关键词:
Carl a-SUMO
参数优化
帕累托前沿
贝叶斯网络
混合交通流
摘要:
随着自动驾驶技术的发展,自动驾驶车辆(CAV)与人工驾驶车辆(HV)在混合交通流中的交互日益复杂,尤其是在高速公路异常事件中,其对交通流的影响亟待深入研究。为此,本研究采用Carl a-SUMO联合仿真平台,构建环形高速公路场景,模拟真实高速公路行驶特性,并设置事故区域以模拟异常事件。通过与真实交通数据的对比,利用遗传算法对仿真模型的关键参数进行优化,以提高仿真的准确性和可靠性。研究结果表明,随着CAV渗透率的增加,交通流的流畅性和稳定性显著提升,但系统在突发事件中的适应性可能下降。敏感性分析显示,策略性换道(lcStrategic)和减速度(decel)是影响交通系统性能的主要因素。具体而言,当CAV渗透率从0增加到100%时,最大排队长度显著缩短,拥堵持续时间逐步减少,而空间平均速度显著上升。这些发现为CAV与HV协同环境下的交通系统优化提供科学依据,表明通过合理优化CAV参数,可改善混合交通流的稳定性和安全性。