[发明专利]一种基于元胞自动机的混入ACC和CACC车辆的交通流特性仿真方法

说明书

本发明公开了一种基于元胞自动机的混入ACC和CACC车辆的交通流特性仿真方法，基于元胞自动机Nasch规则，引入Gipps安全间距和速度，分别构建跟车模型，通过数值仿真试验，即可分析混入ACC和CACC车辆对道路通行能力、行驶速度、行车间距、交通拥堵等运行特性的影响。本发明分别建立了手动驾驶、ACC和CACC车辆的动力学模型，即可分析不同渗透率的ACC和CACC车辆对混合交通流行驶速度、行车间距、拥堵状况和道路通行能力等运行特性的影响，其中，手动驾驶车辆采用Gipps安全距离模型，减少了交通瓶颈的发生，有效缓解了交通拥堵。

技术领域

本发明属于智能网联和无人驾驶领域，提出了一种手动驾驶车辆和ACC、CACC车辆共存的交通流特性仿真方法，分别建立了手动驾驶车辆和ACC、CACC车辆的跟车模型，实现了混合交通流的特性仿真。

背景技术

自适应巡航控制(Adaptive Cruise Control，ACC)和协同自适应巡航控制(Cooperative Adaptive Cruise Control，CACC)技术的应用使自动驾驶车辆上路行驶成为可能，然而自动驾驶替代传统的手动驾驶需要一个漫长的过程，期间由手动和自动驾驶车辆组成的混合流将在道路上长期存在，因此混有手动驾驶、ACC和CACC车辆的交通流系统是研究自动驾驶技术应用的热点。

ACC和CACC车辆装备了雷达和摄像头，能精确捕获外界交通环境信息，感知周边车辆驾驶行为，对前车运动状态的变化快速反应并制定驾驶策略。CACC车辆借助短途无线通信，建立与其余CACC车辆的实时通信，彼此共享行车数据，因此具有捕获精度更高、感知范围更大、行车间距更小的优点。近年来，众多学者聚焦于混合交通流，以手动驾驶车辆和自动驾驶、智能网联车辆为研究对象，分析引入自动驾驶或者智能网联车辆对道路交通流的影响，同时考虑了智能网联车退化的情形；基于Nasch模型，融合传统交通流模型和真实驾驶行为，提出和改进了一系列自动驾驶元胞自动机模型，通过数值模拟实现混合交通流的仿真过程。

目前，在对含有手动驾驶车辆和自动驾驶车辆的混合交通流建模时，虽然考虑了CACC车辆功能退化为ACC的情形，但并未对手动驾驶、ACC和CACC三类车辆独立存在的道路交通流系统进行研究。

发明内容

针对手动驾驶、ACC和CACC三类车辆独立存在时的单车道交通流运行特性研究不足的问题，本发明分别建立了手动驾驶、ACC和CACC车辆的动力学模型，即可分析不同渗透率的ACC和CACC车辆对混合交通流行驶速度、行车间距、拥堵状况和道路通行能力等运行特性的影响，其中，手动驾驶车辆采用Gipps安全距离模型，自动驾驶车辆采用加州伯克利大学PATH实验室通过实车标定的ACC和CACC模型。

对于手动驾驶车辆，考虑驾驶员的生理、心理状态和外界交通环境的影响，为确保行车安全，结合驾驶员正常的反应时间，基于Gipps安全间距和速度，构建元胞自动机模型；ACC和CACC车辆的运动过程由车载雷达和摄像头感知周围车辆的运动状态、计算机制定行车策略、控制单元执行决策组成，其中CACC车辆具有通信功能，能实时共享行车数据，采用加州伯克利大学PATH实验室标定的ACC和CACC模型来仿真车辆的跟车行为。

根据Gipps安全模型，考虑驾驶员的反应时间，为保证行驶安全，车辆n在跟随前车的过程中所需要的最小安全距离和最大安全速度由式(1)和(2)求得。

式中:d_n,safe、v_n,safe(t)分别为车辆n跟随前车所需要的安全间距和速度；x_n(t)、v_n(t)分别为t时刻车辆n所在的位置和行驶速度；x_n-1(t)、v_n-1(t)分别为t时刻车辆n的前车所在的位置和行驶速度；l_n-1为车辆n的前车车长；b为车辆的最大减速度；τ_n为车辆n驾驶员的反应时间。