基于混合交通流的车辆换道行为
魏丽英, 吴荣华, 王志龙, 朱建辉
北京交通大学 交通运输学院, 北京 100044

作者简介:魏丽英(1974-),女,副教授,博士.研究方向:交通流理论及交通仿真建模.E-mail:lywei@bjtu.edu.cn

摘要

采用元胞自动机模型研究了城市交通中车辆的换道行为。在模拟非对称换道规则下混合交通流中的车辆换道行为中,通过增加公交车影响因子这一换道动机,分析了公交车对社会车辆换道行为的影响。分析结果表明:公交车的存在增加了车流中车辆的换道概率,且当道路处于中低密度状态时,社会车辆换道概率随公交车比例上升而增加,相应路段平均车速降低。在考虑了公交车影响因子后发现,公交车影响因子的存在会明显降低车辆换道概率。

关键词: 交通运输系统工程; 换道行为; 混合交通流; 公交车影响因子; 元胞自动机
中图分类号:U491.2 文献标志码:A 文章编号:1671-5497(2014)05-1321-06
Lane-changing behavior based on mixed traffic flow
WEI Li-ying, WU Rong-hua, WANG Zhi-long, ZHU Jian-hui
School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China
Abstract

This article studies the lane-changing behavior of vehicles in urban traffic using cellular automata model. In the simulation of lane-changing behavior in mixed traffic flow under asymmetric lane-changing rules, the impact of buses on the lane-changing behavior of social vehicles is analyzed by adding transit influencing factors as term of motivation. Results show that the presence of buses increases the lane-changing probability of social vehicles. Under the condition of low traffic density, the lane-changing probability of social vehicles with the bus ratio, and at the same time the average speed drops in corresponding road sections. In addition, when considering the bus influencing factors, the lane-changing probability obviously decreases.

Keyword: engineering of communications and transportation system; lane changing behavior; mixed traffic flow; bus influencing factor; cellular automata
0 引言

为了满足日益增长的交通需求,缓解交通压力,公共交通已成为城市交通系统中不可或缺的一部分。由于受自身体积、车速及停靠接驳行为等诸多因素的影响,公交车的运行特点与其他社会车辆有着明显差异。这种差异将影响到城市交通流中其他车辆的运行行为及通行效率。学者们曾采用多种方法对公交车给城市交通流带来的影响进行过深入的研究。由于公交车运行速度通常比社会车辆低,有公交车的交通流常表现出不同的稳态与亚稳态特性[ 1]。因此,通过仿真建模的方式对城市公交车与社会车辆混行车流进行分析是了解混合交通流运行状态的一种有效手段[ 2]。当前,多数学者把关注点放在公交车停靠站对交通流的影响[ 3, 4, 5, 6]以及包含公交专用道的车流行为研究上[ 7, 8, 9],但对混合车流中公交车会如何影响车流中车辆换道行为的研究较少。

由于元胞自动机(Cellular automata,CA)模型具有高度的空间离散、时间离散、状态离散等特点,能通过制定演化规则来推演系统的运行规律,因此,被广泛应用于交通领域的模拟仿真中。Nagel和Schreckenberg于1992年提出的NaSch模型是最著名的交通流元胞自动机模型[ 10]。为描述更丰富的车辆运行行为,学者们在NaSch模型的基础上提出了大量改进模型[ 11, 12, 13]。但此类模型均未分析运行中的公交车对社会车辆换道行为产生的影响。本文建立了考虑公交车影响因子的多车道换道模型,标定了公交车影响因子的值,并在该模型的基础上模拟了多种状态下的交通流,分析了公交车对城市道路中车辆换道率、车流运行速度及换道行为的影响。

1 模型的构建

在城市道路中运行的车辆通常以小汽车和公交车为主,因此本研究在模型的构建中将车辆的类型简化成公交车和小汽车两种车型。通常情况下,公交车机动性较差,速度低于小汽车,而体积大于小汽车。通过对小汽车体积的统计发现,两厢车的平均车长在4.2 m左右,三厢车平均车长为4.5 m左右(少量豪车及加长车除外)。同时,通过对北京市公交车进行统计发现,在单车厢公交车中个别车长为6 m,绝大多数为9 m;而在双车厢公交车中,大部分为12 m,也有少量车为15 m。综合考虑公交车、小汽车的车长及车与车间的安全距离,确定元胞尺寸为5 m,小汽车占1个元胞,公交车占2个元胞。

由于城市交通中干扰因素过多(如小区进出口、信号灯及斑马线、限速、机非干扰等),为确保安全行驶,驾驶员在驾驶车辆时往往比较保守。因此,确定公交车的最大车速为2个元胞(36 km/h),小汽车最大车速为3个元胞(54 km/h),即当车型type=1时, vmaxcar=3,当车型type=2时, vmaxbus=2。在机动性方面,各类车辆差别较大,小轿车百公里加速时间在11~13 s,中型轿车一般在7~8 s,而跑车一般小于3.8 s。从百米加速考虑,其由静止加速行驶百米的时间从3 s到13 s不等,但大多数小汽车百米内行驶时间维持在9 s左右。同时,在实际的城市交通中,驾驶员通常不会将加速度提到车辆的极限值。通过观察发现,在城市交通中,小汽车在运行过程中加速比较缓和,与公交车差距较小,因此在模型中采用相同加速度 a=1。

1.1 跟驰规则

经典的NaSch模型确立了车辆更新的四条基本规则,然而,该规则模拟出的车辆跟驰行为与城市交通中的实际车辆跟驰行为有一定差距,主要表现在车速的确定和车辆慢启动行为上。VE模型在确定车辆速度时考虑了前车的速度,TT模型增加了慢启动规则,用以描述车辆在从零速度启动时的延误现象[ 14, 15, 16]。本文综合了VE模型和TT模型的特点,同时增加了公交车因素,制定了新的跟驰规则。

计算允许最大速度:

v't+12(dtn+(vtn+1)/2)1加速:vt+1n(car)max(vtn(car)+1,vmaxcar,v't+1)vt+1n(bus)max(vtn(bus)+1,vmaxbus,v't+1)2减速:vt+1n(car)min(vtn(car)-1,0,v't+1)vt+1n(bus)min(vtn(bus)-1,0,v't+1)3慢启动:flag=1,vn(ps)0(4)

随机慢化:以随机慢化概率 p使

vt+1nmax(vt+1n-1,0)(5)位置更新:xt+1n=xtn+vt+1n6

规则中, v't+1为根据前导车的速度以及前导车与本车间距得出的最大允许运行速度(v't+12(v't+1)2=dtn+2(vtn+1)2推导而来),dtn为本车车头与前导车车尾间的距离,dtn=S-l,S为车头间距,l为车身长;vt+1n(car)表示在t+1时刻小汽车的速度;vtn(car)表示在t时刻小汽车的速度;vt+1n(bus)表示在 t+1时刻公交车的速度; vmaxcar为小汽车的最大速度; vmaxbus为公交车的最大速度;flag表示本车加减速状态(0或1),当车辆受前导车的影响而减速时,flag=1,该车在下一时刻将以 1-ps的概率向前行驶;rand()是产生的随机数;p为随机慢化概率;xt+1nt+1时刻车辆所在道路位置的坐标值;xtnt时刻车辆所在道路位置的坐标值。

当驾驶员在确定下一时刻的速度时,不仅需要判断与前车的间距,同时还会判断前车的运行状态,这符合在高密度、低流速的城市交通流中驾驶员的心理。

1.2 换道规则

驾驶员的换道行为受换道条件和换道动机控制。换道条件为实际道路交通状况的反应,无法改变;换道动机受驾驶员自身特性的影响,包括年龄、性别、性格、情绪、驾龄、身体状况、目的地等。换道规则分为对称换道规则和非对称换道规则。由于我国规定超车道在左侧,因此采用左侧缺省的非对称换道规则。通过对174份SP调查问卷的统计发现,当有超车条件时,40.8%的驾驶员会选择从左侧超车,26.5%的驾驶员选择右侧超车,32.7%的驾驶员选择不超车。调查中还显示,当驾驶员准备超车时,如果发现目标车道后方有公交车,且本车道通畅,会有77.8%的驾驶员选择让行公交车;如果此时本车道拥挤,则有54.3%的驾驶员选择给公交车让行;如果此时本车道堵塞,则仅有37.0%的驾驶员选择让行公交车。

当路段上只有两条车道时,换道规则较为简单,即左侧车道车辆向右换道或右侧车道车辆向左换道。当车道数在3条以上时,中间车道的换道规则相对复杂,需判断左右两条车道的换道条件及换道动机。据此,本文研究制定了新的换道规则。

(1)左侧车道换道规则

左侧车道的换道规则下包含规则1和规则2。其中,规则1是满足换道条件和换道动机条件下的速度和位置更新规则;规则2是不满足换道条件或换道动机条件下的速度和位置更新规则。

vt+1r>vt+1svt+1r>vtrb+1,车辆以pr.pb的概率换道(即满足换道动机)。换道规则规定,同时满足换道动机和换道条件时,当前车道(左侧车道)上的车辆向其右侧车道换道。使用规则1进行速度和位置的更新:

vt+1=vt+1r7yt+1=yt+1,xt+1=xt+vt+18

当不满足换道条件或换道动机时,车辆在当前车道向前行驶,采用规则2进行速度和位置更新:

vt+1=vt+1s9yt+1=yt+1,xt+1=xt+vt+110

vt+1r>vt+1s为换道条件,vt+1r>vtrb+1为安全条件。vt+1rt+1时刻车辆向右侧行驶能达到的最大速度;vt+1st+1时刻当前车道车辆不换道行驶能达到的最大速度(下文vt+1l类同);yt+1yt分别表示在t+1时刻和t时刻车辆的横向坐标;xt+1xt分别表示在t+1时刻和t时刻车辆的径向坐标。pr.pb为换道动机,pr为驾驶员向右侧换道的意愿,pb为公交车影响因子。

(2)右侧车道换道规则

右侧车道换道规则与左侧车道换道规则原理类似。当换道条件满足时,即 vt+1l>vt+1svt+1l>vtlb+1,车辆以pl.pb的概率向其左侧的车道行驶。当满足向左侧位置的车道换道条件和换道动机时,采用规则1进行速度和位置更新:

vt+1=vlt+111yt+1=yt-1,xt+1=xt+vt+112

当不满足换道条件或换道动机时,车辆向前行驶,采用规则2进行速度和位置更新:

vt+1=vst+113yt+1=yt,xt+1=xt+vt+114

vt+1lt+1时刻车辆如果向左侧行驶所能达到的最大速度;pl为驾驶员向左侧换道的意愿。

(3)中间车道换道规则

与左侧车道换道规则和右侧车道换道规则相比,中间车道换道规则相对较为复杂。在判断换道条件和换道动机时,中间车道需将左、直、右三个方向的元素综合判断。

中间车道车辆向其右侧换道的条件为 vt+1r>vt+1svt+1r>vt+1l,安全条件为vt+1r>vtrb+1,当满足换道动机pr.pb时,车辆向右侧换道,速度和位置更新使用规则1:

vt+1=vrt+115yt+1=yt+1,xt+1=xt+vt+116

中间车道车辆向其左侧换道的条为 vt+1l>vt+1svt+1l>vt+1r,安全条件为vt+1r>vtrb+1。当满足换道动机pl.pb时,车辆向右侧换道,速度和位置更新使用规则2:

vt+1=vlt+117yt+1=yt-1,xt+1=xt+vt+118

当不满足向左、右两侧换道中任何一组条件时,车辆在原车道内向前行驶。速度和位置更新使用规则3:

vt+1=vst+119yt+1=yt,xt+1=xt+vt+120

以上三条规则中参数都是对第 n辆车进行计算,下标中省略了n字样。plprps分别为向左换道意愿、向右换道意愿和不换道意愿,该意愿由年龄、性别等因素及非对称换道概率决定,依据1.2节中的调查结果,发现在满足换道条件下,向左换道概率较大,建议 pl0.4,pr0.25,ps取0.35;考虑到在大多数情况下,车流处于拥堵和通畅状态,因此依据1.2节中调查结果,认为大多数情况下有60%车辆在换道时会给公交车让行,因此,换道时有公交车的情况,只有40%车辆会选择换道,即公交车影响因子 pb0.4;vt+1为最终确定的t+1时刻的车速;xy分别为道路纵向和横向坐标值。

该模型中考虑了换道动机中的换道意愿和公交车影响因子,能够较好地反映出受公交车影响下的车辆换道行为。

2 模拟结果分析

在模拟过程中,设仿真时长为1000 s,仿真间隔时间为1 s,车道长度为 L=1000个元胞,车道数为3。车型分为小汽车和公交车,其中小汽车尺寸采用1个元胞,公交车采用2个元胞。小汽车的最大车速 vmaxcar=3,公交车的最大车速 vmaxbus=2。其他基本参数设置具体如下:公交车比例为0.2,随机慢化概率 p=0.1,慢启动概率ps=0.75

首先采用开放边界条件,在输入流量为800 veh/h的条件下分别模拟了单车道和三车道两种情况,得到模拟结果如图1图2所示。图中黑色表示公交车,灰色表示小汽车。图1为单车道情况下(即不能换道)的时空图,流量为800 veh/h。图2(a)(b)(c)为三车道情况下的时空图,流量为800 veh/h,图1图2(a)(b)(c)的其他参数完全相同。对比这4张图可以发现图1中有多处出现了停车排队,而图2(a)(b)(c)中尽管有车辆中途停下,但车辆排队现象不明显。这表明多车道的道路比单车道的道路稳定。因为在单车道条件下,道路中一旦出现停车,后车则必须停下等待,在慢启动的作用下,出现排队现象;而在多车道道路上,由于允许车辆换道,因此当前导车停下时,车辆可以选择换道绕行,从而使车流运行相对通畅。图2(d)(e)(f)为输入流量1000 veh/h条件下的时空图,其他参数与图2(a)(b)(c)相同。由于输入端流量上升,超出了道路的承载能力,使得部分路段出现亚稳态,而通过对时空图的分析发现,当出现排队时,各个车道均会受到影响。图2(d)(e)(f)中方框和圆圈内部分有明显相似性。这是由于当某个车道出现排队时,后边车辆会选择去相邻车道,干扰了相邻车道的车辆,当相邻车道也近似于饱和状态时,换道车辆会严重影响其正常运行。

图1 单车道的时空图Fig.1 Spatio-temporal of single lane

图2 换道规则下各车道的时空图Fig.2 Spatio-temporal of each lane under lane-change rules

图2(a)(b)(c)中公交车比例及换道次数进行统计发现,在1000 s仿真内,三条车道公交车数分别为64、77和106,换道次数为6678、6243和8749。可以看出,公交车比例的升高会增加社会车辆的换道次数。

图3中可以看出,由于公交车速度较低,会阻碍小汽车的前行。黑色线表示的公交车由于速度较低,导致其后边小汽车换道频繁(线条间断说明该车换道)。因此,公交车会影响车流整体的稳定性。由于公交车的最大尺寸为2个元胞,因此在流量为800 veh/h时,道路上车流速度较高,在多数情况下都能满足公交车运行的速度需求,图3中较少发现公交车有换道行为。

图3 图2(a)的局部放大Fig.3 Enlarged of part of fig.2(a)

图4为3种公交车比例下的流密度。图中3条曲线分别表示公交车比例在0.05、0.20、0.40情况下的速密曲线。从这3条曲线可以分析出,车流速度随着公交车比例的上升而降低。在模拟中,公交车最大速度为2,小汽车最大速度为3,车流理想平均运行速度为3×小汽车比例+2×公交车比例,即公交车比例为0.05、0.20、0.40时,车流平均运行速度应该为2.95、2.8、2.6。当密度小于0.1时,由于车流基本处于自由流状态,因此平均运行速度较高,接近理想平均运行车速;当密度从 ρ1降到ρ2,车速急速下降,ρ2点的车速只有在ρ1点车速的1/3左右。当密度上升至ρ3时,3种公交车比例下的车流速度已基本无差距。因此,在高密度车流下,小汽车对公交车没有速度优势。

图4 3种公交车比例下的速密图Fig.4 Relationship between velocity and density under three different bus rate

增加了公交车影响因子 pb后,车辆换道行为受到其影响。通过RP调查发现,如果车辆准备超车时发现目标车道后边有公交车,6成左右的驾驶员选择让行公交车。图5为公交车比例为0.2、随机慢化概率 p=0.1、慢启动概率 ps=0.75、公交影响因子 pb分别取0和0.6时的模拟结果图。其中横坐标为密度,纵坐标为统计的换道率,方框线和三角线分别为 pb取0和0.6时的换道率-密度曲线。

图5 换道率与车辆密度关系图Fig.5 Relationship between lane-change and density

分析图5发现,公交车影响因子的存在会降低换道率。然而,并非在所有密度段这一趋势都明显,当车流密度在 ρ1ρ2之间时,公交车影响因子对换道率影响较大,而当ρ<ρ1ρ>ρ2,道路分别处于通畅状态及堵塞状态,公交车影响因子对换道率影响不显著。将图5与图4结合分析发现,ρ<ρ1时道路通畅,流速较高,换道需求(换道动机)较小;ρ>ρ2,车辆几乎无法动弹,换道空间(换道条件)不足。密度在ρ1ρ2之间时,换道动机及换道条件兼备,因此换道率较高。但公交车影响因子降低了换道动机,使换道率也同时降低。

3 结束语

本文研究了公交车的存在对车辆换道行为的影响,提出了考虑公交车影响因子的换道规则,并对该规则进行模拟,分析公交车影响因子对道路车速、换道动机及换道行为的影响。通过模拟结果可以看出,公交车的存在使小汽车换道频率增加;当道路处于中低密度状态时,公交车降低了道路车流流速,但这一现象在高密度车流状态下消失;当换道动机中增加公交车影响因子后,在中低密度下的道路中,公交车影响因子会减少车辆换道概率。

The authors have declared that no competing interests exist.

参考文献
[1] 张发, 宣慧玉, 赵巧霞. 速度差异混合交通流稳态特性与过渡特性[J]. 系统工程学报, 2012, 27(2): 263-269.
Zhang Fa, Xuan Hui-yu, Zhao Qiao-xia. Characteristics of mixed traffic flow with different velocities in steady state and transient process[J]. Journal of Systems Engineering, 2012, 27(2): 263-269. [本文引用:1] [CJCR: 0.817]
[2] 陈峻, 王涛, 李春燕, . 城市公交车与社会车辆混合流速度模型及交通运行状态分析[J]. 中国公路学报, 2012, 25(1): 128-140.
Chen Jun, Wang Tao, Li Chun-yan, et al. Speed models of mixed traffic flow on bus car and vehicle and analysis of traffic running state[J]. China Journal of Highway and Transport, 2012, 25(1): 128-140. [本文引用:1] [CJCR: 2.996]
[3] 杨晓光, 阴炳成. 公共汽车交通专用道及其停靠站最佳布置方法[J]. 同济大学学报: 自然科学版, 2004, 32(7): 902-905.
Yang Xiao-guang, Yin Bing-cheng. Optimal location of exclusive bus lane and bus stops[J]. Journal of Tongji University(Natural Science), 2004, 32(7): 902-905. [本文引用:1] [CJCR: 0.634]
[4] 贾斌, 李新刚, 姜锐, . 公交车站对交通流影响模拟分析[J]. 物理学报, 2009, 58(10): 6845-6850.
Jia Bin, Li Xin-gang, Jiang Rui, et al. The influence of bus stop on the dynamics of traffic flow[J]. Acta Phys Sin, 2009, 58(10): 6845-6850. [本文引用:1] [JCR: 1.016] [CJCR: 1.691]
[5] 丁建勋, 黄海军. 考虑停靠站影响的公交运输系统模型[J]. 物理学报. 2010, 59(5): 3093-3098.
Ding Jian-xun, Huang Hai-jun. A public transport system model with consideration of bus stop[J]. Acta Phys Sin, 2010, 59(5): 3093-3098. [本文引用:1] [JCR: 1.016] [CJCR: 1.691]
[6] 钱勇生, 汪海龙, 王春雷. 考虑公交港湾式停靠的多速混合城市交通流元胞自动机模型研究[J]. 物理学报, 2008, 57(4): 2115-2121.
Qian Yong-sheng, Wang Hai-long, Wang Chun-lei. The study of a cellular automaton traffic flow model with public transit, harbor-shaped bus stop and mixed different-maximum-speed vehicles on single lane[J]. Acta Phys Sin, 2008, 57(4): 2115-2121. [本文引用:1] [JCR: 1.016] [CJCR: 1.691]
[7] 孙有信, 汪海龙, 钱勇生, . 周期边界下公交影响的双车道多速元胞自动机模型[J]. 系统工程理论与实践, 2008, 28(4): 172-176.
Sun You-xin, Wang Hai-long, Qian Yong-sheng, et al. Mixed multi-speed vehicles on two-lane cellular automaton model under public transit influence with period boundary condition[J]. Systems Engineering-Theory&Practice, 2008, 28(4): 172-176. [本文引用:1]
[8] 钱勇生, 汪海龙. 考虑公交车辆影响的城市交通流元胞自动机模型[J]. 系统仿真学报, 2007, 19(14): 3358-3360.
Qian Yong-sheng, Wang Hai-long. New cellular automaton city tramc model considering public transport vehicles affect with mixed traffic flow[J]. Journal of System Simulation, 2007, 19(14): 3358-3360. [本文引用:1] [CJCR: 0.914]
[9] 张建鹏, 廖唱, 杨远舟, . BRT信号优先的元胞自动机仿真研究[J]. 交通运输系统工程与信息, 2011, 11(6): 61-67.
Zhang Jian-peng, Liao Chang, Yang Yuan-zhou, et al. Study on the signal priority of BRT by the simulations based on the cellular automata model[J]. Journal of Transportation Systems Engineering and Information Technology, 2011, 11(6): 61-67. [本文引用:1] [CJCR: 0.4688]
[10] Nagel K, Schreckenberg M. A cellular automaton model for freeway traffic[J]. Journal de Physique I, 1992, 2(12): 2221-2229. [本文引用:1]
[11] 邝华, 孔令江, 刘慕仁. 多速混合车辆单车道元胞自动机交通流模型的研究[J]. 物理学报, 2004, 53(9): 2894-2898.
Kuang Hua, Kong Ling-jiang, Liu Mu-ren. The study of a cellular automaton traffic flow model with mixed different maximum speed vehicles on single lane[J]. Acta Phys Sin, 2004, 53(9): 2894-2898. [本文引用:1] [JCR: 1.016] [CJCR: 1.691]
[12] 郑容森, 谭惠丽, 孔令江, . 双车道多速车辆混合交通流元胞自动机模型的研究[J]. 物理学报, 2005, 54(8): 3516-3522.
Zheng Rong-sen, Tan Hui-li, Kong Ling-jiang, et al. A cellular automaton model for mixing traffic in two-lane system[J]. Acta Phys Sin, 2005, 54(8): 3516-3522. [本文引用:1] [JCR: 1.016] [CJCR: 1.691]
[13] Jia B, Gao Z Y, Li K P, et al. Models and Simulations of Traffic System Based on the Theory of Cellular Automaton[M]. Beijing: Science Press, 2007. [本文引用:1]
[14] Kerner B S. Traffic flow: experiment and theory[C]∥Traffic and Granular Flow 97, Heidelberg, 1998: 239-267. [本文引用:1]
[15] Schadschneider A, Schreckenberg M. Traffic flow models with 'slow-to-start' rules[J]. Annalen der Physik, 1997, 509(7): 541-551. [本文引用:1]
[16] Wagner P, Nagel K, Wolf D E. Realistic multi-lane traffic rules for cellular automata[J]. Physica A: Statistical Mechanics and its Applications, 1997, 234: 687-698. [本文引用:1] [JCR: 1.676]