面向网联自动驾驶车辆与人驾车辆混合交通流的多类基于仿真的动态交通分配模型
系统与控制
2023-01-27 v1 系统与控制
摘要
网联自动驾驶车辆（CAVs）的潜在能力之一在于，其与人类驾驶车辆（HDVs）相比可具有不同的路径选择行为与驾驶行为。这将导致具有多类路径选择行为的混合交通流。因此，解决 CAVs 与 HDVs 混合交通中的多类交通分配问题（TAP）至关重要。已有少数研究尝试解决该问题，但大多采用解析解，难以在真实大型路网（尤其是动态情形）中实施。此外，采用基于仿真方法的研究未能考虑 CAVs 的所有潜在能力。另一方面，这些研究对 CAV 的路径选择行为作出了若干不同（且相互冲突）的假设。因此，提供一种能在不同假设下求解混合交通多类 TAP 的工具，有助于研究者更好地理解 CAVs 的影响。为弥补上述不足，本研究提供了一个开源的多类基于仿真的交通分配问题求解框架，用于 CAVs 与 HDVs 的混合交通。该模型假设 CAVs 遵循系统最优原则并具有重新规划路径能力，而 HDVs 遵循用户均衡原则。此外，该模型通过在微观与中观尺度交通仿真中考虑不同的驾驶行为模型，能够捕捉 CAVs 对道路通行能力的影响。所提模型在两个案例研究中进行了测试，结果表明随着 CAVs 渗透率提高，所有车辆的总行程时间下降。
引用
@article{arxiv.2301.11083,
title = {A Multiclass Simulation-Based Dynamic Traffic Assignment Model for Mixed Traffic Flow of Connected and Autonomous Vehicles and Human-Driven Vehicles},
author = {Behzad Bamdad Mehrabani and Jakob Erdmann and Luca Sgambi and Seyedehsan Seyedabrishami and Maaike Snelder},
journal= {arXiv preprint arXiv:2301.11083},
year = {2023}
}