基于城市主干路交通流数据的跟驰模型标定.pdfVIP

82 交通信息与安全 2014年 6期 第 32卷 总 188期 基于城市主干路交通流数据的跟驰模型标定* 曹金亮 。▲ 史忠科 房雅灵 (1．西北工业大学 自动化学院 西安 710129；2．浙江海洋学院数理与信息学院 浙江 舟 山316022) 摘 要 根据某种机理建立 的交通流模型需要通过模 型标定和验证后才能具体应用到实 际中。通过 采用视频处理技术 ，对 陕西省西安市二环主干路和浙江省舟 山市 昌洲大道上上下高峰时期 内的车辆 微观运动录像进行技术处理 ，提取得到了包括位移 、速度和加速度的车辆微观运动轨迹数据 。根据这 些交通流数据 ，采用 Levnberg—Marquardt算法 ，分别对跟驰理论 中2个典型的跟驰模型，即惯性模型 中的敏感系数 、安全 时间间隔、最小安全车 间距 、允许速度和智能驾驶人模型 中的理想速度 、安全时间 间隔、静止安全距离、启步加速度和舒适加速度进行 了标定和验证 。针对惯性模型，当允许速度大于 实际速度时，位移均方差和速度均方差的平均值分别为 2．8m和 0．58m／s，当允许速度小于实际速 度时，位移均方差和速度均方差的平均值分别为 2．22m和 0．49m／s；针对智能驾驶人模型，利用早 、 中、晚 3组数据进行标定，得到的位移均方差和速度均方差的平均值分别为0．12m和0．10m／s，0．07 m和 0．10m／s，0．75m和 0．27m／s。因此 ，惯性模 型与智能驾驶人模 型都可用于描述城市主干路近 饱和状态 (即跟随车辆的最大速度远小于允许速度的行驶状态)下的车辆跟驰行为 ，而且 当智能驾驶 人模型中的加速度指数取较大的值时，它较前者更为适合 。 关键词 交通安全 ；模型标定与验证 ；惯性模型 ；智能驾驶 员模 型 中图分类号 ：U491．112 文献标志码 ：A doi：10．3963／j．issn1674—4861．2014．06．000 CalibratingCar-FollowingModelsBasedonUrbanArterialVideoData CAO Jinliang’。 SHIZhongke FANG Yaling (1．CollegeofAutomation，NorthwesternPolytechnicalUniversity，Xian710129，China； 2．SchoolofMathematics，PhysicsandInformationScience，ZhejiangOceanUniversity， Zhoushan316022，Zhejiang，China) Abstract：A trafficmode1，whichisestablishedbasedoncertainmechanism，canbeusedonlyaftercalibrationand validation．Inthispaper，the peak—hourdatafrom vehiclemicro—motion cameraon theSecond Ring Road in Xian， ShaanxiProvinceandtheChangzhouRoadinZhoushan，ZhejiangProvinceareprocessedbyusingvideoprocessingtech— nique．Thetrafficparameters，includingdisplacement，speedandacceleration，areextractedfrom thevideos．Basedon thedata，byusingLevnberg—Marquardtalgorithm ，twotypicalcar—followingmodels，theInertiaModelandtheIntelligent DriverModel，arecalibratedandvalidated．Sensitivity，safetytimegap，minimum s