Traffic Flow Dynamics - Chapter 11.pdf

简介：
本章节探讨了交通流动力学的基本原理和模型，分析了车辆在不同道路条件下的流动特性及相互影响，为优化城市交通系统提供了理论依据。 本章节《基于驾驶策略的车辆跟随模型》探讨了源自真实驾驶行为的跟驰模型，这些模型主要关注实际驾驶中的关键因素，如保持安全距离、以期望速度行驶以及在舒适的加速度范围内进行加速等。此外还考虑到了运动学方面的问题，例如制动距离与车速之间的二次方关系。 本章节介绍了两个具体的模型实例：简化版Gipps模型和智能驾驶员模型（IDM）。这些模型使用自适应巡航控制系统（ACC）传感器相同的输入变量，并产生了类似的驾驶行为。接下来的章节将讨论人类特性，如错误判断、反应时间以及对前车行为的预测等。 评判标准： 本章介绍的车辆跟随模型在形式上与之前一章中提到的基本模型类似，通过加速度函数amic或速度函数vmic定义（见方程式10.3和方程10.7）。然而，用于编码驾驶行为的速度或加速度函数需要至少能够模拟以下方面： 1. 加速是车速的严格递减函数。在不受其他因素限制的情况下，车辆将加速至期望速度v0。 2. 该模型应当包含驾驶员的一些典型行为特征：如反应时间延迟、制动时舒适的加速度范围以及与前车保持的安全距离。 简化版Gipps模型： 简化版Gipps模型基于一些关键假设，例如认为汽车总是试图以一个舒适的速度行驶，并且在不发生碰撞的情况下尽可能靠近前方车辆。该模型通过考虑刹车距离和期望速度来计算车辆的加速情况。 智能驾驶员模型（IDM）： 智能驾驶员模型是一个更为复杂的系统，它旨在更准确地模拟实际驾驶行为。除了考虑期望速度与刹车距离外，还考虑到司机倾向于避免频繁加减速以实现更加平滑的行驶体验。通过一系列参数如预期最小安全距离、时间间隔以及舒适加速和制动范围等来模拟这些特性。 讨论的人类因素： 在模型中也考虑了人类驾驶员的一些典型特征，例如错误判断、反应时间和对前车行为预测的能力。这些对于理解和仿真实际交通动态至关重要。 自适应驾驶策略： 指车辆可根据实时的道路与交通状况调整自身的行为方式，在本章所提到的模型里通过ACC传感器输入可以实现这一点：监测前方汽车的速度和位置，并据此调节自身的速度以保持安全距离及期望速度。 总的来说，该章节探讨了基于模仿真实驾驶员行为建立更接近现实世界中交通流动态的车辆跟随模型。这些模型考虑到了包括车距、预期行驶速度以及舒适加速区间等要素，并通过使用类似于自适应巡航控制系统传感器输入变量来模拟驾驶情况。这为理解和预测交通流提供了重要的理论基础，也为智能交通系统的开发和优化提供指导。