《第4章-跟驰理论-2.ppt》由会员分享，可在线阅读，更多相关《第4章-跟驰理论-2.ppt（38页珍藏版）》请在三一文库上搜索。
1、4.4 实验与观察,本节讨论车辆跟驰模型是否与单车道交通特性接近的实验 实验分为两类： 车辆跟驰模型与空车道上车辆跟驰的详细测量相比较，从而得出车辆跟驰模型一些定量的参数 宏观交通流特性实验：单车道交通流中车辆速度、密度、流量以及它们之间的相互关系，尤其是验证实验数据对稳态流跟驰模型的符合程度,4.4.1 车辆跟驰实验,最初评价线性跟驰模型（Chandler et al. 1958; Kometani and Sasaki 1958），随后基于跟踪设施和公路隧道采用两车、三车、公共汽车实验 实验中，利用时钟信号对车头间距、相对速度、跟驰车速度、后车加速度同时记录确保各种变化的同步,实验分为以下
2、几种： 1 初步跟踪试验Preliminary Test Track Experiments。 2 公路隧道试验Vehicular Tunnel Experiments。 3 公共汽车跟驰试验Bus Following Experiments。 4 三车试验Three Car Experiments。,5 其他各种试验Miscellaneous Experiment ： a) Kometani and Sasaki Experiments 公式4.58 b) Experiments of Forbes et al c) 俄亥俄州试验Ohio State Experiments d) 康斯坦丁与
3、杨的研究Studies by Constantine and Young,4.4.1.1 车辆跟驰实验分析,对跟驰实验记录信息的分析通常将数据归纳为相同时间间隔内的数值，然后利用线性跟驰模型进行相关分析得到两参数： 和T。和其它数据形式相同，时间间隔（反应时间）T为离散值。对指定驾驶员，反应时间的相关系数最大，处于0.850.95的范围内。,(1) Preliminary Experiments,表4.1 图4.15,(2) Vehicular Tunnel Experiments,公路隧道通常为双向两车道，由单车道组成，禁超。 目的：调查非线性模型的合理性 最初获得了线性模型的参数值：图4.
4、16 图4.17、4.18 用车头间距倒数模型分析，结果相似。当间隔距离相对较大时，结果倾向于支持间距依赖模型（车头间距倒数模型）,指定l，m的取值具有明显的趋向，三种模型都有各自的边缘优势（l=2,m=1);(l=1,m=0); (l=2;m=0).,(3) Bus Following Experiments,对22名驾驶员作了以下模型的时间相关性分析：线性模型（l=0,m=0）；车头间距倒数模型（l=1,m=0）；速度-车头间距平方倒数模型（l=2,m=1）。 结果与隧道实验分析相似：对所有驾驶员及每一个模型都是高度相关的 图4.19 所有数据都落在渐进稳定区,图中的一些数据为雨天采集，这
5、说明驾驶员遇到路面湿滑的情况操作更稳定，也表明公共汽车能形成高度稳定的交通流。 车头间距倒数模型及速度-车头间距平方倒数模型的时间依赖分析利用敏感系数、平均速度、平均车头间距，通过公式： 得到估计值a1,0，a2,1。 图4.20、4.21,(4) Three Car Experiments,本实验测定次最近车辆（在其前面第二辆车）对驾驶员影响的程度，跟驰模型为： 也可以写为： 经分析，只有最近车辆对跟驰车有明显影响，次最近车的影响很小。,(5) Miscellaneous Car Following Experiments,a) Kometani and Sasaki Experiments
6、 前车的任务：匀加速至某速度值然后运减速至原速度。任务是不受外部环境影响的闭环，由于任务的周期循环特性反应时间可以降低甚至减为零。 这个实验导致了短暂的反应时间：低速时（2040km/h)0.73s，高速时(4080km/h) 为0.54s。,结果还产生了较大的增益系数，实验中从所有驾驶员身上获得的C= T，都超出了渐进稳定界限，对数据更好的拟合可以利用包含加速度影响的线性模型：,b) Ohio State Simulation Studies 在模拟器上作一系列的试验，建立了一种相对简单的稳态流模型，其基于驾驶员阈值概念，可以通过典型的相对速度纪录-车头间距简单的描述。图4.22 通过研究上
7、述加速过程，获得了相对速度阈值以及根据车头间距与观察时间的不同阈值相应的变化。图4.23,真实驾驶环境下所作的上诉试验，其结果与模拟器试验结果几乎相同，但相对速度阈值却低得多。 与在模拟器里驾驶员面前呈现的二维CRT屏幕相比，跟踪试验的三维视角提供了很多额外的暗示，这限制了实验对象的变化,c) Asymmetry Car Following Studies Hankin and Rockwell 1967采用的模型：刺激包括了与平均车头间距偏差、头车平均速度偏差及跟车平均速度偏差成比例的附加条件，此模型认为反应依赖于相对速度刺激的正负，它具有不对称性。考虑上述影响的模型如下： i取决于相对速度
8、大于零还是小于零。,实验表明，这种不对称毫无例外的存在于任何实验中，-的平均值比+高大约10% 不对称的原因：车辆的减速性能比加速性能强；驾驶员对车头间距大或小所采取的反映强度不同。 跟驰理论的不足：头车加速至较高车速再减速至初始速度的循环过程中，不对称性将阻止车辆减速至原来的速度。N此循环后，车头间距将增达到一定值以至于一部分车辆从车队中漂移。,4.4.2 单车道交通宏观观测,通过对单车道交通流实验数据的收集，建立一个大的样本，它可以精确的评估宏观交通流特性。其中的一个数据集成是在荷兰隧道通过实验得到的（Edie et al. 1963），样本的宏观数据见表4.5以及图4.24、4.25 利
9、用这个宏观数据集，三个敏感系数的估计值即特定跟驰模型中特别重要的估计值，三个系数相应模型也称车头间距倒数模型、伊迪模型、格林希尔治模型。宏观与微观敏感系数估计值的对比见表4.6,微观模型对宏观数据的拟合情况见图4.26，三种模型都对典型速度（如最佳流量速度）有较好的估计。 Edie把宏观数据在低密度阶段与车头间距倒数模型进行比较，在较高密度阶段与速度-车头间距倒数模型进行比较。发现二者结合比任一单一模型在整个范围内对宏观数据拟合得要好。图2.23 通过宏观数据对自由流速度进行最小二乘法估计，得出自由流速度为26.85m/s。,Edie的q-k曲线在最大流附近出现了明显的间断：流量突降。这种明显
10、的间断形式对应的车辆跟驰模型应该是双峰形的。 Navin (1986) and Hall (1987)将突变理论用于解释交通流特性， Navin沿袭了Edie的方法，采用了尖端突变， Hall尝试建立一个与现实交通数据相符而无需采用两组参数的交通模型。 Acha-Daza and Hall (1994)用突变理论对高速公路数据进行了分析，认为上述方法可以有效的应用于交通流。,对单车道公共交通流的宏观数据也有研究：量化单车道公共汽车的稳态流特性，实验取十辆公共汽车形成的车队。 实验获得了流率，密集度及车速。平均速度-密度曲线见图4.28 通过以上结果可以估计出，运行标准城市公共汽车的单车道是稳态的，拥有每小时运载多于65000位乘客的运力。 美国对境内七条不同高速公路上三辆以上（含三辆）公共汽车队列的前行时间及速度进行了测量，推导出当速度为56km/h时，公共汽车流的最大流量接近1300buses/h,4.5 自动化车辆跟驰,为进一步提高道路的利用率和通行能力，提出了智能化公路和自动化车辆的设想，相关的研究探索在近几十年已陆续展开：通用汽车公司主持的自动化高速公路系统研究（1971-1981）；俄亥俄州大学主持的多方面的自动化高速公路长期项目（1964-1980）；加利福尼亚大学的PATH（1976-现在）。,