扩张的基本图从微观混合交通的多车道的建模框架

文摘

微观建模的混合交通(即。,automaton-driven vehicles and human-driven vehicles) dynamics, particularly car-following, lane-changing, and gap-acceptance, provides the opportunity to gain a more accurate estimation of flow-density relationships for both traditional traffic with human-driven vehicles and different mixed traffic scenarios. Our paper proposes a microscopic framework to model multilane traffic for both vehicle types on shared roadways which sets the stage to explore the capability of macroscopic car-following models in general to explain the fundamental flow-density relationship. Since prior models inadequately represent the fundamental diagram realistically, we propose a rectified macroscopic flow model that can account for the impact of both lane-changing and gap-acceptance. Differentiability, boundary conditions, and flexibility of the proposed model are tested to validate its applicability. Finally, the capability to interpret the flow-density relationship by the proposed model is verified for different mixed traffic scenarios. Although few model parameter values were obtained directly from the simulation input, the rest of the parameters have been calibrated by flow and density outputs from the simulations. The analysis results show a distinct correlation between the proposed model parameters with automation-driven vehicle shares and lane-changing rates of traffic. The findings from this study emphasize the importance of taking complete motion dynamics into account, rather than partial motion dynamics (i.e., car-following) as has been the case in the previous studies, to explain macroscopic traffic flow characteristics, irrespective of the vehicle type.

1。介绍

连接和自动化的快速发展汽车(CAV)技术已经促使研究者和从业者考虑协作方法,如AutoDrive挑战SAE和通用汽车(General Motors) (1),来解决传统的运输问题。因此,研究人员一直在探索传统交通流的基本概念理论从新的视角和质疑的概念的理解产生的场景。以提高对交通流的基本概念和明智的决策,可持续增长CAV技术是可行的,是识别的新技术与传统交通基础设施的最优组合。结果范式转换交通运营技术促使研究人员确定局部运动动力学的局限性(即。,car-following) in explaining macroscopic features of multilane traffic flow and ask the question of how to complete vehicle motion dynamics could be considered in equilibrium flow models of traditional and mixed traffic. As such, this study attempts to determine the effectiveness of the macroscopic adaptation of a traditional microscopic car-following model (i.e., the Intelligent Driver Model (IDM) [2在解释通过详细的微观多车道交通建模的基本特征。更重要的是,本研究提出了一个新构想,现实的交通流模型,可以(我)占完成运动动力学(即。车辆换道,和gap-acceptance)和(2)解释混合交通的基本图的变换(即。、人为(HuD)和Automaton-Driven (AuD)车辆)场景。

相当问题研究成果到目前为止,虽然车辆交通流的主要策略,这种微观特性的能力来解释的关系流密度是有争议的。更不靠谱的是,IDM微观车辆模型,旨在代表人类司机的车辆行为通过刺激反应特征。自车辆如IDM模型可以描述稳态和同质条件,宏观的形式可以从这个模型通过当地达到聚合。自IDM-prescribed加速度生成速度和进展,可以重建车辆的基本图从speed-spacing图(3]。这个研究的最初的目的是评估的能力得到基本图复制一个实际流密度的关系。然后,我们提出一个包容性的交通流模型,反映了完整的运动动力学的流量,从而解决重大缺点在前面的努力。我们也探索该模型的适用性评估剩下的微观特性。最后,我们分析不同混合交通流场景通过多车道的微观建模框架为适应性开发模型的属性。

剩下的纸是组织如下:主要研究的文献综述总结了发现宏观车辆模型和他们解释交通的基本特性的能力。此外,文章探索混合交通场景及其影响微观和宏观的角度进行了综述。以下部分提供了一个微观建模框架的详细描述,建立综合研究的基础。深入讨论的局限性的宏观适应车辆模型和宏观模型占车辆的完整运动动力学,然后,在下一节中描述。该模型的功能,当确定流密度模式评估在倒数第二部分,其次是最后一部分总结了研究成果和对文学的贡献。

2。文献综述

回顾学术贡献与当下一个先前的研究,我们选择将审查的讨论分为两段和地址分开每一段。审查讨论的两个部分(a)宏观基本关系从车辆模型和他们的能力来解释的基本图和(b)混合交通微观和宏观方面。一些非凡的研究工作和研究,配合这两个主题论文的总结在这一节中提供洞察当前研究和现有的用于支持本文提供的研究奠定基础。

灵感来自Greenshield et al。(4]single-regime连续性模型,提出了许多模型制定speed-spacing(微观)或流密度(宏观)关系5- - - - - -17]。这些模型都有两个共同点:(1)交通状态的变化从一个特定角度解释,微观或宏观,和(2)流量被认为是同质的。同质的假设下,微观模型可以高档宏观交通流模型。倪(18通过转化IDM)显示这种类型的扩张和纵向控制模型,微观车辆模型,通过当地聚合宏观基本方程。宏观IDM模型能够生成一个逼真的流密度图采用四个参数来获得一个理想的形状有很好的拟合质量。虽然倪没有探索宏观模型生成的能力在解释交通流特性,我们的研究将利用宏观IDM的适应这个方向的研究。一个相反的方法被Duret et al。19]的作者简化基本图,试图量化个人汽车speed-spacing关系。结果表明,考虑到个体差异可以提高车辆轨迹的准确性。Chiabaut et al。20.)提出了一个方法校准Newell的车辆模型参数(6),最终协助校准宏观模型从个体的观察。司机行为的异质性能力下降的影响,研究了由陈et al。21]。这项研究的结果得出结论,换道机动和司机的变化特点可以减少瓶颈放电率8 - 23%。Treiber和凯斯廷22)提出了一种校准和验证车辆模型在微观尺度的方法。然而,校准参数的影响及其对基本图上最适合的影响仍然未知。类似的方法的校准和验证车辆模型被郑et al。23]。这项研究提供了一个有趣的见解车辆模型的验证和准确性,建议将更多的车辆模型中的参数可以提供更大的精度,但可能overfit在一些场景。为了解决这个问题,作者建议使用不同的参数和车辆模型在不同的交通状况。

由于骑兵汽车技术使用的快速扩张,住房和城市发展部的共存与澳大利亚在共享的道路已经被广泛的研究在过去的几年里。刘等人。24]提出综合教学建模混合多车道高速公路交通设施。这项研究特别看着流动所带来的改进,澳元的引入,需要进一步研究混合交通的基本特征。作者被建模的影响在本研究结构设计了,但旋转研究重点转向宏观流密度的相关性。一个分析能力模型提出了Gjaisi et al。25混合交通。这项研究调查了不同(即混合交通场景。,varying demand, market shares, platooning, and technology use) to determine optimal AuD vehicle lanes for maximizing mixed traffic throughput. Based on a similar goal, Chen et al. [26)开发了一种通用公式来估计混合交通的能力基于车辆间距、排配置和澳大利亚的股票。龚和杜27)开发了一种合作排控制基于模型预测控制策略的混合交通集中在减少振荡传播和稳定的交通流量。基于仿真的交通状态估计研究执行Fountoulakis et al。28]证明令人满意的估计结果不同交通状态和普及率。Talebpour和Mahmassani29日)开发了一个仿真框架,可用来分析在不同的混合交通状况总体稳定和吞吐量。此外,住房和城市发展部的共存和澳大利亚被发现是有效预防冲击波的形成和传播。邓(30.)提出了一个仿真框架的混合交通将人类从VISSIM驾驶行为和自适应巡航控制系统和合作的自适应巡航控制系统模型从Van Arem et al。31日]。你们和山本32)提出了一种建模策略研究专用AuD车道交通流吞吐量的影响。

从文献综述明显是存在一个需要连接微观模型和宏观模型对传统和混合交通场景。而微观模型可能是准确的,在某种程度上,在评估单个车辆的运动,这些模型的适应宏观规模需要大量的外推。此外,尽管混合交通动力学建模最近发起了相当多的研究成果,主要理论方面了解CAV技术的真正潜力有待探索。混合交通的关键预订研究将是一个完整的车辆模型假设的车道道路的依赖。因此,开发一种交通流模型,可以将完整的运动动力学的影响交通运动将本研究的初始焦点,一个重要的努力解决上述缺点。同时,本研究将目前的现实,多车道的,复杂的车辆类型和运动动力学探索流密度图上的产生的影响,研究中迈出的重要一步。总之,本研究将尝试指定部分运动动力学的局限性在宏观范围内,并提供一个合理的方法来克服这些局限性。

3所示。微观建模框架的混合多车道的交通

满足发展目标,我们进行数值模拟的22车辆在MATLAB假设同质双车道公路段。仿真开始时,车辆8 - 12之间的不同车辆的数量在每一个车道。明显对我们研究,模拟环境开发完整的运动动力学,包括车辆、个人车辆换道和gap-acceptance规则对应的车辆类型。所有车辆仿真修正他们的加速度,换道,gap-acceptance决定在每个时间步长与应对周围的车辆的相对位置和速度。每个模拟时间步长持续时间为0.1秒(sec)现实世界的时间,和仿真长度是9001时间步(0 - 9000)共计15分钟的持续时间。首先,两个控制车,一个在两个车道,跟着一个预定义的加速度。初的仿真(0时间步),所有车辆都放置在道路通过均匀间距根据模拟流量(从每小时1000辆到2600辆/小时)每小时90公里的速度(公里/小时)。每辆车的加速度资料形成每车道为以下车辆产生瓶颈。在3001年的时间步,每个车道的引导车辆减速−2米/秒的速度²(米/秒²)将车辆的速度从90公里到30公里。这个速度下降创造了一个故意瓶颈道路段上每车道后车辆无法通过引导车辆。这提供了一个重要的机会去探索拥挤的交通状态。然后,在4917年的时间步,引导车辆加速2米/秒的速度²重新从30公里每小时90公里的速度。

3.1。民的原则

车辆驾驶过程中的主要策略,对交通状态有更大的影响。提出建模框架,车辆的车辆原则主要依靠配对车辆类型(例如,住房和城市发展部,AuD)的车辆和相应主题引导车辆在同一车道的车辆。住房和城市发展部主体车辆维护车辆IDM [2不管领导车辆类型(即。民演习,住房和城市发展部或澳元)。澳大利亚汽车坚持车辆(即规则。,Adaptive Cruise Control (ACC) and Cooperative Adaptive Cruise Control (CACC)) in response to the lead vehicle’s type. If the lead vehicle was a HuD vehicle, then the AuD vehicles would follow ACC with relatively higher safety headway. Otherwise, the HuD vehicle would choose CACC and try to form a CACC platoon of AuD vehicles with the lead vehicle. The ideal ACC/CACC car-following model and parameter values were adopted from the work of Hu et al. [33];AuD车辆宁愿形式CACC排与其他澳大利亚车辆在交通流中。排的形成依赖于配置(即排。,intraplatoon headway, interplatoon headway, and maximum platoon length) (detailed descriptions of different platoon configurations and principles are available in the work of Seraj et al. [34])。影响的结果Seraj et al。34),本研究采用一个固定的配置(即排。,intraplatoon headway = 0.50 sec, interplatoon headway = 2.0 sec, and max. platoon length = 5 vehicles) to attain optimal mobility and safety benefits in mixed traffic environments.

除了通常的车辆模型,我们的模型框架采用了一些主观获得IDM和ACC的车辆模型。引入这些额外的车辆模型的目的是为了确保平稳调整,以适应其他两个策略(即。、换道和gap-acceptance)车辆运动的动力学。前面的车辆(PCF)模型是触发一个主题车辆换道前当车辆变换车道,但不能执行操作由于缺乏足够的差距在目标车道上。相比之下,成功的车辆(SCF)模型激活促进汽车的主题从PCF原则后换道回旋余地。宽松的车辆(ACF)模型被用来使一个主题和它的主要车辆和车辆间距增加接受换道车辆从附近的小路。车辆的最大持续时间可以留在PCF,自洽场、ACF被选为5秒(50个时间步)。每辆车有一个加速度方程为每个时间步特定的车辆状态。相关公式来模拟汽车运动提供了图1(一)。

3.2。换道的原则

运动动力学的复杂元素(即。,lane-changing and gap-acceptance) for vehicles had restricted application on the developed simulation structure. For HuD vehicles, only discretionary lane-changing that was motivated to gain free-flow speed was considered for modeling in this simulation. If a HuD vehicle were to drive below free-flow speed for 5 consecutive seconds, the vehicle driver would indicate the intention to change lane and start checking for an acceptable safety gap in the target lane. As for AuD vehicles, lane-changing intentions were only triggered by the possibility to form a CACC platoon with the lead vehicle in the target lane. However, an AuD vehicle would not intend to change lanes if it were already a part of the platoon. Both lane-changing and gap-acceptance rules developed for simulation were influenced by strategies proposed by Liu et al. [35为混合交通运动。在车道变更的意图传达当需求被满足,执行换道操作只发生一次可用的差距在目标车道是由gap-acceptance原则各自的车辆类型。在混合交通场景中,车辆分配与排位置ID (P²ID)表明车辆是否中国商用飞机有限责任公司排的一部分,以及确定其物理位置排。P²ID为所有住房和城市发展部车辆被分配为零(0)。澳元车辆“P²ID来自领导车辆的类型和P²ID。例如,如果车辆在同一车道是一个HuD车辆,那么澳大利亚汽车的P²ID是一个“1”,将遵循ACC民规则。然而,如果车辆是一个澳大利亚车辆,那么主题AuD车辆与领导建立CACC排车,和一个P²ID将被分配给这个话题AuD车辆配置(即根据中国商用飞机有限责任公司排。最大排长度)。在另一个场景中,如果车辆的车道AuD车辆是一个HuD车辆和目标车道是一个澳大利亚的领头车车辆,车辆将主题尝试换道从当前目标车道,车道和下面的车辆在目标车道会安全地接收车辆。

因为自由换道的动机不是如强制换道,一个保守的方法来估计所需的间隙为机动打折极端制动情况。gap-searching主题车辆将执行换道机动通过实施以下根据车辆类型和加速度方程自洽场开始从下一个时间步。 和换道的5秒内操作,车辆将收回其实际安全进展和转移到车辆状态根据车辆类型和车辆类型。同时,以下车辆将开始调整间距有新的领导后车辆换道的车辆。一个完整的运动动态建模方案住房和城市发展部和澳元的车辆都是在数字1 (b)和1 (c)。

3.3。Gap-Acceptance原则

gap-acceptance的自由换道车辆类型是基于最低接受差距的司机如果司机选择合并成一个可用的差距在目标车道上。这种差距必须满足下列条件要考虑有可能受到车辆换道:

在这里,=最低总间隙在目标车道,=最小间隙,和=最小间隙。在满足最小边界条件的情况下,可用的间隙在目标车道,铅和车辆后,将与主体的可接受的差距相应的时间步的工具。如果主题车辆目标车道总差距小于可接受的换道缺口,车辆将PCF主题(提供的车辆并不在PCF最后5秒钟时间步)。主体车辆将停留在PCF最大5秒钟时间步,积极检查可用的差距在目标车道执行换道操作。如果车辆无法找到一个可以接受的差距在这5秒时间步在PCF,它会回到主民模式(即。IDM, ACC)。车辆将主题,然后,寻求下列条件来确定一个可接受的差距在任何时间步换道: 在哪里=可接受间隙,在PCF =时间步,=车辆,=领导车辆目标车道,=在目标车道车辆之后,=所需的间隙,=速度差修改安全主体车辆的进展。

类似地,如果一个主题车辆发现在邻居车道一辆车已经激活PCF(假定为通过指示灯),车辆将主题的ACF模式最大5秒钟时间步接收车辆作为一种新的领导车辆。成功领导车辆换道的5秒钟时间步内的目标车道,车辆将主题的PCF模式特定的车辆类型。否则,主体车辆将自动回到主民模式(即。IDM, ACC) 5秒钟时间步后ACF。在这个窗口中,5秒安全进展(T′)主题车辆将改变逐渐允许一个更小的可接受的换道(PCF)差距扩大的差距导致车辆和自己在同一车道上适应领导的换道车辆从一个邻居巷(ACF)和增加一个新的领导车辆之间的差距(SCF)和本身。安全进展将满足条件中提到的人物1(一),特定于主观民模式。如果汽车可以成功地执行换道机动,车辆将在以下时间步和自洽场继续回收模式直到首次安全进展 。

4所示。人为车辆流密度的关系

4.1。民的适应宏观模型的局限性

在真实的场景中,车辆的行动是最常见的任务由司机在车辆运动。因此,微观车辆模型的放大同质交通处于稳定的平衡状态的基本图应该提供一个理想的表示。在这方面,IDM扩大获得速度和密度之间的交通流模型。下列形式的方程得到[18]: 在哪里=平均密度,=最小间距,=畅通的速度,=所需的平均密度,=意味着交通流。的宏观形式IDM涉及四个参数(例如, )决定(即基本的形状和特性的关系。、流量、速度和密度)。检查能力派生的宏观模型来解释这些关系,广泛的(即交通流场景。,flow rates = 1000 vph–2600 vph) was simulated under the proposed modeling framework containing only HuD vehicles in the traffic stream. Measured outputs from the simulations were computed and calibrated to obtain flow-density values and model parameters, respectively. Macroscopic parameter values were measured according to the techniques proposed in the Highway Capacity Manual [36]。流和各自不同的模拟交通流密度值场景绘制在图2。的宏观形式IDM也绘制在同一图与有预谋的参数值(即, 用于仿真。

自生成所需的参数基本图(FD),源于IDM,得到的参数作为输入提供车辆模拟IDM,校准参数的豁免。因此,FD获得给定的参数集应该代表的实际影响扩大IDM流密度的关系。然而,随着观察图2(一个)绘制FD,来自IDM,不捕捉肢体和模拟流密度的变化观察到的结果。交通模拟的微观特性的分析表明,90.73%的总持续时间、车辆维护车辆状态(即。IDM)。其余的车辆运动lane-changing-related运动动力学(即。、LC、色散、自洽场,ACF)。流密度之间的比较点从模拟生成的FD透露,换道gap-acceptance控制决策有影响力的影响从宏观的角度来看。当车辆在微观尺度上的主要操作,换道gap-acceptance远远更重要的影响从宏观的角度。

进一步调查的能力FD来源于IDM,我们从反复探索获得的经验数据瓶颈环节的城市高速公路走廊:Whitemud开车,埃德蒙顿,加拿大。Whitemud驱动器是一个多车道的高速公路限速为每小时80公里,是埃德蒙顿内圈的一部分。每年,平均每日流量(AADT)的西行的部分在2017年超过100000辆(37]。研究的目的,我们使用24 hr数据来自30个工作日(2017年8月7日,9月18日,2017)。基于野外观察和瓶颈信息,编织段122街入站和后段在福克斯开车被选为本研究的关键部分。所选片段,然后,配备循环探测器每车道收集交通流数据(即。、速度、流量、和入住率)每隔20秒。研究巷道部分有四(4)车道初单行匝道和单行出站的最后部分。FD的畅通的速度是每小时80公里,因为这是高速公路的最大速度限制。的最小间距为7.5米(5.5米(平均车辆长度)+ 2米(安全间隙),和δ= 4被认为是。安全进展(T= 1.98秒)交通对FD校准使用经验数据点。类似于早期的观察,FD未能捕获的全部基本流和密度之间的关系。FD提供较低的能力值和未能解释能力下降的现象。因此,交通流模型,通过扩大车辆动态,并不能充分解释大部分的交通流状态和事件。而微观车辆模型考虑vehicle-to-vehicle交互在同一车道,这个模型未能理解交互在多个车道的车辆。因此,FDs来自车辆模型不能指望全面解释交通流特征。在这种情况下,只能考虑宏观模型在车辆安全间距,适应速度,以及空间敏感性,从司机换道和gap-acceptance相关。

4.2。提出了交通流模型

基于这些发现,一个新的、灵活和综合交通流模型现在可以制定。一般来说,该模型必须包含一个安全间距的原则,主要在车辆动力学,同时整合大规模速度与空间敏感性,换道和gap-acceptance的方面。这些考虑时合并审查众多形式的交通流量,导致以下公式: 在哪里=平均速度的交通,=畅通的速度,=平均密度=所需的平均密度。后者,考虑交通安全规则,然后采用以下形式:

在这里,=代表车辆的平均速度的意识;=驾驶人口的平均安全进展;=最小间距;和η=代表对流量的平均间距。

自模拟自由换道被认为是出于速度增益和成功的换道演习取决于可用的车辆之间的间距,和新的参数(例如,λ和η)应该考虑,在交通与车辆的换道。

4.3。提出了交通流模型的可微性

提出了模型的解释能力流密度的关系可以进一步分析产生合理的信息。例如,可以把第一个衍生品的流动对速度发现的能力,结果为零。

此外,交通流量可以分化对密度获得任意点处切线斜率,流密度曲线。因此,

此外,作为一个边界条件的流密度的关系,冲击波的速度在密度从上述方程可以确定:

4.4。提出了交通流模型参数的敏感性

交通流模型的预期特征灵活地解释不同形状的基本图从单个模型。两个模型中引入额外的参数(例如,λ和η提供更大的灵活性和精度复制流密度关系的巨大差异。图3展示了一组基本图生成的模型以不同的速度和间距参数的敏感性。图3建立了速度和间隔灵敏度可以有效地影响流密度的形状和基于经验数据的产生不同形状的关系。然而,速度和空间之间的相互作用与其他参数灵敏度模型需要进一步分析。

4.5。适用性在模拟和实验观察

现在该模型建立的潜力,其精通刻画交通的基本特征,模拟和经验数据,进行了测试并与宏观的IDM。常见的两种模型参数(例如,= 7.5米,= 90公里= 1.98秒)是维持基本图校准。如图4生成的基本图,通过该模型是一个更好的选择比宏观IDM的推断。均方根误差(RMSE)降低了42.67%的仿真数据和现场数据的37.41%相比IDM。此外,拥塞元素模型的基本图的曲线形状工具的解释能力下降的现象。类似的输出是经验丰富的经验观察,建立了该模型的绝对优势在宏观的适应IDM对解释交通流特性的能力。

4.6。混合交通流密度关系

提出的模型来理解的能力已经建立了完整的运动动力学的宏观影响在本文的前面部分。现在我们将探索模型的熟练解释不同的混合交通流密度关系场景和模型参数的相关性与澳大利亚汽车股票和换道率在本节中。混合交通场景,在这项研究中,考虑不同的澳大利亚开发汽车的股票模拟交通而坚持上述交通(即动态原则。车辆换道,根据车辆类型(即和gap-acceptance)。澳元和住房和城市发展部车辆)。从仿真结果利用校正模型参数和情节为不同的混合交通流密度图条件;表1和图5。该模型的灵活性允许更精确的复制各种各样的基本关系。此外,这两个参数中引入该模型展示了他们对不同的交通状况。

一节中描述微观建模框架的混合多车道交通,两种类型的车辆被发达车辆后,模拟换道,gap-acceptance原则不同流速(即。,1000 - 2600 vphpl)和特定的澳大利亚汽车股。个人车辆的微观参数记录在整个模拟特定期限(即模拟场景。流量和澳大利亚)。这些参数包括位置,速度,加速度,和当前车道。车道的平均数量变化的车辆在交通测量评估这些特性。这个平均是假定有一个明显的对交通流的影响,因此,测量每个仿真场景。记录的微观特征,翻译成宏观交通流参数模拟巷道段。交通流量、密度和平均速度的计算从微观数据为特定的澳大利亚市场份额和策划开发交通condition-specific图流密度图5。校准流密度曲线证明了组合的影响引入参数(例如,λ和η)有效地描述交通流参数之间的相关性。

证明换道的含义复杂交通场景,换道率的交互与提高交通流率进行了测定。换道率(车道数的变化/分钟)的流量测量通过计算车道总数变化模拟交通车辆(22)在仿真期间在几分钟内(15分钟)。模拟环境提供了机会来精确测量每个实例的换道车辆,否则一个困难的任务在处理现实世界的交通。结果显示很强的线性相关的换道率增加流量图6。图中概述的观察6显示的回归线0%显示增加流量的上升趋势。然而,残差越高表明一个不稳定的相关性的变量在0% AuD流量。进一步分析了剩余价值的减少数量的增加与澳大利亚车辆交通。此外,逐步减少换道率增加澳大利亚汽车股票被观察到。虽然减少换道率变化的程度不同的流速,减少换道的趋势是明显的。这个分析权证未来考试的结果换道供需平衡在不同混合交通场景。

证明的速度和空间灵敏度在交通流模型中,参数的相关性与不断变化的交通状况进行了分析。分析在混合交通流密度关系的场景展示了进化的基本图,提出了宏观模型绘制的,增加的份额AuD车辆。而最小间距仿真是预定义的,畅通的速度吗交通和安全进展从模拟计算结果。之后,速度和间隔敏感性参数(λ和η)是最适合校准得到不同的混合交通流密度分场景。本研究使用中性回归正常化RSME的两个基本参数(流量和密度)整体错误降到最低。最适合的分析λ和η股票价值发现与澳大利亚相关车辆;图6 (c)。而λ与模拟线性相关(即混合交通场景。、0%、25%、50%、75%、和100%澳大利亚汽车股份),η呈二次相关澳大利亚汽车股。高R²值两种情况下建立了一个强大的关系λ和η在交通与澳大利亚汽车业务。进一步的分析λ和η值在不同的澳大利亚汽车股票证明其与换道演习;图6 (d)。

5。结束语

本文认为微观模型的基本缺点转化为宏观模型。到位,我们提出了一个高效、灵活的交通流模型能够捕捉的限制和变化的基本图。提出的模型是通过制定汽车完成运动动力学的影响考虑在内。虽然该模型是描述宏观尺度,也平衡了微观车辆动力学通过速度和间隔敏感性参数使模型更好的适应性和更精确识别的基本特性。熟练的模型与宏观车辆模型的拟合模拟和经验数据。该模型的灵活性也评估了校准的模型参数为不同形状的基本图混合交通状况。

考虑的大小确定必要的研究问题从之前的研究,这项研究做出了显著贡献的运输文学(i)揭示宏观车辆模型的局限性来解释多车道交通流的基本特征,(2)建立的重要性和能力single-regime均衡交通流模型考虑到交通的完整运动动力学,(3)捕捉变化的基本图与不同的混合交通场景通过单一的交通流模型,及(iv)解释的相关性模型参数与车辆运动动力学和澳大利亚股票流量。考虑到这些关键的贡献,最重要的本研究的理论意义是在解决高度争议的解释宏观基本图换道机动的探索意义。虽然换道一直提出作为一个基本与更广泛的影响交通的干扰来源,很少的实证证据表明符合科学标准可用来支持这种说法。因此,这项研究仔细检查完整的宏观影响运动动力学解决现有知识的相当大的差距。我们发现,将双向运动的影响的交通通过速度和空间敏感性参数将会促进更准确的估计的基本图,同时提供足够的灵活性来适应不同混合交通场景。

提出的独特属性描述交通流模型促进众多传统的复制和混合交通场景。这大大改进的模型可以成功地解释道路容量和能力下降的现象,因此识别机会和巷道的限制。此外,利用该模型可以方便更高级的和准确的公路性能功能协助交通网络动态路径选择。未来的研究将扩展研究该模型的适用性在路口,交通干线和修改需要在考虑交通信号对交通流的影响。此外,换道的影响在不同的混合交通流的交通场景将进一步探索。

数据可用性

模拟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

作者要感谢的支持自然科学和工程研究理事会(NSERC)加拿大埃德蒙顿市和运输加拿大资助这项研究。本文的内容反映了作者负责的观点提出的事实和数据的准确性。内容不一定反映NSERC的官方观点或政策,加拿大埃德蒙顿市和运输。作者也承认莎朗博士哈珀对她的贡献帮助编辑和校对。这一研究工作是共同支持的自然科学和工程研究理事会(NSERC)的加拿大,加拿大埃德蒙顿市和运输。

引用

1. SAE国际AutoDrive挑战美国SAE国际Warrendale, PA, 2016年,https://autodrivechallenge.com/。
2. m . Treiber a需求,d .海尔宾“拥挤的交通状态的实证观察和微观模拟,”物理评论E,卷62,不。2、1805 - 1824年,2000页。视图:出版商的网站|谷歌学术搜索
3. 诉l·努介绍了交通流理论:介绍与练习代尔夫特理工大学,代尔夫特,荷兰,2017。
4. b . d . Greenshields j . r . Bibbins w·s·钱宁和h·h·米勒,道路通行能力的研究,“高速公路研究委员会诉讼,14卷,1935年。视图:谷歌学术搜索
5. h·格林伯格,“交通流的分析,“运筹学,7卷,不。1,第85 - 79页,1959。视图:出版商的网站|谷歌学术搜索
6. g·f·纽厄尔”,在汽车的动力学非线性影响。”运筹学,9卷,不。2、209 - 229年,1961页。视图:出版商的网站|谷歌学术搜索
7. l·c·伊迪,”noncongested交通车辆和稳态理论,”运筹学,9卷,不。1,第76 - 66页,1961。视图:出版商的网站|谷歌学术搜索
8. b .美国肯纳和p . Konhauser集群在交通流的结构和参数。”物理评论E,50卷,不。1,54 - 83年,1994页。视图:出版商的网站|谷歌学术搜索
9. j·m·d·卡斯蒂略和f·g·贝尼特斯”的函数形式speed-density关系:一般理论”,交通研究B部分:方法论卷,29号5,373 - 389年,1995页。视图:出版商的网站|谷歌学术搜索
10. n .吴”建模的基本图的新方法,”交通研究部分,36卷,不。10日,867 - 884年,2002页。视图:出版商的网站|谷歌学术搜索
11. y, w . Daamen,例如,s . Hoogendoorn-Lanser x钱,“调查宏观基本图的形状使用模拟数据,”运输记录交通研究委员会》杂志上的研究表明,卷2161,不。1,40-48,2010页。视图:出版商的网站|谷歌学术搜索
12. j . h . Wang,问:陈,d .倪”“物流建模的平衡speed-density关系,“交通研究部分,45卷,不。6,554 - 566年,2011页。视图:出版商的网站|谷歌学术搜索
13. j·李和h . m .张”,交通流基本图。”交通研究记录,卷2260,不。1,对于50 - 59页,2011。视图:出版商的网站|谷歌学术搜索
14. x吴、刘h . x和n . Geroliminis“实证分析动脉基本图。”交通研究B部分,45卷,不。1,第266 - 255页,2011。视图:出版商的网站|谷歌学术搜索
15. m . Keyvan-Ekbatani a . Kouvelas i Papamichail, m . Papageorgiou”利用基于反馈控制的城市网络的基本图,“交通研究B部分:方法论,46卷,不。10日,1393 - 1403年,2012页。视图:出版商的网站|谷歌学术搜索
16. m . Keyvan-Ekbatani m . Papageorgiou, i Papamichail”城市拥堵闸门控制基于减少运营网络基本图,“交通研究C部分33卷,第87 - 74页,2013年。视图:出版商的网站|谷歌学术搜索
17. b . Coifman和美国金”,扩展的瓶颈,最基本的关系,以及高速公路上的能力下降,”Procedia社会和行为科学,17卷,44-57,2011页。视图:出版商的网站|谷歌学术搜索
18. d .倪交通流理论爱思唯尔,荷兰阿姆斯特丹,2016年。
19. a . Duret c Buisson, n . Chiabaut”估计个人speed-spacing关系newell和评估能力的车辆模型再现轨迹,“交通研究记录:《交通研究委员会卷,2088年,第197 - 188页,2008年。视图:出版商的网站|谷歌学术搜索
20. 和c . Buisson n . Chiabaut l•勒克莱尔指出,“从异构交通拥堵,司机宏观模式”交通研究B部分,44卷,不。2、299 - 308年,2010页。视图:出版商的网站|谷歌学术搜索
21. d·陈,美国安、j .拉瓦尔和z郑,“流量的周期性振荡和容量下降 :司机的角色特征,“交通研究B部分59卷,第136 - 117页,2014年。视图:出版商的网站|谷歌学术搜索
22. m . Treiber和a *“微观的校准和验证车辆建模系统的方法,”Procedia社会和行为科学卷,80年,第939 - 922页,2014年。视图:出版商的网站|谷歌学术搜索
23. j .郑、k .铃木和m . Fujita”评价车辆模型的使用轨迹数据的流量,”Procedia社会和行为科学,43卷,第366 - 356页,2012年。视图:出版商的网站|谷歌学术搜索
24. x David h . Liu菅直人s e . Shladover x y,和r . e . Ferlis”合作的自适应巡航控制系统建模的影响混合交通流在多车道高速公路设施,”交通研究C部分卷,95年,第279 - 261页,2018年。视图:出版商的网站|谷歌学术搜索
25. A . Ghiasi o·侯赛因,z肖恩·钱和李x”混合通行能力分析和车道连接自动车辆管理模式:一个马尔可夫链方法,”交通研究B部分卷,106年,第292 - 266页,2017年。视图:出版商的网站|谷歌学术搜索
26. d·陈,美国安、m . Chitturi和d·a·诺伊斯”对车辆自动化:巷道能力制定交通与常规混合和自动汽车,”交通研究B部分卷,100年,第221 - 196页,2017年。视图:出版商的网站|谷歌学术搜索
27. 龚和l .杜”合作排控制混合交通流包括人类驾驶车辆和连接和自动车辆,”交通研究B部分卷。116年,25 - 61年,2018页。视图:出版商的网站|谷歌学术搜索
28. m . Fountoulakis n . Bekiaris-Liberis c . Roncoli Papamichail,和m . Papageorgiou“公路交通状态估计混合连接和传统的车辆:微观仿真测试,”交通研究部分C:新兴技术,78卷,2017年。视图:出版商的网站|谷歌学术搜索
29. a . Talebpour和h . s . Mahmassani连接和自主车辆对交通流的影响稳定和吞吐量,”交通研究部分C:新兴技术卷,71年,第163 - 143页,2016年。视图:出版商的网站|谷歌学术搜索
30. 问:邓”,一般的仿真建模和分析框架的重型车辆,连“IEEE智能交通系统,17卷,不。11日,第3262 - 3252页,2016年。视图:出版商的网站|谷歌学术搜索
31. b . Van Arem c·j·g .参与和r·维瑟”合作的影响自适应巡航控制系统在交通流特征,“IEEE智能交通系统,7卷,不。4、429 - 436年,2006页。视图:出版商的网站|谷歌学术搜索
32. 你们山本和t . .“连接和自主车辆在异构交通流建模,”自然史答:统计力学及其应用卷,490年,第277 - 269页,2018年。视图:出版商的网站|谷歌学术搜索
33. s . g . Hu h . y .温l .徐和h .傅”排的车辆自适应巡航控制系统的稳定性与时间延迟,”交通信卷,7867年,页1 - 10,2017。视图:出版商的网站|谷歌学术搜索
34. m . Seraj j·李,t . z秋”建模微观车辆混合交通战略来确定最优排配置多目标决策,”《先进的交通工具卷,2018篇文章ID 7835010, 15页,2018年。视图:出版商的网站|谷歌学术搜索
35. h . Liu s e . Shladover x,和r . a . Ferlis”合作的影响自适应巡航控制系统(中国)合并多车道的高速公路上的能力,”美国交通运输研究委员会第97届会议美国,华盛顿特区,2018年1月。视图:谷歌学术搜索
36. 交通研究委员会,HCM 2010 :公路容量手册交通研究委员会,华盛顿,美国第五版,2010年版。
37. e·o·f·贝尔和h Rd,阿尔伯塔省高速公路1到986交通量历史2006 - 2017阿尔伯达省的政府出版物,埃德蒙顿,加拿大,2018。

版权

版权©2020 Mudasser Seraj等。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。