本发明涉及一种车联网环境下的交通流元胞自动机建模方法。
背景技术:
自二十世纪末开始我国汽车保有量进入了增长的快车道,与此同时,交通事故的发生几率也逐年增长。根据公安部交管局的统计,2010年,全国发生交通事故3906164起,同比上升35.9%。其中,由于道路交通事故引起人员伤亡的219521起,直接财产损失达到了9.3亿元。安全保障是车辆运行最基本的要求,虽然引起交通事故发生的原因是多方面的,但是车载主动安全系统的先进化和车路协同系统的实现,无可争议的能够为车辆的安全运行提供更多可靠的决策信息和路径诱导方案,提高车辆运行的安全性。车联网作为热门背景,正在蓬勃兴起;关于车联网技术的探索,是各国家及技术公司研究的关键。
现状车联网的研究,多为硬件设施如车道偏离报警、自适应巡航、前撞预警功能等车载功能或路测系统的优化与改进,而在车联网环境信息透明化情况下的车辆运行规则的界定方面的研究相对较少。
技术实现要素:
基于以上不足,本发明提供了一种车联网环境下的交通流元胞自动机建模方法,适用于车联网环境下车辆运行规则,结合元胞自动机建模,定量与定性分析交通流三参数关系,增加了对前车速度及换道情况的预测,提高交通仿真的真实性。
本发明所采用的技术如下:一种车联网环境下的交通流元胞自动机建模方法,对道路条件作出如下界定:车辆由驾驶员控制;每个车辆元胞可以与前方进行通信,获取前车准确行驶信息,并将自身交通信息与后车进行通信;驾驶员根据获取的准确交通环境信息做出正确的判断和决策,方法如下:
(1).单车道元胞自动机建模规则
步骤一:加速,vn(t+1)=min(vn(t)+1,vmax)对应于现实生活中,司机期望以最大速度行驶的特性;
步骤二:减速,
vn(t+1)=min(vn(t+1),dn+v'n+1(t+1))
v'n+1(t+1)=min(vn+1(t),vmax-1,dn+1(t))
驾驶员为了躲避与前车相撞而采取减速措施,因车联网环境对于车速及车辆位置的透明化,使两车间最小间距变为t时刻两车间距与前车在t+1时刻的速度值之和;
式中v'n+1(t+1)——表示前车在t+1时刻的速度预测;
dn(t)——表示在t时刻,本车n车与前车n+1的空格数;
步骤三:随机慢化,
由于各种不确定因素(如路面状况不好,驾驶员心态不同等)造成的车辆减速,当速度小于某一阈值时,车辆不进行减速;大于某一阈值时,以一定概率采取减速措施;
式中RD——表示随机概率;
p——表示0~1间的随机数,当p<RD时,进行随机慢化;
步骤四:位置更新,xn(t+1)=xn(t)+vn(t+1);车辆按照调整后的速度向前行驶;
(2).双车道元胞自动机建模规则
双车道可换道模型车辆的运动过程,按照“换道-加速-减速-随机慢化-位置更新”的顺序演变,换道后车辆在各自车道上按照单车道更新规则运行
换道规则如下:
式中dnother——表示另一车道在n车位置与此车道前车n+1车间的空格数;
dnback——表示该车道n车与n-1车间的空格数;
vi,n+1(t)——表示t时刻,n+1辆车在i车道的速度;
车辆按照上述规则运行更新,从而分析交通流特性。
本发明提出的方法,增加了对前车速度及换道情况的预测,能有效对交通场景中的交通流进行仿真,提高交通仿真的真实性。结果表明:采用本方法下的车联网环境下车辆具有更高的运行速度,极大地提高道路通行能力,改善交通状况。
附图说明
图1为在MATLAB环境下的系统运行界面-单车道系统运行环境图;
图2为在MATLAB环境下的系统运行界面-双车道系统运行环境图;
图3为双车道换道示意图;
图4为p=0.3,k=0.05的时空图;
图5为p=0.3,k=0.2的时空图;
图6为p=0.3,k=0.4的时空图;
图7为p=0.1,k=0.02的时空图;
图8为p=0.1,k=0.2的时空图;
图9为p=0.1,k=0.4的时空图;
图10为p=0.5,k=0.02的时空图;
图11为p=0.5,k=0.2的时空图;
图12为p=0.5,k=0.4的时空图;
图13为不同慢化条件下流量-密度图;
图14为不同慢化条件下速度-密度图;
图15为换道概率模型图。
具体实施方式
下面根据说明书附图举例对本发明做进一步说明:
实施例1
一种车联网环境下的交通流元胞自动机建模方法,对道路条件作出如下界定:车辆由驾驶员控制;每个车辆元胞可以与前方进行通信,获取前车准确行驶信息,并将自身交通信息与后车进行通信;驾驶员根据获取的准确交通环境信息做出正确的判断和决策,方法如下:
(1).单车道元胞自动机建模规则
步骤一:加速,vn(t+1)=min(vn(t)+1,vmax)对应于现实生活中,司机期望以最大速度行驶的特性;
步骤二:减速,
vn(t+1)=min(vn(t+1),dn+v'n+1(t+1))
v'n+1(t+1)=min(vn+1(t),vmax-1,dn+1(t))
驾驶员为了躲避与前车相撞而采取减速措施,因车联网环境对于车速及车辆位置的透明化,使两车间最小间距变为t时刻两车间距与前车在t+1时刻的速度值之和;
式中v'n+1(t+1)——表示前车在t+1时刻的速度预测;
dn(t)——表示在t时刻,本车n车与前车n+1的空格数;
步骤三:随机慢化,
由于各种不确定因素(如路面状况不好,驾驶员心态不同等)造成的车辆减速,当速度小于某一阈值时,车辆不进行减速;大于某一阈值时,以一定概率采取减速措施;
式中RD——表示随机概率;
p——表示0~1间的随机数,当p<RD时,进行随机慢化;
步骤四:位置更新,xn(t+1)=xn(t)+vn(t+1);车辆按照调整后的速度向前行驶;
(2).双车道元胞自动机建模规则
双车道可换道模型车辆的运动过程,按照“换道-加速-减速-随机慢化-位置更新”的顺序演变,换道后车辆在各自车道上按照单车道更新规则运行
换道规则如下:
式中dnother——表示另一车道在n车位置与此车道前车n+1车间的空格数;
dnback——表示该车道n车与n-1车间的空格数;
vi,n+1(t)——表示t时刻,n+1辆车在i车道的速度;
车辆按照上述规则运行更新,从而分析交通流特性。
实施例2
车联网环境下元胞自动机仿真分析
(一)仿真环境设置方法
按照上述介绍的规则,用MATLAB搭建一条模拟路段。在仿真初始时刻,系统初始化了车辆的位置信息以及速度信息,仿真开始后,在每一仿真步长中,按照模型规则对车辆的位置和速度进行更新,直到仿真时间结束。
以单车道模型为例说明。基于MATLAB矩阵的思想和图像处理模块,用1x100的矩阵表示单车道的道路元胞,以值1表示有车,值0表示无车,即所仿真的道路由100个元胞组成,每个元胞长5m,最大速度vmax=5。图1为在MATLAB环境下的系统运行界面,其中黑色表示一条单车道,白色的点表示该元胞位置上有车辆。Run按键表示开始仿真,Stop按键表示停止仿真,Quit按键表示退出仿真,其中左上角的数字记录了系统仿真的时间。
以下仿真采用细化模型,得出结论。所谓细化元胞模型就是把道路元胞细化,使每个元胞所代表的长度变短,车辆占用的元胞数也就相应变大。
(二)仿真结果分析
(1)细化单车道模型仿真结果分析----时空图
仿真环境:道路由1000个元胞组成,其他参数与细化单车道模型相同。
图4-图12为不同慢化概率下,在密度为0.2、0.3、0.5时车联网环境下的细化模型时空图。从图中可知,随着密度增加,车流进入亚稳态区域;在相同密度条件下,随着慢化概率增加,时走时停的交通现象越明显。当密度很小时,车辆处于自由行驶的状态,慢化概率对交通状况影响不明显;密度增加至一定程度时,交通流达到亚稳定状态,此时车辆运行状态混乱,慢化概率对车辆运行产生很大的影响;随着交通流密度进一步增大,道路拥堵严重,车辆行驶受到很大阻碍,慢化概率对其影响也不明显。
(2)细化单车道模型仿真结果分析----流量-密度关系分析
图13列出了NS模型和车联网环境下的改进模型的流量-密度图,两者的初始条件完全相同(路长200,最大速度为12)。NS模型的慢化概率是p=0.3,本文给出的改进模型的慢化概率分别为p=0.1、p=0.3、p=0.5。
由图知,NS环境下,临界密度和最大车流量都较小。对比不同慢化条件下(p=0.1、p=0.3、p=0.5)车联网环境的改进模型的曲线,可看出,当车流密度较低或者较高时,慢化概率对交通流量的影响不显著。这是因为当车流密度较小时,道路上的车辆少,车头间距大,某辆车的随机慢化不会影响其他车辆的正常行驶;当车流密度过大时,由于车头间距小,整体运行速度低,随机慢化概率的变化已经影响不到整体流量的变化。密度在0.1-0.7之间时,在相同密度条件下,随着随机慢化概率增大,流量有明显下降,临界密度值也由0.37降低至0.3。
(3)细化单车道模型仿真结果分析----速度-密度关系分析
图14列出了NS模型与车联网环境下的改进模型的速度-密度图,两者的初始条件完全相同(路长200,最大速度为12)。由图可知,在传统NS环境下具有更低的速度,且速度对密度变化较敏感。对比不同慢化条件下车联网改进模型的速度-密度曲线,可知相同条件下,慢化概率越大,速度越小。当密度较小(低于0.1)或者较大(高于0.7)时,慢化概率对其影响可忽略。
(4)细化双车道模型仿真分析
针对双车道的换道模型,不断改变车辆的到达率即路段的交通量,采用换道概率来表征车联网环境下车辆的换道情况,如图15。
由图可知,当流量比较小时,道路上的车辆分布非常均匀,车与车之间的空位基本保持为vmax,此时车辆并不需要换道,双车道也就变成了两条相互独立的单车道。随着流量的继续增大,车辆的有序分布由于流量的增大逐渐受到抑制。间距分布混乱的时候会产生满足换道的条件,车辆换道的概率会随之增大。随着流量的进一步增加,交通流会进入亚稳态,此时的交通状况比较混乱,有可能导致出现换道概率局部最大值的现象。当流量再继续增大时,车辆间的间距都变小,换道的机会也随之减小,换道概率也就逐渐下降了。
由于车联网环境下对路况信息相对透明化,对路况判断准确,所以随着密度增加,较普通环境有更大的换道几率。