[发明专利]一种基于贝叶斯网络和跟驰模型的信号交叉口交通仿真方法

说明书

本发明公开一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，属于交通仿真与控制技术领域。首先根据驾驶员在不同信号灯状态下的驾驶行为特性，划分了四种典型的交通场景；其次，根据不同交通场景下的跟驰行为特征分别建立了四种跟驰模型；然后，将目标车辆的速度、信号灯状态灯、目标车辆到停车线距离作为影响驾驶员决策的影响因素构建贝叶斯网络模型；再者，基于实际车辆轨迹数据训练贝叶斯网络模型并计算驾驶员不停车通过交叉口的概率；最后根据计算的概率实时、动态地切换跟驰模型。本方法综合了概率模型和动力学模型地优势能够更好地反应驾驶员在实际信号交叉口交通场景下的跟驰行为，具有较好的扩展性和鲁棒性。

技术领域

本发明涉及一种交通仿真与控制技术领域中车辆跟驰仿真的方法，具体是一种基于贝叶斯网络和跟驰模型的信号交叉口交通仿真方法。

背景技术

随着汽车保有量的逐年攀升，城市交通拥堵问题愈发突出。信号交叉口作为城市路网的重要节点，对于城市交通运行至关重要。然而，交叉口同样是城市拥堵的高发区和交通治理的难点。受信号灯以及多向交通流汇集的影响，导致信号交叉口附近的交通现象以及交通流特性十分复杂。跟驰模型作为微观交通的重要组成部分，被认为是研究交通流以及理解交通现象的有效手段。

Masashi Sasaki等基于最优速度模型研究了单车道信号灯对交通流的影响以及不同信号控制策略下的交通流特性。唐铁桥等基于全速度差模型，提出一个考虑信号灯影响的交通流模型，结果证明该模型能够较好的再现交通流的聚集与消散特征。Chen等考虑到信号交叉口车辆的运动特性，建立了一个描绘车辆四阶段运动的跟车模型。于少伟，李修海等考虑到交叉口车辆的聚集特性，建立了信号交叉口车辆聚集模型。Tang和Yu等将绿灯时间驾驶员的跟驰特性纳入跟车模型。Zhang等分析了驾驶员在信号灯不同状态下的跟车行为，建立了基于不同信号状态下的分阶段跟车模型。Zhu等研究了信号叫交叉口车辆的制动过程。

在现有信号交叉口跟驰仿真的研究中，大多数是采用一个或多个跟驰模型对驾驶行为进行建模。其中，当涉及到多个跟驰模型时，模型之间的切换是采用确定性的计算规则。然而，在实际交通环境下，当面临不同的跟驰状态和信号灯状态时，驾驶员的决策行为具有高度的异质性和随机性。因此，仅采用跟驰模型和确定性的规则作为信号交叉口微观仿真模型并不能很好地反应实际驾驶行为和交通状况。

发明内容

本发明为了实现更加符合实际的信号交叉口微观车辆仿真。采用数据驱动加模型驱动的方法构建更加符合实际的信号交叉口跟驰仿真方法，具体的是使用贝叶斯网络作为驾驶员的决策模型并使用不同场景下的4种跟驰模型作为车辆的跟驰行为模型。

一种基于贝叶斯网络和跟驰模型的信号交叉口仿真方法，包括以下步骤：

步骤一：分析、归纳和描述车辆在通过信号交叉口过程中可能会面临的交通场景。所有可能的交通场景都可以被划分到以下四种场景中：

场景一：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；

场景二：在交叉口停车线之前目标车辆为是头车，且当前信号灯为红灯或绿灯末期，当前车辆无法通过交叉口；

场景三：在交叉口停车线之前目标车辆为不是头车，且当前信号灯为绿灯或红灯末期，当前车辆可以不停车通过交叉口；

场景四：在交叉口停车线之前目标车辆为是头车，且当前信号灯为绿灯或红灯末期，当前车辆可以不停车通过交叉口；

步骤二：建立信号交叉口不同场景下的车辆跟驰模型。

通过分析不同交通场景下驾驶员的行为特征，分别用4种跟驰模型对不同场景下驾驶员的跟驰行为进行描述。

场景一：当目标车辆不是头车，且无法不停车通过交叉口时，车辆的跟驰模型为：