[發明專利]一種基于后視效應及預期效應的改良交通流分析方法

有效

• 申請號: 202110760964.6
• 申請日: 2021-07-06
• 公開（公告）號: CN113609794B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 趙敏;覃文智;萬瑾
• 申請（專利權）人: 南通大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06Q50/30;G06F113/08;G06F119/14
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張俊俊

本發明提供了一種基于后視效應及預期效應的改良交通流分析方法，步驟1：在格子流體力學模型的基礎上，設計一個帶有判斷當前流量密度的階躍函數項的后視最優速度函數項及一個考慮司機預期效應影響的流量差項；步驟2：利用線性穩定性分析，研究后視效應及預期效應對交通流的影響；步驟3：利用非線性穩定性分析，研究后視效應及預期效應對交通流的影響。本發明的有益效果為：通過在交通流仿真過程中發現，預期時間的增加或向后看的權重系數增加都會對交通流的穩定有明顯的促進作用，可以有效緩解交通擁堵，使司機擁有一個更加安全及舒適的行駛體驗。

技術領域

本發明涉及物理科學與工程技術領域，尤其涉及一種基于后視效應及預期效應的改良交通流分析方法。

背景技術

近年來，隨著社會經濟的快速發展與城市現代化水平的提高，人民生活水平不斷提高，私家車車輛數量迅速增加，快速增長的交通需求與城市交通道路不足的矛盾日益突出，給城市交通系統帶來了巨大的壓力，交通堵塞、交通事故等問題頻頻發生，吸引了許多不同領域的學者關注。為了了解交通流中復雜現象的機理和特征并有效地解決或緩解交通問題，許多交通流分析方法被提出來用以解釋交通擁堵的形成機理和演化規律。交通流分析方法所創建的模型通常被分宏觀模型和微觀模型，宏觀模型一般忽略個體特性，而從整體參數性質出發進行研究，例如，用車輛的平均密度、平均速度和平均流量等宏觀物理量來描述交通流，比較常見的是連續模型和格子流體力學模型。微觀模型則從個體出發，研究個體車輛的運動過程、軌跡及車輛之間的相互作用行為，如車輛跟隨模型及元胞自動機模型等。

在微觀模型中，由于車輛跟隨模型易于實現數值研究和理論分析，已被廣泛應用于描述司機的個人行為，在這其中，最優速度模型(optimal velocity model，OVM)是Bando等在1995年提出的描述實際交通流現象的經典模型，如交通堵塞蔓延、停行等。1998年，Helbing和Tilch等人在OVM基礎上提出了考慮負速度差的廣義力模型(GFM)，以解決OVM存在的加速度高、減速不合理的問題。由于GFM只考慮了負速度差對當前車輛的影響，因此Jiang等人通過進一步考慮速度差的影響，提出了更現實的全速度差(簡稱FVD)模型。在FVD模型的基礎上，Peng等人提出了最優速度差模型(OVDM)，進一步利用非相鄰車輛的優化速度差信息進行交通流優化。元胞自動機(CA)模型是一種時間、空間和狀態變量均離散的模型，具有模擬復雜系統時空演化過程的能力。典型的元胞自動機交通流模型是Nagel和Schreckenberg于1992年提出的NaSch模型，由于其算法簡單、易于并行計算，可以在計算機上有效模擬交通中車輛的運動，因此在交通流的研究中也得到了廣泛的應用和發展。

而對于宏觀模型中的格子流體力學模型，Nagatani在1998年首先提出格子流體力學模型，并利用線性穩定性理論和非線性分析方法，成功地找到了中性穩定線和mKdV方程，導出了mKdV方程中扭結密度波的解，以此來描述擁塞流量的傳播。隨后基于Nagatani提出的模型，許多新的格子流體力學模型被開發出來，以更真實地描述交通的性質。其中一些通過考慮智能交通系統(簡稱ITS)獲得的車輛或道路信息(如車間通信、多車頭時距、相對速度信息及交通中斷概率等)而得到擴展，另一些則通過考慮司機行為(如預測、后視、反應時間延遲和記憶效應等)和歸因(如司機的有限理性、攻擊性和保守性特征等)進行擴展。近年來，雖然這些擴展的格子流體力學模型考慮到了許多因素，但都沒有同時考慮后視效應和司機預期效應這兩個司機的行為因素。在實際交通流中，司機經常會通過后視鏡來觀察后方車輛的動向，通過預測前方車輛速度來控制當前速度，這兩個行為關聯度很高，都能對交通流的穩定性產生影響。因此如何通過增強司機的后視行為及預測行為，以增強交通流的穩定性，成為了物理科學與工程領域的一個重要研究方向。

發明內容

本發明的目的在于提供一種基于后視效應及預期效應的改良交通流分析方法，能有效提高交通流的穩定性。

本發明是通過如下措施實現的：一種基于后視效應及預期效應的改良交通流分析方法，所述方法包括以下步驟：

步驟1：構建一種基于后視效應及預期效應的改良交通流分析方法。