Tugas Pemodelan dan simulasi
Nama : Aditya lazuardi Npm: 50405018 Kelas :4IA12 Link File : http://www.dit.hua.gr/pythagoras/Docs%20&%20PDF/scsc07_tra ffic_final.pdf
Universitas gunadarma 2008
A Cellular Automata Framework for Studying Expandable Traffic Flow Models Ourania Hatzi Stephanos Thomas Vassilis Dalakas Mara Nikolaidou Dimosthenis Anagnostopoulos Harokopio University of Athens 70 El. Venizelou Str, 17671 Athens, GREECE. Kata kunci : Traffic Flow Modelling, Cellular Automata, Micro-simulation, MATLAB Abstraksi Pengenalan metode dari physic static untuk pemodelan arus lalu lintas , seperti model Automata selular, memungkinkan lebih cepat dari dari waktu yang sebenarnya daru simulasi traffic pada lalu lintas rangkaian jaringan dengan sekala besar. Sebuah isu utama yang dihadapi oleh usaha tersebut adalah expansi dari model network. Makalah ini membahas perkembangan selular Automata frame work untuk simulasi mikro pada arus lalu lintas kendaraan di jalan-jalan dan jalan raya, yang diimplementasikan pada MATLAB. Perhatian telah diberikan kepada modularitas untuk model yang telah diusulkan, untuk menyediakan tidak cukup dengan hanya expandability, tetapi juga parameterization dan idependece dari aturan simulasi. Tujuannya Tujuan kami adalah utk mengakomodasi kajian kritis lalulintas,termasuk propertinya. dengan melibatkan beberapa parameter dalam model dan memfasilitasi pembangunan model hierarchical traffic modular dan mencoba dengan alternatif simulasi rulesets. Langkah pertama dalam menggabungkan metodologi ini adalah untuk memvalidasi kerangaka usulan dengan memberikan hasil perhitungan dan perbandingan. 1.
PENDAHULUAN Berbagai model yang berbeda untuk arus lalu lintas telah dikembangkan oleh para ilmuwan dari matematika, phisyc dan teknik untuk mengatasi masalah lalu lintas yang berbeda. Satu di antara model ini adalah model Automata selular. Sebuah automata selular (CA) merupakan ciri-ciri yang terdiri dari sebuah model yang tidak terbatas, bagian-bagian kecil kotak, menyatakan dalam satu dari jumlah yang terbatas [1]. Model dasar untuk simulasi lalu lintas adalah model single-line yang berlainan dalam ruang dan waktu [2]. Yang mengatur perilaku ditentuka oleh beberapa aturan sederhana tanpa kehilangan fenomena penting dalam dinamika lalu lintas. Model lalu lintas kompleks adalah dibangun dengan model singleline dengan komposisi sederhana, untuk mewakili, misalnya, dua jalur lalu lintas dan berbagai jenis
kendaraan. Model selular automaton untuk arus lalu lintas mikroskopis seharusnya menggunakan metode simulasi. Simulasi mikro adalah dinamis dan model stokastik dari setiap pergerakan kendaraan, dalam sistem sarana transportasi. Gerakan kendaraan dalam arus lalulintas dianggap tergantung pada gerakan kendaraan sebelumnya dan perilaku dari pengendaa dapat dipertimbangkan [3]. Karena perubahan dalam teknologi kendaraan terjadi yaitu kendaraan baru yang mempunyai transmisi otomatis dan semiotomatis yang sedang berkembang, dan perilaku pengendara dari waktu ke waktu, peraturan dalam arus lalulintas dalam simulasi harus disesuaikan. penambahan fitur tersebut akan memfasilitasi eksplorasi arus lalu lintas di tahap dasar, model klasi single-line mungkin tidak cukup akurat. Selain itu, sebagian besar simulasi manajemen proyek lalu lintas memerlukan kajian sebelum realisasi, agar biaya yang digunakan dapat diperhitungkan. Oleh karena itu, pusat perhatian pada kemampuan simulasi kontemporer perkotaan di lingkungan komples [46]. Sejauh ini, terdapat berbagai pemakaian perangkat mikro-simulasi, seperti TRANSIMS [7], dimana fasilitas parameter yang digunakan dengan model road network. Namun, model expandability dan komposisi parameter itu tidak diberikan, sementara aturan dalam simulasi yang terdapat dalam model tidak dapat diubah. Dalam makalah ini suatu kerangka CA adalah berdasarkan usulan yang memungkinkan definisi dan pembelajaran herarki, modular, model parameter, dan fasilitas dari model intervnsi tidak hanya untuk model jaringan jalan (road network) tapi untuk aturan pada simulasi itu sendiri. Pengembangan alat perangkat lunak menggunakan MATLAB juga dibahas. Kendala utama yang dihadapi dalam upaya kami sejauh ini adalah hasil dari validasi karena kurangnya referensi yang memadai dan hasil empiris untuk model kompleks. Ini bukan untuk kasus yang sederhana, model satu jalur (singleline), yang dimana hasil validasi tidak menjadi masalah, sebagaian perkerjaan dapat ditemukan dalam literatur [8-11]. Dengan demikian, kami memutuskan untuk menerapkan model tersebut dalam sistem yang diusulkan untuk
mengakomodasi validasi. Langkah pertama ini dianggap berhasil karena hasil simulasi approximasi empiris, yang dibuat dapat diuji denga alat, seperti dibahas dalam bagian berikut. Meskipun telah menggunakan alat yang mempunyaikemampuan untuk mengakomodasi model kompleks , validasi belum didapat, karena adanya kekurangan hasil dari empiris tersebut. Kami sedang memusatkan perhatian kea rah ini, mengumpulkan hasil empiris untuk jaringan dalam kota sementara eksploitasi aturan alternatif simulasi, menggambarkan perilaku berkendara di kota Athena, tujuan dari upaya ini menjadi dekat. Namun, penyediaan parameter lingkungan yang disajikan sebagai berikut, yang mampu mewujudkan fitur di atas, hal-hal yang perlu diperhatikan adalah efisiensi model sekenario eksploitasi alternatif lalu lintas. Hal-hal yang perlu diatur adalah sebagai berikut Bagian 2 meninjau ulang seluler Automaton Model, bagian 3 adalah memprsentasikan struktur kerangaka kami dan usaha pengimplementasiannya. dan Bagian 4 membahas untuk pengembengan kepannya dan tujuan. 2.
MODEL CELULAR AUTOMATA Pendekatan yang diajukan berdasarkan selular automaton model untuk lalu lintas jalan bebas hambatan yang diusulkan oleh Nagel Kai dan Michael Schreckenberg [1]. Model didefinisikan oleh vector yang terdiri dari sites, juga dikenal sebagai sel. Dengan ukuran tiap sel tersebut biasanya ditetapkan hingga 7,5 m. Setiap sel bisa kosong, atau diduduki oleh kendaraan. Dalam model yang sebenarnya, semua kendaraan berukuran sama dan berkecepatan antara nol dan umax, yang merupakan parameter dari model. biasanya, nilai realistis untuk umax adalah 5. memperbaharui posisi dari kendaraan melibatkan tiga peraturan, dimana, setiap langkah yang dikerjakan, menentukan kecepatan kendaraan. Peraturan tersebut adalah sebagai berikut: Akselerasi: jika kecepatan kendaraan yang belum mencapai kecepatan maksimum umax, meningkat sebesar 1. Perlambatan bawah: jika kesenjangan antara kendaraan dan kendaraan sebelumnya, dihitung dalam sel, adalah kurang dari kecepatan kendaraan, kecepatan adalah yang dituliskan untuk jeda-1. Acak: Dengan kemungkinan pdec, dengan kecepatan kendaraan dikurang 1. Peraturan di atas dijalankan dan kecepatan dihitung untuk setiap kendaraan yang ada dalam sistem. Pada akhirnya, posisi setiap kendaraan yang diperbarui sesuai dengan kecepatan. Agar hasi pengukuranl yang mengacu sesuai dalam kehidupan nyata, setiap langkah dianggap 1 detik.
Proposal dari model dibagi menjadi dua jenis batas kondisi ke: sistem tertutup dan sistem terbuka. System tertutp digunakan dalam lalu lintas dalam lingkaran, dimana tidak ada kendaraan yang memasuki atau meninggalkan sistem, sehingga jumlah kendaraan adalah konstan. Di sisi lain, sebuah sistem terbuka adalah lebih realistis untuk model lalu lintas perkotaan, karena menganggap ada poin masuk dan keluar di mana kendaraan masuk dan keluar dari sistem, masing-masing. Kedua jenis batas kondisi akan digunakan dalam model diusulkan. Untuk menunjukkan struktur jalan dan efek dari peraturan di atas terhadap kecepatan kendaraan, dapat dilihat pada contoh (Gb. 1).
Gambar 1. Salah satu contoh model selular Automata untuk arus lalu lintas di jalan satu arah. Jalan yang ditunjukkan di atas terdiri dari dua belas sel, tiga yang diduduki oleh kendaraan dengan kecepatan seperti yang ditunjukkan. Yang pdec untuk contoh ini diatur 0,33, Oleh karena itu, ratarata 1 dari 3 kendaraan akan dipaksa untuk mengurangi kecepatan. Menerapkan aturan akan berakibat kendaraan pertama akan meningkatkan kecepatan sebesar 1 tetapi kemudian menurun lagi karena dari jarak antara kendaraan pertama (V1) dan kendaraan kedua (V2). Kedua kendaraan telah mencapai umax, maka tidak akan meningkatkan kecepatan lebih lanjut. Didalam kasus acak (randomization) memerlukan kendaraan untuk memperlambat, dengan kecepatan akan dikurangi menjadi 4. Akhirnya, ketiga kendaraan (v3) memiliki kecepatan yang memungkinkan untuk meninggalkan sistem. Untuk memperbaharui posisi kendaraan aka terjadi , kenaikan waktu simulasi dan untuk simulasi berikutnya akan dimulai lagi dengan menerapkan aturan yang sama. Langkah-langkah yang paling penting dalam model ini adalah arus lalu lintas dan kepadatan lalu lintas, yang, pada satu jalur, yang memperhitungkan dari data pengukuran lokal. Arus lalu lintas didefinisikan sebagai jumlah kendaraan per unit waktu dan dihitung sebagai berikut:
Rata-rata kepadatan lalu lintas didefinisikan sebagai jumlah kendaraan per unit panjang dan dapat dihitung dari sekitar arus lalu lintas dan kecepatan rata-rata:
Pendekatan ∆xj ≈ ∆t ⋅ VJ (x, t) ini hanya berlaku jika semua kendaraan yang
terdeteksi sekitar bergerak dengan kecepatan yang sama pada interval waktu ∆t. 3.
KERANGAKA KERJA dan IMPLEMENTASI
Usulan kerangka yang terpadu di lingkungan bertujuan meningkatkan expansi dan parameter dari model jaringan jalan dan manipulasi simulasi aturan alternatif. Ini arsitektur adalah modular, dalam pemesana untuk beberapa bagian yang berbeda dari yang satu sama yang lain dengan mudah dan dpt diubah. Simulasi dan eksploitasi hasil perbandingan fitur yang tertanam dalam kerangka (Gb. 2).
Gambar 2. Usulan kerangka arsitektur. Pendekatan modularitas dan usulan yang digambarkan dari model jaringan jalan memfasilitasi skalabilitas ketika mempelajari tentang jaringan jalan besar. Simulasi aturan tetap sama, sedangkan jaringan jalan dapat diperbesar kesegala arah. Selain itu, bagian baru dapat ditambahkan progresifnya, kapan saja, untuk jaringan jalan yang ada. Kerangka ini memfasilitasi: Pendefinisian parametris dari model jaringan jalan (road network). Mempermudah modifikasi dan perluasan jaringan jalan yang ada model. Aturan dapat menyesuaikan diri dengan mudah dapat diubah. Parameter simulasi Visualisasi dari hasil simulasi dalam grafik dan perbandingan dengan data empirik. 3.1. Model koseptuas dan Jaringan representation
Usulan metodologi yang akan disajikan di bagian ini, hasil pembangunan system modular yang terpadu untuk model kesegala arah dari jaringan jalan, yang dilalankan di MATLAB.
Model konseptual jaringan jalan, seperti yang dirancang dalam sistem yang diusulkan, terdiri dari jalan dan pertemuan. Setiap jalan dibagi menjadi jalur dan bagian, dan setiap bagian dalam sel. Pertemuan mungkin sederhana, dalam kasus yang biasa menunjukkan prioritas undang-undang lalu lintas kendaraan, atau mungkin memiliki
lampu lalu lintas, dalam kasus yang mereka hadapi untuk diperhitungkan. Selain itu, sistem telah masuk dan keluar poin, dimana kendaraan masuk dan keluar dari sistem dan dikumpulkan dalam statistik Sejauh properti sebagai bagian dari jalan yang bersangkutan, masing-masing bagian memiliki kapasitas yang telah ditetapkan, yang menunjukkan jumlah sel, dan faktor perlambatan, yang menunjukkan seberapa sering kendaraan berjalan lambat di dalam jalan ini dan banyak kemungkinannya Setiap kendaraan yang diwakili entitas memiliki parameter yang berbeda, contohnya kecepatan. Parameter-parameter yang digunakan dalam kombinasi aturan simulasi dan parameter lainnya, di dalam sistem, untuk menghasilkan pembeharuan untuk posisi kendaraan. Kendaraan bermotor yang dimasukkan ke dalam sistem dalam pemberian nilai, sesuai yang telah ditetapkan untuk menilai kedatangan yang diberikan oleh pengguna didepan sebagai parameter dari setiap titik awal. Saat mereka dalam sistem, mereka dapat memenuhi tepat satu sel pada suatu waktu, karena mereka semua dianggap sebagai ukuran yang sama. Akhirnya, mereka menuju keluar dari sistem poin, yang mempengaruhi statistik sesuai dengan langkah-langkah. Ketika melaksanakan model di dalam MATLAB, kombinasi dari array dan variabel lain digunakan. Langkah pertama adalah untuk membuat jaringan jalan. Hal ini dapat dicapai melalui menjawab pertanyaan sederhana tentang strukturnya. Untuk memperlihatkan ini, berikut jaringan jalan sederhana yang disajikan sebagai contoh (Gb. 3).
Informasi yang diberikan ke sistem termasuk interarrival waktu untuk bagian ini, karena merupakan titik awal untuk sistem, kapasitas bagian jalan, dengan pelaksanaannya, jalur sekitarnya , dan
Gambar 3. Contoh jalan masuk dan keluar ditandai dengan poin Jaringan terdiri dari lima jalan satu jalur dan pertemuan antara mereka, dua di antaranya memiliki lampu lalu lintas. Serta arah jalan masuk dan keluar dari jaringan juga ditandai dengan poin. Membagi jaringan menjadi jalan, bagian dan hasil pertemuan dalam skema berikut (Gb. 4)
Gambar 4. Para perwakilan dari jaringan jalan dalam model selular Automata Sebuah contoh pemasukan informasi untuk bagian pertama jalan 1 di MATLAB sebagai berikut (Gb. 5):
Gambar 5. contoh iputan data jalan
pertemuan pada awal dan akhir bagian jalan. Sama prosedur yang harus diikuti untuk setiap bagian dalam sistem. Kemudian, dapat disimpan dan diubah di lain waktu, digunakan untuk menjalankan simulasi lalu lintas dengan aturan yang dicantumkan dalam sistem simulasi, atau digunakan dengan berbagai set aturan simulasi. Perlu dicatat bahwa model jaringan jalan yang disimpan sebagai file teks sederhana agar mudah diperluas dan dimodifikasi. Misalnya, jika modeller ingin menambahkan crosswalk dalam 3 bagian dari jalan 2, bagian ini dapat dibagi menjadi dua bagian, dan informasi baru dapat mengganti data yang lama dalam file teks, tanpa ada perubahan lebih lanjut. Begitu juga, jalan baru atau jalan bagian dapat ditambahkan ke jaringan dengan menambahkan data baru ke file teks. Informasi Lampu lalu lintas dapat diberikan dengan cara yang serupa. Pada contoh berikut, diberikan informasi tentang lampu lalu lintas di Jalan 1 (Gb. 6).
Gambar 6. Contoh pemasukan data lampu lalu lintas. 3.2. Simulasi Setiap langkah dari simulasi terdiri dari tiga sub-langkah berikut: Menginport kendaraan Memperbaharui letak kendaraan Memajukan waktu simulasi Langkah-langkah di atas terdiri dari berbagai modul sistem. Oleh karena itu, setiap satu adalah berbeda dari yang lain, sehingga memungkinkan pembuatan percobaan yang berbeda dengan set aturan simulasi Model yang dilaksanakan dalam sistem yang diusulkan adalah asli oleh Nagel dan Schreckenberg. dengan aturan simulasi yang sama dan diikuti dengan konvensi untuk panjang sel dan kecepatan maksimum. Pada setiap langkah, aturan yang menentukan kecepatan dari setiap kendaraan yang dipercepat, diperlambatan dan Acak, dan pada akhirnya posisi kendaraan adalah diperbarui sesuai dengan kecepatan ini. Kemungkinan kecepatan
acak, disebut sebagai pdec, yang diperkenalkan dalam sistem sebagai parameter dari masingmasing bagian jalan, sehingga tiap bagian dapat memiliki berbagai kemungkinan. Peraturan di atas adalah penyandian dalam sistem dan turut dilaksanakan. Selama kendaraan tetap di bagian yang sama di jalan raya, memsukan data posisinya adalah tugas yang mudah. Namun, perhatian harus pustakan untuk mengambil tindakan yang sesuai ketika kendaraan mendekati akhir dari pindah bagian jalan, dan kecepatan memungkinkan untuk meninggalkan bagian jalan ini. Prioritas dalam pertemuan dan lampu lalu lintas indikasi harus dipertimbangkan. Selain itu, ada kemungkinan bahwa kendaraan telah mencapai jaringan keluar jalur, sehingga statistik harus diperbarui. 3.3. Hasil Validasi Dalam rangka untuk memvalidasi usulan metodologi dan alat yang sesuai, serangkaian langkah-langkah yang harus dilakukan: Pertama, model simulasi lalu lintas harus menggunakan peraturan-peraturan yang asli CA model oleh Nagel dan Schreckenberg. Selain itu, angka hasil itu harus disosialisasikan dan dibandingkan dengan hasil empiris. Sebuah jaringan sederhana yang terdiri dari satu jalan dengan dua bagian adalah contoh yang simulasi untuk mendapatkan hasil yang diujikan. Simulasi dilakukan untuk dua nilai yang berbeda dari kemungkinan faktor pdec, yang melayani Acak tujuan dan seberapa sering menunjukkan kecepatan kendaraan dikurangi (Gb. 7). Ukuran kepentingan dalam contoh ini adalah jumlah kendaraan yang berjalan melalui jaringan di setiap langkah simulasi. Mempertimbangkan hasil dari simulasi model sederhana dan kedekatannya dengan hasil empiris, kelayakan usulan alat didirikan. Dengan demikian, eksperimen ini dapat dilanjutkan dengan model lalu lintas yang lebih kompleks.
Gambar 7. Perbandingan hasil simulasi dan empiris. 4.
KESIMPULAN dan PENGEMBANGAN KEDAPANNYA Usulan kerangka meliputi definisi dan eksperimen dari hierarhical modular dan model aturan simulasi dalam mode independen. Kami sedang bekerja pada sebuah studi kasus dari sebuah kota mandiri dalam jaringan di pusat kota Athena, untuk hasil empiris yang sedang dikumpulkan. Hal ini akan memungkinkan validasi dari kompleks lalu lintas jaringan, sedangkan eksploitasi alternatif simulasi aturan, menggambarkan diterjemahkan perilaku berkendara di kota Athena, juga dieksplorasi. CA peraturan yang ada adalah memperkaya untuk memastikan keakuratan. Langkah berikutnya dilihat sebagai berikut: Kemampuan untuk memasukkan metrix jenis lain dalam sistem, seperti dalam lingkungan. Kombinasi kendaraan dan lalu lintas pejalan kaki dalam satu alat simulasi. Ini memerlukan pasangan simulasi aturan dari kedua bidang [12]. ontoh aplikasi simulasi tersebut akan menjadi penentuan lokasi tepat penyebrangan pejalan kaki di daerah perkotaan, dalam rangka mengoptimalkan keselamatan. Pengakuan Penelitian ini didukung oleh Pythagoras di bagian program (MIS 89198) co-didanai oleh Pemerintah Yunani (25%) dan Uni Eropa (75%). Referensi [1] von Neumann, J. 1966, The Theory of self reproducing automata. Edited by A. Burks, Univ. of Illinois Press, Urbana [2] Nagel K and Schreckenberg M. 1992, “A cellular automaton model for freeway traffic”. J. Physique I 2 2221 [3] Knospe W., Santen L., Schadschneider A. and Schreckenberg M. 2001, “Single-vehicle data of highway traffic:microscopic description of traffic phases”. Phys. Rev. E at press th
[4] 58 Traffic and Safety Conference, May 911,2007, Columbia, Missouri. Available online via http://muconf.missouri.edu/traffic/index.html [accessed April 19, 2007].
[5] Ontario Traffic Conference, Ontario. Available online via http://www.otc.org/otcweb2 [accessed April 19, 2007]. [6] European Transport Safety Council. Avalable online via http://www.etsc.be/home.php [accessed April 19,2007]. [7] TRANSIMS, The TRansportation ANalysis and SIMulation System project. Los Alamos National Laboratory. [8] Simon P. M. and Nagel K. 1998, “Simplified cellular automaton model for city traffic”. Phys. Rev. E 58, 1286 – 1295 [9] Fouladvand M. E., Shaebani M. R., Sadjadi Z., 2004, “Intelligent controlling simulation of traffic flow in a small city network”. Journal of the Physical Society of Japan, vol. 73, no11, pp. 32093214. [10] Ping-Hua H., Ling-Jiang K., Mu-Ren, L. 2002 “A study of a main-road cellular automata traffic flow model”. Chinese Physics Beijing Journal, VOL 11; PART 7, pages 678-683. [11] Barlovic R., Esser J., Froese K., Knospe W., Neubert L., Schreckenberg M., Wahle J., 2001, “A cellular automaton traffic flow model for online simulation of traffic”. Parallel Computing, Volume 27 , Issue 5, Special issue on cellular automata: from modeling to applications, Pages: 719 – 735. [12] Blue, V.J., Embrechts, M.J., Adler, J.L. 1997, “Cellular automata modeling of pedestrian movements”. IEEE International Conference on Systems, Man, and Cybernetics 1997, 12-15 Oct 1997 Page(s):2320 – 2323 vol.3
