详情

原文传递车辆跟驰行为的随机性分析及建模研究

论文题名：	车辆跟驰行为的随机性分析及建模研究
关键词：	交通波传播时间;跟驰行为随机性;轨迹数据分析;跟驰行为建模;跟驰模型标定
摘要：	道路交通系统是一个典型的复杂系统，其中驾驶员是最主要的起决定作用的要素，也是诸要素中不确定性最强的要素。由于驾驶员在不同动机驱使、外部条件下，会做出不同的决策，产生的驾驶行为也会不同，因此驾驶行为具有不确定性。若将其简化为确定性问题，就会出现原理性错误，由此得出的研究结果也会存在问题。跟驰行为的随机性是驾驶行为不确定性的一种，其对交通流的运行有重要作用，不仅直接影响驾驶员的跟驰过程，而且与交通振荡、交通流崩溃等现象的产生、发展密切相关。由于缺少合适的分析指标，从微观定量角度开展的跟驰行为随机性的研究工作较为缺乏，致使跟驰行为随机性的微观特性及机理尚未完全厘清，跟驰行为随机性建模的完整性和可靠性不足。随着轨迹收集技术与数据分析技术的迅速发展，利用轨迹数据对跟驰行为进行分析，进而构建符合驾驶员特征的跟驰模型，逐渐成为认识跟驰行为的重要途径。由此，本文在分析跟驰轨迹数据的基础上，开展跟驰行为的随机性分析与建模工作，主要研究工作如下：　　（1）基于轨迹数据的跟驰行为的随机性分析　　在Newell模型的框架下，结合实验与实测跟驰轨迹数据，利用交通波传播时间对跟驰行为的随机特征进行衡量与分析，发现交通波传播时间整体呈对数正态分布；单条轨迹中交通波传播时间的变化是随机的；并认为跟驰行为的随机性可由交通波传播时间的变化率反映，其服从均值回复过程。同时从车辆在车队中的位置、车队头车速度、交通流状态三方面，分析了跟驰行为的影响因素。　　（2）构建融合跟驰行为随机性特征的仿真模型　　以轨迹数据为出发点，在分析经典跟驰模型不足的基础上，构建融合跟驰行为随机性分析结果的Newell模型，并对构建的随机Newell模型进行理论与仿真分析。从理论角度，证明了随机Newell模型可以再现交通振荡的凹增长现象；从仿真角度，搭建模拟仿真平台，针对四种不同场景进行仿真，并与真实交通流状况比较，证明了随机Newell模型具有再现实际交通流时空特征的能力。　　（3）随机跟驰模型的标定与评估研究　　在分析现有模型标定方法对随机跟驰模型标定不足的基础上，提出改进方法。通过构建随机性参数与得到稳定结果所需运行次数的映射，解决了目标函数稳定性问题及标定效率的问题；通过优化目标函数中性能度量、拟合优度函数及目标函数的形式，解决了随机性失效问题。并以遗传算法为优化算法进行算例分析，验证了所提出的标定算法及随机Newell模型对实际轨迹拟合的有效性。　　本文从轨迹数据出发，利用交通波传播时间，按“轨迹分析—仿真建模—模型校验”这一主线，对跟驰行为的随机性开展深入研究。通过本文的研究，理论上，为开展跟驰行为随机性的微观定量研究、理解跟驰行为的随机特性及其与交通状态间的内在联系提供了基础；实践上，所构建的模型及提出的标定方法，有助于准确再现实际交通流情况，为提高微观交通仿真对驾驶行为及真实交通流状态的刻画提供有力的工具，为交通管理与控制措施的制定提供支持。
作者：	朱陈强
专业：	管理科学与工程
导师：	马寿峰
授予学位：	博士
授予学位单位：	天津大学
学位年度：	2022