式

ACC 跟馳模式是指CAV 跟馳前方HPV，這種情況下，CAV 可以獲取前方及周圍車輛速度、位置、跟車距離等信息，并通過(guò)ACC 控制單元控制車輛始終與前車保持安全距離.由于車輛是計(jì)算機(jī)進(jìn)行控制，比人類駕駛員反應(yīng)更快，需求的安全距離更短.

1.4 CACC 跟馳模式

CACC 跟馳模式為CAV 跟馳前方CAV，由于在通訊范圍內(nèi)CAV 擁有和周圍的CAV 通訊交換信息的能力，所以通訊范圍內(nèi)的CAV 可以進(jìn)行協(xié)同駕駛；這種跟馳模式下，CAV 會(huì)主動(dòng)尋求機(jī)會(huì)組成車輛隊(duì)列，由于隊(duì)列中的CAV 可以在短時(shí)間獲取車隊(duì)中其他車輛的行駛數(shù)據(jù)情況，因此，處于車隊(duì)中的車將逐步形成整體進(jìn)行同步駕駛，相較于ACC 跟馳模式，CACC 跟馳模式擁有更小的安全距離，更高的通行效率[13].

2 異質(zhì)流中融入公交車與CAV 車隊(duì)的跟馳換道模型

2.1 模型約定

道路上車輛種類繁多且HPV 駕駛員行為特性各有不同，要使建立的模型完全符合實(shí)際情況較為困難，因此，需要在具有普遍性的假設(shè)前提下建立模型[14]，文中對(duì)模型約束如下：

1） 車輛于水平路面運(yùn)行；

2） 天氣狀況為晴天；

3） 車輛按照類型分為公交車和小汽車兩類，同類車輛大小一致，不存在性能差異；

4） 道路中的公交車為人工駕駛車輛.

2.2 模型參數(shù)說(shuō)明

首先，對(duì)構(gòu)建模型使用到的參數(shù)進(jìn)行相關(guān)說(shuō)明，具體如表1 所示.模型中，車道A 與車道B 分別為車輛n所在車道與換道的目標(biāo)車道.

表1 參數(shù)說(shuō)明Tab.1 Parameter descriptions

2.3 縱向跟馳模型

交通流中存在著4 種不同的跟馳模式，因此，縱向跟馳模型必須考慮不同跟馳模式的特征，例如：CACC 模式下會(huì)形成CAV 隊(duì)列，ACC 模式下車輛相比HPV 跟馳模式擁有更快的反應(yīng)時(shí)間與更短的安全距離.要在保障安全的前提下進(jìn)行車輛跟馳，首先要獲得需要保持的安全距離，安全距離示意如圖2 所示.

圖2 小汽車、公交車安全距離Fig.2 Safe distances for cars and buses

安全距離[12,15]定義為

式中：bcar、bbus為負(fù)數(shù).

式（1）由兩部分組成：第1 部分為駕駛員反應(yīng)時(shí)間內(nèi)行駛的距離，根據(jù)當(dāng)前車輛n的跟馳模式進(jìn)而判斷車輛駕駛類型從而采用不同反應(yīng)時(shí)間；第2 部分為車輛自制動(dòng)開(kāi)始到停止的距離.為保證行車安全，CACC 模式下排隊(duì)最小間距設(shè)置為安全距離.

2.3.1 加速

基于式（1）確定的車輛安全間距，結(jié)合4 種跟馳模式特性，將車輛在道路中的加速規(guī)則統(tǒng)一設(shè)置為

式中：k1=3.6/，用于當(dāng)前車輛加減速時(shí)機(jī)判斷.

式（2）依據(jù)車輛n的跟馳類型進(jìn)行加速規(guī)則判斷，HPVb、HPVc、ACC 跟馳模式的車輛適用式（2）前半段的加速規(guī)則，因?yàn)榘踩嚯x相異，不同跟馳模式使用同一加速規(guī)則模型呈現(xiàn)不同的加速狀態(tài)；式（2）后半段為CACC 模式加速規(guī)則，(dn-)/?t+vn+1(t)表示車輛在下一時(shí)間步與前方形成隊(duì)列所需要的速度，即當(dāng)CAV 發(fā)現(xiàn)前車CAV 符合組成隊(duì)列條件時(shí)，根據(jù)前車調(diào)整自身速度狀態(tài)，以此逐漸形成車隊(duì)[12].數(shù)值仿真中，將按照車輛n類型確定an、的取值.

2.3.2 減速

按照跟馳模式特點(diǎn)來(lái)解析減速規(guī)則：CACC 模式下的車輛與車隊(duì)中的其他車輛維持統(tǒng)一速度，整個(gè)車隊(duì)的速度變化同步進(jìn)行，HPVb、HPVc跟馳模式會(huì)因?yàn)轳{駛類型不同選擇不同的減速時(shí)機(jī).定義系數(shù)k2表示安全距離與車距的關(guān)系：

4 種跟馳模式中道路車輛減速規(guī)則統(tǒng)一設(shè)置為

處于不同的跟馳模式下的車輛會(huì)根據(jù)其安全距離在不同的時(shí)機(jī)進(jìn)行減速.與其他跟馳模式不同的是，CACC 除了保持最低限度的安全距離條件之外，隊(duì)列中的速度是保持一致的，因此，車隊(duì)整體處于穩(wěn)定狀態(tài).

2.3.3 隨機(jī)慢化HPV 特有的隨機(jī)慢化現(xiàn)象主要描述道路上車輛因?yàn)椴淮_定因素而導(dǎo)致的不規(guī)則減速情況，prandom為發(fā)生隨機(jī)慢化現(xiàn)象的概率，對(duì)隨機(jī)慢化定義為

式中：a為系數(shù)，當(dāng) γn=1 時(shí)，a∈[0,bcar] ，當(dāng) ?n=1 時(shí)，a∈[0,bbus].

2.3.4 跟馳模型位置更新

車輛位置更新情況如式（6）所示.

2.4 橫向換道模型

在沒(méi)有障礙物的道路上，車輛往往會(huì)以更快的行駛速度與更高的通行效率為導(dǎo)向執(zhí)行換道，因此，對(duì)車輛的換道條件、換道概率以及換道的過(guò)程依次進(jìn)行分析.從CAV、HPV 2 個(gè)方面對(duì)換道行為建模.具體換道場(chǎng)景如圖3 所示.

圖3 換道過(guò)程Fig.3 Lane-changing process

2.4.1 CAV 換道模型

CAV 的跟馳模式分為ACC 模式與CACC 模式2 種，由于CAV 優(yōu)先以隊(duì)列狀態(tài)進(jìn)行行駛，因此，處于CACC 跟馳模式下的車輛會(huì)保持隊(duì)列狀態(tài)，不進(jìn)行換道；當(dāng)車輛的跟馳模式為ACC 時(shí)，為獲得更好的行駛環(huán)境，車輛會(huì)對(duì)周圍行駛環(huán)境進(jìn)行換道條件判斷，當(dāng)滿足條件，即車輛換道可獲得更優(yōu)的行駛環(huán)境時(shí)，車輛會(huì)選擇進(jìn)行換道.對(duì)CAV 換道條件定義為

式中：xB,n(t) 為時(shí)刻t車輛n在目標(biāo)車道（車道B）上的位置； ∧ 為邏輯合取，即“與”，邏輯表達(dá)式結(jié)果為0 或1，當(dāng)結(jié)果為1 時(shí)，表示滿足式中所述條件，余同.

式（7）分為5 部分：第1 部分用于確定車輛不在隊(duì)列中且跟馳模式為ACC 跟馳模式；第2 部分用于確定換道車輛在目標(biāo)車道位置無(wú)其他車輛占用；第3、4 部分分別判斷本車道前后、目標(biāo)車道B 的車距安全性；最后一部分表示CAV 各對(duì)兩條車道檢測(cè)范圍內(nèi)獲取的車輛數(shù)據(jù)進(jìn)行計(jì)算，確定目標(biāo)車道通行效率高于本車道后才進(jìn)行換道.CAV 換道場(chǎng)景如圖4 所示.

圖4 CAV 換道場(chǎng)景Fig.4 CAV lane-changing scenario

引入?yún)?shù)k3判斷目標(biāo)車道前方是否存在CAV隊(duì)列，如式（8）所示.

式中： βB,n與 αB,n為車道B 上車輛n的前方車輛跟馳模式判斷參數(shù).

定義車輛從車道A 換道至車道B 的概率為

式中：O為排隊(duì)強(qiáng)度，O∈ [0, 100%].

此處定義的換道概率決定車輛換道時(shí)機(jī)，當(dāng)CAV 檢測(cè)到目標(biāo)車道前方存在CAV 隊(duì)列時(shí)，車輛會(huì)將O作為換道概率，O反映混合交通流中CAV 的集群強(qiáng)度，即O量化了CAV 排隊(duì)的程度，當(dāng)O越大，CAV 越傾向于以隊(duì)列形式行駛，換道組成車隊(duì)的概率越大，O=100%時(shí)，全部CAV 會(huì)聚集成為一個(gè)隊(duì)列，O=0 時(shí)，混行交通場(chǎng)景中不存在CAV 隊(duì)列.

2.4.2 HPV 換道模型

1） 正常換道

將HPVc與HPVb換道模式進(jìn)行統(tǒng)一分析，換道條件如式（10）所示.

根據(jù)安全距離、車長(zhǎng)、車距的不同，HPVc與HPVb會(huì)選擇不同時(shí)機(jī)進(jìn)行換道，HPV 換道概率為

2） 加塞

加塞的發(fā)生往往導(dǎo)致?lián)矶?，主要因?yàn)轳{駛員對(duì)周圍車速度預(yù)估不準(zhǔn)確，從而導(dǎo)致車輛“插隊(duì)”所致，加塞模型如式（11）所示.

由于滿足式（11）條件時(shí)駕駛員不一定選擇進(jìn)行“插隊(duì)”，加塞現(xiàn)象也就不一定會(huì)發(fā)生，因此，使用參數(shù)pg來(lái)表示滿足加塞條件后加塞現(xiàn)象發(fā)生的概率.加塞會(huì)造成車輛跨車道占用情況，位置更新如式（12）所示.場(chǎng)景示意如圖5 所示.圖中，Call(?) 表示該時(shí)刻車輛占用位置范圍內(nèi)的所有元胞.

圖5 加塞場(chǎng)景示意Fig.5 Cutting-in scenario

式（12）分為兩部分：前半部分表示當(dāng)前車輛所處車道位置的前方一個(gè)車長(zhǎng)位置所有元胞狀態(tài)為被占用；后半部分表示目標(biāo)車道相同位置處于占用狀態(tài)，發(fā)生加塞時(shí)，車輛周圍間距無(wú)法達(dá)到正常車輛換道要求，因此，會(huì)造成跨車道占用的情況，給車輛正常通行造成極大影響.

2.4.3 換道模型位置更新

換道后，車輛位置更新情況表示為

式中：xA,n(t)為時(shí)刻t車輛n在車道A 的位置.

3 數(shù)值仿真分析

以長(zhǎng)度為1 000 m，寬為10.5 m 的三車道城市公路為例，每條車道寬3.5 m，設(shè)置元胞長(zhǎng)度lc為0.5 m，小汽車、公交車的長(zhǎng)度分別為5、12 m[16]，且這2 種車型最大速度設(shè)置為17、12 元胞/時(shí)間步，每個(gè)時(shí)間步設(shè)置為0.5 s，采用周期性邊界條件，其余參數(shù)如表2 所示.

表2 仿真參數(shù)設(shè)置Tab.2 Simulation parameter setting

在初始狀態(tài)下，車輛在道路上均勻分布，速度隨機(jī)生成，2 種車輛的到達(dá)服從系數(shù)不同的泊松分布.同時(shí)為獲得較為穩(wěn)定的數(shù)據(jù)進(jìn)行分析，仿真總時(shí)間設(shè)置為2 400 時(shí)間步，將后1 800 時(shí)間步作為目標(biāo)數(shù)據(jù)進(jìn)行分析.以此處理使得數(shù)據(jù)更加貼合實(shí)際道路車輛通行情況.

3.1 異質(zhì)流中不同CAV 滲透率與排隊(duì)強(qiáng)度影響分析

CAV 滲透率（Pcav）越高，通行效率越高.但在一定滲透率區(qū)間內(nèi)，當(dāng)眾多CAV 不以隊(duì)列狀態(tài)行駛而分散在道路中時(shí)，其各自會(huì)受制于前方存在HPV 的行駛狀態(tài)，從而可能導(dǎo)致提升Pcav不會(huì)獲得理想的通行效率增益，即通行效率不一定會(huì)隨Pcav提升而產(chǎn)生明顯的變化.為對(duì)上述問(wèn)題進(jìn)行研究，基于文中的跟馳與換道模型分別設(shè)置3 組不同CAV 滲透率與排隊(duì)強(qiáng)度進(jìn)行對(duì)比，運(yùn)行實(shí)驗(yàn)繪制3 條車道(車道1～車道3）時(shí)空?qǐng)D如圖6 所示.

圖6 不同CAV 滲透率與排隊(duì)強(qiáng)度下的時(shí)空?qǐng)DFig.6 Spatio-temporal diagram with different CAV permeabilities and queuing intensities

由圖6 可得：80% CAV 滲透率下，高排隊(duì)強(qiáng)度促使CAV 以隊(duì)列狀態(tài)高效通行，有效改善了擁堵情況，這點(diǎn)在圖6（a）、（b）中車道2 的時(shí)空?qǐng)D變化中較為明顯，由此可見(jiàn)，在高CAV 滲透率下，相較于普通行駛狀態(tài)，車輛形成隊(duì)列形式行駛?cè)钥蛇M(jìn)一步提升道路通行效率；當(dāng)CAV 滲透率低至20%時(shí)，即使設(shè)置了80%的排隊(duì)強(qiáng)度，道路中仍舊出現(xiàn)了多段擁堵，這說(shuō)明高排隊(duì)強(qiáng)度對(duì)道路通行效率的提升是以高CAV 滲透率為前提，在低滲透率下，即使是高排隊(duì)強(qiáng)度也無(wú)法顯著提升通行能力.

3.2 異質(zhì)流中不同CAV 滲透率下公交換道行為影響分析

3.2.1 公交換道頻率影響分析

設(shè)置Pcav= 20%，40%，60%，80%，并以駕駛員換道意向p2控制公交車的換道頻率，不同于模型中決定換道時(shí)機(jī)的換道概率參數(shù)，這里p2用于判斷公交車是否出現(xiàn)換道，即滿足駕駛員換道意向p2，車輛進(jìn)行換道，控制流程如圖7 所示.

圖7 公交車換道流程Fig.7 Process of bus lane change

公交換道次數(shù)對(duì)應(yīng)的通過(guò)流量為5 次仿真數(shù)據(jù)后的平均值.數(shù)據(jù)處理后，將公交換道次數(shù)順次排列，所得公交車換道次數(shù)與交通流量關(guān)系如圖8 所示，各滲透率下的流量均值與方差如圖9所示.

圖8 公交車換道次數(shù)-交通流量示意Fig.8 Bus lane-changing times versus traffic flow

圖9 不同CAV 滲透率下交通流均值及標(biāo)準(zhǔn)差Fig.9 Mean and standard deviation of traffic flow under different CAV permeabilities

由圖8 可以發(fā)現(xiàn)，公交換道次數(shù)的增加造成交通流量呈現(xiàn)出先增后減的趨勢(shì)，這是因?yàn)樯倭抗粨Q道使道路通行能力得到充分的運(yùn)用，優(yōu)化了車流排列，提高了運(yùn)行效率；而由于車輛跟馳具有滯后、傳遞的特性，過(guò)多的公交換道會(huì)對(duì)周邊車輛產(chǎn)生干擾，造成局部低效率運(yùn)行情況，進(jìn)而影響到整體車流通行能力.此外，當(dāng)公交換道較多時(shí)，交通流量波動(dòng)較小，這是由于此時(shí)換道多發(fā)生于擁堵路段上游，對(duì)整體交通流影響較小.

由圖9 可見(jiàn)：Pcav為20%的情況下所得數(shù)據(jù)相較于其余3 種情況擁有更大的標(biāo)準(zhǔn)差，因?yàn)闈B透率低時(shí)，HPV 只能根據(jù)其跟馳車輛情況行駛，無(wú)法獲知更多信息，具有短視、盲目的特點(diǎn)；Pcav為80%時(shí)，多數(shù)車輛可以獲取實(shí)時(shí)道路狀況信息提前做出決策并選擇最優(yōu)行駛策略，減少了車輛的啟停時(shí)間，并削弱了公交車的換道帶來(lái)的影響，此時(shí)數(shù)據(jù)波動(dòng)較小，即公交換道對(duì)此狀態(tài)下交通流造成的影響較弱.

為進(jìn)一步明確交通流量和公交換道次數(shù)這2 個(gè)統(tǒng)計(jì)變量之間的相關(guān)性，繪制相關(guān)性熱圖，如圖10所示.

圖10 交通流量與公交車換道次數(shù)相關(guān)性熱圖Fig.10 Heat map of correlation between traffic flow and number of bus lane-changing times

圖10 中，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)，數(shù)值的絕對(duì)值越大，相關(guān)性越強(qiáng).由圖可看出，交通流量與公交車換道次數(shù)呈現(xiàn)出負(fù)相關(guān)的關(guān)系，且自動(dòng)駕駛車滲透率增大，兩者相關(guān)性越弱，符合文中所述兩者對(duì)應(yīng)關(guān)系.

已知不同CAV 滲透率下公交換道會(huì)造成不同程度的通行效率衰減，但是其是否會(huì)對(duì)車流整體運(yùn)行速度產(chǎn)生影響仍待討論.為此，設(shè)置Pcav=20%，p2=20%，40%，60%，80%，通過(guò)逐漸增加公交車駕駛員的換道意向來(lái)增加公交車換道的次數(shù)，車流的平均速度圖像如圖11 所示.

圖11 不同駕駛員換道意向下車流平均速度Fig.11 Average traffic speed under lane-changing intentions from different drivers

由圖11 可知：當(dāng)公交換道次數(shù)增多時(shí)，交通流平均速度隨之下降；隨著公交換道次數(shù)變多，仿真時(shí)間段內(nèi)速度圖像呈現(xiàn)出向下偏移的趨勢(shì)；p2為80%時(shí)，由于公交車的頻繁變道對(duì)車流整體通行速度造成較大影響，這時(shí)車流速度曲線一半位于基線之下；當(dāng)p2為20%時(shí)，車流速度曲線大部分位于基線之上，只有極少時(shí)間車流速度小于基線5 元胞/時(shí)間步.綜上，當(dāng)p2為20%時(shí)的車流運(yùn)行效率遠(yuǎn)高于p2為80%時(shí)的車流運(yùn)行效率，這說(shuō)明公交換道并不僅僅減少交通流量，還會(huì)對(duì)車流平均速度產(chǎn)生較大影響.

3.2.2 公交換道下HPVc執(zhí)行率影響分析

當(dāng)前方產(chǎn)生交通狀況時(shí)，人類駕駛員往往想要第一時(shí)間更換車道，然而，周圍的環(huán)境情況以及駕駛員自身的性格特性有時(shí)會(huì)使其放棄執(zhí)行換道的想法，并減速、等待.文中所述HPVc執(zhí)行率為描述HPVc遭遇公交換道時(shí)選擇更換車道的概率變量.為探究不同HPVc執(zhí)行率pe下公交換道帶來(lái)的影響，針對(duì)HPVc執(zhí)行率進(jìn)行控制，記錄不同密度下的車輛平均延誤，具體控制過(guò)程偽代碼如圖12 所示.

圖12 HPV 車輛遭遇公交車換道決策過(guò)程Fig.12 Decision-making process of HPV vehicle encountering bus lane change

每次實(shí)驗(yàn)運(yùn)行5 次取平均值進(jìn)行數(shù)據(jù)記錄，所得不同CAV 滲透率中各HPVc執(zhí)行率下車輛延誤如圖13 所示.

圖13 不同CAV 滲透率下4 種HPV 執(zhí)行率對(duì)應(yīng)的密度-車輛平均延誤Fig.13 Density versus vehicle average delay with four types of HPV execution rates at different CAV permeabilities

從滲透率方面看，隨著CAV 滲透率上升，不同pe曲線呈現(xiàn)越來(lái)越“貼合”的特點(diǎn)，這說(shuō)明隨著CAV 增加，遵從不同HPVc執(zhí)行率的小汽車對(duì)通行產(chǎn)生的干擾逐漸減小，Pcav=20%時(shí)，多數(shù)車輛是人工駕駛，此時(shí)高執(zhí)行率促使更多HPV 換道，道路通行效率受到較大影響；Pcav=80%時(shí)，路上多數(shù)車輛為自動(dòng)駕駛，HPVc執(zhí)行率及其變動(dòng)產(chǎn)生的影響被大幅削減.從執(zhí)行率方面看，高執(zhí)行率會(huì)在特定密度，即車流特定階段下對(duì)通行產(chǎn)生更高干擾，這種情況多數(shù)發(fā)生在同步流這一相位[17]，而當(dāng)密度繼續(xù)上升，不同執(zhí)行率對(duì)交通流影響的差異性逐漸消失，因?yàn)樵诟呙芏葼顟B(tài)下的環(huán)境條件限制了車輛換道，擁堵情況下基本不存在換道情況，即此時(shí)HPVc執(zhí)行率對(duì)交通流影響十分有限.

4 結(jié) 論

1） CAV 滲透率不是提升道路通行效率的唯一指標(biāo)，當(dāng)CAV 形成隊(duì)列時(shí)，其給道路通行能力帶來(lái)的增益要比單獨(dú)提高滲透率高許多.針對(duì)道路中CAV 進(jìn)行隊(duì)列化管理將在原本滲透率基礎(chǔ)上進(jìn)一步提升通行效率.

2） CAV 滲透率越低，公交換道產(chǎn)生的通行效率衰減越嚴(yán)重，滲透率越高，公交換道的影響越??；HPVc執(zhí)行率在不同交通密度下對(duì)交通流的影響具有差異性，同步流狀態(tài)下交通流對(duì)HPVc執(zhí)行率變化較敏感，容易受其干擾，堵塞流狀態(tài)下公交車換道條件受到制約，HPVc執(zhí)行率變化對(duì)通行效率影響十分有限.

3） 未來(lái)將針對(duì)CAV 隊(duì)列中的車輛間距，最大排隊(duì)長(zhǎng)度進(jìn)行研究，并嘗試對(duì)公交車隊(duì)列、公交車?？空居绊懛矫孢M(jìn)行相應(yīng)的探索.