为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响...为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响;随后,分析小汽车换道过程中的横纵向“压迫”变化,提出一种考虑货车“压迫”影响的车辆换道决策模型(Modified Morse-Based Lane-Changing model,MMBLC);最后,基于实测轨迹数据进行数值仿真,验证模型的稳定性与有效性,并进一步利用Python与SUMO(Simulation of Urban Mobility)联合仿真,对比MMBLC模型和现有换道模型在交通流中的表现。结果表明:在稳定性分析中,MMBLC模型对交通流的影响更小,恢复稳定的速度更快;在货车占比30%和交通量3600 veh·h-1的主路3车道客货混行匝道合流区中,MMBLC模型相比LC2013和MOBIL(Model of Optimal Control Based on Interacting Trajectories)模型,换道成功率分别提高11.9%和53.1%,危险场景占比分别降低10.5%和52.8%。展开更多
文摘为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响;随后,分析小汽车换道过程中的横纵向“压迫”变化,提出一种考虑货车“压迫”影响的车辆换道决策模型(Modified Morse-Based Lane-Changing model,MMBLC);最后,基于实测轨迹数据进行数值仿真,验证模型的稳定性与有效性,并进一步利用Python与SUMO(Simulation of Urban Mobility)联合仿真,对比MMBLC模型和现有换道模型在交通流中的表现。结果表明:在稳定性分析中,MMBLC模型对交通流的影响更小,恢复稳定的速度更快;在货车占比30%和交通量3600 veh·h-1的主路3车道客货混行匝道合流区中,MMBLC模型相比LC2013和MOBIL(Model of Optimal Control Based on Interacting Trajectories)模型,换道成功率分别提高11.9%和53.1%,危险场景占比分别降低10.5%和52.8%。
