【目的】随着网联自动驾驶技术的不断发展,未来较长一段时间内将呈现网联自动驾驶汽车(connected and autonomous vehicle, CAV)与人工驾驶汽车(human driven vehicle, HDV)混行的交通环境。由于CAV与HDV的驾驶特性及路径选择行为存在...【目的】随着网联自动驾驶技术的不断发展,未来较长一段时间内将呈现网联自动驾驶汽车(connected and autonomous vehicle, CAV)与人工驾驶汽车(human driven vehicle, HDV)混行的交通环境。由于CAV与HDV的驾驶特性及路径选择行为存在较大差异,加之实际交通需求是随机变化的,为准确预测网络均衡流模式,本文开展人机混驾环境下考虑随机需求的混合交通分配研究。【方法】首先,假定交通需求服从对数正态分布,分析了CAV和HDV两类用户的路径流量与路段流量分布特征,并基于BPR(Bureau of Public Roads)型路段阻抗函数推导了对数正态需求下的路径出行时间预算。然后,假定CAV和HDV分别基于实际出行时间预算和感知出行时间预算选择路径,针对人机混驾环境,构建了考虑全局需求弹性的基于可靠性的用户均衡与随机用户均衡(reliability-based user equilibrium and reliability-based stochastic user equilibrium, RUE-RSUE)混合交通分配变分不等式模型,并设计了双层循环算法对模型进行求解。最后,采用Nguyen-Dupuis网络对本文构建的模型与算法进行验证,并分析了CAV市场渗透率、出行时间可靠度需求及交通需求变异系数对网络均衡流模式的影响。【结果】本文设计的双层循环算法能有效求解考虑全局需求弹性的RUE-RSUE混合交通分配模型;出行时间预算随CAV市场渗透率的增加而减少,随交通需求变异系数和出行时间可靠度需求的增加而增加,但受CAV市场渗透率和交通需求波动的影响较显著;交通需求随出行时间可靠度需求的提高而降低,提高CAV市场渗透率会增加相同敏感度下的交通需求,但出行时间可靠性敏感度对交通需求的影响更为显著。【结论】本研究提出的RUE-RSUE混合交通分配模型能够刻画需求随机性对CAV和HDV两类用户路径选择的影响,可为智能网联交通系统的规划与管理提供决策依据。展开更多
文摘【目的】随着网联自动驾驶技术的不断发展,未来较长一段时间内将呈现网联自动驾驶汽车(connected and autonomous vehicle, CAV)与人工驾驶汽车(human driven vehicle, HDV)混行的交通环境。由于CAV与HDV的驾驶特性及路径选择行为存在较大差异,加之实际交通需求是随机变化的,为准确预测网络均衡流模式,本文开展人机混驾环境下考虑随机需求的混合交通分配研究。【方法】首先,假定交通需求服从对数正态分布,分析了CAV和HDV两类用户的路径流量与路段流量分布特征,并基于BPR(Bureau of Public Roads)型路段阻抗函数推导了对数正态需求下的路径出行时间预算。然后,假定CAV和HDV分别基于实际出行时间预算和感知出行时间预算选择路径,针对人机混驾环境,构建了考虑全局需求弹性的基于可靠性的用户均衡与随机用户均衡(reliability-based user equilibrium and reliability-based stochastic user equilibrium, RUE-RSUE)混合交通分配变分不等式模型,并设计了双层循环算法对模型进行求解。最后,采用Nguyen-Dupuis网络对本文构建的模型与算法进行验证,并分析了CAV市场渗透率、出行时间可靠度需求及交通需求变异系数对网络均衡流模式的影响。【结果】本文设计的双层循环算法能有效求解考虑全局需求弹性的RUE-RSUE混合交通分配模型;出行时间预算随CAV市场渗透率的增加而减少,随交通需求变异系数和出行时间可靠度需求的增加而增加,但受CAV市场渗透率和交通需求波动的影响较显著;交通需求随出行时间可靠度需求的提高而降低,提高CAV市场渗透率会增加相同敏感度下的交通需求,但出行时间可靠性敏感度对交通需求的影响更为显著。【结论】本研究提出的RUE-RSUE混合交通分配模型能够刻画需求随机性对CAV和HDV两类用户路径选择的影响,可为智能网联交通系统的规划与管理提供决策依据。
