摘要:为研究合流区侧向车辆换道行为对车辆跟驰行为的影响,融合协同跟驰模型(Cooperative Car-Following Model, CCFM)和长短时记忆网络模型(Long Short-Term Memory,LSTM),构建了一种交通流预测模型.首先,选用符合场景的原始数据,对突变数据进行剔除和平滑过渡,进而,将合流区划分为2个区域,依据汇入车辆受到的3种驾驶条件约束,以及主路车辆可能采取的3种应对策略,基于协同跟驰模型构建两个区域的跟驰模型.其次,基于换道意图、换道利益和安全条件3方面,制定了2个区域的换道规则和换道模型,从而构建出合流区微观交通流模型.根据合流区交通流数据的长时间序列特性,以及目标车辆行驶行为的影响因素,构建LSTM单元和车辆信息编码器,开展车辆跟驰行为预测.然后,构建了CCFM-LSTM融合预测模型,分主路车辆换道和不换道两种情况,以合流区影响区和下游区主路车辆5s内的跟驰行为数据为输入,以合流区上游区主路车辆3 s内的跟驰行为数据为输出.最后,利用无人机采集的快速路合流区数据进行验证.研究结果表明:在加速度预测中,CCFM-LSTM的残差平方和较小,拟合优度相比原CCFM模型至少提高0.094 4;在速度预测中,除161号车外,CCFM-LSTM的残差平方和较小,拟合优度相比原CCFM模型至少提高0.097 4.