基于Vissim的交叉口延误时间估计方法设计与实现

附件B：
毕业设计（论文）开题报告
1、课题的目的及意义（含国内外的研究现状分析或设计方案比较、选型分析等）
交通需求的迅速增长与道路系统建设的相对滞后造成的严重交通问题己经成为世界性矛盾，严重影响了人们的日常生活。

在美国的一些大城市，居民终日饱受严重的交通阻塞之苦，而在城市周围，高度密集的车流使得交通高峰期间高速公路上的车速降到56km/h以下。

在我国，北京、上海等地不断激增的车辆和脆弱的交通系统使城市成为名副其实的“堵城”。

交通问题的恶化，带来了巨大的经济损失，对环境造成了极大的污染和破坏。

如何有效利用现有交通理论，以科学思想指导交通规划、设计、控制和管理，缓解交通拥堵问题，已经成为广大学者深入研究的课题。

随着学者专家的深入研究及工程技术的进步，对交通问题的研究已经逐渐发展成为科学，并形成了系统化的交通流理论。

交通流理论的研究不仅是实际问题的理论需求，同时也具有科学研究价值。

跟驰模型作为交通流理论的重要组成部分，是分析车辆间的微观作用关系重要工具，理解单车道交通流特性的重要手段。

跟驰模型的研究始于20世纪50年代初期，Reusche[1]和Pipes[2]首先从运动学的角度对队列行驶中的车流进行动力学分析。

20世纪50年代后期到60年代初期，通用汽车（GM）实验室在跟驰理论研究方面做了大量工作，极大地推动了跟驰模型的研究，并作为重要的跟驰基础模型沿用至今[3-4]。

1959年，文献[5-7]共同获得了运筹学Lanchester奖，开创了微观交通流理论研究的先河。

从20世纪60年代开始，随着认知心理学及视觉理论的发展，许多学者逐渐认识到跟驰行为并不能被视为纯粹的机械过程，而应更多地考虑驾驶员在驾驶行为中的感知、处理与决策过程，这一时期的研究促成了交通工程领域与心理学之间的交叉融合，最终形成了心理-生理类跟驰模型体系[8-10]。

跟驰模型的研究热潮是在1995年Bando等[11]提出优化速度模型（OV）之后，国内许多著名的学者[12-16]相继提出了不同模型来展现交通流中诸如交通失稳、时走时停、激波、相变等非线性特性，以此来解释交通阻塞形成与消散的机理。

姜瑞等人[12]在优化速度模型基础上，考虑了前后速度差对模型的影响，提出了全速度差（FVD）模型。

葛红霞等人[14]从智能交通系统（ITS）可能提供更多前方车辆信息的角度出发，考虑前方更多车辆对当前车运行状态的影响，建立了包含多前车信息的运动学方程。

王涛等人[15]在FVD模型基础上，进一步提出了多速度差
（MVD ）模型，尝试利用多辆前车信息以提高交通流的稳定性。

李永福等人[16]在前人研究基础上，综合考虑了车头间距、速度差及加速度差对微观交通流的影响，提出了MHV AD 模型，数值分析表明该模型较之前的模型有更大的稳定区域。

经过近60年的深入研究和不断完善，跟驰模型从开始概念的提出，发展到多样、复杂模型的建立，更真实合理地反映驾驶行为，揭示交通流规律。

其中一些经典的跟驰理论及数学模型如下所示：
（1）Pipes 模型
1953年，L.A. Pipes 提出经典跟驰模型[2]，并给出了模型解析结果：
11()n n n x x x T
+''''=- （1） 式中1,n n x x +分别为前后车的位置，T 为驾驶员反应时间。

方程（1）左端为加速度项，右端为弛豫项，后车根据前车的行驶情况来调整速度。

该模型表达了跟驰模型的基本思想，不足之处在于实际交通中，当前后车的距离较远时，后面跟驰车的行为基本不受前面车辆运行状态的影响，Pipes 模型无法解释这一现象。

（2）Newell 模型
Newell 认为车辆在t τ+时刻的速度与车间距有关，车辆在延迟时间T 内调整到最优速度[17]，因此建立了如下模型：
()(())n n v t V x t τ+=∆ （2）
其中(())n V x t ∆为关于车头间距的最优速度函数。

该模型描述了跟驰车在受到与前车间距的刺激后作出反应的过程，但由于引入了延迟时间，使得数值模拟很不方便。

（3）优化速度模型
1995年，Bando 等人提出了优化速度模型[11]，解决了上述Newell 模型中遇到的问题：
'
[()]n n n v V x v α=∆- （3）
式中α为敏感系数。

优化速度模型刻画了驾驶员希望达到理想驾驶状态的弛豫过程，在数值模拟上得到了一个相当符合实际的结果：即周期边界条件下，交通流在不稳定状态下会出现时走时停现象，在时空演化图上表现为交替出现的高密度区域和低密度区域。

但值得注意的是，该模型中加速过程和减速过程是对称的，这与实际加减速不对称不符。

（4）广义力模型
Helbing 和Tilch 利用实测数据对Bando 模型进行辨识，发现Bando 模型会产生过高加速度及不切实际的减速度，有可能会发生撞车。

因此，Helbing 等人认为当前车速度低于跟驰车时，需要加入速度差影响，提出了广义力（GF ）模型 [18]，
即：
'()[(())]()n n n n n v t V x t v H v v αλ=∆-+-∆∆ （4）
上式中H 为Heaviside 阶梯函数。

参数辨识结果显示：模型克服了优化速度模型加速度过大问题，更加符合实测数据。

但该模型无法解释当前车速度高于跟驰车时，尽管车头间距小于安全间距，跟驰车辆也不会减速。

（5）全速度差模型
为了更好地解决GF 模型中存在的问题，姜瑞等人考虑了正速度差对驾驶人的影响，在GF 模型基础上提出了一个更加全面的全速度差（FVD ）模型[12]，即：
(){[(t)]()}()n n n n a t V x v t v t αλ=-+∆ （5）
经数值模拟，FVD 模型预测的启动波速和车辆的延迟时间均在期望范围之内，且不会产生过高的加速度，克服了车流倒退等情况，具有较好的性质。

（6）基于ITS 的跟驰模型
葛红霞等人[14]从智能交通系统（ITS ）可能提供更多前方车辆信息的角度出发，考虑前方更多车辆对当前车运行状态的影响，建立了如下的运动学方程： 11(){(),(),...,()}j x j j j n t d t V x t x t x t d τ++-+=∆∆∆ （6） 式中()j x t τ+表示车辆j 在时刻t τ+的位置。

当1n =时，该模型与优化速度模型一致。

对该模型的数值模拟分析指出：考虑多前车的情形使得交通系统更加稳定，在临界点能够得到mKdV 方程描述的扭结-反扭结波。

交通流模型的分析和研究，离不开对实际交通流现象的模拟和仿真，以此来验证模型的有效性和真实性。

数值模拟手段借助Matlab 等工具，得到数值条件下的变化曲线来反映交通流的演化规律，是对模型进行有效性验证的重要手段。

近年来，随着交通问题的愈加繁杂，模型中考虑的因素愈加复杂和全面，单一的数值分析手段可能很难对复杂现象进行模拟和验证，因此，对交通模型的仿真和评价需要更为切实有效的手段。

Vissim 为德国PTV 公司开发的微观交通流仿真软件，用于交通系统的各种运行分析。

该软件系统能够分析在车道类型、交通组成、交通信号控制、停让控制等众多条件下的交通运行情况，是分析、评价、优化交通网络和设计方案的有效工具。

同时，Vissim 为用户提供了COM 自主编程接口和DLL 链接库，借助该模块用户可以对仿真软件进行二次开发，得到与实际交通流更为符合的仿真效果。

综上所述，基于Vissim 的跟驰模型仿真，既能揭示交通流微观特性，解释交通流的演化规律，又能通过微观仿真手段，检验模型与实际交通的拟合程度，为模型的优化提供参考依据。

此外，理论模型在仿真平台虚拟环境的运行，为将来模型的工程上的推广和应用搭起了一座桥梁。

2、课题任务、重点研究内容、实现途径
（1）课题任务
1)查阅相关文献资料，了解交通流理论以及跟驰模型的发展历程。

2)熟悉跟驰模型，理解跟驰模型建模思想和过程，熟练操作VISSIM交通仿
真软件。

3)应用matlab、借助VISSIM仿真平台对跟驰模型进行仿真分析。

（2）重点研究内容
1)分析FVD模型的建模机理，利用MATLAB进行数值模拟，通过数据和图
像分析FVD模型的微观特性。

2)掌握VISSIM平台上的仿真步骤，理解VISSIM中的参数设置和模型控制
方法。

3)在VISSIM平台上进行FVD模型的仿真，对比分析MATLAB和VISSIM
输出数据，检验VISSIM在微观仿真中的有效性。

（3）实现途径
1)利用MATLAB数值模拟方法分析FVD微观特性。

2)采用C++等语言对Vissim的DriverModel等接口进行二次开发，以实现
FVD跟驰模型在VISSIM环境下的仿真。

主要参考文献
[1]REUSCHEL A. Vehicle Movements in the Column Uniformly Accelerated Delayed[J].
Oesterrich IngrArch，1950，4:193-215.
[2]PIPES L A. An Operational Analysis of Traffic Dynamics[J]. Journal of Applied Physics，1953，
24(3):274-281.
[3]NEWELL G F. Memoirs on Highway Traffic Flow Theory in the 1950s[J]. Operations
Research，2002，50(1):173-178.
[4]GAZIS D C. The Origins of Traffic Theory[J]. Operations Resarch. 2002，50(1):69-77.
[5]CHANDLER R E，HERMAN R，MONTROLL E W. Traffic Dynamics:Studies in Car
Following[J]. Operations Research，1958，6(2):165-184.
[6]HERMAN R，MONTROLL E W，POTTS R B，et al. Traffic Dynamics:Analysis of Stability in
Car Following[J]. Operations Research，1959，7(1):86-106.
[7]GAZIS D C，HERMAN R，POTTS R B. Car-following Theory of Steady-state Traffic Flow[J].
Operations Research，1959，7(4):499-505.
[8]MICHAELS R M. Perceptual Factors in Car Following[C]//JOYCE A. Proceedings of the
Second International Symposium on the Theory of Road Traffic Flow. Paris:OECD，
1963:44-59.
[9]EV ANS L，POTHERY R. Experimental Measurement of Perceptual Thresholds in Car
Following[J].Highway Research Record，1973，(64):13-29.
[10]LEE D N. A Theory of Visual Control of Braking Based on Information About Time to
Collision[J]. Perception，1976，5(4):437-459.
[11]BANDO M，HASEBE K，NAKAY AMA A，et al. Dynamical Model of Traffic Congestion and
Numercial simulation[J]. Physical Review E，1995，51(2):1035-1042.
[12]Jiang R，Wu QS，Zhu ZJ. Full velocity difference model for a car-following theory[J]. Phys
Rev E，2001，64:017101.
[13]薛郁，董力耘，袁以武，等. 考虑车辆相对运动速度的交通流演化过程的数值模拟[J]. 物
理学报，2002，03:492-496.
[14]H X Ge，et al. Stabilization effect of traffic flow in an extend car-following model based on an
intelligent transportation system application. Phys Rev E，2004，70:066134.
[15]王涛，高自友，赵小梅. 多速度差模型及稳定性分析[J]. 物理学报，2006，02:634-640.
[16]Li Y F，Sun D H，Liu W N，et al. Modeling and simulation for microscopic traffic flow based
on multiple headway，velocity and acceleration difference[J]. Nonlinear Dynamics，2011，66(4): 15–28.
[17]NEWELL G F. Nonlinear effects in the dynamic of car following[J]. Operations Research，
1961，9:209-229.
[18]D.Helbing，B.Tilch. Generalized force model of traffic dynamics[J]. Phys Rev E，1998，
58:133-138.
3、进度计划
学生签名：
年月日4、指导教师意见
指导教师签名：
年月日。