[論文レビュー] Microscopic and Macroscopic Traffic Flow Models including Random Accidents

Simone Göttlich, Thomas Schillinger|arXiv (Cornell University)|Aug 27, 2020

Traffic control and management参考文献 34被引用数 6

ひとこと要約

本稿では、交通状況に依存する確率的擾乱としてのランダムな事故を組み込んだ、微視的および巨視的交通流モデルの結合を提案する。微視的ダイナミクスにはフォローザリーダー枠組みを、巨視的流れには空間依存フラックスを有するスカラー保存則を用い、Lax-Friedrichs離散化を用いて微視的モデルから巨視的モデルへの収束を証明した。数値シミュレーションにより、グリッド解像度や車両数の変化に対する収束特性が確認された。

ABSTRACT

We introduce microscopic and macroscopic stochastic traffic models including traffic accidents. The microscopic model is based on a Follow-the-Leader approach whereas the macroscopic model is described by a scalar conservation law with space dependent flux function. Accidents are introduced as interruptions of a deterministic evolution and are directly linked to the traffic situation. Based on a Lax-Friedrichs discretization convergence of the microscopic model to the macroscopic model is shown. Numerical simulations are presented to compare the above models and show their convergence behaviour.

研究の動機と目的

• 交通密度と速度に依存する事故発生を含む、交通ダイナミクスと事故発生の双方向的結合を構築すること。
• 決定論的微視的（フォローザリーダー型）および巨視的（LWR型）交通モデルに、ランダムな事故を確率的中断として組み込み、拡張すること。
• Lax-Friedrichs離散化の下で、微視的モデルから巨視的モデルへの厳密な微視的・巨視的極限の確立。
• 異なるグリッド解像度および車両数における収束行動の数値的妥当性評価と、誤差ダイナミクスの分析。

提案手法

• ヘッドウェイ距離に依存する速度関数を有するフォローザリーダー型ODE系を用いて交通をモデル化する。
• 事故確率を局所的な交通密度および速度に結びつける確率的中断としてランダムな事故を導入する。
• 事故発生地点で容量が低下する空間依存フラックス関数を有するスカラー保存則に基づく巨視的モデルを構築する。
• 巨視的モデルの離散化にLax-Friedrichs有限差分スキームを適用し、微視的モデルがこの離散巨視的極限に収束することを証明する。
• 微視的モデルではラグランジュ変数を用い、微視的極限と巨視的保存則の弱解との間の同等性定理を確立する。
• 数値誤差指標（Err1–Err4）と収束率解析を用いて、空間的および時間的離散化の変化における微視的・巨視的極限の精度を評価する。

実験結果

リサーチクエスチョン

• RQ1 微視的および巨視的枠組みにおいて、リアルタイムの交通状況に依存する確率的擾乱としてのランダムな交通事故をどのようにモデル化できるか？
• RQ2 事故の中断を伴うフォローザリーダー型微視的モデルが、空間依存フラックスを有する巨視的保存則にどのように収束するか？
• RQ3 異なるグリッド解像度および車両数の下で、Lax-Friedrichsスキームが微視的・巨視的極限の収束特性をどの程度保持するか？
• RQ4 事故が存在する状況で、ゴドノフスキームはLax-Friedrichsスキームに比べて巨視的極限の精度を向上させられるか？
• RQ5 異なる誤差指標（L1、L2など）は時間経過およびメッシュの細分化に伴いどのように変化し、微視的・巨視的収束の安定性と信頼性を示すか？

主な発見

• Lax-Friedrichsスキームでは、全誤差指標（Err1–Err4）が車両数Nの増加に伴い初期的には減少するが、残留誤差レベルに安定化し、数値的拡散が収束精度の上限を決定することを示している。
• ゴドノフスキームでは、全誤差指標がNの増加に伴い一貫的かつ顕著に減少し、N = 3200でそれぞれErr1とErr2が0.0453および0.0320にまで低下する。これは精度の向上を示している。
• N = 3200におけるゴドノフスキームの経験的収束率は、Err1で0.84、Err2で0.85に近づき、2次収束の挙動を示している。
• N = 3200の対数誤差プロットでは、Err2とErr4がプラトーに達した後に安定化するが、Err3は一貫して増加し、他の指標よりも高い水準を維持しており、誤差伝搬メカニズムの違いを示している。
• Lax-Friedrichsスキームの収束率は低く（例：∆x = 1/160でErr1が0.84）、ゴドノフスキームに比べて精度が低いことが確認された。
• 数値結果は理論的微視的・巨視的極限を支持しており、事故依存のダイナミクスを有する微視的モデルが適切な離散化のもとで巨視的モデルに収束することを示している。