疏散计划:减轻交通堵塞,提高公共安全

问题:

道路网疏散模型

辐射羽流和受影响道路的路网模型

智能交通系统监测并分析车辆、道路和环境是怎样影响交通流的。我们大多数人都熟悉交通堵塞的挫败感。典型的高峰时段妨碍了车辆的机动性,大大减缓了整体交通流量。大规模动员事件这种现象加剧了这种现象,例如飓风或其他事件造成的撤离。当这种情况发生时,交通会陷入瘫痪状态。ITS的研究人员试图弄清,在发生了会聚集大量车辆的大事件时,怎样提高公共安全。

解决方案:

美国历史最久,最大的独立的非营利性应用研究和开发机构使用AnyLogic来探究此问题——当发生大规模疏散时,如果有一部分车辆通过智能手机或专用短程通信技术(DSRC)联系起来,能够大规模的改善疏散过程中车辆间的协作。车辆的智能体包含多个参数,包括配备通信设备的可能性参数,以及当处于拥挤状态时,它们跟随前方车辆的可能性。第二个参数类似于驾驶员跟随那些可能知道更好的路线的司机的行为。随后,研究人员根据这两个参数运行场景,比较总累积辐射暴露量和堵塞时间。

智能体和系统动力学仿真协同工作

车辆智能体状态图和堵塞系统动力学结构

AnyLogic结合了基于智能体的和系统动力学的建模技术,并且具备有强大的,直观的图像界面用来创建此类模型。研究人员基于某城市的放射性泄露事件模拟了一个疏散场景。此模型包含了一个德克萨斯州圣安东尼奥公路的简化交通系统,以及三个分别代表车辆、道路网和事件通告的智能体。

结果

这项研究的结果量化了交通系统的性能,通过测量到达车流的平均和总的辐射泄露量,以及每辆车报告的总体堵塞度,量化了几种不同场景下交通系统的表现。结果表明,即使只是少量的车辆收到了关于当前路线潜在危险的目标信息时,也会产生安全影响。仿真还显示了车辆跟随行为的好处,这是由人类驾驶员组成的交通系统的次要有益影响(含有自动车辆的交通系统可能会消除这类影响;然而,自动车辆还可以经由通信设备交流协作)

同类案例研究

更多案例研究