Resumen

Como secciones propensas a accidentes y cuellos de botella, las secciones de tejido de las autopistas serán más complicadas cuando se trate de entornos de tráfico mixto con vehículos conectados y automatizados (CAV) y vehículos de conducción humana (HV). Con el fin de que los CAVs identifiquen con precisión el comportamiento de conducción de los vehículos manuales-humanos para evitar accidentes de tráfico causados por el cambio de carril, es necesario analizar las características del proceso de cambio de carril obligatorio (MCL) en el área de tejido. En este estudio se propone un método analítico de MCL basado en las características psicológicas del conductor. En primer lugar, se propuso el concepto de presión de MLC del conductor guiándose por la distancia de la rampa de salida. A continuación, se cuantificó la intención de cambio de carril teniendo en cuenta la presión MLC del conductor y la propensión. Por último, basándose en la intención de cambio de carril y en la distribución de la distancia del carril objetivo, se propuso un modelo de densidad de probabilidad de posiciones MLC para describir las características de distribución de la posición de cambio de carril. Mediante la verificación de datos NGSIM, los modelos de análisis de cambio de carril pueden describir objetivamente las características de cambio de carril de los vehículos en los escenarios reales. En comparación con el modelo tradicional de cambio de carril, los modelos propuestos son más interpretables y acordes con la intención de conducción. Los resultados muestran mejoras significativas en el reconocimiento seguro del cambio de carril de los CAVs en flujos de tráfico heterogéneos (tanto CAVs como HVs) en el futuro.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:carril, cavs, conductor, intención, concepto de presión mlc, verificación de datos ngsim, método analítico mcl, flujo de tráfico heterogéneo, tramos de autopista de zigzagueo, modelo de densidad de probabilidad
• Keywords:lane, cavs, driver, intention, mlc pressure concept, ngsim data verification, analytical mcl method, heterogeneous traffic flow, highway weaving sections, probability density model