高速公路汽车追尾模型

56 引6 言
据统计， 汽车追尾事故约占中国高速公路交通 事故的 % \ ? ， 已成为高速公路交通事故的主要形式 之一
［ % ] ?］
， 因此， 高速公路汽车追尾及其规避运动机
理， 成为交通科技界越来越关心的问题， 其中建立高
收稿日期： #$$!=$>=?$ 基金项目： 湖南省自然科学基金项目 （ @@&&A#$$>> ） 万方数据 ， 男， 湖南常德人， 长沙理工大学讲师， 中南大学博士研究生， 从事交通控制工程研究< 作者简介： 侯志祥 （ %@B%=）
#" 汽车追尾概率模型
#$ !" %&’() 基本理论 自适应神经模糊推理系统是将模糊推理系统与 神经网络相结合的产物。模糊推理系统巧妙地引入
万方数据
第 % 期< < < < < < < < < < < < < 侯志祥， 等： 高速公路汽车追尾模型 度差越大 （ !" ） ， 且 ! " 越小 （ #" ） ， 则发生追尾的概 率越小 （ #" ） ， 依靠经验可建立 $%& 条模糊推理规 则。行车间距为 !" 时， 以车速 ! " 和速度差 !! 为模 糊 输 入，汽 车 追 尾 概 率 " 为 模 糊 输 出， 模 糊 规 则 见 表’ 。 利用模糊规则产生的数据作为
# 侯志祥% ， ， 吴义虎# ， 刘振闻# ， 李河清#
（ %9 中南大学 信息科学与工程学院， 湖南 长沙" !%$$D? ； #9 长沙理工大学 汽车与机械工程学院， 湖南 长沙" !%$$BC ）
摘" 要： 应用自适应神经模糊推理系统， 以两车车速差、 跟随车的车速、 行车间距为输入量， 两车的追 尾概率为输出量， 建立了高速公路汽车追尾的 E:FGH （ 自适应神经模糊推理系统） 概率模型， 计算出在 不同车速差和行车间距时的高速公路汽车追尾概率。该概率模型为高速公路汽车追尾建模提供了一 种新思路， 对模型进行实时校正后用于追尾预测， 对避免高速公路汽车追尾具有指导意义。 关键词： 交通安全； 高速公路； 汽车追尾； 自适应神经模糊推理系统； 追尾预测 中图分类号： I!@%" " " 文献标识码： E
［ 8， 9］ 算模糊系统的输出 。
式中： $) 为驾驶员反应时间； $+ 为制动器协调时间； $% 为制动减速度增长时间； % "!,- 为 " 车的最大减速度； % #!,- 为 # 车的最大减速度。要保证 "、 # 车的行车安 全， "、 # 车从开始制动至完全停止时前车的尾部与 后车的前部应有一定距离 & 安 ， 据此， 对 "、 # 行驶车 辆实施制动时要求的行车间距 ! 为 ! ! & 安 ’（ # # ( # " ） & & 由上式可知， 呈纵向排列的 "、 # 在行车辆要求 的行车间距 ! 随 "、 # 车的行车速度及制动性能、 跟 随车辆驾驶员的反应时间、 & 安 等因素的变化而变 化。& 安 可视为常数， 假定当 "、 # 车的制动性能、 驾 驶员的反应时间相同时， 汽车追尾发生的概率与行 车间距和车速有关。要从动力学的角度刻画高速公 路 汽 车 追 尾 事 故 的 机 理， 是一件比较复杂的事 情
) + ,
!" 行车间距分析
设呈纵向排列、 行车间距为 ! （ !） 的 "、 # 汽车在 同一道路上沿同一方向分别以 ""$ 、 "#$ 速度行驶。令 汽车 " 为目标车辆， 汽车 # 为跟随车辆。设 " 车的 驾驶员发现道路前方障碍物后从对本车开始实施制 动到 " 车完全停止所行驶的距离为 # " ； 设 # 车的驾 驶员从观察到 " 车实施制动后开始对本车实施制动 ［%］ 可 至 # 车完全停止所行驶的距离为 # # 。由文献 知， # 车驾驶员确知 " 车制动后对 # 车实施制动至两 车完全停止时的距离差近似为 （ $) * $+ ） " #$ & & & ## ’ #" ( $% * （ " #$ ’ " "$ ）* +
%G
交& 通& 运& 输& 工& 程& 学& 报& & & & & & & & & &
& +$$. 年
故的自适应神经模糊网络概率模型。
了 “ 隶属度” 的概念， 使规则数值化， 从而处理结构 化的知识。神经网络一般不能处理结构化的知识， 但神经网络具有自适应自学习的功能， 通过对大量 数据的学习， 估计输入输出数据之间的映射， 并具有 很强的泛化能力。"/012 则充分利用模糊推理系统 与神经网络各自的优良特性， 具有以任意精度逼近 任何线性或非线性函数的功能， 且收敛速度快， 误差 小， 所需训练样本少。 "/012 是将 234567 一阶模糊 推理系统以网络的形式来实现而得到的一种神经网 络。考虑 , 个输入、 ) 个输出的系统， 将每个输入分 成 - 个模糊集， 对一阶 234567 模型的 - , 个模糊规 则为： 若 . ) 是 /) 0 ， . + 是 /+ 0 ， …， . , 是 / ,0 ， 则
表 !" 部分模糊规则 #$%& !" ’$() *+,,- (+./0 追尾概率 " #" #( #) 车速 ! " *+ !) !( !" 速度差 !! #" #) #) #) #( #( *+ *+ #( #) #) #) #) #( #( #( #) #" #) #) #) #) #( #( *+ #" #" #) #) #) #) #( !) #" #" #" #" #) #) #( !( #" #" #" #" #) #) #) !" #" #" #" #" #" #) #)
:9
,#-.) 系统的训练数据， 设初始步长为 /0 /’， 利用 (12314 编程， 训练高速公路汽车追尾的 ,#-.) 模型。 12 3" 汽车高速追尾 45678 模型仿真 设两在行车的行车速 度 分 别 为 ’$/ 56 7 8 （后 车） 和 9/ 56 7 8 （ 前车） ， 速度差为 :/ 56 7 8， 与两在 行车的行车速度分别为 ’$/ 56 7 8 （ 后车） 和 ;/ 56 7 8 （ 前车） ， 速度差为 ;/ 56 7 8， 利用建立的高速公路 ,#-.) 模型计算出在不同行车间距下的追尾概率见 表 $、 表 :。 < < 利用上述建立的高速公路汽车追尾事故的 ,#= -.) 模型可预测在某一时刻某一路段上追尾发生的 可能性， 为了将这一模型用于实时交通预测控制， 可 用硬件来实现。利用车载定位技术测量前后在行车 辆的行车间距， 利用 >>? 和车速传感器测量两在行 车的车速差， 将测得的数据 送 给 追 尾 ,#-.) 模 型 库， 并计算出在此时发生追尾的概率， 并给出显
#$ #" 基于 %&’() 的汽车追尾建模 高速公路汽车车速一般在 )+$ @! A B 内， 在两车 的行车间距大于 %8$ ! 时， 追尾发生的概率已接近 于 $， 因此设定行车间距 ! 的基本论域为｛ $， %8$ ｝ ； 速度差 !" 的基本论域为｛ $， )+$ ｝ ； 跟随车 # 的车速 $， )+$ ｝ ； 汽车追尾发生概率 ) 的 " # 的基本论域为｛ 基本论域 为｛$ ， )｝ ； 行车间距 ! 的模糊子集设为 ｛/# ， /2， CD， E2， E# ｝ ； 速度差 !" 的模糊子集设为 ｛/# ， /F， /2， CD， E2， EF， E# ｝ ； 跟随车 # 的速度 " # 的模糊子集设为｛/#， /F， /2， CD， E2， EF， E# ｝ ； 汽 车追尾概率 ) 的模糊子集设为｛/# ， /F， /2， CD， E2， EF， E# ｝ 。语言值的隶属度函数均选用三角形 隶属度函数， 由于当行车间距 ! 越大 （ E# ） 时， 若速
!&/#*+.#：E 3)’W+W/,/4V S’17, ’- +(4’S’W/,7 )7+) 7*1 0’,,/2/’* W+271 ’* E:FGH （ +1+34/U7 *7()+,=-(YYV /*-7)7*07 2V247S2）Q+2 3)’U/171，4M7 23771 1/--7)7*07 ’- +(4’S’W/,72，4M7 23771 ’- 4)+0/*6 +(4’S’W/,7 +*1 4M7 1/24+*07 ’- +(4’S’W/,72 Q7)7 4+Z7* +2 /*3(42，+*1 4M7 3)’W+W/,/4V ’- +(4’S’W/,7 )7+) 7*1 0’,,/2/’* Q+2 4+Z7* +2 ’(43(4< .M7 3)’W+W/,/4V ’- +(4’S’W/,7 )7+) 7*1 0’,,/2/’* Q+2 0+,0(,+471 /* 1/--7)7*4 23771 1/--7)7*07 +*1 1/24+*07 ’- +(4’S’W/,72 (2/*6 4M7 S’17,< .M7 3)’W+W/,/4V S’17, 3)’U/172 + *7Q 3,+* -’) +*+,V2/*6 +(4’S’W/,7 )7+) 7*1 0’,,/2/’* ， +*1 M+2 1/)704/U7 )’,7 -’) 170)7+2/*6 +(4’S’W/,7 )7+) 7*1 0’,,/2/’* ’* -)77Q+V< ? 4+W2， % -/6， C )7-2< 3)2 1$*-/：4)+--/0 2+-74V；-)77Q+V；+(4’S’W/,7 )7+) 7*1 0’,,/2/’*；E:FGH ；3)71/04/’* ’- +(4’S’W/,7 )7+) 7*1 0’,,/2/’* !"#4$* *)/"%) ：JKI LM/=N/+*6 （ %@B%=） ，S+,7，1’04’)+, 24(17*4，DC=B?%=>$!$%%@ ，M’(YM/N/+*6#$$D [ %C?< 0’S< 速公路汽车追尾事故的模型对减少汽车追尾事故具 有重要意义。本文通过对高速公路行车间距的分 析， 研究了影响高速公路汽车追尾事故的主要因素。 以两车车速差、 跟随车的车速、 行车间距为输入量， 两车的追尾概率为输出量， 采用自适应神经网络模 糊推理系统， 建立了唯象学的高速公路汽车追尾事