地下道路線形及橫向凈距設(shè)計方法

1、基于多智能體仿真的地下道路線形及橫向凈距設(shè)計方法技術(shù)方案: 現(xiàn)實(shí)表明，地下道路由于其封閉性和躲避空間的局限性，交通安全事故的發(fā)生頻率是一般道路的幾倍，嚴(yán)重程度很高且極易引起后繼事故的發(fā)生，而把人、車、路和環(huán)境等幾個方面綜合進(jìn)行考慮的地下道路交通工程設(shè)計，被認(rèn)為是解決公路地下道路交通安全問題的重要措施之一。在地下道路交通工程涉及的各種手段和方法中，地下道路線形和橫向凈距的優(yōu)化設(shè)計能夠幫助駕駛員做出更有效的駕駛行為決策，減少駕駛焦慮和壓力，是真正能夠保證地下道路交通安全、提高通行能力的手段之一。本章主要基于SOAR認(rèn)知框架建立大型車輛多智能體模型，對不同道路線形和橫向凈距下的交通行為和交通流特征進(jìn)

2、行仿真和分析，提出優(yōu)化的地下道路線形和橫向凈距設(shè)計推薦方案。6.1 地下道路線形及橫向距離 對駕駛行為的影響分析荷蘭應(yīng)用科學(xué)研究組織(TNO)認(rèn)為，隧道的特殊設(shè)計包括隧道的長度、類型、寬度，隧道路線曲線的數(shù)目、曲度及波動等，在很大程度上影響著駕駛員的行為以及主觀安全感。但是這些研究都是針對公路隧道的研究，對地下道路的研究主要集中在橫斷面的設(shè)計、出入口變速車道長度以及交通安全的定性分析等，較少對城市地下道路的駕駛行為進(jìn)行研究。一般路段對駕駛員行為的影響分析 一般路段線形對駕駛員行為的影響主要有：1）長直線道路會使駕駛員在行駛過程中產(chǎn)生催眠現(xiàn)象，反應(yīng)變得遲鈍，注意力分散，從而導(dǎo)致行車中判

3、斷失誤；2）合適半徑的平曲線，給駕駛員適當(dāng)?shù)木o張感，有利于交通安全。不合理的平曲線設(shè)計會使司機(jī)在猜測和緊張中駕駛，使他們身體很容易疲勞，心臟負(fù)荷過大，判斷力下降，反應(yīng)遲鈍。過小的曲線半徑會降低駕駛員的停車視距使他們不能提前觀察到前方轉(zhuǎn)彎處，也不能對道路線形的走勢做到心中有數(shù)；3）長大下坡易造成駕駛員頻繁剎車，感覺疲勞、緊張；4）凸形豎曲線易導(dǎo)致駕駛員視距不足，看不到前方交通情況引起心情煩躁不安；夜晚無照明道路上的凹形豎曲線處視距不足，易引起駕駛員緊張心理。地下道路對駕駛員行為的影響分析地下道路線形對駕駛行為除了具有與一般路段相似的影響外，還具有其特殊性，其中線性變化對車速和心率變化的影響較明顯

4、。 1）車速：地下道路出入口是駕駛員心理變化最顯著且快速的路段。研究發(fā)現(xiàn)，一般車輛在進(jìn)入地下道路口前一定距離有明顯減速，在地下道路中，車速一般在較低水平范圍上下波動，而在出地下道路口有明顯加速過程。導(dǎo)致地下道路進(jìn)出口區(qū)域車速變化的主要原因是地下道路內(nèi)外光線差導(dǎo)致的視覺適應(yīng)和道路線形因素。根據(jù)對秦嶺二號地下道路和終南山地下道路調(diào)研研究發(fā)現(xiàn)車輛在地下道路進(jìn)出口前后5s設(shè)計車速行程范圍運(yùn)行車速都受到線形影響。郭忠印等對地下道路進(jìn)出口的運(yùn)行安全進(jìn)行了研究，認(rèn)為進(jìn)出口線形過渡是地下道路安全的主要影響因素之一。不同線形的地下道路出入口對內(nèi)部環(huán)境產(chǎn)生不同影響，直線地下道路不利于光線過渡，不能有效調(diào)節(jié)駕駛員心

5、理，無法避免 “黑洞效應(yīng)”和“白洞效應(yīng)”引起的減速進(jìn)洞、加速出洞現(xiàn)象的出現(xiàn)。瑞士及北歐國家的公路地下道路絕大多數(shù)都做成曲線形的，這有利于提高駕駛員的注意力，且地下道路出入口曲線段可以有效解決“黑白洞”問題，減少事故的發(fā)生。在地下道路中行駛，駕駛員的視野受到諸多因素的影響，視野隨車速的變化而變化，同樣，車速隨視野的變化而變化，即駕駛員總是根據(jù)其視野大小來選擇行駛速度。當(dāng)前方出現(xiàn)小半徑平曲線、縱坡、地下道路洞口等使視野變小時，駕駛員會相應(yīng)的降低速度；當(dāng)前方為長直線或者大半徑平曲線通視良好時，視野增大，駕駛員會提高速度。 2）心率：研究發(fā)現(xiàn)，駕駛員心率增量與地下道路的彎道半徑存在較大相關(guān)性。小半徑地

6、下道路由于離心力、視距、通風(fēng)不良等原因易引起駕駛員心率增加，對駕駛員的感知、情緒造成影響。此外，地下道路的密閉空間易造成駕駛員的壓迫感，感覺地下道路內(nèi)車道寬度變小，曲線地下道路會給駕駛員造成與地下道路內(nèi)壁相撞的恐懼感，產(chǎn)生所謂的“邊墻效應(yīng)”，駕駛壓力大大增加，并有可能情緒失控，操作失誤，引起事故。單向通行的地下道路應(yīng)設(shè)置為大半徑曲線，駕駛員適當(dāng)?shù)男穆试黾印⑿睦砭o張利于注意力的集中，且大半徑曲線地下道路光照過渡性好，利于駕駛員的明暗適應(yīng)過程。根據(jù)長安大學(xué)西漢高速秦嶺地下道路群路段的調(diào)研數(shù)據(jù)，地下道路縱坡對駕駛員心理的影響因上下坡而有所變化，上行路段上坡過程心率增加率隨坡度不同而變化，在縱坡由小變

7、大過程，駕駛員為了沖越坡度，一般速度提升，心率增加率變大，在縱坡2.7%左右心率增加率達(dá)到頂峰；坡度繼續(xù)增大，則駕駛員采取保守措施，低檔穩(wěn)速爬坡，心率有所下降；隨著坡度繼續(xù)增加，爬坡難度增加，駕駛員心理緊張，心率再次升高。下坡過程心率變化受到車速控制影響，在坡度為34%之間時心率增量最大，坡度繼續(xù)增加，駕駛員剎車控制車速，心率反而降低。 3）橫凈距：公路地下道路設(shè)計規(guī)范中對公路地下道路停車視距作出了明確的規(guī)定,其中所采用的安全停車視距與普通路基的停車視距是一致的。由于地下道路內(nèi)輪廓的限制, 洞內(nèi)的橫凈距( 視點(diǎn)至洞壁或檢修道等障礙物的距離) 遠(yuǎn)小于普通路基的橫凈距值。地下道路橫凈距越小, 要求

8、最小平曲線半徑越大；單向雙車道地下道路，左側(cè)車道橫凈距小于右側(cè)車道橫凈距；依據(jù)車輛行駛方向，左轉(zhuǎn)彎地下道路的橫凈距小于右轉(zhuǎn)彎，地下道路左轉(zhuǎn)彎曲線地下道路較右轉(zhuǎn)彎曲線地下道路不利于安全。 因此，地下道路平曲線半徑小于最小視距半徑時,應(yīng)采取措施加大地下道路橫凈距。6.2 SOAR 認(rèn)知框架概述SOAR的全稱為狀態(tài)、算子和目標(biāo)（State, Operator and Result）,是由Allen Newell等人于1983年開發(fā)的稱為“通用智能”的一種框架，主要討論知識、思考、智力和記憶，是一個應(yīng)用范圍非常廣的認(rèn)知結(jié)構(gòu)。其中，狀態(tài)是當(dāng)前要解決問題的情況表征，算子是可以改變狀態(tài)、產(chǎn)生新的狀態(tài)的操作，

9、目標(biāo)是需要解決問題的理想結(jié)果。SOAR的運(yùn)行就是在問題空間持續(xù)地應(yīng)用算子和選擇下一個算子直到該問題目標(biāo)實(shí)現(xiàn)的過程。SOAR框架主要包括輸入/輸出界面、長期記憶區(qū)、工作記憶區(qū)三大部分，還有其他一些潛在的機(jī)制如決策周期、學(xué)習(xí)過程等。如下圖1所示：圖6-1 SOAR框架的結(jié)構(gòu) 如上圖所示，SOAR必須通過感知/動作界面與外界發(fā)生交互，由感知將外部世界映射到工作記憶中，通過動作將工作記憶內(nèi)部的表征返回外部環(huán)境并產(chǎn)生行動。SOAR內(nèi)部具有不同表征形式的工作記憶區(qū)和長期記憶區(qū)，分別用來描述問題求解的當(dāng)前狀態(tài)和長期記憶。工作記憶用具有等級結(jié)構(gòu)的狀態(tài)/目標(biāo)圖表來表示與當(dāng)前狀態(tài)相關(guān)的感知數(shù)據(jù)、中間推理的結(jié)果、活

10、動目標(biāo)和活動算子等。長期記憶包括程序性記憶、語義性記憶和情節(jié)性記憶。SOAR通過一個固定的處理機(jī)制決策周期，完成SOAR的選擇和應(yīng)用算子等功能。伴隨著決策周期SOAR有四種不同的學(xué)習(xí)機(jī)制，分別是強(qiáng)化學(xué)習(xí)、組塊、情節(jié)性學(xué)習(xí)和語義性學(xué)習(xí)。6.3 應(yīng)用于地下道路線形和橫向凈距仿真的SOAR智能體設(shè)計 本節(jié)采用SOAR認(rèn)知框架對地下道路行車中的駕駛員智能體進(jìn)行建模，包括智能體工作記憶、長期記憶、程序性算子選擇方法及學(xué)習(xí)機(jī)制等。6.3.1 通過地下道路的駕駛員智能體工作記憶設(shè)計 工作記憶包括SOAR智能體的所有關(guān)于世界和內(nèi)部推理的動態(tài)信息，它包括感知信息，中間計算，分級的狀態(tài)以及相關(guān)的算子和目標(biāo)等，智能

11、體所有的推理和決策都在工作記憶中進(jìn)行。SOAR中所有工作記憶中的信息被組織成圖表結(jié)構(gòu)，下圖6-2為某一個經(jīng)過地下道路駕駛員智能體工作記憶的圖表結(jié)構(gòu)。 S1Vehicle: V1Driver: D1Super-State: nilName: s1IO: IO1V1Size: smallType: private-carD1Gender: maleAge: 45Driving-years: 20Incomings: 8000Character: reservedMatch-accuracy: 1Familiarity: type1Location: org-locIO1Output-Link: I

12、3Input-Link: I2O1Operator: move forwardOperator: turn left.I1Road-alignment: LClear-distance: SSense-Density: 2Velocity: FTurn-angle:L2圖6-2 駕駛員智能體工作記憶如上圖所示，工作記憶里的狀態(tài)S1包含五個屬性，其中vehicle、driver、IO屬性的值為對象V1、D1和I1，其余兩個屬性分別表示該狀態(tài)的名稱為s1，且其沒有父狀態(tài)。狀態(tài)S1的V1屬性表示智能體組成單元車輛的相關(guān)信息，包括表示車輛的尺寸為小，車輛的用途為私家車，當(dāng)前速度很快。S1的D1屬性表示

13、駕駛員的相關(guān)信息，包括駕駛員的性別為男，年齡為45，駕齡為20年，月收入為8000，性格為穩(wěn)重型，對路網(wǎng)非常熟悉，當(dāng)前駕駛員的匹配精度為1，當(dāng)前位置為初始位置。IO屬性為S1的輸入輸出，分別通過input-link和output-link接口實(shí)現(xiàn)，其中input-link的標(biāo)識符I1有四個屬性，分別表示智能體從外界感知到的與路段以及周邊環(huán)境相關(guān)的信息，包括屬性Road-alignment、Clear-distance、Sense-density、Velocity、Turn-angle分別表示當(dāng)前車輛所在道路的感知線形、橫向距離、感知擁堵程度、速度、轉(zhuǎn)彎角度。輸出接口output-link的標(biāo)識

14、符O1表示該狀態(tài)下的輸出，比如選擇要應(yīng)用的算子以及應(yīng)用算子對工作記憶及周邊環(huán)境的影響結(jié)果通過I3下的屬性輸出。表6-1 工作記憶輸入和輸出序號屬性輸入輸出取值編碼說明1當(dāng)前路段線形輸入直線段、左轉(zhuǎn)彎道、右轉(zhuǎn)彎道1,2,31路段線形特征值輸入彎道半徑1,2,3,42橫向距離輸入數(shù)值1,2,33當(dāng)前道路擁堵狀況輸入嚴(yán)重?fù)矶隆⒁话銚矶?、通?,2,14預(yù)測道路擁堵狀況輸入嚴(yán)重?fù)矶?、一般擁堵、通?,2,15當(dāng)前情緒輸入舒暢、急躁1,26目的地輸入左、前、右1,2,37駕駛風(fēng)格輸入保守、冒險、一般1,2,39當(dāng)前行駛狀態(tài)輸入直行、左轉(zhuǎn)、右轉(zhuǎn) 1,2,38行駛狀態(tài)特征值輸入速度、角度具體值9改變當(dāng)前情緒

15、輸出舒暢、急躁切換匹配精度升降依記憶規(guī)則確定10改變目的地輸出左、前、右目的地切換依記憶規(guī)則確定11改變行駛狀態(tài)輸出直行、左轉(zhuǎn)、右轉(zhuǎn)及對應(yīng)特征值變化依記憶規(guī)則確定6.3.2地下道路行車中駕駛員智能體長期記憶設(shè)計 長期記憶區(qū)是一個成果記憶區(qū)。長期記憶中最重要和最有效的是程序性知識，情節(jié)性知識只在程序性的知識不足以支撐決策時才起作用，在駕駛行為中不涉及語義性知識。SOAR智能體經(jīng)過地下道路駕駛行為程序性記憶用產(chǎn)生式規(guī)則來進(jìn)行表征。首先，用每個規(guī)則的“if”部分去匹配工作記憶里的元素，如果規(guī)則的“if”部分與工作記憶元素完全匹配，這個規(guī)則就會被觸發(fā)，然后通過發(fā)送一條到運(yùn)動系統(tǒng)的信息或產(chǎn)生改變當(dāng)前狀態(tài)

16、的建議，引起“then”部分觸發(fā)，即任何與當(dāng)前目標(biāo)、狀態(tài)和算子匹配的規(guī)則會改變當(dāng)前的目標(biāo)和狀態(tài)。SOAR智能體經(jīng)過地下道路的情節(jié)性記憶是智能體的特定經(jīng)歷和記憶，是情節(jié)性學(xué)習(xí)的知識來源，一旦駕駛行為決策完成，就將當(dāng)前行為、對應(yīng)的決策狀態(tài)轉(zhuǎn)移路徑及反饋偏好值進(jìn)行記錄，以備在下次遇到?jīng)Q策困境時使用。表6-2 某個駕駛員智能體的部分初始長期記憶規(guī)則規(guī)則編號IF/THENIF/THENIF/THENIF/THENIF/THENIF/THENIF/THENIF/THENr1I R-A1(2)I R-A2(1)I C-D(1)I S-D(1)I D-S1(2)I D-S2(12)T D-S1(1)T D-S

17、2(1)r2IS-D(3,1,3)I P-D(3,1,3)I Des(1)TDes(2)r3IS-D(223)I R-A1(3)I R-A2(3)I D-S1(3)I D-S2(1,3)TTem(2)r4I R-A1(1)I R-A2(3)I C-D(1)T D-S1(1)T D-S2(2)r5I R-A1(2)I R-A2(2)I C-D(2)I D-S1(1)I D-S2(3)T D-S1(2)T D-S2(2)上表中，I表示條件，T表示行動，R-A1, R-A2, C-D, S-D, P-D, Tem, Des, D-S1, D-S2為對象屬性的縮寫， 分別表示線形、線形特征值、橫向距離

18、、擁堵、預(yù)測擁堵、情緒、目的地、行駛狀態(tài)、行駛狀態(tài)特征值。以r5為例，規(guī)則意義為如果當(dāng)前線形為左轉(zhuǎn)彎，轉(zhuǎn)彎半徑為中等（根據(jù)具體值進(jìn)行標(biāo)定），車輛橫向距離較大（根據(jù)具體值進(jìn)行標(biāo)定），當(dāng)前車輛正直行且速度較快，則在滿足轉(zhuǎn)彎條件前提下車輛左轉(zhuǎn)，速度降低1個單位，其它規(guī)則意義依此類推。上述規(guī)則只是某個駕駛員智能體初始規(guī)則的一部分，篇幅所限，不詳細(xì)列出。另外，駕駛員智能體規(guī)則在學(xué)習(xí)過程中會通過學(xué)習(xí)機(jī)制動態(tài)的增加和刪除。SOAR智能體的誘導(dǎo)服從行為的情節(jié)性記憶是智能體的特定經(jīng)歷和記憶，是情節(jié)性學(xué)習(xí)的知識來源，一旦誘導(dǎo)服從行為決策完成，就將當(dāng)前行為、對應(yīng)的決策狀態(tài)轉(zhuǎn)移路徑及反饋偏好值進(jìn)行記錄，以備在下次遇到

19、決策困境時使用。6.3.3 程序式算子選擇經(jīng)過地下道路的SOAR智能體中采用數(shù)值偏好。長期記憶規(guī)則庫中的每條規(guī)則包括匹配條件和匹配條件滿足下可以建議的算子，以及此條件下建議該算子的數(shù)值偏好值。每添加一條新規(guī)則需要判斷該規(guī)則中算子的初始數(shù)值偏好大小，并在決策過程中根據(jù)外界的反饋對該值的大小進(jìn)行更新以使其更接近真實(shí)情況，為駕駛員的決策提供更加準(zhǔn)確的信息。1）令表示狀態(tài)下的候選算子集合，如果其基數(shù) 等于1，則選擇進(jìn)入工作記憶，否則繼續(xù)；2）如果，則以輪盤賭機(jī)制從中選擇當(dāng)前算子進(jìn)入工作記憶，否則繼續(xù)；其中、表示狀態(tài)下最優(yōu)算子和次優(yōu)算子的偏好，表示狀態(tài)下算子直接選擇閾值；3） 如果或，則不能直接進(jìn)行算子

20、選擇，則產(chǎn)生困境，進(jìn)入組塊學(xué)習(xí)階段。6.3.4學(xué)習(xí)機(jī)制本章主要采用組塊學(xué)習(xí)方式來描述駕駛員經(jīng)過地下道路駕駛行為的學(xué)習(xí)功能。組塊是SOAR在困境解決時進(jìn)行學(xué)習(xí)的機(jī)制，即在子狀態(tài)的處理過程中學(xué)習(xí)組塊規(guī)則。當(dāng)一個困境產(chǎn)生時意味著當(dāng)期系統(tǒng)的長期記憶中沒有可以利用的算子使得問題求解過程在問題空間中向前移動，需要自動創(chuàng)建一個新的規(guī)則來解決當(dāng)前困境，組塊規(guī)則的建立需要分析長期記憶中與達(dá)到結(jié)果相關(guān)的產(chǎn)生式規(guī)則及情節(jié)記憶線索。6.3.4.1困境的解決當(dāng)程序式記憶不能對當(dāng)前狀態(tài)選擇算子時，采用如下步驟解決困境。1）令從初始狀態(tài)經(jīng)過i次狀態(tài)轉(zhuǎn)移得到的當(dāng)前狀態(tài)為，如果或，則符合組塊學(xué)習(xí)條件，令j=i+1，繼續(xù)；否則采

21、用程序式記憶進(jìn)行算子選擇，見3.4；2）如果j=0，轉(zhuǎn)5；否則j:=j-1；3）在所有情節(jié)記憶庫中尋找狀態(tài)轉(zhuǎn)移路徑中包含的情節(jié)性記憶的算子集合，記為。如果，轉(zhuǎn)2，否則繼續(xù)；4）在中選擇最優(yōu)算子進(jìn)入工作記憶，解決當(dāng)前困境，轉(zhuǎn)7；5）如果，以步長0.1改變當(dāng)前狀態(tài)的匹配精度，直到滿足當(dāng)前狀態(tài)的算子集合出現(xiàn)，其中表示改變匹配精度后的新狀態(tài)；6）在或中采用輪盤賭機(jī)制選擇算子進(jìn)入工作記憶，解決當(dāng)前困境；6.3.4.2組塊規(guī)則經(jīng)過地下道路的智能體除了初始程序性記憶規(guī)則外，絕大部分規(guī)則是通過組塊創(chuàng)建的。如果智能體在狀態(tài)轉(zhuǎn)移中遇到過困境，則說明決策過程中有部分狀態(tài)沒有算子或者不能直接選擇，那么智能體此次決策后

22、，需要采用組塊學(xué)習(xí)方法創(chuàng)建規(guī)則及偏好更新。如果，則對解決困境的算子進(jìn)行一次組塊更新，其中表示智能體在狀態(tài)下的期望駕駛目標(biāo)，表示智能體動作的實(shí)際駕駛目標(biāo),為規(guī)則組塊更新閾值。如果相同規(guī)則連續(xù)兩次被組塊更新，則將對應(yīng)算子添加到?jīng)Q策過程中遇到困境狀態(tài)，組塊成功。無論是組塊形成還是已經(jīng)存在的規(guī)則，智能體后都要對此次決策涉及的算子進(jìn)行反饋學(xué)習(xí)，由于決策過程涉及多個狀態(tài)和算子，因此采用各狀態(tài)與目標(biāo)狀態(tài)的距離來分配對應(yīng)算子的反饋偏好。決策周期的狀態(tài)轉(zhuǎn)移路徑中第個狀態(tài)對應(yīng)的算子的反饋偏好值為，其中=為最終狀態(tài)下的總偏好反饋值，本文中參數(shù)取0.5；為分配到上的權(quán)重，它是狀態(tài)到的距離及所在的狀態(tài)轉(zhuǎn)移路徑的函數(shù)，本

23、文，其中為所在路徑包含的狀態(tài)數(shù)量。 6.4 仿真框架圖6-3 地下道路線形及橫向凈距優(yōu)化仿真框架6.5 仿真實(shí)驗及分析 本仿真實(shí)驗首先對面向地下道路線形和橫向凈距的SOAR智能體進(jìn)行設(shè)計，繼而針對不同線形和橫向凈距條件下進(jìn)行仿真實(shí)驗，對不同仿真條件下的實(shí)驗結(jié)果進(jìn)行分析，給出本實(shí)驗場景下的最優(yōu)推薦方案。6.5.1 仿真場景設(shè)置仿真場景為天津某地下道路，單向三車道，仿真場景中線形、橫向凈距等在原設(shè)計方案基礎(chǔ)上進(jìn)行一定程度的調(diào)整后，分別進(jìn)行仿真實(shí)驗，在仿真實(shí)驗結(jié)果分析基礎(chǔ)上，得到不同條件下的橫向凈距和線形優(yōu)化方案。下圖為部分現(xiàn)場圖。圖6-4 地下道路線形及橫向凈距場景1圖6-5 地下道路線形及橫向凈

24、距場景2基于該地下道路設(shè)計方案，采用uc win/road進(jìn)行三維虛擬現(xiàn)實(shí)構(gòu)建，用來進(jìn)行實(shí)驗參數(shù)標(biāo)定的基礎(chǔ)，地下道路設(shè)置為三車道，設(shè)計車速為40公里，部分模擬場景如下圖所示。圖 6-6 地下道路模擬場景1圖 6-7 地下道路模擬場景26.5.2 仿真實(shí)驗在地下道路直線段和彎道行駛條件下，在不同行車速度下對標(biāo)準(zhǔn)橫向凈距進(jìn)行一定幅度調(diào)整，本章一般條件下的橫凈距和視距半徑如下表6-3和6-4所示。 表6-3 地下道路一般條件下橫凈距車速（km/h）一般橫凈距（左）一般橫凈距（右）小汽車（m）大貨車（m）小汽車（m）大貨車（m）1002.7252.3754.0254.375802.7252.3753.

25、7754.125602.62.253.654401.851.52.653301.7251.3752.5252.875201.61.252.42.75表6-4 地下道路一般條件下視距半徑車速（km/h）一般視距半徑（左）一般橫凈距（右）小汽車（m）大貨車（m）小汽車（m）大貨車（m）10011741705795926805558224014736027040119322640108208751043065111455320314021186.5.2.1 地下道路直線段橫向凈距仿真在地下道路直線段小汽車行駛條件下，將橫凈距在一般基礎(chǔ)上以5%的步長減小或者增加15%，采用本章仿真方法對車輛通過直線段

26、進(jìn)行仿真，下表為300分鐘內(nèi)200m路段上不同車速下不同仿真實(shí)驗對應(yīng)的交通沖突數(shù)據(jù)。 表6-5 不同車速和不同橫凈距下的地下道路直線段行駛交通沖突數(shù)據(jù)（小汽車）車速(km/h)實(shí)驗1（減小15%）實(shí)驗1（減小10%）實(shí)驗1（減小5%）實(shí)驗1（一般值）實(shí)驗1（增加5%）實(shí)驗1（增加10%）實(shí)驗1（增加15%）1001961711511441391351358019316515114013613313260181169156150146140138401661401321281271241223015413412912512512112020123116116115114111110圖6-8 直線

27、段行駛中不同橫凈距下的交通沖突圖（小汽車）在地下道路直線段大貨車行駛條件下，將橫凈距在一般基礎(chǔ)上以5%的步長減小或者增加20%，采用本章仿真方法對車輛通過直線段進(jìn)行仿真，下表為300分鐘內(nèi)不同車速下不同仿真實(shí)驗對應(yīng)的交通沖突數(shù)據(jù)。 表6-6 不同車速下的地下道路直線段行駛交通沖突數(shù)據(jù)（大貨車）車速(km/h)橫凈距減小15%橫凈距減小10%橫凈距減小5%一般橫凈距橫凈距增加5%橫凈距增加10%橫凈距增加15%1002522422232081911801798024122521420318617717160229223217202187179170402101951871821721691693

28、022121219218216816616520201194178172162160160不同速度下和橫凈距下的交通沖突曲線圖如下圖所示。圖6-9 直線段行駛中不同橫凈距下的交通沖突圖（大貨車）6.5.2.2 地下道路彎道橫向凈距仿真在地下道路彎道段小汽車行駛條件下，將橫凈距在一般基礎(chǔ)上以5%的步長減小或者增加20%，采用本章仿真方法對車輛通過直線段進(jìn)行仿真，下表為30分鐘內(nèi)不同車速下不同仿真實(shí)驗對應(yīng)的交通沖突數(shù)據(jù)。表6-7 不同車速下的地下道路彎道行駛交通沖突數(shù)據(jù)（小汽車）車速(km/h)橫凈距減小15%橫凈距減小10%橫凈距減小5%一般橫凈距橫凈距增加5%橫凈距增加10%橫凈距增加15%1

29、002151881581481401341318020918417015513813112960194185164152134127125401731571411371341301313016315213713412812612320134131124118120120118不同速度下和橫凈距下的交通沖突曲線圖如下圖所示。圖6-10 彎道行駛不同橫凈距下的交通沖突圖（小汽車）在地下道路彎道大貨車行駛條件下，將橫凈距在一般基礎(chǔ)上以5%的步長減小或者增加20%，采用本章仿真方法對車輛通過直線段進(jìn)行仿真，下表為30分鐘內(nèi)不同車速下不同仿真實(shí)驗對應(yīng)的交通沖突數(shù)據(jù)。表6-8 不同車速下的地下道路彎道行駛交通沖突數(shù)據(jù)（大貨車）車速(km/h)橫凈距減小15%橫凈距減小10%橫凈距減小5%一般橫凈距橫凈距增加5%橫凈距增加10%橫凈距增加15%10026824823521822321126880250229228202212207250602402222171941981832404022321020918718618122