Delist.ru

Определение показателей безопасности движения с учетом оценки водителями взаимодействий в транспортном потоке (15.05.2008)

Автор: Уткин Анатолий Викторович

Математический анализ полей оптического потока позволил получить простые аналитические выражения для вычисления размеров и формы характерных областей трансформации среды в поле зрения водителя (областей «размытости» и «неподвижности»).

Исследовано влияние движения глаз водителя на строение поля скоростей. Доступная водителю в процессе движения зрительная информация была разделена на две составляющие: зависящую и не зависящую от движения глаз. Разделение поля скоростей на внутренне и внешне обусловленные компоненты совпадает с разложением на соленоидальную и потенциальную составляющие. Показано, что водитель может уничтожить соленоидальную составляющую соответствующим движением глаз. Потенциальная (свободная от вихрей) составляющая не зависит от движения глаз водителя. Вся информация о направлении движения автомобиля, структуре среды и времени до столкновения с различными объектами содержится в потенциальной составляющей, которая полностью определяется дивергенцией поля оптического потока. Таким образом, выделение ламинарного поля скоростей имеет значение при моделировании КС.

посвящена экспериментальной проверке разработанного кинематического подхода к зрительному восприятию водителя, экспериментальной оценке распределения скоростей и интервалов в потоке для калибровки модели транспортного потока.

В результате эксперимента по догону лидера получены величины времени до столкновения, выбираемые водителем для смены локомоторных программ. Анализ полученных экспериментальных данных показал, что стратегии движения, построенные на оценках времени до столкновения (скорости деформации образа автомобиля-лидера), используются при догоне и при движении за лидером.

Для проверки гипотезы о влиянии величины времени до столкновения на принятие решения водителем экспериментально исследовано поведение водителей на пересечении. Первый автомобиль двигался с постоянной скоростью, которая корректировалась по мере приближения к перекрестку. Водитель второго, стоящего на перекрестке автомобиля, осуществлял маневр проезда перекрестка, пересекая траекторию первого автомобиля. Фиксировались пройденный первым автомобилем путь и характерные моменты развития дорожно-транспортной ситуации (ДТС).

Коэффициент линейной корреляции зависимости расстояния от скорости в целом по всем данным был равен 0,7, при встраивании перед лидером - 0,8. Это объясняется тем, что при встраивании на полосу приближающегося автомобиля риск столкновения особенно велик. Из построенных диаграмм рассеяния видно, что экспериментальные точки в этом случае располагаются почти на одной прямой, тангенс угла наклона которой равен дивергенции поля оптического потока. Средний временной интервал между моментом принятия решения о пересечении пути вторым водителем и моментом прохода перекрестка первым автомобилем составил 8,0 с при среднеквадратическом отклонении 3,2 с. Вычисленная исходя из дивергенции оптического потока оценка этого временного интервала вторым водителем составила 8,1 с при отклонении 2,9 с.

Таким образом, подтверждается значимость дивергенции для принятия водителем решения о начале движения при встраивании в поток, при проезде перекрестка, при догоне лидера и при движении за лидером.

Экспериментально исследованы закономерности движения транспортных потоков на двухполосной дороге. Полученные частотные распределения скоростей автомобилей и интервалов между автомобилями применялись для калибровки моделей транспортного потока.

Четвертая глава диссертации посвящена определению показателей БДД и анализу мест концентрации КС с помощью численного моделирования движения транспортного потока.

Используемые модели транспортного потока должным образом описывают качественные характеристики транспортного потока. Модели основаны на том, что сумма тормозного пути и пути, пройденного ведомым автомобилем за время реакции водителя, должна быть меньше, чем тормозной путь автомобиля впереди плюс расстояние между автомобилями.

Простая схема правил для описания движения автомобилей в потоке сформулирована по аналогии со способом, используемым в модели клеточных автоматов: первое правило позволяет вычислить максимальную «безопасную» скорость исходя из взаимодействия с лидером; второе правило означает, что скорость ограничена желательным ускорением, безопасной скоростью и максимально возможной скоростью; в третьем уравнении введено случайное возмущение, чтобы учесть отклонение от заданной стратегии движения (замедление автомобиля).

Модель была обобщена на случай наличия на дороге нескольких узких мест. Для описания движения автомобилей используется модернизированная схема правил, в которую добавляются безопасная скорость и желательная скорость движения на участке с помехой. В данной модели каждый водитель при определении своего движения принимает во внимание не только следующий впереди автомобиль, но и приближение к узкому месту.

Предыдущие модели транспортного потока были построены на взаимодействии двух автомобилей: ведомого (1) и лидера (2). Однако водитель может (особенно в плотном потоке) при определении своего поведения принимать во внимание не только характеристики движения лидера (2), но и лидера своего лидера (3). Чтобы учесть такое упреждение, необходимо отказаться от известной модели «следования за лидером» и строить модель транспортного потока на взаимодействии трех движущихся друг за другом автомобилей.

вычисляется после определения его безопасной скорости согласно используемой ранее схеме преобразования координат автомобилей в потоке.

Объединение базовой модели с моделью «трех автомобилей» позволило получить смешанную модель, в которой водители могут использовать ту или иную стратегию поведения, т.е. либо включать предвидение, либо обходиться без него. Проведено обобщение моделей на случай четырехполосной дороги.

Все описанные математические модели были реализованы численно. Моделировалась система с периодическими граничными условиями. Максимальная скорость движения автомобилей равнялась 110 км/ч.

вычисляется с помощью формулы

0 во всех других случаях.

) имеет вид

Был введен также показатель средней тяжести одной КС, который имеет размерность времени

Модели правильно воспроизводят качественные особенности движения транспортного потока. Численный эксперимент показал, что в системе может происходить спонтанное разделение на области высокой и низкой плотности. Области высокой плотности соответствуют ударным волнам и транспортным пробкам, низкой плотности – свободному потоку. Модель позволяет количественно охарактеризовать макроскопическую неоднородность транспортного потока. Выявлено, что увеличение общей плотности потока приводит к монотонному росту доли автомобилей, находящихся в пробках, и к увеличению скорости роста пробок (увеличение плотности потока с 26 до 30 авт./км вызывало увеличение скорости роста пробки от 4 до 10 авт./мин).

Получены распределения расстояний между автомобилями для различных плотностей, при которых в системе присутствуют пробки. Распределения являются бимодальными. Два максимума распределений для различных плотностей расположены в одних и тех же местах. Изменяется только величина этих максимумов. Это подтверждает, что поток может находиться в свободном состоянии и в состоянии затора (транспортной пробки).

Распределения величин времени до столкновения в транспортном потоке (рис. 2) построены для двух различных плотностей, при которых в системе присутствуют и отсутствуют макроскопические неоднородности. Отсутствие пробок и ударных волн в транспортном потоке приводит к сдвигу частотного распределения в сторону больших величин времени до столкновения, превышающих пороговое значение, равное 2,6 с. Таким образом, можно сделать вывод, что КС сопутствуют ударным волнам в транспортном потоке. Это подтверждается расположением КС и ТК на пространственно-временной диаграмме транспортного потока при наличии в нем макроскопических неоднородностей. С помощью разработанного графического метода анализа мест концентрации КС показано, что КС имеют место, прежде всего, на границе скачков уплотнения в транспортном потоке. Метод позволил выявить наличие цепных КС в системе, которые могут служить предвестниками цепных ДТП. Показано, что скорость распространения цепных КС может почти в три раза превышать скорость распространения ударной волны в транспортном потоке.

Рис. 2. Распределения величин времени до столкновения при наличии (плотность 30 авт./км) и отсутствии (плотность 20 авт./км) макроскопических неоднородностей в потоке

от длины пробки в процессе ее зарождения и роста.

=40 км/ч)

с ростом средней плотности быстро достигает постоянного максимального значения и в дальнейшем практически не зависит от плотности.

от ширины полосы дороги в узком месте. Модель позволяет оценить степень влияния на поток и уровень БДД двух и более близко расположенных препятствий: искусственных неровностей, съездов и въездов на магистраль, пешеходных переходов и т.д.Посредством вычислительного эксперимента проведено сравнение традиционной модели следования за лидером и модели движения транспортного потока, построенной на взаимодействии трех автомобилей. Выявлено, что учет третьего автомобиля приводит к появлению малых временных интервалов между автомобилями в моделируемой системе (меньше 1 с), что совпадает с результатами проведенного натурного эксперимента.

от длины узкого места (ограничение скорости 40 км/ч, средняя плотность 19 авт./км)

от средней плотности потока для двух моделей выявило, что организация потока в системе с предвидением приводит к повышению БДД. Кроме того, в системе происходит уменьшение доли автомобилей в пробках.

Очевидно, что характер взаимодействия в потоке зависит от опыта и обучения водителей навыкам совместной деятельности. Вычислительный эксперимент позволил оценить влияние умения предвидеть развитие ситуации на эффективность группового взаимодействия (рис. 5).

от доли водителей, использующих стратегию предвидения. Общая плотность потока 40 авт./км

Можно сделать вывод, что обучение водителей прогнозированию ситуаций влияет на характер и качество транспортного потока. Предвидение приводит к появлению в потоке групп автомобилей, следующих друг за другом с очень короткими интервалами на больших скоростях. Таким образом, модель «трех автомобилей» описывает качественно иное состояние взаимодействия автомобилей в транспортном потоке, другой уровень его функционирования, который позволяет достичь более высокой эффективности в совместной деятельности.

Общие выводы и результаты

На основании выполненных исследований сделаны следующие выводы

1. Разработана модель транспортного потока, которая построена одновременно на взаимодействии как двух, так и трех движущихся друг за другом автомобилей. Численная реализация построенной на взаимодействии трех автомобилей модели показала при прочих равных условиях более низкие показатели опасности движения и меньшую долю автомобилей в пробках (заторах). Проведено обобщение модели для учета нескольких помех движению транспортного потока.

2. Построена математическая модель распределения перемещений объектов в поле зрения водителя для описания деформации образа среды. Выведены формулы поля скоростей для различных случаев при прямолинейном и криволинейном движениях. Разработана методика оценки деформации образа трассы дороги; дана математическая формулировка зрительной плавности трассы. Разделение доступной водителю в процессе движения зрительной информации на внутренне и внешне обусловленные компоненты совпадает с разложением на соленоидальную и потенциальную составляющие. Вся информация о движении автомобиля, структуре среды и времени до столкновения с объектами содержится в потенциальной составляющей, которая не зависит от движения глаз и полностью определяется дивергенцией поля скоростей.

3. Для оценки уровня безопасности и качества транспортного потока введены основанные на величине времени до столкновения показатели опасности и показатель тяжести КС. Получена зависимость показателя опасности от длины пробки. Показано, что в процессе зарождения и роста пробки происходит увеличение количества КС и ТК в системе. Модель позволяет исследовать характер изменения показателей опасности при наличии нескольких узких мест на автомобильной дороге. Получены зависимости средней длины транспортной пробки при ее формировании от времени, времени «жизни» пробки и доли автомобилей в пробке от плотности потока на моделируемом участке дороги.

4. В результате натурного эксперимента получены величины времени до столкновения, выбираемые водителем для смены локомоторных программ. Стратегии движения, построенные на оценках времени до столкновения, используются водителем при движении за лидером и при взаимодействии водителей на нерегулируемом пересечении. Проведено экспериментальное исследование закономерностей движения транспортных потоков на двухполосной дороге.

5. Разработан графический метод анализа мест концентрации КС и ТК на пространственно-временной диаграмме транспортного потока. Показано, что КС имеют место, прежде всего, на границе скачков уплотнения в транспортном потоке. Вычислительный эксперимент позволил выявить наличие цепных КС в системе. Показано, что скорость распространения цепных КС может почти в три раза превышать скорость движения ударной волны в потоке.

загрузка...