Моделирование дорожного движения

Моделирование дорожного движения или моделирование транспортных систем — это математическое моделирование транспортных систем (например, развязок автострад, магистральных 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 в 1950-х годах. и сегодня это важная область дисциплины в области организации дорожного движения и планирования транспорта . Различные национальные и местные транспортные агентства, академические учреждения и консалтинговые фирмы используют моделирование для управления транспортными сетями.

Моделирование в транспортировке важно, поскольку оно позволяет изучать модели, слишком сложные для аналитической или численной обработки, может использоваться для экспериментальных исследований, может изучать детальные взаимосвязи, которые могут быть потеряны при аналитической или численной обработке, и может создавать привлекательные визуальные демонстрации текущих и будущих сценариев.

Чтобы понять моделирование, важно понять концепцию состояния системы , которая представляет собой набор переменных, содержащий достаточно информации для описания эволюции системы с течением времени. Состояние системы может быть как дискретным , так и непрерывным . Модели дорожного движения классифицируются по дискретному и непрерывному времени, состоянию и пространству.

Типы моделирования дорожного движения

Теория

Модели трафика

Основная статья: модель трафика

Методы моделирования на транспорте могут использовать ряд теорий, включая теории вероятности и статистики, дифференциальные уравнения и численные методы.

• Метод Монте-Карло

Одной из самых ранних моделей моделирования дискретных событий является моделирование Монте-Карло , где для синтеза условий дорожного движения используется ряд случайных чисел.

• Модель клеточного автомата

За этим последовала модель клеточных автоматов , которая генерирует случайность на основе детерминированных правил.

• Дискретное событие и моделирование в непрерывном времени

Более поздние методы используют либо моделирование дискретных событий , либо моделирование в непрерывном времени . Модели дискретного моделирования событий являются как стохастическими (со случайными компонентами), так и динамическими (время является переменной). 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, моделирование в непрерывном времени может решить недостаток моделирования дискретных событий, когда модель должна иметь входные, состояния и выходные траектории в пределах временного интервала. 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 метод Рунге-Кутты .

• Модели, следующие за автомобилем

Класс микроскопических моделей непрерывного времени, известных как модели следования за автомобилем , также основан на дифференциальных уравнениях. Важными моделями являются Пайпс, модель интеллектуального драйвера и модель Гиппса . Они моделируют поведение каждого транспортного средства («микроскопическое»), чтобы увидеть его влияние на всю дорожную систему («макроскопическое»). Использование численного метода с моделью следования за автомобилем (например, модели Гиппса и Хойна) может дать важную информацию об условиях дорожного движения, например, о задержках системы и выявлении узких мест.

Системное планирование

Отмеченные выше методы обычно используются для моделирования поведения существующей системы и часто фокусируются на конкретных областях интереса в ряде условий (таких как изменение планировки, закрытие полос движения и различные уровни транспортных потоков). Транспортное планирование и прогнозирование могут использоваться для более глубокого понимания потребностей в трафике в широкой географической области и прогнозирования будущих уровней трафика на различных звеньях (участках) в сети, включая различные сценарии роста, с контурами обратной связи для учета эффекта перегрузки. по распределению поездок.

Применение в транспортном машиностроении

Модели имитации дорожного движения полезны с микроскопической, макроскопической, а иногда и мезоскопической точки зрения. Моделирование может применяться как к планированию перевозок, так и к проектированию и эксплуатации перевозок. При транспортном планировании имитационные модели оценивают влияние региональных моделей городского развития на работу транспортной инфраструктуры. Организации регионального планирования используют эти модели для оценки сценариев «что, если» в регионе, таких как качество воздуха, чтобы помочь разработать землепользования политику , которая приведет к более экологичным путешествиям . С другой стороны, моделирование операций транспортной системы и ее проектирование сосредоточены на меньших масштабах, таких как коридор шоссе и точки защемления. Типы полос, время сигнала и другие вопросы, связанные с дорожным движением, исследуются для повышения эффективности и результативности местной системы. Хотя некоторые имитационные модели специализируются на моделировании либо операций, либо системного планирования, некоторые модели способны в некоторой степени моделировать и то, и другое.

Будь то планирование или эксплуатация систем, моделирование можно использовать для различных видов транспорта .

Дорога и наземный транспорт

Карта, показывающая результаты моделирования пешеходного движения на территории Национального мемориала и музея 11 сентября , на основе моделирования Louis Berger Group.

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

Железнодорожные перевозки

Железнодорожный транспорт является важным видом транспорта как для грузов, так и для пассажиров. Моделирование железных дорог для грузовых перевозок важно для определения эксплуатационной эффективности и рационализации плановых решений. Моделирование грузовых перевозок может включать такие аспекты, как выделенные полосы для грузовых автомобилей, потоки товаров, пропускная способность коридоров и систем, распределение трафика/сетевых потоков, а также планы грузовых перевозок, которые включают прогнозирование спроса на поездки.

Морские и воздушные перевозки

Морской и воздушный транспорт представляют собой две области, важные для экономики. Морское моделирование в первую очередь включает моделирование контейнерных терминалов , которое занимается логистикой обработки контейнеров для повышения эффективности системы. Моделирование авиаперевозок в первую очередь включает моделирование операций терминала аэропорта (обработка багажа, контрольно-пропускной пункт) и на взлетно-посадочной полосе операций .

Другой

Помимо моделирования отдельных режимов, зачастую более важно смоделировать мультимодальную сеть, поскольку в действительности режимы интегрированы и представляют собой более сложную структуру, которую каждый отдельный режим может не заметить. Моделирование интермодальной сети также позволяет лучше понять влияние определенной сети с комплексной точки зрения, чтобы более точно представить ее влияние и осознать важные последствия для политики. Примером интермодального симулятора является Commuter, разработанный Azalient, который представляет как динамический маршрут, так и выбор режима агентами во время моделирования. Этот тип моделирования называется наносимуляцией, поскольку он учитывает спрос и поездки на более высоком уровне детализации, чем традиционное микросимуляция. .

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

Программное обеспечение

Программное обеспечение для моделирования становится лучше по-разному. Благодаря новым достижениям в математике, инженерии и вычислительной технике программы моделирования становятся все более быстрыми, мощными, более детализированными и более реалистичными.

Модели транспортировки обычно можно разделить на микроскопические, мезоскопические, макроскопические и метаскопические модели. 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. Типичным примером является динамика движения транспортных средств и поведение во время поездок на уровне домохозяйств. Макроскопические модели имеют дело с совокупными характеристиками транспортных элементов, такими как совокупная динамика транспортных потоков и анализ спроса на поездки на зональном уровне.

Микромоделирование

Модели микросимуляции отслеживают движения отдельных транспортных средств с точностью до секунды или доли секунды. Микросимуляция использует случайные числа для создания транспортных средств, выбора маршрута и определения поведения. Из-за этого различия необходимо запустить модель несколько раз с разными начальными значениями случайных чисел, чтобы получить желаемую точность. Прежде чем система достигнет устойчивого состояния, пройдет период «разогрева», и этот период следует исключить из результатов.

Модели микросимуляции обычно дают два типа результатов: анимированные изображения и числовой вывод в текстовых файлах. Важно понимать, как программное обеспечение аккумулировало и обобщило числовые 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 рассчитываться или определяться способом, уникальным для каждой программы моделирования. MOE — это статистика производительности системы, которая классифицирует степень, в которой конкретная альтернатива соответствует целям проекта. При анализе имитационных моделей наиболее распространены следующие МОЭ:

• «VMT» (пройденное транспортным средством миль) рассчитывается как комбинация количества транспортных средств в системе и пройденного ими расстояния.
• «VHT» (часы в пути транспортного средства) рассчитывается как произведение объема звена и времени в пути, суммированного по всем звеньям.
• «Средняя скорость системы» равна VMT/VHT.
• «Общая задержка системы» является одним из наиболее эффективных способов оценки различных альтернатив устранения заторов, и пассажиры обычно 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, возникающую из-за устройств управления дорожным движением. Некоторые даже включают задержку ускорения и замедления, а другие включают только задержку остановки.

Другие часто сообщаемые показатели инструментов моделирования дорожного движения включают в себя:.

• Свяжите скорости участков дороги, поток, плотность, время в пути, задержку, время остановки
• Объемы поворотов на перекрестке, задержка,
• Время в пути
• Детектор петли записывает скорость, занятость, расстояние, разрыв
• Траектории транспортных средств и графики зависимости скорости от расстояния

Сравнение результатов моделирования с Руководством по пропускной способности автомобильных дорог США

Результаты микросимуляционной модели отличаются от результатов, приведенных в Руководстве по пропускной способности федеральных автомобильных дорог США (HCM). Например, большинство процедур HCM предполагают, что на работу одного перекрестка не будут влиять условия соседней дороги (за исключением HCS 2000 Freeways). «Неразбериха» и длинные очереди из одного места, мешающие работе другого, противоречат этому предположению.

HCM 2010 содержит пересмотренные рекомендации относительно того, какие типы выходных данных программного обеспечения для моделирования дорожного движения наиболее подходят для анализа и сравнения с HCM, например, траектории транспортных средств и выходные данные детектора необработанного контура.

Сравнение с задержкой HCM и уровнем обслуживания

В HCM задержка используется для оценки уровня обслуживания (LOS) на перекрестках. Однако существуют явные различия между тем, как программы микромоделирования и HCM определяют задержку. HCM основывает свою задержку на скорректированном расходе, используя среднюю задержку управления для самого высокого 15-минутного периода в течение часа. Важно различать общую задержку и задержку управления. Задержка управления – это когда контрольный сигнал заставляет группу замедляться или останавливаться. Важно просмотреть документацию программного обеспечения, чтобы понять, как оно рассчитывает задержку. Чтобы использовать результаты микромоделирования для определения 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 пик (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 в начале очереди определяет среднюю скорость внутри очереди. Медленно движущиеся транспортные средства или люди, стоящие в конце очереди, обычно считаются ее частью. Эти определения несколько относительны и могут быть неоднозначными. В большинстве программ микромоделирования длина очереди не может превышать емкость хранилища для этого поворотного отсека или полосы движения. Переливы в соседний канал или за пределы сети обычно не учитываются, даже если это может повлиять на результаты. (В этом случае обходным путем можно временно игнорировать эти эффекты и расширить сеть или область хранения для ссылки, включив в нее максимальную длину очереди.)

Дальнейшее чтение

• Холландер, Ярон (2016). Моделирование дорожного движения для начинающих . CTдумай!.
• Трейбер, М.; Кестинг, А. (2013). Динамика транспортных потоков . Спрингер.
• «Руководство по уровню усилий, необходимых для проведения анализа трафика с использованием микромоделирования» (PDF) . Федеральное управление автомобильных дорог . Март 2014.