郭宇奇，侯德藻，李一丁，衣 倩，黄烨然

（交通运输部公路科学研究院，北京 100088）

随着自动驾驶技术的不断发展，同时含有自动驾驶车辆和人工驾驶车辆的异构交通场景下的宏观交通流建模成为研究的热点。从车辆的跟驰模型入手，通过对不同自动驾驶车辆混入率下流量、密度和速度之间的关系进行分析，构建异构交通场景下的LWR（Lighthill，Whitham and Richards）模型［1-2］；基于气体动力学描述交通流的空间密度、速度的动力学特征，在自动驾驶车辆加速度方程式中增加当前车辆与头车速度差的协同因子系数，建立宏观异构交通流模型［3］；将ARZ（Aw-Rascle-Zhang）模型［4］嵌入二阶交通流模型，在速度与密度的动力学方程中加入特定参数来表示自动驾驶车辆比例，从而构建异构场景下的宏观交通流模型，该模型可以更加全面地表征异构场景下的交通流特性［5］。上述几类连续模型都是基于偏微分方程建立的，求解难度大，并且求解时对模型离散化处理的步长难以选取，易造成无解等问题。

针对连续模型的不足，以元胞传输模型（CTM）描述宏观异构交通流模型［6-10］成为了新的研究方向。从微观驾驶行为出发，考虑自动驾驶车辆与人工驾驶车辆在跟驰模型中反应时间的不同，建立混合多类CTM［11］；基于自动驾驶和人工驾驶的跟驰模型，得到异构场景下混合密度计算公式、流量与密度之间的关系［12-13］，以及元胞通行能力、临界拥堵密度等基本参数与自动驾驶车辆混入比例的量化映射关系，从而构建异构交通场景下的CTM。……