文摘

连接的发展自主汽车(CAV)技术,研究未来交通状况推广后的骑士迫切需要解决。有限理性的人类司机为精确模拟交通流是至关重要的,而很少有研究关注交通流仿真考虑有限理性在骑兵混合交通流。在这项研究中,我们引入随机有限理性混合反馈策略(HFS)骑兵混合交通流探索骑兵普及率的影响车辆的旅行成本。首先,我们调查了有限理性的司机,我们发现它遵循正常的贡献。然后,我们提出了HFS中考虑随机有限理性和CAV普及率来模拟交通条件。数值结果表明,骑兵普及率的提高可以减少旅行总成本。这项研究可以帮助我们更精确地模拟骑士混合交通流和现实。

1。介绍

随着互联网的发展,汽车技术和自动驾驶技术、混合交通条件下人为车辆(丁肝病毒)和连接自动车辆(骑士)应该研究[1,2]。模拟混合交通条件是必要的,以解决未来智能交通系统的发展。

近年来,研究者已经提出了很多交通流模型在先前的研究。交通流模型通常可以分为宏模型(3- - - - - -5和微模型6- - - - - -9]。宏模型的目标是研究流之间的关系,速度和密度。相比之下,微模型集中在驾驶行为。然而,上面的研究并没有研究基于混合交通条件下的交通流模型的丁肝病毒和骑士。大多数研究集中在丁肝病毒的交通流模型。许多研究人员提出了车辆模型来模拟交通流基于丁肝病毒,但是他们忽略了影响人类有限理性的交通流操作。因此,Ou et al。10)注册的有限理性为两个反馈策略来研究汽车旅行成本下的反馈策略。此外,一些研究人员专注于车辆模型基于骑士。

然而,上面的研究并没有研究混合交通条件下的交通流模型考虑丁肝病毒、骑士和他们的反馈策略忽略了骑士的普及率。此外,他们不考虑丁肝病毒的随机性司机的有限理性。然而,骑士的流行的背景下未来,混合交通现象的骑士和丁肝病毒之间将不可避免地出现。因此,研究混合交通流之间的骑士和丁肝病毒势在必行。

为了解决这个问题,我们提出一个混合策略的反馈(HFS)考虑到骑士的普及率和随机有限理性。然后,我们探索随机有限理性的规定丁肝病毒司机基于调查问卷。接下来,我们研究的影响骑士的普及率每辆车的旅行时间two-route交通网络。此外,在这项研究中,我们的基本假设如下:(1)丁肝病毒和骑士随机通过two-route交通网络;(2)的两个路线two-route交通网络是均匀的;(3)骑士绝对理性的情况下做出行为选择。

本文有三个主要贡献:(1)我们适合的值的分布随机有限理性根据调查;(2)拟议的HFS的随机性司机的有限理性和CAV普及率来模拟交通流;(3)我们探索的影响旅行成本上的骑兵普及率two-route交通网络。此外,这项研究是有价值的促进骑士在未来的使用,它可以帮助我们解决问题的路线指导下的骑士和丁肝病毒之间的混合交通流。

本文的组织结构如下:包含文献综述部分2,部分3描述了本研究中使用的数据。该方法显示部分4,案例研究的结果中包括部分5。最后,部分6包含了讨论,结论和未来的研究。

2。文献综述

2.1。丁肝病毒的车辆模型

许多研究集中在丁肝病毒的microtraffic流模型。在车辆模型方面,一些研究人员改善的方法。这些研究可以分为两种类型:(1)校准现有的车辆模型的参数;(2)学习一个新的车辆模型从历史轨迹数据基于机器学习的方法。

第一种研究旨在调整现有的车辆模型的参数。研究一般测试宏观特性仿真结果之间的一致性和物理真理改善车辆模型,数据只包含回路探测器数据(11- - - - - -14]。另外,校准参数的车辆模型,研究人员还关注车辆的时间进展进展和空间分布模型(15,16和相图17,18]。

第二种研究学习一个新的车辆模型从历史轨迹数据基于机器学习的方法。一般来说,方法的输入特性,比如速度,速度差异,和立场的差异;然后,在接下来的时间间隔输出速度和加速度(19- - - - - -21]。数据驱动的方法可以减少人类干预和更好的适应复杂的驾驶行为观察。

2.2。车辆模型的骑士

最近,一些研究人员专注于骑士的车辆模型。随着骑兵技术引入的未来,骑兵应该提出车辆模型来模拟未来交通流,而骑士有不同的车辆特性从丁肝病毒,因为骑士可以获得整个网络的交通状况信息。

Treiber等人首先开发了智能驱动程序模型(IDM) [22]。IDM常用在智能车辆的情况,因为它可以输出实际加速度在一个车道。通过调整参数,修改后的IDM可以应用到CAV仿真(23]。然而,IDM可能不切实际的高的减速,同时当前空间进展远远小于预期空间进展。因此,Treiber等人认为当前空间进展比预期小空间进展作为一个相对mild-critical条件(24]。为了解决这个问题,凯斯等人减少了不切实际的减速通过结合IDM和恒定加速度启发式(CAH)和自适应巡航控制系统(ACC)模型提出了(25]。接下来,周等人提高了合作智能需求模型测试和基于IDM骑兵系统性能(23]。

2.3。有限理性应用于车辆模型

在交通流模型中,有限理性对模拟丁肝病毒至关重要的驾驶行为更现实,而上述模型没有考虑有限理性(26]。

考虑车辆模型的有限理性,唐et al。27- - - - - -30.)考虑到有限理性和发展两个车辆模型研究驾驶行为和车辆的排放。Di et al。31日)刺激有限理性的影响驾驶员的路径选择行为。然后,李et al。32,33]研究有限理性和通勤行为之间的关系。江和邓34)提出了一种贝叶斯网络来描述基于有限理性的旅行时间分布。框架的非线性两两交换规则,Zhang et al。35)使用绝对有限理性和相对有限理性研究驾驶员的路径选择行为。郭et al。36)提出了一种基于有限理性的动态定价政策和研究交通系统优化政策的影响。李等人。37)开发了一个马尔可夫逻辑网络方法结合有限理性原则和流量选择和量化特征和旅行者的选择模型。巴蒂斯塔et al。38)使用Lighthill-Whitham-Richards介观交通模拟器研究有限理性对交通的影响网络性能。雪et al。39)的影响进行了探讨通勤起飞时间上有限理性的选择。然后,Fujino和陈40)注册的有限理性司机在交通网络和交通网络的性能研究。此外,唐et al。27- - - - - -30.,41和冷等。42,43)开发了一种车辆模型来研究车辆的旅行成本在不同的情况下。然后,唐et al。44),分别提出了两种反馈策略和研究下每辆车的旅行成本反馈策略。基于的研究唐代et al。44),或者et al。10)注册的有限理性为两个反馈策略研究中每辆车的旅行成本在不同反馈策略。

上面的研究中,分别集中在车辆模型基于丁肝病毒和骑士,他们介绍了有限理性到丁肝病毒的车辆模型来模拟驾驶行为更为现实。然而,他们并没有研究混合交通条件下的交通流模型考虑丁肝病毒和骑士。此外,他们不考虑丁肝病毒的随机性有限理性“司机”。桥这些研究空白,随机有限理性引入丁肝病毒的车辆模型,研究随机有限理性的影响在丁肝病毒的混合交通条件和骑士。

3所示。数据

3.1。数据收集

本研究旨在研究混合交通流的状态在丁肝病毒和骑士之间,应该考虑和丁肝病毒的随机有限理性。发现司机的分布规律的有限理性、有限理性的我们做了一些调查丁肝病毒在2020年4月。

对于调查丁肝病毒的有限理性,我们设计了一个问卷调查。详细的问卷设计如表所示1。

我们选择调查对象来自不同年龄和不同性别通过分层抽样方法进行问卷调查(见表2)。然后,我们删除错误的问卷,如不完整的调查问卷,问卷包含错误信息。调查包含了1000份问卷,其中包括979份有效问卷。调查问卷的目的是调查(是一个参数反映了n司机的有限理性)和(是一个参数,它反映了公差之间的速度差异路线一个和路线b分别,长度,和 ,和线路图1)。指的是你的研究等。10),引用的值和0.1和2(见表2)。为了测试问卷的内部一致性的可靠性,我们使用SPSS计算量表的阿尔法(见表的价值2)。克伦巴赫的α的值表明,问卷调查是合理的。

3.2。数据处理

在本文中,我们调查和的司机,我们使用起源适合数据。统计结果和拟合曲线如图1和2。此外,拟合参数和如表所示3。

数据2和3显示的合适条件和 。此外,是拟合优度,它可以代表数据的拟合程度。的和证明他们遵循正态分布,分布如下:

4所示。方法

4.1。丁肝病毒的车辆模型

基本车辆模型如下: 在哪里 分别是nth车辆的速度、进展和相对速度;是刺激功能。

我们可以从方程(获得不同的车辆模型2),例如,最优速度(OV)模型,广义力(GF)模型和全速度差(种)模型(45]。与OV模型和GF模型相比,种模型可以产生所需的结果和不切实际的高加速度[消失42]。因为模型可以模拟许多复杂交通现象,我们用一种模型来模拟车辆的行为。种模型(45)如下: 在哪里和两个反应性系数;最优速度;分别是n进展和相对速度。江et al。45)定义 , ,和作为 在哪里是车辆的平均长度; , , , ,和参数是由海尔宾和Tilch校准46),他们表示最优参数值。 , , , ,和被定义为(45]

研究有限理性的影响,唐et al。27提出了车辆模型与有限理性 在哪里是一个参数,它反映了nth司机的有限理性;和两个反应性系数; 分别是nth车辆的速度、进展和相对速度;最优速度;和 表示n汽车的速度加快。

4.2。车辆模型的骑士

加州大学伯克利分校的路径实验室,进行了长期研究合作自适应巡航控制(中国)模型,提出了一个基于一个常数进展[中国商用飞机有限责任公司车辆模型47- - - - - -50]。模型结构 在哪里代表车辆的加速度n在时间t;显示车辆的位置n在时间t;车辆的速度吗n在时间t;l代表车辆的长度;表示车辆之间的安全距离;中国商用飞机有限责任公司的预期时间进展; , ,和是模型的系数,我们 , ,和分别为1.0、0.2和3.0,(51]。

中国商用飞机有限责任公司提出的模型路径清晰的物理意义和目前常用的中国商用飞机有限责任公司车辆模型。然而,恒定的空间下的预期空间进展进展民策略是一个线性函数的速度,这使得交通流特性的影响与不同空间的进展。因此,本文提出了非线性dynamics-expected时间进展中国商用飞机有限责任公司车辆模型的策略。基于交通流特点,较低的车速使预期空间进展较小。结果的基础上(52),动态预期空间进展 在哪里表示预期空间进展;是自由交通流的速度。根据(53),分别是, 。

4.3。提出了反馈策略

接下来,我们提出一个反馈策略的交通网络。至于反馈策略,研究人员提出了一些反馈策略研究中每辆车的旅行成本(54- - - - - -56),而反馈策略没有考虑随机有限理性和骑士的普及率。因此,我们建议HFS中微观分析,需要随机有限理性和普及率的骑士。在HFS中,因为司机通常选择路线基于交通流的速度,我们把车辆的平均速度在路线参考指数。然后,我们提供以下基本假设:(1)交通网络包括路线一个和b(见图3),长度在哪里,分别和 ; 车辆进入/离开出发地/目的地的网络,其中每个车辆没有。在路线一个/b是 ,和它的时间进展在原点 ;和路线是同构的。(2)当 ,的n司机随机选择的路线;当 ,司机基于HFS中选择一个路线。(3) 汽车的数量在路线一个/b;是j途中车辆的速度一个/b。(4) , 参数表示随机有限理性。(5)用随机有限理性HFS中由HVFS(丁肝病毒反馈策略)和cvf (CAV反馈策略);是骑士的普及率。在这个策略,反映在丁肝病毒和骑士之间的差异和 。因此,我们提出了HVFS和cvf反映这些车辆的流动性特征的差异。(6)随机有限理性的HVFS是定义如下:(我)如果 ,车辆选择路线一个(2)如果 ,车辆选择路线b(3)如果 ,车辆随机选择的路线(7)cvf定义如下:(我)如果 ,车辆选择路线一个(2)如果 ,车辆选择路线b

最后,我们定义旅行成本的计算 在哪里是nth车辆的旅行成本;是nth车辆旅行时间;的值是时间(单位是什么 ); 旅行总成本的路线吗一个/b分别; 是k车辆的路线旅行成本一个/b分别;和交通网络的旅行总成本。在数值测试中,参数(27,44)方程(14)。数值试验表明,前十车辆随机选择的路线,然后,基于HFS中其他车辆选择的路线。此外,我们假设值 (27,44]:

我们使用的数值试验研究影响随机有限理性,和汽车普及率的骑士的旅行成本在HFS在交通网络中,我们用欧拉差分离散化方程(7)(15)和(16): 在哪里 时间步长和吗是n车辆的位置。

5。结果

首先,我们研究骑兵普及率的影响下汽车旅行成本HFS中(见图4- - - - - -6)。在HFS中,我们不仅考虑了随机有限理性,还把骑士的普及率。在HFS中,和表示随机有限理性代表着骑士的普及率。数值测试,范围的值在(0,6),的值范围在(0,1)。从数据4- - - - - -6,我们可以获得以下研究结果:(1)当相对较低(例如, ),两个路线的旅行时间的区别是突出。作为上升,车辆的旅行时间之间的差异在两种途径滴。(2)当是相对较高(例如, ),两个路线的旅行时间之间的差异是不显著的。(3)当是短暂的(例如, ),车辆行程时间与数量上升;每辆车每个路线的旅行时间稍长于中相应的一个研究[10),但每辆车的旅行时间在我们的研究中是变动的。结果表明,随机有限理性可能会增加每个车辆的旅行时间的波动。(4)当相对较长(例如, ),每辆车的旅行时间约等于一个常数波动。此外,随着增长,每辆车的行程变动成本减少。(5)总之,汽车的旅行时间减少和 ,和随机有限理性稍微增加了车辆的出行时间,提高车辆的波动。

然后,我们分析的影响随机有限理性和骑士的普及率旅行总成本的交通网络(见图7- - - - - -9)。

数据7和8表明,该旅行总成本迅速下降 ,由于每辆车的旅行时间在每个路线迅速减少 。此外,当 ,顺利的旅行总成本降低。此外,随着骑士的普及率增长,旅行总成本下降。它表明,骑士的渗透率有效减少旅行总成本的交通网络。的影响和如图9和更高的和更长的导致更少的旅行总成本(见图)9)。

6。讨论和结论

6.1。讨论

在本文中,我们研究了CAV普及率的影响在每个车辆的旅行时间和系统考虑旅行总成本在HFS随机有限理性,我们可以获得以下结果:(1)司机遵循正态分布的有限理性,和分布方程(1)。在调查之前,我们给面试者一个参考价值。它可能会影响他们的选择的有限理性。(2)骑兵普及率已经定性影响每个车辆的旅行时间和系统旅行总成本(见图)7- - - - - -9)。作为增加,每辆车的旅行时间和旅行总成本都顺利减少因为骑士的入口减少所有车辆的平均犹豫的时间。(3)交通网络的旅行总成本迅速下降的时候 ,由于每辆车的旅行时间在每个路线迅速下降 。此外,当 ,系统平稳降低总成本。和图9表明更大的导致更少的旅行时间和旅行总成本。

然而,这项研究仍有一定的局限性。例如,我们没有测试通过实验计算结果在路上和一个真正的中型公路网络应该被研究。此外,我们将考虑更多的因素来模拟实际交通流,如骑兵市场渗透,连强度影响,单行道和管理的车道。

6.2。结论

提出了许多反馈策略研究在交通网络交通流的状况(57),但反馈策略不考虑有限理性的随机性和骑士的普及率丁肝病毒和骑士的混合交通流。在本文中,我们提出了HFS中,将随机有限理性和骑士的普及率。根据计算结果,我们发现司机的有限理性遵循正态分布( )。基于随机分布的有限理性,我们发现,骑士可以有效减少系统的普及率旅行总成本。此外,在HFS中定性的对车辆的旅行成本的影响。

在未来,可以关注更多的实验。我们可以通过实验测试数值结果在路上和模拟交通流在一个真正的中型公路网络。此外,我们将考虑更多的因素来模拟实际交通流,如骑兵市场渗透,连强度影响,单行道,和管理,使骑兵研究作出更多的贡献。

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

这项研究得到了浙江省自然科学基金(批准号宁波LQ19E080003)、哲学和社会科学项目(批准号G20-ZX37),中国国家自然科学基金(批准号52002282)。