مدلسازی تعقیب خودرو با استفاده از روش رگرسیون اسپیلاین تطبیقی چندگانه در حوزه بزرگراهی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران

2 استادیار، دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران

چکیده

 اخیراً  استفادهازابزارشبیه سازیجریانترافیکبه عنوانیکیازروشهایکارآمدمدیریتترافیک،کنترلترافیک،تصمیم گیری و انتخاب راهبرد بهینه، روز به روز در حال افزایش می باشد. این در حالی است که تمامی مدل‌های شبیه‌سازی ترافیکی میکروسکوپی1 نیازمند یک مدل تعقیب خودرو مناسب اند تا بتوانند شرایط واقعی را به بهترین صورت ممکن نمایش دهند. تاکنون مدل‌های تعقیب خودرو بسیار زیادی مطرح شده‌اند. تمامی مدلهای سنتی که تاکنون ارائه شده‌اند به علت ماهیت چند‌تخصصی2 در حوزه مطالعه دارای پارامترهای بسیار زیادی هستند،  به‌گونه‌ای که کالیبره نمودن این پارامترها بسیار دشوار است و هرگونه تغییر در این پارامترها حتی اگر بسیار کم باشد، در خروجی مدل اختلالات شدیدی ایجاد می‌کند. در این تحقیق، برای اولین بار، با استفاده ازروش رگرسیون اسپیلاین تطبیقی چندگانه3یک مدل تعقیب خودرو با خطای میانگین مربعات4 به مقدار  004/0و ضریب همبستگی5 (بین داده های مدلسازی شده و داده های واقعی) به مقدار 98/0 ارائه شده است. از ویژگی‌های مدل پیشنهادی، توانایی تعیین بهترین تابع برازش داده‌های آموزشی با حجم بسیار بالا و بدون نیاز به عملیات کالیبراسیون است. خروجی این مدل، تغییرات شتاب خودروی پیرو است. برای ارزیابی عملکرد مدل پیشنهادی، خروجی آن با خروجی مدل‌های سنتی مطرح شامل مدل‌هایHelly،GHR  و Gipps مقایسه شد که نتایج حاصل از شبیه سازی میکروسکوپی صورت گرفته نشان نشانگر دقت مطلوب مدل پیشنهاد شده در این تحقیق، نسبت به این مدل‌ها است.

کلیدواژه‌ها

عنوان مقاله [English]

Car Following Modeling Based on Multi-Variate Adaptive Regression Spline, Study Area: A Highway Zone

نویسندگان [English]

  • Mohsen Poor Arab Moghadam 1
  • Parham Pahlavani 2
1 MSc. Student, School of Surveying and Geospatial Engineering, University of Tehran, Tehran, Iran.
2 Assistant Professor, School of Surveying and Geospatial Engineering, University of Tehran, Tehran, Iran.
چکیده [English]

Recently, utilizing the traffic simulation models have been known as an efficient traffic control and management tool.  However, all traffic micro-simulation models require a car-following model so that the simulations would be performed based on it. Many car-following methods have been proposed yet, but all these methods have several number of parameters to calibrate, in a way a little variation over them creates considerable disturbance. In this paper a new car following model was proposed using the Multi-variate Adaptive Regression Spline (MARS) method that do not need any calibration stage. The proposed model inputs are leading vehicle velocity, relative velocity of leading and following vehicles and spacing between them and the output is the acceleration of the following car. As a result of this paper, a car following model with the Mean Squared Error (MSE) equal to 0.004 and the correlation coefficient (R) equal to 0.98 was achieved using the function estimation method through the MARS method. Finally, the MARS output was compared with the results achieved by the Helly linear model, the GHR model and the Gipps model. Based on micro simulation experiment it was shown that the proposed method was more accurate than those models.

کلیدواژه‌ها [English]

  • Car following
  • multi-variate adaptive regression spline (MARS)
  • micro traffic Simulation

مراجع

- ناصرعلوی، س. ص.، صفارزاده، م.، ممدوحی، ا.ر.،  ندیمی، ن. (1390) "شبیه سازی و کاربرد آن در مطالعات ترافیک؛ مدل تعقیب خودرو "، فصلنامه علمی ترویجی راهور، سال، هشتم شماره 15، مرداد 1390، ص 59-74.
-  ناصرعلوی، س. ص.، صفارزاده، م.، ندیمی، ن. (1389) " تخمین رفتار تعقیب خودرو با استفاده از مبانی معادلات دیفرانسیل "، پژوهشنامه حمل و نقل سال هفتم، پاییز 1389 شماره 3، ص 261-274.
-Aghabayk, K., Sarvi, M., Forouzideh, N. and Young, W. (2014) "Modelling heavy vehicle car‐following behaviour in congested traffic conditions", Journal of Advanced Transportation, Vol. 48, No. 8: pp. 1017-1029.
-Brackstone, M. and McDonald, M. (1999) "Car-following: a historical review", Transportation Research Part F: Traffic Psychology and Behaviour, Vol. 2, No. 4, pp. 181-96.
-Chakroborty, P. and Kikuchi, S. (1999) "Evaluation of the General Motors based car-following models and a proposed fuzzy inference model", Transportation Research Part C: Emerging Technologies, Vol. 7, No. 4, pp. 209-235.
-Cho, H-J. and  Wu, Y-T. (2008) "Microscopic analysis of desired-speed car-following stability", Applied Mathematics and Computation, Vol. 196, No. 2, pp. 638-645.
-Elith, J. and Leathwick, J. (2007) "Predicting species distributions from museum and herbarium records using multiresponse models fitted with multivariate adaptive regression splines", Diversity and Distributions, Vol. 13, No. 3, pp.265-275.
-Friedman, J. H. (1991) "Multivariate adaptive regression splines", The Annals of Satistics, 1-67.
-Hastie, T., Tibshirani, R. and Friedman, J. (2009) "The elements of statistical learning", Springer.
- Helbing, D., Hennecke, A., Shvetsov, V. and Treiber, M. (2001) MASTER: macroscopic traffic simulation based on a gas-kinetic, non-local traffic model. Transportation Research Part B: Methodological, Vol. 35, No. 2, pp. 183-211.
- Helbing, D. and Tilch, B. (1998) "Generalized force model of traffic dynamics", Physical Review E, Vol. 58, No. 1: pp. 133-138.
- Helly, W. (1959) "Simulation of bottlenecks in single-lane traffic flow", Proceedings of the Symposium on Theory of Traffic Flow, pp. 207-238.
-Kalnins, K., Jekabsons, G. and Rikards, R. (2009) "Metamodels for optimisation of post-buckling responses in full-scale composite structures", Proceedings of 8th World Congress on Structural and multidisciplinary optimisation, Lisbon, Portugal.
-Li, Y. and Sun, D. (2012) "Microscopic car-following model for the traffic flow: the state of the art". Journal of Control Theory and Applications, Vol. 10, No. 2, pp.133-43.
-Milborrow, S. (2014) "Notes on the earth package", URL http://cran.r-project.org/package=earth.
-Punzo, V., Ciuffo, B. and Montanino, M. (2012) "Can results of car-following model calibration based on trajectory data be trusted?" Transportation Research Record: Journal of the Transportation Research Board, Vol. 2315, No. 1, pp. 11-24.
-Saifuzzaman, M. and Zheng, Z. (2014) "Incorporating human-factors in car-following models: a review of recent developments and research needs", Transportation research part C: Emerging Technologies, Vol. 48: pp. 379-403.
-Samui, P. (2013) "Multivariate adaptive regression spline (Mars) for prediction of elastic modulus of jointed rock mass". Geotechnical and Geological Engineering, Vol. 31, No. 1, pp.249-253.
-Suzuki, H., Ranjitkar, P., Nakatsuji, T. and  Takeichi, Y. (2005) "An extended car-following model combined with a driver model",  Journal of the Eastern Asia Society for Transportation Studies, Vol. 6,  pp.1545-1556.
-Wei, D., Chen, F. and Zhang, T. editors (2010) "Least square-support vector regression based car-following model with sparse sample selection", Intelligent Control and Automation (WCICA), 8th World Congress on IEEE.
-Wilson, R. E. (2001) "An analysis of Gipps's car‐following model of highway traffic", IMA Journal Of Applied Mathematics, Vol. 66, No. 5, pp. 509-537.
-Yang, D., Jin, P., Pu, Y. and Ran, B. (2013) "Safe distance car-following model including backward-looking and its stability analysis". The European Physical Journal B, Vol. 86, No. 3, pp. 1-11.
- Zhang, Zhi-yong. and Yi, Huang (2011) "A regression car-following model based on time delay differential equation on expressway", 11th International Conference of Chinese Transportation Professionals (ICCTP).
- Zhang, Z. Y., Rong, J. and Ren, F. T. (2002) “Dynamic car-following behavioral data collection using the instrumented GPS vehicles”,  Journal of Beijing Uuniversity of Technology, Vol. 2, pp.189–193. (In Chinese)
 
 

فایل ها

سابقه مقاله

  • تاریخ دریافت: 13 خرداد 1394
  • تاریخ بازنگری: 23 شهریور 1394
  • تاریخ پذیرش: 19 دی 1394

هم رسانی

ارجاع به این مقاله

آمار