在高速公路编织部分研究强制性换道行为

文摘

易出事故的部分和瓶颈,公路编织部分将变得更加复杂时的混合交通环境下连接和自动车辆(骑士)和人为车辆(HVs)。为了使骑士准确地识别人工车辆的驾驶行为,以避免交通事故引起的车道发生变化,有必要分析强制换道(制程)过程的特点,在纺织领域。分析制程方法提出了基于驾驶员的心理特征。首先,司机的多层陶瓷压力概念提出了领导在出站的距离。然后,换道意图是量化通过考虑驾驶员的多层陶瓷压力和倾向性。最后,基于换道意图和目标的进展分布,提出了一个多层陶瓷位置概率密度模型来描述换道位置的分布特征。通过NGSIM数据验证,换道分析模型可以客观地描述车辆换道特征在实际的场景中。与传统的换道模型相比,该模型更可翻译的和符合驾驶意图。结果显示显著改善换道安全识别的骑士在异构交通流在未来(HVs)和骑士。

1。介绍

作为一个基本的驾驶行为,换道策略直接影响交通流的流畅和安全。与车辆相比,换道过程更为复杂和危险的。以前的研究已经表明车道改变是造成高速公路事故的关键因素1- - - - - -7]。当骑士进入的道路,公路编织领域将变得更加混乱和危险的。骑兵,被动的一方,需要改变其运行状态实时显示人工车辆的运行状态,以避免碰撞。至关重要。因此,研究人工车辆的换道的特点,以避免车辆碰撞。然而,大多数研究主要使用统计模型和概率模型来分析各种交通事故影响因素在一个固定的场景中,缺乏对交通流理论的分析,这是较低的可扩展性(8]。基于上述研究基础上,本文将使用交通流理论和司机特征来分析高速织造地区车辆的换道行为。

换道策略分为自由巷(DLC)和强制车道改变(多层陶瓷)根据其动机9,10]。多层陶瓷是必要的换道行为达到一定要求;DLC是一个不必要的车道改变行为。可以看出,多层陶瓷是一个积极的和必要的军事演习,一个伟大的对交通流的影响。作为高速公路的重要组成部分,编织部分进行合并和交通流的不同。在编织部分,所有换道演习属于多层陶瓷(开车到高速公路;离开高速公路),必须及时完成的策略;否则,它将影响公路段的操作。所以编织部分变成了高速公路(的瓶颈3- - - - - -5,11,12]。

在过去的研究中,为了简化和方便建模,它被认为是换道过程只受交通状况(目标的差距巷,交通容量,速度,等等)。太阳和Elefteriadou [13发现多层陶瓷过程也是密切相关司机的心理特点(如攻击性、警觉和换道压力)通过数据调查。然而,现有的模型没有充分地分析司机的心理特点的影响在换道过程13]。

应对这一挑战,换道压力的概念,介绍了在多层陶瓷描述了司机的压力波动。多层陶瓷压力量化的车辆之间的距离和出站。然后使用换道的压力,作为一个指标,提出了一种多层陶瓷意图模型和差距接受模型分析驾驶员的意图改变车道。该模型是基于驾驶员的意图和倾向,它克服了传统模型只使用交通状况的缺陷是一个固定的指标。最后,结合目标车道进展分布和多层陶瓷意图,车道改变概率密度模型提出了描述编织的换道特征区域。

剩下的论文结构如下:部分2回顾以前有关强制性换道模型。部分3分析了多层陶瓷的特点,提出了多层陶瓷是连续的行为。部分4概率密度函数构造一个多层陶瓷位置。部分5使用NGSIM数据来验证该理论和模型。最后,给出了结论和未来的工作部分6。

2。文献综述

目前,换道决策模型主要包括基于规则的模型(14- - - - - -19基于效用理论[],离散模型9,10,20.,21),和人工智能模型(22- - - - - -28]。

基于规则的模型的主要思想是制定不同的驾驶规则根据不同的驾驶环境。基于规则的模型的优点是可跟踪性和简单的实现为特定场景。司机选择是否改变车道通过一些简单的规则。然而,对于复杂的交通状况,基于规则的模型需要大量的工作为了可以扩展到更一般的情形。最具代表性的基于规则的模型是Gipps换道模型(14]。Gipps认为司机的换道决定结果的三个问题:(1)有可能改变车道?(2)有必要改变车道?(3)希望改变车道吗?经过Gipps的开创性工作,许多人都扩展了换道决策模型,例如CORSIM模型(29日,阿耳特弥斯模型12[的],元胞自动机模型30.),和博弈论模型(31日]。通过扩展Gipps”模型来高速公路,杨和Koutsopoulos [19)发明了一种微观交通仿真器(MITSIM),包括车辆模型和换道模型。他们分类车道改变强制或可自由支配和模型换道决策作为一个连续四个步骤的过程:(1)决定考虑信用证,(2)选择目标车道,(3)找到可接受的缺口,(4)和实施更改。接收和检查验收算法的差距差距在目标车道来执行所需的车道改变。尽管杨等人的基于规则的建模框架类似于Gipps”模型(1986),他们的模型的特点之一是,而不是考虑换道决策确定过程,介绍了换道概率建立模型。

离散模型的主要思想是利用效用函数来评估每个车道的驱动增益。离散模型基于效用函数的优势使评价多个决策标准的组合权重,因此更容易可以扩展到复杂的场景。然而,大量的不同的权重参数会导致耗时的参数调优和温顺的困难,和车辆车道改变是一个持续的过程。第一个基于效用函数的离散选择模型提出了艾哈迈德et al。10,11)和进一步细化托莱多et al。20.,32]。艾哈迈德et al。9,10)使用车辆之间的差距为主要影响因素的效用函数,利用效用函数来模拟驱动上的差距的影响。然后,通过现场数据,二项式logit模型用于校准加权效用函数的参数。艾哈迈德的模型将车道改变类型划分为多层陶瓷和DLC,但并不能解释司机选择的双方。的清晰理解类型的车辆车道变化,基于艾哈迈德的基础模型,托莱多et al。20.,32)提出了一个概率决定换道模型来描述多层陶瓷之间的关系和数据链路控制。捕获的关系是通过考虑两种类型的车道改变一个效用函数,选择和离散选择框架来模拟的策略和操作司机的车道改变决定。最上面的研究对车辆轨迹数据建模,即使司机特性产生重大影响车道过程的所有方面。但司机特征并不认为,因为司机的特征数据提取困难,工作量是巨大的,所以大部分车道模型缺乏他们改变决定。显式地将司机的影响特点,太阳和Elefteriadou [13)进行了一项调查以确定和理解司机的驾驶行为在不同车道变化情况。这项研究揭示了类型,原因,和每个驱动程序类型的主要因素换道决策过程以及它们之间的联系。

人工智能换道决策方法使用计算机来模拟驾驶员的思考和行动在驾驶过程中,判断环境是否有必要改变车道,是否有必要改变车道,目标车道的选择。人工智能模型对人工智能算法,如模糊逻辑(22),人工神经网络(23),和贝叶斯分类24,25),探讨司机车道改变行为的潜在因素。人工智能模型完全数据驱动和没有任何物理意义的参数;是不方便分析方法的性能和扩张的场景,不考虑驾驶员的心理因素。

通过回顾换道模型,发现现有的换道模型没有充分考虑对车道改变司机的影响。然而,准确地描述这些特性是重要的换道行为,及相关解释变量应该被包括在未来换道模型。本文提出了一种新的研究理念基于换道压力来表达的特点,制程在公路编织部分,和一个制程模型建立了基于驾驶员的驾驶特性。传统方法只考虑的影响目标车道车道的交通流特征变化。考虑驾驶员的心理被迫改变航线,本文介绍了车道改变司机的压力(反映在车辆之间的距离和出站)到制程模型,这应该是更好地描述实际的交通状况。

3所示。强制性的车道改变行为

多层陶瓷是一种必要的换道行为达到一定的需求,如合并和发散。DCL是一个不重要的换道行为,通常达到预期速度或从前面的车保持一定的距离9,10]。因此,相比之下,DCL,司机有多层陶瓷需求将提高攻击性,很容易导致交通事故。对于这个问题,本文研究了多层陶瓷场景离开高速公路的车辆,如图1。当车辆离开高速公路的需求,它将选择是否向右车道变换车道根据当前的驾驶环境,然后进入编织部分,最后进入出站。多层陶瓷过程是一个持续的过程,分为四个阶段:(1)确定目标车道,(2)生成意图改变车道,(3)找到可接受的差距,以及(4)执行车道改变。换道决策过程如图2。多层陶瓷是一个复杂的过程,涉及道路条件(总通行能力、车辆到达率的入站和出站,和辅助车道布局),驱动特征,等等。因此,很难量化各种因素。介绍司机的换道压力的概念后,本文将系统地研究多层陶瓷过程的不同阶段。

4所示。多层陶瓷模型

4.1。多层陶瓷压力

多层陶瓷压力指的是压力产生的司机havse换道需求之前最后换道节点(LLCN)。很容易知道司机是出站越近,生成变换车道的欲望越强。所以,认为司机的多层陶瓷压力可用参数量化的距离。提出了量化模型如下: 在哪里表示换道压力值;表示车辆的距离从出站;表示距离的LLCN巷从出站;S表示编织的长度。虽然这辆车不进入编织 ,司机没有多层陶瓷压力;也就是说, 。而 ,司机开始产生的压力,出站的距离越近,车道变化越大的压力。当车辆到达LLCN (= ),多层陶瓷压力 ,和车辆必须变换车道。 。

计算的公式如下: 在哪里 , , ,和分别表示每个参数系数;表示车道的数量需要交叉;表示车辆的平均到达率在段时间单位;表示匝道车辆的平均到达率在时间单位。

多层陶瓷压力模型有助于分析司机的心理因素的影响在换道行为。其次,量化驾驶员的压力有助于促进MHV特征的识别和行为预测在未来的异构交通流,减少骑士和MHV之间的冲突。司机的一些特征参数(性别、年龄、职业等)也可以被添加到模型中。

4.2。多层陶瓷意图

杨和Koutsopoulos [19]提出强制性换道时司机必须改变车道来(一)连接的联系路径(b)绕过一个车道下游堵塞(c)避免进入限制使用的车道(d)应对巷使用符号或限速标志

研究的制程杨等人是有限的(b)和(c)。此外,意图改变车道织造地区属于();司机往往变换车道早期避免换道的压力。压力越低,越强的司机的意图改变航线。基于多层陶瓷模型,提出了一种新的多层陶瓷意图模型: 在哪里 表示生成的目的在远处的x米从出站。 表示,有一个可反驳的差距在目标车道,将分析的决心在下一节可反驳的差距。多层陶瓷意图模型描述了多层陶瓷意图的强度在不同的位置。模型有助于在编织部分分析驾驶行为特征,也获得一些开车司机的潜在的偏好。

4.3。差距接受

换道的决定不仅是由司机的个人driving-preference还驾驶环境密切相关。只有当有一个可接受的差距在目标车道,车辆可以进入到目标车道上。因此,目标的进展巷巷的成功实施是关键因素变化。Erlang分布是一个更一般的分布模型和速度等交通特征的进展。根据参数的变化”“分布函数,有不同的分布函数。Erlang概率密度函数如下(如图3):

当 ,Erlang分布等于负指数分布;当k= ,距离是产生一个稳定的进展。这表明参数在Erlang分布可以反映各种交通流的条件之间的免费交通流和拥挤的交通流量。的价值增加,交通越拥挤,拥挤的交通流量变得越多。因此,很难自由司机开车。因此,的价值nonrandomness程度的粗略表示,和nonrandomness程度增加的价值吗增加。

的价值计算如下: 在哪里表示车辆到达率在时间t;表示方差;t表示时间(年代)或距离(米)每个数的区间;表示组的数量;表示车辆到达的数量的频率在t;表示车辆到达的数量t;表示观测间隔的总数;K是一个整数。

先前的研究[12,32)认为,安全穿越差距是一个定值或遵循正态分布。然而,由于这一事实车道改变编织地区是强制性的,越接近LLCN车辆,司机就越大的愿望进入目标车道。因此,假设最低可接受的距离成正比的差距,提出了一种最小可接受的差距模型: 在哪里车辆选择的最低可接受的合并进展吗n。预计最低可接受的合并进展一般由司机驾驶环境。

所以,接受的差距在目标车道的概率如下:

选择人工车辆的换道差距是动态的,伟大的干扰骑士轨迹规划。如果盲目保守或激进的骑士,很容易造成车辆碰撞。因此,可接受间隙接受模型提出了可以提供制程骑士的识别的一个重要技术手段,它提供了一种保障交通安全的混合交通流。

4.4。多层陶瓷执行

应该满足两个条件的成功实现多层陶瓷:司机有多层陶瓷的意图和目标车道有一个可接受的差距。当两个条件都满足时,车辆可以成功目标车道变换车道。假如司机有意图改变车道事件一个,是可接受的差距在目标车道的事件B。根据车道改变意图模型和进展分布模型提出以前,多层陶瓷概率密度函数可以得到: 在哪里的概率密度函数是多层陶瓷在纺织领域。这个模型可以预测的换道行为高级驾驶员辅助系统(ADAS)避免碰撞和轨迹规划27,28]。

5。案例研究和模型验证

5.1。场景和数据描述

NGSIM轨迹数据是通过美国联邦公路管理局(供)的目的是进行“下一代模拟”计划[33]。数据收集的高空摄像机来获取车辆的驾驶过程,然后是视频处理软件是用来恢复研究中每辆车的确切位置在10帧/框架或15帧每秒。本文使用的数据我们在NGSIM - 101高速公路部分。检测部分的长度是640米,有五条车道。此外,它还包括两个斜坡和一个辅助通道。有效数据处理得到的轨迹数据,如表所示1。道路线段图如图4。

从图可以看出,部分有编织部分和收集到的轨迹数据完整。157辆汽车,已经完成了多层陶瓷从数据中提取。

5.2。多层陶瓷分析和模型验证

5.2.1。多层陶瓷意图模型

为了准确地捕捉司机的意图改变车道和验证的可靠性提出了多层陶瓷意图模型,我们提取了一些自由流动的轨迹。也就是说,没有车辆辅助车道(巷6)在此期间。如图5没有其他车辆的干扰,换道的位置主要集中在140 - 200米的下游。很少有车辆选择改变车道的尽头巷5。这一现象的原因是司机与多层陶瓷需求倾向于尽早进入6巷来缓解压力。而 ,多层陶瓷意图模型如下:

如图6,曲线代表之间的关系和 ,和频率直方图代表了所有车辆变换车道在检测期间。适合模型的提出是92.3%,可以更准确地描述驾驶员的意图改变车道。

5.2.2。差距接受模型

没有车辆时,前面的车辆在检测部分,默认ID前面车辆的“0”和进展也是“0。“虽然进展为零的数据,但实际进展很大。为此,我们将进展划分为两个部分。第一部分是有一定进展,另一部分是“0。“因此,司机的可接受的进展分为两个部分 或 : 在哪里表示进展。

本文使用Erlang分布符合巷巷6日进展如图7。发现进展的频率为零,占43%,这表明,编织区处于良好的运行状态。当 Erlang分布函数更适合6巷的进展(图8)。

司机的可接受间隙与司机的驾驶风格,也与入站的距离有关。车辆的进展 - - - - - -距离通过收集进展数据散点图绘制的时候车辆变换车道。150 - 200米内主要车辆变换车道。的距离减少,进展的范围也减少了。他们符合以下关系:

5.2.3。多层陶瓷位置分布

摘要多层陶瓷换道的本地坐标位置收集在我们编织部分- 101高速公路。轨迹散点图(图9地图(图)和热量10)车道改变位置是根据当地的坐标。6巷起价636.7英尺,结束1333.8英尺,分别。从这两个数据可以看到,车道变化点主要集中在650 - 750英尺的范围在水平坐标。前面的司机往往变换车道编织区6巷巷变化可以消除压力,而不是选择车道后测量车道效用。这表明有一个痕迹当车辆选择变换车道。和司机换车道的规则可以提供重要的指导骑士换道的认可,以避免碰撞。

根据制程概率密度函数提出了本文可以得到以下公式: 在哪里代表多层陶瓷模型表示的概率密度函数和0.43进展时的比例为零,如图7。从图可以看出11本文提出的模型能够准确地描述了司机的选择趋势的换道时间编织部分。但有一个区别在一部分 米的原因,当建立多层陶瓷压力模型,本文假定巷的压力变化是成反比的意图使默认的最佳位置换车道前辅助通道的位置。然而,当压力积累到一定值时,制程意图达到最大值。需要多少压力驱动程序生成研究;制程意图将达到峰值。

6。结论

灵感来自自由巷变化模型的原理,提出了一种方法基于驾驶员的心理压力分析多层陶瓷。开车司机DLC的主要因素是车道的效用,驾驶司机多层陶瓷的主要因素是换道的压力。因此,本文提出一个新概念命名换道压力分析多层陶瓷阶段。并获得以下研究成果:(1)提出的多层陶瓷压力模型是主要的换道的距离出站压力。(2)基于多层陶瓷压力,提出一个多层陶瓷意图模型,描述了司机的偏爱在编织部分换道的位置。(3)通过研究驾驶员的多层陶瓷意图和接受差异的概率,提出了一种多层陶瓷位置概率密度函数。

验证,该模型能客观描述的特征NGSIM换道过程在编织部分的数据。与传统模型相比,该模型探讨车辆换道过程从司机的水平,这是更多的解释性和可扩展的。它可以提供骑士汽车改变车道识别的基础在未来异构交通流。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国自然科学基金会(nos.51808057、71861023和61403047),一部分由湖南省自然科学基金(没有。2019 jj30026),年轻的精英科学家赞助项目中国湖南(2018 rs3074),湖南省自然科学基金(2018 jj3553),长沙局科技项目(kq1801056),湖南重点实验室开放基金智能道路和合作汽车基础设施提供商系统(kfj180702和kfj190702),在CSUST交通工程创新团队项目,与黑山共和国科技部项目(3 - 2)。

引用

1. y·阿里·m·m·Haque z郑,美国华盛顿,和m . Yildirimoglu”hazard-based持续时间模型来量化连接驾驶环境的影响在安全强制换道,“交通研究部分C:新兴技术卷,106年,第131 - 113页,2019年。视图:出版商的网站|谷歌学术搜索
2. h·埃德里和a·卡里姆”Fuzzy-wavelet时滞模型的高速公路事件检测、大小”交通运输工程学报,卷126,不。6,464 - 471年,2000页。视图:谷歌学术搜索
3. h·埃德里和a . Samant”,一种自适应共轭梯度神经network-wavelet模型对交通事件检测,”计算机辅助土木与基础设施工程,15卷,不。4、251 - 260年,2000页。视图:出版商的网站|谷歌学术搜索
4. 美国安·m·j·卡西迪,“高速公路交通振荡和车辆前馈动作,”学报》第17届国际研讨会的交通工具和交通理论r·e·欧烁,m·g·h·贝尔和b·g·海德克,Eds。,页691 - 710,伦敦,英国,2007年7月。视图:谷歌学术搜索
5. a . Duret美国安,c . Buisson”通过利率来衡量放松和换道的堵塞,影响”计算机辅助土木与基础设施工程,26卷,不。4、285 - 297年,2011页。视图:出版商的网站|谷歌学术搜索
6. 美国Ghosh-Dastidar h·埃德里,“Wavelet-clustering-neural网络模型对高速公路事件检测,”计算机辅助土木与基础设施工程,18卷,不。5,325 - 338年,2003页。视图:出版商的网站|谷歌学术搜索
7. 问:曾庆红,w·顾x张h .温家宝,j·李,和w·郝”分析高速公路事故严重性使用贝叶斯空间广义下令logit模型与条件自回归先知先觉,“事故分析和预防卷,127年,第95 - 87页,2019年。视图:出版商的网站|谷歌学术搜索
8. 谢·m·拉赫曼·m·Chowdhury y, y,他“微观换道模型的回顾和未来的研究机会,”IEEE智能交通系统,14卷,不。4、1942 - 1956年,2013页。视图:出版商的网站|谷歌学术搜索
9. k·艾哈迈德,司机的加速和换道行为建模、麻省理工学院、剑桥大学、钙、美国,1999年。
10. k·l·艾哈迈德·m·Ben-Akiva h . Koutsopoulos和r . g . Mishalani”模型的高速公路车道改变和差距接受行为,”运输和交通理论。13学报》国际研讨会上运输和交通理论,13卷,页501 - 515,里昂,法国,1996年7月。视图:谷歌学术搜索
11. 问:曾庆红,h·温、黄h . m . Abdel-Aty”托比特书贝叶斯空间随机参数模型分析事故道路段,利率”事故分析和预防卷。100年,37-43,2017页。视图:出版商的网站|谷歌学术搜索
12. m . f . Chen歌,马x”调查的司机受伤严重追尾事故的汽车之间使用一个随机参数二元有序Probit模型,”国际环境研究和公共卫生杂志》上,16卷,不。14,2632年,页2019。视图:出版商的网站|谷歌学术搜索
13. d . j .太阳和l . Elefteriadou”换道行为对城市街道:“车载“experiment-based研究领域。”计算机辅助土木与基础设施工程,27卷,不。7,525 - 542年,2012页。视图:出版商的网站|谷歌学术搜索
14. p·g . Gipps”换道的结构模型的决定。”交通研究B部分:方法论,20卷,不。5,403 - 414年,1986页。视图:出版商的网站|谷歌学术搜索
15. k·内格尔和m . Schreckenberg“高速公路交通的细胞自动机模型,”《de体格我,卷2,不。12日,第2229 - 2221页,1992年。视图:谷歌学术搜索
16. k·内格尔,d . e .狼,p .瓦格纳和p·西蒙,”双车道元胞自动机的交通规则:一个系统的方法,”物理评论E,卷。58岁的没有。2、1425 - 1437年,1998页。视图:出版商的网站|谷歌学术搜索
17. p .飞驒”造型车辆相互作用的微观模拟合并和编织,”交通研究部分C:新兴技术,13卷,不。1,37 - 62年,2005页。视图:出版商的网站|谷歌学术搜索
18. h·e·h . Yu曾,r . Langari”类游戏基于理论控制器自动车道改变,”交通研究部分C:新兴技术卷,88年,第158 - 140页,2018年。视图:出版商的网站|谷歌学术搜索
19. 问:杨和h . n . Koutsopoulos“微观交通模拟器评估动态交通管理系统、“交通研究部分C:新兴技术,4卷,不。3、113 - 129年,1996页。视图:出版商的网站|谷歌学术搜索
20. t·托莱多,h . n . Koutsopoulos和m . Ben-Akiva“集成驾驶行为建模,”交通研究部分C:新兴技术,15卷,不。2、96 - 112年,2007页。视图:出版商的网站|谷歌学术搜索
21. j·尼尔森,j . Silvlin m . Brannstrom e·寇林格和j·弗雷德里克松”的时候,如果和如何执行巷变化动作在高速公路上,“IEEE智能交通系统杂志,8卷,不。4、68 - 78年,2016页。视图:出版商的网站|谷歌学术搜索
22. Das和b .英航“模拟高速公路使用模糊逻辑混乱,”18日北美模糊信息处理学会国际会议——NAFIPS(猫。No.99TH8397)美国IEEE,纽约,纽约,1999年6月。视图:出版商的网站|谷歌学术搜索
23. 郭j .彭y, r·傅w .元,和c·王,“多参数预测司机的换道行为与神经网络模型”,应用人体工程学,50卷,第217 - 207页,2015年。视图:出版商的网站|谷歌学术搜索
24. 易侯、大肠Praveen和c .太阳”建模强制性换道使用贝叶斯分类器和决策树,”IEEE智能交通系统,15卷,不。2、647 - 655年,2014页。视图:出版商的网站|谷歌学术搜索
25. j·c·考尔d . p . Wipf m . m . Trivedi b . d . Rao,”莱恩改变稀疏贝叶斯学习使用健壮的运营商和意图分析,“IEEE智能交通系统,8卷,不。3、431 - 440年,2007页。视图:出版商的网站|谷歌学术搜索
26. d . c . k . Ngai和n h . c .容,“多目标强化学习方法对于复杂的车辆超车动作,“IEEE智能交通系统,12卷,不。2、509 - 522年,2011页。视图:出版商的网站|谷歌学术搜索
27. 诉Butakov和p . loannou个性化司机/车辆车道ADAS的变化模型,”IEEE车辆技术,卷64,不。10日,4422 - 4431年,2015页。视图:出版商的网站|谷歌学术搜索
28. m . McNaughton c .厄姆森j·m·多兰,J.-W。李,在诉讼的IEEE机器人与自动化国际会议上IEEE,页4889 - 4895年,上海,中国,2011年5月。视图:出版商的网站
29. a . Halati h代替,s·沃克,“CORSIM-corridor交通仿真模型,”交通拥堵和交通安全学报》在21世纪:挑战,创新,和机遇,第576 - 570页,芝加哥,1997年6月,美国。视图:谷歌学术搜索
30. m . Schreckenberg m . Rickert k·内格尔,拉图,“两车道交通使用元胞自动机模拟,”自然史答:统计力学及其应用,卷231,不。4、534 - 550年,1996页。视图:出版商的网站|谷歌学术搜索
31. h .北城,“merging-giveway交互模型的汽车合并部分:游戏理论分析,“交通研究部分:政策和实践,33卷,不。3 - 4、305 - 312年,1999页。视图:出版商的网站|谷歌学术搜索
32. t·托莱多,h . n . Koutsopoulos和m . Ben-Akiva“集成的驾驶行为模型,估计”交通研究部分C:新兴技术,17卷,不。4、365 - 380年,2009页。视图:出版商的网站|谷歌学术搜索
33. https://www.fhwa.dot.gov/publications/research/operations/07030/index.cfm。

版权

版权©2020魏郝et al。这是一个开放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。