Моделирование дорожного движения - Traffic simulation

Моделирование дорожного движения или имитация транспортных систем - это математическое моделирование транспортных систем (например, развязок автострад, артериальных маршрутов, кольцевых развязок, сетевых систем в центре города и т. Д.) Посредством применения компьютерного программного обеспечения, которое помогает лучше планировать, проектировать и эксплуатировать транспортные системы. . Моделирование транспортных систем началось более сорока лет назад и сегодня является важной областью дисциплины в области проектирования дорожного движения и транспортного планирования . Различные национальные и местные транспортные агентства, академические учреждения и консалтинговые фирмы используют моделирование для помощи в управлении транспортными сетями.

Моделирование в транспорте важно, потому что оно может изучать модели, слишком сложные для аналитической или численной обработки, может использоваться для экспериментальных исследований, может изучать подробные взаимосвязи, которые могут быть потеряны при аналитической или численной обработке, и может создавать привлекательные визуальные демонстрации нынешних и будущих сценариев.

Чтобы понять моделирование, важно понимать концепцию состояния системы , которая представляет собой набор переменных, который содержит достаточно информации для описания эволюции системы во времени. Состояние системы может быть дискретным или непрерывным . Модели имитации трафика классифицируются по дискретному и непрерывному времени, состоянию и пространству.

Типы моделирования дорожного движения
Типы моделирования дорожного движения

Теория

Модели трафика

Основная статья: модель трафика

Методы моделирования на транспорте могут использовать набор теорий, включая вероятность и статистику, дифференциальные уравнения и численные методы.

  • Метод Монте-Карло

Одной из самых первых имитационных моделей дискретных событий является имитация Монте-Карло , в которой для синтеза условий движения используются серии случайных чисел.

  • Модель клеточного автомата

За этим последовала модель клеточного автомата, которая генерирует случайность из детерминированных правил.

  • Дискретное событие и моделирование в непрерывном времени

Более поздние методы используют либо дискретное моделирование событий или непрерывное время моделирование . Имитационные модели дискретных событий бывают как стохастическими (со случайными компонентами), так и динамическими (время - переменная). Очереди с одним сервером, например, можно очень хорошо смоделировать с помощью моделирования дискретных событий, поскольку серверы обычно находятся в одном месте и поэтому являются дискретными (например, светофоры ). С другой стороны, непрерывное временное моделирование может решить проблему дискретного моделирования событий, когда требуется, чтобы модель имела траектории входа, состояния и выхода в пределах временного интервала. Этот метод требует использования дифференциальных уравнений , в частности методов численного интегрирования. Эти уравнения могут варьироваться от простых методов, таких как метод Эйлера , до методов рядов Тейлора более высокого порядка , таких как метод Хойна и Рунге-Кутта .

  • Автомобильные модели

Класс микроскопических моделей непрерывного времени, известный как модели слежения за автомобилем , также основан на дифференциальных уравнениях. Значительные модели включают в себя трубу, интеллектуальные модели водителя и модель ГИППСА . Они моделируют поведение каждого отдельного транспортного средства («микроскопическое»), чтобы увидеть его влияние на всю транспортную систему («макроскопическое»). Использование численного метода с моделью слежения за автомобилем (например, модели Гиппса с моделью Хойна) может дать важную информацию о дорожных условиях, например о задержках в системе и выявлении узких мест.

Системное планирование

Вышеупомянутые методы обычно используются для моделирования поведения существующей системы и часто сосредоточены на конкретных областях, представляющих интерес, при различных условиях (таких как изменение планировки, закрытие полос движения и различные уровни транспортного потока). Планирование и прогнозирование транспорта можно использовать для более широкого понимания потребностей трафика в широком географическом районе и прогнозирования будущих уровней трафика на различных звеньях (участках) в сети, включая различные сценарии роста, с петлями обратной связи для учета эффекта перегрузки. по распределению поездок.

Применение в транспортной технике

Модели имитации дорожного движения полезны с микроскопической, макроскопической и иногда мезоскопической точки зрения. Моделирование может применяться как к планированию транспортировки, так и к проектированию и операциям транспортировки. В транспортном планировании имитационные модели оценивают влияние региональных моделей городского развития на производительность транспортной инфраструктуры. Организации регионального планирования используют эти модели для оценки сценариев «что, если» в регионе, таких как качество воздуха, чтобы помочь разработать политику землепользования , которая приведет к более устойчивому путешествию . С другой стороны, моделирование работы и проектирования транспортных систем сосредоточено на меньшем масштабе, таком как коридор автомагистрали и узкие места. Типы полос, синхронизация сигналов и другие вопросы, связанные с движением, исследуются для повышения эффективности и результативности местной системы. В то время как определенные имитационные модели специализируются на моделировании операций или планирования системы, определенные модели могут в некоторой степени моделировать и то, и другое.

Будь то планирование или работа системы, моделирование можно использовать для различных видов транспорта .

Автомобильный и наземный транспорт

Карта с результатами моделирования пешеходного движения на территории Национального мемориала и музея 11 сентября на основе моделирования, проведенного Louis Berger Group

Наземный транспорт для перевозки пассажиров и грузов, возможно, является областью, где моделирование наиболее широко используется. Моделирование может выполняться на уровне коридора или на более сложном уровне сети автодорожной сети для анализа планирования, проектирования и операций, таких как задержка, загрязнение и заторы. Модели наземного транспорта могут включать все виды передвижения по дороге, включая автомобили, грузовики, автобусы, велосипеды и пешеходов. В традиционных моделях дорожного движения обычно используется агрегированное представление трафика, когда все транспортные средства определенной группы подчиняются одним и тем же правилам поведения; в микромоделирование включается поведение водителя и производительность сети, чтобы можно было исследовать полные проблемы трафика (например, интеллектуальная транспортная система , ударные волны).

Железнодорожный транспорт

Железные дороги - важный вид транспорта как для грузов, так и для пассажиров. Моделирование железных дорог для грузового движения важно для определения операционной эффективности и рационализации решений по планированию. Моделирование грузовых перевозок может включать такие аспекты, как выделенные полосы движения для грузовиков, поток товаров, пропускная способность коридора и системы, распределение трафика / сетевой поток и планы грузовых перевозок, которые включают прогнозирование спроса на поездки.

Морские и воздушные перевозки

Морской и воздушный транспорт - это две важные для экономики области. Морское моделирование в первую очередь включает моделирование контейнерного терминала , которое касается логистики обработки контейнеров для повышения эффективности системы. Имитация воздушных перевозок в первую очередь включает моделирование работы терминала аэропорта (обработка багажа, контрольно-пропускной пункт) и взлетно-посадочной полосы .

разное

В дополнение к моделированию отдельных режимов часто более важно моделировать мультимодальную сеть, поскольку в действительности режимы интегрированы и представляют собой более сложные моменты, которые каждый отдельный режим может упустить. Моделирование интермодальной сети также может лучше понять влияние определенной сети с комплексной точки зрения, чтобы более точно представить ее влияние и понять важные последствия для политики. Примером интермодального симулятора является Commuter, разработанный Azalient, который вводит как динамический маршрут, так и выбор режима агентами во время симуляции - этот тип моделирования называется наномоделированием, поскольку он учитывает потребности и перемещение на более высоком уровне детализации, чем традиционное микромоделирование. .

Моделирование транспорта также может быть интегрировано с моделированием городской среды , где моделируется большая городская территория, включающая сети дорог, чтобы лучше понять землепользование и другие последствия планирования транспортной сети для городской среды.

Программное обеспечение

Программное обеспечение для моделирования становится лучше во многих отношениях. Благодаря новым достижениям в математике, инженерии и вычислительной технике программы моделирования становятся все более быстрыми, мощными, более детально ориентированными и более реалистичными.

Транспортные модели обычно можно разделить на микроскопические, мезоскопические, макроскопические и метаскопические. Микроскопические модели изучают отдельные элементы транспортных систем, такие как динамика отдельных транспортных средств и поведение отдельных путешественников. Мезоскопические модели анализируют транспортные элементы в небольших группах, внутри которых элементы считаются однородными. Типичный пример - динамика взвода автомобилей и поведение во время поездок на уровне домохозяйств. Макроскопические модели имеют дело с агрегированными характеристиками транспортных элементов, такими как агрегированная динамика транспортных потоков и анализ спроса на поездки на зональном уровне.

Микросимуляция

Модели микромоделирования отслеживают движение отдельных транспортных средств на второй или субсекундной основе. Микромоделирование основано на случайных числах для генерации транспортных средств, выбора решений о маршруте и определения поведения. Из-за этого различия необходимо запускать модель несколько раз с разными начальными числами случайных чисел, чтобы получить желаемую точность. Перед достижением системой устойчивого состояния будет период «прогрева», и этот период следует исключить из результатов.

Модели микромоделирования обычно дают два типа результатов: анимированные дисплеи и числовой вывод в текстовых файлах. Важно понимать, как программа собирала и обобщала численные результаты, чтобы предотвратить неправильную интерпретацию. Анимация может позволить аналитику быстро оценить производительность, однако она ограничивается качественными сравнениями. Основным признаком проблемы, которую можно увидеть в анимации, является формирование постоянных очередей.

«Показатели эффективности» (MOE) могут быть рассчитаны или определены способом, который является уникальным для каждой программы моделирования. MOE - это статистика производительности системы, которая классифицирует степень, в которой конкретная альтернатива соответствует целям проекта. Следующие MOE наиболее распространены при анализе имитационных моделей:

  • VMT (пробег транспортных средств) рассчитывается как комбинация количества транспортных средств в системе и пройденного ими расстояния.
  • «VHT» (количество часов в пути) рассчитывается как произведение объема ссылки и времени в пути, суммированного по всем ссылкам.
  • «Средняя скорость системы» равна VMT / VHT.
  • «Полная системная задержка» - один из наиболее эффективных способов оценки различных альтернатив для уменьшения заторов, и обычно путешествующие люди обращают внимание на МЧС. Задержку можно рассчитать несколькими способами. Некоторые считают, что это только та задержка, которая превышает условия свободного потока. Другие включают базовую задержку, которая возникает в результате устройств управления трафиком. Некоторые даже включают задержку ускорения и замедления, а другие включают только задержку остановки.

Другие часто публикуемые метрики из инструментов моделирования трафика включают:.

  • Связь скоростей участков дороги, потока, плотности, времени в пути, задержки, времени остановки
  • Объемы разворота на пересечении, задержка,
  • Время в пути
  • Петлевой детектор записывает скорость, присутствие, расстояние, расстояние
  • Траектории транспортного средства и графики зависимости скорости от расстояния

Сравнение результатов моделирования с Руководством по пропускной способности автомобильных дорог США

Результат микросимуляции модели отличается от руководства по пропускной способности федеральных автомагистралей США (HCM). Например, большинство процедур HCM предполагают, что на работу одного перекрестка не повлияют условия на прилегающей проезжей части (за исключением автострады HCS 2000). «Резиновая шею» и длинные очереди из одного места, создающие помехи в другом месте, противоречат этому предположению.

HCM 2010 содержит пересмотренное руководство о том, какие типы выходных данных программного обеспечения моделирования дорожного движения наиболее подходят для анализа и сравнения с HCM, например, траектории транспортных средств и выходные данные детектора необработанных петель.

Сравнение с задержкой HCM и уровнем обслуживания

В HCM задержка используется для оценки уровня обслуживания (LOS) на перекрестках. Однако существуют явные различия между способами определения задержки в программах микросимуляции и HCM. HCM основывает свою задержку на скорректированном расходе, используя среднюю задержку регулирования для максимального 15-минутного периода в течение часа. Различие между общей задержкой и задержкой управления важно. Задержка управления - это когда управление сигналом заставляет группу замедляться или останавливаться. Чтобы понять, как рассчитывается задержка, важно изучить документацию по программному обеспечению. Чтобы использовать выходные данные микросимуляции для поиска LOS, задержка должна накапливаться за 15-минутные интервалы и усредняться по нескольким запускам с разными случайными начальными числами. Поскольку HCM использует скорректированный поток, другой способ сравнить задержку - разделить 15-минутный пиковый объем входного сигнала моделирования на коэффициент часа пиковой нагрузки (PHF), чтобы увеличить объем моделирования.

Сравнение с очередями HCM

HCM 2000 определяет очередь как очередь транспортных средств, велосипедов или людей, ожидающих обслуживания системой, в которой скорость потока с начала очереди определяет среднюю скорость в очереди. Медленно движущиеся автомобили или люди, присоединяющиеся к задней части очереди, обычно считаются частью очереди. Эти определения несколько относительны и могут быть неоднозначными. В большинстве программ микромоделирования длина очереди не может превышать емкость хранилища для этой поворотной полосы или полосы движения. Переполнение в соседнем канале или за пределами сети обычно не учитывается, даже если это может повлиять на результаты. (Если это так, временным решением может быть временное игнорирование этих эффектов и расширение сети или области хранения для ссылки, чтобы включить максимальную длину очереди.)

Рекомендации

  1. ^ "Архивная копия" . Архивировано из оригинала на 2008-11-01 . Проверено 12 апреля 2010 . CS1 maint: заархивированная копия как заголовок ( ссылка )
  2. ^ http://publish.uwo.ca/~jmalczew/gida_5/Pursula/Pursula.html
  3. ^ Соколовского, JA, и банки, CM (2009). Принципы моделирования и симуляции: мультидисциплинарный подход. Хобокен, Нью-Джерси: Джон Уайли.
  4. ↑ Хорхе Лаваль, доктор философии, доцент Технологического института Джорджии, Конспект лекций по моделированию дорожного движения
  5. ^ Leemis, LM, и парк, SK (2006). Дискретно-событийное моделирование: первый курс. Река Аппер Сэдл, Нью-Джерси: Пирсон Прентис Холл.
  6. ^ Зиглер, BP, Praehofer, H., и Ким, Т. (2000). Теория моделирования и моделирования: интеграция дискретных событийных и непрерывных сложных динамических систем. Сан-Диего: Academic Press.
  7. ^ Chapra, SC, и Канал, RP (2006). Численные методы для инженеров. Бостон: Макгроу-Хилл.
  8. ^ "Архивная копия" . Архивировано из оригинала на 2008-11-01 . Проверено 12 апреля 2010 . CS1 maint: заархивированная копия как заголовок ( ссылка )
  9. ^ http://www.microsimulation.drfox.org.uk/intro.html
  10. ^ Асад, Arjang А., (1979). Модели для железнодорожных перевозок. Транспортные исследования. Часть A: Общий том 14, выпуск 3, 205–220.
  11. ^ http://www.freight.dot.gov/fmip/models/library.htm
  12. ^ Махмуд, Хизир; Город, Грэм Э. (июнь 2016 г.). «Обзор компьютерных инструментов для моделирования требований к энергии электромобилей и их влияния на распределительные сети». Прикладная энергия . 172 : 337–359. DOI : 10.1016 / j.apenergy.2016.03.100 .
  13. ^ http://www.its.dot.gov/its_publicsafety/emo/emo.pdf
  14. ^ http://ops.fhwa.dot.gov/trafficanalysistools/tat_vol3/vol3_guidelines.pdf

дальнейшее чтение