CC BY
19
УДК 656.021.2 DOI: 10.30977/АТ.2219-8342.2018.42.0.98
ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПОВЕДЕНИЯ ВОДИТЕЛЯ НА НЕРЕГУЛИРУЕМЫХ ПЕРЕКРЕСТКАХ В ПЕРЕСЕКАЮЩИХСЯ
ПОТОКАХ
Мустафаев Г.К., Гецович Е.М., ХНАДУ
Аннотация. Исследован метод моделирования поведения водителя на нерегулируемых перекрестках в пересекающихся потоках. Выполнен анализ и обработка видеосъемки движения пересекающихся потоков на четырехстороннем перекрестке, выбранном на УДС города Харьков. Предложен усовершенствованный метод «граничных интервалов» как «скользящий граничный интервал» для моделирования поведения водителя.
Ключевые слова: моделирование, транспортный поток, коэффициент решительности водителя.
Введение
При составлении моделей движения транспортных потоков через перекрестки улично-дорожной сети (УДС) наибольшую сложность представляет задача моделирования поведения водителя, поскольку оно не поддается сколько-нибудь точному математическому описанию, зависит от практически не ограниченного числа факторов и даже у одного и того же водителя может существенно изменяться в течение достаточно короткого промежутка времени, например, одной поездки.
Анализ публикаций
Известен ряд подходов к решению этой задачи:
- все водители ведут себя одинаково и дисциплинированно, т.е. моделируется «среднестатистический» водитель [1-3];
- водители ведут себя по-разному в пределах каких-либо ограничений (например, метод граничных интервалов) [2-4];
- метод граничных интервалов, в котором для какой-то заранее заданной части водителей значения граничных интервалов изменяются [3-5].
Известные подходы позволяют лишь весьма приближённо моделировать поведение водителей, что приемлемо при решении ряда задач, например, при моделировании в процессе проектирования организации дорожного движения (ОДД) на отдельных перекрестках или сравнительно небольших участках УДС [4]. Ранее авторами был предложен способ моделирования поведения водителя с помощью коэффициента «решительности» вида [4-6]
Кр
(1)
где тТ - теоретически необходимый временной интервал для выполнения желаемого маневра; тФ - фактически выбранный и оцененный водителем временной интервал как приемлемый.
Цель и постановка задачи
Целью работы является получение значений Кр и построение гистограммы распределения вероятностей этих значений для выбранного вида маневра.
Для достижения поставленной цели необходимо: провести анализ движения пересекающихся потоков на четырехстороннем перекрестке, выбранном на УДС города Харькова; обработать отснятые материалы; рассчитать Кр для выбранного типа маневра; построить гистограммы распределения вероятностей значений Кр для выбранного вида маневра.
Этапы и задачи получения всей необходимой информации для применения предложенного метода
В данном методе каждому водителю автомобиля, стоящего первым в очереди перед перекрестком, значение Кр присваивается как случайная величина с учетом экспериментально полученного распределения вероятностей значений Кр для данного типа перекрестка и вида маневра. По сути этот способ является «способом скользящих граничных интервалов», поскольку для каждого
т
ф
водителя определяется свои граничныи интервал, исходя из присвоенного ему коэффициента решительности как [5]
А
х = хА =
гр ф
Кр
(2)
Очевидно, что при построении моделеИ движения транспортных потоков, с учетом поведения водителеи по предложенному способу, наиболее трудоемким является получение экспериментальных распределении вероятностеИ значении Кр [7, 8]. Значение хТ для (1) можно легко получить из геометрии перекрестка и траектории движения ав-томобилеи при выполнении желаемого маневра из соотношения
^ =
лТ 2 :
(3)
где 1Тр - длина траектории движения при выполнении маневра; ] - ускорение автомобиля в процессе выполнения маневра [8]. Величина Хф для (1) может быть определена
путем обработки видеосъемки движения потоков на перекрестках [9].
Для пояснения методики обработки видеосъемки на рис. 1, 2, 3 приведены стоп-кадры видеосъемки в момент начала дви-жения автомобиля А (рис. 1) с выездом на главную дорогу и пересечением (четы-рехстороннии перекресток г. Харькова «Мироносицкая-Ярослава Мудрого»), в момент завершения маневра автомобилем А (рис. 2) и в момент прибытия в точку завершения маневра автомобилем А автомобиля В, движущегося по главнои дороге (рис. 3).
А
Рис. 1. Стоп-кадр видеосъемки в момент начала движения автомобиля А с выездом на главную дорогу
Рис. 2. Стоп-кадр видеосъемки в момент завершения маневра автомобилем А
В
Рис. 3. Стоп-кадр видеосъемки в момент прибытия в точку завершения маневра автомобилем А автомобиля В
Смещение изображении осуществляется покадрово [9, 10]. Если от положения (рис. 1) до положення (рис. 3) изображение сместилось на п кадров, а частота съемки - 24 кадра/с, то
хф =тг(с).
24
(4)
Полученные из (1), с учетом (4), значении Кр сгруппированы по интервалам и построены гистограммы распределения вероятностеи значении Кр для пересекающихся потоков (рис. 4).
По желанию разроботчиков моделеи движения транспортных потоков интервал Кр может быть уменьшен, например, до 0,05, 0,025 и т.д.
В результате обработки видеосъемки движения потоков на нерегулируемых перекрестках гистограммы вида (рис. 4) могут быть получены для других видов маневра: правый поворот, левый поворот, обгон и т.д [11, 12].
х
Т
Рис. 4. Гистограмма распределения вероятностей значений коэффициента решительности при пересекающихся потоках
С помощью таких гистограмм значения Кр для каждого автомобиля в потоке могут быть заданы с помощью любого известного генератора случайных чисел [12-14].
Выводы
Предложенный метод имитации поведения водителя в моделях транспортных потоков позволяет приблизить точность имитации к реальному разнообразию поведения водителей, а следовательно, повысить адекватность моделей.
Литература
1. Гасников А.В. Введение в математическое моделирование транспортных потоков / A.B. Гасников. - М.: МФТИ, 2010. - С. 74-78.
2. Швецов В.И. Математическое моделирование транспортних потоков / В.И. Швецов // Автоматика и телемеханика. -2003. - № 11. - С. 102-122.
3. Гецович Е.М. Эмпирико-стохастический подход к моделированию транспортных потоков / Е.М. Гецович, В.Т. Лазурик, Н.А. Семченко, В.Ю. Король // Компьютерное моделирование в наукоемких технологиях: тр. научн.-техн. конф. с ме-ждунар. участием Харьк. нац. ун-та имени В.Н. Каразина, 18-21мая 2010 г. -Харьков, 2010. Ч.1. - С. 101-104.
4. Клинковштейн Г.И. Организация дорожного движения: учеб. для вузов / Г.И. Клинковштейн, М.Б. Афанасьев. -5-е изд., перераб. и доп. - М.: Транспорт, 2001. - 247 с.
5. Lighthill M.J. On kinematic waves: Ii. theory of trac flow on long crowded roads / M.J. Lighthill, G.B. Whitham. - London, 1955.
6. Richards I.P. Shock Waves on the Highway / I.P. Richards, 1956.
7. Li Q. Analysis of lwr model with fundamental diagram subject to uncertainties / Li Q., Chen, H., Wang, D. Ni, 2011.
8. Payne H.J. A macroscopic simulation model for freeway trac / H.J. Payne // Transportation Research Record, 1979.
9. Payne H.J. Models of freeway trac and control / H.J. Payne // Simulation Council Proc, 1971.
10. Garavello M. Trac flow on a road network using the awrascle model / M. Garavello, B. Piccoli // Comm. Partial Dierential, 2006.
11. Krautter W. Trac simulation with artist. 1997
12. Gipps P. G. (1981). A behavioural car-following model for computer simulation // Transportation Research II.
13. Barcelo, J. (2005). Microscopic traffic simulation: a tool for the design, analysis and evaluation of intelligent transport systems / Journal of Intelligent and Robotic Systems. 41, № 2-3, 173-203.
14. Owen, L.E. (2000). Street and traffic simulation: traffic flow simulation using CORSIM / Proceedings of the 32nd conference on Winter simulation. - Society for Computer Simulation International, 1143-1147.
References
1. Gasnikov, A. V. (2010). Vvedeniye v ma-tematicheskoye modelirovaniye transport-nykh potokov [Introduction to the mathematical modeling of traffic flows]. Moscow: MFTI [in Russian].
2. Shvetsov, V. I. (2003). Matematicheskoye modelirovaniye transportnikh potokov [Mathematical modeling of traffic flows]. [in Russian].
3. Getsovich, Ye.M. (2010). Empiriko-stokhasticheskiy podkhod k modelirovani-yu transportnykh potokov [Empirical-stochastic approach to the modeling of traffic flows]. Kompyuternoye modelirovaniye v naukoyemkikh tekhnologiyakh - Computersimulation in high technology, 1, 101104 [in Ukrainian].
4. Klinkovshteyn, G.I., Afanasyev, M.B. (2001). Organizatsiya dorozhnogo dvizhe-niya. Moscow: Transport [in Russian].
5. Lighthill, M. J., Whitham, G. B. (1955). On kinematic waves: Ii. theory of trac flow on long crowded roads. London.
6. Richards, I. P. (1956). Shock Waves on the Highway.
7. Li, Q., Chen, H., Wang, D. Ni, (2011). Analysis of lwr model with fundamental diagram subject to uncertainties.
8. Payne, H.J. (1979). A macroscopic simulation model for freeway trac. Transportation Research Record.
9. Payne, H.J. (1971). Models of freeway trac and control. Simulation Council Proc.
10. Garavello, M., Piccoli, B. (2006). Trac flow on a road network using the aw-rascle model. Comm. Partial Dierential.
11. Krautter, W., Bleile, T., Manstetten, D., Schwab, T. (1997). Trac simulation with artist.
12. Gipps, P. G. (1981). A behavioural car-following model for computer simulation. Transportation Research II.
13. Barcelo, J. (2005). Microscopic traffic simulation: a tool for the design, analysis and evaluation of intelligent transport systems. Journal of Intelligent and Robotic Systems. 41, 2-3, 173-203.
14. Owen, L.E. (2000). Street and traffic simulation: traffic flow simulation using CORSIM. Proceedings of the 32nd conference on Winter simulation. - Society for Computer Simulation International, 11431147.
Мустафаев Гусейн Кавказович, асшрант кафедра оргашзацн та безпеки дорожнього руху, +380936977495, [email protected]. Хар^вський нацюнальний автомобшьно-дорожнш ушверситет, Хартв, Хартвська область, 61002, УкраТна, вул. Ярослава Мудрого, 25,
Гецович Свгенш Мойсейович, д.т.н., проф., кафедра тракторiв, сшьськогоспо-дарських машин i транспортних техноло-riii, +380963416415.
Сумський нацюнальний аграрний ушвер-ситет, УкраТна, Суми, 40000, вул. Герасима Кондратьева, 160, Сумська область,
ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛ1ДЖЕННЯ ПОВЕД1НКИ ВОД1Я НА НЕРЕГУЛЬОВАНИХ ПЕРЕХРЕСТЯХ У ПЕРЕС1ЧЕНИХ ПОТОКАХ
Мустафаев Г.К., Гецович С.М., ХНАДУ
Анотаця При складанш моделей руху транспортних потоюв через перехрестя вулично-
дорожньо! мережi (ВДС) найбыьшу складтсть становить задача моделювання поведiнки водiя, осюльки вона не тддаеться точному матема-тичному опису, залежить вiд практично не об-меженого числа факторiв i навiть у одного i того ж водiя може ктотно змiнюватися протягом досить короткого промiжку часу, наприклад, одтег по'1'здки. Метою роботи е отримання зна-чень Кр i побудова гктограми розподшу ймовiр-ностей цих значень для обраного виду маневру. У статтi до^джено метод моделювання поведт-ки водiя на нерегульованих перехрестях у переа-чених потоках. Виконано аналiз i обробку вiдео-зйомки руху пересiчених потоюв на чотиристо-ронньому перехрестi, обраному на УДМ мкта Харюв. Запропоновано вдосконалений метод «граничних iнтервалiв» як «ковзаючий граничний iнтервал» для моделювання поведiнки водiя. У результатi обробки вiдеозйомки руху потоюв на нерегульованих перехрестях було побудовано гiстограму розподшу ймовiрностей значень кое-фiцiента рiшучостi при пересiчених потоках. За допомогою таких гiстограм значення Кр для кожного автомобim в потоцi можуть бути задам за допомогою будь-якого вiдомого генератора випадкових чисел. Вказаний метод буде врахову-вати як iндивiдуальнi особливостi водив, так i вплив на ¡х поведтку об'ективних чинниюв, за-пропонований споаб облжу водив при моделю-ваннi руху транспортних потоюв дозволить збi-льшити точнкть моделювання, що, у свою чергу, дозволить уточнити цший ряд результатiв, яю отримаемо за допомогою моделювання, наприклад, розрахунок пропускно'1 здатностi смуг руху. Запропонований метод iмiтацii поведтки водiя в моделях транспортних потоюв дозволяе набли-зити точнкть iмiтацii до реально'1' рiзноманiт-ностi поведiнки водив, а отже, пiдвищити адек-ватнiсть моделей.
Ключовi слова: моделювання, транспортний потт, коефщент рiшучостi водiя.
EXPERIMENTAL INVESTIGATION OF THE DRIVER'S BEHAVIOR AT UNCONTROLLED INTERSECTIONS IN CROSS TRAFFIC FLOWS
Mustafayev H., KhNAHU, Getsovich Е., Summy National Agricultur al University
Abstract. Problem. When modelling traffic flows through intersections of the network of streets, the most difficult task is to model driver's behavior, since it defies precise mathematical description, it depends on almost unlimited number of factors and can significantly change even for the same driver over a fairly short period of time, for example, one trip. Goal. The goal is to obtain the values of Cd and to build the histogram of distribution of these values probabilities for the chosen type of maneuver. Methodology. The method of modeling driver's behavior
at uncontrolled intersections in cross traffic flows has been investigated in the paper. The analysis and processing of video recording of cross traffic flows at the four-way intersection chosen on the network of streets of the city of Kharkiv has been performed. An improved method of «boundary intervals» as a «sliding boundary interval» has been proposed for modeling the driver's behavior. Results. As a result of processing the video recording of the flow motion at uncontrolled intersections, the histogram of the distribution of probabilities of the determination coefficient values at cross traffic flows has been built [11, 12]. With the help of such histograms, the Cd values for each car in the flow can be specified using any known random number generator. Originality. The method stated will take into account both the
individual characteristics of drivers and the impact of objective factors on their behavior; the proposed method of recording drivers when modeling the movement of traffic flows will increase the accuracy of modeling, which in turn will allow us to specify a number of results that we obtain by modeling, for example, the calculation of the traffic lane capacity. Practical value. The proposed method of simulating the driver's behavior in the models of traffic flows makes it possible to approximate the accuracy of simulation to the real variety of behavior of drivers, and, consequently, to increase the adequacy of models.
Key words: modeling, traffic flow, the driver's determination coefficient.
