Modelo de flujo de tráfico microscópico.

Los modelos microscópicos de flujo de tráfico son una clase de modelos científicos de la dinámica del tráfico vehicular .

A diferencia de los modelos macroscópicos , los modelos microscópicos de flujo de tráfico simulan unidades individuales de vehículo-conductor, por lo que las variables dinámicas de los modelos representan propiedades microscópicas como la posición y la velocidad de vehículos individuales.

Modelos que siguen los coches

También conocidos como modelos continuos en el tiempo , todos los modelos de seguimiento de automóviles tienen en común que están definidos por ecuaciones diferenciales ordinarias que describen la dinámica completa de las posiciones y velocidades de los vehículos . Se supone que los estímulos de entrada de los conductores están restringidos a su propia velocidad , la distancia neta (distancia de parachoques a parachoques) al vehículo líder (donde denota la longitud del vehículo) y la velocidad del vehículo líder. La ecuación de movimiento de cada vehículo se caracteriza por una función de aceleración que depende de esos estímulos de entrada: ${\displaystyle x_{\alpha }}$ ${\displaystyle v_{\alpha }}$ ${\displaystyle v_{\alpha }}$ ${\displaystyle s_{\alpha }=x_{\alpha -1}-x_{\alpha }-\ell _{\alpha -1}}$ ${\displaystyle \alpha -1}$ ${\displaystyle \ell _{\alpha -1}}$ ${\displaystyle v_{\alpha -1}}$

${\displaystyle {\ddot {x}}_{\alpha }(t)={\dot {v}}_{\alpha }(t)=F(v_{\alpha }(t),s_{\alpha }(t),v_{\alpha -1}(t),s_{\alpha -1}(t))}$

En general, el comportamiento de conducción de una única unidad conductor-vehículo podría no depender simplemente del líder inmediato sino de los vehículos que le preceden. La ecuación de movimiento en esta forma más generalizada dice: ${\displaystyle \alpha }$ ${\displaystyle \alpha -1}$ ${\displaystyle n_{a}}$

${\displaystyle {\dot {v}}_{\alpha }(t)=f(x_{\alpha }(t),v_{\alpha }(t),x_{\alpha -1}(t),v_{\alpha -1}(t),\ldots ,x_{\alpha -n_{a}}(t),v_{\alpha -n_{a}}(t))}$

Ejemplos de modelos que siguen a los coches

• Modelo de velocidad óptima (OVM)
• Modelo de diferencia de velocidades (VDIFF)
• Modelo Wiedemann (1974)
• Modelo de Gipps (Gipps, 1981) ^[1]
• Modelo de conductor inteligente (IDM, 1999) ^[2]
• Modelo de conducción anticipada basado en DNN (DDS, 2021) ^[3]

Modelos de autómatas celulares.

Los modelos de autómata celular (CA) utilizan variables enteras para describir las propiedades dinámicas del sistema. El camino se divide en tramos de cierta longitud y el tiempo se discretiza a pasos de . Cada tramo de carretera puede estar ocupado por un vehículo o vacío y la dinámica viene dada por reglas actualizadas de la forma: ${\displaystyle \Delta x}$ ${\displaystyle \Delta t}$

${\displaystyle v_{\alpha }^{t+1}=f(s_{\alpha }^{t},v_{\alpha }^{t},v_{\alpha -1}^{t},\ldots )}$

${\displaystyle x_{\alpha }^{t+1}=x_{\alpha }^{t}+v_{\alpha }^{t+1}\Delta t}$

(el tiempo de simulación se mide en unidades de y las posiciones del vehículo en unidades de ). ${\displaystyle t}$ ${\displaystyle \Delta t}$ ${\displaystyle x_{\alpha }}$ ${\displaystyle \Delta x}$

La escala de tiempo suele estar dada por el tiempo de reacción de un conductor humano . Con fijo, la longitud de las secciones de carretera determina la granularidad del modelo. En estado de parada total, la longitud media de la carretera ocupada por un vehículo es de aproximadamente 7,5 metros. Establecer este valor conduce a un modelo en el que un vehículo siempre ocupa exactamente una sección de la carretera y una velocidad de 5 corresponde a , que luego se establece como la velocidad máxima a la que un conductor quiere conducir. Sin embargo, en tal modelo, la aceleración más pequeña posible sería lo cual no es realista. Por lo tanto, muchos modelos CA modernos utilizan una discretización espacial más fina, por ejemplo , lo que lleva a una aceleración más pequeña posible de . ${\displaystyle \Delta t=1{\text{s}}}$ ${\displaystyle \Delta t}$ ${\displaystyle \Delta x}$ ${\displaystyle 5\Delta x/\Delta t=135{\text{km/h}}}$ ${\displaystyle \Delta x/(\Delta t)^{2}=7.5{\text{m}}/{\text{s}}^{2}}$ ${\displaystyle \Delta x=1.5{\text{m}}}$ ${\displaystyle 1.5{\text{m}}/{\text{s}}^{2}}$

Aunque los modelos de autómatas celulares carecen de la precisión de los modelos de seguimiento de automóviles en tiempo continuo, aún tienen la capacidad de reproducir una amplia gama de fenómenos de tráfico. Debido a la simplicidad de los modelos, son numéricamente muy eficientes y pueden usarse para simular grandes redes de carreteras en tiempo real o incluso más rápido.

Ejemplos de modelos de autómatas celulares.

• Regla 184
• Modelo de tráfico de Biham-Middleton-Levine
• Modelo de Nagel-Schreckenberg (NaSch, 1992)

Ver también

• Microsimulación

Referencias

1. Gipps, PG (1981). "Un modelo de comportamiento de seguimiento de automóviles para simulación por computadora". Investigación sobre transporte Parte B: Metodológica . 15 (2): 105-111. doi :10.1016/0191-2615(81)90037-0. ISSN  0191-2615 . Consultado el 17 de febrero de 2022 .
2. Treiber, nulo; Hennecke, nulo; Helbing, nulo (agosto de 2000). "Estados de tráfico congestionado en observaciones empíricas y simulaciones microscópicas". Revisión física E. 62 (2 partes A): 1805–1824. arXiv : cond-mat/0002177 . Código Bib : 2000PhRvE..62.1805T. doi :10.1103/physreve.62.1805. ISSN  1063-651X. PMID  11088643. S2CID  1100293.
3. Isha, la mayoría. Kaniz Fatema; Shawon, Dr. Nazirul Hasan; Shamim, Maryland; Shakib, Dr. Nazmus; Hashem, MMA; Kamal, MAS (julio de 2021). "Un esquema de conducción basado en DNN para el seguimiento anticipado del automóvil utilizando el perfil de velocidad en la carretera". Simposio de vehículos inteligentes IEEE 2021 (IV) . Simposio de vehículos inteligentes IEEE 2021 (IV). págs. 496–501. doi :10.1109/IV48863.2021.9575314.