Kerangka Automata Selular untuk Mempelajari Model Arus Lalu Lintas

Kerangka Automata Selular untuk Mempelajari Model Arus Lalu Lintas : Berbagai model yang berbeda untuk arus lalu lintas telah dikembangkan oleh para ilmuwan dari matematika, fisika dan rekayasa lalu lintas ke alamat yang berbeda masalah. Sebuah automata menonjol di antara model ini adalah selular model automatal. model. Sebuah automaton selular (CA) merupakan ciri-ciri model yang terdiri dari terbatas, biasa kotak sel, masing-masing di salah satu menyatakan jumlah terbatas. Dasar model untuk lalu lintas adalah satu-lane model yang berlainan di ruang dan waktu. Berkendara yang ditentukan oleh perilaku yang hanya beberapa aturan sederhana tanpa kehilangan fenomena yang penting dalam dinamika lalu lintas. Kompleks lalu lintas yang dibangun oleh model menyusun sederhana satu-lane model, untuk mewakili, untuk contoh, multi-jalur lalu lintas dan berbagai jenis kendaraan. Selular automaton model untuk arus lalu lintas milik mikroskopis metode simulasi. Mikro-simulasi adalah dinamis dan model stokastik dari setiap kendaraan gerakan, dalam sistem sarana transportasi. Gerakan setiap kendaraan yang lalu lintas streaming dianggap tergantung pada gerakan sebelumnya dan kendaraan memandu perilaku individu dapat dipertimbangkan.

Karena terjadi perubahan dalam teknologi kendaraan, yakni baru macam dari otomatis atau semi-otomatis kendaraan yang sedang dikembangkan, dan driver mengubah perilaku dari waktu ke waktu, yang simulasi peraturan lalu lintas untuk aliran terakhir Mei harus disesuaikan. Penampungan fitur tersebut akan memfasilitasi eksplorasi arus lalu lintas di dasar lokal, di mana satu-lane model mungkin tidak cukup akurat. Selain itu, sebagian besar lalu lintas manajemen proyek simulasi memerlukan kajian sebelum realisasi, agar biaya-efektif. Oleh karena itu, besar terletak pada kemampuan simulasi kontemporer perkotaan di kompleks lingkungan. Sejauh ini, terdapat berbagai perangkat karyawan mikro-simulation, seperti TRANSIMS, yang memfasilitasi parametris dimaksud dengan model jaringan jalan. Akan tetapi, model expandability dan parametris komposisi tidak mencukupi, sedangkan simulasi aturan yang tertanam dalam model dan tidak dapat diubah. In this paper a framework Dalam makalah ini suatu kerangka adalah berdasarkan usulan yang memungkinkan dan defintion kajian hierarhical, modular, parameterizable model, dan memudahkan untuk modeller's intervensi tidak hanya untuk jalan jaringan tetapi untuk model simulasi aturan juga. Pengembangan perangkat lunak alat berdasarkan usulan MATLAB dalam kerangka lingkungan juga dibahas.

Kendala utama yang dihadapi dalam upaya kami sejauh ini telah yang validasi dari hasil disebabkan oleh kurangnya referensi empiris dan hasil yang rumit dan model. Hal ini bukan untuk kasus sederhana, satu jalur model, dimana validasi bukan masalah, karena banyak bekerja dapat ditemukan di literatur. Dengan demikian, iamemutuskan untuk pelaksana model dalam sistem yang diusulkan untuk mengakomodasi validasi. Langkah pertama ini dianggap berhasil sejak simulasi hasil approximated hasil empiris, yang didirikan kelayakan alat, sebagai berikut dibahas dalam bagian. Meskipun telah diusulkan alat kemampuan untuk menampung kompleks model, validasi belum dilakukan, karena adanya kekurangan dari hasil empiris. Kami sedang bekerja menuju arah ini, mengumpulkan hasil empiris untuk mandiri dalam kota, sedangkan eksploitasi alternatif simulasi menggambarkan diterjemahkan perilaku berkendara di kota Athens, adalah dekat tujuan dari upaya ini. Namun, penyediaan parametrical lingkungan yang disajikan dalam berikut, yang mampu mewujudkan fitur di atas, adalah penting untuk efisien eksploitasi alternatif lalu lintas model skenario.

Makalah ini diatur sebagai berikut: Bagian 2 meninjau ulang seluler Automaton Model, Bagian 3 menyajikan kerangka upaya pelaksanaan, serta validasi hasil, dan Bagian 4 membahas masa depan dan bekerja sasaran.

Model Selular Automata

Pendekatan yang diajukan berdasarkan model selular automaton untuk lalu lintas jalan bebas hambatan yang diusulkan oleh Nagel Kai dan Michael Schreckenberg. Model didefinisikan oleh vector yang terdiri dari situs, juga dikenal sebagai sel. Setiap sel tersebut biasanya ditetapkan hingga 7,5 m. Setiap sel bisa kosong, atau diduduki oleh kendaraan. Dalam model asli, semua kendaraan adalah ukuran yang sama dan telah bulat velocities antara nol dan umax. Yang merupakan parameter dari model. .Biasanya, realistis untuk nilai umax adalah 5. Update dari posisi kendaraan melibatkan tiga peraturan, yang, di setiap waktu langkah, menentukan kecepatan kendaraan. Peraturan tersebut adalah berikut:

Akselerasi: jika kecepatan kendaraan yang belum mencapai kecepatan maksimal umax. Ini meningkat 1.

Perlambatan: jika kesenjangan antara kendaraan dan kendaraan sebelumnya, dihitung dalam sel, adalah kurang dari kecepatan kendaraan, kecepatan adalah yang ke jeda-1.

Acak: Dengan kemungkinan pdec, dengan kecepatan kendaraan sudah berkurang 1.

Peraturan di atas dijalankan dan kecepatan dihitung untuk setiap kendaraan hadir dalam sistem. Eventually, the Pada akhirnya, yang posisi setiap kendaraan sudah diperbarui ini menurut kecepatan. Agar hasil untuk mengacu ke kehidupan nyata-pengukuran, setiap kali langkah dianggap 1 detik.

Proposal dari model diterapkan dua jenis batas kondisi ke: sistem tertutup dan sistem terbuka. Tutup sistem lalu lintas sebagaimana dimaksud dalam lingkaran, di mana tidak kendaraan memasuki atau meninggalkan sistem, sehingga jumlah kendaraan adalah konstan. On the other hand, an open system Di sisi lain, sebuah sistem terbuka adalah lebih realistis untuk model lalu lintas perkotaan, karena asumsi ada yang masuk dan keluar di mana kendaraan poin dan memasukkan meninggalkan sistem, masing-masing. Kedua jenis batas akan digunakan dalam model diusulkan juga. Untuk menunjukkan struktur jalan dan efek dari peraturan di atas terhadap kecepatan kendaraan.

Gambar Salah satu contoh selular untuk model Automata arus lalu lintas di jalan satu arah

Jalan yang ditunjukkan di atas terdiri dari dua belas sel, dari tiga yang diduduki oleh kendaraan dengan velocities seperti yang ditunjukkan. Pdec untuk contoh ini diatur ke 0,33, oleh karena itu, sebuah rata-rata 1 dari 3 kendaraan akan dipaksa untuk mengurangi para kecepatan. Menerapkan aturan akan berakibat pertama kendaraan (v1) akan meningkatkan kecepatan 1 tetapi kemudian menurun kembali karena dari kecil kesenjangan antara pertama dan kendaraan kedua (v2). Kedua kendaraan telah mencapai umax. Oleh karena itu tidak akan meningkatkan kecepatan lebih lanjut. Dalam kasus Acak memerlukan ini untuk kendaraan decelerare, para kecepatan akan dikurangi menjadi 4. Akhirnya, ketiga kendaraan (v3) memiliki kecepatan yang memungkinkan untuk meninggalkan sistem. Kemas kini dalam posisi kendaraan akan dilakukan, simulasi waktu akan muka dan simulasi langkah berikutnya akan dimulai dengan menerapkan kembali aturan-aturan yang sama.

Langkah-langkah yang paling penting dalam model ini adalah lalu lintas dan kepadatan arus lalu lintas, yang, pada satu jalur, yang dari data pengukuran lokal. Arus lalu lintas didefinisikan sebagai jumlah kendaraan per unit dan waktu adalah dihitung sebagai berikut:

Rata-rata kepadatan lalu lintas didefinisikan sebagai jumlah kendaraan per unit panjang dan dapat dihitung dari arus lalu lintas dan kecepatan rata-rata:

Pendekatan Δxj ≈ Δt ⋅ vj (x, t) ini hanya berlaku jika semua terdeteksi kendaraan bergerak dengan kecepatan yang sama kira-kira selama interval waktu Δt.

Kerangka dan Pelaksanaan

Usulan kerangka adalah suatu lingkungan bertujuan pada peningkatan expandability dan parameterization dari model jaringan jalan dan manipulasi alternatif simulasi aturan. Arsitektur adalah modular, dalam rangka untuk bagian yang berbeda untuk mandiri dari satu sama lain dan mudah. Simulasi hasil eksploitasi dan perbandingan fitur yang tertanam dalam kerangka. Modularitas yang dari pendekatan dan usulan perwakilan dari jaringan jalan model memfasilitasi skalabilitas ketika belajar jaringan jalan besar. Simulasi aturan tetap sama, sedangkan jaringan jalan dapat dirampas besar. Selain itu, bagian baru dapat ditambahkan progresif, di setiap saat, untuk jaringan jalan yang ada.

Gambar Usulan kerangka arsitektur.

Kerangka ini memfasilitasi:

• Parametris, jaringan jalan model.

• Mudah modifikasi dan perluasan yang sudah ada jalan jaringan model.

• Adaptif aturan yang dapat dengan mudah dapat diubah.

• Parametris simulasi.

• Visualisasi dari hasil simulasi dalam grafik dan dibandingkan dengan data empirik.

Konseptual dan model jaringan perwakilan

Usulan metodologi yang akan disajikan dalam bagian ini yaitu hasil pembangunan yang terpadu modular sistem untuk model dari arbitrary jaringan jalan, dilaksanakan di MATLAB.

Konseptual model jaringan jalan, yang dirancang sebagai diusulkan dalam sistem, terdiri dari jalan dan pertemuan. Setiap jalan dibagi menjadi biji dan bagian, dan setiap bagian menjadi pertemuan mungkin sederhana, dalam kasus yang biasa lalu lintas, undang-undang menunjukkan prioritas kendaraan, atau mungkin lampu lalu lintas, dalam kasus yang mereka indikasi yang diperhitungkan. Selain itu, sistem telah masuk dan keluar poin, dimana kendaraan yang masuk dan keluar dari sistem dan statistik yang dikumpulkan. Sejauh properti di jalan raya adalah bagian bersangkutan, masing-masing bagian memiliki kapasitas yang telah ditetapkan, yang menunjukkan jumlah sel, dan faktor perlambatan, yang menunjukkan seberapa sering kendaraan lambat di bawah ini bagian dari jalan dalam cara probabilistic.

Setiap kendaraan yang diwakili sebagai terpisah entitas yang memiliki parameter, seperti kecepatan. Parameter-parameter digunakan dalam kombinasi dengan simulasi dan peraturan lainnya keselamatan parameter sistem, untuk menghasilkan update posisi kendaraan. Kendaraan yang terpasang dalam sistem di entry point, menurut yang telah ditetapkan menilai kedatangan diberikan oleh pengguna di muka sebagai parameter dari setiap titik awal. Saat mereka dalam sistem, mereka dapat mendiami tepat satu sel pada suatu waktu, karena mereka semua dianggap ukuran yang sama. Akhirnya, mereka meninggalkan keluar di sistem poin, yang mempengaruhi statistik yang sesuai measures. tindakan.

Ketika ia datang untuk melaksanakan model di atas MATLAB, kombinasi dari array dan variabel lain digunakan. Langkah pertama adalah untuk membuat jaringan jalan. Hal ini dapat dicapai melalui sederhana menjawab pertanyaan mengenai berbagai struktur. Untuk menunjukkan ini, berikut sederhana jalan jaringan disajikan sebagai contoh

Gambar Contoh jalan masuk dan keluar dengan poin ditandai.

Jaringan terdiri dari lima satu-jalur jalan dan pertemuan antara mereka, dua di antaranya memiliki lampu lalu lintas. Arah jalan serta masuk dan keluar juga ditandai. Membagi jaringan ke jalan, dan bagian pertemuan hasil dalam skema berikut

Gambar Perwakilan dari jaringan jalan dalam hal selular Automata model.

Sebuah contoh sebagian demostrating masuknya informasi untuk pertama bagian dari Road 1 untuk MATLAB berikut

Gambar Contoh jalan input data.

Informasi yang diberikan ke sistem termasuk interarrival waktu untuk bagian ini, karena merupakan titik awal untuk sistem, kapasitas jalan bagian, dengan pelaksanaannya, para tetangga, jika ada, dan pada pertemuan awal dan akhir bagian jalan. Prosedur yang sama telah akan diikuti sekali untuk setiap bagian dalam sistem. Kemudian, ia disimpan dan dapat diubah di lain waktu, digunakan untuk menjalankan simulasi lalu lintas dengan simulasi aturan yang dicantumkan dalam sistem, atau digunakan dengan berbagai set aturan simulasi. Perlu dicatat bahwa model jaringan jalan yang disimpan sebagai file teks sederhana agar mudah diperluas dan dimodifikasi. Misalnya, jika modeller ingin menambahkan crosswalk dalam 3 bagian dari jalan 2, bagian ini dapat menjadi dua bagian, dan informasi baru dapat mensubstitusi data dalam file teks, tanpa ada perubahan lebih lanjut. Begitu juga, jalan jalan baru atau bagian dapat ditambahkan ke jaringan oleh menambahkan data baru ke file teks.

Lampu lalu lintas informasi yang diberikan dengan cara yang serupa. Pada contoh berikut, diberikan informasi tentang lampu lalu lintas di Jalan

Gambar Contoh lampu lalu lintas data masukan.

Simulasi

Setiap langkah dari simulasi terdiri dari tiga sub-langkah berikut:

Mengimpor kendaraan
Memperbarui posisi kendaraan
Memajukan simulasi waktu

Langkah-langkah di atas terdiri dari berbagai modul sistem. Oleh karena itu, setiap satu adalah independen dari yang lain, sehingga memungkinkan modeller untuk percobaan yang berbeda dengan set simulasi dari aturan.

Model yang dilaksanakan dalam sistem yang diusulkan adalah asli oleh Nagel dan Schreckenberg. Aturan simulasi yang sama dan konvensi untuk sel dan panjangkecepatan maksimum yang diikuti. Pada setiap langkah waktu, peraturan , yang menentukan kecepatan dari setiap kendaraan yang akselerasi, perlambatan bawah dan Acak, dan pada akhirnya posisi kendaraan adalah diperbarui sesuai dengan kecepatan ini. Kemungkinan acak, disebut sebagai pdec, diperkenalkan pada sistem sebagai parameter dari masing-masing bagian jalan. Karena itu setiap bagian mungkin memiliki kemungkinan yang berbeda.

Peraturan di atas adalah penyandian dalam sistem dan dilaksanakan. Selama berada dalam kendaraan yang sama bagian dari jalan, memperbarui posisinya adalah tugas sepele. Akan tetapi, perhatian harus dibayar untuk mengambil tindakan yang tepat bila kendaraan pendekatan akhir jalan itu adalah bagian pindah, kecepatan dan memungkinkan perangkat untuk meninggalkan bagian jalan ini. Priority in Prioritas dalam pertemuan dan lampu lalu lintas indikasi harus diambil ke account. rekening. Selain itu, ada kemungkinan bahwa kendaraan telah mencapai jaringan keluar jalur, karena itu harus statistik diperbarui.

Validasi dan hasil

Dalam rangka untuk memvalidasi usulan dan metodologi alat yang sesuai, serangkaian langkah-langkah yang harus dilakukan: Pertama, sederhana lalu lintas model simulasi harus menggunakan peraturan-peraturan yang asli CA model oleh Nagel dan Schreckenberg. Selain itu, angka hasil harus disajikan dan dibandingkan dengan hasil empiris. Jaringan sederhana yang terdiri dari satu jalan dengan dua bagian adalah contoh simulasi untuk mendapatkan hasil demonstrasi. Simulasi dilakukan untuk dua berbeda nilai-nilai kemungkinan faktor pdec, yang melayani tujuan acak dan menunjukkan seberapa sering kendaraan kecepatan yang menurun Pengukuran minat ini adalah contoh jumlah kendaraan yang pergi melalui jaringan di setiap langkah simulasi.

Mempertimbangkan hasil dari model simulasi sederhana dan kedekatannya dengan hasil empiris, yang handal dari usulan alat didirikan. Jadi, lebih lanjut eksperimen dengan lebih kompleks lalu lintas model dapat dimanfaatkan.

Gambar Perbandingan hasil simulasi dan empiris.

Kesimpulan dan rancana masa mendatang

Usulan kerangka accommodates definisi dan eksperimen dari hierarhical modular dan model aturan simulasi independen dalam mode. Kami sedang bekerja pada sebuah studi kasus yang otonom dalam kota jaringan di pusat kota Athena, untuk hasil yang empiris sedang dikumpulkan. Hal ini akan memungkinkan validasi dari kompleks lalu lintas jaringan, sedangkan eksploitasi alternatif simulasi aturan, menggambarkan diterjemahkan berkendara perilaku di kota Athena, juga dieksplorasi. CA adalah adanya aturan untuk memastikan keakuratan. Langkah berikutnya diringkas sebagai berikut:

• Kemampuan untuk memasukkan jenis lain dalam metrik seperti yang lingkungan.

• Kombinasi kendaraan dan pejalan kaki lalu lintas di sebuah . satu alat simulasi. Ini memerlukan pasangan simulasi aturan dari kedua bidang[12]. Sebuah contoh yang berguna aplikasi simulasi tersebut akan menjadi penentuan lokasi tepat crosswalks di daerah perkotaan dalam rangka mengoptimalkan keselamatan.

Pengakuan

Penelitian ini didukung oleh sebagian Pythagoras program (MIS 89198) co-didanai oleh Pemerintah Yunani (25%) dan Uni Eropa (75%).

References Referensi

[1] von Neumann, J. 1966, The Theory of self reproducing automata. Edited by A. Burks, Univ. of Illinois Press, Urbana

[2] Nagel K and Schreckenberg M. 1992, “A cellular automaton model for freeway traffic”. J. Physique I 2 2221

[3] Knospe W., Santen L., Schadschneider A. and Schreckenberg M. 2001, “Single-vehicle data of highway traffic:microscopic description of traffic phases”. Phys. Rev. E at press

[4] 58th Traffic and Safety Conference, May 9-11,2007, Columbia, Missouri. Available online via http://muconf.missouri.edu/traffic/index.html [accessed April 19, 2007].

[5] Ontario Traffic Conference, Ontario. Available online via http://www.otc.org/otcweb2 [accessed April 19, 2007].

[6] European Transport Safety Council. Avalable online via http://www.etsc.be/home.php [accessed April 19,2007].

[7] TRANSIMS, The TRansportation ANalysis and SIMulation System project. Los Alamos National Laboratory.

[8] Simon P. M. and Nagel K. 1998, “Simplified cellular automaton model for city traffic”. Phys. Rev. E 58, 1286 – 1295

[9] Fouladvand M. E., Shaebani M. R., Sadjadi Z., 2004, “Intelligent controlling simulation of traffic flow in a small city network”. Journal of the Physical Society of Japan, vol. 73, no11, pp. 3209-3214.

[10] Ping-Hua H., Ling-Jiang K., Mu-Ren, L. 2002 “A study of a main-road cellular automata traffic flow model”. Chinese Physics Beijing Journal, VOL 11; PART 7, pages 678-683.

[11] Barlovic R., Esser J., Froese K., Knospe W., Neubert L., Schreckenberg M., Wahle J., 2001, “A cellular automaton traffic flow model for online simulation of traffic”. Parallel Computing, Volume 27 , Issue 5, Special issue on cellular automata: from modeling to applications, Pages: 719 – 735.

[12] Blue, V.J., Embrechts, M.J., Adler, J.L. 1997, “Cellular automata modeling of pedestrian movements”. IEEE International Conference on Systems, Man, and Cybernetics 1997, 12-15 Oct 1997 Page(s):2320 – 2323 vol.3