1 研究背景
随着我国国民经济水平不断提升，机动车数量急剧增加，城市交通拥堵、交通事故频发成为越来越影响人民安定生活的重要因素。因此，为了有效控制和管理城市交通，我们要关注常常产生问题的问题点，如隧道出口。在发现问题后，提出有效的解决办法，然后交通部门可以采取相应控制策略来对交通流量进行疏导和控制，保障机动车的畅通无阻，改善交通拥堵状况。
由于数据的复杂性,决策者需要有效的决策支持系统,能够根据现有实测数据，建立模型，并对未来状态进行预测，从而防范化解重大难题。通过对隧道出口现有数据的处理及分析可预测出将来隧道口的交通状态，并在需要科学决策时，以模型作为参考意见。同时，隧道出口的交通流状态需要准确和实时的交通流预测数据，才能更好地指导智能交通、缓解交通拥堵、加快智慧城市的建设。
2 研究目的及意义
研究目的：汽车保有量日益增加是道路交通中由车辆跟驰行为日趋复杂的重要原因，同时也在一定程度上造成了交通拥堵，严重降低了道路出行安全性。在复杂的交通路况下，驾驶者有时为了更高的通行效率，在驾驶过程中经常会进行决策，是否继续跟驰，如何跟驰。因此，需要对我国城市道路交通中有关车辆跟驰行为进行研究，从而寻找有效提高道路利用率的方法。准确地获得交通量较大地区的车辆行进轨迹并对跟驰特性进行分析具有很大的现实意义。通过对车行轨迹数据进行数据处理，分析出口段交通流跟驰行为特征并构建出口段跟驰行为模型。为了提高拟合模型的精确度，应用元胞自动机及基本数理统计知识进行出口段跟驰行为数据处理仿真，其中单位元胞可能小，以达到精确度高的要求。
研究意义：论文研究的意义在于对隧道出口段交通流跟驰行为做出了总结与分析。车辆行驶是一个多因素影响、时变性强的复杂过程。目前已有很多学者建立了相对完整的跟驰模型，但都有较为具体的应用场景，如城市道路、高速公路、隧道等，但极少有适用于隧道出口的跟驰模型。且现存隧道出口的跟驰模型有时考虑因素过于片面。本课题针对隧道出口的跟驰行为分析,研究重点在于如何提高拟合模型的精度，分析并建立更好的车辆跟驰模型并进行仿真试验，对交通系统高效运行具有重大的现实意义。
3 国内外研究状况
3.1 国外研究状况
车辆跟驰(Car Following, CF)行为是最基本的微观驾驶行为，描绘了无法超车或条件受限的单车道车流中相邻两车的相互作用。其运用了动力学来研究前车(Leading Vehicle, LV)运动状态变化所引起跟驰车(Following Vehicle, FV)的相应行为的变化，对车辆跟驰方式的不同进行分析比较来得出单车道交通流特性，从而建立起驾驶者行为与交通流现象间的联系。车辆跟驰理论是交通流理论的极其重要的内容。
元胞自动机(Cellular Automata,CA)本质上是在一个由具有有限、离散状态下的元胞所构成的物体在元胞空间中,依据特殊的局部规律,在时间和维度上进行演变推理的一个动力学体系。由于车辆和交通的各个影响因素都是离散的,用元胞自动机理论方法来对车辆和跟驰的行为进行建模,避免了一个离散-连续-离散的近似过程,具有独特的技术优越性。Cremer等［1］最早将元胞自动机理论应用于交通系统建模。Wolfram等［2］提出最简单的元胞自动机跟驰模型原型，即一维初等元胞自动机的184号规则。其基本规则是：当ｔ时刻一个元胞是空的而其左侧有车，t 1时刻，其左侧元胞上的车辆向右行驶并占据该元胞；如果一个元胞上有车，而其右侧元胞上也有车，该元胞上的车流就因前方没有行驶空间而停留。通过184号规则演化得到的图案与交通流理论中的车流时空演化图非常相似。
对184号规则进行深入研究与发展，1992年，Nagel等［3］提出了NaSch模型。模型中，从ｔ时刻到t 1时刻，车辆按规则演化。加速规则，是指驾驶人期望以最大速度行驶。减速规则，是驾驶者为了减少事故发生的可能性而采取的相应措施。随机慢化规则，是驾驶者因受到其他因素干扰而随即采取的减速措施。运动规则，驾驶者操纵车辆以当前速度继续向前行驶。
研究学者逐渐倾向于利用元胞自动机理论探讨各种道路交通现象。元胞自动机被用于建立跟驰模型时，行驶距离被划分为等长度的小格，一个元胞空间即为一个小格，特定时间长度内车辆根据规则进行车辆位置状态的更新，这种模型同其他模型相比益于计算、修改灵活以及便于表达交通流这一复杂系统。演化规则还可以根据真实交通条件的各种特征（如路障、高速公路以及驾驶员因素）的改变进行相应的更改。早在上个世纪50年代，伟大科学家Von Neuman第一个提出元胞自动机，后来Wolfram研究了较为简单的一维元胞自动机规则，即最基本的184号交通流模型[4][5][6]，为元胞自动机在交通流领域的应用奠定了坚实的基础。
3.2 国内研究状况
杨龙海等[10]依据建模的方法将跟驰模型分为理论驱动与数据驱动两类模型,结果表明:理论驱动类跟驰模型用理论表现交通现象,难以对影响因素考虑全面,数据驱动类跟驰模型用现象归纳规律, 由于数据的来源、评价指标及评价方法不同,导致应用机器学习算法得到的模型无法系统比较。
元胞自动机基本理论在跟驰模型中应用越来越广泛，刘泓[11]等根据实际情况中车辆的车头时距的分布与跟驰状况，提出了基于一维元胞自动机的双跟驰模型。双跟驰模型包含了较为充分的交通信息，以该车前一车辆、前二车辆及车头时距为依据，得出交通流亚稳态有较强的鲁棒性，可以并行更新规则，适宜使用在规模较大的应用场景。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
