考虑自动车队强度的高速公路非常规瓶颈交通流控制策略研究

作者：曹丹妮; 吴建军^*; 屈云超; 刘浩

来源：中国公路学报, 2022, 35(03): 78-88.

DOI：10.19721/j.cnki.1001-7372.2022.03.007

• 交通工程
• 管控策略
• 微观交通流仿真
• 混合交通流

为了减弱事故对上游路段的影响，预防潜在二次事故的发生，提出了适用于智能网联自动驾驶车辆(Connected and Automated Vehicle, CAV)与传统人工车(Human Vehicle, HV)混合存在场景下的CAV排列整合算法(CAV Arrangement Integration Algorithm, CAV-AIA)。由于在相同的CAV数量下，不同CAV间的排列关系(自动车队强度)对道路通行能力有一定影响，因此CAV-AIA以“就近”增大自动车队强度为目标，对事故路段上游的CAV进行管控。具体地，在横向车道方面，以提升自动车队强度为目标，考虑发生事故的车道位置，给出不同车道CAV合流到相邻车道自动车队中的次序；在纵向位置方面，以最小化自动车队中CAV间的距离为目标，通过考虑车辆安全、路段速度限制和车辆速度改变率等因素，对自动车队间的CAV进行纵向位置更新；而对于未在自动车队中的车辆及每个自动车队中的引导车(第1辆车),为了减少其对HV运行的干扰，应用增强的智能驾驶人车辆跟驰模型(Enhanced Intelligent Driver Model, EIDM)及最小化换道引起的总制动(Minimizing Overall Braking Induced by Lane Changes, MOBIL)车辆换道模型对其车辆位置信息进行更新。数值仿真结果表明：在高、中、低交通需求及不同CAV比例下，实施CAV-AIA后，车辆通过事故区域上游管控路段的平均行程时间均有所降低，其中当交通需求为6 500 veh·h~(-1),CAV比例为0.8时，通行时间提升率可达41.8%;而当交通需求为2 500 veh·h~(-1)时，由于车流密度较小即使不施加额外控制策略，车辆仍能以较高的速度通行，因此不同CAV比例场景下车辆的通行时间提升率较低。最后，以HV平均换道次数作为指标进一步从微观层面上研究了CAV-AIA对HV移动的干扰。结果表明：CAV-AIA能够有效减少HV的换道次数，特别是在高交通需求下，如当CAV比例为0.8时，实施CAV-AIA后，HV的平均换道次数可由0.99降为0.53。

• 出版日期2022
• 单位北京交通大学; 北京市交通信息中心; 轨道交通控制与安全国家重点实验室