Моделирование движения транспорта
Имитационное моделирование движения или моделирование транспортных систем - это математическое моделирование транспортных систем (например, развязок автомагистралей, магистральных путей сообщения, кольцевых развязок, центральных сетевых систем и т. д.).) через применение компьютерного программного обеспечения для того чтобы улучшать план помощи, конструировать, и привестись в действие транспортные системы. моделирование транспортных систем началось более сорока лет назад, и является важной дисциплиной в области транспортного машиностроения и планирования перевозок Сегодня. Различные национальные и местные транспортные агентства, научные учреждения и консалтинговые фирмы используют имитационное моделирование для оказания помощи в управлении транспортными сетями.
Моделирование на транспорте имеет важное значение, поскольку оно может изучать модели, слишком сложные для аналитической или численной обработки, может использоваться для экспериментальных исследований, может изучать детальные соотношения, которые могут быть потеряны при аналитической или численной обработке, и может создавать привлекательные визуальные демонстрации настоящих и будущих сценариев.
Чтобы понять моделирование, важно понять концепцию состояния системы, которая представляет собой набор переменных, содержащий достаточно информации для описания эволюции системы во времени. состояние системы может быть как дискретным, так и непрерывным . Имитационные модели движения классифицируются в соответствии с дискретным и непрерывным временем, состоянием и пространством
Теория[править]
Модели трафика[править]
Основная статья: Модель движения
Методы моделирования на транспорте могут использовать различные теории, в том числе вероятностные и статистические, дифференциальные уравнения и численные методы.
- Метод Монте-Карло
Одной из самых ранних моделей моделирования дискретных событий является модель Монте-Карло , в которой для синтеза условий движения используется ряд случайных чисел.
- Модель клеточных автоматов
За этим последовала модель клеточных автоматов, которая генерирует случайность из детерминированных правил.
- Дискретное событие и моделирование в непрерывном времени
Более поздние методы используют либо дискретное моделирование событий, либо моделирование в непрерывном времени . Модели моделирования дискретных событий являются как стохастическими (со случайными компонентами), так и динамическими (время-переменная величина). Например, одиночные серверные очереди могут быть очень хорошо смоделированы с помощью дискретного моделирования событий, поскольку серверы обычно находятся в одном месте и поэтому являются дискретными (например, светофоры). Непрерывное моделирование времени, с другой стороны, может решить недостаток дискретного моделирования событий, когда модель должна иметь входные, государственные и выходные траектории в течение интервала времени. Метод требует использования дифференциальных уравнений, в частности численных методов интегрирования.[6] эти уравнения могут варьироваться от простых методов, таких как метод Эйлера , до методов рядов Тейлора более высокого порядка, таких как метод Хойна и Рунге-Кутта .
- Автомобиль-следующие модели
Класс микроскопических моделей непрерывного времени, известных как модели car-following , также основаны на дифференциальных уравнениях. Значительно модели включают трубы, толковейшую модель водителя и модель Gipps. Они моделируют поведение каждого отдельного транспортного средства ("микроскопическое"), чтобы увидеть его последствия для всей транспортной системы ("макроскопическое"). Использование численного метода с моделью car-following (например, Gipps с Heun) может генерировать важную информацию для условий движения, таких как системные задержки и идентификация узких мест.
Планирование систем[править]
Упомянутые выше методы обычно используются для моделирования поведения существующей системы и часто сосредоточены вокруг конкретных областей интереса в различных условиях (таких как изменение компоновки, закрытие полос движения и различные уровни транспортного потока). Транспортное планирование и прогнозирование могут использоваться для обеспечения более широкого понимания потребностей в перевозках по широкому географическому району и прогнозирования будущих уровней перевозок на различных звеньях (участках) сети, включая различные сценарии роста, с обратными связями для учета влияния перегруженности на распределение поездок.
Приложения в транспортном машиностроении[править]
Имитационные модели движения полезны с микроскопической, макроскопической и иногда мезоскопической точек зрения. Моделирование может быть применено как к планированию транспортировки, так и к проектированию и операциям транспортировки. При транспортном планировании имитационные модели оценивают влияние региональных моделей градостроительного развития на эффективность функционирования транспортной инфраструктуры. Региональные плановые организации используют эти модели для оценки сценариев "что и если" в регионе, таких как качество воздуха, чтобы помочь разработать политику землепользования, которая приведет к более устойчивому путешествию. С другой стороны, моделирование работы транспортной системы и проектирование сосредоточены на меньших масштабах, таких как автодорожный коридор и Пинч-пойнты. Исследуются типы полос движения, время подачи сигнала и другие вопросы, связанные с трафиком, для повышения эффективности и экономичности локальной системы. в то время как некоторые имитационные модели специализируются для моделирования либо операций, либо системного планирования, некоторые модели имеют возможность моделировать оба в некоторой степени.
Независимо от того, идет ли речь о планировании или о системных операциях, моделирование может использоваться для различных видов транспорта .
Дорожный и наземный транспорт[править]
Наземный транспорт как для пассажирских, так и для грузовых перевозок, пожалуй, является областью, где моделирование используется наиболее широко. Моделирование может быть выполнено на уровне коридора или на более сложном уровне сети дорожных сетей для анализа планирования, проектирования и операций, таких как задержка, загрязнение и перегрузка. Наземный транспорт модели могут включать в себя все виды дорожного движения, в том числе транспортных средств, грузовых автомобилей, автобусов, велосипедов и пешеходов. В традиционных моделях дорожного движения обычно используется агрегированное представление движения, когда все транспортные средства определенной группы подчиняются одним и тем же правилам поведения; в микро-симуляции, поведение водителя и производительность сети включены так , что полные проблемы движения (например умная транспортная система, ударные волны) можно расследовать.
Железнодорожные перевозки[править]
Железная дорога является важным видом транспорта как для грузов, так и для пассажиров. Моделирование железных дорог для грузовых перевозок имеет важное значение для определения операционной эффективности и рационализации плановых решений.[10] моделирование грузовых перевозок может включать такие аспекты, как выделенные полосы движения грузовых автомобилей, товарный поток, пропускная способность коридоров и систем, распределение трафика/сетевой поток и планы перевозок, которые включают прогнозирование спроса на поездки.
Морские и воздушные перевозки[править]
Морские и воздушные перевозки представляют собой две области, которые важны для экономики. Морское моделирование в первую очередь включает в себя моделирование контейнерного терминала, который занимается логистикой обработки контейнеров для повышения эффективности системы. Моделирование воздушных перевозок в первую очередь включает в себя моделирование операций терминала аэропорта (обработка багажа, контрольно-пропускной пункт безопасности) и взлетно-посадочной полосы.
Другое[править]
В дополнение к моделированию отдельных режимов часто более важно моделировать мультимодальную сеть, поскольку в действительности режимы интегрированы и представляют собой более сложные явления, которые каждый отдельный режим может игнорировать. Межмодальное сетевое моделирование также позволяет лучше понять воздействие определенной сети с комплексной точки зрения, чтобы более точно представлять ее воздействие для реализации важных политических последствий. Примером интермодального симулятора является коммутирующий тренажер, разработанный компанией Azalient, который вводит как динамический маршрут, так и выбор режима агентами во время моделирования - этот тип моделирования называется наносимуляцией, поскольку он учитывает спрос и перемещение на более тонком уровне детализации, чем традиционная микросимуляция.
Имитационное моделирование на транспорте также может быть интегрировано с моделированием городской среды , где моделируется большая городская территория, включающая сети проезжей части, для лучшего понимания землепользования и других последствий планирования транспортной сети для городской среды.
Программное обеспечение программы[править]
Программное обеспечение для моделирования совершенствуется различными способами. С новыми достижениями в математике, инженерии и вычислительной технике, программное обеспечение для моделирования программ все чаще становится быстрее, более мощным, более подробно ориентированным и более реалистичным.
Транспортные модели обычно можно разделить на микроскопические, мезоскопические, макроскопические и метаскопические модели. Микроскопические модели изучают отдельные элементы транспортных систем, такие как индивидуальная динамика транспортного средства и индивидуальное поведение путешественника. Мезоскопические модели анализируют транспортные элементы в малых группах, внутри которых элементы считаются однородными. Типичным примером является динамика взвода транспортных средств и поведение в поездках на бытовом уровне. Макроскопические модели имеют дело с агрегированными характеристиками транспортных элементов, такими как динамика агрегированных транспортных потоков и анализ спроса на поездки на зональном уровне.
Микросимуляция[править]
Модели микросимуляции отслеживают индивидуальные движения корабля на второе или подсекундное основание. Микросимуляция использует случайные числа для создания транспортных средств, выбора решений о маршрутизации и определения поведения. Из-за этой вариации необходимо запустить модель несколько раз с различными случайными числами семян, чтобы получить желаемую точность. Прежде чем система достигнет устойчивого состояния, будет установлен период "разогрева", и этот период следует исключить из результатов.
Модели микросимуляции обычно дают два типа результатов: анимированные дисплеи и числовой вывод в текстовых файлах. Важно понимать, как программное обеспечение накопило и обобщило численные результаты, чтобы предотвратить неверную интерпретацию. Анимация может позволить аналитику быстро оценить производительность, однако она ограничивается качественными сравнениями. Главным признаком проблемы, которую можно увидеть в анимации, является формирование постоянных очередей.
"Показатели эффективности" (MOEs) могут быть рассчитаны или определены таким образом, который является уникальным для каждой программы моделирования. MOEs-это статистика производительности системы, которая классифицирует степень, в которой та или иная альтернатива соответствует целям проекта. Следующие Мос наиболее распространены при анализе имитационных моделей:
- "VMT" (Vehicle miles travelled) вычисляется как комбинация количества транспортных средств в системе и расстояния, которое они преодолевают.
- "VHT" (vehicle hours of travel) рассчитывается как произведение объема ссылки и времени движения ссылки, суммируемое по всем ссылкам.
- "Средняя системная скорость" равна VMT / VHT.
- "Общая системная задержка" является одним из наиболее эффективных способов оценки различных вариантов снижения загруженности, и обычно именно МЧС направляет публичные уведомления о поездках. Задержка может быть рассчитана несколькими способами. Некоторые считают, что это только та задержка, которая выше условий свободного потока. Другие включают базовую задержку, которая возникает в результате устройств управления трафиком. Некоторые даже включают задержку ускорения и замедления, в то время как другие включают только остановленную задержку.
Другие часто сообщаемые метрики из инструментов моделирования трафика включают:
- Соедините скорости раздела дороги, подачу, плотность, время в пути, задержку, время остановки
- Пересечение поворотных объемов, задержка,
- Время в пути
- Показатели детектора петли для скорости, пребывания, headway, зазора
- Траектории движения транспортных средств и их скорость в сравнении с эпюрами расстояний
Сравнение результатов моделирования с руководством по пропускной способности автомобильных дорог США[править]
Результаты работы модели микросимуляции отличаются от результатов работы руководства по пропускной способности федеральных автомобильных дорог США (HCM). Например, большинство процедур ВКМ предполагает, что на работу одного перекрестка не будут влиять условия прилегающей проезжей части (за исключением автострад HCS 2000). "Резиновая проверка" и длинные очереди из одного места, мешающие другому месту, противоречили бы этому предположению.
HCM 2010 предоставляет пересмотренное руководство о том, какие типы выходных данных из программного обеспечения для моделирования движения наиболее подходят для анализа и сравнения с HCM, например, траектории движения транспортного средства и выход детектора необработанной петли.
Сравнение с задержкой HCM и уровнем обслуживания[править]
В HCM задержка используется для оценки уровня обслуживания (LOS) для перекрестков. Однако существуют явные различия между тем, как программы микросимуляции и HCM определяют задержку. HCM основывает свою задержку на отрегулированной подаче используя среднюю задержку управления на самый высокий 15 мельчайший период в пределах часа. Различие между полной задержкой и задержкой управления является важным. Задержка управления-это когда управление сигналом заставляет группу замедляться или останавливаться. Это важно, чтобы посмотреть на документацию программного обеспечения, чтобы понять, как он вычисляет задержку. Чтобы использовать выходы микросимуляции для поиска Лос, задержка должна быть накоплена за 15-минутные интервалы и усреднена по нескольким пробегам с различными случайными семенами. Поскольку HCM использует отрегулированный поток, другой способ сравнить задержку-разделить 15-минутный пиковый объем входного сигнала моделирования на коэффициент пикового часа (PHF) для увеличения объема моделирования.
Сравнение с очередями HCM[править]
HCM 2000 определяет очередь как ряд транспортных средств, велосипедов или лиц, ожидающих обслуживания системой, в которой расход потока от передней части очереди определяет среднюю скорость в очереди. Медленно движущиеся транспортные средства или люди, присоединяющиеся к задней части очереди, обычно считаются частью очереди. Эти определения несколько относительны и могут быть неоднозначными. В большинстве программ микросимуляции длина очереди не может превышать емкость хранилища для этого поворота-bay или lane. Переполнения в соседнее звено или вне сети обычно не учитываются, даже если это может повлиять на результаты. (Если это так, обходной путь может быть временно игнорировать эти эффекты и расширить сеть или область хранения для ссылки, чтобы включить максимальную длину очереди.)
Пруф[править]
.bookdepository.com/Transport-Modelling-for-Complete-Beginner-Yaron-Hollander/9780995662414