动态网络与AIMSUN仿真

图2 图3

车辆跟驰的微观仿真
大多数现有微观交通模拟器是基于家庭跟车，换线和间隙接受模型进行建模车辆的行为。一些最常用的跟车模型推导可以追溯到五十年代末进行的汽车集团的大量研究，这是基于全面的现场试验和发展数学理论的桥接微观和宏观理论车流量的研究。这项研究导致了跟车模型的制定以作为刺激 - 反应方程的一种形式，（Gerlough和胡贝尔，1975），这反应的是驾驶员对在车流中紧接他的车辆的反应。这种反应总是和在时间t时的加速或减速刺激的大小成比例并且在一个时间延迟T之后开始，这是跟随器的反应时间。通用汽车集团制定了一系列车型的基础方程式它们的形式是：
响应（t T）=灵敏度*激励（t）

根据对关键问题的答案不同则模型不同：驾驶员的本能反应是什么？对于他什么样的刺激会产生反应并且我们怎样衡量他的敏感性？加伯德（1991）概述了跟车模型。第一，也是最简单的模型反应了一种反应由跟随器的加速度或减速度来表示的情况并且驱动器和刺激是通过相对速度的变化来表示的。这个简单的模型考虑到灵敏度是恒定的。如果和是领导者和跟随者的分别在时刻t的位置，那么基本模式是：

后面这些模型的基本假设是，司机将会让自己在离前头车辆一定的距离，使得在前车紧急刹车时，自己不会惊吓到。这些模型假定跟随驾驶员程将根据前车的速度变化加速和减速调整自己的反应在以相同的速率对刺激给以感知。然而，这是显而易见的，该减速的能力通常大于加速的能力。这已经被观察到（赫尔曼和罗瑟里，1959年）观察到，他提出修改的基础模型（1），使得：

考虑到这些不同的行为，以及通过考虑其他因素得到的行为的实例，例如目标或期望司机的速度也应考虑到，（吉普斯，1981），（Mahut，2000），开发经验（行为而不是“响应一个刺激”）模型由两个组件构成：加速和减速，定义为一个可以被衡量的有用变量。第一个代表一种车辆达到一定速度所需的意图，而第二表现了受前面的车辆尝试达到速度的限制。该模型表明，最大速度一辆车（N）可以在一段时间（t，t T）下计算所得的最大速度，由下式给出：

其中：V（N，T）是车辆在时间t的速度；V（n）是车辆（N）所需的速度；一个是车辆的最大加速度；T是反应时间。另一方面，同一辆车（N）的最大速度可以在相同的时间间隔（t，t T）达到，根据自己的特点和前方车辆带来的局限得到：

其中：d（n）（＜0）是最大的减速所需车辆n ;x（n，t）是车辆n在时间t的位置；x（n-1，t）是前车（n—1）在时间t的位置；S（n-1）是车辆（n-1）的有效长度；d（n-1）是一估计车辆（n-1）所需的减速。车辆的最终速度在时间间隔（t，t T）是先前定义的最小的速度：

车辆的位置在当前车道被更新以速度的运动方程：

重写方程（4）为

在每个瞬间跟随车辆可以在这两种中的其中一种状态：

1．在时间t T加速度约束下允许的最大跟随速度，当安全减速停止约束不活跃和车辆行驶的“自由”。

2．在时间t T的跟随者允许的最大速度是通过安全减速停止约束，当安全减速停止约束变得活跃。

大多数的这些模型在仿真软件包实现的方式上的一个共同的缺点是模型参数全局即常数为整个网络，而众所周知，驾驶行为受交通条件的影响。因此，一个更现实的实施跟驰实验微观仿真建模方式应该是局部行为。这意味着，一些模型参数必须是局部取决于局部几何和交通条件。

在吉普斯模型之后演化而来的车辆跟驰模型AIMSUN，这些改善用于满足前面描述的要求。第一个改善是关于在吉普斯模型中运用车辆速度。AIMSUN中实现的是把车辆n的期望车速作为当前的部分，因此是一个局部参数。这些是根据程序的描述计算出的。

计算截面上的车辆的速度

跟车模型是这样的，领先的车辆，即车辆驾驶自由，想开车到最大速度所需。三个参数是用于计算当行驶在一特定的部分或转折的最大期望车速；其中两个与车辆有关，一个与截面或转向有关：

1车辆n的最大期望车速。

2可接受车速（一个参数测量驾驶员截面上的速度限制完成程度）

3截面或转弯车速限制。

车辆在某一截面或转弯处的速度限制，计算公式为：

然后，车辆在某一截面或转弯处的最大期望车速，计算公式为：

这个最大的期望速度是上面提到过的，在Gipps跟车模型中为V*(n)

对车辆跟驰模型中相邻车道的影响及影响效果等级建模

当车辆沿一段道路行驶，修改后的跟车模型考虑了当靠左侧行驶时，一定数目的汽车(Nvehicles)在相邻的右侧车道或左车道较慢行驶时可能对车辆产生的影响。该模型首先计算出了Nvehicles在邻近的慢车道车辆的下游(MeanSpeedVehiclesDown)的平均速度。只有离当前车辆一定得距离的车辆(MaximumDistance)才被考虑。我们区分两种情况：1）相邻车道是一个斜坡，2）相邻车道是任何其他类型的车道。除了Nvehicles和MaximumDistance这两个参数，用户可以定义两额外的参数，MaximumSpeedDifference和MaximumSpeedDifferenceOnRamp。然后，在某段道路上的最终的期望车速的计算方法如下：

这个过程保证了相邻车道之间的速度差异将大致上总是低于MaximumSpeedDifference或

MaximumSpeedDifferenceOnRamp，视情况而定。

对车辆运动中影响的等级是通过对增加或减少的加速和制动能力的建模得到的。

用在跟车模型中的某一路段的车辆最大加速度是给定车辆的等级和最大期望加速度的应变量：

为了避免零或负加速度值，使用车辆的最大加速度10%作为最小值。

模型的校准和测试

除了研究小组所做的众多试验，车辆跟驰模型AIMSUN进行了各种真实生活中的项目测试和校准；由于空间的限制，我们只介绍由罗伯特博世有限公司的一个研究小组所做的基准测试，(Manstetten et al.,1998a) (Manstetten et al., 1998b), (Bleile et al. 1996)。本试验采用一系列的现场数据和欧洲的绝大多数微模拟器开发并且北美国被邀请参加并被要求用相同的错误度量来测量实测值与模拟值之间的精度，为了得到可比较的结果。为了避免由于距离大导致差异被高估，接下来的相对指标选择用加权的对数和方： d_sim是与模拟汽车的距离，d_meas是试验车辆所测量到的距离，并且log表示对数底数为10。结果表明，AIMSUN的车辆跟驰模型可以对观测值表现出相当好的再现。

误差度量值优于目前提供给大多数使用模型的数值（参见Manstetten等人（1998）详情），正如下表显示。

miitMiITSIM是麻省理工学院发明的模拟器，（Qi and Kotsopoulos，1996），Wied/Pel，和Wied/Vis分别代表Wiedemans/Pelops和VISSIM模型，（韦伯，1974）和（费伦多夫，1994）。NSM是Nagel-Schreckenberg的蜂窝自动机模型（Schreckenberg等人。，1995），并且剩下的两个在特定的模型中引用（Manstetten等人。，1998年）。

动态网络与AIMSUN仿真

分析微观模拟质量的一个额外的测试是检查复制的宏观行为的能力。同时研究小组

在博世由Manstetten等人提出。（1998a）一种用于比较不同微观模拟器：“一个微观模型的宏观行为可以通过在循环车道道路模拟交通最方便地测试。这不包括在车辆跟驰测试中的车道变化和节点通过和集中的任何影响。on the car-following task. For this study, a cyclic road of 1000 m length was

在这项研究中在，一个1000米长的循环路上使用在随机确定的位置已初步设定速度值0公里/小时的固定数量车辆。所有的车辆都有相同的长度4.5米，司机有54公里/小时相同的自由流速度， this initial situation a 10 minute time period was simulated without any

从这个初始状态开始10分钟模拟时间内不进行任何测量使得到模型本身可以达到的交通状况。起步阶段后，在模拟的2小时内交通行为已被记录在一个地方测量点（精确的通过时间和各车辆的速度值）。模拟运行车辆的固定数量for the simulation run was varied in discrete steps to realize different traffic

通过离散的步骤来实现不同的交通密度是变化的。为了使结果可视化，交通流被表示成交通流密度（作为1公里内车辆最初的数量）的最大平均流量值约为1800辆/小时在更长的衡量时期内是具有一定的现实价值。在城市交通这种条件下的最大流量通常是达到比for freeway traffic”.

高速公路交通更高的密度值”。 AIMSUN模拟的流量密度曲线结果与经验的第二个测试结果如图4所示，并且他们似乎是相当合理的。这种主观的感觉在实测值与模拟值之前通过误差度量之间的拟合值证实，在这种情况下是EM = 0.011411。图4中的图形显示的AIMSUN跟驰模型灵敏度通过模型参数值的变化反应。在显微测量模型参数的调整缺失下，宏观实证拟合曲线之间的关系基本的交通变量也可以被用来作为一种替代程序来进行模型校准。模拟实验中的一个子集用来确定模式参数的最佳拟合实测值，归纳于表2。

图4：实证与模拟流量-密度曲线

如表2所示，最佳拟合是在仿真实验1b中实现的，以0.9秒的反应时间，和一个有效长度等于车辆的长度加0.75米。

车道变换模型

AIMSUN车道变换模型也可以被认为是一个进一步的Gipps换道模型的演化（吉普斯，1986）。变更车道建模为一个决策过程分析的车道改变的必要性（如在转向机动的路线确定的情况下），可取的车道变换（例如，为了达到所需的速度当前面的车辆速度较慢时），和车道变换的可行性条件也是局部的，需要根据车辆在道路网络上的位置。车道变换模型是一个决策模型近似的如下驾驶行为：

每次当有车辆必须更新模型时就会提出问题：它是否需要变更车道？这个问题的答案取决几个因素：在当前车道转折的可行性，离下一个转弯处的距离以及当前车道的交通条件。交通条件的测量依据速度和队列长度。当车辆行驶速度比他期望的慢时，他试图超越前车。另一方面，当他行驶速度够快时，他倾向于回到慢车道。

如果这一问题的答案是肯定的，为了能够成功地进行变道这两个问题必须回答：

一）是否应该改变车道？这需要检查是否会有任何对于司机来说交通条件方面的改善。这种改善是在速度和距离的测量。这种改善是基于速度和距离来衡量的。如果在之后的车道上时速度（即用户指定的阈值超过）比在目前的车道更快或当队列是小于阈值时，则需要变更车道。

b）有可能改变车道？这需要验证是否有足够的间距来保证完全安全的变更车道。为此，我们同时计算了变道车辆由于下游车辆而产生的制动和上游车辆由于变道车辆而产生的制动。如果制动比率是可以接受的话，换车道是可能的。

为了实现更准确的表示在变道决策过程中司机的行为，在这一节的三个不同的区域需要被考虑，每一个对应于一个不同的换道动机。离本节结束的距离区分了这些区域并且每一个都是下一个转折点。图5描述了这些区域的结构，它们被定义为如下：

1区：这是距离下一个转折点最远的一点。车道变换决策是由所涉及的车道的交通条件的；

未来所需的转向运动的可行性是没有考虑的。为了测量司机在改变车道以后所得到的改善要

考虑几个参数：驾驶员所要求的速度，当前的前车的速度和距离以及未来的前车的速度和距离。

2区：这是中间地带。它主要是考虑所需的转弯车道对改变车道决策的影响。车辆不行驶在有效的车道（即车道所需的转向运动可以做到）倾向于靠近道路上转弯被允许的一边。在这区车辆寻找间距和尝试着接受它在没有影响相邻车道车辆的情况下。

3区：这是最接近下一个转折点的。车辆被迫达到自己理想的转弯车道，如果必要的话甚降低速度甚至达到完全停止来使车道变化变为可能。同时，在相邻车道的车辆可以修改自己的行为以使得间隙对于变道的车辆足够大。

图5：换道区

换道区是由两个参数定义，距离1区和2区的距离。这些参数被定义成时间（秒）和他们

被转换成距离，不管它是否被每一辆车辆所需要，当这些车辆在每一个使用车辆期望速度的部分。这意味着这些距离是那么的局部参数，其值取决于在部分中当前的交通条件。当车辆从1区穿到2区时，车辆行为会有改变，现在它变得与下一个转折相关。同样从2区3区车辆的行为规则会发生改变，现在达到转弯车道变得迫切。为了实现这些行为变化，车道变化空间需要更长的距离以及更大的变化性。这些区域是为每辆车特别计算的根据下面的公式：

距离n区车辆V段在S部分（米）

=距离区n（秒）times;S部分的速度限制

*车辆V系数

汽车V系数

=限速S部分/所需的部分车辆的速度VS部分

该算法保证了所需的速度比变道空间限制车速慢车辆比期望车速超过车速限制的车辆更长。这意味着，例如，一个重卡车会比高速车更早到达合适的转弯车道。

向前看

当交通条件十分拥挤可能发生的一些车辆不能到达适当的转弯车道，因此错过下一个转折点。这种情况可能出现在城市网络中有短段或在高速公路交织区在相对较短的地方。它将变得糟糕当这些部分变得越来越拥挤。调整一些参数，例如建模换道区

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[501993]，资料为PDF文档或Word文档，PDF文档可免费转换为Word