WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

Предложено начальный и конечный образы относить к различным осям координат (начальным и текущим). Для описания деформации предлагается использовать совмещенные оси координат. Построена математическая модель распределения перемещений объектов в поле зрения водителя. Выражения для поля перемещений получены в текущей и начальной системах координат для прямолинейного и криволинейного движения автомобиля. Разработан аппарат для локального анализа деформации образа дороги.

Закругление дороги, при подходе автомобиля к нему, как правило, находится в области «неподвижности», поэтому скорость трансформации трассы в поле зрения водителя будет невелика. В таком случае для описания изменяющегося вида дороги достаточно определить деформацию образа трассы. Проведен анализ деформации: получены выражения для тензора малых деформаций и формулы изменения угла поворота кривой в поле зрения водителя. Разработанная методика позволяет количественно оценить деформацию различных геометрических объектов в поле зрения водителя и, в частности, изменение угла поворота трассы дороги при подходе к закруглению при различных параметрах движения автомобиля. Выделение и количественное описание параметров деформации образа кромок дороги и разделительной линии дают возможность учесть их при анализе влияния закругления на режим движения, не ограничиваясь лишь геометрическими характеристиками кривой.

Изучение промежуточных состояний, или частной последовательности конфигураций системы «среда – сетчатка», является неотъемлемой частью исследования течения (непрерывного движения элементов образа), для которого определено переменное во времени поле скоростей на поверхности сетчатки. Выведены формулы поля скоростей (оптического потока) в текущей и начальной системах координат для прямолинейного и криволинейного движениий в различных случаях: при направлении взгляда водителя под углом к направлению движения, при фиксации взгляда на поверхности дороги, при прослеживающих движениях глаз водителя за подвижным объектом и т.д. Построение полей перемещений и скоростей было реализовано на ЭВМ в виде пакета прикладных программ. Получены уравнения для нахождения линий тока оптического потока и траекторий движения образов текстурных элементов среды в поле зрения водителя. Если движение стационарное, то линии тока определяют потенциальный путь, по которому будут следовать текстурные точки в поле зрения водителя. Таким образом, можно предложить следующее формальное описание зрительной плавности трассы дороги с учетом характеристик движения автомобиля: если линии тока оптического потока, вызванного движением автомобиля, имеют одинаковое направление с кромками дороги, то движение автомобиля осуществляется гладко и бесконфликтно, не требуя коррекции.

Проведено исследование скорости деформации среды в окрестности точки на сетчатке глаз водителя; получены выражения для тензора малых скоростей деформации при прямолинейном и криволинейном движениях автомобиля.

Математический анализ полей оптического потока позволил получить простые аналитические выражения для вычисления размеров и формы характерных областей трансформации среды в поле зрения водителя (областей «размытости» и «неподвижности»).

Исследовано влияние движения глаз водителя на строение поля скоростей. Доступная водителю в процессе движения зрительная информация была разделена на две составляющие: зависящую и не зависящую от движения глаз. Разделение поля скоростей на внутренне и внешне обусловленные компоненты совпадает с разложением на соленоидальную и потенциальную составляющие. Показано, что водитель может уничтожить соленоидальную составляющую соответствующим движением глаз. Потенциальная (свободная от вихрей) составляющая не зависит от движения глаз водителя. Вся информация о направлении движения автомобиля, структуре среды и времени до столкновения с различными объектами содержится в потенциальной составляющей, которая полностью определяется дивергенцией поля оптического потока. Таким образом, выделение ламинарного поля скоростей имеет значение при моделировании КС.

Третья глава диссертации посвящена экспериментальной проверке разработанного кинематического подхода к зрительному восприятию водителя, экспериментальной оценке распределения скоростей и интервалов в потоке для калибровки модели транспортного потока.

В результате эксперимента по догону лидера получены величины времени до столкновения, выбираемые водителем для смены локомоторных программ. Анализ полученных экспериментальных данных показал, что стратегии движения, построенные на оценках времени до столкновения (скорости деформации образа автомобиля-лидера), используются при догоне и при движении за лидером.

Для проверки гипотезы о влиянии величины времени до столкновения на принятие решения водителем экспериментально исследовано поведение водителей на пересечении. Первый автомобиль двигался с постоянной скоростью, которая корректировалась по мере приближения к перекрестку. Водитель второго, стоящего на перекрестке автомобиля, осуществлял маневр проезда перекрестка, пересекая траекторию первого автомобиля. Фиксировались пройденный первым автомобилем путь и характерные моменты развития дорожно-транспортной ситуации (ДТС).

Коэффициент линейной корреляции зависимости расстояния от скорости в целом по всем данным был равен 0,7, при встраивании перед лидером - 0,8. Это объясняется тем, что при встраивании на полосу приближающегося автомобиля риск столкновения особенно велик. Из построенных диаграмм рассеяния видно, что экспериментальные точки в этом случае располагаются почти на одной прямой, тангенс угла наклона которой равен дивергенции поля оптического потока. Средний временной интервал между моментом принятия решения о пересечении пути вторым водителем и моментом прохода перекрестка первым автомобилем составил 8,0 с при среднеквадратическом отклонении 3,2 с. Вычисленная исходя из дивергенции оптического потока оценка этого временного интервала вторым водителем составила 8,1 с при отклонении 2,9 с.

Таким образом, подтверждается значимость дивергенции для принятия водителем решения о начале движения при встраивании в поток, при проезде перекрестка, при догоне лидера и при движении за лидером.

Экспериментально исследованы закономерности движения транспортных потоков на двухполосной дороге. Полученные частотные распределения скоростей автомобилей и интервалов между автомобилями применялись для калибровки моделей транспортного потока.

Четвертая глава диссертации посвящена определению показателей БДД и анализу мест концентрации КС с помощью численного моделирования движения транспортного потока.

Используемые модели транспортного потока должным образом описывают качественные характеристики транспортного потока. Модели основаны на том, что сумма тормозного пути и пути, пройденного ведомым автомобилем за время реакции водителя, должна быть меньше, чем тормозной путь автомобиля впереди плюс расстояние между автомобилями.

Простая схема правил для описания движения автомобилей в потоке сформулирована по аналогии со способом, используемым в модели клеточных автоматов: первое правило позволяет вычислить максимальную «безопасную» скорость исходя из взаимодействия с лидером; второе правило означает, что скорость ограничена желательным ускорением, безопасной скоростью и максимально возможной скоростью; в третьем уравнении введено случайное возмущение, чтобы учесть отклонение от заданной стратегии движения (замедление автомобиля).

Модель была обобщена на случай наличия на дороге нескольких узких мест. Для описания движения автомобилей используется модернизированная схема правил, в которую добавляются безопасная скорость и желательная скорость движения на участке с помехой. В данной модели каждый водитель при определении своего движения принимает во внимание не только следующий впереди автомобиль, но и приближение к узкому месту.

Предыдущие модели транспортного потока были построены на взаимодействии двух автомобилей: ведомого (1) и лидера (2). Однако водитель может (особенно в плотном потоке) при определении своего поведения принимать во внимание не только характеристики движения лидера (2), но и лидера своего лидера (3). Чтобы учесть такое упреждение, необходимо отказаться от известной модели «следования за лидером» и строить модель транспортного потока на взаимодействии трех движущихся друг за другом автомобилей.

Модель «трех автомобилей» обобщает представленную выше базовую модель для однополосной дороги. В этой модели ведомый водитель (1) будет стараться упредить действия своего лидера (2) на следующем временном шаге. Эти действия, выраженные через оценку скорости лидера (2), обусловлены дистанцией между автомобилями (2) и (3) и скоростью автомобиля (3). Водитель (1) будет использовать полученную оценку в дальнейшем для определения своей безопасной скорости. Новое положение каждого автомобиля на следующем временном шаге вычисляется после определения его безопасной скорости согласно используемой ранее схеме преобразования координат автомобилей в потоке.

Объединение базовой модели с моделью «трех автомобилей» позволило получить смешанную модель, в которой водители могут использовать ту или иную стратегию поведения, т.е. либо включать предвидение, либо обходиться без него. Проведено обобщение моделей на случай четырехполосной дороги.

Все описанные математические модели были реализованы численно. Моделировалась система с периодическими граничными условиями. Максимальная скорость движения автомобилей равнялась 110 км/ч.

В модели используются показатели для определения степени опасности движения на виртуальном участке дороги. Показатели основаны на подсчете количества ситуаций с критическими величинами времени до столкновения, при которых время до столкновения было меньше возможного предельного значения.

Показатель опасности определяется на каждом шаге моделирования для каждого водителя. Его величина в расчете на единицу времени моделирования и на одного из водителей вычисляется с помощью формулы

. (1)

где 1, если и 0 во всех других случаях.

Показатель опасности (суммарное время до столкновения в расчете на один автомобиль и на единицу виртуального времени наблюдения ) имеет вид

. (2)

Был введен также показатель средней тяжести одной КС, который имеет размерность времени

. (3)

Модели правильно воспроизводят качественные особенности движения транспортного потока. Численный эксперимент показал, что в системе может происходить спонтанное разделение на области высокой и низкой плотности. Области высокой плотности соответствуют ударным волнам и транспортным пробкам, низкой плотности – свободному потоку. Модель позволяет количественно охарактеризовать макроскопическую неоднородность транспортного потока. Выявлено, что увеличение общей плотности потока приводит к монотонному росту доли автомобилей, находящихся в пробках, и к увеличению скорости роста пробок (увеличение плотности потока с 26 до 30 авт./км вызывало увеличение скорости роста пробки от 4 до 10 авт./мин).

Получены распределения расстояний между автомобилями для различных плотностей, при которых в системе присутствуют пробки. Распределения являются бимодальными. Два максимума распределений для различных плотностей расположены в одних и тех же местах. Изменяется только величина этих максимумов. Это подтверждает, что поток может находиться в свободном состоянии и в состоянии затора (транспортной пробки).

Распределения величин времени до столкновения в транспортном потоке (рис. 2) построены для двух различных плотностей, при которых в системе присутствуют и отсутствуют макроскопические неоднородности. Отсутствие пробок и ударных волн в транспортном потоке приводит к сдвигу частотного распределения в сторону больших величин времени до столкновения, превышающих пороговое значение, равное 2,6 с. Таким образом, можно сделать вывод, что КС сопутствуют ударным волнам в транспортном потоке. Это подтверждается расположением КС и ТК на пространственно-временной диаграмме транспортного потока при наличии в нем макроскопических неоднородностей. С помощью разработанного графического метода анализа мест концентрации КС показано, что КС имеют место, прежде всего, на границе скачков уплотнения в транспортном потоке. Метод позволил выявить наличие цепных КС в системе, которые могут служить предвестниками цепных ДТП. Показано, что скорость распространения цепных КС может почти в три раза превышать скорость распространения ударной волны в транспортном потоке.

Рис. 2. Распределения величин времени до столкновения при наличии (плотность 30 авт./км) и отсутствии (плотность 20 авт./км) макроскопических неоднородностей в потоке

Получена зависимость среднего времени «жизни» транспортных пробок, возникающих перед узким местом, от средней плотности автомобилей в моделируемой системе (рис. 3). Зависимость имеет линейный характер, при этом коэффициент корреляции оказался достаточно высоким ().Определена зависимость показателя опасности движения от длины пробки в процессе ее зарождения и роста.

Рис. 3. Зависимость среднего времени «жизни» транспортной пробки (в минутах) от средней плотности потока (авт./км) (длина узкого места 10 м, ограничение по скорости в области узкого места =40 км/ч)

Выявлено, что показатель опасности растет при увеличении средней плотности потока. Показатель средней тяжести КС с ростом средней плотности быстро достигает постоянного максимального значения и в дальнейшем практически не зависит от плотности.

Показатели опасности и снижаются с ростом длины препятствия и увеличением скорости в узком месте. Увеличение длины узкого места от 50 до 550 м приводит к более чем десятикратному уменьшению показателя опасности (рис. 4) при ограничении скорости в области узкого места до 40 км/ч. Получена зависимость показателя от ширины полосы дороги в узком месте. Модель позволяет оценить степень влияния на поток и уровень БДД двух и более близко расположенных препятствий: искусственных неровностей, съездов и въездов на магистраль, пешеходных переходов и т.д.Посредством вычислительного эксперимента проведено сравнение традиционной модели следования за лидером и модели движения транспортного потока, построенной на взаимодействии трех автомобилей. Выявлено, что учет третьего автомобиля приводит к появлению малых временных интервалов между автомобилями в моделируемой системе (меньше 1 с), что совпадает с результатами проведенного натурного эксперимента.

Рис. 4. Зависимость показателя опасности от длины узкого места (ограничение скорости 40 км/ч, средняя плотность 19 авт./км)

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»