مهندسی ترافیک

مهندسی ترافیک

تحلیل رفتار رانندگان در مواجه با شبکه ترافیکی مبتنی بر نظریه بازی‌ها با تأکید بر تعادل نش

نوع مقاله : مقاله پژوهشی

نویسندگان
1 کارشناس ارشد برنامه‌ریزی حمل‌ونقل، دانشگاه علم و صنعت ایران، تهران، ایران
2 کارشناس ارشد راه و ترابری، دانشگاه علم و صنعت ایران، تهران، ایران
3 کارشناس ارشد راه و ترابری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
4 کارشناس ارشد برنامه‌ریزی حمل‌ونقل، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
چکیده
نوع رفتار کاربران شبکه راه­ ها، می­تواند بر ابعاد ترافیکی، ایمنی و آلودگی صوتی و هوایی شبکه اثرگذار باشد. کاربران راه در مواجه با شبکه راه و نیز دیگر رانندگان، قادر به انتخاب دو سبک رانندگی متفاوت می‌باشند: رانندگی تهاجمی و یا رانندگی تعاملی. آنچه در این مقاله به‌عنوان هدف موردبررسی قرارگرفته شده است، تحلیل سبک رانندگی بهینه از منظر راننده در تصمیم ­گیری مبتنی بر نظریه بازی ­ها و همچنین تحلیل شبکه و تشخیص بهترین سبک رانندگی از منظر شاخص ­های کلان شبکه است به‌گونه‌ای که بهترین وضعیت و عملکرد را برای شبکه در پی داشته باشد. در گام اول با بررسی نرم ­افزارهای شبیه ­ساز به‌عنوان ابزار تحلیل داده‌‌ها، نرم‌افزار Aimsun انتخاب گردیده و سپس سبک رانندگی تهاجمی و تعاملی بر اساس شاخص­ های مربوطه تعریف شده است. بر مبنای سناریوهای چهارگانه مطرح‌شده مبتنی بر نظریه بازی­ ها، شاخص­ های عملکردی از منظر راننده و شبکه بررسی شده است. نتایج نشان می ­دهد که با اتخاذ تصمیمِ سبک رانندگی تهاجمی، صرف‌نظر از نوع رفتار دیگر رانندگان، راننده موردنظر می­تواند با زمان کمتری خود را از مبدأ به مقصد برساند و تعادل نش آن در تصمیم ­گیری، انتخاب رانندگی تهاجمی است، حال‌آنکه با تعمیم این نوع تصمیم ­گیری به کل رانندگان، پارامترها شبکه تنزل پیداکرده و عملکرد آن مختل می‌گردد. ضمن آنکه میزان افزایش مصرف سوخت و درنتیجه آلودگی صوتی و هوای ناشی از آن قابل‌توجه است.
کلیدواژه‌ها

- ناصر علوی، ص، شیرگیر، ب، علی پور، ص، محسنی، ح، بررسی و مقایسه مدل‌های تغییر خط در شبیه‌سازی خرد ترافیک. 1388، نهمین کنفرانس مهندسی حمل و نقل و ترافیک ایران، تهران.
- آموزش کاربردی نرم‌افزار ایمسان، 1394، رحمانی، ا، رمضانی، م، اندیشه طلایی.
- کالیبره نمودن نرم‌افزارهای مهندسی ترافیک – جلد دوم: بررسی تحلیل و پارامترهای مدل‌های پایه در نرم‌افزار شبیه‌ساز AIMSUN – سازمان حمل و نقل و ترافیک شهرداری تهران.
 
- Cases L, Dinesh R, Zubair M, Sharma N, Dixit V, Torday A, Brackstone M, 2015, Modelling and simulation of mixed traffic, Australasian Transport Research.
- Munigety R, Mathew T, 2016, Toward behavioral modelling of drivers in mixed traffic, Transp. In Dev. Econ. 6-26.
- Fredy B, Vortisch, Mathew T, 2014, modelling of motorcycle movement in mixed traffic condition, 94TH Transportation Research Board.
- B.D. Greenshields, 1935, A study of traffic capacity, in: Proceedings of the Highway Research Board, vol. 14, pp. 448–477
- R. Jiang, Q.S. Wu, Z.J. Zhu, 2002, A new continuum model for traffic flow and numerical tests, Transp. Res. B 36 (5)405–419.
- D. Helbing, A. Hennecke, V. Shvetsov, M. Treiber, 2001, MASTER: macroscopic traffic simulation based on a gas-kinetic, non-local traffic model, Transp. Res. B 35 (2) 183–211.
- M. Bando, K. Hasebe, K. Nakanishi, A. Nakayama, A. Shibata, Y. Sugiyama, 1995 Phenomenological study of dynamical model of traffic flow, J. Physique I 5 (11) 1389–1399.
- B.S. Kerner, S.L. Klenov, D.E. Wolf, 2002, Cellular automata approach to three-phase traffic theory, J. Phys. A: Math. Gen. 35 (47) 9971.
- K. Nagel, M. Schreckenberg, 1992, A cellular automaton model for freeway traffic, J. Physique I 2 (12) 2221–2229
- Hongqiang F, Bin J, Junfang T, Lifen Y, 2014, Characteristics of traffic flow at a non-signalized intersection in the framework of game theory, Physica A, 415, 172-180.
- Poznyak A, 2008, Urban Traffic Control problem: a Game Theory Approach, Proceeding of the 17th world congress, the international federation of automatic control, seoul korea.
- Tasca, L., 2000, A Review Of The Literature On Aggressive Driving Research. Aggressive Driving Issues Conference.
- Jasper Laagland, 2005, How to Model Aggressive Behavior in Traffic simulation, University of Twente.
- David Salgado, Dusan Jolovic, Peter T. Martin, Rafael M. Aldrete, 2016, Traffic Microsimulation Models Assessment – A Case Study of International Land Port of Entry, The 7th International Conference on Ambient Systems, Networks and Technologies (ANT 2016), 441-448.
- Peter Hidas, 2005, Modelling Individual Behaviour In Microsimulation Models,transportation research board,
- Abseen R, Nagui M, Christopher F, Bastin S, 2014, Application of AIMSUN Micro Simulation Model in estimating emissions on signalized arterial coridors, TRB 2014 annual meeting, 1-25.
- Mathew, P, 2017, Lane Changing Models: Lecture Notes in Transportation Systems Engineering.
- Kazi Iftekhar Ahmed, 1999, Mo deling Drivers' Acceleration and Lane Changing Behavior, Doctor of Science in Transp ortation Systems and Decision Sciences at the MASSA CHUSETTS INSTITUTE OF TECHNOLOGY
- Golbabaei F, Moghadas nejad F, Noory A, 2014, A microscopic analysis of speed deviation impacts on lane-changing behavior, transportation planning and technology, 37: 4,391-407.
- Aimsun User’s Manual v8-TSS.