[发明专利]一种基于后视效应及预期效应的改良交通流分析方法

说明书

本发明提供了一种基于后视效应及预期效应的改良交通流分析方法，步骤1：在格子流体力学模型的基础上，设计一个带有判断当前流量密度的阶跃函数项的后视最优速度函数项及一个考虑司机预期效应影响的流量差项；步骤2：利用线性稳定性分析，研究后视效应及预期效应对交通流的影响；步骤3：利用非线性稳定性分析，研究后视效应及预期效应对交通流的影响。本发明的有益效果为：通过在交通流仿真过程中发现，预期时间的增加或向后看的权重系数增加都会对交通流的稳定有明显的促进作用，可以有效缓解交通拥堵，使司机拥有一个更加安全及舒适的行驶体验。

技术领域

本发明涉及物理科学与工程技术领域，尤其涉及一种基于后视效应及预期效应的改良交通流分析方法。

背景技术

近年来，随着社会经济的快速发展与城市现代化水平的提高，人民生活水平不断提高，私家车车辆数量迅速增加，快速增长的交通需求与城市交通道路不足的矛盾日益突出，给城市交通系统带来了巨大的压力，交通堵塞、交通事故等问题频频发生，吸引了许多不同领域的学者关注。为了了解交通流中复杂现象的机理和特征并有效地解决或缓解交通问题，许多交通流分析方法被提出来用以解释交通拥堵的形成机理和演化规律。交通流分析方法所创建的模型通常被分宏观模型和微观模型，宏观模型一般忽略个体特性，而从整体参数性质出发进行研究，例如，用车辆的平均密度、平均速度和平均流量等宏观物理量来描述交通流，比较常见的是连续模型和格子流体力学模型。微观模型则从个体出发，研究个体车辆的运动过程、轨迹及车辆之间的相互作用行为，如车辆跟随模型及元胞自动机模型等。

在微观模型中，由于车辆跟随模型易于实现数值研究和理论分析，已被广泛应用于描述司机的个人行为，在这其中，最优速度模型(optimal velocity model，OVM)是Bando等在1995年提出的描述实际交通流现象的经典模型，如交通堵塞蔓延、停行等。1998年，Helbing和Tilch等人在OVM基础上提出了考虑负速度差的广义力模型(GFM)，以解决OVM存在的加速度高、减速不合理的问题。由于GFM只考虑了负速度差对当前车辆的影响，因此Jiang等人通过进一步考虑速度差的影响，提出了更现实的全速度差(简称FVD)模型。在FVD模型的基础上，Peng等人提出了最优速度差模型(OVDM)，进一步利用非相邻车辆的优化速度差信息进行交通流优化。元胞自动机(CA)模型是一种时间、空间和状态变量均离散的模型，具有模拟复杂系统时空演化过程的能力。典型的元胞自动机交通流模型是Nagel和Schreckenberg于1992年提出的NaSch模型，由于其算法简单、易于并行计算，可以在计算机上有效模拟交通中车辆的运动，因此在交通流的研究中也得到了广泛的应用和发展。

而对于宏观模型中的格子流体力学模型，Nagatani在1998年首先提出格子流体力学模型，并利用线性稳定性理论和非线性分析方法，成功地找到了中性稳定线和mKdV方程，导出了mKdV方程中扭结密度波的解，以此来描述拥塞流量的传播。随后基于Nagatani提出的模型，许多新的格子流体力学模型被开发出来，以更真实地描述交通的性质。其中一些通过考虑智能交通系统(简称ITS)获得的车辆或道路信息(如车间通信、多车头时距、相对速度信息及交通中断概率等)而得到扩展，另一些则通过考虑司机行为(如预测、后视、反应时间延迟和记忆效应等)和归因(如司机的有限理性、攻击性和保守性特征等)进行扩展。近年来，虽然这些扩展的格子流体力学模型考虑到了许多因素，但都没有同时考虑后视效应和司机预期效应这两个司机的行为因素。在实际交通流中，司机经常会通过后视镜来观察后方车辆的动向，通过预测前方车辆速度来控制当前速度，这两个行为关联度很高，都能对交通流的稳定性产生影响。因此如何通过增强司机的后视行为及预测行为，以增强交通流的稳定性，成为了物理科学与工程领域的一个重要研究方向。

发明内容

本发明的目的在于提供一种基于后视效应及预期效应的改良交通流分析方法，能有效提高交通流的稳定性。

本发明是通过如下措施实现的：一种基于后视效应及预期效应的改良交通流分析方法，所述方法包括以下步骤：

步骤1：构建一种基于后视效应及预期效应的改良交通流分析方法。