馬永潔

(北方工業(yè)大學(xué)電氣與控制工程學(xué)院， 北京 100144)

0 引言

隨著人民生活水平的提高，機(jī)動車數(shù)量增加，道路資源緊張，有序的換道在一定程度上緩解交通擁堵，換道模型的改進(jìn)和確立對實(shí)際的車輛換道提供有效的幫助.

在早期非網(wǎng)聯(lián)的環(huán)境下，換道多考慮到車輛的行駛速度和換道的安全距離，部分學(xué)者等[1-3]提出元胞自動機(jī)強(qiáng)制換道模型，建立雙車道換道模型，采用模糊理論模擬車道換道過程的研究，分析不同換道策略下的換道收益，為復(fù)雜的交通流提供解決方法；部分學(xué)者[4-5]考慮鄰道干擾，探討了鄰道同向和對向?qū)Ρ拒嚨赖挠绊?，建立?shù)學(xué)模型，確立最小安全距離公式. 但這并沒有解決自由換道的問題，換道效率較低. 隨后學(xué)者多確立更加靈活的換道策略， David等[6]引入沖突風(fēng)險(xiǎn)的博弈論換道模型，假設(shè)Nash平衡解，結(jié)合解釋性變量，確定換道收益，使換道方法更加符合交通流實(shí)際情況.

在傳統(tǒng)模型的基礎(chǔ)上，國內(nèi)外學(xué)者提出在網(wǎng)聯(lián)環(huán)境下建立車輛的換道模型[7-12]，曲大義等[13]根據(jù)傳統(tǒng)車輛和網(wǎng)聯(lián)混合交通流之間的關(guān)系，建立決策模型； Wei 等[14]研究在自動駕駛車輛和人為的混合交通環(huán)境，基于MLC位置概率密度模型，考慮駕駛員的壓力和傾向性換道意圖，提出換道模型改善交通流.

在網(wǎng)聯(lián)交通環(huán)境下，由于車輛能獲得的信息范圍及內(nèi)容均發(fā)生了變化，如車輛不僅能得到本車道前車及相鄰車道前后車的車輛距離、速度信息，也能通過車通信或車路協(xié)同方式，得到本車道及相鄰車道前后方更大范圍內(nèi)的車輛位置、速度、加速度等信息，同時路面的狀態(tài)信息等通過檢測器檢測得到后，也更容易傳輸?shù)杰囕d終端供駕駛員參考，這些信息的獲取對車輛換道決策會帶來新的影響. 由于實(shí)際導(dǎo)致?lián)Q道意圖的可能性較多，在面向車聯(lián)網(wǎng)交通環(huán)境，將綜合考慮更多的車輛信息及路面信息，從換道內(nèi)部影響因素和換道外部影響因素兩方面出發(fā)，設(shè)計(jì)新的車輛換道模型.

圖1 網(wǎng)聯(lián)交通環(huán)境下?lián)Q道意圖的產(chǎn)生

1 換道模型兩級模糊控制器設(shè)計(jì)

1.1 換道內(nèi)部影響因素的獲取

在網(wǎng)聯(lián)交通環(huán)境下，由于感知信息范圍的擴(kuò)大，本文選用更能體現(xiàn)交通流通行情況的車道平均車速差異和車輛密度差異作為內(nèi)部換道模糊控制器的輸入，平均速度差異反應(yīng)了在關(guān)注區(qū)間范圍內(nèi)本車道與目標(biāo)車道整體車速的比較，車輛密度差異反應(yīng)了在關(guān)注區(qū)間長度范圍內(nèi)本車道與目標(biāo)車道擁擠情況的比較，目標(biāo)車輛往往選擇行駛速度較大、車輛之間距離更大的道路.

(1)

1.2 內(nèi)部條件模糊化

進(jìn)行換道決策時，在車道關(guān)注區(qū)間內(nèi)車輛平均速度方面，與實(shí)際駕駛員換道決策相一致，本文計(jì)算一定時間步內(nèi)，本車道與目標(biāo)車道平均速度在各時間步的比較情況，進(jìn)一步分析兩車道平均速度差異的分布情況，并進(jìn)行模糊處理.平均速度差異的比較模型：

(2)

基于各采集時刻平均速度差異的比較值，得到n個采集時刻本車道與目標(biāo)車道關(guān)注區(qū)間內(nèi)的平均速度差異計(jì)算如下：

(3)

式中ΔVN為個樣本時刻的平均速度差異，由式(3)可知，ΔVN∈[-1,1]，即當(dāng)ΔVN=1時，表明在N個采集時刻相鄰車道關(guān)注區(qū)間內(nèi)車輛平均速度均大于本車道關(guān)注區(qū)間內(nèi)車輛平均速度，同理，當(dāng)ΔVN=-1時，表明在N個采集時刻相鄰車道關(guān)注區(qū)間內(nèi)車輛平均速度均小于本車道關(guān)注區(qū)間內(nèi)車輛平均速度.本文后續(xù)將ΔVN作為輸入量之一進(jìn)行模糊化處理.同理，可獲得車輛密度差異的比較模型.

1.3 隸屬度函數(shù)建立

輸入變量車道平均速度差異建立的論域?yàn)閇-1,1]，根據(jù)一般經(jīng)驗(yàn)將車道平均速度差異隸屬度函數(shù)選為三角型隸屬度函數(shù)，將車道平均速度差異和車道密度差異論域內(nèi)劃分為5個模糊子集{負(fù)大，負(fù)小，零，正小，正大}，記[NB,NS,Z,PS,PB].

1.4 基于換道外部影響因素的模糊控制器設(shè)計(jì)

外部綜合因素的改變同樣影響著換道的可能性，在車輛的行進(jìn)過程中，車輛需要感知路況平整度、天氣的變化以及需要考量駕駛員的行駛性格是保守性還是激進(jìn)性等.這些因素雖不易量化，但仍然有或大或小制約的效果.在本文中，主要考慮在基本換道條件滿足情況下，路況的平整程度和駕駛員性格對換道決策產(chǎn)生的影響.

不同性格的駕駛員會有不同程度的換道閾值，根據(jù)駕駛員的性格特點(diǎn)，將其模糊化處理，主要分為3種性格特點(diǎn)：謹(jǐn)慎型性格、中型性格和冒進(jìn)型性格，分別表示為M={NB,Z,PB}；

本文將換道外部因素影響下的駕駛員性格輸入變量定義域設(shè)置為[0,1]，根據(jù)一般經(jīng)驗(yàn)將換道意圖隸屬度函數(shù)選為高斯隸屬度函數(shù)，將換道意圖論域內(nèi)劃分為3個模糊子集{大，中，小}，記作[NB,Z,PB]，定義論域?yàn)閧0,1/3,2/3,1}.

根據(jù)實(shí)際情況將道路平整度作為輸入變量并進(jìn)行模糊化處理，定義域設(shè)置為[0,1]，根據(jù)一般經(jīng)驗(yàn)將道路平整度隸屬度函數(shù)選為高斯隸屬度函數(shù)，分為5個等級：嚴(yán)重不平整、較不平整、平整、較平整和非常平整，分別對應(yīng)5個模糊子集{負(fù)大，負(fù)小，零，正小，正大}.

1.5 基于內(nèi)外部因素影響的二級模糊控制器設(shè)計(jì)

換道內(nèi)部因素影響下的決策和換道外部因素影響下的決策為第1級模糊控制的2個分支部分，在這兩部分所得到模糊控制的模糊輸出量，不需反模糊化輸出，而是直接作為接下來第2級換道決策模糊控制的模糊輸入量，制定模糊控制規(guī)則，輸出是否換道的模糊量.

2 雙車道元胞自動機(jī)仿真模型設(shè)計(jì)

將雙車道道路視為2條由n個元胞組成的離散格點(diǎn)圖，如圖2所示.有單輛車占據(jù)Cn=1和元胞空置Cn=0兩種狀態(tài).設(shè)計(jì)元胞長度為7.5 m，代表一輛車在停車狀態(tài)下車輛長度與車輛停車間隙之和，仿真中每條車道設(shè)置500個元胞，代替實(shí)際車道長度3.75 km，設(shè)置車輛的最大速度為vmax=5,對應(yīng)實(shí)際車輛速度為120 km/h，車輛速度的范圍為[0,5].

圖2 元胞自動機(jī)模擬運(yùn)動圖

根據(jù)本文換道意圖計(jì)算結(jié)果，綜合形成元胞自動機(jī)中車輛換道模型設(shè)計(jì)如下，在目標(biāo)車輛所對應(yīng)的本車道前車以及相鄰車道前車、后車形成的運(yùn)行環(huán)境滿足基本換道條件的情況下，還需通過前文所述二級模糊控制結(jié)果進(jìn)行綜合決策形成本文的換道模型如下：

換道模型：

(4)

式中，vn表示上一時刻目標(biāo)車輛在本車道速度；dn表示目標(biāo)車輛在本車道與前車的間距；gapn，gapn,back分別為第n輛車與前方車輛的間距、與相鄰車道前方車輛的間距、與相鄰車道后方車輛的間距；dsafe為模型中限定的安全換道間距；fout=1為模糊控制輸出結(jié)果為換道.

本研究選用VB.net做為編程平臺，結(jié)合本文所提模型，編程實(shí)現(xiàn)元胞自動機(jī)交通流仿真模型，內(nèi)容包括元胞運(yùn)算、平均速度和換道頻率的統(tǒng)計(jì)分析、數(shù)據(jù)可視化等.

3 仿真分析

本文采用元胞自動機(jī)交通流仿真軟件，對本文所提模型進(jìn)行仿真分析，基本仿真參數(shù)設(shè)置見表1：

表1 仿真車輛參數(shù)設(shè)置

本文對網(wǎng)聯(lián)交通環(huán)境下基于關(guān)注區(qū)間的換道意圖模型進(jìn)行分析，分別模擬雙車道車輛正常運(yùn)行和某車道出現(xiàn)交通事件2種場景，仿真時改變路段交通流密度，車輛數(shù)從0～900取不同值，將本文模型與STCA模型仿真得到的車輛平均速度進(jìn)行對比，仿真對比結(jié)果如圖3、4所示：在正常情況下，隨著仿真車道內(nèi)車輛數(shù)的增加，道路交通流狀態(tài)由自由流狀態(tài)向阻塞流狀態(tài)過渡，本文模型與其他模型車輛平均速度均呈現(xiàn)下降態(tài)勢，但對比本文模型與STCA模型可看出，本文模型下車輛平均速度總體大于STCA模型下車輛平均速度，尤其是車輛數(shù)位于250～400輛(密度為0.25～0.4)區(qū)間，速度優(yōu)勢較為明顯，究其原因，由于本文模型采用以關(guān)注區(qū)間內(nèi)車輛運(yùn)行情況作為換道決策依據(jù)之一，能在一定程度上從全局的角度確定是否換道，避免了局部條件滿足時頻繁換道對交通流運(yùn)行帶來的影響. 進(jìn)一步仿真某車道出現(xiàn)交通事件情況下的交通流運(yùn)行情況，在元胞自動機(jī)模型中，設(shè)置橫向第200個元胞處出現(xiàn)交通瓶頸，瓶頸長度為5個元胞，仿真結(jié)果如圖4所示，從圖4可看出，當(dāng)某車道出現(xiàn)交通事件情況時，本文模型與STCA模型對比效果更為明顯，尤其是在密度為0.25～0.45區(qū)間內(nèi)，本文模型得到的路段交通流平均速度比STCA模型得到的交通流平均速度整體平均約提高5.6 m/s(約0.7個元胞)，充分表明了本文所提出模型的有效性.

圖3 正常環(huán)境下本文模型與STCA模型對比

圖4 交通事件下本文模型與STCA模型對比

4 結(jié)束語

基于網(wǎng)聯(lián)車輛的信息獲取范圍及內(nèi)容，提出關(guān)注區(qū)間概念，將傳統(tǒng)的換道決策局部影響因子擴(kuò)展為關(guān)注區(qū)間范圍內(nèi)的影響因子，進(jìn)而從影響駕駛員換道的內(nèi)部因素和外部因素兩方面出發(fā)，設(shè)計(jì)了兩級模糊決策的網(wǎng)聯(lián)交通車輛換道模型，在此基礎(chǔ)上，基于元胞自動機(jī)交通流仿真環(huán)境，對所設(shè)計(jì)的模型進(jìn)行了仿真運(yùn)行結(jié)果分析. 本文所提出的換道模型更符合車聯(lián)網(wǎng)環(huán)境下的交通流運(yùn)行特征，有一定的理論意義.