11月23日，由中国智能交通协会、国家智能交通产业技术创新战略联盟主办的2017’第十二届中国智能交通年会智能交通青年科技论坛上，北京交通大学姜锐教授发表《基于实验的高速车辆跟驰行为研究及其建模》的演讲，本文为演讲速记整理，未经演讲者本人审核。
北京交通大学 姜锐
随着智能交通的发展，无人车，自动车，网联车逐渐进入了商用市场，将来的交通流将是智能车和一般车辆的混合交通流的状态。这个状态的持续时间将会很长，所以在这个期间，混合交通流的研究也将非常重要的一个研究方向。
为了研究交通流和混合交通流，必须要弄清楚人类驾驶车辆这些交通流的行为，为了描述这个交通流的行为，很多交通流模型被提出，这些模型可以分为大致的分为两类。第一类，把它称之为两项交通流理论，这个交通流理论基本的假设。那么这个基本图，把交通流分成两边，左边就是自由流，右边是供给流。
另外一个理论就是三项交通流，在这个理论里面进一步进行了划分，同步交通流和交通堵塞两大类，这两种理论存在很大的争论。为什么出现这么多的争论呢？交通流研究领域的这些学者一致认为还是由于缺乏精准的交通数据，但是交通大数据用来研究交通流还是有一定的缺陷的，因为这些交通大数据都是一些实际观测的数据，把它称之为实际观测的数据。这些观测的数据非常复杂，涵盖很多很多复杂的因素在里面，那么此外，对于现在的市民数据来说，覆盖的范围是很有限的。如果对交通流研究有所了解的话，就会知道交通流研究中最重要的一个数据是NGCM（音）的数据，是用了若干个摄像头进行覆盖，覆盖的只有600米，这个覆盖范围是不够的。基于这个原因，研究人员想出来，开展交通实验来对这个进行交通的研究。
通过交通实验来开展交通研究的话，可以把交通流一些复杂因素最小化，这样的话可以研究，希望能够了解交通流复杂性的一些根本机制。根据国外交通流的实验，其在圆形的道路上进行的实验，研究人员受到国外实验的启发，也开展了一系列的交通视频，和国外不一样的是，实验不是在圆形道路上进行，而是在真实的道路上。第一组实验用了25辆车，在3.2公里的道路上进行实验，控制第一辆车以不同的速度在道路上行驶，后面的车跟随着第一辆车进行实验。
第二次把车队加长了， 从25辆车加到51辆车，并在合肥关闭的机场的跑道上进行实验。这个实验的长度也是3公里左右。通过实验得到了一些结论，比如前后两个车之间的车速差是很小的这个现象，而且前后两个车的速度波动也很小，但是前后两个车车间距波动非常大的，这个反映了观测现象时较早。根据实验数据制成的离散图反映了相同的实验做了两次，一模一样的实验做了两次，可以看到整个车队的平均速度是差不多的，红蓝两条线基本上是重合的。但是两个车队的长度差了很远，中间这张图，蓝色的曲线和红色的曲线差的比较远。
基于此，认为之前提到了交通流理论里面的有一定问题的，因为它的流量、长度和速度并不是一一对应的。接下来又对这个车队的每一辆车的速度标准偏差做了分析。可以看到，它的增长方式是呈一种CONVEX增长趋势。接下来对现有的两项交通流模型里面非常经典的模型，称之为智能驾驶的模型，可以看到仿真的结果和实验的数据差得非常远，而且仿真的结果，定量上差得很远，定性上也有很大的差别。
研究人员对它做了一个参数，这个对驾驶员来说并不是一个常数，驾驶员可以随机调整这个，假设这个值会在T1和T2之间随机变化，变化率把它设为一个P值。那么基于这个假定并做了仿真，根据得出的仿真结果，可以发现实验结果是非常非常接近的，说明这个新模型某种程度上很好反应上驾驶员实际的驾驶行为。
通过实验模型、IDM模型和二维的IDM模型的仿真结果，，发现实验模型仿真结果和二维的IDM模型仿真结果是类似的，但IDM模型的仿真结果与其余两个相比结果是差得很大的。之前的实验车辆的速度最高做到了50公里，因为它的路段有限，只有3公里长。高速的时候车辆的行为是什么样的，一直想研究这个高速时候的等级，所以做了一次实验，这次实验在真正的高速公路上开展的实验。实验地点在合肥的机场高速，它的长度大概15公里，本次实验用了11辆车，在真实的高速公路上不敢用太长的车队，怕出安全问题。至于车队的速度，第一辆头车的速度采用了60km/h，70km/h和80km/h这三个速度，在高速公路上车队跑了很多次，重复进行实验。
通过分别头车速度60公里，70公里，80公里的三次实验的仿真结果，发现车辆的速度也是车队的前方速度比较稳定，到了车队的后方，车队的速度波动比较大，形成了条纹状的结构。比如说平均速度大概在60公里左右时，但是它车队的长度最高达380米，最低降到155米，变化是非常大的。这个也是类似的情况，车队速度差不多的情况下，车队有非常大的变化。实验结果从整个车队来分析的，接下来分析每一辆车平均的车间距。可以看到，不同的实验情况下，速度相同的情况下， 例如车速达80公里的时候，车间距有时候差的非常大可以观察到驾驶员在不同的轮次的实验中，差别非常大，这种驾驶行为区别我们就把它称之为驾驶员自身的异质性，驾驶行为随着变化的异质性。
再接下来统计了车队的每辆车速度的标准偏差，可以发现标准偏差沿着车队，随着第一辆，第二辆，越往后越大，增长也是CONVEX的趋势。
针对2D进行仿真，低速和高速同时进行仿真的时候，仿真的结果不是很好，对2D进行了一个改进，在模型中引入了一个阿尔法因子，然后在这种情况下同时对这个上界T2，也是随着时间变化的，在这两个改进的情况下，仿真结果和实验结果也比较相符。不同的车速的情况下仿真结果和实验结果的对比，基本上从图形上来看都是定性的，仿真结果比较令人满意的。
在不同速度下，又做了速度标准偏差的仿真，发现仿真结果也是比较好的。车队长度和平均车速的仿真结果，同样仿真结果里面车队的平均速度在每次仿真中差不多，车队长度有很大的变化。
通过每一辆车的每个轮次里面的车间距的平均值，发现同样的对于每个车来说，它的每一次仿真的平均值可能有比较大的变化。具体的某一辆车的速度，车间距的演化，当速度保持差不多的情况下，车间距会有较大的变化。
以上就是我们这个高速实验的一个实验结果和仿真结果。这次高速实验的车队的不是很大，只有11辆车，目前正在计划做一些更大规模的车队实验。当然了，进一步来说，现在都是驾驶员驾驶的车辆，随着自动车，网联车的出现，可以做一些驾驶员驾驶车辆和无人车、网联车混合在一起的实验，最后要说的是，这实验里面都是车辆的真实实验，但交通流里面还有真实的换道，在将来也会想办法做一些车辆换道的实验。
