駕駛?cè)烁Y行為對(duì)城市道路交通流的影響研究.pdf

1、駕駛?cè)嗽诘缆方煌ㄏ到y(tǒng)中占有重要地位，駕駛?cè)说鸟{駛行為對(duì)道路交通運(yùn)行狀況有重要的影響。隨著我國(guó)駕駛?cè)藬?shù)量的迅速增加，特別是大量非專(zhuān)業(yè)駕駛?cè)说纳下沸旭?，駕駛?cè)巳后w內(nèi)部差異逐漸凸顯，對(duì)道路交通流產(chǎn)生的影響也日益突出。目前對(duì)我國(guó)駕駛?cè)笋{駛行為特性及其對(duì)道路交通流影響的認(rèn)識(shí)多停留在定性分析的層面。本文以真實(shí)道路交通環(huán)境下采集的實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，對(duì)駕駛?cè)说母Y行為特性進(jìn)行系統(tǒng)、定量化的分析，建立跟馳模型分析駕駛?cè)烁Y行為特性微觀差異對(duì)城市道路交通流的

2、影響。本文研究在探索交通行為科學(xué)的實(shí)驗(yàn)方法、加深對(duì)我國(guó)駕駛?cè)笋{駛行為特性的認(rèn)識(shí)、探究駕駛?cè)笋{駛行為特性對(duì)道路交通流的影響等等方面都具有重要的理論意義和工程應(yīng)用價(jià)值。
　　 駕駛?cè)烁Y行為特性參數(shù)采集是本文研究的首要工作。利用激光測(cè)距儀、GPS和攝像頭等設(shè)備構(gòu)建了車(chē)載激光測(cè)速測(cè)距一體化實(shí)驗(yàn)系統(tǒng)，通過(guò)車(chē)載實(shí)驗(yàn)在真實(shí)道路交通環(huán)境下采集了典型道路（城市主干道和快速路）上具有不同駕駛經(jīng)驗(yàn)駕駛?cè)耍▽?zhuān)業(yè)和非專(zhuān)業(yè)駕駛?cè)耍┰诓煌煌魉剑ㄆ椒迮c

3、高峰時(shí)段）下的大量跟馳行為數(shù)據(jù)。本文實(shí)驗(yàn)方法具有適用真實(shí)道路交通環(huán)境、對(duì)駕駛?cè)笋{駛行為無(wú)影響、實(shí)驗(yàn)數(shù)據(jù)精度較高、數(shù)據(jù)處理方便、實(shí)驗(yàn)設(shè)備簡(jiǎn)單、成本較低等優(yōu)點(diǎn)。采用局部加權(quán)擬合法對(duì)原始實(shí)驗(yàn)數(shù)據(jù)處理得到了跟馳車(chē)輛對(duì)行駛軌跡高精度、連續(xù)的時(shí)間序列數(shù)據(jù)，并根據(jù)車(chē)輛軌跡推算出駕駛?cè)烁Y行為特性主要參數(shù)的時(shí)間序列數(shù)據(jù)。
　　 采用基于前后車(chē)速度相關(guān)系數(shù)的判定方法，提出我國(guó)專(zhuān)業(yè)和非專(zhuān)業(yè)駕駛?cè)嗽诔鞘械缆飞闲旭倳r(shí)劃分自由行駛與跟馳狀態(tài)的跟馳距離臨界

4、值分別為40米和55米、時(shí)間間隔臨界值分別為6.5秒和7秒。根據(jù)駕駛?cè)烁Y行為特性主要參數(shù)的時(shí)間序列數(shù)據(jù)，采用分布函數(shù)擬合、顯著性檢驗(yàn)、方差分析等多種數(shù)據(jù)統(tǒng)計(jì)分析方法對(duì)駕駛?cè)说男旭偹俣?、加速度、?減速延遲時(shí)間、跟馳距離、時(shí)間間隔、碰撞時(shí)間等跟馳行為特性參數(shù)的變化規(guī)律以及在不同條件（道路類(lèi)型、駕駛經(jīng)驗(yàn)、交通流條件、氣質(zhì)類(lèi)型）下的差異進(jìn)行了系統(tǒng)、定量化的分析。
　　 基于實(shí)驗(yàn)觀測(cè)的車(chē)輛行駛軌跡時(shí)間序列數(shù)據(jù)，對(duì)經(jīng)典跟馳模型（GM模型

5、、Helly線(xiàn)性跟馳模型、IDM模型）進(jìn)行了標(biāo)定，并使用Bootstrap方法對(duì)模型參數(shù)標(biāo)定結(jié)果進(jìn)行了參數(shù)可靠程度估計(jì)。根據(jù)車(chē)輛行駛軌跡時(shí)間序列數(shù)據(jù)分析了駕駛?cè)烁Y過(guò)程中的振蕩現(xiàn)象，研究發(fā)現(xiàn)駕駛?cè)烁Y行為的主要特征是交替進(jìn)行速度調(diào)整和距離調(diào)整，根據(jù)這一特征建立了基于駕駛?cè)烁Y行為特性的跟馳模型(Driver Behavior-BasedCar-Following Model，簡(jiǎn)稱(chēng)DB-CFM)，DB-CFM模型主要包括期望跟馳距離模型和

6、加速度模型兩個(gè)組成部分。
　　 基于建立的DB-CFM模型，利用智能體(Agent)與元胞自動(dòng)機(jī)(CA)相結(jié)合的方法進(jìn)行城市道路交通流的仿真，模擬了不同交通流狀態(tài)的轉(zhuǎn)化過(guò)程，模擬結(jié)果表明建立的DB-CFM模型能夠很好地重構(gòu)三相交通流，并且能夠復(fù)制交通滯后、交通流散布、速度和流量陡降等一些重要的交通流現(xiàn)象。通過(guò)模擬分析可知，建立的DB-CFM模型具有模型結(jié)構(gòu)形式簡(jiǎn)單并且模型中所有參數(shù)都有合理的解釋和明確的物理意義、可以實(shí)現(xiàn)不同駕駛

7、行為之間的平滑轉(zhuǎn)換、能夠全面描述從自由流到擁擠流不同交通流狀態(tài)下的轉(zhuǎn)換并且可以很好地重構(gòu)重要的交通流現(xiàn)象、可以通過(guò)設(shè)置不同的參數(shù)值表示不同的駕駛模式、可以進(jìn)行快速數(shù)值模擬等優(yōu)點(diǎn)。
　　 根據(jù)實(shí)驗(yàn)數(shù)據(jù)分析了駕駛?cè)思?減速行為的不對(duì)稱(chēng)性，并基于駕駛?cè)思?減速行為的不對(duì)稱(chēng)性分析了交通滯后和交通流散布現(xiàn)象，研究結(jié)果表明加/減速幅度的差異、加/減速期望跟馳距離的不對(duì)稱(chēng)是導(dǎo)致交通滯后現(xiàn)象的重要原因。滯后環(huán)隨減速幅度的增加而擴(kuò)大，隨加速幅度的

8、增加而縮小;隨減速期望跟馳距離的增加而縮小，但不隨加速期望跟馳距離的變化而變化;隨延遲時(shí)間的增加逐漸縮小。交通流散布現(xiàn)象伴隨著交通滯后現(xiàn)象的存在而存在。通過(guò)DB-CFM模型的模擬以及與實(shí)測(cè)數(shù)據(jù)的對(duì)比分析了速度和流量陡降現(xiàn)象，研究發(fā)現(xiàn)城市主干道和快速路上交通流中斷的速度臨界值在35km/h左右、密度臨界值約為50-60 veh/km/lane、最大流量在1700-2100 veh/h/lane之間、陡降后穩(wěn)定的流量在950-1450 ve

9、h/h/lane之間、流量陡降幅度在25-50％之間。
　　 為了更直接地分析駕駛?cè)烁Y行為特性對(duì)道路通行能力的影響并方便工程應(yīng)用，提出了非專(zhuān)業(yè)駕駛?cè)送ㄐ心芰τ绊懴禂?shù)的概念，采用理論分析法計(jì)算了不同速度和非專(zhuān)業(yè)駕駛?cè)吮壤龡l件下城市道路路段的通行能力以及非專(zhuān)業(yè)駕駛?cè)送ㄐ心芰τ绊懴禂?shù)。研究發(fā)現(xiàn)，當(dāng)主干道和快速路交通流完全由非專(zhuān)業(yè)駕駛?cè)私M成時(shí)造成的通行能力損失最高分別為9％和16％。
　　 為了給駕駛?cè)说陌踩Y提供建議并為相