动态控制与自动驾驶对交通流的影响

原创于 2025-10-13 01:36:16 发布 · 384 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#动态控制 # 自动驾驶 # 交通流 # 微观仿真 # 通行能力

动态交通控制系统与自动驾驶对高速公路交通流的影响

1 引言部分

动态交通控制系统已成为过去几十年中控制德国高速公路交通的有效措施。在实施之前评估其经济可行性时，通常采用成本‐效益分析，重点在于交通安全和交通流性能。德国HBS指南（以及公路通行能力手册（HCM））中提供的传统确定性分析方法无法涵盖对动态控制系统的评估。此外，这些方法也无法考虑可能对高速公路通行能力产生显著影响的局部行为模式。然而，在决定是否实施动态交通控制系统之前，必须精确预测该系统的效果。

本文介绍了在两条高速公路路段上进行的调查结果。这些调查使用微观仿真分析了动态交通控制系统对交通流的影响。此外，还分析了在假设只有自动驾驶的车辆使用相关设施的情况下，这些高速公路路段的交通流情况。

2 德国高速公路的智能交通系统

德国的道路基础设施资金有限。另一方面，交通需求逐年增加。通过建设附加车道来提高通行能力的成本非常高昂且由于规划流程复杂——极为繁琐。因此，政府试图最大化现有基础设施的性能。这一目标通过使用动态交通控制系统来实现。在德国，高速公路上主要使用四种类型的远程系统：
- 动态交通控制系统
- 临时硬路肩通行
- 匝道控制
- 动态引导系统

本文中这些智能交通系统中的前两个被讨论，因此简要描述如下。

动态交通控制系统

动态交通控制系统用于协调交通流。这些可变标志能够显示动态限速、重型车辆禁止超车，并警告交通拥堵、施工区域或天气状况。其主要功能是根据高速公路的交通流、平均速度或交通密度调整动态限速。这可以在高交通量情况下协调交通流（皮施纳、汉格莱特、兰巴赫、特鲁帕特、屈内和席克，2003）并降低交通流中断的概率（盖斯特费尔特，2009）。

示意图0

临时硬路肩通行

通过使用临时硬路肩通行（THSR），可在高峰时段将道路路段的通行能力最多提高25%（盖斯特费尔特和格拉茨，2010）。该措施可根据需求进行调整，因为在高峰时段开放硬路肩以增加通行能力，而在非高峰时段仍保留硬路肩供紧急情况使用。

与增加永久车道相比，THSR的实施所需的规划和资金投入较少。

为验证硬路肩是否可供使用，需通过摄像头监控拟清空的整个路段。可变信息标志可以单独设置，如图2所示，但将其集成到交通控制系统中可提高接受度。由于硬路肩通行期间最高限速为100公里/小时的规定，可能还需要一个动态控制系统。

示意图1

3 自动驾驶

高速公路的通行能力由车道数量、互通立交之间的最大交通流量以及交叉口处可能的最大交织、驶入或驶出交通流决定。

因此，通行能力取决于车辆间距。车辆间距越短，通行能力越高。如果假设自动驾驶车辆能够以比人类驾驶员更短的时间间隔安全行驶，则使用自动驾驶车辆应能提高通行能力。

(Friedrich, 2015)指出，在车速为100公里/小时时，如果高速公路上仅行驶自动驾驶车辆，通行能力可提高约85%。这可以通过将时间间隔缩短至ta=0.5 s，而不是人类驾驶员通常采用的th=1.15 s时间间隔来实现。

在高速公路的交织区、入口或出口路段，自动驾驶车辆的使用也应会影响通行能力。在这些路段，不仅后随车辆之间的时间间隔，横向驾驶行为也会影响通行能力。这些路段需要复杂的驾驶操作和驾驶员的决策过程。

为了展望自动驾驶车辆对复杂高速公路路段交通流可能产生的影响，本文分析了两个案例研究。此处的展望基于自动驾驶车辆所能达到的最大效果，因此本文采用了100%的自动驾驶车辆（包括乘用车和重型车辆）使用率。在本文中采用。

4 微观交通仿真

微观交通流仿真已成为评估特定外部条件下交通流运行性能的常用工具。在城市地区，它通常被用于评估交通信号灯及其对交通流的影响。然而，在德国，交通流仿真模型在高速公路上的应用尚未成为标准。本文展示了若干案例研究，其中微观仿真已成功应用于分析特定外部条件下高速公路交通流的运行性能。

为仿真德国高速公路的交通流，联邦公路研究所（BASt）委托波鸿鲁尔-大学开发微观仿真模型BABSIM（布里隆、哈丁等人，2005）。该模型的后续版本采用模糊逻辑来模拟驾驶行为，并针对德国高速公路的交通流进行了校准（布里隆、哈丁等人，2007和哈丁，2008）。其参数可根据任何特定情况的需求进行修改和校准。

在本文所提出的案例研究中，分析并比较了两种动态控制系统（动态限速标志和临时硬路肩通行）与高速公路布局的结构性改善。此外，还展望了自动驾驶车辆对复杂道路路段可能产生的影响。下文描述了动态控制系统和自动驾驶在微观仿真模型中的实施：

4.1 动态限速标志

根据指南（MARZ，1999），动态限速标志已在BABSIM中实施使用以下公式：

$$
Q_{B,P}(i) > Q_{B,\text{zul.v,ein}} \quad \text{或} \quad [ v_{\text{Pkw},P}(i) < v_{\text{zul.v,ein}} \quad \text{和} \quad D_P(i) > D_{\text{zul.v,ein}}]
\tag{1}
$$

$$
Q_{B,P}(i) < Q_{B,\text{zul.v,aus}} \quad \text{或} \quad [ v_{\text{Pkw},P}(i) > v_{\text{zul.v,aus}} \quad \text{和} \quad D_P(i) < D_{\text{zul.v,aus}}]
\tag{2}
$$

其中：
- $ Q_{B,P}(i) $ = 断面交通流
- $ Q_{B,\text{zul.v,ein}} / Q_{B,\text{zul.v,aus}} $ = 激活与停用的激活阈值（交通流）
- $ v_{\text{Pkw},P}(i) $ = 测速断面平均速度
- $ v_{\text{zul.v,ein}} / v_{\text{zul.v,aus}} $ = 激活与停用的激活阈值（速度）
- $ D_P(i) $ = 测速断面交通密度
- $ D_{\text{zul.v,ein}} / D_{\text{zul.v,aus}} $ = 激活与停用的激活阈值（交通密度）

这些仿真中使用的阈值如表1所示。

临时	激活阈值	激活阈值	去激活阈值	去激活阈值
	3车道	4车道	3车道	4车道
$ Q_{B,100} $	4800 [veh/h]	5200 [veh/h]	4400 [veh/h]	4800 [veh/h]
$ Q_{B,80} $	5400 [veh/h]	5600 [veh/h]	5000 [veh/h]	5200 [veh/h]
$ v_{80} $	70 [km/h]	70 [km/h]	75 [km/h]	75 [km/h]
$ v_{60} $	50 [km/h]	50 [km/h]	55 [km/h]	55 [km/h]
$ D_{80} $	50 [veh/km]	50 [veh/km]	60 [veh/km]	60 [veh/km]
$ D_{60} $	50 [veh/km]	50 [veh/km]	60 [veh/km]	60 [veh/km]

表1：动态限速标志的阈值

BABSIM模型的交通行为已通过使用另一项研究中分析的高速公路路段的实际交通数据，针对动态限速标志的应用进行了校准。

4.2 临时硬路肩通行

当交通流达到4800辆/小时时，启用硬路肩供通行。同时激活100公里/小时的限速，以满足（ARS, 20/2002）的要求。

临时硬路肩尚未被驾驶员完全接受为常规行车道。因此，仿真模型中的驾驶行为必须针对路肩的使用进行调整：
- 重型车辆使用硬路肩就像使用其他右侧车道一样
- 乘用车仅可在硬路肩起点处驶入
- 为模拟对使用硬路肩接受度不足的情况，禁止乘用车在硬路肩行驶过程中变道进入

基于这些假设，硬路肩的使用率可以达到较为真实的水平。在硬路肩开始处的驾驶行为可能不够准确，但本文案例研究的主要问题是硬路肩末端的交织行为，而通过这些假设对该交织行为的模拟较为真实。

4.3 自动驾驶

在行为模型BABSIM中实现的被细分为多个小模块，每个模块处理当前驾驶任务中的一个特定问题或意图。这些模块相互独立运行。每个模块针对车辆的纵向和横向运动提供基于情境的投票。随后，通过应用一种可描述为虚拟模糊化的过程来整合各个投票结果。

对于每个模块中当前驾驶状况的评估（与前车的距离和时间间隔、与相邻车道车辆的距离和时间间隔），采用的是维德曼(1974)经过充分验证的心理物理方法。该心理-物理模型使用阈值来判断驾驶员行为的改变，即驾驶员只有在间距或相对速度的变化达到这些阈值时才会做出反应。这些阈值及其定义的驾驶状态在模型中针对每位驾驶员独立确定，并应用个体参数（例如安全需求、对油门踏板的控制能力、速度和距离估计精度）进行建模，这些参数大多服从正态分布。

仿真模型的另一个关键要素是期望速度的分布。仿真中的每辆车都被赋予一个值，该值根据局部限速决定其期望速度。期望速度分布的方差越小，仿真中观察到的交通流和谐程度就越高。

鉴于机器和传感器比人类驾驶员更精确，为了在仿真模型中模拟自动驾驶，需要进行多项调整。本研究中，行为模型进行了如下调整：
- 安全需求 ：在原始模型中，该参数遵循N(0.5,0.15)分布。数值越高，驾驶员所期望的安全距离越大。由于该参数对仿真中产生的时间间隔具有显著影响，因此在修改相应分布时必须非常谨慎。理论上可以假设，在仅允许自动驾驶的车辆接入高速公路的环境中，时间间隔可能减少一半。但另一方面，由于法律和安全问题，驾驶员可能仍需要能够在必要时进行干预并override机器——至少在短期内是如此。因此，出于本研究的目的，安全需求的取值仅适度降低（取值为0.4，标准差为0）。
- 对油门踏板的控制 ：该参数最初遵循N(0.5,0.15)分布。数值越高，驾驶员对油门踏板的控制能力越弱，从而导致期望加速度与实际加速度之间的偏差越大。假设一个车辆的自动控制非常精确，该参数被设置为0.01，这意味着计算的加速度与实际加速度之间几乎没有偏差。
- 速度和距离估计精度 ：该参数最初也遵循一个N(0.5,0.15)分布。值越高，驾驶员对速度和距离的估计能力越强。假设自动驾驶采用了高精度传感器，该参数被设置为0.99，接近于一个完美估计。
- 此外，可以假设自动驾驶的期望速度分布方差要小得多。这意味着更高的合规性，并且仅轻微超过给定的限速。在仿真中通过调整均值并减少每个限速对应的标准差来实现这一点。

总体而言，所述调整导致了更协调的交通流和更小的时间间隔。

通用的输入参数如交通量、卡车数量、限速以及动态限速标志的控制参数，在每种情况下都保持相同以便进行比较。

5 案例研究

5.1 案例研究 1

任务：在本研究中需要分析一个包含四个入口、五个出口和四个交织区段的复杂高速公路路段的交通流。必须确定一种新的高速公路布局以确保交通流不会频繁发生交通流中断。

方法论 ：在传统应对容量限制的方法基础上，一种优化高速公路布局的概念，特别是对入口、出口和交织段的布局进行优化，已被提出以降低交通拥堵风险。

数据来自环形检测器的数据被用于仿真校准，从而确保仿真中考虑了驾驶行为的局部特征（如车道选择、限速接受度等）。

在表2中展示了当前路网和新的高速公路布局方案的草图。除了采用结构性改进的传统方法外，还分析了在当前路网中使用自动驾驶车辆的情况。

概念	描述	草图
A	当前网络	a b
B	新高速公路布局	a b
C	自动驾驶的驾驶	a b

表2：分析的概念中的高速公路布局

结果：在图3和图4中可以看到表2所示两个横截面处的速度流量图。可以看出，在当前路网中，交通流经常发生交通中断。新的高速公路布局由于在瓶颈处降低了交通量，因此未出现交通中断。

假设所有车辆均为自动驾驶，则高速公路的通行能力相较于方案A和B显著提高。不会发生常规的交通中断，且通行能力接近最优值，因为在高交通量下平均速度的离散性较小。协调效应明显，因为平均速度分布非常集中。

示意图2

示意图3

5.2 案例研究2

任务：一条位于两个主要互通立交之间的长五公里三车道路段高速公路需要进行分析，以研究动态交通控制系统是否可用于提高交通流运行的可靠性。

该路段的特点是互通立交的入口车道与后续出口之间存在较长的交织过程。在此需要考察动态限速标志和临时硬路肩通行的影响。

方法论 ：如前所述，确定性方法（HBS, 2015）中未涵盖动态交通控制系统。微观仿真是研究用于提高交通流可靠性的方案效果的唯一解决方案。

仿真模型的校准基于高速公路路段上若干点的环形检测器数据。因此，校准过程将驾驶行为的局部特征（如车道选择、限速接受度等）转化为模型中的参数。四个概念已开发出以提高交通流容量。此外，其影响及自动驾驶在当前路网上的驾驶情况进行了分析。这些方案如表3所示。

概念	描述	草图
A	当前网络 + (TCS)
B	四车道 + TCS
C	临时硬路肩运行 + TCS
D	三条车道 + 特殊永久车道 + TCS
E	自动驾驶

表3：提高交通流容量的方案

使用概念B中所示的常规车道标线时，直行车辆——尤其是大型卡车——必须使用右车道。这意味着它们需要变道两次，一次在该车道开始处，另一次在结束处，以保持直行方向。而特殊标记车道（0.3米宽的实线块标线）允许直行交通保持在第二车道上。同时，从相邻互通立交驶入或驶出的车辆可使用最右车道超越这些较慢的车辆。这将促使驾驶员采取更具有战略性的车道选择行为，从而减少变道次数。

结果：仿真实验结果表明，只有通过方案D结合动态交通控制系统，才能在交织段实现通行能力的大幅增加。临时开放硬路肩（概念C）以及增设常规标记的永久第四车道（概念B）相较于现有高速公路设计虽能提升通行能力，但并未达到最优值。仅使用动态限速标志（概念A）有助于降低拥堵发生的概率，但无法提高通行能力。主要瓶颈仍然存在，即重型车辆在长交织段内需在交织区域的起点和终点各变道一次所导致的问题。

一种特殊的车道标线与 overhead signposting 相结合，可防止直行交通变道至右车道，同时配合动态限速标志，能够优化交通流，并在早高峰期间显著提高最大通行能力。该方案被证明对于关键早高峰时段的交通流动需求模式具有较强的针对性。