【技术实现步骤摘要】
本专利技术属于微观交通行为建模与仿真，尤其涉及一种混合交通流车辆跟驰行为的通用建模方法。
技术介绍
1、随着车联网技术和自动驾驶汽车技术的快速发展，网联自动驾驶车有望成为改变传统交通与汽车领域、解决城市交通热点问题，并且网联自动驾驶车取代传统人工驾驶车将会是大势所趋，在过渡阶段由传统人工驾驶车、网联人工驾驶车和网联自动驾驶车共同组合的混合交通流将会长期共存。
2、与传统人工驾驶车交通流相比，混合交通流的交通状态更复杂、更多元，对混合交通流中车辆的跟驰行为建模有助于了解和预测混合交通流的特征，从而为提高交通系统的运行效率和安全提供一定依据。在混合交通流车辆跟驰行为的研究中，学者们通常使用不同的跟驰模型来描述不同类型车辆的跟驰行为，也有学者在此基础上提出了微观仿真框架，深入研究匝道合流场景下传统人工驾驶车和自动驾驶车的相互影响。
3、同时，由于驾驶经验、驾驶风格和生理特性差异，即使在相同的交通条件下，不同的驾驶员也会表现出不同的跟驰行为，为了凸显交通流中个体跟驰行为差异，学者们在跟驰模型中引入了驾驶员的特性。
4、在针对均质交通流场景下的现有研究中，有学者改进了跟驰模型，通过期望调整车头间距来反映驾驶员的驾驶风格，也有学者直接将驾驶员的特征作为参数引入到模型中。此外，在针对混合交通流场景下的现有研究中，有学者将车-车通信和驾驶员的感知-反应时间相结合，作为参数引入到混合交通流车辆跟驰行为建模中。为了进一步探索影响跟驰行为的驾驶员特征，有学者利用驾驶模拟器捕捉并分析了影响传统人工驾驶车和网联车辆跟驰
5、无论是同质交通流还是混合交通流场景，很多研究人员都会在跟驰模型建模时加入驾驶员特征的考量，如驾驶员的驾驶风格、记忆效应、反应时间和服从性等。但现有的研究大多只在模型中考虑1-2种特征，并且用固定的常数来表示所有驾驶员的特征。事实上，驾驶员之间的特性必然存在差异。此外，现有技术中，针对混合交通流场景下的车辆跟驰行为建模研究通常仅考虑了两类车，缺少一个既能刻画驾驶员的特征，又能描述由传统人工驾驶车、网联人工驾驶车和网联自动驾驶车组成的混合交通流的车辆跟驰行为的通用建模方法。
技术实现思路
1、本专利技术提出了一种混合交通流车辆跟驰行为的通用建模方法，以解决上述现有技术中存在的技术问题。
2、为实现上述目的，本专利技术提供了一种混合交通流车辆跟驰行为的通用建模方法，包括：
3、获取混合交通流车辆跟驰行为的影响参数，其中所述影响参数考虑了驾驶员特征；
4、基于影响参数建立混合交通流车辆的通用跟驰框架；
5、基于所述通用跟驰框架，构建混合交通流车辆的通用跟驰模型。
6、优选地，所述影响参数包括：驾驶员的驾驶风格、驾驶员对网联信息的信任水平、驾驶员对车间距的第一敏感系数、驾驶员对车速差的第二敏感系数和通信距离。
7、优选地，所述混合交通流的通用跟驰框架为：
8、
9、其中f(·)为网联自动驾驶车跟驰模型，g(·)为传统人工驾驶车跟驰模型，τ为驾驶员对网联信息的信任水平，γ′i为目标车通讯距离内第i辆网联车信息对应的归一化权重系数，为驾驶员的驾驶风格，δx为车头间距，γ为驾驶员对车间距的敏感系数，δv为车速差，ω为驾驶员对车速差的敏感系数。
10、优选地，基于所述信任水平的取值不同，得到混合交通流中某一类型车辆的跟驰行为。
11、优选地，所述混合交通流车辆包括：传统人工驾驶车、网联自动驾驶车和网联人工驾驶车。
12、优选地，所述传统人工驾驶车的通用跟驰模型包括：第一“感知-决策”阶段和第一操作阶段；
13、所述第一“感知-决策”阶段的加速度表达式为：
14、
15、
16、其中，为第一“感知-决策”阶段的加速度，为驾驶员的驾驶风格，κ、λ、α为跟驰模型的敏感系数，v(δx)为跟驰模型的优化速度，δx为车头间距，v为车辆速度，γ为驾驶员对车间距的敏感系数，l为车长，ω为驾驶员对车速差的敏感系数，δv为车速差，vf为最大速度，s0为最小安全车距；
17、所述第一操作阶段的加速度表达式为：
18、
19、其中，ahv为第一操作阶段的加速度，ε为驾驶员对加速度阈值的敏感系数。
20、优选地，所述网联自动驾驶车的通用跟驰模型包括：第二“感知-决策”阶段；
21、所述第二“感知-决策”阶段的加速度表达式为：
22、
23、
24、其中，a为最大加速度，v为车辆速度，vf为最大速度，s1为期望车头间距，第n辆车为目标车辆，第(n-1)辆车为与目标车辆相邻的第一辆前车，第(n-m)辆车为目标车辆通讯距离内的第m辆网联车辆，γ′i为目标车通讯距离内第i辆网联车信息对应的归一化权重系数，δxi为目标车通讯距离内第i辆车与目标车辆的车头间距，l为车长，s0为最小安全车距，t为期望车头时距，b为期望减速度；
25、
26、
27、其中，γi为目标车通讯距离内第i辆网联车信息对应的权重系数，dcd为目标车辆的通信距离。
28、优选地，所述网联人工驾驶车的通用跟驰模型包括：第三“感知-决策”阶段和第三操作阶段；
29、所述第三“感知-决策”阶段的加速度表达式为：
30、
31、其中，τ为驾驶员对网联信息的信任水平，为第二“感知-决策”阶段的加速度，为第一“感知-决策”阶段的加速度；
32、所述第三操作阶段的加速度表达式为：
33、
34、其中，achb为第二操作阶段的加速度，ε为驾驶员对加速度阈值的敏感系数。
35、优选地，所述通用跟驰模型包括：混合“感知-决策”阶段和混合操作阶段；
36、所述混合“感知-决策”阶段的加速度表达式为：
37、
38、其中，为混合“感知-决策”阶段的加速度，τ为驾驶员对网联信息的信任水平，v为车辆速度，vf为最大速度，s1为期望车头间距，第n辆车为目标车辆，第(n-1)辆车为与目标车辆相邻的第一辆前车，第(n-m)辆车为目标车辆通讯距离内的第m辆网联车辆，γ′i为目标车通讯距离内第i辆网联车信息对应的归一化权重系数，δxi为目标车通讯距离内第i辆车与目标车辆的车头间距，l为车长，为驾驶员的驾驶风格，κ、λ为跟驰模型的敏感系数，v(δx)为跟驰模型的优化速度，δx为车头间距，v为车辆速度，γ为驾驶员对车间距的敏感系数，ω为驾驶员对车速差的敏感系数，δv为车速差；
39、所述混合操作阶段的加速度表达式为：
40、
41、其中，amix为混合操作阶段的加速度，ε为驾驶员对加速度阈值的敏感系数。
本文档来自技高网...【技术保护点】
1.一种混合交通流车辆跟驰行为的通用建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述影响参数包括：驾驶员的驾驶风格、驾驶员对网联信息的信任水平、驾驶员对车间距的第一敏感系数、驾驶员对车速差的第二敏感系数和通信距离。
3.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述混合交通流的通用跟驰框架为：
4.根据权利要求3所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，基于所述信任水平的取值不同，得到混合交通流中某一类型车辆的跟驰行为。
5.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述混合交通流车辆包括：传统人工驾驶车、网联自动驾驶车和网联人工驾驶车。
6.根据权利要求5所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述传统人工驾驶车的通用跟驰模型包括：第一“感知-决策”阶段和第一操作阶段；
7.根据权利要求5所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述网联自动
8.根据权利要求5所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述网联人工驾驶车的通用跟驰模型包括：第三“感知-决策”阶段和第三操作阶段；
9.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述通用跟驰模型包括：混合“感知-决策”阶段和混合操作阶段；
10.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，还包括：基于效率、能耗角度，对所述通用跟驰模型进行数值模拟，以实现混合交通流特性的评估。
...【技术特征摘要】
1.一种混合交通流车辆跟驰行为的通用建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述影响参数包括：驾驶员的驾驶风格、驾驶员对网联信息的信任水平、驾驶员对车间距的第一敏感系数、驾驶员对车速差的第二敏感系数和通信距离。
3.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述混合交通流的通用跟驰框架为：
4.根据权利要求3所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，基于所述信任水平的取值不同，得到混合交通流中某一类型车辆的跟驰行为。
5.根据权利要求1所述的混合交通流车辆跟驰行为的通用建模方法，其特征在于，所述混合交通流车辆包括：传统人工驾驶车、网联自动驾驶车和网联人工驾驶车。
6.根据权利要求5所述的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。