[论文解读] Agents for Traffic Simulation

Arne Kesting, Martin Treiber+1 more|ArXiv.org|May 2, 2008

Traffic control and management参考文献 64被引用 6

一句话总结

本文提出了一种基于代理的微观交通仿真框架，将个体驾驶员建模为具有异质行为的自主代理，整合了跟车动力学、变道行为、交通信号灯响应以及车车间通信。结果表明，即使仅有3%的车辆配备IVC，通过存储-转发消息系统，也能提前1公里预测拥堵前沿，误差范围为±50米，从而实现驾驶员的主动预判并提升交通流稳定性。

ABSTRACT

Vehicular traffic is a classical example of a multi-agent system in which autonomous drivers operate in a shared environment. The article provides an overview of the state-of-the-art in microscopic traffic modeling and the implications for simulation techniques. We focus on the short-time dynamics of car-following models which describe continuous feedback control tasks (acceleration and braking) and models for discrete-choice tasks as a response to the surrounding traffic. The driving style of an agent is characterized by model parameters such as reaction time, desired speed, desired time gap, anticipation etc. In addition, internal state variables corresponding to the agent's "mind" are used to incorporate the driving experiences. We introduce a time-dependency of some parameters to describe the frustration of drivers being in a traffic jam for a while. Furthermore, the driver's behavior is externally influenced by the neighboring vehicles and also by environmental input such as limited motorization and braking power, visibility conditions and road traffic regulations. A general approach for dealing with discrete decision problems in the context of vehicular traffic is introduced and applied to mandatory and discretionary lane changes. Furthermore, we consider the decision process whether to brake or not when approaching a traffic light turning from green to amber. Another aspect of vehicular traffic is related to the heterogeneity of drivers. We discuss a hybrid system of coupled vehicle and information flow which can be used for developing and testing applications of upcoming inter-vehicle communication techniques.

研究动机与目标

• 开发一种灵活的、基于代理的仿真框架，用于建模微观交通流中异质驾驶员的行为。
• 将跟车、变道和交通信号灯响应等动态决策过程整合到统一的代理模型中。
• 评估车车间通信（IVC）通过存储-转发机制传播实时交通拥堵信息的有效性。
• 评估去中心化、车对车信息共享在提升交通安全性与效率方面的潜力。

提出的方法

• 代理被建模为具有内部状态变量的自主实体，用于表示驾驶经验以及因长时间拥堵产生的挫败感。
• 跟车行为通过智能驾驶员模型（IDM）进行模拟，包含反应时间、期望速度和时间头等参数。
• 采用概率决策规则对离散选择行为（如强制性与自愿性变道、红灯时刹车）进行建模。
• 采用存储-转发车车间通信机制，实现在低渗透率（3%）下，即使在对向车流中也能实现消息传播。
• 包含拥堵前沿位置和时间戳的消息由车辆中继传递，使下游车辆能够提前预测最多1公里外的拥堵。
• 采用预测算法对时空消息数据进行外推，以量化精度估算未来拥堵前沿位置。

实验结果

研究问题

• RQ1 基于代理的仿真能否有效建模异质驾驶员行为及其在实时交通场景中的动态响应？
• RQ2 在低车辆渗透率下，通过去中心化车车间通信，能否实现对移动拥堵前沿的高精度预测？
• RQ3 驾驶员挫败感及随时间变化的参数变化对拥堵状态下交通动力学有何影响？
• RQ4 存储-转发通信策略在跨对向车流传播交通拥堵信息方面有多高效？
• RQ5 配备IVC的车辆在多大程度上能够提前预知拥堵并提升交通流稳定性？

主要发现

• 仅需3%的车辆配备车车间通信（IVC），系统即可成功在拥堵前沿上游提前1公里预测，平均误差为±50米。
• 下游拥堵前沿的预测误差略大，为±100米，表明下游前沿估计存在更高的不确定性。
• 随着接收到的消息数量和及时性提升，拥堵前沿预测质量显著提高，表明存储-转发机制具有良好的可扩展性。
• 仿真框架成功将异质驾驶员行为（包括反应时间、期望速度和挫败感效应）整合到统一的代理模型中。
• 基于代理的方法实现了对复杂交通现象（如停走波和协同变道）的真实建模。
• 结果证实，去中心化、基于车辆的信息共享可显著提升交通预判能力，并为未来智能交通系统（ITS）提供支持。