论文部分内容阅读
高速公路合流区汇入车辆换道行为会引发主线交通流的紊乱以及行车速度降低,甚至造成通行能力下降和交通拥堵。因此,研究高速公路合流区汇入车辆的换道行为,建立准确的汇入车辆换道模型非常重要。由于数据获取技术的限制,合流区汇入车辆换道模型的研究还十分薄弱。本文以美国联邦公路局提供的NGSIM车辆轨迹数据为基础,采用对称指数移动平均法和一致性检查对数据进行了处理,提取出375条汇入车辆轨迹数据作为研究对象。针对已有研究的不足,开展了以下工作:
(1)通过对交通流密度的采集和分类,综合分析了交通流密度对车辆汇入行为的影响。对间隙选择行为的分析结果表明交通流密度较低时,大多数汇入车辆选择直接汇入主线;当交通流密度较高时,大多数汇入车辆将选择超车汇入主线;当交通流密度处于30~60veh/km/lane时,其变化对间隙选择行为影响较小。采用曼-惠特尼检验对不同交通流密度下汇入行为的特征变量进行了比较并对不同交通流密度下的特征变量分布进行了拟合,结果表明交通流密度对于汇入行为特征变量有显著的影响,在不同交通流密度下,各变量的最佳拟合分布也有所变化。分析表明交通流密度对于汇入行为有着显著的影响。
(2)针对二元Logit模型无法考虑驾驶员异质性的问题,本文提出采用潜在类别Logit模型对汇入车辆间隙选择行为进行建模,采用将EM算法和牛顿迭代法相结合的方法对模型参数进行估计,根据AIC准则得到了一个三类Logit模型。根据模型标定的参数以及对驾驶员的分类分析,发现三类驾驶员在间隙选择过程中的行为有明显的差异。不同类别的驾驶员在间隙选择过程中考虑的变量不同,相同的变量在不同类别的驾驶员的间隙选择行为中的参数也有所不同,甚至会有完全相反的效应。第一类驾驶员选择的间隙最大,在附加车道上的行驶距离较短,与主线前导车和后随车之间的相对速度的绝对值也最小;第二类驾驶员选择的间隙比第一类小,在附加车道上的行驶距离较长,与主线前导车和后随车之间的相对速度的绝对值也比较大;第三类驾驶员选择的间隙最小,拒绝的间隙最大且与选择的间隙大小比较接近,同时在附加车道上行驶距离较长,说明第三类驾驶员的行为与前两类差异较大,附加车道上较长距离行驶目的是利用附加车道上较高的行驶速度达到更远的主线下游路段,而不是由于主线间隙较小而无法汇入。与二元Logit模型相比,潜在类别Logit模型能够发现汇入车辆驾驶员在间隙选择过程中的不同行为,揭示和解释以往间隙接受模型难以接受的“不一致”现象。通过对比发现,潜在类别Logit模型的预测精度也远远高于二元Logit模型。
(3)利用随机森林模型建立了车辆越线时机预测模型,将所有可能影响越线时机选择行为的19个变量进行了分析并对其重要性进行排序,发现主线后随车间隙和主线后随车间隙占总间隙比是汇入车辆越线时机最主要的影响因素;利用随机森林模型的变量重要性值对19个变量进行了选取,最终得到一个含有9个变量的越线时机预测模型,与常用的二元Logit模型相比,其精度更高,且纳入模型的影响变量也更丰富。
(4)提出采用机器学习领域中的热点算法——梯度提升决策树对汇入加速度进行建模和预测。提取汇入车辆速度、主线前导车相对速度和间隙、主线后随车相对速度和间隙、附加车道前导车相对速度和间隙、附加车道后随车相对速度和间隙以及车辆横向位置等十个对汇入加速度产生影响的变量建立基于梯度提升决策树的汇入加速度模型,变量分析结果表明主线前导车相对速度和主线前导车间隙是影响汇入加速度最主要的变量,其他变量对汇入加速度也有一定的影响。变量偏依赖函数分析结果表明各变量对汇入车辆的加速度影响呈现出较强的非线性关系,与车辆在跟驰行为中的加速行为有较大的差异。模型的仿真结果表明,与参数化模型相比,梯度提升决策树模型能够更准确地模拟车辆汇入加速度的真实变化。
本文的研究为微观交通流模型提供理论基础和技术支撑,成果能够为道路设计、道路交通安全改善等提供重要依据,具有一定的学术价值和现实意义。
(1)通过对交通流密度的采集和分类,综合分析了交通流密度对车辆汇入行为的影响。对间隙选择行为的分析结果表明交通流密度较低时,大多数汇入车辆选择直接汇入主线;当交通流密度较高时,大多数汇入车辆将选择超车汇入主线;当交通流密度处于30~60veh/km/lane时,其变化对间隙选择行为影响较小。采用曼-惠特尼检验对不同交通流密度下汇入行为的特征变量进行了比较并对不同交通流密度下的特征变量分布进行了拟合,结果表明交通流密度对于汇入行为特征变量有显著的影响,在不同交通流密度下,各变量的最佳拟合分布也有所变化。分析表明交通流密度对于汇入行为有着显著的影响。
(2)针对二元Logit模型无法考虑驾驶员异质性的问题,本文提出采用潜在类别Logit模型对汇入车辆间隙选择行为进行建模,采用将EM算法和牛顿迭代法相结合的方法对模型参数进行估计,根据AIC准则得到了一个三类Logit模型。根据模型标定的参数以及对驾驶员的分类分析,发现三类驾驶员在间隙选择过程中的行为有明显的差异。不同类别的驾驶员在间隙选择过程中考虑的变量不同,相同的变量在不同类别的驾驶员的间隙选择行为中的参数也有所不同,甚至会有完全相反的效应。第一类驾驶员选择的间隙最大,在附加车道上的行驶距离较短,与主线前导车和后随车之间的相对速度的绝对值也最小;第二类驾驶员选择的间隙比第一类小,在附加车道上的行驶距离较长,与主线前导车和后随车之间的相对速度的绝对值也比较大;第三类驾驶员选择的间隙最小,拒绝的间隙最大且与选择的间隙大小比较接近,同时在附加车道上行驶距离较长,说明第三类驾驶员的行为与前两类差异较大,附加车道上较长距离行驶目的是利用附加车道上较高的行驶速度达到更远的主线下游路段,而不是由于主线间隙较小而无法汇入。与二元Logit模型相比,潜在类别Logit模型能够发现汇入车辆驾驶员在间隙选择过程中的不同行为,揭示和解释以往间隙接受模型难以接受的“不一致”现象。通过对比发现,潜在类别Logit模型的预测精度也远远高于二元Logit模型。
(3)利用随机森林模型建立了车辆越线时机预测模型,将所有可能影响越线时机选择行为的19个变量进行了分析并对其重要性进行排序,发现主线后随车间隙和主线后随车间隙占总间隙比是汇入车辆越线时机最主要的影响因素;利用随机森林模型的变量重要性值对19个变量进行了选取,最终得到一个含有9个变量的越线时机预测模型,与常用的二元Logit模型相比,其精度更高,且纳入模型的影响变量也更丰富。
(4)提出采用机器学习领域中的热点算法——梯度提升决策树对汇入加速度进行建模和预测。提取汇入车辆速度、主线前导车相对速度和间隙、主线后随车相对速度和间隙、附加车道前导车相对速度和间隙、附加车道后随车相对速度和间隙以及车辆横向位置等十个对汇入加速度产生影响的变量建立基于梯度提升决策树的汇入加速度模型,变量分析结果表明主线前导车相对速度和主线前导车间隙是影响汇入加速度最主要的变量,其他变量对汇入加速度也有一定的影响。变量偏依赖函数分析结果表明各变量对汇入车辆的加速度影响呈现出较强的非线性关系,与车辆在跟驰行为中的加速行为有较大的差异。模型的仿真结果表明,与参数化模型相比,梯度提升决策树模型能够更准确地模拟车辆汇入加速度的真实变化。
本文的研究为微观交通流模型提供理论基础和技术支撑,成果能够为道路设计、道路交通安全改善等提供重要依据,具有一定的学术价值和现实意义。