论文部分内容阅读
摘要：随着社会的发展，堵车成了人们最头疼的问题，为了提高车流量，我们主要通过研究交通规则来研究对车流量的影响，首先利用基于元胞自动机[1]模型的STCA模型，进行纵向智能控制，通过MATLAB仿真得出车流量模拟图，然后将横向与纵向控制相结合来实现完全智能状态下的交通系统，从而达到既增加安全性又减少了交通拥堵问题的目的。
关键词：车流量 元胞自动机模型 STCA模型 完全智能
一、引言
交通系统是由人、车、路及环境构成的大系统，具有复杂性、动态性和随机性。车辆超车是常见的驾驶员操作，它是驾驶员针对周围车辆的车速、车辆间距等周边环境信息的刺激，调整并完成自身驾驶目标策略的综合行为过程。在这样复杂的过程中，必须兼顾车辆的横向控制和车辆的纵向控制，与此同时还需考虑超车的快速性， 平顺性和安全性。目前，智能车辆的控制大多限于单一的横向控制或单一纵向控制，而在超车方面的研究相对较少。
本文按照我国的交通规则，即右行左超车的规则，可以很有效的提高安全性，但不足以缓解交通拥堵的问题，模拟在同一负荷下改变右行左超车的规则后车流量的变化，发现这一交通规则在提升车流量方面无效，经分析得出我们采用右行左右都可以超车的规则会相应提升车流量，从而我们选择右行左右都可以超车的规则来进一步研究。在以上纵向研究的基础上，加入了横向的智能控制，结合了有规则的安全性高和无规则车流量大的优点，从而更能有效的提升車流量，增加安全性并减少交通拥堵问题。
二、STCA模型
由于断面的车辆数呈现泊松分布规律[2]，在基于泊松分布原理而建立断面发车模型时，重要的是利用概率统计原理，确定发车模型的相关参数，从而建立具体的发车模型，为了避免产生追尾现象，我们定义一个安全距离，则无论什么情况下安全系数是一样的。我们通过前进规则（NS规则）和换道规则来实现整个流程，由于NS模型[3]在时间上和空间上都是离散的，车辆随机的分布在离散的元胞链上。在NS模型的基础上加上换道规则的元胞自动机模型（STCA模型）[4]后，我们讨论了各种交通现象。
在周期性边界条件下，每一个离散的t→t+1时间步，其车辆状态按如下规则同步并进行更新：
前进规则（NS规则）
加速规则：
防止碰撞：
随机减速： ，if rand >
位置更新：
STCA模型是在NS模型的基础上加入了换道规则构建的，在车辆行驶的过程中，当前车的驾驶员总是不愿意落后于前车很多，而是紧随前车前进，从安全的角度考虑，当前车的车速不能长时间的大于前车的速度，否则会发生追尾现象，若想超越前车，则必须换道行驶。换道规则是将需要换道的车辆找出，再随机排序，按照新的顺序逐个换道。
据此，我们研究了有交通规则和没有交通规则下的车流量的变化情况，运用matlab画出了两种情况下的车流量仿真图：
由上图得出在靠右行驶左超车的规则下的车流量为0.37cell/s，在无规则状态下的车流量为0.7cell/s，显然，无规则时的车流量比有规则状态下的车流量要大。虽然无规则状态下增加了车流量，但安全性却远远不足与有规则状态下的，因此还需进一步的研究。
三、完全智能控制
上述问题中我们主要在纵向进行了智能控制，而没有考虑横向的智能控制，因此还没有达到完全智能的控制系统，我们可以考虑将先进的信息技术、数据通信技术、电子控制技术以及计算机处理技术有效的综合应用于交通管理体系中从而建立起大范围、全方位发挥作用的，并且实时、准确、高效的交通管理体系[5]。
对此，我们可以在车内安装一个观测系统，可以全方位的观测所在位置周边的情况，通过观测的前方最少车道及其他环境，进而执行向左或向右的换道或超车，以便更快的走出该道路，实现完全智能的控制系统，减小了密度，提升车流量，增加了安全性同时也避免了交通拥堵。其中横向控制流程图如下：
通过matlab编程实现了完全智能状态下的交通路况模拟图和交通车流量变化趋势图。
在完全智能的状态下的平均车流量为0.68cell/s，由曲线图可以看出每十秒车流量为6到10之间，则每秒的车流量为0.6cell/s到1cell/s之间，与只有纵向智能控制的系统下车流量相差不大，但从交通路况模拟图看出此状态下的车流密度减小了，与纵向控制系统下有规则的车流密度相似，提高了安全性，由此得出在完全智能状态下结合了有规则和无规则的优点，达到了更理想的状态。
四、小结
本文运用了元胞自动机这个简单的模型，计算机上面实现了完全智能状态下的交通系统。通过在计算机上的模拟能够再现各种复杂的交通现象，同时模型中主要的参数为整数， 该特性与真实的交通情况相吻合，反映交通流的特性，并以动画的形式呈现，因此比较有直观感觉，可以清晰的看出未来智能交通系统下的车流量变化情况，以达到减少交通拥堵的状况。
参考文献：
1、靳文舟，张杰，梅冬芳.基于细胞自动机模型的交通流模拟程序[J]，华南理工大学学报.2003.05.（4）：17 18
2、Bastien Chopard， Alexandre Dupuis， Alexandre Masselot. Cellular Automation And Lattice Boltzmann Techniques：An Approach To Model And Simulate Complex Systems[J]. Advancesin Complex Systems，2002，（2&）：103-246
3、Nagel K，Schrekenberg M.A cellular automaton model for traffic flow. Journal De Physique I France，1992（2）：2 221-2 229
4、Rickert M，Nagel K，Schreckenberg M，et al.Two lane traffic simulation using cellular automata.Physica A，1996，31（4）：534-550
5、Dai S Q and Xue Y 2004 Traffic Flow，In：Tang X W et al eds.（Hangzhou：Zhejiang University’s Press） p66 （in Chinese）
关键词：车流量 元胞自动机模型 STCA模型 完全智能
一、引言
交通系统是由人、车、路及环境构成的大系统，具有复杂性、动态性和随机性。车辆超车是常见的驾驶员操作，它是驾驶员针对周围车辆的车速、车辆间距等周边环境信息的刺激，调整并完成自身驾驶目标策略的综合行为过程。在这样复杂的过程中，必须兼顾车辆的横向控制和车辆的纵向控制，与此同时还需考虑超车的快速性， 平顺性和安全性。目前，智能车辆的控制大多限于单一的横向控制或单一纵向控制，而在超车方面的研究相对较少。
本文按照我国的交通规则，即右行左超车的规则，可以很有效的提高安全性，但不足以缓解交通拥堵的问题，模拟在同一负荷下改变右行左超车的规则后车流量的变化，发现这一交通规则在提升车流量方面无效，经分析得出我们采用右行左右都可以超车的规则会相应提升车流量，从而我们选择右行左右都可以超车的规则来进一步研究。在以上纵向研究的基础上，加入了横向的智能控制，结合了有规则的安全性高和无规则车流量大的优点，从而更能有效的提升車流量，增加安全性并减少交通拥堵问题。
二、STCA模型
由于断面的车辆数呈现泊松分布规律[2]，在基于泊松分布原理而建立断面发车模型时，重要的是利用概率统计原理，确定发车模型的相关参数，从而建立具体的发车模型，为了避免产生追尾现象，我们定义一个安全距离，则无论什么情况下安全系数是一样的。我们通过前进规则（NS规则）和换道规则来实现整个流程，由于NS模型[3]在时间上和空间上都是离散的，车辆随机的分布在离散的元胞链上。在NS模型的基础上加上换道规则的元胞自动机模型（STCA模型）[4]后，我们讨论了各种交通现象。
在周期性边界条件下，每一个离散的t→t+1时间步，其车辆状态按如下规则同步并进行更新：
前进规则（NS规则）
加速规则：
防止碰撞：
随机减速： ，if rand >
位置更新：
STCA模型是在NS模型的基础上加入了换道规则构建的，在车辆行驶的过程中，当前车的驾驶员总是不愿意落后于前车很多，而是紧随前车前进，从安全的角度考虑，当前车的车速不能长时间的大于前车的速度，否则会发生追尾现象，若想超越前车，则必须换道行驶。换道规则是将需要换道的车辆找出，再随机排序，按照新的顺序逐个换道。
据此，我们研究了有交通规则和没有交通规则下的车流量的变化情况，运用matlab画出了两种情况下的车流量仿真图：
由上图得出在靠右行驶左超车的规则下的车流量为0.37cell/s，在无规则状态下的车流量为0.7cell/s，显然，无规则时的车流量比有规则状态下的车流量要大。虽然无规则状态下增加了车流量，但安全性却远远不足与有规则状态下的，因此还需进一步的研究。
三、完全智能控制
上述问题中我们主要在纵向进行了智能控制，而没有考虑横向的智能控制，因此还没有达到完全智能的控制系统，我们可以考虑将先进的信息技术、数据通信技术、电子控制技术以及计算机处理技术有效的综合应用于交通管理体系中从而建立起大范围、全方位发挥作用的，并且实时、准确、高效的交通管理体系[5]。
对此，我们可以在车内安装一个观测系统，可以全方位的观测所在位置周边的情况，通过观测的前方最少车道及其他环境，进而执行向左或向右的换道或超车，以便更快的走出该道路，实现完全智能的控制系统，减小了密度，提升车流量，增加了安全性同时也避免了交通拥堵。其中横向控制流程图如下：
通过matlab编程实现了完全智能状态下的交通路况模拟图和交通车流量变化趋势图。
在完全智能的状态下的平均车流量为0.68cell/s，由曲线图可以看出每十秒车流量为6到10之间，则每秒的车流量为0.6cell/s到1cell/s之间，与只有纵向智能控制的系统下车流量相差不大，但从交通路况模拟图看出此状态下的车流密度减小了，与纵向控制系统下有规则的车流密度相似，提高了安全性，由此得出在完全智能状态下结合了有规则和无规则的优点，达到了更理想的状态。
四、小结
本文运用了元胞自动机这个简单的模型，计算机上面实现了完全智能状态下的交通系统。通过在计算机上的模拟能够再现各种复杂的交通现象，同时模型中主要的参数为整数， 该特性与真实的交通情况相吻合，反映交通流的特性，并以动画的形式呈现，因此比较有直观感觉，可以清晰的看出未来智能交通系统下的车流量变化情况，以达到减少交通拥堵的状况。
参考文献：
1、靳文舟，张杰，梅冬芳.基于细胞自动机模型的交通流模拟程序[J]，华南理工大学学报.2003.05.（4）：17 18
2、Bastien Chopard， Alexandre Dupuis， Alexandre Masselot. Cellular Automation And Lattice Boltzmann Techniques：An Approach To Model And Simulate Complex Systems[J]. Advancesin Complex Systems，2002，（2&）：103-246
3、Nagel K，Schrekenberg M.A cellular automaton model for traffic flow. Journal De Physique I France，1992（2）：2 221-2 229
4、Rickert M，Nagel K，Schreckenberg M，et al.Two lane traffic simulation using cellular automata.Physica A，1996，31（4）：534-550
5、Dai S Q and Xue Y 2004 Traffic Flow，In：Tang X W et al eds.（Hangzhou：Zhejiang University’s Press） p66 （in Chinese）