考虑驾驶员性格特性的跟驰模型
交通流跟驰行为
随着我国城市的快速发展以及机动化的加剧，城市交通系统变的越来越复杂。
在这个复杂的系统中，交通流理论成为研究的前沿和热点。
交通流理论是一门交叉性边缘学科，其目标在于建立能够描述实际交通一般特性的交通流模型，以届时控制交通流动的基本规律。
交通流理论研究内容广泛，可分为微观交通流、中观交通流和宏观交通流。
其中微观交通流又分为车辆跟驰模型和换道模型，由于换道模型过于复杂，过去的大部分研究主要集中在跟驰模型。
车辆跟驰理论是运用动力学方法，研究在无法超车的单一车道上，车辆列队行驶时，候车跟随前车行驶状态的一种理论，它用数学模型表达跟车过程中发生的各种状态。
典型的跟驰模型主要包括：基于刺激-反应的GM 模型、基于安全间距的跟驰模型（CA）、线性跟驰模型、基于生理-心理的跟驰模型（AP）、基于人工智能的跟驰模型（模糊推理跟驰模型）、其他车辆跟驰模型（如基于多种期望值的跟驰模型、最优速度车辆跟驰模型、基于非参数回归的车辆跟驰模型、考虑驾驶员特性的跟驰模型等）。
1. 跟驰模型发展概述交通流跟驰理论的研究始于20世纪50年代，1950年Reushel和1953年Pipes 研究的跟驰过程，是跟驰理论研究开始的标志。
1960年前后，Gazis、Heiman和Rotho等人提出了GM系列模型，成为早期跟驰理论研究中最重要的研究成果。
1959年Helly提出了线性跟驰模型，同年Kometani和Sasaki提出了CA （元胞自动机）模型。
1962年，Miachaels 提出了基于期望间距的跟驰模型，次年又提出了生理-心理模型。
1992年Kikuchi和Chakriborty提出了基于模糊逻辑的跟驰模型。
国内学者在跟驰理论研究方面的主要成果有贾洪飞和隽志才提出的基于期望间距的车辆跟驰模型和基于模糊推断的车辆跟驰模型及基于驾驶员认知过程的车辆跟驰模型。
徐伟民、熊烈强提出的与车辆跟驰理论统一的一维交通流动力模型。
唐铁军、黄海军、薛郁提出的改进的两车道交通流格子模型。
基于车辆个体特征的IDM模型
０ 引 言
交通流跟驰理论是运用动力学方法研究在无 法超车的单一车道上车辆列队行驶时后车跟随前 车行驶状态的１种理论。它试图通过观察各个车 辆逐一跟驰的方式来用数学模型描述跟车过程中 可能发生的各种 状 态，以 了 解 单 车 道 交 通 流 的 特 性。现有的 跟 驰 模 型 大 多 基 于 标 准 驾 驶 行 为 建 立 ，在 交 通 流 演 变 过 程 中 ，不 同 车 辆 的 反 应 模 式 严 格一致。
敬 明１ 邓 卫１ 刘 志 明２ 王 昊１
（１．东南大学交通学院 南京 ２１００９６；２．天津市渤海城市规划设计研究院 天津 ３００４５１）
摘 要 现有的跟驰模型大多基于标准驾驶行 为 建 立，未 能 真 实 体 现 车 辆 的 个 体 差 异。 文 中 将 反 应 时间和车型作为车辆的个体特征加入ＩＤＭ 跟 驰 模 型 中。 假 设 反 应 时 间 在 驾 驶 员 人 群 和 单 个 驾 驶 员 的反应过程中都存在离散，采用车辆尺寸，加减速性 能 和 车 头 时 距 等 要 素 描 述 不 同 车 型 的 差 异 ，建 立 了考虑反应时间和车型的跟驰模型。对信号灯放行 状 态 和 稠 密 交 通 流 中 扰 动 传 播 的 仿 真 表 明 ，考 虑 反 应 时 间 和 车 型 的 跟 驰 模 型 能 较 好 体 现 交 通 系 统 的 随 机 性 和 异 质 流 特 征 ，仿 真 效 果 与 实 际 更 加 契 合 。 关 键 词 交 通 工 程 ；跟 驰 模 型 ；个 体 差 异 ；反 应 时 间 ；车 型 中 图 分 类 号 ：Ｕ４９１ 文 献 标 志 码 ：Ａ ｄｏｉ：１０．３９６３／ｊ．ｉｓｓｎ １６７４－４８６１．２０１２．０５．００３
１ 车辆跟驰行为中的反应时间和车型
基于刺激反应车辆跟驰模型的交通流稳定性分析
基于刺激反应车辆跟驰模型的交通流稳定性分析随着城市化进程的不断推进，交通流密度越来越大，交通拥堵问题也日益突显。
如何提高交通流的稳定性，降低拥堵程度，成为了交通管理和规划的重要研究方向之一。
刺激反应车辆跟驰模型是目前应用最广泛的交通流理论之一，本文基于该模型，从交通流的稳定性角度探讨其适用性。
刺激反应车辆跟驰模型是通过修改牛顿运动第二定律，建立起来的车辆跟驰模型。
该模型假设车辆驾驶员具有反应迟钝的特点，是基于车辆行驶速度和跟前车间距两个状态量来描述车辆跟驰状态的。
该模型假设车辆跟驰状态由车辆之间间隙增量和与前车之间的速度差两个状态变量构成。
该模型的基本形式如下：$$\begin{aligned}\frac{dx}{dt} &= v \\\frac{dv}{dt} &= \frac{1}{m}[F_{max}(x+\Delta x,t)-F(x,t)], \\\Delta x &= x_{s}-x-l\end{aligned}$$其中$x$表示该车的位置，$v$表示速度，$m$为车辆的质量，$F_{max}(x+\Deltax,t)$表示最大制动力，$F(x,t)$表示实际制动力，$\Delta x$表示与前车之间的距离，$x_{s}$为安全距离，$l$为车辆长度。
该模型通过对车辆驾驶员的反应延迟进行考虑，能够较好地模拟实际交通流驾驶员的行为。
然而，该模型存在一些限制，例如忽略了车辆驾驶员的主观意识和交通环境的影响，同时还忽略了车辆速度和头车速度的相关性，使得在某些情况下，该模型无法完全对交通流的稳定性进行描述。
因此，需要结合实际交通状况，对该模型进行改进和优化，使其更符合实际道路交通情况。
为了提高交通流的稳定性，还需要通过优化交通信号，合理规划道路设计等手段来控制交通流。
例如，应该设置合理的红绿灯控制策略，采用智能交通系统实现车辆与交通信号的互动，并通过建立智能交通系统支持的发车方式，降低拥堵程度，提高道路利用率。
4-3 交通流理论-跟驰模型
跟驰理论——研究在限制超车的单车道上，行驶车队中前 车速度的变化引起的后车反应。
研究条件——限制超车、单车道 研究前提——前车行驶状态变化 研究对象——后车的行驶状态 研究目的——单车道交通流特性
3/42
一、跟驰状态的判定
跟驰状态临界值的判定是车辆跟驰研究中的一个关键， 现有的研究中，对跟驰状态的判定存在多种观点。
10/42
最早出现的跟弛模型 形式简单 是其他跟弛模型的基础
2辆车跟驰
N+1 S(t) Xn+1(t)
某时刻N+1车位置 正常情况下两车间距 N车停车位置
N
Xn(t) 某时刻N车的位置
N车开始减速位置
d3:N车的制动距离
N+1 N+1 N
d1
反应时间T内N+1 车的行驶距离
d2
N+1车的制动距离
线性模型的缺憾！！！
(t T ) [ X (t ) X (t )] X n 1 n n 1
两边对时间积分
n 1 (t T ) [ xn (t ) xn 1 (t )] C0 x
n 1 (t T ) [ xn (t ) xn 1 (t )] C0 x
(t T ) [ X (t ) X (t )] X n 1 n n 1
1/ T
Xn1(t T) [ Xn (t) Xn1(t)]
反 应
灵敏度
刺 激
反应 灵敏度 刺激
驾驶员，T约为1.5秒
8/42
3、传递性
由制约性可知，第一辆车的运行状态制约着第二辆车的运
行状态，第二辆车又制约着第三辆车，…，第n辆车制约 着第n+1辆。一旦第一辆车改变运行状态，它的效应将会 一辆接一辆的向后传递，直至车队的最后一辆，这就是传 递性。
考虑驾驶员性格特性的超车模型研究
成 为研 究 交通 问题 的一个 重要 手 段 。其 中著 名 的仿真 软 件有 ： 美 国中西 部研 究所 Ｔ ＷＯ Ｐ ＡＳ ， 澳 大 利亚 道
路 研究 委员 会 的 Ｔ ＲＡＲ Ｒ， 瑞 典 国家 道路 研究 所 的 ＶＴＩ Ｓ Ｉ Ｍ ］ 。最 近 ， Ｊ ｅ ｎ ｋ ｉ ｎ ｓ 【 ３ 和 Ｒｉ ｌ ｅ ｔ ｔ ｌ ４ 结合 使 用 驾驶
Ｖ０ １ ． ３ ３ Ｎｏ ． １
Ｍ ａ ｒ ． ２ ０１ ５
２ ０ １ ５年 ３月
考 虑 驾驶 员性 格 特 性 的超 车模 型研 究
黄 慧琼 ， 覃运 梅
（ 广 西 科 技 大 学 汽 车 与 交通 学 院 ， 广西 柳州 ５ ４ ５ ０ ０ ６ ）
摘
要： 针 对 超 车模 型 研 究 过 程 中 存 在 忽 视 驾 驶 员 个 体 差 异 性 ， 将 车 辆 抽 象 为 质 点 而 无 法 考 虑 车 辆 的 几 何 大
小 及 超 车 时 车 辆 之 间 的位 置 关 系 等不 合 理 地 方 ， 本 文 引人 驾 驶 员 性 格 特 性 到 车 辆 几 何 模 型 中 ， 建 立 了考 虑 驾
驶 员 性 格 特 性 的车 辆 超 车模 型 。 由 于 考 虑 到 车 辆 在 不 同行 驶 环 境 下 车 辆 纵 向 和 横 向危 险 程 度 不 一 样 ， 提 出
了车 辆 椭 圆几 何 模 型 ， 并 结 合 超 车 过 程 建 立 了计 算 超 车 车 辆 从 超 车 行 为 产 生 到 超 车 过 程 结 束 所 需 的 最 小 超 车 时 间 和 安 全 距 离 的计 算 模 型 ， 最 后 通 过 Ｍａ ｔ ｌ ａ ｂ数 值 仿 真 发 现 ， 文 中提 出的 模 型 克 服 了现 有 的超 车 模 型 中 普 遍存在的没有反映驾驶员个体差 异的缺点 ， 反 映 出 不 同 类 型 的 驾 驶 员 在 相 同 超 车 过 程 中所 需 的 最 小 超 车 时 间和安全距离会有所不 同， 体 现 了 驾 驶 员 个 体 的差 异 性 ， 计算结果与实际交通相符 。 关键词 ： 超车模 型； 驾驶员性格 ； 车 辆模 型 ； 超车 时间； 安 全 距 离
考虑驾驶员的多信息处理和多通道判断能力时车辆跟驰模型的改进_张伟
第4卷第1期2004年2月交通运输系统工程与信息Jour na l o f T ra nspo rtation Systems Engineering and Info rma tion Technolog y V o l.4No.1Febr ua ry 2004文章编号:1009-6744(2004)01-0104-05考虑驾驶员的多信息处理和多通道判断能力时车辆跟驰模型的改进张 伟,王武宏,沈中杰,李德慧(北京理工大学,北京100081)摘要: 交通流中车辆跟驰建模的研究在交通工程和智能交通系统领域内显得十分重要,其核心就是对驾驶员认知问题的测度.本文在总结以往跟驰模型的基础上具体讨论了AP (a ctio n point )模型,并对其不足之处做了改进,重点研究了后车跟随加速度的算法.此外,本文提出了驾驶员多信息处理机制和多通道判断决策概念,企图从控制论角度来对驾驶行为进行客观地定性分析和定量描述,以期正确地揭示交通流的本质特征.关键词: 车辆跟驰;A P 模型;多信息处理;智能控制中图分类号: U 29Improv ement of Car Following M odel with Driv er 's Multi -typed Information System and M ulti -ruled Decisio n -Making M echanismZHAN G Wei,W AN G Wu-hong ,SHEN Zhong -jie,LI De-hui(Beijing Institute o f Techno log y,Beij ing 100081,China )Abstract : Ca r -fo llo wing mo deling in tr affic f lo w theor y has been becoming o f incr easing impo rtance in t raffic e ngineering and intelligent transpor tatio n system ,the point o f concentration in research is about measurement o f driv er cog nitiv e .After reviewing historical mo dels o n car -fo llo wing ,this pa pe r has a naly zed in mo re detail the A P (actio n point )model ,and amelio rated AP model by eliminating its deficiency ,the emphasis of which is th e deductio n of the accele ratio n equatio ns by which the fo llo wing ca r is subjected .Furthe rmo re ,fr om the cyber netics perspectiv e ,this paper make an effo rt to acco mplish qualita tiv e analy sis and quantita tiv e descriptio n o f driv ing behav io ur with driv er 's multi -typed infor matio n system and multi -r uled decisio n -making mecha nism so as tocor rectly revea l the essence o f tra ffic flo w char acteristics .Keywords : ca r fo llow ing ;A P mo del ;multi -ty ped info rmation system ;intellig ent contr olCLC number: U 29收稿日期:2003-10-04资助项目:霍英东青年教师基金(81069);教育部优秀青年教师资助计划(1961).张伟:硕士研究生,从事交通信息工程及控制的研究.1 引 言车辆跟驰行驶是车队行驶过程中一种很重要的现象,对其研究有助于理解交通流的特性.随着机动车数量的迅猛增长以及高速公路里程的快速增加,研究车辆跟驰现象的重要性也大大增加.车辆跟驰模型分为宏观模型和微观模型,研究较多的是微观模型,即两车跟驰情况下的建模与仿真,其研究重点和难点是对后车驾驶员行为的定性分析与定量描述.在过去50年中,各国学者从多个角度针对跟驰现象建立了相关的跟驰模型,其研究结果虽然达到了一定的预期效果,但是模型适用性还显得不足.究其原因主要是各个模型的假设过于简单,脱离了驾驶行为和驾驶员本身的实际情况,导致这些模型只能在很苛刻的条件下成立,无法得到普遍的适用性.而目前建立的跟驰模型主要从工程角度或DOI:10.16097/ k i .1009-6744.2004.01.023交通心理学的角度去认识跟驰中的驾驶行为,存在一定的片面性.单从任何一个角度都无法准确地描述驾驶过程,因为驾驶员的感知、判断决策与动作执行过程是高度复杂的智能过程,具有很强的适应性.Bracksto ne和M cDo nald曾经在其研究报告中总结了过去50年内跟驰模型的发展历程,得出这样一个结论:在认识驾驶行为的过程中必须综合工程学和心理学的知识,全面考虑驾驶员的认知行为,才能建立更符合实际情况的跟驰模型[1].目前,车辆跟驰已经成为工程师和心理学家共同关心的问题,代表了一个独立的研究领域.工程师和心理学家已经意识到要解决跟驰模型问题,必须从工程角度和心理角度同时认识跟驰过程,而且迫切需要一个综合考虑二者因素的合理的跟驰行为假设,如何结合这两方面的因素已经成为制约跟驰模型发展的难点.本文在总结以往跟驰模型的基础上具体讨论了AP(actio n point)模型,并对其不足之处进行了理论上的改进,重点研究了后车跟随加速度的算法.此外,本文提出了驾驶员多信息处理机制和多通道判断决策概念,从控制角度提出了如何对驾驶行为做出定性分析和定量描述,以期正确地揭示驾驶行为的本质问题.2 驾驶员的多信息处理和多通道判断能力作为道路交通系统的信息处理者、决策者、调节者和控制者,驾驶员是人-车-路系统中最核心、最复杂的组成部分.在行车过程中,驾驶员需要连续不断地从道路环境和车辆运行状况中获取道路交通信息和车辆运行信息,并对其进行加工处理,然后做出决策.据美国的一项调查显示,驾驶员每行驶1km,会遇到300多种信息,需要做出75次决策[2].但是,驾驶员除了获取、处理已显示的或微弱的道路交通信息外,还有随时准备获取潜伏的、突显的道路交通信息.驾驶过程是一个高度复杂的智能控制过程,驾驶员在保证车辆安全的基础上根据所感知到的多种信息完成行车任务.例如在跟驰过程中,已往建立的模型认为驾驶员是以相对速度Δv和车辆间距D p作为控制信号以达到安全跟驰的.但是实际驾驶过程中,驾驶员所使用的控制信号可能不仅仅是这两个变量.例如,两车在接近或远离过程中,变化的信息有很多,可以直接被驾驶员感知到的有D p的变化,视角θ的变化,前车在后车驾驶员视野中的相对位置的变化(以挡风窗为取景框),D p对车头与前车后保险杠的相对高度变化,根据路边其他参照物感知到前车相对后车的位置变化,等等.驾驶员在具体操作中选择哪种信息作为输入信号不仅与个人驾驶习惯有关,与当时驾驶员意识状态和注意力分配状态有关,而且还受到具体跟驰状态(跟驰速度和间距)的影响,例如在远距离跟驰时,驾驶员根据前车视角变化判断跟驰间距的变化,从而决定采取何种措施;而在近距离跟驰时,驾驶员根据D p对应路面在视野中所形成的视角变化来判断跟驰间距的变化,从而决定下一步的加速度大小.高速跟驰情况下,驾驶员将更多精力用于观察前车尾灯,一旦制动灯亮起,驾驶员立刻减速;而低速跟驰过程中,驾驶员则更着意于前车视角变化.由于驾驶员是具有高度自适应能力的智能控制体,既受到理性原则的约束,又受到感性思想的影响,因此具有高度复杂的控制逻辑.例如从控制理论的观点看,跟驰行为不同于古典控制过程.它是一个多输入单输出控制过程,驾驶员可能并不是根据一种信号输入就做出判断的,往往是根据多通道信息输入,并对各个通道信息加权后,综合各种信息做出判断决策.各个通道的权值分配不但因人而异,而且受到驾驶员自身状态的制约,而驾驶员状态又受到出行目的、道路几何形状、相对速度、交通流速度、跟驰自愿性、跟驰时间等因素的影响.最关键的是这些权值还受到跟驰状态与该通道信息内容的影响,例如某个通道的信息内容紧迫,那么它的权值就会增加.换句话说,驾驶员潜意识里对紧急信息内容十分敏感,当此类信息进入大脑之后首先被预处理,结果由于其紧急性马上被赋予高优先级,立刻得到处理.这就是驾驶员对紧急情况的适应性.鉴于驾驶行为的复杂性,要建立普遍适用的驾驶行为模型是不切合实际的.相反,针对具体交通条件建立特定状况下的驾驶行为模型则更有实际效果[3].3 以驾驶员认知机理为基础的AP模型及其改进在以往的跟驰模型中,研究较为成功的一个是AP模型,它最早由Michaels在1963年提出的. Michael认为驾驶员在跟驰过程中并不能感知到相对速度的微小变化,除非相对速度的变化达到一个固定的感知阈值.这个阈值并不是用相对速度来衡量的,因为驾驶员无法直接感知相对速度,而是1期考虑驾驶员的多信息处理和多通道判断能力时车通过视野中物体视角的变化来判断的.因此,驾驶员通过观察前车的视角变化来感知相对速度,当视角变化率dθ/d t(≈Δv/Δx2)大于6×10-4时,驾驶员即感知到后车与前车的相对速度发生了变化,从而采取相应的措施(加速或减速)跟随.驾驶员保持这个加速度不变,直到不能再感知到前后车之间的相对速度,即视角变化率已经低于感知阈值,此时驾驶员将保持当前速度行驶.如果前后车之间存在相对速度,但是视角变化率低于感知阈值,那么驾驶员将保持该车速行驶.而前后车跟驰距离Δx则在不断变化,当Δx的变化量达到一个明显的数值时,驾驶员才能感知到.此时驾驶员将会改变车速以消除Δx的变化.那么Δx的变化量应该达到多少才算明显,即被驾驶员感知到呢?同样,跟驰距离的变化也是通过驾驶员观察前车视角的变化得到的.根据W ebers Law的研究,两车接近时,当前车观察视角增大10%的时候,驾驶员会感知到距离发生了明显变化;两车远离时,当前车观察视角缩小12%的时候,驾驶员才会感知到距离发生了变化[1].这种对距离感知的不对称性,可以解释为驾驶员出于对自身安全的考虑,潜意识中对两车接近的情况更敏感一些.3.1 安全时距模型首先,驾驶员在跟驰过程中总是保持一定的车辆时距作为跟驰安全余量,驾驶员在控制车辆间距(沿车道中心线从后车车头到前车车尾的空间距离)的目的就是为了满足安全车辆时距.车辆时距大小不受车速的影响,而与每个驾驶员的个性,受教育程度,年龄等个人因素相关,因此对每个驾驶员来说相对稳定.根据V an Winsum的研究,车辆间距可以用以下公式描述[4]:D p=t p v i(1)其中 D p——前后车辆间距,m;t p——前后车辆时距,s;v i——跟驰车队行驶速度,m/s.对于一个给定驾驶员,在一定的情况下t p值不随车速变化而变化,因此当车速增加或减小时,车辆间距会随之增大或减小,这与实际观察到的情况是一致的.但是不同驾驶员t p的值有很大的差异,例如技术不熟练的驾驶员跟驰时会选择较大的t p,以求安全;而熟练的驾驶员则相反.此外女性驾驶员选择的t p较男性驾驶员为大,高龄驾驶员选择的t p较年轻驾驶员为大.3.2 减速时的跟驰算法大量实验证实,驾驶员采取的减速操作与当时的TTC(Tim e-to-Collision)有关,TTC的定义为驾驶员感知到前车减速并决定减速时前后车辆间距除以相对速度得到的商.W ebers Law认为跟驰距离明显变化时,驾驶员将以某个不变的加速度加速或减速,直到视角变化率再次突破感知阈值,此后驾驶员会选择与刚才相反的加速度操作[1].以两车跟驰为例,当车辆间距小于D p时,后车驾驶员会选择减速以增大车辆间距,其加速度大小主要与TTC有关,同时还受到个人因素的影响.Wim va n Winsum认为驾驶员采取的加速度大小是对T TC 估计值的函数[4]:a i=c TTC est+d+X(2)其中 c,d——常数,c>0,d<0;X——随机误差;T TC est——驾驶员对实际T TC的估计值.此公式成立的条件是TTC不大于某一阈值,即驾驶员必须明显感到相对速度的存在.否则当TTC大于该阈值时,加速度为零.此外,驾驶员的操作过程不可能非常准确,必然存在人为的随机误差,而这个误差的大小又与驾驶员的驾驶技巧和精神状态有关.实验发现驾驶员减速操作的速度以及a i大小都与当时T TC紧密相关.T TC越小,操作速度越快,a i的绝对值越大.那么TTC和TTC est是否存在一定的关系呢?研究发现,驾驶员对T TC的估计值与实际数值的关系可以用Stev ens的心理-行为公式描述[4]:T TC est=e T TC f(3)其中,e= 1.04,f=0.72.现在的问题是TTC如何得到,即驾驶员感知到前车减速时的车辆间距D d与Δv如何求取.一般认为D d=D p-JND,其中JN D(Just Noticeable Distance)表示从前车减速到后车驾驶员感知到相对速度的过程中车辆间距的变化量.3.2.1 相对速度较大时的JN D算法相对速度较大时,视角累积变化量未达到感知阈值g,但是视角变化率已经超过了其感知阈值k.假设前车减速时保持稳定的加速度a j=a,跟驰车队初始速度v i.从前车开始减速计时,设经过t1时间后,后车驾驶员感知到前车的速度变化.则Δv=-at1(4)一般情况下t1很小,所以JN D D p,可以认为dθ/d t≈Δv/D2p=k(5)106交通运输系统工程与信息2004年2月 将Δv代入上式得到t1=-k·D2p/a,即Δv=k D2p(6)JND=(-at21)/2=-k2D4p/(2a)(7)D d=D p-JND=D p+k2D2p/(2a)(8)T TC=D d/Δv=D d/(k D2p)(9) 代入加速度公式(2)得a i=c TTC est+d+X=c e T TC f+d+X=c e[D d/(k D2p)]f+d+X(10) 3.2.2 相对速度较小时的JND算法相对速度较小时,前车视角变化率未达到感知阈值,但是视角累积变化量已经超过了感知阈值g.g的具体大小因人而异,其平均值为10%.驾驶员观察前车时,主要选择宽度方向上的视角变化作为控制输入信号,该视角θ的大小与前车宽度W 以及车辆间距相关,且满足如下关系式:θ=2arctan(W/(2D p))(11)(1+g)θ=2arctan(W/(2D d))(12)解上面两式得到D d=W/[2tan((1+g)a rcta n(W/(2D p)))](13)一般取W= 1.8m.设前车减速时,加速度恒定不变,即a j=a,经过t1时间后车驾驶员感知到距离变化,则JND=D p-D d=a t21/2(14)t1=2(D p-D d)/a(15) T TC=D d/Δv=D d/(at1)=D d/2a(D p-D d)(16)a i=c e TTC f+d+X=c e[D d/2a(D p-D d)]f+d+X(17) 3.3 加速时的跟驰算法当车辆间距大于D p时,驾驶员会选择加速以消除车辆间距与D p的差值,经我们的实车观察和研究发现,该加速度不仅与驾驶员决定加速时的跟驰间距D d以及前后车相对速度有关,而且与驾驶动机、个人性格、习惯等因素有关,公式如下:a i=T(D d/D p)+UΔv+λ+X(18)其中T,U为系数,且T>0,U>0,λ是随具体驾驶员而定的参数,与驾驶员个性、驾驶习惯、驾驶任务紧急度,以及驾驶员年龄、性别有关.任务紧急度高,则λ较大,男性驾驶员比女性驾驶员的λ较大,年轻驾驶员比老龄驾驶员的λ较大.技术熟练驾驶员比新手的λ较大.X是驾驶员操作时的随机误差.此公式成立的条件是前车视角变化率超过驾驶员的感知阈值k.当相对速度较小,驾驶员未感知到视角变化率,而视角累积变化量首先突破感知阈值g时,驾驶员的加速度操作则几乎与相对速度无关,公式变为如下形式:a i=T(D d/D p)+λ+X(19)3.3.1 相对速度较大时的JN D算法当相对速度较大时,后车驾驶员首先感知到视角变化率突破阈值k,随后以某一不变加速度加速追赶前车.设前车加速度为a,经过t1时间后车驾驶员获得前车加速信息,下面求取后车加速度a i:Δv=at1(20)dθ/d t≈Δv/D2p=k解得t1=k D2p/aJN D=D d-D p=a t21/2=k2D4p/(2a)(21)将Δv和JND代入加速度公式(9),得到a i=T(D d/D p)+UΔv+λ+X=T(1+JND/D p)+UΔv+λ+X(22) 3.3.2 相对速度较小时的JN D算法当相对速度较小时,前车视角变化率未达到感知阈值k,但是经过时间t1后,前车视角累积变化量达到感知阈值g(平均12%),此时后车开始加速.这种情况下,加速度受D p变化量影响较大,而与Δv关系不大,如公式(10)所示,此时只需求取D d.于是有D d=W/[2tan((1-g)a rcta n(W/(2D p)))](23)W= 1.8mJN D=D d-D p=W2tan(1-g)arcta nW2D p-D p(24)a i=T(D d/D p)+λ+X=T(1+JND/D p)+λ+X(25) 另外还应注意的是,驾驶员在加速时所选择的加速度大小往往变化不大,a i的值受习惯影响较大,即系数T,U相对λ很小.107第1期考虑驾驶员的多信息处理和多通道判断能力时车辆跟驰模型的改进4 结束语研究驾驶行为重点在于研究驾驶员感知和判断决策的方式与过程,尤其是对驾驶员认知行为的研究成为问题关键.在两车跟驰行为的研究中,以后车驾驶员观察视角作为认知线索,在综合考虑驾驶员心理因素对跟驰行为影响的基础上,进一步推导出后车加速度的算法.显然,减速和加速情况下的加速度算法完全不同,前者是TTC的函数,而后者与决策时跟驰间距D d以及相对速度相关,而且受习惯行为影响较大.本文所提出的AP模型的改进算法是在理论研究的过程中建立的,仍需要实验数据的支持、以及标定各个参数.驾驶行为是一个高度复杂的智能控制过程,具有多信息处理和多通道判断特性.驾驶员观察视角作为一种主要输入信号,对其研究获得了一定的成功,但是并不排除其它输入信号的影响作用.各种输入信号影响性,即输入通道的权值随诸多因素而变化,大脑在处理各通道信息时,其控制规则也随具体信息内容而变化,因此驾驶行为具有较强的适应性,而这正是目前驾驶行为研究的重点与难点.如果能够确定各种驾驶信号输入与相关的控制规则,那么跟驰模型必然能更客观地描述交通流中车队行驶过程并进一步揭示其特征.参考文献[1] M ark Brackstone,M ike Donald.Ca r-fo llo wing:ahistorical review[J].T ra nspor tation Research F,1999,2:181-196.[2] 王武宏,等.道路交通系统中驾驶行为理论与方法[M].北京:科学出版社,2001:62.[3] T homas A Ranney.Psycho log ical facto rs thatinfluence car-fo llow ing and car-fo llowing modeldevelo pment[J].T ranspo rta tio n Research Par t F,1999,2:213-219.[4] W im va n Winsum.T he human element in ca rfo llo wing mo dels[J].T ranspo rta tio n Resear ch Pa rtF,1999,2:207-211.[5] M ar k Brackstone,Beshr Sulta n,Mike M cDonald.M o tor way driv er behav io ur:studies on ca r fo llow ing[J].Tr anspo rta tion Research Pa rt F,2002,5:329-344.[6] H o ngbin Yin,S. C.Wo ng,J ia nmin X u, C.K.W o ng.U rban traffic flo w predictio n using a fuzzy-neur al a ppr oach[J].T ranspo r ta tio n Research F,2002,10:85-98.[7] Ka rl A.Hutto n,Chris G.Sibley,Dav id N.H a rper,M ar ee Hunt.M odifying driv er behaviourwith passeng er feedback[J].T ranspo r tatio n Research Pa rt F,2002,4:257-269.[8] H a shim Al-M adani,Abdul-Rahman Al-Janahi.Assessment o f driv er s'comprehensio n of tra ffic sig ns ba sed o n their traffic,personal and so cial cha racteristics[J].Tr anspo rta tion Resea rch Pa rt F,2002,5:361-374.[9] Andra s Kemeny,Francesco Pa ner ai.Ev aluatingpe rception in driv ing simulatio n ex periments[J].T REN D S in Co gnitiv e Sciences,2003,1:31-37. [10] Hussein Dia.An ag ent-based approa ch to mo delingdriv er ro ute choice behavio ur under the influence o fr eal-time info rma tio n[J].T ra nspor tation Resea rchPa rt C,2002,10:331-349.[11] K.M.Lum,Y. D.W ong.A befo r e-and-afterstudy o f driv er sto pping pro pensity a t red ligh tcamer a inter sec tions[J].Accident analy sis&prev entio n.2003,35:111-120.[12] Baojin W ang,David A.Henshe r&Tu To n.Safetyin the ro ad enviro nment:a driv er behaviourr espo nse perspec tiv e[J].T ranspo r tatio n.2002,29:253-270.[13] Luis Alv are z,Ro berto H o ro wit z,Charmaine V.T oy.M ulti-destinatio n traffic flow co ntr ol inauto mated hig hwa y systems.T ranspo r tatio nResea rch Par t C2003,11:1-28.[14] 王殿海.交通流理论[M].北京:人民交通出版社,2002.108交通运输系统工程与信息。
基于驾驶员认知过程的车辆跟驰模型的建立_贾洪飞
2.Changchun Railway Traffic Co.Ltd., Changchun Jilin 130012 , China)
Abstract :Based on the knowledge of cognitive psychology , a kind of drivers' cognition frame which combines intuition , analysis and inference was proposed , the drivers' cognition behavior in the process of car-following was analyzed under the frame.And based on the data collected by Five-wheel system , four factors including speed , acceleration , distance of the former vehicle and distance of the following vehicle which have independent role in the process of driving information extraction were determined by using factor analysis.Accordingly , the cognition process of drivers was divided into four phases and a cognition structure model for drivers' car-following behavior was developed.Each phase was analyzed concretely , and a car-following model was developed based on drivers' cognition behavior by mathematical method.Simulation result shows that the car-following model developed can properly reflect drivers' behavior in car-following course. Key words :traffic engineering ;car-following model ;factor analysis ;driver behavior ;cognition
考虑驾驶员记忆的多前车速度差跟驰模型研究
考虑驾驶员记忆的多前车速度差跟驰模型研究
尹砚铎;龙科军;谷健
【期刊名称】《交通科学与工程》
【年(卷),期】2024(40)2
【摘要】为了探究驾驶员记忆和多前车速度差对交通流的影响,本文基于全速度差模型(full velocity difference model,FVDM),结合驾驶员记忆因素和多前车对跟驰车的作用,构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。
通过改进模型的线性稳定性特征,得出改进模型的稳定性条件。
再对改进模型下的车流启动和制动过程进行仿真,并与FVDM的仿真结果作对比。
然后采用微小扰动法对改进模型进行数值仿真,研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。
最后,利用下一代仿真(next generation simulation,NGSIM)数据标定了改进模型的参数,并预测了其加速度。
研究结果表明:驾驶员记忆在一定程度上不利于交通流的稳定,而多前车速度差对稳定交通流具有积极作用;与FVDM相比,改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%,预测精度更高,均方根误差降低了24.3%。
【总页数】11页(P127-137)
【作者】尹砚铎;龙科军;谷健
【作者单位】长沙理工大学智能道路与车路协同湖南省重点实验室
【正文语种】中文
【中图分类】U491.2
【相关文献】
1.考虑前车加速度信息影响的多速度差模型
2.考虑前车加速度信息的跟驰模型及数值模拟
3.考虑车辆加速度和次邻近车辆速度差的跟驰模型及仿真研究
4.车–车互联下多前车速度差的跟驰模型
5.在智能网联车中考虑电子节气门开度的多前车速度差的跟驰模型
因版权原因，仅展示原文概要，查看原文内容请购买。
跟驰车队流中驾驶员感知能力模型的初步探讨
ｔ 为视 觉滞后 时问 ． 驾 驶 员制 动 时 间 ｔ 和车辆机 械反 应 时 间 ｔ 和 ， 据 本模 型 计算 分析 ， 应 ｒ ， ． ｛ 车之 根
ｒ ‘为 同一数 量级． ．ｆ ｆ 、
ｔ ｎ ｆｒ ｌ ｆｔ ｅ ｆｌ ｗ —ｕ ｒｖ ｒ ｌ ｇ ｉ ｅ ｓ ｆｖｓ ｎ ｉ ｐ ｔ ｏ ｗ ｒ ．Ｉ ｉ ｐ ｉ ｔ ｄ ｏ ｔ ｈ ｔ ｅ ｒ ｓ ｏ ｓ ｉ ｍｕａ ｏ ｏ ｏ ｏ ｏ ｈ ｐ ｄ ｉ ｅ ’ ｓ ｇｓ ｓ ｎ ｅ ｏ ｉｉ ｓ ｕ ｒ ａ ｄ ｔ ｓ ｏ ｎ ｅ ｕ ａ ｅ ｐ ｎ ｅ Ｓ ｕ ｈ ｏ ｆ ｔ ｔ ｈ
关键 词 ： 车驾驶 员； 车距 离； 车速 度 汽 行 行 中图分类 号 ： ２ 文 献标 识码 ： 文章编 号 ：０ ７— ５ ｘ（０ ７ ０ ０ ４ Ｕ９ Ａ １０ ８ ５ ２０ ） ６— ０ ７—０ ４
Ｉ ｉｉ ｌＳ ｕ ｎ ｉｅ ’ Ａｂｉ ｔ ｏ ｅ ｆＨ ｅ ｌＴｒ ｖ ｌ ｏ ｏ ｃ ｄｅ ｎ ｔａ ｔ ｄｙ ｏ Ｄｒｖ ｒＳ ｌ ｙ Ｍ ｄ ｌｏ ｅ ａ ｅｉ Ｍ ｔ ｒ ａ ｉ ｎｇ
Ｌ Ｍ ｉｇ．ＸＩ ｌ ｎ ＡＮＧ Ｇａ ｇ ｎ
（ ａｕｔ ｏ ａ ａｅ ｎ ｄＥ ｏｏ ｉ ， ｕｍｉｇＵ ｉ ｒｔ ｏ Ｓ ｉ ｃ ｄＴ ｃ ｎｌｇ ， ｕｍｉｇ ５０ ３ Ｃ ｉａ Ｆｃｌ ｆ ｎ ｇｍｅｔ ｃｎ ｍｃ Ｋ ｎ ｎ ｎｖｓｙ ｆ ｃｅ ｅａ ｅｈ ｏ ｙ
Ｄｃ ２ ７ ｅ． ０ ０
跟 驰 车 队流 中驾驶 员感 知 能 力模 型 的初 步探 讨
黎 明 ， 刚 向
（ 昆明理工大学 管理与经济学院 ， 云南 昆明 ６ ０ ９ ） ５０ ３
考虑驾驶员反应能力的跟驰模型
关键词 ： 驰模 型； 跟 驾驶 反 应 能 力 ； 通 行 为 交
中 图 法 分 类 号 ： ９ ． ２ Ｕ４ １ １ ３
０ 引
言
车 ；２ （ ）车辆 问 的作 用 是 单 向 的 ， 个驾驶 员 仅 对 每 来 自前 方 车辆 的激 励 作 用 做 出反 应 ； ３ （ ）不 考 虑
研 究 的 前 沿 和热 点 ［ ］如 Ｂ ｎ ｏ３ １． ａ ｄ ［ 等人 提 出 的速
中 ， 一辆 车上 的 驾驶 员 都有不 同的特 性 ， 每 包括 反
应 能力 、 性格 、 练 程 度 、 体 状况 、 理 状 况 、 熟 身 心 旅 行 目的等． 一 方 面 的 不 同 都 会 引起 跟 驰 特 性 的 每 变化， 而不 应 该 用 统 一 的公 式 表示 ． 为此 ， 文 提 本 出考 虑驾驶 员 反应 能 力 的 车辆跟 驰模 型．
收稿 Ｅ期 ：０ ７０ —３ ｌ ２ ０ —２１
驾驶 员反 应 时 间模 型
驾 驶 员 从 获 取 信 息 、 知 处理 信 息 到 做 出操 认 作 所 经过 的 时 间 称 为 驾 驶 员 的反 应 时 间 ． 对 于 相
一
些 物理 或 化 学 过 程 ， 的 反 应 实际 上 是 非 常 慢 人
维普资讯
第 ３ 卷 第 ４期 １
２０ ０ ７年 ８月
武 汉理－ ｒ ： 大学学报鸯 ） （望 差
Ｊ ｕ ｎ ｌｏ ｕ ａ ｉｅ ｓｔ ｆＴｅ ｈ ｏ ｏ ｙ ｏ ｒ ａ ｆＷ ｈ ｎ Ｕｎ ｖ ｒｉｙ ｏ ｃ ｎ ｌｇ
（ ａ ｓｏｔｔ ｎＳ ｉ ｃ Ｔｒｎｐ ｒａｉ ｃ ｎ ｅ＆ Ｅ ｇｎ ｅｉｇ ｏ ｅ ｎ ｉｅ ｒ ） ｎ
基于期望车速的跟驰模型研究
基于期望车速的跟驰模型研究吕贞;陆建【摘要】期望车速是驾驶员驾车过程中依据道路条件、车流状况、所驾驶车辆性能等因素,经综合考虑后存在于自身心目中并认为可以实现的一种"目标车速",它对行驶车辆的实际行车速度高低产生影响.为了反映车辆运行过程中不同驾驶员运行车速选择的差异,本文提出了基于期望车速的跟驰模型.该模型能够解释不同驾驶员在相同道路条件下选择不同行车速度的原因.在建立模型的基础之上,作者讨论了保持交通流稳定性的充分和必要条件.最后,文中给出了应用实例.结果表明:当驾驶员的期望车速接近均衡车速时,交通流是稳定的;反之,当驾驶员期望车速与均衡车速差异较大时,交通流的稳定性可能下降.【期刊名称】《交通运输工程与信息学报》【年(卷),期】2010(008)003【总页数】6页(P68-73)【关键词】期望车速;跟驰模型;均衡速度;交通流;稳定性【作者】吕贞;陆建【作者单位】东南大学,交通学院,南京,210096;东南大学,交通学院,南京,210096【正文语种】中文【中图分类】U4910 引言交通流跟驰模型是从人车单元运动与相互作用的层次上分析交通流微观特性，探究在单一车道上车辆排队行驶时,后车跟随前车的行驶状态,并用数学模式加以分析阐明的一种理论[1]。
在以往的用跟车模型分析交通流稳定性的研究中，大多是基于刺激-反应的模型，反应时间越长、敏感系数越大则说明交通流越不稳定[2]。
但是，这些模型无法解释在拥挤流状态下（反应时间、敏感性等趋于一致）交通流不稳定的原因。
事实上，即使在同一反应时间和同样的敏感度等条件下，不同的驾驶员也会表现出不同的驾驶行为特征。
对高等级公路行车速度的交通调查结果表明：对于道路条件相同、交通环境相似的同一路段，有的驾驶员趋向于选择较高车速，而有的驾驶员趋向于选择较低的车速。
造成这一现象背后的深层次原因在于不同的驾驶员个体思想中都有不同期望车速[3]。
期望车速指驾驶员驾车过程中依据道路条件、车流状况、所驾驶车辆性能等因素经综合考虑后存在于自身心目中并认为是可以实现的一种“目标车速”。
car-following models based on driving strategies
基于驾驶策略的车辆跟驰模型研究及其应用前景
基于驾驶策略的跟驰模型（Car-following models based on driving strategies）是模拟车辆在道路上的行驶行为和相互作用的一种模型。
这种模型主要关注驾驶员如何根据周围环境和自身状态来选择和调整驾驶策略，以达到安全、高效地跟驰的目的。
在跟驰模型中，通常需要考虑以下几个因素：
1.驾驶员的反应时间：驾驶员从感知到前方车辆减速或加速，到自己采取相
应行动所需的时间。
这个时间取决于驾驶员的反应速度和决策能力。
2.车辆间的距离和速度差：驾驶员需要保持与前车一定的安全距离，并根据
前车的速度调整自己的速度。
这是为了防止追尾事故和保持交通流畅。
3.道路条件和交通规则：驾驶员需要根据当前道路的线形、交通标志、交通
信号等，以及遵守相应的交通规则，来选择合适的驾驶策略。
基于驾驶策略的跟驰模型可以分为两类：确定性模型和概率性模型。
确定性模型假设驾驶员的驾驶行为是确定的，可以预测的；概率性模型则考虑了驾驶员行为的随机性和不确定性。
确定性模型中最著名的就是油门-刹车线性模型（Linear Throttle-Brake Model），它假设驾驶员的油门和刹车动作是线性的，可以根据前车的速度和距离来预测下一时刻自己的速度和位置。
概率性模型中最常用的是微观跟驰模型（Microscopic Traffic Simulation Model），它考虑了驾驶员行为的随机性和不确定性，可以模拟单个车辆的运动轨迹和速度变化，从而得到整个车流的运行状态和统计特性。
基于隐马尔可夫模型的驾驶员跟车意图研究
基于隐马尔可夫模型的驾驶员跟车意图研究李洁;孙涛;杨洋【摘要】为了预测驾驶员在跟车过程中的驾驶意图,鉴于驾驶员行为具有随机特性,提出了基于隐马尔可夫模型的驾驶员跟车意图行为的研究.首先,驾驶员的意图用隐马尔可夫模型的隐含状态来阐述,用车间距来表示其隐马尔模型中的观测状态,由此建立了用车间距为观测状态来获取隐含状态即驾驶员意图的跟车行为模型.其次,利用美国NGSIM数据来训练隐马尔可夫模型.最后,通过MATLAB仿真,并对实验结果与实际数据进行对比,验证了此设计满足驾驶员跟车意图的可行性要求.【期刊名称】《农业装备与车辆工程》【年(卷),期】2018(056)012【总页数】4页(P10-13)【关键词】跟车意图;隐马尔可夫模型;MATLAB;NGSIM数据【作者】李洁;孙涛;杨洋【作者单位】200093 上海市上海理工大学机械工程学院;200093 上海市上海理工大学机械工程学院;200093 上海市上海理工大学机械工程学院【正文语种】中文【中图分类】U491.2+50 引言随着科技的发展，汽车产业蓬勃发展。
在这种背景下，各种先进的驾驶员辅助系统（ADAS）被开发出来以满足人类安全、舒适性的要求，如自适应巡航控制系统（ACC）[1]、车身电子稳定系统[2-3]、车道偏离预警（LDW）[4]、盲点辅助系统等，以帮助提高驾驶安全性或减轻驾驶员的工作量。
但统计表明，其中超过90%的交通事故是人为因素引起的[5] 。
因此，了解或识别驾驶员行为对交通的状况的提升是至关重要的[6]。
半个世纪以来，驾驶员行为一直是交通和地面车辆研究的重要课题，不同学科的研究者致力于分析、理解、研究和描述驾驶员行为的工作[7-9]。
最近，随着主动安全技术（AST）[10]的发展，驾驶员跟车模型被用来评估这种系统的效率和准确性[11]。
通过这些研究工作可知，如何建立一种能够准确体现驾驶行为特性、识别驾驶员意图并模拟驾驶员多种驾驶经验和技能的数学模型是至关重要的课题[12-15]。
跟驰过程中驾驶员认知结构模型的建立
跟驰过程中驾驶员认知结构模型的建立
贾洪飞;隽志才;曹鹏
【期刊名称】《公路交通科技》
【年(卷),期】2005(22)11
【摘要】在道路交通4要素中(人、车、路、环境),人以其主动性和智慧性起着支
配作用,是其中的主体要素。
基于认知心理学的有关知识,论文采用因子分析法对五
轮仪实验系统观测到的车辆跟驰数据进行分析,确定了对车辆跟驰信息提取过程有
独立作用的4个因素,相应地将驾驶员认知过程划分为4个阶段,建立了车辆跟驰过程的驾驶员认知结构模型。
为驾驶行为研究和车辆跟驰模型的建立提供了理论基础。
【总页数】3页(P130-132)
【关键词】驾驶行为;认知结构;车辆跟驰;因子分析
【作者】贾洪飞;隽志才;曹鹏
【作者单位】吉林大学交通学院;上海交通大学交通运输研究所
【正文语种】中文
【中图分类】U491.2
【相关文献】
1.考虑驾驶员性格的跟驰模型 [J], 漆军;李建华
2.冰雪条件下中国驾驶员跟驰行为及模型研究 [J], 杨龙海;张春;仇晓赟;吴应涛;李帅;王晖
3.考虑驾驶员模糊感知的深度学习跟驰模型 [J], 李林波;李瑞杰;邹亚杰
4.基于驾驶员认知过程的车辆跟驰模型的建立 [J], 贾洪飞;唐明;李莉
5.基于智能驾驶员模型的危险跟驰行为特征分析 [J], 朱婷;杨鸿泰;钟心志;邹亚杰因版权原因，仅展示原文概要，查看原文内容请购买。
交通流理论 第四章 跟驰理论与加速度干扰解读
平均车头间距怎么得到？
第四章 跟驰理论与加速度干扰
（2）速度与车头间距的关系 ●第一版通行能力手册（Highway Capacity Manual (1950) ），对车头间距和
速度的调查数据进行总结，得出公式：
s a u u 2
其中：α ：车辆长度；β：反应时间 γ：跟驰车辆最大平均减速度的二倍的倒数 ● γ的经验取值为：0.023s2/ft ● γ的近似计算公式： Lγ=0.5*(af-1-al-1) 其中af、al：分别为跟车和头车的平均最大减速度。
第四章 跟驰理论与加速度干扰
●以上所指出的速度-间距模型可应用于下列情况，交通流中的每辆车都保 持相同的或基本相同的恒定的速度，每辆车都试图保持相同的间距（即
它表述了一种稳定状态的交通流）。
5、车辆跟驰研究的意义 ●车辆跟驰研究的一个主要企图是试图通过观察各个车辆逐一跟驰的方式来 了解单车道交通流的特性。这种特性的研究曾用来检验管理技术和通信 技术，以便在稠密交通时使得后挡板碰撞的事件减到最低。 ●跟驰理论除了用于计算平均车头间距以外，还可用于从微观角度对车辆跟 驰现象进行分析，近似得出单车道交通流的宏观特性。总之，跟驰理论 是连接车辆个体行为与车队宏观特性及相应流量、稳定性的桥梁。
2、渐进稳定性 渐进式稳定性是对车队进行研究，即车队的整体波动性。
（1）描述车队的方程
n1 (t T ) [ x n (t ) x n1 (t )] x
第二节 稳定性分析
（1）局部稳定性 是指与直接在它前面的车辆，在运行中的变化所引起的反应有关，这可以用
车1和车2之间的间隔模式来说明。
（2）渐进稳定性 在领头车辆的摇摆运行中，通过一列车辆传播的方式是渐进稳定的函数。从 前面的例子可以看出，引起第一辆车的摆动运行，通过列车以增加幅度 的模式来传播，导致第三与第四辆车之间后部的碰撞。
一种考虑个性化驾驶风格的车辆跟驰模型
乙 椎渊棕冤越 员 姨圆仔
肄 枣渊贼冤藻原蚤棕贼 凿贼
圆
鄢
越 云渊棕冤云 渊棕冤
原肄
圆仔
渊圆冤
其中 棕 为角频率袁云渊棕冤是 枣渊贼冤的连续傅里叶变换袁云鄢渊棕冤是
云渊棕冤的共轭函数遥 对于 栽孕 和 月孕 这样的离散型时间序列袁能量
谱密度的计算方式为院
肄
圆
移 阅渊棕冤越
员 姨圆仔
原蚤棕灶
枣灶 藻
灶越原肄
本文将在长直公路上的车辆跟驰行为看做成一个动态的跟
踪原补偿过程袁即驾驶员倾向于不断地将和前车的车距和相对速 度保持在自己舒适的范围内袁在此过程中袁驾驶员的个性化驾驶 偏好得到体现遥 通过使用循环能够 野模 仿冶原始的驾驶员进行野驾驶冶遥 通过设计跟驰测试系统并使用能 谱密度均值作为分类指标对模型进行了测试和风格区分并和原
摘要院介绍了一个全新的考虑驾驶员原始的驾驶风格体现的车辆跟驰模型袁使用非线性自回归神经网络和直接逆模型 法对驾驶员实际车辆跟驰行为进行学习袁进而完成了对驾驶员在车辆跟驰状态下的个性化建模遥 通过设计跟驰测试系统和 采用能量谱密度作为分类指标对所提出的模型进行了测试和风格聚类遥 将测试结果与原始驾驶风格数据进行对比袁验证了 所提出方案的有效性遥
赠渊噪冤越枣渊赠渊噪原员冤袁赠渊噪原圆冤袁噎袁赠渊噪原灶赠 冤袁
怎渊噪原员冤袁怎渊噪原圆冤袁噎袁怎渊噪原灶怎 冤袁憎冤
渊员冤
式中院怎渊窑冤为输入向量 怎 在某时间点的数值袁赠渊窑冤为目标向
量 赠 在某时间点的数值曰灶怎 渊灶怎逸员冤 为非线性系统的输入阶数袁
灶赠渊灶赠逸员冤为输出阶数袁且 灶怎逸灶赠遥
始数据进行了对比遥 员 个性化跟驰模型的建立
跟驰行为是一个动态决策的过程袁 驾驶员在某一时刻下的 对车的操作决策取决于当前以及先前的操作和决策袁 因此我们 需要对长期的时间依赖问题进行建模遥 非线性自回归神经网络 渊晕粤砸载冤 在处理长期依赖性问题时表现出出色的收敛性和泛化 能力咱猿暂袁晕粤砸载 模型的数学表示为院
考虑驾驶员性格特性的跟驰模型
考虑驾驶员性格特性的跟驰模型吴超仲严新平马晓凤武汉理工大学，智能运输系统研究中心，武汉430063摘 要：引入驾驶员个体行为差异到传统的交通流模型中，建立了反映驾驶员性格的车辆跟驰模型。
以概率反映驾驶员性格特性分布，用权重系数表示不同性格驾驶员在操作方面的差异，运用交通调查的方法对模型参数进行了识别。
最后，用本文所建立的模型对车队在城市交叉路口的启动过程进行了仿真。
仿真结果表明，不同类型的驾驶员在跟驰过程中，速度出现明显的波动，反映了驾驶员的个体差异，与实际交通更为接近。
关键词：跟驰模型，驾驶员性格，交通行为中图分类号：U491 文献标识码：A 文章编号：1672-4747（2007）04-0018-05 Car-following Model Based on Drivers’ CharacteristicsWU Chao-zhong YAN Xin-ping MA Xiao-fengIntelligent Transportation System Center，Wuhan University of Technology，Wuhan 430063，ChinaAbstract：Considering the driver individual behavior difference，a model was proposed based on the Optimal Velocity Model，Generalized Force Model and the Full Velocity Difference Model. The theory of probability was used to reflect the driver disposition characteristic distribution. Operation difference of each driver was reflected by the weight coefficient.The coefficients of this model were identified by the traffic survey and the driving simulation experiment. Finally，the model were used to simulate the starting process ata urban crossing. The simulation result indicated that the speed appeared undulating withdifferent driver in the following process. The driver's differences have been reflected in the model.Key words：Car-following model，driver characteristics，traffic behavior收稿日期：2006-10-09.基金项目：本研究工作得到国家973计划（2005CB724205），武汉市晨光计划（20045006071-29）和863计划（2006AA11Z214）资助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
考虑驾驶员性格特性的跟驰模型
吴超仲严新平马晓凤
武汉理工大学，智能运输系统研究中心，武汉430063
摘 要：引入驾驶员个体行为差异到传统的交通流模型中，建立了反映驾驶员性格的车辆跟驰模型。
以概率反映驾驶员性格特性分布，用权重系数表示不同性格驾驶员在操作方面的差异，运用交通调查的方法对模型参数进行了识别。
最后，用本文所建立的模型对车队在城市交叉路口的启动过程进行了仿真。
仿真结果表明，不同类型的驾驶员在跟驰过程中，速度出现明显的波动，反映了驾驶员的个体差异，与实际交通更为接近。
关键词：跟驰模型，驾驶员性格，交通行为
中图分类号：U491 文献标识码：A 文章编号：1672-4747（2007）04-0018-05 Car-following Model Based on Drivers’ Characteristics
WU Chao-zhong YAN Xin-ping MA Xiao-feng
Intelligent Transportation System Center，
Wuhan University of Technology，Wuhan 430063，China
Abstract：Considering the driver individual behavior difference，a model was proposed based on the Optimal Velocity Model，Generalized Force Model and the Full Velocity Difference Model. The theory of probability was used to reflect the driver disposition characteristic distribution. Operation difference of each driver was reflected by the weight coefficient.
The coefficients of this model were identified by the traffic survey and the driving simulation experiment. Finally，the model were used to simulate the starting process at
a urban crossing. The simulation result indicated that the speed appeared undulating with
different driver in the following process. The driver's differences have been reflected in the model.
Key words：Car-following model，driver characteristics，traffic behavior
收稿日期：2006-10-09.
基金项目：本研究工作得到国家973计划（2005CB724205），武汉市晨光计划（20045006071-29）和863计划（2006AA11Z214）资助。
作者简介：吴超仲（1972-），男，湖北天门人，武汉理工大学副教授，主要从事交通行为、交通安全等领域的研究工作。
考虑驾驶员性格特性的跟驰模型吴超仲等
交通运输工程与信息学报 2007年第4期
考虑驾驶员性格特性的跟驰模型吴超仲等
交通运输工程与信息学报 2007年第4期。