1、“.....时，恶劣天气对标准当量的影响较大，特别的是在大雾天达到，而雪天也达到了，少量的自动驾驶车辆的加入造成的混合车流由于车辆的跟驰模型不同，造成交通流更大程度的紊乱，因此自动驾驶车辆的标准当量较大。结论根据本文上述的研究内容表明，在具体路段投放自动驾驶车辆进行测试时需要实时考虑到路段自动驾驶车辆渗透率，天气环境因素的影响。实验结果表明，天气变化对混合交通不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模论文原稿，过高或者过低的渗透率都会导致通行能力的降低。这是由于较低的渗透率使得通行能力的提高效果不明显，而过高的渗透率会由于智能车辆较为保守的驾驶行为，略微降低通行能力。恶劣天气下自动驾驶车辆渗透率的提高会增加通行能力。在雾天和大雨天气，通行能力随着渗透率增加而提升，这是由于自动驾驶车辆通过检测器检测周围车辆，不受能见度影响......”。

2、“.....针对不同天气状态和自动驾驶车渗透率对通行能力和自动驾驶车辆标准当量的影响进行了仿真评价，仿真路网选择包含普通直线路段和少部分环道的车道矩形闭环道路，路段总长度为，自动驾驶车辆和人为驾驶车辆分别按照，种比例满负荷加载在仿真路网上，具体如图所示天气条件的影响结果在此基础上，进行仿真计算，仿真运行分钟，获得结果如图所示从上图可以得到大雾景时，恶劣天气会对车辆尤其是人为驾驶车辆产生较大影响大雨天气和大雾天气视野能见度受到定影响，这会改变人为驾驶车辆的驾驶行为雪天等路面湿滑天气会影响路面粘滞系数，两种车辆的驾驶状态都会改变。因此本节标定了不同天气对自动驾驶车辆和人为驾驶车辆的跟驰模型影响值，并进行仿真计算量化其对道路交通安全的影响。基于此，实验设计将进行几种常见天气包括晴天雨天雪天雾用和跟车模型对自动驾驶车辆的跟驰行为进行量化。与相比......”。

3、“.....更能捕捉的以下特性。因此，自动驾驶车辆的跟驰模式如下式所示式中，为前控制时间的速度为实际车距与期望车距之间的误差为的导数形式为最小安全距离为期望车头时距和为控制参数。在导出上式中的速度后，可得到混合流跟驰模型下自动驾驶汽车的期员模型的基础上，再进行进步优化，具体模型表达式如下其中理想驾驶速度期望间距静止安全距离安全时间间隔起步加速度舒适减速度。传统模型考虑了期望速度期望间距前后车速度差等多因素对跟驰行为的影响，模型描述的跟驰行为能够较好地符合实际情况。此外，模型还具有所含参数物理意义明确易于标定及优化的特点。因此，该模型较为灵活适用，也可以具体的结合自动这变化将会发生改变。研究不利天气条件下的混合交通流特性，掌握不同渗透率下恶劣天气对混合流通行能力的影响，有利于优化测试区域内的混合流通行能力模型......”。

4、“.....保障混合流路段的安全高效。研究结果表明，降雨条件下，受到路段线形复杂化车道增多以及路段出入口车流干扰等因素的影响，道路通行能力受到车辆本身因素制定的时段，有辆自动驾驶车辆行驶通过，则在个断面内，出现自动驾驶车辆的概率应为因此对于预估车头时距应为可能出现的概率的数学期望并进行累加其中为整体测试混合流路段在投放辆车辆中有辆自动驾驶车辆时的平均车头时距。并对进行矩阵形式的累加。计算所得自动驾驶车辆出现的数学期望应为故计算的车头时距应为，为混合流道路中的自动驾驶车辆渗透率为自动达式如下其中理想驾驶速度期望间距静止安全距离安全时间间隔起步加速度舒适减速度。传统模型考虑了期望速度期望间距前后车速度差等多因素对跟驰行为的影响，模型描述的跟驰行为能够较好地符合实际情况。此外，模型还具有所含参数物理意义明确易于标定及优化的特点。因此......”。

5、“.....也可以具体的结合自动驾驶混合流车辆进行调整和优化。在此基础上，不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模论文原稿驾驶混合流车辆进行调整和优化。在此基础上，考虑观察到前方车辆或侧方车辆为自动驾驶车辆时，原安全距离公式调整为其中是常数，指有人驾驶车辆的车头时距，表示车辆在时刻的车速，表示当前车车头与前车车尾之间的间距，表示车身长度。不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模论文原稿。气影响下的混合流路段中为正常情况下的自动驾驶车辆人为驾驶车辆影响比例系数。与车辆比例及道路条件等因素相关。混合流优化跟驰模型构建综合上述特征行为，本文改进了传统的模型。引用和两位学者借鉴牛顿力学的思想提出了社会力的概念，认为车辆的加速度可以看作是源于驾驶者期望提速的动力和前方车辆阻碍形成的阻力的综合影响。基于此，在智能驾如下式所示式中......”。

6、“.....在导出上式中的速度后，可得到混合流跟驰模型下自动驾驶汽车的期望加速度计算公式，如下式所示由此在具体的自动驾驶车辆下的跟车模型中车辆的基本速度，加速度，形式方式，有了最基本的模型界定。根据对于真实交通流中的车辆分析及仿真实验中的，有不同程度的降低，其中复杂线形路段人为驾驶员受到的影响最为明显。降雪条件下由于能见度的下降和地面摩擦系数的急剧减小导致道路得通行能力出现明显变化，行驶速度减小，车辆减速能力明显下降。大雾天气下由于能见度的急剧下降，人为驾驶车辆对于环境得判断能力明显减弱，对于正常行驶车速造成重大影响。基于此，构建整体的影响评估模型如下其中，为整体道路通行能力......”。

7、“.....对于该通行能力表达式而言，车辆的具体渗透率，车道运行的划分，以及其他客观主观因素都会对该模型进行影响。天气场景影响变化不良天气将会导致的道路容量不足和交通运行效率降低，会加剧路网交通供需矛盾。在自动驾驶汽车参与的混合流下，虑观察到前方车辆或侧方车辆为自动驾驶车辆时，原安全距离公式调整为其中是常数，指有人驾驶车辆的车头时距，表示车辆在时刻的车速，表示当前车车头与前车车尾之间的间距，表示车身长度。不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模论文原稿。同时，根据不同混合流中自动驾驶车辆渗透率对于整体交通流的影响，在行驶过程中假设在个固果对优化混合流跟驰模型进行了标定，在改模型的最佳参数为，。混合流优化跟驰模型构建综合上述特征行为，本文改进了传统的模型。引用和两位学者借鉴牛顿力学的思想提出了社会力的概念......”。

8、“.....基于此，在智能驾驶员模型的基础上，再进行进步优化，具体模型表不同渗透率下自动驾驶混合交通流在天气条件影响下的通行能力建模论文原稿力的影响。各场景特性描述如下场景晴天，正常驾驶条件。场景中度的雨天，路面湿滑且能见度比较小。场景大雨天气，泥泞的路面且能见度极差。场景轻微的雾，能见度受影响。场景中度的雾，能见度较差。用和跟车模型对自动驾驶车辆的跟驰行为进行量化。与相比，模型基于真实的车辆轨迹数据，更能捕捉的以下特性。因此，自动驾驶车辆的跟驰模式。当目标路段经历不同的天气场景时，恶劣天气会对车辆尤其是人为驾的通行能力和自动驾驶车辆标准当量折算系数均有较大影响，投放车辆时需要在不同天气下按相应比例投放两种车型，以期达到最大的通行能力。例如在晴天时采用中等渗透率会达到较好的通行能力......”。

9、“.....而在大雾天气，投放更多的自动驾驶车辆提高渗透率，由于它受能见度影响较小，故整体车流仍具備较高的通行能力且标注当量不至于过大。基金项目国家重点定性较好，由于渗透率低时通行能力并不高，因此渗透率升高到时能显著提高通行能力。恶劣天气对试验场通行能力有较大的影响，不同天气状况下自动驾驶车辆的标准当量也不相同。基于通行能力的结果仿真实验计算了对应状态下的标准当量值如表所示从上表可以看出，晴天状态下渗透率时标准当量最小，而其他天气状态下，随着渗透率的增加，标准当量逐渐变小。当自动驾驶车辆渗透率较低气和雪天的通行能力相对较低。总体而言，通过横向对比，晴天的通行能力最高，而大雾天气和雪天通行能力相对较低，这是由于在恶劣天气下车辆行驶速度较低，且倾向于与前车保持较大的车头时距造成的。晴天和中度雨天渗透率的渗透率时通行能力最大。比较不同的自动驾驶车辆渗透率......”。