可逆转换与司机记忆细胞Automata-Based交通模型

文摘

在这里,我们开发一个新的细胞automata-based交通模型。在这个模型中,个人车辆无法估计全球交通流量,但只能探测到前方的车辆。每辆车偶尔调整速度基于距离的车辆在前面。我们的模型在车辆通量产生可逆相变范围广泛的车辆密度、和交通系统经历无标度进化的通量。我们因此相信我们的模型之间的关系揭示了多智能体系统的宏观流动和微观层面机制来处理交通拥堵,并说明了司机的决策影响和拥挤的自由流动。

1。介绍

交通堵塞理论是一种研究类型的集体行为问题。在交通系统中,车辆或车辆相互作用,决定使用基于本地信息的简单规则。尽管简单的用于决策的信息和规则,复杂的交通流混合会发生拥挤和自由流动的情况。

许多模型被用于交通堵塞理论研究[1- - - - - -5]。特别是微观细胞自动机(CA)模型广泛应用于计算机模拟由于其简单性和灵活性。CA模型能够捕捉微观动力学和说明他们的关系宏观交通流。内格尔和他的同事们率先使用ca交通流建模(4]。他们的模型,称为NS模型,已经被延长了其他几个人(6]。

不过看起来,系统的初始条件确定模型的动力学;例如,交通堵塞出现发生当车辆密度超过一定值,表明它们是生成的瓶颈。相比之下,真正的交通系统可以体验拥挤流情况下没有瓶颈(7,8]。此外,在实证研究的基础上,肯纳拥挤流分为两个不同的阶段:同步流和宽运动阻塞(9]。在三相理论、相变发生同步流的自由流动和同步流堵塞。经典两阶段CA模型可能无法解释这些实证结果。

从上面的,最值得注意的现象出现在交通系统相变的交通状态。因此,有必要的时间演化建模系统从一个阶段过渡到另一个,如果我们要理解真正的交通的复杂的行为10,11]。为了理解的机制发生交通堵塞,我们需要建立模型,可以再现相变在固定车辆密度(12- - - - - -15]。这样的模型将希望捕捉现实和复杂的交通模式在现实交通系统所观察到的类似。他们处理惯性的影响驾驶操作和驾驶员适应性地调整他们的汽车的速度和间距。

先前的模型仅仅旨在捕获车辆物理或司机的被动反应,刹车灯,如缓慢的启动或制动传播效果(16- - - - - -20.]。相比之下,这些最近的模型是基于车辆自主协调他们的速度加速或减速,使他们能够模拟时空模式和相变的流量(14,15,研讨会]。尽管有好几个竞争对手的方法,协调车辆速度的交通间距似乎代表了相变的一个重要因素和可逆/复杂交通模式(23- - - - - -25]。然而,很少有研究调查个别司机是否使用先验信息来确定他们所选择的车辆速度和加速或减速的趋势。

为了解决这个问题,我们提出一个新的CA模型的车辆协调应对当前形势基于他们以前的经历。在我们的模型中,每个司机法官是否附近的交通堵塞是一个全局或局部拥挤流,然后基于先验信息事件响应。因此,每个车辆做出自己的决定是否维持或减少与前方车辆的距离。这个模型中,我们成功地诱导系统表现出可逆的交通流和无尺度演化产生复杂的模式。

2。材料和方法

我们的模型被定义为一个一维的周期性边界条件的网站,每个网站是否为空或被一个车。每辆车有一个速度之间的零和最大速度 。除非另有规定,每个试验包含10000时间步,和最初的车辆速度1.0和随机分布。

我们模型遵循NS模型,它是一个CA交通模型,处理自然车辆运动与一组最大速度。然而,我们也定义三种不同的车辆状态:一个“正常”国家,车辆增加的速度以同样的方式在NS模型;“平静”的状态,不会增加其速度的车辆;和“严厉”状态,车辆的速度急剧增加。通过这种方式,每个州的加速度行为是不同的。注意,所有三个州也有一个“减速”功能,适用于汽车太接近前面的车。这个模型中,我们称之为多态NS模型,没有考虑相互碰撞或车辆通过。每个试验开始与所有车辆在正常状态。

2.1。模型描述

在多个NS模型中,每次迭代所得如下。步骤1。改变状态。步骤2。加速或减速。步骤3。随机化速度。步骤4。限制流速。步骤5:更新位置,增加时间来 ,并返回步骤1。

注意,一个给定的车辆不能加速和减速都在同一迭代,和所有车辆同步更新他们的位置。

2.2。模型函数

加速。车辆更新它的速度如下。
如果
,(不管当前状态)。如果 ,
其他的如果 ,
如果 ,
其他的 ,其他的如果 , 在这里,是距离最近的车辆前面的一辆车吗和是这辆车的次数加速了。
我们所说的前两个加速度操作“正常加速”和“严酷的加速度,”分别。前者对应于通常的NS模型,而“猛踩油门”只发生如果车辆处于恶劣状态下车辆足够远。最后,速度永远不会改变,如果车辆处于平静状态。

减速。这个函数发生如果满足下列条件,无论车辆的状态。
如果
在这里,是这辆车的次数已经减速。

随机化速度。这个函数发生如果满足下列条件,无论车辆的状态。
如果

限制流速。如果更新的速度以上 ,然后是减少的 。
如果 ,

改变状态。如果宣布的数量已达到阈值(threshold_slow),那么车辆进入平静的状态,无论其之前的状态。相比之下,如果加速度的数量已达到阈值(threshold_acceleration),那么车辆进入的状态,无论其之前的状态。这些变化实现如下。
如果
如果
注意,这两个和将重置为零当他们超过相应的阈值,也就是说,有些车辆在恶劣或平静状态停留很长一段时间。个人车辆使主观估计的全球交通流基础上他们有加速或减速。当车辆进入平静的状态,这意味着它认为全球流拥挤。另一方面,当它进入的状态,这意味着它认为全球流不拥挤。这样,个人车辆协调他们的基于距离的车辆速度在前面。

更新的位置。车辆更新它的位置基于它的速度在当前时间步。

2.3。控制模型

为了调查多个NS模型是否可以产生复杂的模式类似于真实的交通,我们开发了两个控制模型。一个是车辆”的模式,”从来没有进入平静的状态,也就是说,threshold_slow设置为正无穷。另一个是“平静模式”,从来没有进入的车辆的状态,也就是说,threshold_acceleration设置为正无穷。就固定在两个模型中,每个车辆的状态后,首先进入残酷/平静状态。

然后,我们从多级NS模型比较结果与冷静和严厉的模型,以评估是否能产生复杂的模式相似的实际交通情况。

2.4。参数

表1显示了分析中使用的参数值。除非另外注明,试验了10000次的步骤。然而,我们运行了某些分析100000多个步骤,以评估系统的长期行为。对于所有三种模式,所有车辆最初在正常状态。

3所示。结果与讨论

每个试验开始时,我们随机放置(细胞的数量×车辆密度)车辆在球场上。图1演示了通量之间的关系和车辆密度,通量的定义是车辆的平均数量通过单位时间内每一个细胞。我们计算每个试验后的通量。当车辆速度高,通量也很高,因为许多车辆通过任何给定的细胞。

图1(一)从10块平均数据试验车辆密度的0.50在多个NS模型中,宽度为0.01。在这里,每个试验的通量似乎波动甚至在车辆密度高。事实上,根据图1 (b),情节通量对个人试验在不同的车辆密度、流量变化即使相同的车辆密度。相比之下,数据1 (c)和1 (d),情节个人试验在不同车辆的通量密度的冷静和严厉的模型,分别显示点少于我们看到在图1 (b)。这是因为不改变通量与平静的每一个试验和严厉的模型,与多国NS模型。此外,我们看到交通堵塞在平静的模型在一个广泛的车辆密度,也许因为它不允许加速度。与此同时,交通模式在严酷的相变模型展览车辆密度约为0.20。请参见图S1的补充材料说明了车辆位置随着时间的推移,不同的车辆密度在严酷的模式。

尽管系统似乎逐渐变得更加拥挤在严酷的模式随着车辆密度的增加超出了0.20,交通堵塞永远不会发生。因此,该模型是不现实的,因为它不允许车辆进入平静状态。车辆不维护他们的速度,而不是不断加速和减速。从这个意义上说,多国NS模型能更好地表现出复杂的模式中看到真实的交通。

接下来,我们分析了NS服务——系统详细的行为。图2显示了一个示例对车辆位置的改变随着时间的推移,车辆密度为0.40,与垂直和水平轴代表时间步和车辆位置,分别。这说明了交通拥挤,拥挤地区有时明显独立于人烟稀少的地区,有时不是。

图3展示了一个示例,其中交通似乎一再陷入的一个特定的阶段。检查不同的交通系统的阶段,我们把一些快照的车辆速度。图S2补充材料中显示车辆速度和位置之间的关系在一个特定的时间步,车辆密度为0.40。在这里,我们可以看到,系统展示多个交通状态,过渡阶段的来回从同步流到交通堵塞,即。,多国NS系统可以表现出可逆相变。

然后,我们研究如何通量改变随着时间的推移,关注严重的交通堵塞。这里我们计算之间的时间间隔连续极端的交通堵塞,我们定义了一个极端的交通堵塞是一个阶段的通量小于0.005。图4显示了减少的累积分布间隔连续极端的交通堵塞。这里,我们图37数据取自一个试验超过100000个时间点的步骤,找到一个斜坡1.21和一个Akaike信息准则(AIC)体重幂律和1.00的指数律分布。这个数字表明,交通系统似乎经常经历极端的交通堵塞也能长时间阶段,在极少数情况下逃脱。特别是,间隔的累积分布似乎遵循幂律分布(26]的有生之年极端交通堵塞是时间不到十步骤,即。事件是短暂和不稳定。因此,我们专注于这些独特的现象。

从数据3和4,我们可以看到,虽然交通系统经常遭受极端的堵塞,它偶尔会需要很长时间,例如,超过10000步,之前经历这样一个果酱。间隔的累积分布这一事实似乎遵循幂律分布显示,交通系统不定期对车辆流量振荡。

此外,评估是否系统展示内部波动,我们计算通量和波动之间的关系函数如下:

在这里,表示的通量的位置 。图5表明,斜率是约 ,表明内生行为取决于系统的内部集体波动( )(27- - - - - -29日]。再一次,这些数据得到超过100000时间步。

之后,我们评估不同的参数值的影响。首先,我们改变了车辆密度从0.40到0.20,检查对通量的影响的时间演化在100000步,确认它仍然不同试验试验。图S3在补充材料显示车辆速度和位置之间的关系为特定的时间步,车辆密度0.20。至于密度为0.40,我们看到从同步流相变果酱,反之亦然。比较数据S4 (a)和S4 (b)与图3,系统的变化似乎是高当车辆密度较低,堵塞仍然有时候是会发生的时间,一样的密度0.40(数字S4 (a)和S4 (b))。基于这些结果,我们界定系统阶段通量小于0.01的极端的交通堵塞。如图S4 (c)所示,累积分布之间的间隔又极端堵塞似乎遵循幂律分布(1370数据点, ,AIC体重幂律和一个指数律分布的1.00)。换句话说,我们没有看到周期性振荡在交通系统一系列的密度。

接下来,我们调整了threshold_slow和threshold_acceleration参数。数据S5 (a)和S5 (b)在补充材料显示和车辆密度通量之间的关系(threshold_slow,threshold_acceleration)的值(10、30)和(10,10),分别。这里,我们绘制的数据从10试验车辆密度高达0.50,本宽度为0.01。通量似乎在范围广泛的车辆密度波动,无论阈值。然而,threshold_acceleration必须高于threshold_slow为了生成一个沉重的交通阻塞一段时间(数字S5 (c)和S5 (d))。

最后,我们改变了参数从0.01到0.1和评估对通量的影响进化超过100000时间步的时候了。在这里,我们可以清楚地看到,通量较低时(大数据S6 (a)和S6 (b))。我们也计算了极端的交通堵塞,之间的时间间隔定义系统阶段通量小于0.005的极端的交通堵塞。再一次,间隔的累积分布似乎遵循幂律分布(20数据点, ,AIC体重幂律和一个指数律分布的1.00)。因此,改变随机参数没有影响交通系统的非周期的振荡。

4所示。结论

我们已经开发出一种CA模型,称为多态NS模型中,个人车辆调整速度基于经验和距离的车辆在前面。每辆车保持其速度相信当地堵塞将会持续下去,但赶上前方的车辆时,认为当地的果酱是暂时的。我们发现,交通流量在这个系统在各种车辆密度可能是可逆的。系统有时会经历严重的堵塞,同时保持一定程度的拥挤流(14,15]。在实际交通流量,流量非周期振荡23,24),这可能与复杂的宏观模式的出现。在我们的模型中,非周期的振荡持续甚至在改变参数,表明它是灵活以尊重的态度和一些参数的变化。

另一方面,我们不认为这种行为时车辆的状态是固定的。例如,系统似乎经历长时间严重堵塞当车辆被固定在平静。”的国家,但它的行为更像传统的NS模型当车辆固定在严酷的。”的国家。相比之下,我们的多态NS模型能够重现的可逆性交通流和非周期的振荡系统的流量。

很少有研究考虑是否个别司机的经验/记忆产生不同的反应类似的环境。通过开发这样一个模型,我们表明,由此产生的交通系统是一个无标度进化的通量,行为经常被观察到在生物学研究复杂系统时,以及在物理和社会研究。

根据先前的研究,对连续的车辆之间的距离(差距)的一个重要因素代表拥挤或复杂的交通模式(14,15,研讨会]。拟议的CA模型可以说明司机的决定,根据他们的个人记忆,会影响动力学的差距和不同流动状态之间的转换。有鉴于此,我们认为,重要的是要理解紧急流动宏观层面和微观层面的机制之间的关系的交通系统为了发展交通堵塞理论揭示背后的机制挤流和解决交通拥堵的问题17]。

数据可用性

所有数据都可以在文本和补充材料。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持jsp KAKENHI格兰特JP 18 k04611数量。

补充材料

额外的分析和数据。图S1。插图的车辆位置的模型。在这里,垂直和水平轴表示时间步和车辆位置,分别和每个车辆显示为一个黑点。这里的车辆密度是0.10 (a)和(b) 0.50,和 , ,和threshold_acceleration= 15。图S2。车辆速度和位置之间的关系在一个特定的时间步。在这里,从一个试验获得的数据是使用多态NS模型车辆密度为0.40。图S3。车辆速度和位置之间的关系在一个特定的时间步。在这里,从一个试验获得的数据是使用多态NS模型车辆密度为0.20。图S4。流量特性的车辆密度0.20。(一)通量的变化超过100000时间步。 (b) Subset of the data in (a). (c) Cumulative distribution of the intervals between extreme jams. Here, , ,threshold_slow= 5,threshold_acceleration= 15。图S5。Flux-vehicle密度随着时间的推移和通量的变化对不同阈值的关系。在这里,和 。(一)通密度关系threshold_slow= 10,threshold_acceleration= 30。(b)通密度的关系threshold_slow= 10,threshold_acceleration= 10。(c)通量随时间的变化threshold_slow = 10和threshold_acceleration= 30。(d)通量随时间的变化threshold_slow= 10,threshold_acceleration= 10。平均10试验的数据超过10000时间步骤绘制在(a)和(b),而部分数据从一个试验超过100000次步骤绘制(c)和(d)。垂直条指示标准差。图S6。通量的属性 , ,threshold_slow= 5,threshold_acceleration= 15。(一)通量的变化超过100000时间步。(b)中数据的子集(a)。(c)累积分布之间的间隔极端的堵塞。(补充材料)

引用

1. t . Musya和h . Higuchi交通电流波动和汉堡的方程,”日本应用物理杂志》上,17卷,不。5,811 - 816年,1978页。视图:出版商的网站|谷歌学术搜索
2. b .美国肯纳和p . Konhauser“集群效应”在最初均匀交通流,物理评论E,48卷,不。4,R2335-R2338, 1993页。视图:出版商的网站|谷歌学术搜索
3. m .免不了k .周年a . Nakayama a .柴田和y Sugiyama,“交通拥堵和数值模拟的动态模型,”物理评论E,51卷,不。2、1035 - 1042年,1995页。视图:出版商的网站|谷歌学术搜索
4. k·内格尔和m . a . Schreckenberg“高速公路交通、细胞自动机模型《de体格我,卷2,不。12日,第2229 - 2221页,1992年。视图:出版商的网站|谷歌学术搜索
5. t . Tokihiro d高桥、j . Matsukidaira和j .无核小蜜橘”从孤子方程可积的细胞自动机通过限制程序,”物理评论快报,卷76,不。18日,第3250 - 3247页,1996年。视图:出版商的网站|谷歌学术搜索
6. 诉蓝色、f .博内托已经和m . Embrechts”车载自组织的细胞自动机和非线性速度转换”交通研究委员会年会,华盛顿特区,1996年。视图:谷歌学术搜索
7. y Sugiyama m .福井,m .菊池et al .,“交通堵塞没有bottlenecks-experimental证据形成的物理机制的果酱,”新物理学杂志,10卷,p。033001年,2008年。视图:谷歌学术搜索
8. s . Tadaki m .菊池,m .福井et al .,“相变在交通堵塞实验电路,”新物理学杂志,15卷,不。10,103034年,页2013。视图:出版商的网站|谷歌学术搜索
9. b .美国肯纳和h . Rehborn交通流实验性质的复杂性”,物理评论E53卷,第4278 - 4275页,1996年。视图:出版商的网站|谷歌学术搜索
10. t . Nagatani“交通堵塞的物理学,物理学进展报告,卷65,不。9日,第1386 - 1331页,2002年。视图:出版商的网站|谷歌学术搜索
11. f·l·霍尔,b·l·艾伦·m·a·冈特”高速公路流密度关系的实证分析”,交通研究部分:一般,20卷,不。3、197 - 210年,1986页。视图:出版商的网站|谷歌学术搜索
12. m . Kanai k老妇,t . Tokihiro“随机最优速度模型和其长寿的亚稳定性,”物理评论E,卷72,不。3,2005。视图:出版商的网站|谷歌学术搜索
13. j·p·l·否决权,m . l .层和c·r·达席尔瓦”相共存诱导防御反应的细胞自动机的交通流模型,”自然史答:统计力学及其应用,卷390,不。20日,第3565 - 3558页,2011年。视图:出版商的网站|谷歌学术搜索
14. b·s·肯纳交通的物理学:实证高速公路模式特性,工程应用和理论施普林格科学与商业媒体,2004年。
15. b·s·肯纳分解在交通网络:交通基础科学施普林格科学与商业媒体,2017年。
16. 英国老妇”,细胞自动机的拉格朗日表示交通流模型,”物理学杂志》:数学和一般,34卷,不。48岁,10727 - 10736年,2001页。视图:出版商的网站|谷歌学术搜索
17. w·Knospe l . Santen A Schadschneider, m . Schreckenberg”现实的双车道公路交通流量模型”,物理学杂志》:数学和一般,35卷,不。15,L477页,2000。视图:出版商的网站|谷歌学术搜索
18. k .高r .江b h . Wang和吴问:美国“不连续从自由流动过渡到同步流短程相互作用引起的车辆在三相交通流模型中,“自然史答:统计力学及其应用,卷388,不。15 - 16岁,3233 - 3243年,2009页。视图:出版商的网站|谷歌学术搜索
19. m . Takayasu指出h . Takayasu指出,“1 / f噪声在交通模型中,“分形,1卷,不。4、860 - 866年,1993页。视图:出版商的网站|谷歌学术搜索
20. m . e . Larraga j·a·德尔里奥和a . Schadschneider”相分离的新型CA交通模型与期待,“物理学杂志》:数学和一般,37卷,不。12日,第3781 - 3769页,2004年。视图:出版商的网站|谷歌学术搜索
21. j . f .田m . Treiber s . f .马b·贾和w . y .张“微观驾驶理论与振荡拥挤状态:模型和实证验证,”交通研究B部分:方法论卷,71年,第157 - 138页,2015年。视图:出版商的网站|谷歌学术搜索
22. j .田g . Li m . Treiber r .江n .贾马和美国,“细胞自动机模型模拟时空模式、相变和凹增长在交通流的振荡模式,”交通研究B部分:方法论卷,93年,第575 - 560页,2016年。视图:谷歌学术搜索
23. b .美国肯纳,s . l . Klenov和m . Schreckenberg”简单的细胞自动机模型为交通崩溃,公路容量,和同步流,”物理评论E,卷84,不。4、2011。视图:出版商的网站|谷歌学术搜索
24. m . Treiber a . *和d·海尔宾”三相交通理论和两阶段模型与基本图的经验程式化的事实,”交通研究B部分:方法论,44卷,不。8 - 9,983 - 1000年,2010页。视图:出版商的网站|谷歌学术搜索
25. b .美国肯纳,s . l . Klenov和m . Schreckenberg”概率相变的物理特性公路瓶颈:不能通约的三相和两相交通流理论,“物理评论E,卷89,不。5,2014。视图:出版商的网站|谷歌学术搜索
26. a . m .爱德华r·a·菲利普斯n·w·沃特金斯et al .,“回顾利维漂泊信天翁的航班搜索模式,大黄蜂和鹿,”自然,卷449,不。7165年,第1048 - 1044页,2007年。视图:出版商的网站|谷歌学术搜索
27. m·a . de Menezes A.-L。巴斯”网络动力学的波动。”物理评论快报,卷92,不。2、2004。视图:出版商的网站|谷歌学术搜索
28. z周,Z.-G。,L. Huang, Y.-C. Lai, L. Yang, and D.-S. Xue, “Universality of flux-fluctuation law in complex dynamical systems,”物理评论E,卷87,不。1,2013。视图:出版商的网站|谷歌学术搜索
29. s . g .黄j .董问:l·黄和y . c .赖“普遍flux-fluctuation法律小系统,”科学报告ID 6787条,卷。4日,2014年。视图:谷歌学术搜索

版权

是版权©2019 Tomoko Sakiyama Ikuo Arizono。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。