在微观流量模拟模型中对参数进行校准,考虑微观气象信息
Jian Ma1, Yuchen Zhang1, Liyan Zhang1
1School of Civil Engineering, Suzhou University of Science and Technology, Suzhou, China.
PloS one
|July 7, 2025
概括
这项研究通过结合微气象因素来增强汽车跟踪模型,改进智能驾驶员模型 (IDM) 以更好地管理雨天的交通. 与I-Wiedemann99模型相比,改进的智能驾驶模型 (I-IDM) 在模拟驾驶员行为方面表现出卓越的准确性.
科学领域:
- 运输工程 运输工程
- 交通流理论的流量理论.
- 智能运输系统 (ITS) 是一种智能运输系统.
背景情况:
- 微气象条件显著影响驾驶员的判断和车辆的跟随行为.
- 现有的汽车追踪模型对特定微气象因素的影响缺乏足够的细节,特别是在雨天.
- 降低雨中的道路引力增加了水上飞行风险和交通事故,需要改进交通管理策略.
研究的目的:
- 调查微气象条件对驾驶员行为和汽车后续动态的影响.
- 增强现有的汽车追踪模型,特别是智能驾驶员模型 (IDM) 和Wiedemann99,以考虑微气象影响.
- 开发和验证改进的模型 (I-IDM和I-Wiedemann99) 以更精确的实时车辆状态监测和智能交通管理.
主要方法:
- 通过引入驾驶员判断因子 (λ) 来修改智能驾驶员模型 (IDM) 和Wiedemann99模型.
- 开发了新的模型:改进的智能驾驶员模型 (I-IDM) 和改进的Wiedemann99 (I-Wiedemann99).
- 使用模拟验证,将速度和跟踪距离作为参数校准的性能指标,使用根平均平方百分比误差 (RMSPE) 的总和作为合适度函数.
主要成果:
- 与I-Wiedemann99模型相比,改进的I-IDM模型显示了较小的平均误差和标准偏差.
- 对I-IDM模型的参数校准显示,最大的RMSPE为0.4568和最小的0.1324.
- 对I-Wiedemann99模型的参数校准结果比I-IDM更分散,最大RMSPE为0.4613和最低为0.1376.
结论:
- 在微气象条件下,I-IDM模型比I-Wiedemann99模型更有效地模拟了以下行为.
- 改进的模型为改进汽车跟踪理论和支持基于物联网的交通管理系统提供了理论基础.
- 这些发现支持改进的交通管理策略,特别是在恶劣的天气条件下,如雨.
相关概念视频
01:30Typical Model Studies
443
Fluid mechanics model studies often utilize scaled-down systems to predict fluid behavior in full-scale environments, such as river flows, dam spillways, and structures interacting with open surfaces. Maintaining Froude number similarity in river models is crucial, as it replicates surface flow features like wave patterns and velocities.
443
01:12Modeling and Similitude
340
Scaled modeling is a fundamental technique in engineering, enabling the study of large and complex systems by creating smaller, manageable replicas that recreate critical characteristics of the original. In hydrology and civil infrastructure, for example, scaled models of dams help analyze water flow, turbulence, and pressure. This method allows for accurate predictions of real-world behavior within a controlled environment, significantly reducing the cost and time involved in full-scale...
340