A data-driven two-lane traffic flow model based on cellular automata
这是一篇发表在 Physica A 上的一篇论文。cellular automata意思是细胞自动机
摘要
本文提出了一个基于蜂窝自动机的数据驱动的双车道交通流模型。长短期记忆(LSTM)和支持向量机(SVM)被用来分别从车辆的真实运行数据中学习汽车跟随行为和变道行为的特征。在最佳网络参数下,LSTM网络对训练和测试数据的平均绝对误差分别只有0.001和0.006;而SVM分类器对这两个数据的预测准确率达到0.99以上。此外,还设计了更符合实际情况的前进规则和变道规则。仿真结果表明。(1)新模型能够反映从自由流到同步流的一阶相变;(2)在低密度交通区,不成功的变道频率接近零,但在高密度区域急剧增加;(3)随着交通密度的增加,变道时间和不成功的变道频率显示出类似的趋势。
模型结构
模型分为三个部分,即前进规则(FR)、变道(LC)决策和不成功的LC。这些部分的更新规则分别由LSTM(LSTM-FR)、SVM(SVM-LD)和SVM(SVM-UL)网络决定。