[论文解读] Analyzing Traffic Delay at Unmanaged Intersections

Changliu Liu, Mykel J. Kochenderfer|arXiv (Cornell University)|May 26, 2018

Traffic control and management参考文献 6被引用 3

一句话总结

该论文提出了一种分析性事件驱动随机模型，用于计算未管理的双车道交叉口的交通延迟分布，通过通行顺序和时间间隔显式建模微观车辆交互。主要贡献在于在先到先出（FIFO）和先出（FO）策略下推导出闭式延迟分布，揭示了FO策略可减少平均延迟但牺牲公平性，且在FIFO策略下，延迟随时间间隔和交通密度比呈指数增长。

ABSTRACT

At an unmanaged intersection, it is important to understand how much traffic delay may be caused as a result of microscopic vehicle interactions. Conventional traffic simulations that explicitly track these interactions are time-consuming. Prior work introduced an analytical traffic model for unmanaged intersections. The traffic delay at the intersection is modeled as an event-driven stochastic process, whose dynamics encode microscopic vehicle interactions. This paper studies the traffic delay in a two-lane intersection using the model. We perform rigorous analyses concerning the distribution of traffic delay under different scenarios. We then discuss the relationships between traffic delay and multiple factors such as traffic flow density, unevenness of traffic flows, temporal gaps between two consecutive vehicles, and the passing order.

研究动机与目标

• 开发一种避免耗时仿真的未管理交叉口交通延迟分析框架。
• 将微观车辆交互（特别是通行顺序和时间间隔）建模为随机过程。
• 推导两种不同车辆通行策略（FIFO和先出，FO）下的分析延迟分布。
• 量化交通流密度、流不平衡性、时间间隔和通行顺序对延迟的影响。
• 为评估车辆策略对交叉口延迟的影响提供一种可扩展的仿真替代方案。

提出的方法

• 将未管理交叉口的车辆交互建模为以通行时间作为状态变量的事件驱动随机过程。
• 通过时间不变的平衡条件编码车辆策略：对前i辆车中的每辆车j，有 $\bar{t}_j^{(i)} = f(\tilde{t}_j, \bar{t}_{-j}^{(i)})$。
• 使用直接分析方法推导稳态延迟分布，并通过事件驱动仿真进行验证。
• 引入两类策略：先到先出（FIFO）和先出（FO），二者在通行顺序确定方式上有所不同。
• 使用冲突图表示车道间交互，并将时间间隔 $\Delta d$ 和流率 $\lambda$ 作为关键随机输入进行建模。
• 应用更新理论和随机过程分析，计算累积分布函数 $P_d(t)$ 和期望延迟 $E[d]$。

实验结果

研究问题

• RQ1 通行顺序的选择（FIFO与FO）如何影响未管理交叉口的交通延迟分布？
• RQ2 在不同交通流密度和时间间隔下，延迟分布的分析形式是什么？
• RQ3 不均衡的交通流和时间间隔如何影响期望延迟和延迟分布形状？
• RQ4 在何种条件下延迟分布会收敛到稳态？
• RQ5 在不同通行策略下，延迟最小化（效率）与公平性之间存在何种权衡？

主要发现

• FO策略始终导致比FIFO更低的期望延迟，尤其在高交通密度下，这是由于通行顺序的自适应调整。
• 在FIFO策略下，当 $\lambda \Delta d \geq 2$ 时，期望延迟随交通密度比 $r$ 呈指数增长，且仅当 $r$ 满足 $\lambda \Delta d \geq \frac{(1+r)^2}{2r}$ 时延迟才降至零。
• 在FO策略下，当 $r \to 1$ 时，期望延迟的增长速率逐渐减小，并最终趋于恒定增长速率，与FIFO策略下的指数增长形成对比。
• 在FIFO策略下，零延迟概率 $P_d(0)$ 随时间间隔 $\Delta d$ 的增加呈线性下降，且在满足平衡条件时降至零。
• 在FO策略下，个别车辆可能经历超过 $\Delta d$ 的延迟，但所有车辆的平均延迟不会超过 $\Delta d$。
• 当 $\lambda \Delta d < 2$ 时，FIFO策略下的期望延迟趋近于FO策略，表明在低不确定性或低流率条件下性能差异极小。