Studies of traffic situations using cellular automata
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Doctoral thesis (monograph)
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2006-10-09
Major/Subject
Mcode
Degree programme
Language
en
Pages
207
Series
Dissertation / Laboratory of Physics, Helsinki University of Technology, 142
Abstract
The growing volumes of vehicular traffic necessitate new solutions to traffic problems. When changes to the road network are planned and traffic control systems are set up, it is usually not possible to test in advance the resulting effects in the real world. In such situations simulation models can be of great help. Traffic simulation models can roughly be divided into macroscopic and microscopic ones. When macroscopic models examine the dependencies between traffic flow, traffic volume, and average velocities, microscopic models investigate the movements of individual vehicles. Microscopic models for vehicular traffic include car-following and particle hopping models — the latter are usually implemented as cellular automata (CA). Despite the simplicity of the CA models, the most important features of traffic flow can be modelled with them. From the physical point of view, vehicular traffic can be seen as a nonequilibrium many-particle system with the flow of traffic fluctuating between different dynamical phases. This work deals with simulation of vehicular traffic in urban and freeway environments. The behaviour of simple CA models is studied in connection with providing indicators — queue lengths at traffic signals, average velocities on different routes, and flow rates — describing traffic situations in a road network. The knowledge of traffic situations is important for traffic management and control, which aim in maintaining road traffic fluent, comfortable, and free of accidents and excess pollution effects. — The results also suggest how well the measuring procedure functions in generating the above-mentioned indicator values. Road traffic is studied in different simulation test environments. The urban cases comprise two- and five-intersection areas with multiple lanes and traffic signal controlling. The freeway area corresponds to a stretch of a two-lane freeway with several on- and off-ramps. The vehicle arrivals are generated on a random basis, or they are gathered from measurements on real locations. The signal status changes use fixed period lengths. The performance of the CA models is examined against the functioning of a more refined simulation model that uses car-following approach. The simulation periods are typically from two to five hours in real time. The results show that CA simulation usually produces traffic situation indicator values well when compared to those of the reference model, especially when averages over several runs are calculated. Separate runs may generate dissimilar outcome, which can create problems when used in on-line simulations. The results can be improved by adjusting the measuring technique (the detection of vehicles inside the network, for example). The CA traffic models are also used to study the statistics of queue formation at some obstacle on a one-lane road. The probability for the effective queue length area seems to obey exponential decrease with increasing length values. The queue lengths grow rapidly with higher flow values.Ajoneuvoliikenteen kasvavat määrät vaativat uusia ratkaisuja liikenneongelmiin. Kun suunnitellaan muutoksia tieverkkoon ja asennetaan liikenteen hallintajärjestelmiä, ei aiheutuvia vaikutuksia yleensä pystytä etukäteen kokeilemaan reaalimaailmassa. Tällaisessa tilanteessa simulointimallit voivat olla suureksi avuksi. Liikenteen simulointimallit voidaan karkeasti jakaa makroskooppisiin ja mikroskooppisiin. Kun makroskooppiset mallit tutkivat liikennevuon, liikennemäärien ja keskinopeuksien välisiä riippuvuuksia, mikroskooppiset mallit tutkivat yksittäisten ajoneuvojen liikkeitä. Ajoneuvoliikenteen mikroskooppisiin malleihin kuuluvat ajoneuvoseurantamallit ja hyppymallit, joista jälkimmäiset yleensä toteutetaan soluautomaateilla (SA). Yksinkertaisuudestaan huolimatta jälkimmäisillä voidaan mallintaa tärkeimmät liikennevuon piirteet. Fysikaalisessa mielessä ajoneuvoliikennettä voidaan pitää epätasapainoisena monihiukkassysteeminä, ja liikennevuo voi vaihdella eri dynaamisten faasien välillä. Tämä työ liittyy ajoneuvoliikenteen simulointiin kaupunki- ja moottoritieympäristöissä. Yksinkertaisten SA-mallien käyttäytymistä tutkitaan liikennetilanteiden — jononpituudet liikennevaloissa, keskinopeudet eri kulkureiteillä ja liikennevuon tiheydet — ilmaisijoina tieverkoissa. Liikennetilanteiden tuntemus on tärkeää liikenteen hallinnan ja säännöstelyn kannalta, näillä tähdätään siihen, että liikenne pysyisi sujuvana ja miellyttävänä, sekä siihen, että vältyttäisiin onnettomuuksilta ja ylimääräisiltä saasteilta. — Tulokset antavat lisäksi viitteitä siitä, kuinka hyvin käytetty mittaustapa toimii yllämainittujen ilmaisijoiden tuottajana. Maantieliikennettä tarkastellaan erilaisissa simulointiympäristöissä. Kaupunkiliikennetapaukset käsittävät monikaistaiset ja liikennevaloin ohjatut kahden ja viiden risteyksen alueet. Moottoritiealue käsittää jakson kaksikaistaista moottoritietä, jolla on useampia liittymä- ja poistumaramppeja. Ajoneuvojen saapumiset luodaan tapahtuviksi satunnaisin välein tai ne otetaan aidoissa ympäristöissä toteutuneista mittauksista. Liikennevalojen ohjauksessa käytetään kiinteää jaksotusta. SA-mallien toimintaa tarkastellaan vertailuin yksityiskohtaisemman, ajoneuvoseurantaan perustuvan simulointimallin toimintaan. Simulointiajat ovat tyypillisesti kahdesta viiteen tuntia reaaliajassa. Tulokset osoittavat, että SA-simulointi yleensä tuottaa liikennetilanteen ilmaisuarvoja vertailumalliin nähden pätevästi, etenkin laskettaessa useamman ajon keskiarvoja. Yksittäiset ajot saattavat aikaansaada toisistaan eroavia tuloksia, mikä voi olla ongelma ajantasaisessa simuloinnissa. Tuloksia voi parantaa säätämällä mittaustekniikkaa (esim. ajoneuvomäärien mittaus verkon sisällä). SA-malleja käytetään myös tutkittaessa jonojen muodostumisen tilastollisuutta yksikaistaisella tiellä sijaitsevan esteen seurauksena. Toteutuneen jonoalueen pituuden todennäköisyys näyttää olevan eksponentiaalisesti vähenevä pituusarvon kasvaessa. Jonojen pituudet kasvavat nopeasti korkeammilla vuoarvoilla.Description
Keywords
cellular automata, vehicle traffic simulation, traffic situations, vehicle queue formation, average vehicle velocities, intersections