研究文章|开放访问
云轩李,Zeyang Cheng,Jian Lu,林张那 “交通工汗的车辆非经济优先级赋予行为的混合流动蜂窝自动化模型“,高级运输杂志那 卷。2020.那 文章ID.5073023那 11. 页面那 2020.. https://doi.org/10.1155/2020/5073023
交通工汗的车辆非经济优先级赋予行为的混合流动蜂窝自动化模型
摘要
车辆非严格优先让路行为是许多国家机动车与非机动车之间交通互动的一个普遍现象。摘要提出了一种混合流元胞自动机模型来模拟人行横道上车辆在自行车前通过。该混合流模型将车辆模型和自行车模型结合起来,分别使用与决策点规则和发射规则相关的非严格优先让路和严格让路两种驾驶行为。仿真结果表明,随着车辆和自行车入流率的增加,临界入流率将车辆和自行车交通流分为自由流和饱和流两种情况。车辆饱和流量从0.34下降到0.05,自行车饱和流量从0.54下降到0.44,说明混合交通流对车辆和自行车饱和流量有负向影响。结果还表明,VNPGWB与严格让路相比,能有效改善车辆饱和流量。当车辆和自行车处于交通流饱和状态时,VNPGWB的优势更明显。
1.介绍
在欧洲和亚洲的许多国家,自行车仍然是一个重要的运输方式。例如,在中国,超过38%的通勤者选择自行车作为其主要旅行模式[1那2].值得注意的是,近年来电动自行车已经迅速发展,中国的电子骑自行车数量超过2.5亿[3.那4.].此外,共享自行车也因其方便而受到极大的欢迎[5.那6.].但是,由于他们在碰撞中的脆弱性,骑自行车者的安全风险高于车辆的驱动器[7.那8.].自行车(包括电子骑自行车)和车辆之间的碰撞往往会造成严重的伤害和死亡。一些研究表明,90%的骑车者死亡是由与车辆的碰撞引起的[6.那9.-11.].事实上,竞争优先权的车辆和自行车是人行横道冲突和崩溃的常见原因[12.].大多数交通管理人员认为,司机严格应使驾驶员通过人行横道的自行车[3.那13.那14.].然而,实际调查发现,许多国家和地区的司机,如挪威,芬兰,德国和中国,并不严格坚持这一规则[8.那15.-19.].也就是说,在真实的交通条件下,车辆司机可能并不总是认为他们必须遵守传送方式的规则,而是竞争优先程[17.那18.].例如,驾驶员的决定使通过人行横道或不取决于自行车的位置和速度。由于它基于驾驶员的主题评估,因此该行为被定义为车辆非驾驶优先级给予行为(VNPGWB)。
在穿过人行横道的自行车前的车辆的过程中,司机只有两种选择:通过而不停止或停止给予道路[17.].司机通常应该适应他们的速度,以避免危害人行横道的骑自行车者,如果有必要,司机应该停止让位于骑自行车者[12.].这条规则确保了在人行横道上有序地传递车辆和自行车。然而,当车辆和自行车处于饱和交通流量的条件时,车辆流量通常被自行车流量阻挡,这对车辆流量的交通容量产生了重大影响,特别是在无罪的交叉口附近15.那17.].具体来说,当车辆在人行横道等待自行车时,对交通流量的影响很大。在这种情况下,非严格的优先级允许车辆更早地离开冲突区域,减轻对后续车辆的影响,从而提高道路和十字路口的通行能力。因此,尽管对交通安全造成了负面影响,但许多国家在实际的交通管理中默许了不严格的优先级,只要不发生事故,就不处罚违规者[17.那19.].
本研究采用元胞自动机(CA)模型,模拟车辆在VNPGWB的人行横道上从自行车前通过。为了理解VNPGWB,重点是将混合流模型(即车辆模型和自行车模型的集成)与驾驶行为相结合。本研究中的驾驶行为主要分为决策点规则和启动规则。通过调整这两个规则中严格让路和非严格优先让路的驾驶行为比例,可以模拟出VNPGWB的真实交通状况。
本文的其余部分组织如下2评论文学;部分3.详细描述了所提出的混合方法;部分4.措施数值模拟;和部分5.总结了纸。
2.文献综述
以前的几项研究探索了VNPGWB,Räsänen[16.)是第一个研究道路使用者行为变化的机构,该研究基于他们对优先规则的了解,比如转弯的车辆是否需要给来自同一方向或相反方向的自行车让路。结果表明,优先管制对道路使用者行为的影响取决于自行车交叉道的特点。大多数后续研究发现,司机选择让路行为取决于他们对优先顺序的理解。例如,Lin等人[17.[]为右转驾驶员构建了一个包含安全动力和效率动力的微驱动力模型,右转驾驶员是面对非严格优先通过情况时的主导群体。Silvano等人[7.[展示了一个建模框架,以描述当他们接近冲突区域时的驾驶员骑车者交互。在框架中,驱动程序屈服或提供行为,作为几种解释变量的函数建模。马等人。[8.建立了三层数学模型,包括决策层,操作层和约束层,以模拟右转车辆的轨迹的变化。Bai等人。[19.]估计了在非严格优先条件下左转车辆的能力。结果表明,在非严格优先条件下,该模型可以有效地估计具有允许相位的专用左车道的通行能力。综上所述,大多数研究假设所有驱动都遵循VNPGWB;然而,严格选择让道的司机与不选择让道的司机在混合车流中共存。此外,给定的驾驶员在自由流和饱和流条件下可能会做出不同的决策。
在人行横道通过自行车时,大多数司机不断调整其车辆的速度。为了模拟这种行为,本研究将建立一种微观仿真模型。以前研究中使用的最流行的微观仿真方法是汽车之后的模型和蜂窝自动机(CA)模型[20.-22.].由于跟车模型主要模拟的是前后车辆之间的相互作用,因此该模型仅适用于一维运动,不能代表完全混合的交通流。而CA交通流模型则可以充分利用计算机运算,根据各种交通条件灵活地改变其规则。实际上,汽车和自行车的运动是离散的,CA模型可以利用离散的时空和状态变量来调节进化规则,从而描述非线性行为。此外,CA模型可以模拟从自由流到饱和流条件下车辆和自行车行为的逐渐变化[23.-25.].通过长期的模拟,可以发现是否存在从自由流动到饱和流动的相变。近年来,大量的研究使用CA模型来模拟混合交通流。例如,孟等[26.]提出了一种单线CA模型,以模拟摩托车混合流量,并研究了摩托车道改变行为与交通流量密度之间的关系。赵[24.]建立了由两种自行车类型组成的混合自行车交通模型,该模型显示了中国8条物理分离的自行车路径上的自行车交通特征。Ren等[21.[改进了元胞自动机模型,纳入了社会力量,可以描述行人之间的相互作用,使其用于模拟人行横道上的双向行人流量。卢等人[25.]提出了一种模拟模型,以代表人行横道屈服于行人的车辆,并证明了饱和流动和产量行为之间的关系。CA模型可以易于应用于模拟在人行横道上通过自行车的车辆司机的行为。
3.模型
人行横道是车辆和自行车冲突最严重的地区之一。显然,在这个冲突地区,骑自行车的人是道路的脆弱使用者。为了避免碰撞,车辆驾驶员的决策过程从冲突区域的上游开始,确认是否存在潜在的冲突。让路行为的决策过程可以分为两种情况,如图所示1.情况1(数据1(一种)-1(c)):白色汽车(红色盒子)观察了人行横道上的自行车(红色盒子),并选择通过而无法促进途径;情况2.(数据1(d) -1(f):蓝车(红框)在人行横道上看到自行车(红框),停下来让路。根据现场观测,车辆在人行横道通过自行车时,可分为以下步骤:(1)车辆到达决策点;(二)车辆停在冲突区域以外的;(3)车辆通过冲突地区。值得注意的是,VNPGWB只出现在步骤1和步骤2中。这些步骤的示意图如图(图)所示2(一种)-2(c))。当车辆需要通过人行横道时,驾驶员的决策过程开始于冲突区域上游一定距离处,该距离定义为决策点(图1)2(a))。当车辆停止让位于自行车时,驾驶员通常会调整速度并在冲突区域的边界处停止。一旦存在可接受的差距,驾驶员将完成遍历。本研究中的停止位置被定义为发射点(图2(b))。但是,如果司机选择超车而不让道,则不会发生第2步。
(一种)
(b)
(c)
(d)
(e)
(f)
(一种)
(b)
(c)
(d)
(e)
(f)
(一种)
(b)
(c)
(一种)
(b)
(c)
3.1。细胞空间的定义和界定
选择车道和人行横道作为本研究的研究领域。首先,蜂窝空间被定义为二维矩阵,以及N蜂窝空间位置中的蜂窝单元是 .然后,由于车辆和自行车的尺寸不同,定义了更细的蜂窝单元尺寸,以便符合每个的实际速度和最小车辆空间。一辆自行车占用两个细胞单位 和一个汽车 占用6×4个细胞单位。车道宽度是米和T.he bicycle lane widths arem;由此可知机动车道与自行车道的交叠面积为 米2.最后,蜂窝空间位置的冲突区域如图所示3..
3.2。车辆模型
根据车辆在车道上的位置,将车辆模型分为驾驶规则、决策点规则和发射规则三种规则。在遵守驾驶规则时,驾驶员在理解交互规则时,考虑到安全等因素,选择一个可接受的距离。然后,利用决策点规则:当驾驶员观察自行车道时,不同的驾驶员(严格让路和非严格优先让路)对是否让路做出不同的决策。如果车辆减速并停在冲突地区的边界,它将在有一个可接受的间隙时通过该地区发射。发射规则用于确定不同类型的驾驶员做出不同决定时的可接受距离。
3.2.1。车辆规则1:驾驶规则
本研究假设车辆不受变道和反向车道的影响。所有车辆都以预期的最大速度行驶,它们会调整自己的速度,以避免与前面的车辆相撞。对于一个过程 那驾驶规则进化如下:第1步:加速; 第2步:减慢; 第3步:随机化概率 ;如果 那然后 步骤4:运动; 那在哪里和分别表示车辆的位置和速度N;代表车辆加速度; 车辆之间的蜂窝空间数是多少N和车辆N+1;是车辆的长度;和是0到1之间的随机数,其中是随机化的概率。
该型号采用开放边界:当更新车辆的道路位置时,监测头部车辆和尾部车辆的位置和 那在 .如果 那车辆处于速度将进入蜂窝 流入率 .在出路的时候,如果 那车辆将离开道路。
3.2.2。车辆规则2:决策点规则
决策点定义为车辆驾驶员在遇到自行车时需要决定是否让路的地方。为了反映车辆驾驶员的决策过程,在决策点规则中引入了减速约束,决策时间为时间步长。是加速和D.是减速。需要注意的是,决策点的位置不是一个固定的点,而是因驾驶员不同而不同,并受实际情况的影响。在…一瞬间T.,决定点是由 在哪里和代表车辆的位置和速度N, 分别; 是冲突地区边界;求和表示从减速到停止的距离;和表示从减速到停止的时间。
当车辆处于决策点时,驾驶员调整到合适的速度,以确保骑自行车的人安全地穿越冲突区域。合适的速度定义为既能保证车辆安全通过冲突区域又能及时减速停车的速度。为了捕捉不同驾驶员在决策点的随机性,可以使用二元变量( )被呈现为 在哪里 代表驾驶员选择让位于骑车人; 代表驾驶员选择不让路,即选择非威慑优先级使方式;和代表非推动优先授权驾驶员的比例。因此,合适的速度在瞬间呈现T.: 其中,“情况I”是避免与自行车相撞的车辆的最大速度;“Case II”代表不同司机选择让路或不让路;和D.是车辆的减速。
3.2.3。车辆规则3:启动规则
飞行器停在发射点,等待一个可接受的间隙。一旦存在可接受的间隙,司机将利用这个机会完成穿越。可接受间隔定义为车辆成功穿越冲突区域的时间间隔。为了捕捉不同驱动程序在启动点的随机性,另一个二进制变量( )被呈现为 在哪里 表示需要让路并等待自行车穿越冲突区域的司机; 代表选择非推动优先级的司机,使可接受的差距等于车辆的发射时间;和表示VNPGWB驱动程序的比例。因此,可接受的差距是
为了防止车辆长时间静止不动,设置了车辆等待时间阈值T.被定义为。如果车辆的等待时间超过T.,车辆将推出冲突地区,自行车将被迫停止。
3.3.自行车模型
自行车的运动具有很大的灵活性,包括横向运动和垂直运动。本研究选择了一种新的蜂窝型自行车模型来模拟自行车单向旅行,以探讨冲突地区自行车与车辆之间的干扰。该模型由横向移动和垂直移动两个步骤组成,如图所示3..这两个步骤都采用平行规则。自行车可以向左、向前和向右移动: 那 那和描述左前方,前部和右前部的空蜂窝单元数量;和 那 分别在垂直的左边和右边描述空单元格的数量。自行车单元坐标用 那在哪里 意味着没有自行车占据这种细胞;和 意味着有一辆自行车占据了这个细胞;代表自行车的横向速度;代表自行车的垂直速度,和 意味着自行车向左移动; 意味着自行车向右移动;自行车的侧向加速;和是自行车的垂直加速度。
3.3.1。自行车规则1:横向运动
为了过程 那横向移动规则如下:第1步:加速; 第2步:减慢; 那 第3步:随机化概率;如果兰特() > 那然后 步骤4:运动;
该模型采用开放边界:更新车辆的道路位置时,监测头部车辆和尾部车辆的位置和 那在 .如果 那自行车以速度将进入蜂窝 流入率 .在道路的出口点,如果 那自行车将离开道路。
3.3.2。自行车规则2:垂直运动
在这项研究中,自行车可以垂直移动的情况主要有两种。首先,如果前面没有空间,骑自行车的人可以选择垂直运动。第二,如果自行车横向移动,如果任意一侧的空单元数大于或等于前面的单元数,则可以选择垂直移动。具体说明如下:
情况1。如果 = = = 0, the cyclist chooses vertical movement in order to pass the crosswalk as soon as possible, and .如果 那然后 那和 .
情况2。如果 那 那和并非全部零,那么骑自行车的人尽可能地选择前面的最大空间 .如果有两个或多个选择具有相同的最大单元格数,则 那和 = .
3.4。混合流CA型号的算法
为了模拟混合流量CA模型,上述方法集成到一个可执行算法中,该可执行算法在使用Python编程环境中以并行计算设置处理。算法(算法1)计算的过程 .在每个步骤中,以下三个规则从第一到最后一次进行,并且所有人都适用于每个车辆。当算法结束时,将更新并行地应用于所有车辆和自行车。该算法的四个步骤的完整框架如图所示4..
|
4.数值模拟
4.1.仿真参数设置
以下模拟中的数据输入设置如下。细胞大小为1米1米;车辆行车线长度( )是100个单元单元,因此对应于100米;车道宽度( )是4个细胞,对应于4米;人行横道长度( )为100个细胞单位,对应100m;人行道宽度( )是6个细胞单位,它对应于6 m冲突区域的面积是6 4 cell, and it corresponds to 6 4米2.模拟参数如表所示1.为了获得车辆和自行车交通流量数据,虚拟探测器设置在车辆和人行横道的边界处。当车辆或自行车离开车道时,探测器的计数器增加了一个。而且,和问:B.分别为车辆流量和自行车流量,单位为veh/(time lane). The simulation steps are 100,000 s, and the preceding 20,000 s are abandoned.
|
4.2。模型验证
为了验证混合流CA模型的可靠性,交通流量-密度关系是描述人与骑者相互作用的基本图。设置的 = 0.1,= 0.1,T.= 30秒,图5.(a)和6.(a)显示车辆和自行车流量和流入率之间的显微基本关系。当自行车的流入率= 0,没有自行车通过人行横道,车辆流量显示出上升趋势,并在0.34处保持稳定(图)5.(b))。当自行车的流入率 = 1, the maximal point of vehicle flow是0.05(即,饱和流),明显低于 = 0. With more and more bicycles entering the mixed-flow cellular space, drivers must slow down and stop outside the conflict area to avoid crashes. Thus, only a few vehicles cross the conflict area. However, this situation does not occur for bicycle flow 那因为自行车在过人行横道时有优先权。当自行车等待车辆通过冲突区域时,自行车饱和流量仅略有下降。因此,在本文提出的混合流CA模型中,可以观察到从自由流到饱和流的过渡阶段(图)7.(a))。如图所示7.(a),交通系统中车辆与自行车的冲突导致饱和流量下降,说明该模型可以揭示混合交通系统中车辆与自行车之间的相互作用。
(一种)
(b)
(一种)
(b)
(一种)
(b)
(一种)
(b)
(一种)
(b)
(一种)
(b)
4.3。车辆和自行车流过渡阶段
如图所示5.(a)和6.(a),每条曲线都有一个明显的转折点(即临界流入速率)(),将流动分为两个区域:自由流动和饱和流动。本节主要分析了车流之间的过渡阶段和自行车流量 .
为了< 那车辆流量是自由流动,并且车辆流动仅取决于其自身的流入速率 .相反地,对> 那车流就是饱和流,车流独立于自己的速率,它达到其饱和流量 那如图所示5.(一种)。然而,随着自行车流入率的增加 那流入率的临界价值和饱和流量值减少直到达到最小值。为了说明流入率之间的关系和车辆流动 那数字5.(b)显示了四条不同自行车流入率的曲线 .从该图中,显然车辆饱和流量的值从0.34降至0.05,以及流入率的临界值减少0.38至0.08。下降比约为85%。同样,对于< 那自行车流量是自由流动,并且为> 那自行车流是饱和流。自行车流量独立于自己的速率并达到其饱和流量值 那如图所示6.(b)。自行车饱和流的值从0.54降低到0.44,流入流速的临界值减少0.64至0.48。下降比约为19%。
值得注意的是,车辆(自行车)的临界流入量( )逐渐减少自行车(车辆)流入率().此外,车辆和自行车的集体效果仅出现和超越他们的临界价值。批判性流入率( )的相图计算并在Figure7..该过渡阶段可划分为四个区域;例如,行1和行3.是区别I(III)和第II区(IV)的界限,其对应于车辆流入率的临界值 .在I区和区域III中,车辆处于自由流动,而在区域II和IV区,它处于饱和流。作为自行车流入率( )增加,车辆批判流入率( )首先减少,然后保持稳定。同样,自行车临界流入率显示出同样的趋势(行2和行4.).随着两个交通流量之间的逐渐互动,车辆的批判性流入率以及自行车的临界流入量交叉点达到均衡O.( ).
总之,混合流CA模型有效地说明了汽车和自行车从自由流动到饱和流动的过渡阶段。有趣的是,车辆流量的集体效应和自行车饱和流只出现在和超越他们的批判性流入率。
4.4。携带方式与非判断优先级的比较
说明了VNPGWB在混合交通流中的作用,VNPGWB驾驶员的比例和已分别从0.1增加到0.9。数字8.(a)显示了车辆和自行车的流动和流入率之间的关系= 0.9,= 0.9,和T. = 30 s. The vehicle saturation flow increases from 0.34 to 0.36 when = 0, while the vehicle saturation flow increases from 0.08 to 0.12 when = 1. When the bicycle inflow rate is low, the VNPGWB driver will quickly pass through the crosswalk, whereas the strict give-way driver will slow down to pass through the crosswalk due to caution. Thus, the vehicle saturation flow resulting from nonstrict priority behavior is slightly higher than from strict give-way behavior. With the further increase of the bicycle traffic flow rate, the VNPGWB driver can pass through the crosswalk more easily than can the strict give-way driver. In this way, VNPGWB can indeed improve the vehicle saturation flow, as the vehicle saturation flow of nonstrict priority is 1.5 times larger than that of strict give way. Figure8.(b)显示了VNPGWB对决策点规则和启动规则的习惯流量的影响。车辆饱和流量随着VNPGWB驱动器的比例越来越大而减小,VNPGWB在决策点规则中的优势在于启动规则。如图所示7.(b) VNPGWB也影响车辆和自行车的临界流入率。为了 = 0.9 and= 0.9,T.he boundary of行1和行3.向上移动和边界行2和行4.移动。换句话说,随着VNPGWB的增加,自由流动车辆业务的比例增加。
(一种)
(b)
(一种)
(b)
为了进一步验证所提出的模型可以在现实世界中模拟VNPGWB,车道的时空轨迹图如图所示9.和10..显然,本研究中提出的显微镜模型主要用于描述不同的微型驾驶行为。当车辆和自行车处于自由流动时(图9.),大多数车辆通常穿过人行横道,而一些司机选择减速并暂时停止,使蜂窝空间的自行车在40和60之间。如部分所述3.2.2。,决策点不是固定点,其也在空时轨迹图中描绘。当车辆和自行车处于自由流动时,仅限 = 0.1 produces congestion at cellular space 60, and it dissipates very quickly (Figures9(a)和9 (b)).另一方面,当车辆和自行车处于饱和流量时,大多数车辆需要减速并停止在冲突区域之外,如图所示10..在这种情况下,拥塞不能立即消散。这在发射规则中对车辆饱和流量的影响比在发射规则中对车辆饱和流量的影响更显著在决策点规则中。由于自行车饱和流,车辆形成长队列并等待可接受的差距。为了 = 0.1, the stopped vehicle can only be launched when its waiting time exceeds the waiting threshold (Figures10(a)和10(c)).为了= 0.9,some of the space trajectories continue to pass into the conflict area, primarily due to nonstrict priority drivers sometimes choosing to follow the front vehicle through the crosswalk when the bicycle flow is high.
(一种)
(b)
(c)
(d)
(一种)
(b)
(c)
(d)
(一种)
(b)
(c)
(d)
(一种)
(b)
(c)
(d)
总体上,时空轨迹图表明,本研究提出的模型能有效地模拟车辆与自行车之间的干扰。进一步证明,在严格让路条件下,VNPGWB可以改善车流。特别是当车辆和自行车处于饱和流量时,VNPGWB的这种优势是显著的。这些结论可以为这些国家(如中国)在实际管理中默许非严格优先行为提供支持。
5。结论
人行横道是车辆和自行车冲突最严重的地区之一。旨在改善交通流量而不损害安全性,该研究提出了一种新的混合流动蜂窝自动机模型(CA),以模拟人行横道冲突区域中的车辆非经济优先级提供行为(VNPGWB)。要考虑在适当比例中的驾驶行为,所提出的模型在实际交通条件下模拟了VNPGWB。该模型分为三个规则:驾驶规则,决策点规则和发射规则;VNPGWB在决策点规则和启动点规则中发生。仿真模型的主要结果如下:(1)混合流动CA模型有效地将过渡阶段从自由流流到车辆和自行车的饱和流程。随着车辆和自行车流入速率的增加,每个曲线存在临界流入速率,其在自由流动和饱和流之间划分交通流量。此外,仅当流入率超过其临界值时才出现车辆和自行车的集体效果。(2)相图表明,混合交通流对机动车和自行车的饱和流量均有负面影响。当自行车流入率从0增加到1时,车辆饱和流量值从0.34降低到0.05,流入率临界值从0.38降低到0.08。机动车入流率从0增加到1时,自行车饱和流量值从0.54降低到0.44,入流率临界值从0.64降低到0.48。(3)仿真结果表明,非经济性优先行为的车辆饱和流量比严格导致方式大1.5倍,表明VNPGWB可以改善车辆饱和流。空间轨迹图证实了这些结果,从而证明了模拟模型的可靠性。当车辆和自行车处于饱和流动时,VNPGWB对严格的优势使得最重要的是最重要的。
然而,模拟结果仍然需要对观测数据进行校准,以验证模型的准确性。在今后的研究中,建议使用现场数据验证模型参数之间的关联。此外,在本研究中模拟的车辆和自行车的大小和速度缺乏变化是一个限制,这将在未来的模型中得到改善。此外,该模型还可以考虑logistic回归和随机森林等机器学习方法来预测驾驶行为。最后,可以进行类似的研究,在人行横道上使用信号灯或停止标志等设备实施交通控制。尽管如此,这个模型提供了对交通工程师和管理人员有益的见解。
数据可用性
用于支持本研究结果的仿真结果数据可根据要求从相应的作者获得。
的利益冲突
作者声明他们没有利益冲突。
致谢
这项工作得到了江苏省重点研发计划(社会发展)项目(BE2019713)的支持。
参考文献
- C. Yang,W. Wang,X. Shan,J.Jin,J. Lu和Z. Li,“个人因素对发展中国家自行车通勤的影响”,“运输研究记录:运输研究委员会,第2193卷,第2期。1, pp. 96-104, 2010。视图:出版商的网站|谷歌学术
- 李磊,王强,“中国共享单车低碳出行意愿与行为的影响因素”,中国交通大学学报(自然科学版),清洁生产杂志,第212卷,第602-609页,2019。视图:出版商的网站|谷歌学术
- 王超,徐超,夏军,钱志明,“安全知识和心理因素对中国电动自行车骑行者群体违规等危险驾驶行为的影响,”运输研究部分F:交通心理学和行为,卷。56,pp。344-353,2018。视图:出版商的网站|谷歌学术
- L. Yang,Y. Wang,Q.. Bai和S. Han,通勤者的城市形式和旅游模式:武汉和西安,中国的比较案例研究,“中国城市规划与发展杂志,卷。144,没有。2018年1日。视图:出版商的网站|谷歌学术
- D. Zhao,G. P. Ong,W. Wang和X. J. Hu,“建造环境对共享自行车重新分配的影响:”中国南京“,运输研究部分:政策和实践,卷。128,第73-88,2019。视图:出版商的网站|谷歌学术
- X. Wu,W. Xiao,C. Deng,D.C.C.Schwebel和G. Hu,中国城市共用自行车骑手的不安全骑行行为:回顾性调查,“事故分析与预防,卷。131,pp.1-7,2019。视图:出版商的网站|谷歌学术
- A.P.Silvano,H.N.Koutsopoulos,以及X. Ma,“在无罪交叉处的载体自行车相互作用分析:概率方法和应用”,事故分析与预防,卷。97,pp。38-48,2016。视图:出版商的网站|谷歌学术
- Z. MA,J. SUN和Y. WANG,“一种二维仿真模型,用于混合流量交叉口的车削车辆”运输研究部分C:新兴技术,卷。75,pp。103-119,2017。视图:出版商的网站|谷歌学术
- J. Pucher, R. Buehler, M. Seinen,《北美的自行车复兴?》更新和重新评估骑行趋势和政策,”运输研究部分:政策和实践第45卷第5期6,第451-475页,2011。视图:出版商的网站|谷歌学术
- L. Bai,P. Liu,Y. Chen,X. Zhang和W. Wang,“信号交叉口的电动自行车安全效果的比较分析”运输研究部分D:运输与环境,卷。20,pp。48-54,2013。视图:出版商的网站|谷歌学术
- P. Huertas-Leyva,M. Dozza和N.Baldanzini,“在现实世界中调查骑自行车运动学和制动演习:E-Bikes使骑自行车者搬家更快,刹车更加努力,体验新的冲突,”运输研究部分F:交通心理学和行为, vol. 54, pp. 211-222, 2018。视图:出版商的网站|谷歌学术
- A.Høye和A. Laureshyn,“在人行横道上的看法:在学习行人人行横道警告系统之前,”运输研究部分F:交通心理学和行为,卷。60,pp。723-733,2019。视图:出版商的网站|谷歌学术
- h . c .手册,HCM2010。运输研究委员会,国家研究委员会,华盛顿特区,美国,2010年。
- N. Chaurand和P. Delhomme,《道路互动中的自行车手和司机:感知碰撞风险的比较》,事故分析与预防,卷。50,pp。1176-1184,2013。视图:出版商的网站|谷歌学术
- D. P. Allen,J. E. Hummer,N.M. Rouphail和J. S. Milazzo,“自行车对信号交叉口能力的影响”,“运输研究记录:运输研究委员会,卷。1646,没有。1,pp。87-95,1998。视图:出版商的网站|谷歌学术
- M. Räsänen, I. Koivisto和H. Summala,“在不同的优先规则下,自行车交叉路口的汽车司机和自行车手行为”,安全研究杂志,卷。30,没有。1,pp。67-77,1999。视图:出版商的网站|谷歌学术
- 林丁,马伟,李力,王颖,“右转驾驶员非严格优先过马路行为的驱动力模型”,中国公路学报,vol . 21, no . 2, pp . 363 - 368运输研究第B部分:方法论,第83卷,第230-244页,2016。视图:出版商的网站|谷歌学术
- Q. Bai,Y.陈,Z.Qu,P. Tao,N. Cao和Y. Shen,“非经济阶段左转机会在信号中发出允许的阶段:中国实证研究”运输工程,A部分:系统,第143卷,第2期。3, 2017。视图:出版商的网站|谷歌学术
- 白青,曲志忠,宋旭东,熊淑雄,曹北,“一种确定非严格优先级下允许相位的专用左车道容量的方法”,土木工程进展, 2019年,第2357437号,8页,2019年。视图:出版商的网站|谷歌学术
- K. Nagel和M. Schreckenberg,“高速公路交通的元胞自动机模型”,体格杂志,卷。2,不。12,pp。2221-2229,1992。视图:出版商的网站|谷歌学术
- 任刚,卢磊,王伟,龚旭东,“基于信号控制的人行横道交通流微观仿真模型研究”,中国公路学报,2017,30(4):489 - 493。运输研究记录:运输研究委员会,第2434卷,第2434号1, pp. 113-122, 2014。视图:出版商的网站|谷歌学术
- T.-Q.唐,Y.-x.瑞,J.张和H.-Y。尚,“一个蜂窝自动化模型占自行车的团体行为,”Physica A:统计力学及其应用,卷。492,pp.1782-1797,2018。视图:出版商的网站|谷歌学术
- S. Wolfram,一种新的科学, Wolfram Media, Champaign, IL, USA, 2002。
- 赵东,王伟,李春华,“基于元胞自动机的混合自行车交通通过事件建模”,《交通管理学报》,2014年第4期。运输研究记录:运输研究委员会,卷。2387,没有。1,pp。26-34,2013。视图:出版商的网站|谷歌学术
- L.Lu,G. ren,W. Wang,C.-Y。Chan和J. Wang,“一个蜂窝自动机仿真模型,即在无罪中间块人行横道上的行人和车辆互动行为”事故分析与预防,卷。95,pp。425-437,2016。视图:出版商的网站|谷歌学术
- J.P。孟,S.-Q.日常。董和J.-f.张,“摩托车混合交通流量的蜂窝自动机模型”Physica A:统计力学及其应用, 2007年,第38卷,第470 - 480,2007。视图:出版商的网站|谷歌学术
版权
版权所有©2020云轩李等人。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作,则允许在任何媒体中的不受限制使用,分发和再现。