摘 要

为了评估现有的跟驰模型对中国驾驶人在跟驰行为方面的表现，本文对3种主流的跟驰模型进行参数标定与效果检验。基于“武汉理工大学综合驾驶实验平台”采集的驾驶人在自然驾驶环境下的实际驾驶行为数据，根据激光雷达、车辆CAN总线以及RT2500惯导系统和Mobileye系统得到的数据自动解析提取出了107个跟车片段；，通过遗传算法的检验来实现对三种主流模型的参数标定和效果检验；选取车头间距作为参数标定的性能指标，偏差检验函数选用均方根百分比偏差。结果表明， Gipps模型具有更准确的跟车行为预测效果，其与实际测得的数据更为接近。本研究结果对研究中国微观仿真交通系统有重要作用。

关键词：自然驾驶；跟驰模型；实车数据；参数标定

Abstract

In order to evaluate the performance of the existing model for Chinese drivers in following behavior, this paper carries out parameter calibration and effect test for three mainstream models. Based on the actual driving behavior data collected by the "comprehensive driving experiment platform of wuhan university of technology" in natural driving environment, 107 car segments are extracted by automatic analysis according to the data obtained by laser radar, vehicle CAN bus, RT2500 inertial navigation system and Mobileye system. The parameter calibration and effect test of three main models are realized by genetic algorithm test. The distance between the heads was selected as the performance index of parameter calibration, and the deviation test function was the root mean square percentage deviation. The results show that the Gipps model is more accurate in predicting car following behavior and is closer to the measured data. The results of this study play an important role in the study of China's microsimulation traffic system.

Key words：natural driving；following model；real vehicle data；parameter calibration

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1研究背景及意义 1

1.2 国内外相关理论研究现状 2

1.2.1自然驾驶研究 2

1.2.2 跟车模型及其应用研究 2

1.2.3 跟车模型的标定方法 3

1.3 研究内容和组织结构 3

1.3.1 研究内容 3

1.3.2 论文组织结构 3

第2章 综合驾驶平台介绍及实验设计 5

2.1 综合驾驶实验平台介绍 5

2.2 实验设计 6

2.2.1 实验总体设计思路 6

2.2.2 实验路线 6

2.2.3 被试及数据 6

2.2.4 告知及承诺 6

2.3 实验流程 6

第3章 跟驰模型与标定方法 8

3.1 三种主流的跟驰模型 8

3.1.1 Gipps模型 8

3.1.2 IDM模型 9

3.1.3 Newll模型 9

3.2 跟驰模型参数标定 9

3.2.1 误差指标 11

3.2.2 优化算法 11

3.3 跟车片段的提取 11

3.4 标定参数的选择 13

第4章 标定结果与效果验证 14

4.1 标定结果 14

4.1.1 基于模拟数据的参数标定 14

4.1.2 参数标定结果 15

4.2 效果验证 15

第5章 总结与展望 19

5.1 总结 19

5.2 展望 19

参考文献 20

致 谢 22

第1章 绪论

1.1研究背景及意义

车辆的跟驰行为是最基本的微观驾驶行为，指在限制超车的同一车道上同一车流中前后两辆车之间的相互影响。跟驰模型则是指用数学以及动力学的方法描述后车根据前车的运动状态采取相应动作不断调整自身的运动状态^[1]，它被用来研究通行能力的估算，也被用来当做研究车辆前向避撞系统（FCW）和自适应巡航系统的基础理论，亦是微观交通仿真系统软件的核心。跟驰模型是联系微观驾驶行为与宏观交通流的纽带，它采用分析车辆间跟驰的方式来解析单车道交通流特性，以此起到联系微观驾驶行为与宏观交通流的作用^[2]。现如今基于实车道路实测数据来进行跟驰模型的参数标定已经成为研究跟驰模型领域的热点问题^[3]。

跟驰模型的参数标定是指通过运用数学手段，求解出一组使模型模拟出的后车性能指标（如后车速度、车头间距、相对速度）与实测性能指标间的误差最小的最优待定参数，；跟驰模型效果验证则是对比模型输出的后车轨迹与实测数据的误差，判断其是否得到最小误差^[1]。由于标定结果不仅可用于单独模型适用于不同环境的效果^[3]或者对不同的模型之间的差异^[4]进行比较，还可用于对不同司机之间异质性^[5-6]或者单独司机自身异质性进行更深入的探讨，因此吸引了大量的研究人员对此展开了深入的探讨。作为跟驰模型参数标定的重要环节，优化求解是获取最小误差的主要方法，其中包括性能指标（Measures of Performance,MOP）选择、偏差检验函数（Deviation test function,DTF）选择和优化算法（Optimization Algorithm,OA）选择^[7]。优化求解的目的是通过求解模型最优的参数使得输出的轨迹与实测数据之间的误差达到最小，因此能否选择合适的性能指标、偏差检验函数和优化算法是其能否准确描述车辆跟驰行为的重要因素，否则会严重影响跟驰模型对输出的仿真值的测定。效果验证是对模型的有效性的检验，通过对模型仿真值与实测值之间的误差分析得到模拟的精确度来判断模型是否可行。

驾驶模拟和问卷调查这两种方法长期以来被应用于收集驾驶行为数据，但这种基于实验的数据来源总是与实际的驾驶行为存在偏差。随着车辆的信息化和智能化程度越来越高，采集实际环境下的驾驶行为数据成果成了可能。本研究以现阶段主流的Gipps模型、IDM模型和Newell模型^[8]为研究对象，研究基于自然驾驶数据下的跟车行为提取方法，分析不同工况下的跟车行为特性，通过实测数据对３个跟驰模型进行参数标定，并对标定结果进行误差分析和效果验证。

1.2 国内外相关理论研究现状

1.2.1自然驾驶研究

国际上所展开的跟驰模型参数标定与验证多基于实验道路数据、模拟驾驶数据、轨迹数据及自然驾驶研究数据。而我国在跟驰模型领域的研究，大多采用的是国外的研究数据（如NGSIM项目数据）或者小规模的实验道路数据，通过大样本的中国驾驶人实车道路实验数据的研究还未曾涉猎。“上海自然驾驶研究”是中国首个自然驾驶研究项目，其采集了共60位驾驶人、累计超过16万km的中国驾驶人自然驾驶行为数据^[9]，这些驾驶行为数据为研究中国驾驶人的跟驰行为提供了宝贵的条件。

自然驾驶研究（NDS）是指在自然状态下（即无干扰、无实验人员出现、日常驾驶状态下）通过激光雷达等精密仪器采集和记录驾驶员自然真实驾驶的状态的研究。自然驾驶研究对于研究驾驶人驾驶行为、引发交通事故的直接因素、驾驶人对先进的安全辅助驾驶系统的反应等都有着重要意义。自1998年美国密西根大学交通研究中心（UMTRI）开展对自适应巡航系统的大规模现场运行测试开始，自然驾驶研究方法经历了近20年的发展。目前代表性自然驾驶项目有弗吉尼亚理工交通研究中心（VTTI）2003年开展的100-Car自然驾驶研究，以及美国交通运输研究委员会（TRB）于2010年主导的世界上规模最大的SHRP2自然驾驶项目^[8]。

“上海自然驾驶研究”项目是由同济大学、通用汽车公司、弗吉尼亚理工大学三方合作开展，其目的是为了了解中国驾驶人对车辆使用方法、车辆操控习惯以及安全意识的认知情况。实验车均配置了包含FCW系统的Mobileye车辆主动安全系统,每位实验参与者驾驶实验车２个月，Mobileye系统在第１个月关闭，第２个月开启^[10]。

1.2.2 跟车模型及其应用研究

Gipps模型、IDM模型和Newell模型是现阶段跟驰模型领域的主流模型，他们均为基于实际应用意义而建立^[8]，因此它们也更为受广大研究者关注，并且已经被相关领域的研究广泛借鉴与应用；此外，这3个模型分别以速度、加速度和轨迹位置等参数描述车辆的跟驰状态，可以更加清楚地与其他模型进行比较。Gipps模型^[11]是Gipps于1981年提出的，它是一种具有代表性的安全距离模型，其假设跟驰车驾驶人能够在前方车辆紧急刹车的风险情况下，跟驰车也能安全的制动，并且在停止后与前方车辆拥有一段安全距离。IDM模型^[12]是目前最优的期望指标模型，有Treiber于2000年提出，它设置了驾驶人在道路上行驶时所期望的车头时距、行驶速度以及车头间距，并以此为目标参数在道路上行驶。Newell模型^[13]是一种相对简单的模型，由Newell于2002年提出，它设置了车辆跟驰时遵守一个简单的规则：在交通状况出现 拥堵时，后车与前车保持一致的行车趋势，仅在时间和空间上呈现一定的之后效应。

跟车模型的标定方法

微观驾驶行为数据是跟驰模型参数标定的重要部分。既有的跟驰模型标定研究使用的微观驾驶行为数据包括：1）实车道路实验数据；2）摄像头采集的轨迹数据^[14]，如美国的NGSIM轨迹数据；3）自然驾驶数据；4）模拟器数据。

跟驰模型标定方法分为３个关键组成部分^[15]：1）性能指标；2）偏差检验函数；3）优化算法。性能指标是描述车辆动态特性的重要指标，常用的性能指标有车头间距、车辆速度和车头时距。既有研究^[17]大多采用车头间距作为性能指标以得到跟准确的标定结果。偏差检验函数检测输出仿真值与实测值之间的误差，用以检测跟驰模型预测精度，同时性能指标的偏差检验函数作为跟驰模型标定中的误差指标，常用的偏差检验函数包括均方根偏差和均方根百分比偏差。优化算法可以通过各种途径找出能使误差指标最小的模型参数。跟驰模型标定中常用的优化算法有下山单纯形法和遗传算法。

跟驰模型参数标定的方法^[7]为：1）在确定跟驰模型结构的基础上，输入前车的轨迹数据，可由跟驰模型模拟仿真出对应的后车轨迹数据；2）将模拟的后车轨迹与实测的后车轨迹进行比较可得到一个与参数有关的误差指标；3）通过优化算法求解出一组是模型待定参数误差最小的一组最优解。

1.3 研究内容和组织结构

1.3.1 研究内容

本文以连续交通流中的跟驰行为作为研究对象，基于实车实验数据，提取国内交通环境下的跟驰行为片段，对3种代表性跟驰模型进行参数标定及效果验证，评估不同的模型的表现。

论文的主要研究内容如下：

1）基于武汉理工大学综合驾驶实验平台，获取46位驾驶人在武汉周边高速公路及城市快速路的自然驾驶数据。

2）对原始数据使用Matlab进行解析、获取参数，提取跟车行为片段，对驾驶员跟车行为在实车道路下的特征进行分析。

3）基于提取出的跟车片段，对3种跟驰模型进行参数标定及效果验证。

1.3.2 论文组织结构

第一章主要介绍了本研究的目的及意义和自然驾驶研究现状，引出了3种主流跟驰模型的概念进而提出本研究的主要内容。

第二章主要介绍对本研究的实车综合实验驾驶平台的搭建与构成，并阐明了本实验设计的思路，介绍了实验数据的类型与处理。主要包括本车OBD数据解析、Mobileye数据解析、RT2500数据解析和激光雷达数据解析。

第三章主要介绍3种主流的跟驰模型以及对跟车片段的提取方式及参数进行确定，并根据计算出的提取条件对解析出的数据进行提取，通过提取出的片段进行分析。

第四章主要对提取出的跟车片段进行数据解析，根据确定的模型模拟出跟驰车的运动轨迹，并与实际的运动轨迹比较得出误差指标，求解得出使误差指标最小的模型参数。

第五章主要对本研究进行总结，并对后续研究做出展望。

第2章 综合驾驶平台介绍及实验设计

2.1 综合驾驶实验平台介绍

驾驶模拟和问卷调查两种方法长期以来被用于收集驾驶行为数据，但这种基于实验室的数据来源与实际驾驶行为总是存在偏差。而随着车辆信息化程度的越来越高，使采集实车环境下的驾驶行为数据成果可能。因此，我们基于广汽传祺GA3汽车并加装传感器，集成开发了智能车辆综合实验平台，以此开展数据采集和分析，主要设备如下：

1）四线激光雷达：用于检测前向目标的信息，并能获取前方车辆与本车之间的车头间距和相对速度；

2）车载OBD接口：通过Kvaser采集卡（或CANoe分析仪）获取OBD-II接口数据，通过其可获取本车的车速、油门踏板开度、刹车踏板压力、横向角速度、纵向加速度、方向盘转角等参数；

3）RT2500惯导系统：通过RT2500惯导来测量汽车的横向加速度、纵向加速度、经度和纬度等参数；

4）Mobileye系统：通过Mobileye系统能够获取车辆相对车道线的位置（车道偏移量）和与前方车辆的车头时距（Time Headway）。

图2.1 综合实验驾驶平台。

2.2 实验设计

2.2.1 实验总体设计思路

本实验预计招募46名驾驶人，驾驶实验车在城市周边高速公路以及城市快速路上驾驶，为保证驾驶人适应车辆，起点出发的前20分钟路程为适应路段，所有实验均在上午8：00至下午17：30之间进行，最后得到共46组实验数据。通过实验场景视频标定、数据归类预处理的方法，对跟车片段进行提取，获得实验结果，从中选取3位驾驶人的驾驶数据，以此来获取驾驶人的跟车行为特性并对3种跟驰模型进行参数标定以及效果验证。

2.2.2 实验路线

本实验为自然驾驶实验，分别在武汉市周边高速公路以及城市快速路上行驶，无具体的实验路线。自然驾驶是在无干扰、无实验人员出现的日常驾驶状态，实验利用高精度数据采集系统记录驾驶人的真实驾驶状态。自然驾驶状态下获取的驾驶人驾驶行为数据具有更高的可靠性。

2.2.3 被试及数据

本实验主要采集熟练驾驶员（驾驶经验大于6000km）和新手驾驶员（驾驶经验小于6000公里）的驾驶行为。为了减小随机因素的影响，实验预计采集46名驾驶人的驾驶数据，其中熟练驾驶员23名，新手驾驶员23名。为减少计算量以及避免误差偏差过大，我们从全部数据中随机挑选3名驾驶人的驾驶数据作为本次实验的数据。

2.2.4 告知及承诺

在实验之前，驾驶人都会签署告知函和承诺书，知晓所开展的实验目的和所采集的数据，并且知晓实验对驾驶人的生理心理不会造成任何伤害，正常的意外事故应由保险公司赔偿，且驾驶人有权在任何不适的时候终止驾驶实验。同时，驾驶人还应承诺实验的行为与其正常驾驶行为一致，并且应在安全的前提下驾驶，任何因人为故意造成的事故和损失应由驾驶人承担。

2.3 实验流程

本次实验主要分为三个阶段，分别为实验准备阶段、实验主要阶段和实验收尾阶段（如图2.2所示）。在实验的准备阶段，驾驶人到达道路起点之后，由实验人员向驾驶人介绍实验相关基本情况和实验要求并进行安全检查，此时被试可以调整座椅、后视镜，之后被试了解告知函并签署承诺书，研究员调试设备，并告知被试驾驶人实验过程；在实验主要阶段中，被试允许有20分钟左右的适应时间，在此期间司机可以熟悉车辆操控性，然后开始进行驾驶实验，研究人员开启相关设备采集数据，驾驶实验全程大约2小时；最后是实验的收尾阶段，将获取的驾驶数据通过MATLAB进行解析。

图2.2实验流程图

第3章 跟驰模型与标定方法

3.1 三种主流的跟驰模型

1953年Pipes^[16]采用了物理动力学理论以及建立数学模型的方法研究车辆跟驰现象，这一举动开启理车辆跟驰理论研究的大门，迄今为止，国际上众多研究人员建立了大量的跟驰模型，然而，既有的跟驰模型均由西方国家研究者所建立，其所适用的是西方国家交通结构、交通法规、车辆动力性能、驾驶规范、西方人驾驶习惯等方面，与我国的相关行为习惯与法律法规不一致，这些会造成驾驶行为的差异，因此西方建立的跟驰模型未必适合中国驾驶人的驾驶行为特性。为此我们需要大量的中国驾驶人实际驾驶数据对典型的跟驰模型进行参数标定。

当今社会已有的有关跟驰模型文献研究中，所运用过的主要研究模型是基于实际应用意义而建立的Gipps模型、IDM模型和Newell模型^[8]，这3个模型分别选取了速度、加速度和轨迹位置为影响因素表示车辆的跟驰状态，由此可以更加清晰地与其他模型进行比较。因此它们在相关的领域被广大研究者们应用与借鉴的同时，也深受广大研究者的信赖。

3.1.1 Gipps模型

Gipps模型又被称为避撞模型，是1981年Gipps建立的最具代表性的安全距离模型，其假设跟驰车驾驶人能够在前方车辆紧急刹车的风险情况下，跟驰车也能安全的制动，并且在停止后与前方车辆拥有一段距离，并且这个距离足够安全。Gipps模型所描述的跟驰行为分为两种状态：即自由状态和跟驰状态，其表达式分别如式（3.1）（3.2）所示