论文部分内容阅读
当前我国城市交通的一个重要特征是电动自行车和人力自行车高度混合。两类非机动车组合形成的异质非机动车流与单一的人力自行车流交通特征具有显著区别。研究异质非机动车流的交通特性，建立异质非机动车交通流模型，对于完善非机动车交通流理论，准确刻画我国复杂的非机动车交通流，为交通仿真工具提供模型依据具有重要的理论和实际意义。
现有理论层面的研究仍集中在单一非机动车流行为分析与建模，常见的建模方法包括基于(虚拟)车道，基于元胞自动机，基于社会力等方法。其中，基于车道的模型，将非机动车的运动割裂为横纵向相互独立的跟车和换道行为，严重违背了非机动车运动的二维特征；基于元胞自动机的方法中，对于异质非机动车交通流的研究较少，简化了非机动车行为特征，且模型规则同质化严重，对非机动车交通流的异质性表征不足；基于社会力的模型属于“刺激-反应”模型，缺少对动机层的考虑，且模型参数众多，标定难度大。这些方法均不能精确刻画异质非机动车交通流特征。
本文在国内外相关研究的基础上，以电动自行车和人力自行车形成的异质非机动车流为研究对象，明确两者异质性的具体表现，分析非机动车流压缩特征和超车行为；提出舒适空间理论，建立动机-决策-执行三层行为框架，构建异质非机动车交通流模型。最后利用实证数据对模型参数进行标定和仿真评价。主要研究内容和结论如下：
(1)采集典型路段非机动车运行视频，利用轨迹数据，分析电动自行车和人力自行车运动参数的异质性、超车行为特征和交通流压缩特性。数据表明，电动自行车运行速度和加速度大于人力自行车；非机动车超车行为可分为超车接近阶段，超车偏移阶段和超车返回阶段；非机动车骑行者在不同密度下所需的骑行空间动态变化，随着非机动车流密度的增大，骑行者在保持速度基本不变的前提下可接受更小的超车纵向间距与横向间距。
(2)在明确非机动车流特征的基础上，从骑行心理的角度出发，提出舒适空间理论来描述行为，形成动机生成(motivationgeneration)-行为决策(decision-making)-运动执行(operation)三层行为模型框架，建立了异质非机动车交通流模型(MDO模型)。
其中，动机层利用感知场计算骑行压力，确定电动自行车和人力自行车各自的舒适空间边界。并进一步将舒适空间细分为非影响区，舒适区，非舒适区，危险区和让行区五个子区域，分别对应五种动机类型。从而实现了行为动机的量化识别。
行为决策层考虑骑行者周边八个方向的速度和距离信息，在动机类型的指导下，基于规则建立行为决策的逻辑模型，实现决策规则参数的动态取值；
运动执行层面，利用力驱动思想，建立期望速度保持，超车，跟车，让行，减速等行为的运动模型，实现非机动车运动的二维更新。最后根据轨迹数据，利用遗传算法标定模型。
(3)将非机动车个体抽象为二维空间中的基本几何图形，利用MATLAB软件搭建异质非机动车交通流的数值仿真平台，选取轨迹，速度，空间分布和行为特征四个维度的指标，对比标准社会力和实际数据，验证模型有效性。结果表明相比于标准的社会力模型，MDO模型能够比较准确地刻画异质非机动车交通流特征，轨迹分布和单条轨迹的变化趋势表明MDO模型更好地贴合了非机动车的二维运动特征；超车横纵向间距分布的仿真结果表明MDO模型很好地表征了非机动车的行为动机和非机动车流的压缩特性；运行速度更接近真实情况，空间分布表明模型有更好的安全性。此外，通过敏感性分析，即分别改变仿真系统的交通流量和电动自行车比例，分析非机动车异质性的影响，进一步验证了模型的有效性。
现有理论层面的研究仍集中在单一非机动车流行为分析与建模，常见的建模方法包括基于(虚拟)车道，基于元胞自动机，基于社会力等方法。其中，基于车道的模型，将非机动车的运动割裂为横纵向相互独立的跟车和换道行为，严重违背了非机动车运动的二维特征；基于元胞自动机的方法中，对于异质非机动车交通流的研究较少，简化了非机动车行为特征，且模型规则同质化严重，对非机动车交通流的异质性表征不足；基于社会力的模型属于“刺激-反应”模型，缺少对动机层的考虑，且模型参数众多，标定难度大。这些方法均不能精确刻画异质非机动车交通流特征。
本文在国内外相关研究的基础上，以电动自行车和人力自行车形成的异质非机动车流为研究对象，明确两者异质性的具体表现，分析非机动车流压缩特征和超车行为；提出舒适空间理论，建立动机-决策-执行三层行为框架，构建异质非机动车交通流模型。最后利用实证数据对模型参数进行标定和仿真评价。主要研究内容和结论如下：
(1)采集典型路段非机动车运行视频，利用轨迹数据，分析电动自行车和人力自行车运动参数的异质性、超车行为特征和交通流压缩特性。数据表明，电动自行车运行速度和加速度大于人力自行车；非机动车超车行为可分为超车接近阶段，超车偏移阶段和超车返回阶段；非机动车骑行者在不同密度下所需的骑行空间动态变化，随着非机动车流密度的增大，骑行者在保持速度基本不变的前提下可接受更小的超车纵向间距与横向间距。
(2)在明确非机动车流特征的基础上，从骑行心理的角度出发，提出舒适空间理论来描述行为，形成动机生成(motivationgeneration)-行为决策(decision-making)-运动执行(operation)三层行为模型框架，建立了异质非机动车交通流模型(MDO模型)。
其中，动机层利用感知场计算骑行压力，确定电动自行车和人力自行车各自的舒适空间边界。并进一步将舒适空间细分为非影响区，舒适区，非舒适区，危险区和让行区五个子区域，分别对应五种动机类型。从而实现了行为动机的量化识别。
行为决策层考虑骑行者周边八个方向的速度和距离信息，在动机类型的指导下，基于规则建立行为决策的逻辑模型，实现决策规则参数的动态取值；
运动执行层面，利用力驱动思想，建立期望速度保持，超车，跟车，让行，减速等行为的运动模型，实现非机动车运动的二维更新。最后根据轨迹数据，利用遗传算法标定模型。
(3)将非机动车个体抽象为二维空间中的基本几何图形，利用MATLAB软件搭建异质非机动车交通流的数值仿真平台，选取轨迹，速度，空间分布和行为特征四个维度的指标，对比标准社会力和实际数据，验证模型有效性。结果表明相比于标准的社会力模型，MDO模型能够比较准确地刻画异质非机动车交通流特征，轨迹分布和单条轨迹的变化趋势表明MDO模型更好地贴合了非机动车的二维运动特征；超车横纵向间距分布的仿真结果表明MDO模型很好地表征了非机动车的行为动机和非机动车流的压缩特性；运行速度更接近真实情况，空间分布表明模型有更好的安全性。此外，通过敏感性分析，即分别改变仿真系统的交通流量和电动自行车比例，分析非机动车异质性的影响，进一步验证了模型的有效性。