交通流模型的研究.pdf

1、非平衡態(tài)統(tǒng)計力學常被用來研究發(fā)生在物理、化學、生物，甚至社會和經(jīng)濟過程中的宏觀行為。非平衡態(tài)現(xiàn)象出現(xiàn)在系統(tǒng)向平衡態(tài)弛豫的過程中以及受驅動系統(tǒng)(系統(tǒng)在外力或自身驅動力驅動下維持在偏離平衡態(tài)的狀態(tài))過程中。自驅動多粒子系統(tǒng)是我們這篇文章的主要內容，一般情況下不能用平衡態(tài)統(tǒng)計力學來描述。這些系統(tǒng)一般會演化到一個非平衡的穩(wěn)態(tài)。和已經(jīng)充分理解的平衡穩(wěn)態(tài)相比，遠離平衡態(tài)的穩(wěn)態(tài)的研究才剛剛開始。 自驅動多粒子系統(tǒng)的驅動力是每個粒子自身產(chǎn)生的而

2、不是由外部提供的。作為典型的自驅動遠離平衡態(tài)多粒子體系，交通流的理論研究可以促進統(tǒng)計物理、非線性動力學、應用數(shù)學、流體力學及交通工程學等學科的交叉和發(fā)展，可以加深對遠離平衡態(tài)多體相互作用粒子演化規(guī)律的認識。因此，進行交通流研究不僅僅具有工程上的意義，而且還有其深遠的科學意義。 交通動力學系統(tǒng)是非線性相互作用復雜系統(tǒng)的典型例子，通常用確定性軌跡來描述。但了解漲落現(xiàn)象的形成原因，以及漲落對全局交通的重要性是非常必要的。描述交通流的模

3、型主要包括：宏觀連續(xù)模型，介觀氣體動理論模型，微觀跟馳模型、元胞自動機模型，還包括幾率交通流理論。 本論文主要工作內容如下： 元胞自動機模型是方便于計算機模擬的模型。然而，由于有限尺寸效應和數(shù)值噪音，解析研究也是重要的，它提供了對數(shù)值計算結果的檢驗。我們采用以相鄰車輛距離為變量的全局動力學演化的方法，計算各不同長度車距之間的躍遷概率，運用統(tǒng)計力學中的穩(wěn)態(tài)條件，解析研究了Fukui-Ishibashi(FI)加速規(guī)則的Na

4、gel-Schreckenberg(NS)元胞自動機模型，獲得了平均速度和車流量與車輛密度在不同隨機延遲概率下的關系，和數(shù)值模擬結果符合的很好。我們得到的一維交通流元胞自動機模型的平均場方程，為交通流復雜系統(tǒng)的自組織臨界性和相變行為提供了基本的物理理解。與此相關的研究結果發(fā)表于：Chaos,Solitons＆Fractals，31，Issue 3，772-776(2007)。具體內容見第三章第二節(jié)。 多個體資訊的分析及經(jīng)驗的反饋

5、---判斷---再適應是一個多個體復雜適應系統(tǒng)的本質性質，真實的交通行為是與環(huán)境信息緊密相關的。從廣義角度看，我們每天都會遇到各種各樣的問題，需要我們依據(jù)有限的信息進行合理的決策。城市的交通狀況，就是由多個個體的決策所產(chǎn)生的宏觀效應。有趣的是，盡管大多數(shù)人所考慮的是自己的利益，很少會有人故意走一條可以讓別人省時的路，但很多時候多個體分別爭取對自己最有利的安排時，卻也很好地利用了整體的資源。通過合理地利用反饋信息，道路的使用效率會變得更高

6、?？梢钥吹蕉鄠€體資訊的分析及經(jīng)驗的反饋、判斷、再適應，最后合理地利用反饋信息是多體復雜適應系統(tǒng)的本質。交通流明顯帶有以上特性，研究復雜自適應系統(tǒng)與交通流之間的關系和相似之處，是智能交通研究的一個重要分支。我們利用雙通道決策模型，研究了智能決策的重要性。數(shù)值模擬的結果表明，如果機械地利用反饋信息反而使得道路上的車輛出現(xiàn)了人們不希望看到的不穩(wěn)定現(xiàn)象，即道路的擁擠程度隨時間而震蕩，致使系統(tǒng)的利用效率下降，而合理地利用反饋信息使得系統(tǒng)效率得到明

7、顯的提高。因此，應在盡可能地提供好的反饋信息的同時合理地利用它們。研究結果有助于對智能決策的重要性有更好的了解。與此相關的研究結果發(fā)表于：物理學報，vol．55，No．8，4032-4038(2006)。具體內容見第四章第一節(jié)。更進一步，我們利用平均場近似的方法對依據(jù)信息反饋進行決策的雙通道交通流問題進行了解析研究，理論結果和數(shù)值模擬近似符合，使我們更清晰的了解了信息反饋在決策過程中所起的作用。有助于我們制定好的交通管理策略。具體內容見