文摘

自主车辆将掀起运输行业的一次革命。本研究的目的是研究在交通流动态异质性通过比较不同渗透率的四种不同类型的车辆:自主汽车(AC)、自治的公共汽车(AB),手动车(MC),和手动巴士(MB)。本研究的目的,修改后的细胞自动机(CA)模型,以分析异构车辆的影响(手动和自动)。以前,研究集中在手动和自动汽车,但我们相信的知觉和差距分析混合交通仍然存在,包含其他模式的自主车辆的研究非常有限。因此,我们明确了AB对整体交通流的影响。此外,两种类型的换道行为改变和礼貌的车道改变巷(激进)也集成到模型中。通过不同成分的车辆模拟多个场景。根据结果,如果同时采用AB与交流,将会有重大的改善交通流量和道路的能力,同样可以容纳更多的乘客在AB交流也预期用于拼车。其次,积极改变车道车辆时,有一个大幅增长网络的流量和容量。礼貌的车道改变不明显影响流量。

1。介绍

增加在全球主要城市城市化水平导致许多问题,其中之一是交通堵塞。拥堵的主要原因是供给和需求的不平衡率。旅行时间的延长,由于交通拥堵增加燃料消耗,环境的恶化,和带来了交通事故1]。2018年,世界卫生组织报告说,每年有135万人死于交通事故。实证研究发现,交通事故的主要原因是司机的行为,环境条件、道路和车辆的技术条件(2]。

日复一日,城市经历了无数关于城市交通系统转换。为了实现平滑交通流,保证交通安全,减少旅行时间,污染,和交通堵塞,无线通信和传感技术已经迅速而逐步被集成在过去的二十年里。在未来几年,交通行业、学者、和软件公司将继续努力实现场基于车辆发动的创新以提高交通系统。自主车辆是一个革命性的趋势,即由于其先进的智能控制,模式识别、和感知能力。由于通用无线通信技术,车辆之间的通信基础设施,以及行人是可能的。自主机动车辆通过道路网络和司机不需要管理者或决策者。预计自驾车辆将改变驾驶环境,将在2020年进入市场。因此,在未来的二十年里,我们需要找出混合在城市道路交通流的影响。这些不同类型的车辆有不同的驾驶框架。自主车辆有短的进展,减少反应时间比人为车辆(3]。

作为自主车辆会影响交通流特征在宏观和微观两个层面,我们需要研究自主车辆对交通流的影响。以往的模拟研究表明,能力显著增加通过减少进展和反应时间(4]。交通系统有潜力成为未来的全自动。虽然进行了多项研究混合交通,包括自动汽车和手动汽车过去,在本文中,我们试图分析和混合交通流特征自动车辆(包括汽车和巴士)和传统的车辆(包括公共汽车和汽车)有不同的自主汽车的普及率。一个自治总线是参与这项研究调查其对交通流特性的影响,因为它有可能改变现有的交通系统。我们将探索结果交通流基础的形式,也就是说,流量、速度和密度。车道改变是交通流的基本参数之一。我们还将考虑车道改变行为混合的情况下自主汽车和传统汽车。

剩下的纸设计如下。部分2关注混合交通流的文献综述(包括自动车辆和传统车辆)特点和车道混合交通条件下改变行为;描述的引入元胞自动机(CA)模型结构,Nagel-Schreckenberg模型和改进的CA模型结构根据理想情况在混合交通系统;并描述了一系列模拟不同渗透率的自主车辆和手动工具。部分3提供了一个基于仿真结果的讨论。部分4给出了结论和未来的研究提出了进一步的建议。

2。文献综述

自动车辆的影响(AVs)目前的交通系统,如交通安全、交通拥堵,出行行为,停车,和车辆的所有权,讨论了在过去的十年的一半。Fagnant Kockelman总结,AVs代表一个潜在的突破性但积极的改变我们的交通系统在车辆的安全方面,旅游行为,和拥挤5]。特别是,AVs有更快的反应时间和短的进展;因此,道路的通行能力与AVs因此将增加(6- - - - - -9]。AVs也可以帮助减少燃料和排放。开始部署,自住客将普及率低,AVs的整体交通特征按照手动车辆将复杂和难以理解10,11]。

各级需要适当的建模方法(微观和宏观),这可能允许混合交通流的不断发展的动力和能力是正确反映。

我们主要关心的是在这项研究是一个自治的影响车辆(包括自主汽车(AC)和自主总线(AB))在路上能力。我们将模拟自治的异构交通流车辆和手动车辆的影响,随后分析交流和AB型道路容量和交通流。

AVs道路容量的影响是一个巨大的争论。Tientrakool et al。(2011)分析了混合交通流条件下的能力,通过引入公路运力增加自主车辆(12]。Van Arem等人在他们的研究表明,AVs的引入可以减少容量,即使他们的份额很低(13]。先前的研究在自动车辆普遍认为自主车辆的单一模式,即汽车。在实时的情况下,会有不同的模式与手动车辆自主车辆并行运行。这项研究的重点是分析混合交通流的车辆(自主车,自主车,手动车,手动车)上运行多个车道。此外,我们的额外的目标是检查自主车辆对整个网络的影响当融合不同的车道改变(LC)的行为。

换道行为是交通的主要特点之一。车道变化有负面影响道路安全和交通流量(14)和频繁的换道行为的原因之一拥堵和/或事故(15,16]。Gipps是第一个引入交通的车道改变模型(17]。而其他几个模型开发了基于Gipps模型,飞驒发达城市道路和高速公路的质量更好的建模框架来捕获LC的车辆交互,这是明确地分为三类:自由、合作,并迫使巷变化根据录像的观察(14]。艾哈迈德等人开发了车道改变决策模型通过实现效用理论车道改变行为(18]。凯斯等人开发了美孚(最小化整体车道改变)引起的制动模型简化和建模车道改变决定19]。这个美孚模型类似于Gipps模型;唯一的区别在于,在美孚acceleration-based规则。其他科学家进一步研究智能换道模型基于美孚(20.]。Tawari et al。21和侯等。22]调查安全的概念:是否安全的车辆实现车道改变策略取决于交通状况。调度连接自动车辆的车道改变被认为是胡锦涛et al。(23)和Awal et al。24]。Awal et al。25)提出了一个最优合并战略沟通和sensor-enabled车辆。Desiraju et al。26)开发了一个算法来减少破坏自主车辆在车道交通流的改变策略。预计的发展自主汽车为未来提供了很大的机会。

自住客不可以在公开市场上,我们只能通过模拟研究分析其影响。为了这个目的,我们可以选择细胞自动机或VISSIM, AIMSUN。我们研究的主要问题是调查的影响,不同模式的自动车辆混合交通流和评估通过交通基本图。出于这个原因,交通介观模型如CA或微观交通模型VISSIM或AIMSUN等应采用。CA模型可以很容易地模拟非线性复杂的交通流动态,提供弹性通过模拟多方面的和复杂的实时交通场景在先前的研究建议。此外,可以模拟交通流的动态结合不同的元素在一个时间。本研究的另一个主要目标是评估不同换道行为的影响在不同的模拟,这很容易模拟在CA模型由于其固有的简单性。针对CA的复杂的非线性动态交通流模型,CA指定为最合适的工具已经实际交通流的仿真由于其高效、快速性能的计算机模拟。CA模型可以准确的交通事件,如过渡繁殖从自由流动到拥堵,莱恩反演,排的形成。CA模型离散时间和空间。 Depending on different requirements, we can define unit time and unit length of the cell. The CA model is selected for simulation in this study, based on the aforementioned advantages.

内格尔和Schreckenberg介绍了交通仿真的元胞自动机模型称为NaSch模型(27]。后,几个模型扩展NaSch模型开发,如Fukui-Ishibashi (FI)模型,模型,VDR模型和TT模型(28- - - - - -33]。双车道模型提出了模拟真实的交通。Rickert等人研究了一个简单的双车道元胞自动机(CA)模型基于内格尔和Schreckenberg提出的单行线CA (34]。

开发了不同的CA模型探讨不同的车道改变行为的影响(35- - - - - -39]。高等人开发了交通流的CA模型在肯纳的三相交通理论的背景下40]。陈等人提出了一个新的CA模型的随机效应是减少丰富的时间进展(41]。Tonguz等人开发了一个新的CA方法建立城市交通流动模型(42]。达斯提出了一个CA模型,允许车辆在低速移动堵塞(43]。先前的研究也出现了CA模型,模拟多级流量(44- - - - - -46]。最近,刘等人的影响进行了探讨自主车辆和普及率在不同的交通流特征在一种改进的CA模型(47,48]。他们的研究主要集中在自主汽车和手动汽车。在这项研究中,我们改进了他们的CA模型,通过融合的新模式手动和自动车辆如手动车,手动车,自主车,一种新型的自主汽车。此外,我们还开展了不同车道改变政策对不同模式的车辆。这种模型是必不可少的学习不同类型的自动车辆的影响对整体交通流动态。

因此,CA模型有助于模拟实时交通场景与不同车辆的特点,是本研究的基础是手动和自动车辆都将具有不同的属性。

2.1。模型

在这个新的开发了CA模型,模拟不同类型的车辆的行为。所有的参数模型描述表1。我们有四个类型的车辆,如自主汽车(AC),手动车(MC),自主总线(AB),和手动总线(MB)。关于交流,这些车的长度不超过5米,它们的大小等于模型中每个单元格的大小。交流之间的主要差异和MC巷的延迟反应和政策的变化。交流可以遵循积极巷(ALC)和礼貌的车道改变(PLC)。

2.1.1。MC

手动汽车(MC)类似于交流,但他们通常比交流更有反应延迟,遵循酒精度车道改变政策。这种车的另一个特性是一个随机的刹车。因为人们不能够保持速度恒定,这种汽车通常采取制动随机。时间步长一秒;因此,在每个时间步,MC汽车制动,减少速度随机。汽车的所有更新规则解释表2。的最小距离手动车(D_n,mc从前面的车是2细胞)。

2.1.2。AB

自治巴士(AB)是第三种类型的车在我们的模型中。他们有更多比AC / MC汽车和长度,通常,长度是2倍的时间比AC / MC和占领2细胞的一条线。这种汽车也有不同的反应延迟和车道改变选项。一个自治的最小距离总线(D_n,ab从先前的车辆1细胞)。

2.1.3。MB

手动总线(MB)是第四类型的车辆。手动总线有稍微不同的特性,比如延迟时间和随机的制动系统。在每个步骤中,我们更新我们的模拟遵循Nagel-Schreckenberg模型。有一个显著的差异在前面的模型模拟不同类型的车辆,所以我们为每个车辆分配不同的进展。手动车的最小距离(D_n,mb从前面的车是3细胞。所有的公共汽车更新规则表解释道3和表4所有的基本参数模型解释道。

图1代表了示意图,说明模型中涉及的各种参数。

2.2。车道改变

我们考虑过巷政策,积极礼貌策略。自主车辆跟随这两项政策,但手动汽车只追随咄咄逼人的政策。假设任何车辆,自动或手动,遵守基本规则,车道改变只能进行至少成本减少相邻车辆的速度;即车辆只会改变其车道如果周边车辆目标车道上没有放慢太多。此外,莱恩的变化是可以接受的。特别是,两组换道规则,礼貌的车道改变(PLC)和侵略性的车道改变(ALC),被认为是。根据情况,自主车辆可以遵循PLC或酒精度,而手动车辆只能遵循酒精度的规则。我们修改了规则根据不同类型的车辆。有三个车道的模式。交流和MC可以利用所有的车道。 However, buses are restricted to operate on the second and third lane.

右车道改变的情况下,相同的命名法适用于左边的车道。然而,汽车将更喜欢左边的车道改变规则如果左边的车道改变规则符合安全标准。车辆也检查右边的车道改变可能性:如果不满足安全标准、车辆n仍然在当前车道。如果满足,左右规则n可能会改变车道的PC概率。介绍了该参数反映车辆在车道的个性变化(例如,一些车辆可能不会选择这样做,甚至在相同的条件下,支持巷变化)。

巷变化,此外,为了转移目标车道,前面的最小距离(前车辆)和(后车)AB和交流是2细胞,在那里,MC,最低3细胞和前后距离,MB,最小的前后距离是4细胞。

2.3。礼貌策略

对PLC的基本假设是,司机小心试图改变车道;也就是说,他们的车道改变动作不应干涉周边相邻车道上车辆的运动。这是符合美孚政体参数的模型1。PLC规则支持更多的利他行为,而不是假设以自我为中心的行为在大多数的换道模型。总的来说,研究中应该考虑两个方面的车道变化:激励和安全。只有在相关方面都满足特定标准,车辆将会改变路线。为了设置激励PLC和安全标准,我们把STCA模型。PLC规则如表所示5。

2.4。积极的政策

酒精度描述一组换道规则,比公司更实用,尤其是手动工具。手动车辆的换道行为报告表明,慢前车辆会导致以下司机考虑超越在很多情况下(49,50]。此外,95%的司机只会改变车道如果后方距离目标车道上超过3芯(15米)长度和速度超过那些目的地巷51]。如果车辆所启发n车是手动的,D₀设置为3细胞的长度;否则,D₀设置为2细胞的长度来表示不同精度的自动和手动驾驶行为的车辆。酒精度规则如表所示6。

减速规则意味着当前车辆维护,除非它的速度慢下来,以适应当前的间距。随机化政策将适用于手动车辆与0 <p< 1的概率。这意味着司机不能保持目前的速度不断的百分比,可以随机延缓他们的车辆。position-updating规则指出,车辆更新他们的位置在当前速度。这条规则来源于NaSch车道模型。

2.5。仿真实现

在实现中,我们使用Matlab编程语言。我们是完全面向对象的实现。我们有一个“汽车类的主类。“班上有几个属性,包括ID,位置,速度,Max_speed, Line_max_speed,延迟,类型,长度,线,back_space,和front_space。每辆车是一个对象类的汽车,每辆车,我们商店所有各自的参数。在CA模型中,道路段分为细胞。在每个时间步,每个单元有两个国家被车辆或空白。路上的最大速度定义为80公里/小时。车道的数量是3和道路长度是10公里。仿真开始时,车辆随机分布在不同的细胞,每辆车的大小相当于指定数量的细胞如前所述。 Furthermore, the initial speed of vehicles is set randomly. After each fixed time step, number of vehicles increases by adding vehicles again randomly in empty cells. This whole process is done again and again until the decided time period for simulation is completed.

根据用户设置的参数,我们生成工具和特性的模拟。我们已经运行PLC的模拟在不同的价值,酒精度,概率的随机刹车。每个场景的仿真运行1000次步骤。平均速度、密度和流量是由以下公式:

3所示。结果和讨论

结果在本文中讨论了通过比较不同的场景,不同成分的交通。所有的结果都是基于仿真模型在前一节中解释很全面。流量除以自由流动阶段和拥挤流阶段,很容易理解的意义自治车辆(汽车和巴士)模型。

所有提到的以下结果数据2- - - - - -10描述交通流特性的基本关系的差异(速度、密度、流量)通过比较不同的自动汽车普及率(AC)、自治的公共汽车(AB),手动车(MC)和手动巴士(MB)。不同场景从1到5已经制定基于不同的成分。在这些场景中,酒精度和PLC的值固定为0.5深深理解异质性的概念通过各种安排交通和其影响。

场景6到8,不同价值观的酒精度和PLC结合仿真模型的修正车辆的组成了解换道行为类似配置的影响。

表中提到的这些场景的细节7。

3.1。场景1

图2显示的结果自动汽车普及率(100%)和手动汽车(100%组成)在相同的道路网络。主要趋势图是按预期和他们完美结合预先制定公约的讨论参数,即速度、密度、流量。交流优于MC在每一个参数。所有这些结果通常与前面的理解一致,主要是由于减少反应时间延迟从AC。MC普及率100%的最大速度是60.61千米/小时,然而,对AC普及率100%,最大平均速度大约是69.46公里/小时,几乎高出15%。同样,MC的最大流量是2256.51车辆/人力资源,在交流的最大流量是3251.26车辆/人力资源,这是几乎高出44%。交流到模型的引入导致了更高的、畅通流动,表明稳定性和恒常性的速度和流量图。由于他们及时的机动性,流相比MC速度与流量保持不变的趋势。所有这些结果显示一个明显的发现,选择投票制会增加道路容量所显示先前的研究和制造商。

3.2。场景2

在这个场景中,介绍了异构流量通过展示不同的渗透交流的比例与MC仿真结果如图3预计将显示的结合AC + MC交流成分是80%更稳定的流量最高的平均速度在相同密度。这证明这个概念,如果交流的比例从20%到80%增加的情况下在路上网络、道路容量增加,直到达到所需的关键能力。例如,在本例中,最大流量AC + MC交流成分的20%左右是2433辆/小时,而最大流量AC + MC交流成分的80%左右是3013辆/小时,流量增加近24%。同样,最大平均速度为AC + MC交流成分的20%左右是62.04公里/小时,而交流的最大平均速度+ MC交流成分的80%左右是69.51公里/小时,几乎12%的平均速度增长。这证明,在拥挤的阶段,更高比例的交流比MC成分会更有益。这里要注意有趣的是,在作品的交流40%,MC 60%(例1),自由流动相的流速小于交流成分的20%,MC 80%(例2)。这是由于这一事实,在模拟,酒精度和PLC的值设置为0.5。这意味着,在案例1中,一半的交流将PLC和另一半会跟酒精度。同样,一半的MC只能改变车道遵循酒精度的行为。类似的规则应用于第二种情况。在这个模拟过程中,越来越多的MC(40%)以下酒精度行为和更少的交流(10%)观察股价行为相比模拟MC(30%)后的酒精度行为和交流(20%)正在观察股价行为。意想不到的变化导致自由流动阶段的模拟在于规则的车道改变对PLC和酒精度。 Since for ALC the conditions to change the lane are less stringent than PLC, the simulation with more MC vehicles can change lane more efficiently until the optimum flow rate is reached. After the transition to the congestion phase, the inclusion of a high penetration rate of AC has a significant impact on abating traffic congestion as they will be able to change lanes more efficiently due to their less reaction delay and headway. Thus, merely including the AC (until a certain threshold as shown in this scenario) will not have a significant impact on the traffic flow rate in free flow phase. Their efficiency is more highlighted in the congestion phase. When the percentage of AC becomes high, more AC can follow ALC behavior alongside their less headway and reaction time. This is why the flow rate is increasing quite high when AC is 60% and 80%. The impact of ALC behavior is also a deciding factor in changing lanes which are further highlighted in scenarios 6 to 9.

3.3。场景3

在场景3、3类型的车辆(AC、MC和MB)介绍了不同比例组成。如图4所示,MB的比例保持不变在10%的weightage强调交流和MC的比较。正如所料,当AC的百分比,MC,和MB是保持在80%,10%,和10%,分别,结果显示高路容量与同行相比。这进一步高百分比的交流将导致高速度和提高流量。当AC的百分比、MC和MB保持在20%,70%,和10%,分别的最大流量和最大平均速度2101辆/小时和61.83公里/小时,分别。现在,当AC的百分比、MC和MB是保持在80%,10%,和10%,分别为最大流量和最大平均速度为2549辆/小时和65.63公里/小时,分别。有一个流量的增加约21%,最大平均速度的增加约6%的交流时为80%。

3.4。场景4

一种新的工具,介绍了AB异构交通,以显示其对交通的影响参数。这个场景与场景3有一个显著差异:MB被替换为AB和AB的比例保持稳定的维持在10%左右。AB保持不变在10%的比例来表示交流和MC的比例进行比较。很明显从图5,当AC的百分比、MC和AB在20%,70%,和10%,最大流量和最大平均速度为2113辆/小时和59.15公里/小时,分别。在相同的一方面,当AC的百分比,MC,和AB为80%,10%,和10%,最大流量和最大平均速度是2882辆/小时和71.08公里/小时,分别。有一个流量的增加约36%,最大平均速度的增加约20%的交流时为80%。此外,这也提供了一个有趣的观察类似场景2的结果。在模拟交流40%,MC 50%, AB(案例1)10%,自由流动相的流速是接近80% AC, MC 10%, AB 10%的原因(例2)。在场景2中提到再次躺在酒精度和PLC的规则。在案例1中,车辆的MC将遵循酒精度的行为,这意味着AC和MC能够在自由流动阶段有效地变换车道。然而,在拥堵阶段,少普及率的交流将无法减少交通拥堵,例2所示。这一点再次强调交流60%,仿真结果的MC 30%,和AB 10%(例3)。因为有较少的MC,以防3在自由流动阶段,少MC将遵循酒精度行为相比,案例1。因此,自由流动相的流速情况3将不足1例。在拥堵阶段,AC的高普及率在例2和例3将使他们更有效地变换车道比案例1由于流量在例2和例3比1。 This further reinforces the finding of scenario 2 that ALC is also a deciding factor in increasing the flow rate. Moreover, the high penetration rate of AC increases the flow rate in congestion phase as they will be able to change lanes more efficiently due to their less reaction time and less headway. Merely including the AC (until a certain threshold) will not significantly increase the flow rate in free flow phase. As stated before, the importance of ALC is tested through scenarios 6 to 9.

3.5。场景5

场景5,AB和MB介绍了异构交通的一部分。不同成分的模拟来推断最可行的情况。如图6,结果清楚地列明的作品交流和AB型AB AC(90%和10%)超越其他安排。因此,如果AB介绍了公路网络而不是MB,流量会显著增加峰值流量图如图所示3。MC的最大流量+ MB MB的成分是10%左右的1735辆/小时。的最大流量AC + AB AB成分10%左右2947辆/小时,近70%流量显著增加,因此增加道路容量指示如果AB介绍与交流。预计更多的乘客将倾向于使用AB由于其安全性和灵活性特征。同样,最大平均速度为MC + MB的MB成分是10%左右56.36公里/小时,而交流的最大平均速度+ AB AB成分的10%左右是67.94公里/小时,几乎20%的平均速度增长的反应延迟AB的相同AC。如果我们比较MC + AB与MC模型+ MB的模型,它是显然表明,只有10%的AB引入模型,流量增加。开始自由流动相类似但随着密度的增加,流量在MC + AB成分更稳定甚至在拥挤的阶段。

因此,普及率只有10%,AB有很大积极影响道路的整体能力。

场景1到5的主要研究结果可以概括如下:(一)随着渗透率的增加比例的AC和AB型汽车,整个网络的流量增加,从而表明显著增加容量。(b)如上述所示数据,同样的密度值,AC和AB在模型中增加的参与自由流动阶段的网络,导致稳定流量更大的持续时间。(c)使用AB在交通流与交流将容纳在缓和交通拥挤,人们普遍预期,交流将用于拼车。如果同时采用AB与交流,不仅将网络的容量增加,还可以容纳更多的乘客,可以鼓励使用AB的特点。因此,AB有可能大大减少交通拥堵如果如期实现。

3.6。场景6

在这个场景中,4种不同类型的车辆,也就是说,AC, MC, AB, MB,介绍了该模型在45%,45%,5%,和5%,分别。这种安排模拟模型中通过改变酒精度和PLC的值。PLC在这种情况下保持不变在0,而酒精度是改变每个组成的四倍,也就是说,0.2,0.4,0.6和0.8。如图7,酒精度下跌的趋势时,值的范围从0.4到0.8通常是相同的所有图形除了酒精度为0.2。这是由于这样的事实,只有20%的所有车辆都积极改变他们的车道,而其余不建模改变他们的车道。因此,流量并不比其他值。如果车辆不决定改变他们的车道,然后,在相同密度、流量预计将大幅下降,车辆的数量将大幅增加。需要注意的关键点是,即使酒精度的价值为0.8,即80%,车辆,手动和自动,正在改变他们的车道;总体趋势与其他模拟当酒精度0.4和0.6或多或少是相同的。因此,增加驾驶员的攻击性并不增加达到一定阈值后的流量。

3.7。场景7

如前所述,这个场景相似的场景6车辆布局与4种不同类型的车辆。在这个场景中,酒精度的价值保持不变(0)而改变的值在每个仿真PLC四个不同时期从0.2到0.8。这一趋势的模拟是相同的自由流动和拥挤的阶段如图8。因为酒精度是0,没有手动车辆会改变其车道。因此,流量并不比其他模拟。因此,增加自主车辆的礼貌行为不会大幅增加达到一个临界值后的流量。自由流动阶段和拥挤流阶段在这个范围内都是相同的。

3.8。场景8

再次在这个场景中,车辆的安排保持一样的场景6和7。然而,没有酒精度和PLC的价值保持不变。相反,在每一个模拟,使用不同的PLC和酒精度值的范围从0.2到0.8。例如,当酒精度为0.2,股价是0.8,反之亦然。所有模拟的结果显示类似的趋势如图9他们之间没有翻天覆地的变化。在模拟当PLC的价值是0.4和酒精度为0.6,车辆的平均速度略低于其他模拟但它到达其他模拟的流量和速度密度穿过阈值时40辆/千米。此阈值后,在所有的速度和流量值表现出相似的模式和趋势。因此,可以说在拥挤的阶段,所有的模拟产生或多或少类似的输出和改变酒精度和PLC的值没有透露激进的变化。

3.9。场景9

这是最后的比较场景在这个研究。在这种情况下,车辆的成分是先前的相同场景从6到8。三种不同类型的模拟运行三个独特的值的酒精度和PLC在每个模拟和结果如图所示10。在第一个模拟,酒精度是0,PLC是1。第二模拟、PLC是1和酒精度是0,在第三模拟,两个值是0。所有的模拟的结果有所预期。交通流率高的更稳定的自由流动和拥挤流阶段当酒精度1和PLC是0。这是由于这样的事实,自治和手动工具都将遵循积极车道改变策略,将随后增加道路的容量。当PLC是1和酒精度是0,只有自主车辆将被允许改变他们的车道遵循礼貌车道改变操作手册车辆在本研究中只会遵循积极换道行为。因此,流量少,因为几乎一半的车辆(手动)将无法改变他们的车道,将旅游在同一车道不管提供的空白。当酒精度和PLC都是0,结果与仿真PLC时相当1和酒精度是0。没有汽车会改变车道,仍将在同一路径无论接受的差距。 Thus, the road capacity of any link can be increased if the vehicles are allowed to follow the aggressive routine.

场景的主要发现6 - 9可以概括如下:(一)如果车辆的成分保持不变,只改变酒精度和PLC的价值观,没有彻底的波动在整个道路容量。(b)只有当车辆被允许改变车道积极会有一个巨大的网络流量和容量。礼貌巷变化并不显著影响流量和或多或少的影响相当于设置时没有礼貌的车道的车辆被允许改变改变需要满足某些特定需求之前它是如何实现的。

4所示。结论

在本文中,我们研究了交通的异质性通过比较不同渗透率的四种不同类型的车辆,也就是说,自主汽车,自主巴士,手动车,和手册的公交车。为此,修订后的CA模型作为解释说在之前的开发模型描述的阶段。所有四个车辆的特点和参数定义。此外,两组换道行为改变和礼貌的车道改变巷(有闯劲的)也被纳入模型假设手动汽车只会遵循酒精度和自主车辆将遵循PLC和酒精度。为了深入理解混合交通流的概念,不同的场景通过不同成分的车辆设计和模拟。

结果表明,增加自主汽车的普及率,整体流量和平均速度增加。自主汽车的引入是一个关键因素在增加道路容量的有效性不仅将交通流量增加,还可以容纳更多的乘客。预计,随着交流的引入到市场,AB也会跟进并将非常乐于助人的整体流量的稳定。此外,它还指出,如果车辆的配置是假定为持续只有酒精度和PLC的价值观改变了,整个路上没有广泛的可变性。交通流量激增明显只有当所有的车辆跟随酒精度。相反,如果只允许PLC,流率的差异是微不足道的。

未来的建模工作没信号灯路口和连接在不同组成的异构交通需要解决。

数据可用性

因为没有任何真正的自治的相关数据,我们只使用模拟数据。仿真数据可从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究由“强大的国家运输策略的研究”(2017 zd07)和中国工程院的重大咨询项目(没有。2017 zd07);特别感谢应扩展到Ruimin Li博士Shumaila卡迪尔小姐,法伊扎Naveed小姐,小姐Sadia和Palwisha宝贵的建议。