大雾天气高速公路最佳行驶速度建模分析及仿真模拟.docxVIP

大雾天气高速公路最佳行驶速度建模分析及仿真模拟胡松华，胡祥旺，刘响，赵凯旋，张志伟（华中科技大学土木工程与力学学院）摘要：高速公路的雾天行车问题，一直是当前交通安全范畴亟待改善的主要领域之一。本文从行车安全与道路流畅度两方面进行分析，首先基于ANFIS建立追尾概率模型，并利用Matlab对模型进行计算与训练，在得出模型后再用VB建立仿真模型进行仿真验证分析。在对流畅度的分析上本文引入延迟率，并对不同限速引起的延迟率进行对比分析。最后综合考虑追尾概率与延迟率，得出不同可见度下高速公路的最佳行车速度。关键词：高速公路；雾天限速；ANFIS；追尾概率；延迟率；最佳行车速度1.简介1.1研究背景随着高速公路行车里程的不断增加，高速公路的交通事故率也不断上升。其中，因浓雾等恶劣天气而造成的交通事故率呈显著上升的趋势。经调查，我国因雾引发的交通事故占高速公路交通事故的 15%~25%，在一些雾多发地区的高速公路路段，因大雾导致能见度减小而引发的交通事故的死亡率达到40%。另外，由于高速公路上车流量大、行驶速度快，一旦雾天发生交通事故，经常会引起连锁反应，最终形成多车连环追尾相撞的重、特大恶性交通事故。因此，加强对雾天行车的管理乃是当务之急。当前国内外针对低能见度条件下的交通流分布、交通事故发生、交通控制模式及交通管理的体系进行了一系列的研究，如美国的RWIS 系统和图像监视系统、意大利的“抗雾智能公路”计划、德国的SWIS系统以及国内沪宁高速公路的雾天行车诱导系统等。但由于影响高速公路上行车速度的因素有很多，对速度进行精确控制的设想较难实现，当前研究大多集中在宏观方面。本文正是基于此背景下，试图尝试采用一种新的方法，即着眼于微观，通过某种预设模型对所得实时数据进行综合分析，得到一个当前环境下最佳的行车速度，并以具体数据形式反映在仪表盘上，供驾驶员控制行车速度。1.2研究目的高速公路的雾天行车的主要问题有这些：（1）由于可视距离低导致司机行车速度出现严重分歧，比如有些司机由于胆怯、紧张将速度减得过慢，而有些司机由于视觉判断的误差而将速度开在安全速度之上。这样一来各车的行驶速度标准差增大，由公式(亿车公里事故率，车速标准差)可知，车速无论高于还是低于平均车速，其车速标准差越大事故率越高。（2）由于视觉、心理、生疏程度等原因，依靠司机的直接判断来控制车速是高风险、低效率的，一个合理的速度限制范围对雾天行车有着很好的引导作用。过高的限速值显然会使交通更加混乱，而过低的限速值一方面会降低道路流畅度，减少通行量，而且当其与驾驶员自己的判断不符时，也不能达到控制速度的目的。本文正是基于上面提出的两个问题，综合考虑道路安全与流畅，利用ANFIS模型、Matlab训练、VB编程仿真、延迟率分析，拟合出大雾天气中不同可见度下在高速公路上的最佳行车速度。2.双车追尾模型的建立与分析2.1双车追尾模型的基本分析安全行驶条件 ：在高速公路上，以一定速度行驶的车辆要能够及时发现前方的车辆或障碍物，并且在采取制动措施后，保证车辆在滑行一段距离后不撞上前方车辆或障碍物，这样才能保证行车安全。保证不撞前方车辆的距离称为安全行车距离。在大雾天，由于视线不清，能见距离缩小，这段安全行车距离必须小于雾中能见距离才能保证雾中安全行车。反应距离（从看到障碍物到开始做出反应经过的距离）为：反应总时间一般在秒之间。制动距离（制动停车经过的距离）为：为地面附着系数，，为滚动摩擦系数，为坡度。安全距离：停车后与障碍物的最终距离，安全距离通常取。停车视距=反应距离+制动距离+安全距离由安全条件分析可知，要保证行车安全，应有：停车视距能见距离即：令可做出图如图1：图1双车追尾模型的图2.2基于自适应模糊神经网络的追尾概率模型的建立ANFIS(Adaptive Neuro Fuzzy Inference System)是将模糊推理系统与神经网络相结合的产物,模糊推理系统巧妙地引入了“隶属度”的概念,而ANFIS 是将Sugeno一阶模糊推理系统以网络的形式来实现从而得到的一种神经网络。高速公路汽车车速一般在120km/h内,由图1可知，在两车的行车间距大于200m时,追尾事故发生的概率已接近于0,因此,在雾天对高速公路上车辆的追尾事故概率的研究中,本文只考虑200m以内的追尾概率。设雾天能见度的基本论域为{0,200},跟随车车速的基本论域为{0,120},反应时间的基本论域为{2,3}汽车追尾概率的基本论域为{0,1};雾天能见度的模糊子集为{NB , NS , ZO ,PS ,PB} ,跟随车速度的模糊子集为{NB , NS , ZO , PS , PB} , 反应时间的模糊子集为{NB , ZO , PB} ;汽车追尾概率的模糊子集为{NB , NS , ZO , PS , PB} ;此时