[发明专利]一种基于驾驶类型和前车加速度信息的跟驰模型生成方法

摘要

本发明公开一种基于驾驶类型和前车加速度信息的跟驰模型生成方法，利用聚类数据挖掘的方法，根据实际数据进行司机驾驶风格的划分，在全速度差模型的基础上引入个人预期效应，并进一步考虑了前车加速度信息对跟驰行为的影响，得到车辆跟驰模型。相比已有的车辆跟驰模型，极大的提高了交通流的稳定性，并且更加的符合实际交通流状态。

主权项

一种基于驾驶类型和前车加速度信息的跟驰模型生成方法，其特征在于，包括以下步骤：步骤S1、将获取的前车速度，前车加速度，跟随车辆速度，跟随车辆加速度，车距五个变量值作为特征向量进行X‑means的聚类，得到三种类型的交通轨迹数据，所述第一类聚类结果为正常型，第二类聚类结果为激进型，第三类聚类结果为保守型；步骤S2、根据不同类型的驾驶风格及前导车加速度信息对跟驰行为的影响，得到跟驰模型，即，dvn(t)dt=a[αV(Δxn(t+σ1τ))+βV(Δxn(t+σ2τ))+(1-α-β)V(Δxn(t+σ3τ))-vn(t)]+λ[αΔvn(t+μ1τ)+βΔvn(t+μ2τ)+(1-α-β)Δvn(t+μ3τ)]+kan+1(t)]]>其中，0≤α≤1，0≤β≤1是两种类型的驾驶风格在个人整体驾驶风格中所占比例，τ是总体反应延时，σ1，σ2，σ3是三种类型的驾驶风格对于车距的预期效应系数，μ1，μ2，μ3是三种类型的驾驶风格对于速度差的预期效应系数，k是加速度项的系数，反映驾驶员对加速度信息的感知程度；an+1(t)表示第n+1辆车即前导车在t时刻的加速度；当σ1＝σ2＝σ3＝μ1＝μ2＝μ3＝k＝0时，模型退化为全速度差模型，利用泰勒展开式并忽略非线性部分，得到如下式子：其中，Δan(t)＝an+1(t)‑an(t)，表示前导车第n+1辆车与跟驰车辆第n辆车的加速度差，an(t)表示第n辆车的加速度；基于公式(5)，推导出如下的优化速度函数：V(Δxn(t+στ))＝V(Δxn(t)+στΔvn(t))＝V(Δxn(t))+Δvn(t)στV'(Δxn(t))因此，所述跟驰模型简化为：dvn(t)dt=a[V(Δxn(t))+τV′(Δxn(t))Δvn(t)(σ1α+σ2β+(1-α-β)σ3)-vn(t)]+λ[Δvn(t)+τΔan(t)(μ1α+μ2β+(1-α-β)μ3)]+kan+1(t)]]>