乔 岳

(浙江师范大学 浙江 金华 321004)

智能网联汽车作为智能交通系统的重要组成，是提高出行效率、缓解交通拥堵的新兴手段。智能网联汽车在我国的逐渐普及，会出现人工驾驶汽车，智能网联汽车的混合交通流。此外，智能网联汽车的功能等级差异、智能网联汽车的比例、相关法律法规以及使用中对辅助驾驶技术的限制等因素将会导致高速公路上混合交通流的不确定性[1]。

智能网联汽车的发展将改变高速公路的交通环境。与人工驾驶汽车相比，智能网联汽车能够更快速地获得更精确的驾驶条件参数且永不疲惫，它不仅严格遵守交通规则，而且还可以缩短两个连续的智能网联汽车之间的距离。现如今，对于智能网联汽车的实验已经展开，未来的高速公路将会有相当长的一段时间，出现智能网联汽车和传统人工驾驶汽车共存的现象。

针对未来这种现象，本文采用微观交通流理论中的元胞自动机模型来进行研究，改良了经典的NaSch模型中的规则，将智能网联汽车和人工驾驶汽车区分开来，以此来探究智能网联汽车对高速公路混合交通流的影响。

元胞自动机是微观交通流理论中的重要研究工具，模型的规则简单，计算速度快。本文的模型建立在NaSch模型的基础上[2]。与经典NaSch模型一样，改良后的NaSch模型具有：加速、减速、随机慢化和位置更新这4步。不同的地方在于，对智能网联汽车的第二步减速过程进行了优化。

Step 1：加速。vn=min(vn+1,vmax)，对应于驾驶员期望以最大速度行驶的特性。

Step 2：人工驾驶汽车减速。vn=min(vn,dn)，表示驾驶员为了防止与前车发生碰撞而减速。dn=xn+1-xn表示第n辆车和前车n+1 之间的空元胞数。

智能网联汽车减速，vn=min(vn,dn+vn+1-1)，表示智能网联汽车根据前车速度和与前车距离灵活调整驾驶速度，在确保安全的情况下减少不必要的减速。

Step 3：随机慢化。服从随机慢化概率P，vn= max(vn-1,0)，对应于现实中各种不确定因素造成的随机减速。

Step 4：位置更新。xn= xn+vn，车辆按照上述步骤中更新好的速度向前行驶。在这里，xn和vn分别表示第n辆车的位置和速度。

智能网联汽车反应时间极短，但考虑到道路状况和某些不确定因素，将智能网联汽车的慢化概率 P 设为 0.05。在智能网联轿车的跟车过程中，它可以敏锐的捕捉到前车的加减速信息，并进行实时的调整，使得它对道路交通状况的反应更加灵敏，减少了许多不必要的减速，从而缩短了与前车的跟车距离。所以，本文在NaSch模型的基础上，将智能网联汽车的step2减速模型进行了修改。

if vn>dn，vn=min(vn,dn+vn+1-1)，表示智能网联汽车在减速阶段，根据前车速度和与前车距离灵活调整驾驶速度，在确保安全的情况下减少不必要的减速。

在本元胞自动机模型中，建立了长度为1.5km的双车道模型，手动驾驶汽车和自动驾驶汽车的车长为一个元胞长度。边界设置为周期性循环，初始状态下车辆随机分布在公路上，初始速度为随机速度。仿真每一次运行演化1000时间步，记录最后100时间步内所有车辆的速度，求得每一时间步内车辆的平均速度，最后将得到的速度值再做时间平均，得到车辆的平均速度v[3]。

图1表示不同智能网联汽车比例下的速度密度图，横坐标为密度，纵坐标为速度。黑色曲线代表智能网联汽车比例为30%，粉色曲线代表智能网联汽车比例为60%，绿色曲线代表智能网联汽车比例为90%.

图1 不同智能网联汽车比例下的速度密度图

首先，从图中可以得出，黑色曲线最低，绿色曲线最高。这是由于智能网联汽车的市场占有率越高，道路上的智能网联汽车越多，由于智能网联汽车随机慢化概率小，且能及时感知周围车辆的加减速信息，使得系统的平均速度越高。其次，三条曲线在密度达到20之前都比较平稳，当密度超过20时，都开始有不同程度的下降。这是由于在密度达到20之前，车辆比较少，系统处于自由流状态，车辆可以以较大的速度行驶。当密度达到20以后，系统逐渐开始拥挤，为了保证交通安全，车辆速度变慢。最后，当密度达到60时，三条曲线代表的系统平均速度不同，绿色最大，粉色次之，黑色最小。这是因为智能网联汽车比人工驾驶汽车更有优势，它们可以与周围的车交互，感知道路环境，以更快的速度前进，体现在仿真图上就是智能网联汽车市场占有率越高，系统的平均速度下降越慢，且在密度达到60时系统的平均速度更高。

随着智能网联汽车的发展，在未来的公路上会有越来越多的智能网联汽车，本文通过对经典的NaSch模型进行改进，将人工驾驶车辆和智能网联汽车区分开来，并且进行模拟仿真，得到了关于人工驾驶车辆和智能网联汽车混合交通流的一些见解，即智能网联汽车的比例越高，系统的平均车速也越高，而且平均车速的下降速度也会减慢。

道路交通问题始终是我们面临的一个难题，随着智能网联汽车的发展，高速公路混合交通流的研究必要而且有益。本文旨在为即将来临的这一现象进行一些前瞻性的探究，提供一些见解。本研究还存在许多不足，还将进一步的深化探索。

猜你喜欢前车平均速度交通流“运动的快慢”“测量平均速度”知识巩固中学生数理化·八年级物理人教版(2022年9期)2022-10-24探究物体的平均速度中学生数理化·八年级物理人教版(2020年9期)2020-11-16『运动的快慢』『测量平均速度』练习中学生数理化·八年级物理人教版(2019年9期)2019-11-25把脉平均速度的测量中学生数理化·八年级物理人教版(2019年9期)2019-11-25基于加权组合模型的短时交通流预测研究测控技术(2018年5期)2018-12-09一种平稳化短时交通流预测方法测控技术(2018年2期)2018-12-09基于ACC系统的目标车辆换道与出入弯道状态辨识算法∗汽车工程(2017年8期)2017-09-15交通流随机行为的研究进展西南交通大学学报(2016年3期)2016-06-15汽车追尾哪种情况无需负责人民交通(2016年9期)2016-06-01路内停车对交通流延误影响的定量分析中国工程咨询(2016年1期)2016-02-14