Professional Documents
Culture Documents
Análisis de la siguiente modelo Wiedemann coche sobre diferentes plazos de envío utilizando
datos naturalista
RESUMEN
Este esfuerzo de investigación analiza el modelo de auto-Wiedemann siguiente utilizando entradas del coche de seguimiento que se producen
a velocidades diferentes. El modelo de coche-Wiedemann siguiente utiliza umbrales para definir los diferentes regímenes en siguiente coche.
Algunos de estos umbrales utilizar un parámetro de velocidad, pero otros se basan únicamente en la diferencia de velocidad entre el vehículo
sujeto y el vehículo de cabeza. Los resultados muestran que los umbrales no son constantes, sino que varían en diferentes velocidades. Otra
nota interesante es que la varianza sobre las velocidades parece ser dependiente de conductor. Los resultados indican que los conductores
presentan diferentes comportamientos dependiendo de la velocidad que puede implicar un aumento de la agresión a velocidades particulares.
Palabras clave: modelo Wiedemann, naturalista de datos, de percepción, reacción, modelo de reconstrucción.
FONDO
El modelo de coche-Wiedemann siguiente se formuló originalmente en 1974 por Rainer Wiedemann [1]. Este modelo es conocido
por su amplio uso en el software de simulación de flujo de tráfico multimodal microscópica, VISSIM [2]. El modelo Wiedemann fue
construido basado en el desarrollo conceptual y limitados datos disponibles, y tiene que ser calibrado para los datos específicos de
flujo de tráfico. Las principales ideas detrás del modelo de Wiedemann se utilizaron en este trabajo, pero la forma exacta o fórmula
utilizada en el modelo se actualizan utilizando los datos de conducción natural que se considera que es una de las mejores fuentes
disponibles de datos del “mundo real” [3] .
1
Higgs, Ab BBAS, y Med dina
colección deprocessi
W n. T los datos co equ operar y uipo w es CO ontinuously llection
thods nu grabación
umerosos no hay Ormal m
tr re instrumen
Como parte de alistic camión flota
k conducción Stu ts
Ven terminales y [3], uno hu sunidad
y undred tres
ERS eran s RecR eks
en cking
la flota o fou reflexión, anoth ruckeando nted través ucks sev estudio udy DS una a partici- camiones arrojancada uno forma ree
ruited de
wer coll Los llected por Th (nueve tru ella total). hormiga Después de una finis erformance
4 contras camiónwee EJECUTIVAdatos f
datos fueron participa él Ntdscomenzó
D nstrumented, d. Thr y audio. truc de
d DAS: pieza de mando del madamente
col vídeo, PE en la dinámica approxim
2
Higgs, Abbas, y Medina
Se recogieron 14.500 horas de manejo de datos que cubren 735.000 millas recorridas. Nueve camiones fueron instrumentados con el
DAS.
La siguiente es una descripción típica de cómo se realiza la recogida de datos, junto con el acompañamiento de capturas de pantalla y la
información que describe cómo funciona el sistema y cómo se puede utilizar datos. Cuatro cámaras de supervisar y registrar la cara del
conductor, mira camino hacia adelante, y del lado izquierdo y derecho del remolque del tractor, que se utilizan para observar las acciones
del tráfico de otros vehículos alrededor del vehículo. iluminación infrarroja de bajo nivel (no visible para el conductor) ilumina la cabina del
vehículo por lo que la cara y las manos del conductor podría ser visto a través de la cámara durante la conducción nocturna. Los datos de
los sensores asociados con el proyecto se recogieron originalmente en un formato de archivo binario propietario. Un esquema de base fue
ideado y las tablas necesarias fueron creados. El esquema conserva la organización de los datos en los módulos; es decir, todas las
variables asociadas con un módulo en particular se almacenan en una tabla en la base de datos. El proceso de importación en sí consistió
en la lectura de los archivos binarios, escribir los datos en archivos separados por comas del valor intermedio (CSV) y "mayor inserción" los
archivos CSV en la base de datos. Un procedimiento almacenado está disponible que permite consultar la base de datos utilizando el
módulo y nombres de variables en lugar de nombres de tabla de base de datos y de columna.
Ossen y Hoogendoorn [5] estudiaron el comportamiento auto-siguiente de los conductores individuales utilizando datos de trayectoria del
vehículo que se extrajeron a partir de imágenes digitales de alta resolución recogidos a una alta frecuencia desde un helicóptero. El análisis
se realizó mediante la estimación de los parámetros de diferentes especificaciones de la norma coche-siguiente GHR para los conductores
individuales. En el 80% de los casos, se podría establecer una relación estadística entre los estímulos y respuesta. El modelos Gipps (un
modelo de distancia de seguridad) y Tampere (modelo de estímulo-respuesta) y un enfoque basado en los datos sintéticos se utilizaron
para evaluar el impacto de los errores de medida en los resultados de calibración. Según los autores, La principal contribución de su estudio
fue que las diferencias considerables entre los comportamientos del coche de seguimiento de los conductores individuales fueron
identificados que se pueden expresar en términos de diferentes parámetros óptimos y también como diferentes modelos de coches de
seguimiento que parecen ser óptimo en función de los datos de cada conductor . Este es un resultado importante teniendo en cuenta que en
la mayoría de los modelos se utiliza una sola regla coche siguiente. Los autores también proponen para futuras investigaciones para aplicar
métodos estadísticos más avanzados y utilizar bases de datos más grandes. Brackstone [6] usando los datos recogidos con un vehículo
instrumentado que fue ensamblado en TRG Southampton parametrizar el umbral de la Wiedemann para una espiral típico siguiente. Como
resultado que representan los puntos de acción en función de una distribución de probabilidad sobre la base de la velocidad de avance.
paquetes de software de simulación de micro-utilizan una variedad de modelos de coches de seguimiento incluyendo Gipps' (AIMSUN,
SISTM, y Drácula), de Wiedemann (VISSIM), de pipa (CORSIM), y Fritzsche de (PARAMICS). Y diferentes parámetros de calibración
automatizado tales como los algoritmos genéticos se han utilizado para calibrar la distribución de los parámetros de sensibilidad de
coche-siguiente
[7]. Panwai y Dia [8] compararon los modelos de coches de seguimiento entre diferentes simulación
3
Higgs, Abbas, y Medina
software, incluyendo AIMSUN, PARAMICS y VISSIM usando un vehículo instrumentado para registrar diferencias en la velocidad y avance
(velocidad Leading, la distancia relativa, velocidad relativa, se registraron aceleración seguidor). La EM muestra valores similares para los modelos
psicofísicos en VISSIM y PARAMICS y valores más bajos en AIMSUN. El error RMS y la deriva cualitativa y de búsqueda de metas analiza también
mostraron un comportamiento auto-siguiendo sustancialmente diferente para PARAMICS. Siuhi y Kaseko [9] demostraron la necesidad de modelos
separados para aceleración y desaceleración respuestas mediante el desarrollo de una familia de modelos de coches de seguimiento y abordar las
deficiencias del modelo GM. El trabajo previo de Osaki [10] y Subranmanian [11] modificó el modelo GM separar las respuestas de aceleración y
deceleración. Ahmed [12], siguiente algún trabajo de Subranmanian supone no linealidad en el término estímulo e introdujo la densidad del tráfico.
Los resultados de Ahmed [12] y Toledo [13] mostró, en contra de la creencia popular, que la aceleración aumenta con la velocidad pero disminuye
con la separación del vehículo. Debido a la insignificancia estadística, Ahmed y Toledo también eliminan la velocidad de sus modelos de
desaceleración. Siuhi y Kasvo [9] abordan algunas de estas deficiencias mediante el desarrollo de modelos separados, no sólo para la aceleración y
desaceleración, sino también para las respuestas de estado estable. regresión no lineal con errores estándar robustos se utilizó para estimar los
parámetros del modelo y obtener las distribuciones a través de los conductores. Los umbrales de respuesta de estímulo que delimitan las
respuestas de aceleración y desaceleración se determinaron basándose en la teoría de detección de señales. Menneni et al [14] presentó una
metodología de calibración de la VISSIM Wiedemann car- siguiente modelo basado en el uso integrado de datos microscópicos y macroscópicos
utilizando NGSIM distancia relativa vs. gráficos de velocidad relativas se utilizaron para la calibración microscópico, específicamente para determinar
los puntos de acción ( es importante tener en cuenta que los puntos de acción no eran idénticos al umbral de percepción). Scatter y distribución de
los puntos de acción de la distancia relativa frente a gráficos de velocidad relativa también mostraron similitud en el comportamiento del conductor
entre las dos autopistas. Menneni también mencionó que muchos de los umbrales de velocidad Wiedemann son dependientes, pero una calibración
completa con esta tercera dimensión sería una tarea de enormes proporciones. específicamente para determinar los puntos de acción (es
importante observar que los puntos de acción no eran idénticos a umbral de percepción). Scatter y distribución de los puntos de acción de la
distancia relativa frente a gráficos de velocidad relativa también mostraron similitud en el comportamiento del conductor entre las dos autopistas.
Menneni también mencionó que muchos de los umbrales de velocidad Wiedemann son dependientes, pero una calibración completa con esta
tercera dimensión sería una tarea de enormes proporciones. específicamente para determinar los puntos de acción (es importante observar que los
puntos de acción no eran idénticos a umbral de percepción). Scatter y distribución de los puntos de acción de la distancia relativa frente a gráficos
de velocidad relativa también mostraron similitud en el comportamiento del conductor entre las dos autopistas. Menneni también mencionó que
muchos de los umbrales de velocidad Wiedemann son dependientes, pero una calibración completa con esta tercera dimensión sería una tarea de enormes proporciones
Hoogendoorn y Hoogendoorn [15] propusieron un marco de calibración genérico para la estimación conjunta de coche siguientes modelos. El
método empleado se basa en la forma genérica de la mayoría de los modelos y los pesos de cada modelo basado en su complejidad. Este
nuevo enfoque puede cruzar-comparar los modelos de diversa complejidad e incluso utilizar múltiples trayectorias cuando los datos de
trayectoria individual es escasa. información previa también se puede utilizar para estimar de manera realista valores de los parámetros.
4
Higgs, Abbas, y Medina
Esto restringe los datos de un solo carril delante del vehículo plomo
Esto limita la curvatura de la calzada de tal manera que los vehículos no están identificados erróneamente como estando en el mismo carril que el
vehículo sujeto cuando curvatura calzada está presente.
• Duración del coche siguiente período, mientras rango es inferior a 61 metros> = 30 segundos Este criterio fue establecido por
ensayo y error que se han verificado mediante análisis de vídeo. El proceso de extracción automática se verificó de una muestra de eventos
a través de análisis de vídeo. Para la muestra aleatoria de 400 periodos, 392 eran de automóvil válido después de períodos. Los datos se
dividen en los siguientes rangos de velocidad: 20-30 kph, 30-40 kph, 40-50 kph, 50-60 kph, 60-70 kph, 70-80 kph, 80-90 kph, 90-100 kph, y
Las ecuaciones que forman el modelo Wiedemann fueron alterados con el fin de eliminar los parámetros aleatorios porque no
eran necesarias cuando se calibra a un solo conductor. Las ecuaciones que se muestran son las ecuaciones alterados que
reduce el número de parámetros de calibración. El punto de partida para el modelo Wiedemann es la distancia deseada entre
los vehículos estacionarios. El valor calculado por la ecuación 1 se utiliza en los cálculos para los otros umbrales.
(1)
es un parámetro calibrado
(2)
* √ ( 3)
es un parámetro de calibración
* (4)
5
Higgs, Abbas, y Medina
(5)
es un parámetro de calibración.
El umbral de percepción marca el punto de que un conductor comienza a reaccionar al vehículo de cabeza. Este umbral se
calcula por el uso de la Ecuación 6. Ecuación 1 se necesita para el cálculo de la ecuación 6.
Δ
(6)
parámetro calibrado
La curva de reacción marca la ubicación de un segundo punto de cambio de la aceleración, mientras que todavía cierre en el
vehículo de plomo. En VISSIM este umbral se supone que es equivalente a la umbral de percepción. Debido a que la similitud, la
ecuación utilizada para el umbral de reacción, la Ecuación 7 se deriva de la ecuación 6.
Δ
(7)
El OPDV (Diferencia de apertura en Velocity) curva es principalmente un límite a la región de reacción inconsciente.
Representa el punto de que el conductor se da cuenta de que la distancia entre su vehículo y el vehículo de cabeza está
aumentando con el tiempo. Cuando se hace esta realización el conductor se acelerará el fin de mantener avanzar espacio
deseado. Este umbral se calcula utilizando la Ecuación 8.
* (8)
es un parámetro calibrado
El modelo Wiedemann reutiliza el umbral de percepción como un límite a la región de reacción inconsciente. Esto volverá a
ser el punto en que el conductor se da cuenta de que la distancia entre su vehículo y el vehículo de plomo está
disminuyendo con el tiempo, pero esta segunda utilización del umbral se utiliza cuando el vehículo sujeto ya se dedica a la
siguiente vehículo plomo. En nuestra representación del modelo, esta reutilización del umbral de percepción se le dio su
propia ecuación con el fin de separar los diferentes usos del umbral. La ecuación 9 es de la misma forma que la ecuación 6,
pero con un parámetro de calibrado diferente.
Δ
(9)
2 es un parámetro calibrado
El primer estado es el régimen de conducción libre en el que el vehículo sujeto no está reaccionando a un vehículo de plomo y está viajando
a una velocidad deseada o acelerar a una velocidad deseada. El Régimen de libertad de conducción se define como el área por encima del
umbral de percepción y los siguientes Distancia Máxima
6
Higgs, Abbas, y Medina
Límite. Si el vehículo sujeto entra en el régimen de conducción libre, el vehículo en cuestión será entonces acelerar hasta
alcanzar la velocidad deseada. El valor de esta aceleración se calcula utilizando la Ecuación 10 y la Ecuación 11. Ecuación 10 se
refiere la velocidad máxima a los tiempos actuales de velocidad Ecuación 11 y calcula un valor de aceleración en consecuencia
con el fin de alcanzar la velocidad máxima.
* * (10)
es un parámetro de calibración es la
(11)
es un parámetro de calibración
El régimen se aproxima ocurre cuando un vehículo en el Régimen de libertad de conducción pasa el umbral de percepción. Este vehículo
será entonces desacelerar acuerdo con la Ecuación 12.
ΔΔ
(12)
El régimen Estrechamente Acercándose se produce sólo cuando un vehículo en el régimen de acercarse pasa la diferencia de
Cierre en umbral de velocidad. En VISSIM este régimen se ignora, por lo que la
deceleración todavía se calcula por la ecuación 12.
La desaceleración siguiente régimen se produce como resultado de un vehículo en el que se acercan o Estrechamente
Acercándose régimen pasa el umbral de percepción o un vehículo en la Aceleración siguiente régimen pasa el segundo umbral
de percepción. Cuando un vehículo entra en el régimen de deceleración Siguiendo la aceleración se calcula por la negativa de
la Ecuación 13.
(13)
es un parámetro calibrado
La aceleración siguiente régimen se produce cuando un vehículo en la deceleración siguiente régimen pasa a la diferencia de
apertura en umbral de velocidad o de un vehículo en el régimen de emergencia pasa la mínima distancia de seguimiento
Umbral. La aceleración de un vehículo en el siguiente régimen de aceleración es simplemente el valor positivo de la Ecuación
13. Si un vehículo en este régimen se acelera y cruza el umbral máximo de distancia de seguimiento, entonces ese vehículo
entrará en el régimen de conducir coches. Además, la viceversa es cierto cuando un vehículo entrará en el siguiente régimen
de aceleración del régimen de exención de conducción si se aprueba la distancia de seguimiento umbral máximo.
El régimen de emergencia se produce cada vez que el avance es el espacio por debajo de la mínima distancia de seguimiento
Umbral. Ecuación 14 y la Ecuación 15 calculan la aceleración en el régimen de emergencia.
ΔΔ Δ
* (14)
7
Higgs, Abbas, y Medina
* (15)
Las ecuaciones ajustadas se llevaron a cabo en un marco de calibración que utiliza un algoritmo genético para calcular los
valores óptimos de los parámetros. Un algoritmo genético fue utilizado debido a su capacidad para encontrar soluciones
óptimas precisión que cumplen con ciertos criterios cuando numerosos parámetros están presentes. El marco consistía en
expresar la lógica del modelo Wiedemann como una serie de transiciones de estado. Los estados están definidos por los
diferentes umbrales y cada estado tiene una ecuación o parámetro para la aceleración. La función de optimización era
simplemente la minimización del error entre los valores de velocidad calculados en el modelo de Wiedemann y los valores de
velocidad directamente de los datos.
El BX y EX parámetros muestran varianza menor que CX, CX2, CLDVCX y OPDV lo largo de los diferentes rangos de velocidad.
Esto se puede atribuir a las ecuaciones que utilizan estos parámetros. Las ecuaciones con BX y EX incluir un término de velocidad,
mientras que los demás parámetros tienen que dar cuenta de las diferencias que aceleran causas. La aceleración nula o bnull
muestra una interesante tendencia de altas aceleraciones a bajas velocidades y aceleración baja a altas velocidades.
Ln-1 5,586 5.623 5.461 5,795 4.805 5,084 4.419 4.322 5.906
AXadd 4.540 6,941 9,611 9,152 5,613 6.230 7,899 9,187 9.890
CX2 95.072 75.897 19.459 77.140 74.041 51.673 37.506 53.216 68.893
CLDVCX 15.518 24.870 18.487 57.298 57.721 57.315 76.277 48.422 10.000
OPDV - 3,947 - 2,739 - 2,299 - 2,533 - 2,241 - 1,827 - 7,024 - 2.665 - 5,872
bnull 0,194 0,228 0,140 0,158 0,174 0,110 0,121 0,063 0.000
8
Higgs, Abbas, y Medina
bmaxmult 0,004 0,105 0,318 0,223 0,137 0,127 0,391 0,367 0,294
FaktorVm ULT
0,328 0,146 0,189 0,242 0,446 0,267 0,217 0,067 0,152
bminadd - 1,696 - 46.706 - 48.703 - 47.311 - 2,376 - 23.471 - 39.434 - 18.901 - 26.656
bminmult 0,283 0,332 0,124 0,081 0,085 0,336 0,319 0,170 0,247
Vdes 100.492 86.696 16.415 51.215 52.278 90.280 120.000 39.789 34.743
FaktorV 0,496 0,501 1,916 0,825 0,855 0,521 0,390 1.005 1.125
RMSE 0,905 1,067 0,863 0,821 1.177 0,639 0,807 0,719 0,576
La Tabla 2 presenta los resultados de la calibración para otro conductor (Driver 64) sobre diferentes rangos de velocidad. La longitud del
vehículo de plomo (Ln-1) muestra los valores factibles a través de los rangos de velocidad que valida los resultados de la calibración. Al igual
que los resultados del conductor de 49, el BX y EX términos varianza muestra más pequeño que los otros parámetros. La aceleración nula
(bnull) revela un comportamiento interesante Conductor 64 que es diferente del controlador 49. Recordando que bnull representa el
comportamiento de aceleración y desaceleración de los conductores mientras oscilante, la aceleración nula puede ser usado para identificar
cuando un conductor tiene más relajado o más aceleración agresiva y el comportamiento de desaceleración, mientras que después. Los
valores más altos corresponden bnull a los umbrales SDV2 inferiores en la Tabla 2 con la excepción del rango de 20-30 kph. Esto significa
que Driver 64 tiene un régimen siguiente más grande, gráficamente hablando, cuando existen los valores de aceleración más grandes. Esta
correlación se combina para crear bucles de oscilación más grandes en el siguiente comportamiento que pueden indicar un estado menos
atento que los bucles de oscilación más pequeños.
Ln-1 4.123 6,000 4.305 4.151 4.172 5,407 4.133 4.322 5,016
AXadd 7,958 10.000 4,788 1.108 8,759 9,772 4,576 9,187 5,917
CX2 70.870 81.272 43.778 100.000 45.590 36.588 70.846 53.216 54.886
CLDVCX 42.323 51.518 43.741 11.094 31.156 60.460 66.929 48.422 39.959
OPDV - 5.206 - 3,484 - 4.585 - 3.510 - 2,269 - 3,395 - 4,081 - 2.665 - 3.380
bnull 1,000 0,085 0,287 0,221 0,451 0,912 0,061 0,063 0.000
bmaxmult 0,356 0,285 0,075 0,089 0,113 0,400 0,249 0,367 0,190
9
Higgs, Abbas, y Medina
FaktorVm ULT
0,085 0,255 0,450 0,218 0,304 0,409 0,288 0,067 0,155
bminadd - 29.008 - 22.619 - 9,219 - 17.026 - 23.879 - 23.877 - 11.057 - 18.901 - 31.202
bminmult 0,232 0,335 0,400 0,024 0,085 0,277 0,084 0,170 0,253
Vdes 18.872 35.610 74.416 28.041 99.895 57.435 12.151 90.000 57.955
FaktorV 1,936 1,089 0,679 1.305 0,490 0,795 1.982 0,462 0,725
RMSE 0,133 0,137 1.283 0,115 0,506 0,922 0,794 0,980 0,629
La Tabla 3 presenta los resultados de la calibración para el conductor 97 a través de varias gamas de velocidad. Al igual que los resultados
de los otros dos pilotos, los términos BX y EX muestran variación más pequeño que los otros parámetros. Los valores de aceleración nulos
muestran una tendencia diferente a los otros dos pilotos. Los resultados indican que en rangos de velocidad los conductores exhibirán
aceleraciones y desaceleraciones más agresivas y también en el que los intervalos de velocidad del conductor exhibirá aceleraciones más
relajado y deceleraciones. Los resultados también indican que las tendencias en la aceleración nula a través de los diversos rangos de
velocidad dependen conductor.
Ln-1 4.747 4.112 4,743 4.076 5,052 4,986 5,701 4,806 5,054
AXadd 6,592 6,000 5,734 8,705 8,549 9,679 8.151 3,715 1,000
CX2 27.831 80.644 60.011 44.203 58.049 26.043 59.661 45.238 94.902
CLDVCX 47.611 37.187 27.609 40.783 54.775 52.795 42.980 28.316 27.806
OPDV - 2,348 - 5,076 - 3,487 - 2.255 - 2,100 - 3,838 - 2.770 - 4,859 - 4.144
bnull 0,184 0,557 0,143 0,004 0,190 0,060 0,303 0.000 0.000
bmaxmult 0,465 0,142 0,056 0,123 0,111 0,401 0,396 0,278 0,178
FaktorVm ULT
0,359 0,077 0,347 0,051 0,229 0,313 0,316 0,268 0,500
bminadd - 38.648 - 32.517 - 23.920 - 22.070 - 22.940 - 30.448 - 13.202 - 30.814 - 32.488
bminmult 0,318 0,186 0,185 0,299 0,311 0,138 0,075 0,183 0,277
Vdes 12.514 35.848 32.899 53.689 57.280 87.418 27.713 102.450 78.647
10
Higgs, Abbas, y Medina
FaktorV 1,787 1.106 1.131 0,755 0,750 0,551 1.266 0,467 0,674
RMSE 0,843 0,618 0,253 0,274 0,249 0,368 0,928 0,820 0,694
Con un valor bnull de cero o cerca de cero, los umbrales SDV2 y OPDV vuelven insignificantes porque no hay cambio en la
aceleración o la velocidad de hecho al cruzar ya sea umbral. En esta situación, los umbrales de gobierno son ABX y SDX,
los umbrales mínimo y máximo de distancia de seguimiento. Esto significa que el conductor o bien se desacelerará en el
régimen de emergencia o acelerar en el régimen de conducción libre.
La Tabla 4 presenta el error Root Mean Squared de la calibración para cada conductor en los rangos de velocidad. Los valores
mostrados son todas por debajo de 1,5 que sugiere que los resultados de la calibración crean un error relativamente bajo. Tabla 4
también muestra que la calibración dentro de cada rango de velocidad parece ser dependiente en el conductor.
controlador
49 0.9046 1.0670 0.8629 0.8207 1.1770 0.6392 0.8074 0.7186 0.5762
controlador
64 0.1331 0,1365 1.2826 0.1145 0.5063 0.9216 0.7938 0.9797 0.6291
controlador
97 0.8433 0.6181 0.2525 0.2742 0.2493 0.3677 0.9276 0.8199 0.6941
La Tabla 5 muestra la media y la desviación estándar de los términos individuales de conductor. Esta tabla es el resultado de colapso
de las diferentes gamas de velocidad con el fin de ver la variabilidad de cada supuesta constante. Los resultados muestran que
algunos de los términos tienen una desviación estándar alta, mientras que otros términos tienen una menor desviación estándar. Los
términos con la desviación estándar inferior sugieren que el uso de una constante en su lugar, como el modelo original sugiere,
incurriría poco error. Por otro lado, utilizando una constante en el lugar de los términos con una alta desviación estándar incurriría en
una gran cantidad de error. Por ejemplo, los términos CX, CX2, CLDVCX, y vDes todos tienen una gran desviación estándar que
significa que estos términos no pueden considerarse una constante por la razón antes mencionada.
49 64 97 49 64 97
11
Higgs, Ab BBAS, y Med dina
Vdes mult
0.223 0.25 0.27 0,111 0,132 0 . 140
FaktorV
-28.336 -20.75 -27.45 18.489 7.456 7 . 595
lt 0.222 0.21 0.22 0,106 0,126 0 . 086
65.777 52.71 54.27 34.736 3 31.283 30 . 143
0.885 1.05 0.94 0,475 0,580 0 . 419
RMSE 0.88 4 0.61 0.56 0,192 0,423 0 . 277
12
Higgs, Ab BBAS, y Med dina
13
Higgs, Ab BBAS, y Med dina
14
Higgs, Ab BBAS, y Med dina
La Figura 4 ds muestra el SDX o es max. imo deseo 49 ed siguientes n g distancia ésimo r los tres dr
hresholds para Follo ríos NCE
sobre la de larango de Conductor 4 hasta
muestra una creciente gama ed. deseada shold debido ases
máximo d gallina, como
velocidad y velocidad el 60 e tendencia Spee 70Th incre e decrea 100-110 distan por 40 medidores
los thres alivia. El
Resta por aumentan S u incrementar ich kilómetros por hora
velocidad se e siguiente r kph régimen es mh ery umbral está lejos
encima de laartes
f siguiente ia
el mismo eindica e puede como el s que al acelera el envió el cinco grande y d imo por
deseada la otras ala WHI accur postura Tes REPRES radows coche más deagrupación
y 10 interacciones. El maxi de lo tanto
Follo para Regim siguientepara Dr 70-80 río Sho 64 90-100100-11 h Thresh kph comportamiento han
g º incluido la posee en
clúster Drive,dis
b er 49. El 7 kph, 9 presente kilómetros por hora, trilla ot i ehaviorel reater
controlador 64 demuestra fr pilotoejerce no siguiendo
distancias eds en la que D distancia para umcoche 97
pero estos rep deseo Spee imum ser muestra la en increas AMEey
disminuyen s. La tendencia se muestra en lasiguiendo el n deseada fo siguientes dis postura sa, ABX gr
maxi que w minimu X.
15
Higgs, Ab BBAS, y Med dina
dieciséis
Higgs, Ab BBAS, y Med dina
mantener lossonó que headw camino. Este m mantenimiento deun behavio muyvehic correo avanzar 49 a ta 100 ingeniopor
gama ed ightly erate, yr Conductor kilomete teracciónésimo la
ry estado activo o mi. El 90-1 h int
frenos, li horas edad el embra Milar xplains el
Accele para icle o
49 e
junto con “fuera deordinario”Thresh figura 5
sostiene en la figura
Vehi Spee exhibido sim Vior “ut. ur velocidad
OSCILL wo lugar” SDV
plomo como el comportamientosque ex enfermo corrió al
diferente b
tw controlador mento Behav ho metros
wi compromete
promedio ou
97 Vehi plomo
7, en el 10 0-110 grees Kilom
por hou Figura 5. necesario Ance ESN,
wi mostró d regulares int º la
eraction ingenio on
y el S Articulo que ag con F n tiempo, elThr dista reacción ITH la figura d porque ater wi velocidad
una mayor velocidad
velocidades.misma reacción será grea para alta e de SH que n baja
17
Higgs, Ab BBAS, y Med dina
oscila ed
La Figura 6 se muestran los Spee positivo r la e límite de los o umbral para d para el conmigo
los tres controladores p velocidad r Aller differenc. El umbrales F que Conductor 49 ates espectáculo Follo 9 por e
clúster c followin ger
más de AUSES un régimen ng WG
indica dicating larg
ger más pequeña dos oscilaciones inferior
clúster c siguiente ds
sma AUSES un larg régimen ind pH
Eans que en t el oscillatio esas complementos. El más
oscillatio ons son la 70-100 rencia kpmi, lo cual es él
comportamiento velocidades hículo controlador 49 sp s grande
betwee una másy t ed o distracveh plomo cted es grande
hasta que elvelocidad velocidad er que en ot de alta reacciono Este
almo lata relaxe
diferir ost indicar una r.
velocidades ther.
esperarán a
peeds l con l
REGIM; los s,
. debido racimos
18
Higgs, Ab BBAS, y Med dina
19
Higgs, Ab BBAS, y Med dina
vehículo. La baja OPDV trilla sostiene indicat e inferior RESPOmientras onsive los altos th hresholds ind dicate
más resp Beh ponsive avior.
20
Higgs, Ab BBAS, y Med dina
CONCL LUSIONS
lts espectáculoen el thresho
La variación de edad de la W t Wiedemann y río modelo nos varían
durante los ofilesrangos EED. d Este
tha n parece serdependiente de correo
un resu cabeza sobre la OPDV Thu también conductor esholds
sp debe er la puede utilizar en nstead
del c sea le parámetro ríor. La nula mella. El
aceleración dr y muestra v SDV2pro varianza ovevelocidad w que elrangos que los parece
velocidades depend ve a cayendo
dolor O que xhibits f behin thre nd una ventaja
muestran hículo.dElvariaciones del conductores estánmás que
responsiv dr approa
ea ada ex comportamiento essive Behav r de veh Vior cuales
valor v dds sólo aals o el modelo. etan muestran en wde iones
diferentes piloto de la agre para la diferente sp y dead
la peeds Will O mejorar la medida
ación del packag El modo de incluside EL y
agresión a máscapacidad de
hacen que sea ange w real, el par
mundo. Como f de lo cording Wiede que la pendientes
Emann ES se conce
una de las realis sión del mimetismo STIC y de la simula n de
paráme- ciones simula a th perfiles
velocidad de t ch el
esvehículo w regidas,
inclu sirven aumento t ción CHA
y conductor un vers
a la exactitud acc. uture researc en reco
º que Wiedema
mmended en el sería n la
para ING IM formas plementation drivacuerdo
o der para Fuperfiles r w comióharía potente sobre
modelo ann. También,
de perfiles de ne
DESARROLLO obtener una
grupo ecesarios en agresión p ing
simulatio el tráfico de f cialmente flujo e el
número ord a su más reduc.
Discoveri o Accura
ACKNOOWLEDGM MENT
Esta estera terial es bas ent
sed tras w soporte de trabajo ted por el F iones Federal, NGS ghway ministración u bajo s o
agreeme DTFH61-09-
Nº D endaciones Cualquier ion Hig
- H-00007. su findin eADM, y hor conclusionessariamente
recomme ex vista de quexpressed en él º publicati ighwayopini son de la autenticación(s) y d no nece
Adm reso puerto
reflejan º El
haría th hors Federal Hola aquellos
gracias y
Director de gusta a exp supp ministración. el
tecnología y ious Y. David Ya Ngang, el FH ect. HWA acuerdo ement
ntinued en el maneras GUI: GDr. CY idance este proje niaEllos w
agradecimiento
r, por su as haría también en ike
li a
de Virginia tudy en
personas con un durin la Virgen Tech T ShaneTransportatioInstituto Kelly quien
autenticaciónTed Olson a lavari Greg Fitch, McL Laughlin, K Stanley yy
st.
en contribut Rebecca
21
Higgs, Abbas, y Medina
referencias
1. Wiedemann, R., Simulación des Strassenverkehrsflusses. Schriftenreihe des Instituts für Verkehrswesen der
Universität Karlsruhe, Banda 8, Karlsruhe, Alemania. 1974.
2. PTV-AG, VISSIM Manual de usuario 5.10. 2008.
3. Olson, R., et al., La distracción del conductor EN OPERACIONES vehículo comercial.
2009, Centro para camiones y autobuses de Seguridad; Virginia Tech Institute Transporte: Blacksburg VA. pag.
285.
6. Brackstone, M., Tipos psicológicos conductor y coche siguiente: Existe una correlación? Los resultados de un estudio
piloto. 2003. p. 6.
7. Schultz, GG y LR Rilett, Análisis de Distribución y calibración de parámetros de sensibilidad siguiente coche en
modelos microscópicos de tráfico de simulación. 2004: p. 11.
8. Panwai, S. y H. Dia, Evaluación comparativa de comportamiento microscópico auto-siguiente.
IEEE Transactions on Intelligent Transportation Systems, 2005.
6 ( 3): p. 314-325.
9. Siuhi, S. y M. Kaseko, Estudio paramétrico DE COMPORTAMIENTO estímulo-respuesta para
modelos de seguimiento. TRB anual 2010 CD-ROM de reuniones,
2010.
10. Osaki, H., Reacción y anticipación en el siguiente comportamiento del coche. En Actas del Simposio
Internacional 12 sobre la teoría del flujo de tráfico y transporte, 1993.
11. Subranmanian, H., Estimación de Modelos siguiente coche. Proyecto Fin de Carrera, 1996.
12. Ahmed, KI, Modelado de aceleración de pilotos y Lane cambiar el comportamiento. Tesis doctoral, 1999.
15. Hoogendoorn, S. y R. Hoogendoorn, Un marco genérico para la calibración conjunta Estimación de coches
siguientes modelos utilizando microscópica de datos. TRB anual 2010 CD-ROM Reunión, 2010: p. 17.
22