基于NaSch模型的智能網聯汽車研究

喬 岳

(浙江師范大學 浙江 金華 321004)

一、引言

智能網聯汽車作為智能交通系統的重要組成，是提高出行效率、緩解交通擁堵的新興手段。智能網聯汽車在我國的逐漸普及，會出現人工駕駛汽車，智能網聯汽車的混合交通流。此外，智能網聯汽車的功能等級差異、智能網聯汽車的比例、相關法律法規以及使用中對輔助駕駛技術的限制等因素將會導致高速公路上混合交通流的不確定性[1]。

智能網聯汽車的發展將改變高速公路的交通環境。與人工駕駛汽車相比，智能網聯汽車能夠更快速地獲得更精確的駕駛條件參數且永不疲憊，它不僅嚴格遵守交通規則，而且還可以縮短兩個連續的智能網聯汽車之間的距離?，F如今，對于智能網聯汽車的實驗已經展開，未來的高速公路將會有相當長的一段時間，出現智能網聯汽車和傳統人工駕駛汽車共存的現象。

針對未來這種現象，本文采用微觀交通流理論中的元胞自動機模型來進行研究，改良了經典的NaSch模型中的規則，將智能網聯汽車和人工駕駛汽車區分開來，以此來探究智能網聯汽車對高速公路混合交通流的影響。

二、研究方法

元胞自動機是微觀交通流理論中的重要研究工具，模型的規則簡單，計算速度快。本文的模型建立在NaSch模型的基礎上[2]。與經典NaSch模型一樣，改良后的NaSch模型具有：加速、減速、隨機慢化和位置更新這4步。不同的地方在于，對智能網聯汽車的第二步減速過程進行了優化。

Step 1：加速。vn=min(vn+1,vmax)，對應于駕駛員期望以最大速度行駛的特性。

Step 2：人工駕駛汽車減速。vn=min(vn,dn)，表示駕駛員為了防止與前車發生碰撞而減速。dn=xn+1-xn表示第n輛車和前車n+1 之間的空元胞數。

智能網聯汽車減速，vn=min(vn,dn+vn+1-1)，表示智能網聯汽車根據前車速度和與前車距離靈活調整駕駛速度，在確保安全的情況下減少不必要的減速。

Step 3：隨機慢化。服從隨機慢化概率P，vn= max(vn-1,0)，對應于現實中各種不確定因素造成的隨機減速。

Step 4：位置更新。xn= xn+vn，車輛按照上述步驟中更新好的速度向前行駛。在這里，xn和vn分別表示第n輛車的位置和速度。

智能網聯汽車反應時間極短，但考慮到道路狀況和某些不確定因素，將智能網聯汽車的慢化概率 P 設為 0.05。在智能網聯轎車的跟車過程中，它可以敏銳的捕捉到前車的加減速信息，并進行實時的調整，使得它對道路交通狀況的反應更加靈敏，減少了許多不必要的減速，從而縮短了與前車的跟車距離。所以，本文在NaSch模型的基礎上，將智能網聯汽車的step2減速模型進行了修改。

if vn>dn，vn=min(vn,dn+vn+1-1)，表示智能網聯汽車在減速階段，根據前車速度和與前車距離靈活調整駕駛速度，在確保安全的情況下減少不必要的減速。

三、仿真結果

在本元胞自動機模型中，建立了長度為1.5km的雙車道模型，手動駕駛汽車和自動駕駛汽車的車長為一個元胞長度。邊界設置為周期性循環，初始狀態下車輛隨機分布在公路上，初始速度為隨機速度。仿真每一次運行演化1000時間步，記錄最后100時間步內所有車輛的速度，求得每一時間步內車輛的平均速度，最后將得到的速度值再做時間平均，得到車輛的平均速度v[3]。

圖1表示不同智能網聯汽車比例下的速度密度圖，橫坐標為密度，縱坐標為速度。黑色曲線代表智能網聯汽車比例為30%，粉色曲線代表智能網聯汽車比例為60%，綠色曲線代表智能網聯汽車比例為90%.

圖1 不同智能網聯汽車比例下的速度密度圖

首先，從圖中可以得出，黑色曲線最低，綠色曲線最高。這是由于智能網聯汽車的市場占有率越高，道路上的智能網聯汽車越多，由于智能網聯汽車隨機慢化概率小，且能及時感知周圍車輛的加減速信息，使得系統的平均速度越高。其次，三條曲線在密度達到20之前都比較平穩，當密度超過20時，都開始有不同程度的下降。這是由于在密度達到20之前，車輛比較少，系統處于自由流狀態，車輛可以以較大的速度行駛。當密度達到20以后，系統逐漸開始擁擠，為了保證交通安全，車輛速度變慢。最后，當密度達到60時，三條曲線代表的系統平均速度不同，綠色最大，粉色次之，黑色最小。這是因為智能網聯汽車比人工駕駛汽車更有優勢，它們可以與周圍的車交互，感知道路環境，以更快的速度前進，體現在仿真圖上就是智能網聯汽車市場占有率越高，系統的平均速度下降越慢，且在密度達到60時系統的平均速度更高。

四、結束語

隨著智能網聯汽車的發展，在未來的公路上會有越來越多的智能網聯汽車，本文通過對經典的NaSch模型進行改進，將人工駕駛車輛和智能網聯汽車區分開來，并且進行模擬仿真，得到了關于人工駕駛車輛和智能網聯汽車混合交通流的一些見解，即智能網聯汽車的比例越高，系統的平均車速也越高，而且平均車速的下降速度也會減慢。

道路交通問題始終是我們面臨的一個難題，隨著智能網聯汽車的發展，高速公路混合交通流的研究必要而且有益。本文旨在為即將來臨的這一現象進行一些前瞻性的探究，提供一些見解。本研究還存在許多不足，還將進一步的深化探索。