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

نوع مقاله : علمی - پژوهشی

نویسندگان

1 گروه مهندسی نقشه برداری، پردیس دانشکده های فنی دانشگاه تهران

2 استاد دانشگاه تهران

چکیده

اخیراً استفاده از ابزار شبیه سازی جریان ترافیک به عنوان یکی از روشهای کارآمد مدیریت ترافیک،
کنترل ترافیک، تصمیم گیری و انتخاب راهبرد بهینه، روز به روز در حال افزایش می باشد. این در حالی است که تمامی مدلهای شبیه سازی ترافیکی میکروسکوپی نیازمند یک مدل تعقیب خودرو مناسب می باشند تا بتوانند شرایط واقعی را به بهترین صورت ممکن نمایش دهند. تا کنون مدلهای تعقیب خودرو بسیار زیادی مطرح شده اند. تمامی مدلهای سنتی که تاکنون ارائه شده اند به علت ماهیت چند تخصصی در حوزه مطالعه، دارای پارامترهای بسیار زیادی می باشند بگونه ای که کالیبره نمودن این پارامترها بسیار دشوار می باشد و هرگونه تغییر در این پارامترها حتی اگر بسیار کم باشد در خروجی مدل اختلالات شدیدی ایجاد می نماید. در این تحقیق، برای اولین بار، با استفاده ازروش رگرسیون اسپیلاین تطبیقی چندگانه3 یک مدل تعقیب خودرو با خطای میانگین مربعات4 به مقدار 0.004 و ضریب همبستگی5 (بین داده های مدلسازی شده و داده های واقعی) به مقدار 0.98 ارائه شده است. از ویژگیهای مدل پیشنهادی، توانایی تعیین بهترین تابع برازش داده های آموزشی با حجم بسیار بالا و بدون نیاز به عملیات کالیبراسیون می باشد. خروجی این مدل، تغییرات شتاب خودروی پیرو می باشد. برای ارزیابی عملکرد مدل پیشنهادی، خروجی آن با خروجی مدل‌های سنتی مطرح شامل مدل‌هایHelly،GHR و Gipps مقایسه گشت که نتایج حاصل از شبیه سازی میکروسکوپی صورت گرفته نشان از دقت مطلوب مدل پیشنهاد شده در این تحقیق، نسبت به این مدل‌ها داشت.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Car following modeling based on multi-variate adaptive regression spline, Study area: A highway zone

نویسنده [English]

  • Mohsen Poor Arab 1
1
2
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

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 03 اردیبهشت 1398
  • تاریخ دریافت: 13 خرداد 1394
  • تاریخ بازنگری: 15 دی 1394
  • تاریخ پذیرش: 19 دی 1394