文摘

可变限速控制:是一个灵活的限制的速度给定路段的司机可以开车。有效:控制可以提高安全性和为司机提供明确的指导。以前的交通流模型的影响:控制主要是基于:平均速度(宏观)或司机的预期速度(微)。一些模型考虑的影响:在实际驾驶员的驾驶行为。在本文中,我们首先简要介绍大流量数据参与这项研究和解释数据和驾驶行为之间的映射关系。然后,我们分析司机的实际驾驶行为:控制下。然后,一种改进的单行线细胞自动机模型建立了基于驾驶行为特征:控制。之后,我们校准单线细胞自动机模型的参数标定对象左边的车道。最后,本文使用提出的单线细胞自动机模型来模拟:控制下的交通流特性。数值模拟结果表明,模拟不同密度可变速度限制的时间间隔呈现不同的结果,但这些结果符合可变限速控制的实际情况,验证该模型的有效性。

1。介绍

可变限速控制系统调整道路速度限制:根据交通流状态实时检测到先进的交通流量和环境检测技术。作为先进的高速公路管理控制方法之一,:已经应用在西方国家如德国、美国、荷兰、英国、芬兰、以色列、新西兰和澳大利亚(1]。实施效果表明:有一个很大的影响在改善道路交通安全,缓解交通拥堵2- - - - - -5]。

的重要基础研究内容:交通流建模。宏观模型的一个重要组成部分:建模、而言可分为两类不同的特点:交通流量(6- - - - - -9]。一类是研究,考虑的影响:平衡速度关系(10- - - - - -14]。平衡速度函数是被新政策所取代:控制参数:控制根据修改后的基本图。另一个类别建立宏观模型使用宏观和微观之间的对应参数:控制当模拟驾驶行为。

宏观模型在数值模拟操作效率高的优势,但大多数现有的宏观模型缺乏个别车辆的行为描述,这使得它不可能模拟:的安全效益。因此,优化的目标:仅限于效率。

微观模型是首选的,因为两者的效率效益和安全效益:策略可以被评估。李等人。15]PARAMICS用来模拟:控制;Torday和Bierlaire16)建模:微观模型基于MITSIM模拟器;公园和Yadlapati [17)使用VISSIM模型:用不同的合规率。其他微观交通仿真的巡航控制(CC)和自适应控制(ACC) (18- - - - - -20.];这样的模型被用于高速公路交通的评价的有效性:[21,22]。然而,在大多数的微观模型,所需的现象:影响车辆的速度是思考,但是司机的行为的变化将被忽略。事实上,:性能很大程度上取决于合规率(23];:不仅改变所需的速度,也改变以下司机的行为。这反映在先前的论文比例较小的进展是减少24]。此外,模型考虑所需的速度是不合理的。在大多数的研究中,车辆的速度等于:值,不符合真实的评估。当模拟大或小的价值:控制所需的速度将略高于或在极限值之下,值得探索,但没有研究在现有模型。因此,有必要探讨影响规律:不同交通条件下控制和合规率。

交通数据总是扮演着一个重要的角色在交通流建模的过程;特别是在微观交通流建模的研究,有必要通过大规模微观交通数据描述驾驶行为特征。最近,许多学者试图利用驾驶行为数据作为研究切入点来解决一系列相关的运输问题。李等人。25]分析了司机的减速行为基于自然的驾驶数据,最后,制动控制系统的设计。为了评估是否省油的驾驶行为,郝et al。26)开采交通运营数据和燃料消耗量数据,最后建立相应的分析模型。邓et al。27)建立了一个曲线安全速度模型的基础上,深入分析驾驶行为数据。

的使用经验数据研究驾驶行为:控制研究[10,12,17]。这些研究的共识是:系统可以提高安全通过减少平均速度值,速度差,三流的进展,可以增加的比例同时进展。研究使用经验流量数据作为输入可以客观地分析:对驾驶行为的影响并得出可信的结论。然而,与预定义的约束:控制策略,大多数这些研究只获得有限范围的交通状况和有限的数据:值。因此,大多数研究人员仅仅进行了定性对比驾驶行为参数是否使用:控制而缺少定量检查流量变量和:值之间的关系。在实际实现中,:价值观不同,按照当时的交通条件和天气条件。然而,很少有学者评价每个:价值的潜在结果。在此期间,只有有限数量的论文检查:影响时控制交通状态;因此,很难确定结果是否造成的:控制或流量的不同国家内收集的经验数据。

本文总结了文献:控制下的交通流模型和驾驶行为,提出了一种改进的细胞自动机模型,代表个人的驾驶行为和复制相应的交通流特点:控制。本文的其余部分组织如下。驾驶行为:控制分析与数据高速公路的部分2。部分3建立合规的单一细胞自动机模型考虑的参数。节4经验数据的高速公路段用于识别驾驶员的个人激进的分布程度和校准的参数模型。节5进行数值模拟,验证该模型的优越性在繁殖:控制交通流特征。

2。大数据分析驾驶行为

2.1。数据准备

在这项研究中使用的数据收集从一个双向欧洲高速公路段每个方向有三个车道。的交通流状态变化很明显,包括复发和不再发生的拥挤。交通流信息,如车辆的速度、进展,和车辆的长度,每500 - 600收集的回路探测器安装在每一个车道。为了缓解交通拥堵,提高行车安全,高速公路是配备:控制设备,采用控制策略基于缓解交通的冲击。各种各样的限速包括50公里/小时,60公里/小时,80公里/小时,100公里/小时,120 km / h是在系统中实现。

本研究采集交通流数据和相应的:控制速度数据从上午7点到下午6点在两周nonweaving区域站点。只有数据好天气条件(没有雨或雾)和能见度条件下(白天)被选为避免外部干扰。失踪,错误的数据被删除。最后,数据样本的数据集包括4266分钟355599辆是构成。

交通状态是一个关键因素,当调查:对驾驶行为的影响。不同交通状态下,驾驶行为会有不同的影响:系统。因此,很难确定是否造成的结果是:控制或交通状态的差异通过原始实验数据。消除交通状态的影响,样本的分类根据交通状态确实是至关重要的。本文首先收集到的样本分为不同的交通密度的时间间隔测量交通拥堵。然后交通数据在同一密度区间不同:控制相比,如果没有:控制调查:控制对驾驶行为的影响。

2.2。想要的速度分布

从之前的研究中,它可以推断:有能力减少所需的速度,因为每个密度区间平均速度在畅通的状态下与不同:值。Gartner的研究提到,当太空进展大于125(对应4∼6 s的进展速度20∼30 m / s的车辆),车辆将不会在以下状态(28]。根据结论,车速在上述状态反映了司机的预期速度,不影响前面的车辆。统计分析车辆的速度进展大于5 s处于畅通状态。图1显示左边的车道的车速分布的不受控制的状态和控制:包括120公里/小时,100公里/小时,80公里/小时。

图1表明的影响:在司机的预期的速度是全面的。:设置完成后,司机基本上反应和降低了速度。指数回归线在图中显示,行驶速度逐渐增加的进展增加,这是符合现实。同时,从图可以看出,在不同:价值观,一些司机开车速度明显高于:价值。相信明显超速的司机是相对激进的司机可能不遵循:。此外,高速限制,这些司机会超速30%以上,而在低比例将上升到50%:价值。我们认为有些司机可能挑战的合理性:控制实现低速极限时,即:服从率下降导致的高平均速度在低的现象:值。

2.3。平均所需的速度

所需的平均速度在一定程度上反映了司机的合规率。为了量化的平均预期的变化速度,计算算术平均速度在不同的限速值的情况下在不同的车道。

表1显示所需的平均速度与进展时间大于5 s在不同:值在每个车道(“-”表明,样本的数量少于50;没有统计数据进行)。它可以观察到,司机的预期速度显著下降:在所有车道与不受控制的状态。此外,从120公里/小时的速度极限值为60公里/小时,平均速度减少可变速度限制减少。然而,减少并不是线性的,因为司机的所需的速度和之间的区别:价值更大的控制下像60 km / h:价值低。

2.4。小进展分布

进展的分布,特别是比例较小的进展,对交通流的稳定至关重要。本文主要集中在变速的效果限制车辆的比例小于1秒的进展。为了量化的影响不同:价值观的进展,我们计算的百分比很小的进展在不同速度下不同密度的时间间隔限制不同的车道。表2总结了车辆的比例小于1 s的进展在所有组合密度区间和速度限制在左边,中间,和正确的车道(“-”表明,少于300辆中观察到相关密度区间)。

从表中可以观察到的比率小于1年代进展处于失控状态随密度的增加,虽然比率:控制下随着密度的增加变化不明显。一般来说,比例小于1的进展:控制明显低于处于失控状态。百分比在100 km / h的速度限制和至少80 km / h,甚至不到50%的不受控制的状态。结果表明,一些司机:控制变得更为谨慎,倾向于保持一个大的进展,以确保安全。

3所示。只能过细胞自动机模型

本节提供了一个地方的细胞自动机模型可变限速控制。:改进的细胞自动机模型的基础上,将司机的激进功能受损(RF)提出的瞿et al。29日),介绍了:合规参数来描述驾驶员的合规特点,设置所需的速度根据每辆车的合规率,然后修改射频的适度概率模型结合合规率;也就是说,如果一个司机:合规和:控制的范围内不断进展小于1秒,司机将拥有更高的减速概率。

在模型中,司机将拥有更高的减速概率,同时与进展:控制范围内的不到1秒。该模型是建立在两个假设:(1)大多数司机的:控制变化所需的速度,但所需的速度和:不相等的价值和他们的关系不是线性的。(2)的比例较小的进展(小于1秒):控制下显著降低(24),这表明,一些司机在驾驶变得更为谨慎,倾向于保持一个更大的进展,以确保安全。

随机减速概率表达式 在哪里c_n合规的参数吗n^th车,c_n= 1意味着合规,c_n= 0表示不服从,合规的车辆司机的个人特征的影响,和每辆车的合规财产最初决定和不会改变仿真或不同每次更新后循环。每辆车的合规参数是由以下公式:

C是:合规率,定义为司机受到的百分比:控制,缩写为“合规率”。”r和(0,1)”表示0∼1之间的一个随机数。一个_n(t)是一个参数来评估车辆是否在:控制范围内,一个_n(t)= 1表示n^th车辆:控制范围内t,而一个_n(t)= 0表示它的范围。其他参数都是相同的射频模型定义。

提出的模型的更新规则如下:(1)确定所需的速度 (2)确定的概率随机化 (3)加速度是 (4)减速是 (5)随机化是 (6)位置更新 (7)决定:控制的范围 在哪里Xvsl_我的起始位置吗我^th:控制区域。表示车辆所需的速度的平均值(avd):控制下,由限速值决定我^th:控制区域,叫做:avd的形容 。Vvsl_我表明中的限速值我^th:控制区域。所需的速度吗n^th车辆。的最大速度是n^th车辆。其他参数定义是一样的舒适驾驶(CD)模型(30.]。

4所示。模型校准

4.1。avd和平均最大速度(AMS):

在这项研究中,左边的车道被选为校准目标车道的单线模型。所需的车辆的速度和:值相等和线性:控制下。因此,avd不同:控制情况下需要根据实际数据校准。的基础上大量的样本,车辆的平均速度与进展可以选择超过5秒的价值在一定速度下的avd限制控制。如果它是不可能获得足够的样本量,低密度状态的平均速度可能选为avd的价值。在这项研究中,AMS相当于avd的情况下没有:控制和计算的计算方法是一样的avd。

限速值的120公里/小时,100公里/小时,80公里/小时,60 km / h,我们选定的车辆的平均速度与进展大于5秒的avd:控制。为50公里/小时限速值,低密度状态的平均速度被选为其avd。特定的值如表所示3。

分析现有数据的结果表明,回归函数的形成符合二次多项式;为了补充缺失的值来计算相应的avd,二次多项式回归可以通过现有的数据,执行和表中列出的值3。这里,只有限速值,可以是整数除以10,大于50 km / h,列出。回归函数建模为(10),细胞的速度值和吗是相应的avd。确定的系数是0.97:

4.2。合规率的价值

合规率的值是受许多因素的影响,其中:控制交通规则和司机的认可是最重要的。一般来说,强制性的规定下的合规率优于推荐法规和更突出随着惩罚性利率上升或司机的识别的改进。

有一些缺点的分析通过调查合规。首先,这取决于司机是否诚实地回答了问卷。更重要的是,人类之间的驾驶行为可能会有所不同。因此,本文进行的统计方法。通过观察车辆速度的分布及其进展超过5秒,我们发现,一些车辆的速度明显高于其他任何限速控制。这些车辆违法行为特征,因为他们不受:控制情况。

它可以得出结论,在所有车辆与进展超过5秒,除了一些车辆速度超出临界值,其余车辆的百分比是:控制合规率。临界转速值应该保持在一个合理的范围内减少错误的统计分析;在这项研究中,平均速度超过30%的上限值被选中。在100公里/小时的情况下限制控制情况,根据统计结果,5%的车辆超过130 km / h。因此,合规率是95%,起草C= 95%。

4.3。校准随机减速概率p_c

随机减速概率p_c是模拟司机谨慎驾驶特点:控制下;它的值将直接影响的比例小的进展。因此,我们将调整参数p_c通过确定进展的比值小于1秒在实际:控制。

校准的p_c值对应不同的限速值,我们进行了模拟在120 km / h的限速值,100公里/小时,80公里/小时,60公里/小时,分别和50公里/小时。在一定速度极限值,的值p_c正在逐渐改变,和其他参数是固定的。道路长度设置为4000细胞单位,时间步长设置为1秒,veh /密度设置为15公里,分别。周期性边界条件。车辆的初始位置和速度是随机生成的。每个模拟运行10600时间步,第一个10000吨时间步都没有算为了消除瞬态的影响,而在接下来的600时间步长,进展的比值小于1秒计算。同样的p_c值,仿真了10次获得平均价值。图2显示进展的比值小于1秒在不同p_c值在100公里/小时限速控制。

从图可以看出,进展的比值小于1秒相对敏感参数p_c。瞿et al。24]提到,在实践中,进展的比值小于1秒的控制下100公里/小时速度限制在畅通的状态是大约15%∼20%;因此,的价值p_c范围从约0.5到0.8在限制速度100公里/小时的价值。以同样的方式,我们校准p_c值其他限速值。结果如表所示4。

从结果可以看出,p_c值过高,低速极限对应值小,在温和的速度限制,值(80公里/小时,100 km / h)大。这表明,谨慎的司机驾驶行为的控制下温和的速度限制是最明显的。为了简单起见,本研究将参数的值p_c分为两部分:当限速值是80公里至100公里/小时,p_c= 0.6;在其他限速值,p_c= 0.4。

5。模型的数值模拟

在本节中,基本的仿真图,时空图,和速度差异特征进行评估的性能只能细胞自动机模型。在模拟道路的长度被设置为4000细胞单位,和时间步长和周期边界条件设置为1秒。车辆的初始位置和速度是随机生成的。每个模拟跑10600时间步,其中前10000时间步没有统计消除瞬态的影响。新模型的参数的值是一样的,在校准会话。

5.1。基本图

本研究进行了pseudo-numerical:控制的模拟值为120公里/小时,100公里/小时,并与没有:控制80 km / h,已运行10次为每个密度值;然后平均交通流量进行了计算。基本图在不同的限速值如图3。从图可以看出,在低密度区域,下的平均速度(曲线斜率):控制小而不受控制的情况下,速度限制的趋势值和平均速度是相同的。高密度地区,它可以发现基本图在不同的限速值不显著不同于不受控制的情况。中等密度地区,临界密度(密度区域交通流量变化阶段):控制下比在一个不受控制的情况下,和相应的键密度值增长的下降限速值。伴随着限速值的减少(80 km / h),交通流相变的特征已经变得模糊。此外,:控制下,道路容量下降的范围被沉重的限速值降低。基本的特性图在上面的模拟与实际观察基本上是一致的。

5.2。时空图

图4显示了时空图100 km / h的速度极限,不会:控制情况下为0.1,0.15,和0.3密度,分别。从图可以看出,在小密度(k= 0.1)和大密度(k= 0.3)地区:控制不显著改变时空图的基本形式。小密度地区,交通流的畅通的状态作为一种车辆,而大密度地区展览广泛motion-blocking特性与大规模的堵塞。在中等密度(k= 0.15)地区:控制显著变化时空图的形状,因为它不表现出明显阻塞相组成的相分离现象和流动相相比,不受控制的情况下,但拥有畅通的特点。它可以在图确认4,当k= 0.15,畅通的状态改变阻塞阶段:控制和维护稳定而没有得到控制。这与之前的研究报告:可以增加临界密度(12]。

它可以发现,在一定速度极限值,每次时空特征变化,但一些法规存在。探索学科,我们进行了模拟计算的频率畅通的状态。在临界密度附近不同的密度值,20倍的每个限速值进行了模拟,结果如表所示5。

结果显示限速值随着密度的增加而减少,并生成一个畅通的状态扩展的概率。这表明:控制可以提高交通流的临界密度,这是符合交通流的基本图和实际观测特征。

5.3。两个相邻车辆平均速度不同

平均速度的区别(ASD)两个相邻车辆被选中来衡量交通流的速度差异特征。它被定义为均值之间的速度差相邻车辆在指定的时间间隔(通过一个给定的点31日,如下所示: 在哪里代表的速度n^th当通过定点和车辆N代表车辆通过给定的点的数量。在这项研究中,为每个密度条件模拟进行了10次后,只能过细胞自动机模型。通过模拟,ASD的两个相邻车辆在不同的限速值和不同密度条件如图5。

从图可以看出,两个相邻的ASD车辆在不同:控制情况下基本上是类似于密度变化的趋势。除了过度小密度条件下,两个相邻的ASD车辆密度增长下降。小密度地区:控制下的价值小于处于失控状态;这种趋势是类似于实际情况24]。在密度大的地区,不同的限速值没有显著的不同。

6。结论

本文研究真正的驾驶行为数据:控制和发现以下结论:(1)通过交通大数据的处理与分析、交通数据在同一密度区间不同:控制相比,如果没有:控制调查:控制对驾驶行为的影响(2)的控制下:,总是存在一定比例的司机不符合:控制(3):控制改变司机的预期速度,但平均速度和愿望:不相等的值并显示一个非线性关系(4)比例较小的进展时间(小于1秒):控制显著降低,这表明一些司机:控制下变得更为谨慎

基于上述驾驶行为,本研究介绍了合规率参数建模过程中。此外,它提高了射频的减速概率模型(26),所以车辆减速有更高的概率进展时间小于1秒,为了模拟谨慎的驾驶行为:下的车辆控制。在这项研究中,模型的参数校准使用真实数据:控制车辆。数值模拟结果表明,该模型不仅能适应宏观交通现象,比如:下的基本图和时空图控制,但也适合的:速度色散的影响。

应该注意的是,本研究认为,司机的激进的特性是服从正态分布在定义激进的功能特性参数。是否这一假设是合理的在未来的研究需要进一步讨论。除此之外,本研究只是早期阶段工作将受损的驾驶行为。应该做更多的工作来开发一个更精确的校准过程以及多个车道模型。在未来的研究中,我们将集中收集真实的数据来帮助讨论司机的激进程度及其分布下车辆状态。

数据可用性

基本数据用于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

这项研究受到了中国国家重点研发项目(批准号2018 yfb1600600),教育部在中国(教育部)人文社会科学项目(项目号20 yjazh083),中国国家自然科学基金(批准号51878161)。