• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      更高的交通流量,更低的交通風險,源自有效的交通規(guī)則

      2014-10-21 19:55:51劉磊徐志鵬徐金鵬
      數(shù)學學習與研究 2014年21期
      關(guān)鍵詞:風險系數(shù)交通流量車道

      劉磊 徐志鵬 徐金鵬

      一、背 景

      在諸如中國、美國等大多數(shù)國家地區(qū),實行靠右行駛規(guī)則.在多車道公路上,也經(jīng)常要求司機靠著最右邊的車道行駛,除非他們打算超車.當超車時,要從左邊車道超車,之后需要再次回到原來的車道上.

      盡管關(guān)于交通流量和交通風險的研究有很多,卻少有研究在靠右行駛規(guī)則下,兩種因子的綜合影響.因此,仍然不能準確地知道一種交通規(guī)則如何影響交通情況,特別在高低負荷(車輛密度很高或很低,參考世界標準)時.與現(xiàn)有的靠右行駛規(guī)則相比,也許存在著更好的一種規(guī)則.

      二、問題分析

      調(diào)查表明,實行靠右行駛,從左超車規(guī)則的國家的比例約為66%.要了解這樣一種規(guī)則的表現(xiàn),需要建立一個綜合評價指數(shù)來進行考量.

      實際交通系統(tǒng)極其復雜,同時考慮所有車輛有較大困難,而考慮單輛車是方便的.因此可以從局部到整體分析,先選擇一輛代表性的車進行研究,在此基礎(chǔ)上過渡到系統(tǒng)研究.

      在評價工程系統(tǒng)好壞時,比如武器裝備、橋梁和房屋,常常采用安全系數(shù)進行考量.對于文中討論的問題,可利用對應(yīng)風險系數(shù)來描述.

      在不同的國家,由于文化差異以及思考問題的角度影響,交通流量和風險系數(shù)在人們心中所占的權(quán)重是不一樣的.因此,在分析不同國家的情況時,這樣的權(quán)重影響應(yīng)當被考慮.

      三、模型假設(shè)與變量定義

      1.模型假設(shè)

      (1)在雙車道中,右車道用于車輛正常行駛,左車道作為超車道(車輛只能從左車道超車).右行規(guī)則則以此為基礎(chǔ).

      (2)天氣狀況良好,車道平坦且無緊急情況發(fā)生.因此,車速為正常速度且不會發(fā)生突變.

      (3)每位司機的超車想法以及駕駛水平是相同的.因此,可以認為人為對車輛的影響相同.

      (4)車輛間距為規(guī)定的安全車距.因此,可以根據(jù)車速來估計車輛間距.

      (5)風險系數(shù)受到超車影響,且由超車視距決定.因此,RI的確定能夠符合國際相關(guān)風險系數(shù)評估標準.

      (6)車輛以公路設(shè)計速度進行超車.因此,可以方便地計算出修正的平均車速.

      2.變量定義

      vi:正常速度(m/s) a:制動加速度(m/s2)

      Lio:車輛間距(m)

      tr:反應(yīng)時間(s,典型值:0.55 s)

      tb:制動時間(s,典型值:0.56 s)

      Lip:停車安全距離(m,典型值:5 m)

      Di:超車視距(m)

      Lv:車輛長度(m,典型值:4 m)

      RIi:風險系數(shù)

      vd:公路設(shè)計速度(m/s)

      b,c,d:GD參量

      m:超車率

      ρ:車流密度(puc/km)

      w:風險權(quán)重

      q:交通流量

      λ:相對指數(shù)

      η:超車時間因子

      E:綜合評價指數(shù)

      四、方法簡介

      通過層次分析法,建立起相關(guān)基本模型.各層間關(guān)系如圖1所示.基于這些關(guān)系,建立起流量q,風險系數(shù)RI和綜合評價指標模型.原始數(shù)據(jù)來自于參考文獻和相關(guān)模擬實驗.基于模擬數(shù)據(jù),對模型進一步地進行了完善,并將右行規(guī)則和自由駕駛規(guī)則進行對比.考慮到在不同的國家,流量及風險的權(quán)重是不同的,在評價指數(shù)中引入了影響因子k.

      圖 1

      五、模型設(shè)計

      1.流量模型

      交通流量通常是受速度和車距影響.首先,考慮超車現(xiàn)象建立速度模型.由于很難找到關(guān)于超車的相關(guān)數(shù)據(jù),故使用CA來模擬交通流和超車現(xiàn)象,文獻[6]中的模擬數(shù)據(jù)如表1:

      根據(jù)表1數(shù)據(jù),并以真實情況為基礎(chǔ),通過擬合,得到m和ρ之間的關(guān)系曲線如圖2:

      圖 2

      表達式為:m=η0.403-2.654ρ.

      對于每輛車的qi是不同的,此處假設(shè)對于任意一輛車i的m和ρ關(guān)系是相同的,考慮到超車時間很短,在整個車輛行駛過程中對平均速度的影響很小,引入超車時間因子η(假設(shè)為0.05)來對車速進行修正.根據(jù)車流量規(guī)律,可得其表達式:

      qi=(1-m)vi+mvdLio+Lv.

      表達式中需要確定車輛間距Lio.由參考文獻[5],考慮其為車輛安全距離,其計算式為:

      Lio=vi(tr+tb)+v2i2a.

      2.風險系數(shù)模型

      國際上對超車風險的評估是基于超車視距的[1],故采用超車視距評估風險系數(shù).根據(jù)參考文獻可知,超車視距受到車輛長度Lv,車輛間距Lo,公路設(shè)計速度vd,正常速度v以及制動加速度a的影響.雙車道上的超車現(xiàn)象如下圖3所示:

      圖 3

      在圖3中,d2和d1分別表示在超車過程中的高速行駛距離和加速行駛距離.對于任意一輛車i的Di可由下式確定:

      Di=2(Lio+Lv)+vi2Lio+Lvvd+vi.

      根據(jù)車輛間距模型,建立風險系數(shù)模型.在自然界中,如果一種現(xiàn)象受到多種隨機因素的獨立影響,可以近似按照高斯分布(GD)[2]進行處理.由于超車風險主要來自于人為判斷,故風險系數(shù)可按照GD進行建模,表達式如下:

      RIi=be[-(Di-d)22c2].

      參考文獻相關(guān)數(shù)據(jù)如表2所示,進行擬合可得GD參量:b=3.47,c=335.422,d=297.900.

      3.綜合評價模型

      以前面兩個模型為基礎(chǔ),定義每輛車的綜合評價指數(shù)Ei,并引入相對指數(shù)λ來反映不同國家的情況.λ可以根據(jù)風險系數(shù)和流量的權(quán)重w來確定:

      λ=w1-w.

      綜合評價指數(shù)的定義式為:

      Ei=qieRIλ.

      1eRIi能夠用來反映安全性,變化范圍為0到1,其值越大,交通規(guī)則表現(xiàn)越好.

      六、模型解決方案和結(jié)果分析

      1.模型的簡化

      為了方便反映整個系統(tǒng)模型,考慮了平均模型,用平均參數(shù)來代替不同的車輛參數(shù).在此基礎(chǔ)上,建立簡化綜合評價指數(shù)模型:

      E=qeRIλ.

      2.超車現(xiàn)象模擬和模型檢查

      用元胞自動機(CA)[3]模擬雙車道超車的現(xiàn)象如下圖4所示:

      圖 4

      模擬交通流遵循如下演變規(guī)則:

      (1)加速、超車和減速情況:

      ·當vi(t)

      ·當vi(t)≥gapi(t),車輛減速或超車.若條件允許,則以概率Pt超車;否則以概率Pd減速到vi(t)-1;在其他情況下,速度減至gapi(t).

      (2)超車條件:

      ·車輛前方有適當空間,且gapif(t)>gapi(t).

      ·在相鄰車道上的車輛后面有足夠的空間,且gapib(t)≥min(vbi-1(t)+1,vbi-1max).

      ·若上述兩條件都滿足,則以概率pt換道或超車.

      (3)車輛位置更新(時間間隔取單位時間):

      ·不進行換道的車輛,其位置更新為Xi(t+1)=Xi(t)+vi(t+1).

      ·進行換道的車輛,其位置更新為Xi′(t+1)=Xi(t)+vi′(t+1).

      CA是成熟的模型,所以此處不再贅述.基于這種方式,對模型以及ρ和q的關(guān)系進行檢驗.模擬情況與理論情況對比如下,可知所建模型是正確的.

      圖 5

      3.模型的解決方案和分析

      為評價右行規(guī)則的表現(xiàn),將其與自由駕駛規(guī)則(自然情況或不受規(guī)則約束情況)進行對比.當自由駕駛時,認為駕駛員可以從左邊或右邊進行超車,雙車道的兩條車道均用于自由駕駛.因此認為在相同的條件下,q增加,RI減小.此外,因為每車道均有車輛, 所以D會改變.在自由駕駛規(guī)則下,雙車道超車現(xiàn)象如圖6所示:

      圖 6

      自由駕駛規(guī)則模型為:E=qeRIλ,

      D=Lo+Lv+v2d-v22a,RI=1.5be-(D-d)22c2,q=1.2vLo+Lv,

      ρ=1000qv.

      該規(guī)則與右行規(guī)則比較結(jié)果如圖7(認為流量和風險指數(shù)的權(quán)重相同,所以λ是1):

      圖 7

      根據(jù)上圖可知:

      (1)車流密度正常,即道路處于一般負荷情況下,兩種規(guī)則都合適,E處于最大值左右;

      (2)車流密度正常,即道路處于低負荷情況下,右行規(guī)則的表現(xiàn)比自由駕駛規(guī)則交通更好,且當ρ在100 pcu/km (“pcu”為車輛單位)附近時, E會達到最大值;

      (3)車流密度較小,即道路處于低負荷情況下,兩個規(guī)則的表現(xiàn)是類似的且E較小;

      (4)車流密度很大,即道路處于高負荷情況下,右行規(guī)則表現(xiàn)不如自由駕駛規(guī)則.

      4.改良規(guī)則

      基于之前的分析,提出改良規(guī)則,目的在于改善道路高負荷或低負荷下的情況.根據(jù)右行駕駛習慣,新規(guī)則及示意圖如下:

      ·兩車道都被用于機動車道;

      ·右車道是慢車道,其限制速度低于普通限制速度;

      ·左車道是快車道且設(shè)計普通上限速度,同時增加設(shè)計速度下限;

      ·慢車道上的車輛可加速進入快車道,但快車道的車上不能進入慢車道;

      ·兩條車道的限制速度之間有關(guān)聯(lián).

      圖 8

      為建立改良規(guī)則模型,假定速度差為20公里/ 小時.根據(jù)上圖,得到改善規(guī)則模型表達式:

      E=qeRIλ,D=Lo+Lv+v22-v212a,RI=0.8be-(D-d)22c2,

      q=v1(1-m)Lo+Lv+v2(1+m)L′o+Lv,ρ=1000Lo+Lv+1000L′o+Lv.

      將三種規(guī)則(右行規(guī)則、自由駕駛規(guī)則、改良規(guī)則)的綜合評價指數(shù)曲線對比如圖9:

      圖 9

      由上圖可知,改進的規(guī)則取得了預期的效果:在高負荷和低負荷情況下E顯著增加,且在正常負荷下,E增加更為顯著.

      5.結(jié) 論

      基于以上模型,可以作如下總結(jié):

      (1)右行規(guī)則很適合正常交通負載情況,而對于低負荷或高負荷卻不是很適用;

      (2)改良規(guī)則可以提高交通流量,并且當交通系統(tǒng)是低負荷和高負荷時都很適用,此外,尤其適用于正常負載情況.

      七、模型的改進

      1.q和RI的權(quán)重

      文中考慮的是交通流的權(quán)重和風險指數(shù)相同的情況,事實上在不同的國家和城市,兩者對交通的整體影響是不同的.可以猜測,在發(fā)達國家和城市,人們更重視安全,風險系數(shù)權(quán)重會較大;而在發(fā)展中國家,交通是否暢通更重要,交通流的權(quán)重可能會更大.因此,當討論不同的區(qū)域,需要分析w變化.分別改變λ為1.1和0.9來反映交通流量和風險指標權(quán)重不同的情況,前者表示發(fā)達國家或城市的情況,而后者表示發(fā)展中國家的情況.結(jié)果如下:

      圖 10 圖 11

      可以從圖中看出,在不同的地區(qū),需要不同的交通規(guī)則.

      2.多車道情況

      在我們的生活中,有許多種多車道的.為了更好地使模型適應(yīng)實際情況,可以考慮在雙車道模型分析的基礎(chǔ)上,進一步討論多車道的情況.

      3.CA

      CA通常是用于交通狀況的仿真,但不是很準確的.事實上,有很多專業(yè)軟件可以更準確逼真地模擬交通狀況,如VISSIM,Emme和TransCAD,可以用這些軟件來提高模型的準確度.

      猜你喜歡
      風險系數(shù)交通流量車道
      北斗+手機實現(xiàn)車道級導航應(yīng)用
      避免跟車闖紅燈的地面車道線
      科學大眾(2021年9期)2021-07-16 07:02:50
      淺談MTC車道改造
      基于XGBOOST算法的擁堵路段短時交通流量預測
      基于GA-BP神經(jīng)網(wǎng)絡(luò)的衡大高速公路日交通流量預測
      淺析互聯(lián)網(wǎng)金融的優(yōu)勢、影響、發(fā)展方向與風險
      基于人—車—路虛擬實驗的公路線形安全性評價
      基于信息熵和未確知測度理論的供應(yīng)鏈風險系數(shù)定量測度模型研究
      中國市場(2016年45期)2016-05-17 05:15:23
      低速ETC/MTC混合式收費車道的設(shè)計與實現(xiàn)
      基于復合卡和ETC的交通流量采集研究
      承德县| 玉环县| 新河县| 滁州市| 凌云县| 土默特左旗| 应城市| 安宁市| 忻城县| 黎平县| 工布江达县| 凉山| 白朗县| 朝阳市| 桦川县| 松阳县| 信丰县| 江西省| 永嘉县| 抚州市| 崇明县| 翁牛特旗| 左云县| 托克逊县| 余庆县| 昌邑市| 闽清县| 元氏县| 英德市| 阜阳市| 双城市| 大荔县| 上栗县| 兴和县| 雅安市| 新巴尔虎右旗| 中西区| 夏邑县| 南和县| 托克托县| 巴彦淖尔市|