מבוא לרכבים אוטונומיים ולזרת תנועה

כלי רכב אוטונומיים (AV) כבר לא הבטחה רחוקה; הם מופרסים באופן פעיל על כבישים ציבוריים בתוכניות פיילוט ומבצעי צי מסחריים.כפי שמכוניות אלה הופכות להיות נפוצות יותר, הבנת ההשפעה שלהם על זרימת התנועה וניצול נתיב הופכת קריטית עבור מהנדסי תחבורה, מתכננים ערים וקובעי מדיניות.השינוי מניהול אנושי אוטונומי מייצג שינוי יסודי באיך יכולת תנועה נמדדת, כיצד צורות קוצצים, וכיצד חלל מוקצה עם יכולות אנושיות או יכולות לפעול באופן עקבי עם נהגים.

האתגר המרכזי הוא מודלים למציאות חדשה זו.מודלים של זרימת התנועה המסורתית, בהתבסס על התנהגות הנהג האנושי, לא לתפוס במדויק את יכולות הplatooning, זמני תגובה מיידית, וקבלת החלטות מתואמת של מערכות אוטונומיות. לכן, מודלים חישוביים חדשים נדרשים כדי לדמות אינטראקציות AV עם נהגים אנושיים וכדי לחזות כיצד ניצול נתיב יתפתח כשיעורי אימוץ מטפסים.

מודל של תעבורת כביש Utilization בסביבה אוטונומית

כדי לנתח את ההשפעות של AVs, החוקרים לפתח מודלים חישוביים כי תרחישים התנועה עם דרגות שונות של אוטומציה.מודלים אלה לעזור לחזות כיצד רמות שונות של AV חדירה להשפיע על נתיב, כלי רכב, דפוסי גודש, ויעילות התנועה הכוללת.ה נאמנות של סימולציות אלה תלויה בייצוג מדויק של דינמיקה של כלי רכב, פרוטוקולי תקשורת, ואלגוריתמים קבלת החלטות.

מודלים מרכזיים ב-Furdering

כאשר ניצול נתיב מודלים, יש לשקול מספר משתנים קריטיים.ההשפעה ביותר כוללת:

  • (FLT:0) ריכוז של כלי רכב אוטונומיים בתנועה: ⁇ 1) שיעור חדירה לשוק של AVs משפיע ישירות על כמה תיאום אפשרי.בחדירה נמוכה, AVs מתנהגים כמו מערכות ניהול מתקדמות; בחדירה גבוהה, platooning ו- שיתופית שינוי הופך להיות אפשרי.
  • (FLT:0) התנהגות המשתנה:FLT:1rea שינויים נתיב אנושי הם לעתים קרובות אגרסיביים, מעוכבים או סיכון-averse. AV נתיב שינויים ניתן לייעל עבור זרימת התנועה, אבל הם חייבים גם להתמודד עם נהגים בלתי צפויים.מודלים חייבים לפרמטר שני הסוגים.
  • (FLT:0) צפיפות ושערי זרימה:FreaLT:1) הדיאגרמת הבסיסית של זרימת התנועה (density vs. Flow) שינויים עם AVs. נחיתות גבוהה ניתן להמשיך ללא התמוטטות, כי AVs לשמור על כבישים קצרים יותר, פוטנציאל להגדיל את יכולת הנתיב על ידי 20–80% בהתאם למודל.
  • (FLT:0) זמני תגובה לאחור: 1.10.1 פעמים התגובה האנושית הממוצעת 1.5 שניות; זמני התגובה AV הם בסדר של מילימטרים.הפחתה זו משפיעה ישירות על יציבות גלי התנועה ועל התכווצות יעילה בין כלי רכב.
  • (FLT:0) תקשורת טווח ואמינות: FLT:1le (V2V) ו תקשורת של כלי רכב-ל-infrastructure (V2I) מאפשר AVs לצפות פעולות.הכיסוי וההירות של רשתות אלה משפיעים על כמה רחוק ניתן לבצע החלטות ניצול נתיב קדימה.

טכניקת סימבול

שיטות סימולציה מרובות משמשים בדרך כלל כדי מודל AV אפקטים על ניצול נתיב.כל אחד יש נקודות חוזק ייחודיות ומסחר.

  • (FLT:0Cellular Automata:FLT:1, גישה דיסקרטית זו מחלק את הדרך לתאיים.כל תא יכול להיות תפוס על ידי כלי רכב, כללים פשוטים למשול שינויים והאצה.מודלים של אוטומטה סלולרית יעילים חישובית אבל אולי חסר את הדליפה כדי ללכוד התנהגויות AV מגובשות כמו מיזוג שיתופי.
  • (ב) [ה]:0 [המודלים המבוססים על גויים] (ABMs:FLT]:1 ABMs מייצגים כל רכב כסוכן אוטונומי עם חיישנים משלו, לוגיקה קבלת החלטות ויכולות תקשורת. גישה זו אידיאלית עבור חקר תנועה הטרוגנית (מיקס AVs ונהגים אנושיים).
  • (FLT:0) מודלים דינמיים (Macroscopicmia): 1:1 מודלים אלה מתייחסים לתנועה כנוזל דחוס.שימוש Lane מיוצג כהתפלגות זרימה מעבר לנתיבים. מודלים מקרוזקופי שימושיים לתכנון ברמה גבוהה, אך אינם יכולים לפתור אינטראקציות רכב פרטניות קריטיות לניתוח בטיחות.
  • (FLT:0) גישות היבריות:FLT:1 שילוב microsimulation עבור צמתים מרכזיים עם מודלים מקרוסקופיים עבור רשת האמנותית מאפשר לחוקרים לאזן דיוק ועומס חישובי.

מקורות נתונים ומודל Calibration

מודלים מדויקים דורשים נתונים חזקים.מקורות כוללים מחקרים נהיגה טבעיים, ניסויים מבוקרים עם AVs, GPS בדיקת נתונים של כלי רכב מחוברים, ונתוני גלאי לרזולוציה גבוהה כרוכים בהתאמת פרמטרים מודל כך שסימול משחקי נתיב סימולציה תואמים דפוסים תחת תנאי בסיס (בטיחות מבוססת אדם) עבור פרמטרים ספציפיים, החוקרים מסתמכים לעתים קרובות על מפרטים היצרן או מבחנים עמיתים ממקור דומה כביש 1.F: בטיחות לאומית (NLT:1)

המונחים:

אימות הוא חיוני כדי להבטיח את הכוח הנבאי של המודל.טכניקות אימות נפוצות כוללות:

  • השוואת עקומות הפצה נתיבים מדומים עם נתוני שדה ממסדרונות שכבר יש להם נוכחות AV (למשל, Waymo בפיניקס, Cruise בסן פרנסיסקו).
  • באמצעות ניסויים מבוקרים בהם צי AV קטן מבצע דפוסים של שינוי נתיב מוגדר מראש, בעוד נהגים סביב נהגים אנושיים נמצאים במעקב.
  • הפחתת קרוס נגד פלטפורמות סימולציה אחרות כדי להבטיח כי מגמות ניצול נתיב נצפות אינן חפצים של פרדיגמת מודל יחיד.

השפעות של רכבים אוטונומיים על Lane Utilization

ככל שהחדירה של AV עולה, כלי רכב נוטים להתארגן בפני עצמם בדפוסי שימוש בנתיבים יעילים יותר.הפצה של Lane הופכת להיות אחידה יותר על פני נתיבים מרובים, צמצום התנהגות "לנקות" המופיעה בנהגים אנושיים שמחנה בנתיב השמאלי או נמנעים ממיזוג.בנוסף, AVs יכולים לתאם שינויים בנתיבים מראש, חלקה את גלי הלם שגורמים לעצירת-נגו.

יתרונות פוטנציאליים

  • (FLT:0) אספקת תעבורה: 1FreaLT) על ידי שמירה על מהירויות עקביות ומרחקים הדוקים, AVs יכול להגדיל את מכלול הנתיבים הקיימים ב -30-60%, על פי מחקרים רבים סימולציה זה למעשה מוסיף יכולת ללא הרחבה של הכביש.
  • (FLT:0) תאונות עקב נהיגה מתואמת: התנגשויות לשינוי Lane הם גורם מוביל לתאונות.היכולת של AVs לתקשר כוונה ולנהל משא ומתן על השימוש בנתיב כמעט מבטלת את השגיאה האנושית מקטגוריה זו.FLT:2 מחלקת התחבורה של ארה"ב 3D מדגישה את הפוטנציאלים האלה בבטיחות במסגרת מדיניות הרכב האוטומטי שלה.
  • (FLT:0) יעילות הדלק מוכחת:FLT:1 Smooth האצה, מופחתת בחזה, וכבישים מהירים יותר להפחית את גרר האווירודינמיקה עבור כלי רכב הבאים, מה שמוביל לחיסכון של 10-20% עבור זרם התנועה כולו.
  • (FLT:0) ניהול זרימת התנועה:FIRLT:1 הקצאת נתיב דינמי ניתן ליישם בזמן אמת.לדוגמה, נתיבים ייעודיים עבור AVs ניתן להפעיל בשעות שיא בהתבסס על הביקוש, למקסם את ניצול הנתיבים ברחבי הרשת.

אתגרים ושיקולים

למרות ההבטחה, מודל של חדירה ריאלית AV חושף מכשולים משמעותיים שיש לטפל בהם לפני היתרונות האלה באופן מלא.

  • (FLT:0) תנועה עם כלי רכב מונעים על ידי אדם: אנדרל 1 עד חדירה מלאה, AVs חייב להיות coexist עם נהגים אנושיים בלתי צפויים.מחקרים מראים כי בחדירה נמוכה של AV (נמוך 30%), שיפורי ניצול נתיב הם שוליים ויכולים אפילו להחמיר בשל התנהגות שמרנית של AV חסימת מהלכים אנושיים.
  • (FLT:0) התאמות מבניות:FLT:1ir ניצול נתיב אופטי עם AVs עשוי לדרוש נתיבים ייעודיים, חותמות מעודכנים עם אותות בקרת נתיבים אלקטרוניים, ורשתות תקשורת V2I חזקות.
  • (FLT:0) חששות בטיחותיים וביטחוניים: FLT1 במעורבות מעורבת, כיצד על AV לאזן את יעילותו של נתיב-שינוי-נתיבי-הנתיב שלה בביטחון כלי רכב מסביב?מודלים חייבים להטמיע מסגרות החלטה אתיות שקופים ומקובלות בפומבי.
  • תקנות ומדיניות: LIgal תקנות ומדיניות: 1FLT:1 אחריות עבור תקלות בחילופי נתיב, אכיפת כללי התנועה עבור AVs, ודאגות הפרטיות לגבי מעקב עמדות הרכב כולם מציבים מכשולים משפטיים. קובעי מדיניות מסתמכים על מודלים של תוצאות כדי לייסד חוקים המבוססים על ראיות.
  • (FLT:0) סיכוני אבטחת מידע: FLT:1 אם שחקנים זדוניים להפריע לתקשורת V2V, תיאום נתיב יכול להיות משבש, גרימת חסימה או תאונות.מודלים צריכים לשלב בדיקות חוסן.

דרישות מחקר ודרכים לעתיד

המודל של השפעות רכב אוטונומיות על ניצול נתיב הוא עדיין שדה נושנט עם שאלות פתוחות רבות.אזור מבטיח אחד הוא השימוש של חיזוק למידה כדי להכשיר AVs כדי למקסם את יעילות הנתיב בעולם האמיתי, סביבות מרובות-אgent.כיוון אחר הוא שילוב של microsimulation עם תאומים דיגיטליים של ערים שלמות, המאפשר מתכננים עירוניים לבחון תצורה לפני פריסה.

יש צורך גם במודולים סטנדרטיים עבור דגמי AV התנועה.כיום, תוצאות ממחקרים שונים קשה להשוות בשל הנחות שונות לגבי זמני תגובה, שיעורי חדירה, ועיכובי תקשורת.ארגונים כמו FLT:0) ועדת מחקר Transportation Board (TRB)cioFLT:1 פועלים לקראת פגיעה בפרוטוקולים של סימולציה.

בנוסף, מחקרים ארוכי טווח שעקב אחר ניצול נתיב משתנה ככל שצי AV יגדלו מתכניות הפיילוט לאימוץ הזרם המרכזי יספקו אימות בעולם האמיתי כי מודלים נוכחיים אינם יכולים להציע עד אז, ניתוח רגישות יסודי חיוני לפני קבלת החלטות מדיניות המבוססות רק על סימולציות.

מסקנה

מודלים של כלי רכב אוטונומיים על ניצול נתיב התנועה מספקים תובנות חשובות לעתיד של דינמיקת תחבורה. בעוד סימולציות מציגות באופן עקבי יתרונות משמעותיים ביכולת, בטיחות ויעילות בשיעורי אימוץ AV גבוהים, תקופת המעבר דורשת תכנון זהיר.מודלים מתקדמים מסייעים קובעי מדיניות לתכנן מערכות ניהול נתיב הסתגלות, עדיפות השקעות תשתית, ותקנות מלאכה אשר מאזן עם בטיחות ציבורית.