一种考虑速度随机慢化概率动态演化的交通流元胞自动机模型

在NS模型的基础上,利用司机的记忆效应和当前交通环境动态地调整随机慢化概率,从而得到一个改进的交通流元胞自动机模型.数值实验表明,该模型可以很好地刻画司机记忆效应对交通流的影响,记忆效应的引入可以提高平均速度和流量.

考虑安全移动距离的交通流元胞自动机模型

在Na Sch模型的基础上,分析车辆移动距离与车辆速度的关系,考虑驾驶的安全性,定义减速过程和位置更新规则,提出一种新的元胞自动机模型。该模型通过车辆前一步时的速度和当前速度计算车辆的移动距离。对该模型进行模拟仿真,得到车速、流量和密度数据及其相互关系,最大流量接近实测数据,显示了亚稳态、滞后效应、相分离以及同步流等更复杂的实际交通现象。仿真结果表明,车辆在行驶过程中能够相对均匀地分布在道路上,保持自由流状态,道路资源的利用率高,交通流量大,具有一定的合理性和实效性。

基于模糊控制规则的元胞自动机模型

针对单车道道路交通流提出了一种新的基于模糊控制规则的元胞自动机模型。与NaSch模型不同,新模型中的随机慢化概率是根据模糊控制规则计算得来的。在新模型的模糊控制规则中,将当前车辆的车间距以及其与前车的速度差作为输入因素,经过模糊推理从而计算出当前车辆本时间步的随机慢化概率。经过计算机仿真发现,新模型的基本图和时空图较好地重现了现实道路交通流中的某些宏观特性,如时走时停波、回滞以及亚稳态等现象。

基于元胞自动机模型的自动驾驶汽车比例对交通效率影响的研究

随着科技的不断发展,智能驾驶汽车逐渐开始投入使用。为研究车流中自动驾驶汽车占比对交通效率的影响,文章建立了考虑随机慢化现象的单车道元胞自动机模型和可变换车道的双车道元胞自动机模型,考虑了车辆超车、加速、减速等情况,运用曲线拟合方法,逐步探究在不同交通任务的情况下,自动驾驶汽车所占比例对交通效率的影响。研究表明:单车道在自动驾驶汽车占比60%的情况下交通效率最好;双车道在自动驾驶汽车占比越多的情况下,交通效率越好。此结论可作为继续研究自动驾驶汽车在车流中的占比对交通效率的影响。