第四章跟驰理论与加速度干扰2-2.ppt

假设驾驶员在点“1”,意识到他正以一个高于前导车辆的速度行驶，并且为了避免负的相对速度变得太大或间距变得太小，他决定减速。过了一段时间后，在“A”点，驾驶员开始减速并使相对速度减小到零。由于驾驶员有个初始值，低于这个值就不能准确估计相对速度，驾驶员继续减速直到他意识到一个正的相对速度。在点“2”，驾驶员为了不与前导车辆之间有太大的间距，决定加速。在“B”点执行这个决定直到达到点“3”，这个过程又开始重复。 图4.22 相对速度和间距的关系图 5）各种实验 d）Constantine和Young的试验 该试验由英国的驾驶员，用摄像系统记录了数据。有趣的是这个试验在跟驰车辆上安装了第二台摄像机，并朝向车尾，因此可以同时获取两组跟驰数据。第二组数据收集于不知情的驾驶员。虽然精确性不高，但是这种系统有着不错的性能。 6）不对称实验 对单车跟驰试验的研究，所用模型中的刺激包含与平均车间距的离差、头车平均速度的离差、跟驰车辆平均速度的离差成正比的项。该模型有趣的分析结果是：响应的非对称性，该非对称性取决于相对刺激是正值还是负值。 考虑该影响效果，重新改写基本模型： 其中 或者 取决于相对速度大于0还是小于0。 通过大约40次的车辆轨迹和隧道跟驰试验，毫无例外，验证了该非对称性是存在的（Herman 和Rothery 1965）。 的平均值比 高约10%。出现这种情况的原因可以归结为：车辆的加减速性能有很大的不同。进一步，车间距减小情况下的响应程度可能是不同的。这种影响给车辆跟驰模型增加了特殊的困难——当头车速度循环变化，先加速再减速为初始速度，跟驰车加减速的非对称性不会使车间距变回到原始值。n个循环以后，间距会继续增加，增加了车辆间的漂浮。在模型中，需加入考虑了这种非对称性和恢复到正确间距的缓解过程。 4.2宏观观测：单车道交通 通过收集的单车道交通数据的抽样研究，得到了宏观交通流特性。在这些数据的基础上，宏观交通流数据与微观交通流数据可以直接进行比较，尤其是微观交通数据与宏观交通数据是在相同的情况下得到的。其中，一些数据是在荷兰隧道上得到的。 图4.24，4.25分别是速度与密度关系图和流量与密度关系图。图4.24中的数据是从荷兰隧道获得的，每个数据点代表车辆的一个速度等级，他们的间隔为±1.61m/sec。图4.25是流量－密度的关系，每一个固定点都是在假定速度稳定情况下的流量值。图4.25也可以得到周围点的每分钟的流量值。通过设置这些宏观数据来估计特定的跟驰模型的三个灵敏系数是很有意义的。它们是 , , ，其分别对应车头间距倒数模型，伊迪模型，格林希尔治模型。获得这些数值并与相同参数条件下跟车试验作比较。 图4.24 速度与车辆密度 图4.25 流量与车流密度 图4.25也可以得到周围点的每分钟的流量值。通过设置这些宏观数据来估计特定的跟驰模型的三个灵敏系数是很有意义的。它们是 , , ，其分别对应车头间距倒数模型，伊迪模型，格林希尔治模型。获得这些数值并与相同参数条件下跟车试验作比较。 图4.26 速度与车辆密度 图4.26中显示了这3个模型是如何符合宏观数据的，速度与车辆密度的数据曲线化，反应了种各样模型的稳态速度—密度关系。这些数据在图4.24和4.25中可以看出。 为了描述低密度非拥挤交通，伊迪（Edie）提出了正比于速度的间距倒数模型。模型中的关键参数是自由流速度，即在密度为零时的车流速度。从宏观数据上得出的最低均方估计值是26.85m/s。 伊迪也把这个模型与密度范围为0—56veh/km的宏观数据作比较，车头间距倒数模型适应于密度大的情况。当然，在整体范围内这两个模型更优于其他任何模型，但是在边界上。尽管是在边界上有所提高，但由速度与密度曲线衍生出来的曲线有明显的中断。这种中断与以往的研究是不同，这显示在流量与速度曲线图上，在最大流附近交通流有明显的突变。这种中断表明u-k曲线是不连续的。 然而，上面图中的数据显示曲线是连续的，没有中断。在流量与车流密度关系在最大流附近有中断，荷兰隧道的流量会比林肯隧道小很多。这个明显的中断，暗示了车流量有两个高峰的特性。 与交通流建模方法的最大不同是曲线中的不连续。Navin和Hall曾经建议，使用突变理论来描述这种交通关系。 第五节 加速度干扰 分析驾驶员在道路上的行车过程，任何人都不会始终维持某一速度恒定不变，而是在一定速度范围内变化或摆动。交通量较小时驾驶员也会出现这种现象；交通量较大时虽然跟驰现象十分明显，但是由于