2023年美賽數(shù)學(xué)建模A題翻譯版論文

數(shù)學(xué)建模競賽(MCM/ICM)匯總表基于細(xì)胞的高速公路交通模型自動(dòng)機(jī)和蒙特卡羅方法總結(jié)基于元胞自動(dòng)機(jī)和蒙特卡羅方法,我們建立一個(gè)模型來討論“靠右行”規(guī)則的影響。首先,我們打破汽車的運(yùn)動(dòng)過程和建立相應(yīng)的子模型car-generation的流入模型,對于勻速行駛車輛，我們建立一個(gè)跟隨模型,和超車模型。然后我們設(shè)計(jì)規(guī)則來模擬車輛的運(yùn)動(dòng)模型。我們進(jìn)一步討論我們的模型規(guī)則適應(yīng)靠右的情況和,不受限制的情況,和交通情況由智能控制系統(tǒng)的情況。我們也設(shè)計(jì)一個(gè)道路的危險(xiǎn)指數(shù)評價(jià)公式。我們模擬雙車道高速公路上交通(每個(gè)方向兩個(gè)車道,一共四條車道),高速公路雙向三車道（總共6車道)。通過計(jì)算機(jī)和分析數(shù)據(jù)。我們記錄的平均速度,超車取代率、道路密度和危險(xiǎn)指數(shù)和通過與不受規(guī)則限制的比較評估靠右行的性能。我們利用不同的速度限制分析模型的敏感性和看到不同的限速的影響。左手交通也進(jìn)行了討論。根據(jù)我們的分析,我們提出一個(gè)新規(guī)則結(jié)合兩個(gè)現(xiàn)有的規(guī)則(靠右的規(guī)則和無限制的規(guī)則)的智能系統(tǒng)來實(shí)現(xiàn)更好的的性能。1介紹1.1術(shù)語1.2假設(shè)2模型2.1設(shè)計(jì)的元胞自動(dòng)機(jī)2.2流入模型2.3跟隨模型2.4超車模型2.4.1超車概率2.4.2超車條件2.4.3危險(xiǎn)指數(shù)2.5兩套規(guī)則CA模型靠右行無限制行駛規(guī)則3補(bǔ)充分析模型3.1加速和減速概率分布的設(shè)計(jì)3.2設(shè)計(jì)來避免碰撞4模型實(shí)現(xiàn)與計(jì)算機(jī)5數(shù)據(jù)分析和模型驗(yàn)證5.1平均速度5.2快車的平均速度5.3密度5.4超車幾率5.5危險(xiǎn)指數(shù)6在不同速度限制下敏感性評價(jià)模型7駕駛在左邊8交通智能系統(tǒng)8.1智能系統(tǒng)的新規(guī)則8.2模型的適應(yīng)度8.3智能系統(tǒng)結(jié)果9結(jié)論10優(yōu)點(diǎn)和缺點(diǎn)10.1優(yōu)勢10.2弱點(diǎn)引用附錄。1Introduction今天,大約65%的世界人口生活在右手交通的國家和35%在左手交通的國家交通流量。[worldstandards。歐盟,2023]右手交通的國家,比如美國和中國,法規(guī)要求駕駛在靠路的右邊行走。多車道高速公路在這些國家經(jīng)常使用一個(gè)規(guī)則,要求司機(jī)在最右邊開車除非他們超過另一輛車,在這種情況下,他們移動(dòng)到左邊的車道、通過，返回到原來的車道。這種通過和超車的駕駛規(guī)則被稱為“靠右行駛”規(guī)則,或是我們的論文keepright規(guī)則。左手交通規(guī)則的國家是鏡像對稱的和靠右的規(guī)則相同(“,除了通過，全都靠左行走”)。所以,應(yīng)用這些規(guī)則的目的為何?靠右的規(guī)則能改善高速公路交通狀況嗎?交通能從靠右的限制中解放出來嗎（車輛可以選擇從任何一方超車）交通解除靠右行的限制被稱為服從不受限制的規(guī)則，靠右的規(guī)則執(zhí)行能和不受限制的規(guī)則是如何比較的?基于元胞自動(dòng)機(jī)模型和蒙特卡羅算法,我們建立一個(gè)模型來模擬在不同條件下高速公路交通(靠右的規(guī)則或限制規(guī)則,根據(jù)交通或交通擁擠,雙車道或三車道)。我們的模型分為3個(gè)子模型（進(jìn)入模型,跟隨行駛模型和超車模型）。進(jìn)入模型采用泊松概率分布的模擬vehicle-generation過程。跟隨模型引入了一個(gè)特別的概率分布模型,使模擬的過程一輛車跟隨另一輛車更為現(xiàn)實(shí)。超車模型模擬了超車行為,定義了危險(xiǎn)指數(shù)的安全風(fēng)險(xiǎn)評估對于某些高速公路。我們也建立一個(gè)智能系統(tǒng)控制的擴(kuò)展交通模型我們在MATLAB中實(shí)現(xiàn)該模型,獲得足夠的數(shù)據(jù)。我們測試了平均速度、密度、超車取代率和危險(xiǎn)指數(shù)，分析它們的屬性評估靠右的規(guī)則的性能相比較無限制的規(guī)則。此外,我們分析我們的模型在不同的速度限制下的敏感性。事實(shí)證明,我們的模型是可靠的。然后我們得出我們的結(jié)論符合常識。在交通智能的控制下，我們還提出一種新的規(guī)則。V當(dāng)前車輛的速度Vm車輛的最大速度Vl高速公路的速度上限V0超車前的速度V1超車過程的速度G車輛的間距Gs安全考慮所需的最小差距G0停車后最小的差距Tr(人類反應(yīng)時(shí)間)Po超越概率Pa加速概率Pb減速概率f制動(dòng)時(shí)的摩擦力d在一個(gè)超越事件的危險(xiǎn)指數(shù)D道路系統(tǒng)的危險(xiǎn)指數(shù)a超車加速度Ap車道超車組件加速度Ad可行的減速Terminology?雙車道公路:兩個(gè)車道在路的右前衛(wèi),總共四條車道。?Three-lane路:三車道在路的右前衛(wèi),總共6車道。?危險(xiǎn)指數(shù):索引設(shè)計(jì)在我們的論文評估的危險(xiǎn)道路系統(tǒng)。?最小安全差距:認(rèn)為兩輛車之間的距離在我們的模型足夠安全。?靠右規(guī)則:保持正確的除了通過規(guī)則。?無限制的規(guī)則:車輛不受限制,可以超越別人任何一方。?Free-driving風(fēng)格:當(dāng)沒有附近的車輛,司機(jī)不會(huì)故意加速或減速,但速度仍將小幅波動(dòng)。1.2Assumptions?路是直的,并且沒有旁路。?一個(gè)車道的寬度只夠一車。?所有車輛都有相同的體積。?只有兩種車輛在路上(一快一慢)。?環(huán)境和氣候?qū)﹂_車有好處。?駕駛右邊是常態(tài)。?行人被忽略。TheModels2.1DesignofCellularAutomata元胞自動(dòng)機(jī)(CA)表明,在大量的前人交通模擬(瓦格納Petal.2005)的基礎(chǔ)，CA模型是可行和有效的方法來模擬交通流。空間、時(shí)間和狀態(tài)都是離散的細(xì)胞自動(dòng)機(jī)。例如,該模型將道路劃分成小矩形將時(shí)間分為時(shí)間單位。這個(gè)特性顯著簡化模擬過程。此外,細(xì)胞的狀態(tài)由周邊控制，細(xì)胞的這一組規(guī)則,非常類似于現(xiàn)實(shí)生活中的交通汽車的運(yùn)動(dòng)很大程度上取決于周邊汽車運(yùn)動(dòng)。因此,對我們來說是合理應(yīng)用元胞自動(dòng)機(jī)在解決我們的問題。在我們的模擬中,我們每個(gè)車道劃分為1000個(gè)細(xì)胞。每個(gè)細(xì)胞都是4米在長度和寬度兩個(gè)屬性上,當(dāng)前速度V和最大速度Vm。每個(gè)細(xì)胞是空的即當(dāng)V為0,因?yàn)橐惠v車不會(huì)停止，模擬時(shí)是絕對無故障。我們簡單的認(rèn)為只有一個(gè)方向的高速公路。因此，高速公路有n條車道轉(zhuǎn)化為n*1000矩陣。在我們的模擬中,我們使用兩種類型的汽車,快的速度的模擬汽車和緩慢的模擬卡車。對于每一個(gè)車道,前6個(gè)細(xì)胞作為car-generation區(qū)域,車流觀察至少10細(xì)胞和交通密度計(jì)算的基礎(chǔ)上至少500個(gè)細(xì)胞。我們的模型每秒更新一次,當(dāng)周期T=1s為一個(gè)司機(jī)的平均反應(yīng)時(shí)間我們討論了CA模型的基本過程:?流入過程:根據(jù)流入模型,我們將討論最近的,分配車輛vehicle-generation地區(qū)。?加速過程:如果V<Vm,?V為汽車增加的速度,和新的速度V’=V+?V。?減速過程:如果車輛與車輛之間的距離(前保險(xiǎn)杠和后保險(xiǎn)杠的距離,我們稱之為的差距,用G表示差距及其單位是細(xì)胞。當(dāng)沒有車輛,G=+∞。)不超過V,車輛減速V’=(G?1)/T。?移動(dòng)過程:車輛前進(jìn)通過V‘*T細(xì)胞只有當(dāng)G>Gs(V‘)。(Gs(V’)是為了安全考慮,所需的最小差距和是被定義之后。)具體的規(guī)則將被設(shè)置在流入模型中,下面的模型和超車模型是為了模擬靠右行車交通規(guī)則和自由行車交通規(guī)則2.2InflowModel流入模型,或vehicle-generation模型,模擬了隨機(jī)到達(dá)高速公路的入口處的車輛。對于每一個(gè)車道,前六個(gè)細(xì)胞在元胞自動(dòng)機(jī)中設(shè)置為vehicle-generation區(qū)域。我們假設(shè)每輛車的到達(dá)服從二項(xiàng)概率分布。讓ts表示采樣時(shí)間間隔和N表示在ts時(shí)間內(nèi)車輛的總數(shù)。然后N可以近似服從泊松概率分布。讓Pt(N)表示N的可能性，于是我們有ts表示在一秒,我們可以分配N的期望的值的范圍從0到3.6。N作為在每一秒中到達(dá)的總車輛,N的期望能有效地反映交通狀況。λ越小,交通越輕松。因此我們能夠模擬不同流量條件下,交通的輕或重,通過分配相應(yīng)的值λ。λ的值設(shè)定后,我們得到了進(jìn)入高速公路的車輛模擬每一秒的隨機(jī)號碼。每個(gè)車道然后隨機(jī)分配進(jìn)入。我們的車輛模型支持兩種不同的速度范圍,假設(shè)所有車輛的初始速度設(shè)置為20m/s。這種做法帶來了簡化而不削弱結(jié)果。這是因?yàn)橛捎诮煌芏瓤刂坪图铀俣鹊姆植几怕实囊?，所有車輛的速度往往是一個(gè)值。當(dāng)交通密度低,車輛可以自由加速到最大速度,而不用擔(dān)心沖突,因此收斂速度在允許的最高速度而不用擔(dān)心撞車。當(dāng)交通密度高,所有的通道將充滿車輛,交通流的速度是由車道上速度最慢的車決定,因此收斂速度是在較低的速度限制。經(jīng)過初步分析，收斂速度模型稍后將合理的實(shí)現(xiàn)。利用泊松概率分布使流入模型接近現(xiàn)實(shí)和實(shí)用。由于收斂趨勢,一樣的初速度在不改變的情況下就能得到簡化。2.3Vehicle-FollowingModel美國聯(lián)邦公路管理局的部門定義司機(jī)的反應(yīng)時(shí)間PIEV時(shí)間。PIEV時(shí)間由四部分組成:?感知過程:司機(jī)在駕駛環(huán)境中感知的變化。?理解過程:司機(jī)分析關(guān)于變化的信息。?評估過程:司機(jī)決定根據(jù)他的駕駛行為分析。?意志過程:司機(jī)執(zhí)行駕駛行為我們應(yīng)用PIEV在勻速行駛模型和超車模型。在每次循環(huán)中,我們首先獲得每輛車的速度和位置，計(jì)算差距，然后確定駕駛行為(無論繼續(xù)或改變車道超車后)。根據(jù)駕駛行為,計(jì)算加速度和更新的速度和位置駕駛行為的決定主要是基于當(dāng)前的差距。如果差距G是足夠安全,加速度是可行的;否則,車輛應(yīng)緩慢下來。在這里,我們定義的最小安全距離Gs取代Tr*V(Tr代表PIEV時(shí)間,V是當(dāng)前速度。)我們假設(shè)駕駛行為決定遵循一定的原則:?當(dāng)G>Gs,車輛會(huì)加速(后來我們將介紹一個(gè)概率模型去模擬這種傾向),直到實(shí)現(xiàn)高速公路速度限制或其最大可能速度;?當(dāng)G<Gs,是否超車或跟隨由超越概率Po和超車條件決定(Po和超越條件將在超車模型中講到)。當(dāng)跟隨時(shí),車輛加速,減速或保持原來的速度。我們引入兩個(gè)參數(shù)(SUNyue2005),加速概率Pa和減速概率Pb。速度越高,Pa越小，Pb越大。Vl代表最高的高速公路限速,Vmax是車輛的最大可以達(dá)到速度。這個(gè)概率模型考慮到,超速是不能忽視的這一事實(shí)。當(dāng)V>Vl,Pa會(huì)變得更小和Pb會(huì)變得更大,這使得超速的可能性很小。我們使用一個(gè)隨機(jī)變量R來實(shí)現(xiàn):如果R<Pb、車輛減速;?如果R>1?Pa車輛加速;否則,車輛保持目前的速度?；诟怕誓Ｐ?我們對元胞自動(dòng)機(jī)創(chuàng)建多個(gè)規(guī)則來實(shí)現(xiàn)(車輛的最大可能速度Vmax,當(dāng)前的差距G,最低安全差距Gs及其速度由V表示,Pa、Pb是有關(guān)速度V的函數(shù)和Pa+Pb<=1。?自由駕駛規(guī)則:如果G≥Gs,?安全減速規(guī)則:如果G<Gs且繼續(xù)向前行駛不會(huì)相撞Vmin是最低速度限制?不相撞規(guī)則:如果不能前進(jìn),停止在前車輛的后邊。Pa和Pb的值在表2為快車,表3為緩慢的。？2.4OvertakingModel2.4.1OvertakingProbability司機(jī)將決定是否超過另一輛車的概率Po。Po概率取決于車輛A和前方的車輛B。讓Vmax1是A車輛的速度,Vmax2是B車輛的速度。Po概率應(yīng)滿足:？它合理的假設(shè)了速度差異越大,越有可能是加速的事實(shí)。這種概率分布很好的反映這種趨勢。2.4.2OvertakingCondition司機(jī)不能按他喜歡的方式去超車。超車有時(shí)是危險(xiǎn)的,車輛能夠成功超車,即能夠回到正常車道,在不超車請靠右行駛的準(zhǔn)則?如果當(dāng)前差距G大于Gs,在跟隨模型應(yīng)用自由駕駛規(guī)則;?如果G左邊的車道上的差距大于Gs,應(yīng)用Po概率超車模型,并應(yīng)用以下模型概率1?Po2.5.2UnrestrictedRule同樣地,當(dāng)我們沒有這樣的限制的實(shí)現(xiàn)模型,另一種規(guī)則是需要的:(列出的規(guī)則優(yōu)先級,也就是說,如果第一個(gè)規(guī)則是滿足,以下的忽視。)?如果當(dāng)前差距G大于Gs,使用跟隨模型遵循自由駕駛規(guī)則;?如果超車條件滿足,并且左邊的車道上的差距G大于Gs,應(yīng)用通過從左邊超車模型Po概率，,并應(yīng)用跟隨模型與概率1?Po;?如果超車條件滿足,并且在正確的車道上的差距G大于Gs,應(yīng)用通過從右側(cè)超車模型Po概率,并應(yīng)用跟隨模型與概率1?Po。SupplementaryAnalysisontheModel3.1DesignoftheAccelerationandDecelerationProbabilityDistributions我們介紹的加速和減速概率分布設(shè)計(jì)跟隨模型模擬駕駛過程中速度的變化。根據(jù)密度，系統(tǒng)可以校正平均速度。當(dāng)密度小,車流的平均速度接近自由駕駛的汽車的平均速度的概率分布。當(dāng)密度很大,路上開慢的車能減速后面的汽車。換句話說,汽車速度慢的車確定平均速度。當(dāng)高速公路相對擁擠,最慢的車期望速度降低,從而影響路面的平均速度。3.2DesigntoAvoidCollision當(dāng)模擬交通擁擠時(shí),我們設(shè)計(jì)規(guī)則以避免車禍。通常情況下,高速公路限制最低速度，,但當(dāng)發(fā)現(xiàn)自己太過接近而不能超車時(shí),它可以剎車以避免碰撞盡管有低速度限制，當(dāng)高速公路擁擠,減速的次數(shù)增多以避免碰撞，平均速度會(huì)低于下限的速度。ModelImplementationwithComputer基于元胞自動(dòng)機(jī)模型和蒙特卡羅算法,我們成功地通過MATLAB實(shí)現(xiàn)了我們的模型。從一個(gè)簡單的情況下,我們第一次模擬2車道的高速公路下靠右的規(guī)則。然后稍微的改變規(guī)則,我們有無限制雙車道模型進(jìn)行比較。我們擴(kuò)展模型，模擬實(shí)現(xiàn)了3車道的高速公路和規(guī)則條件。此外,在交通靠左行駛規(guī)則下,以不同的速度限制以及交通由一個(gè)智能系統(tǒng)也能實(shí)現(xiàn)。為了看到交通擁擠的影響，我們用不同的流入率測試這些模型。通過足夠的模擬數(shù)據(jù),我們可以精確分析靠右走在擁擠和稀松交通的情況,包括車流和安全，平均速度，交通密度和超車頻率之間的權(quán)衡。我們進(jìn)一步討論靠左規(guī)則的影響和智能系統(tǒng)。圖顯示了車輛,預(yù)期流入率是0.5veh/s,小型汽車的比例是較大的車輛的二倍,在三車道上。圖記錄位置的所有車輛在每一個(gè)時(shí)間周期。紅色代表小型汽車和綠色代表大的車輛。每三列代表高速公路的一個(gè)時(shí)間周期狀態(tài)。DataAnalysisandModelValidation5.1AverageVelocity車流對于vehicle-generationrate呈線性關(guān)系。我們選擇車流的平均速度來反映交通效率。從雙車道模型和三車道模型我們分析數(shù)據(jù)，,在靠右規(guī)則和無限制規(guī)則下。平均速度和車流率之間的關(guān)系在不同條件下的圖4和圖5所示。很明顯,在雙車道模型中,一般靠右的規(guī)則產(chǎn)生更快的平均速度。當(dāng)涉及到三個(gè)車道或者更多車道的高速公路時(shí)，靠右的規(guī)則不能再提高平均速度。根據(jù)圖我們可以看到,當(dāng)vehicle-generation率超過0.75veh/s,無限制的規(guī)則勝過靠右的規(guī)則。我們可以從圖中得到高車流量可能引發(fā)交通堵塞,。當(dāng)車流量高于1.8veh/S,兩個(gè)模型中的平均速度都低于高速公路最低限速。如果忽視了其他車輛的干擾(也就是說,車輛以自由規(guī)則的方式行駛在空的高速公路),平均速度,或者我們稱之為理想速度最慢是19.44m/s,和理想最快速度是25.88米/秒。(數(shù)據(jù)來自我們的MATLAB仿真。)我們可以從圖4和5,看到，當(dāng)車流量很低,靠右的規(guī)則幾乎可以達(dá)到理想的速度,但不受限制的規(guī)則就不理想。我們可以從分析得出在三車道高速公路,靠右走在車流量小時(shí)能促進(jìn)車輛的平均速度，但改善沒有改善交通擁擠的交通效率。然而雙車道高速公路上,靠右走能顯著促進(jìn)了車輛的平均速率。5.2AverageVelocityofFastCars我們計(jì)算了在三車道模型平均速度更快的汽車速度。我們主要專注快車是為了研究快車被慢車阻塞的程度關(guān)系總的趨勢是下降的原因如下:?大型車輛(慢)可能阻塞道路導(dǎo)致限制小型汽車的速度。?越擁擠的高速公路,平均速度越會(huì)被慢的車輛影響。當(dāng)流入率相對較低時(shí)速度上升。這是因?yàn)樵陂_始,流入率如此之低以至于汽車幾乎沒有被超車,這使得他們以自由的風(fēng)格行駛。隨著流入率在較低的范圍(0-0.5-阿明費(fèi)/s)提高時(shí)，汽車有更多的機(jī)會(huì)去超速以至于他們加速的可能增加和平均速度增加。曲線的趨勢也可以解釋,密集的交通(在一個(gè)某些范圍)能刺激司機(jī)超車的愿望。5.3Density這四個(gè)圖表顯示在不同的規(guī)則下每個(gè)車道的車流密度。我們發(fā)現(xiàn)靠右的規(guī)則能引起車道的不平衡使用,在現(xiàn)實(shí)中可能的結(jié)果在車道中不同程度的磨損。所以對車道不同程度的交錯(cuò)修復(fù)可以減小對車道的損壞5.4OvertakingRate我們在五分鐘內(nèi)總結(jié)在三車道中超車或通過事件的發(fā)生在無限制的規(guī)則下,左超車和右超車是相等的，所以兩邊的車流量大約是相同的。在靠右的規(guī)則下,如果可能的話大部分車輛行駛在右車道，這樣騰出左邊的車道,于是更能滿足超車的要求，使得這種事件的發(fā)生的可能大于行駛在左車道,。高通過率能使更快的汽車減少被速度較慢的車輛的限制，,充分體現(xiàn)靠右的規(guī)則。除此之外,在右車道太多的車行駛會(huì)大大提高安全隱患。這些數(shù)據(jù)是非常重要的對我們評價(jià)道路系統(tǒng)的危險(xiǎn)指數(shù)。5.5DangerIndex在交通狀況好的情況下，危險(xiǎn)系數(shù)是低的。在交通狀況密集的情況下，高速公路是擁擠的車速是慢的，所以危險(xiǎn)系數(shù)也是低的。只有當(dāng)車流密度出現(xiàn)在中間水平時(shí),危險(xiǎn)指數(shù)Dm是高的。我們從圖表中知道在兩車道和three-lane情況下Dm在靠右的規(guī)則下明顯低于沒有限制規(guī)則。SensitivityEvaluationoftheModelunderDifferentSpeedLimitations我們修改高速公路的速度上限,并且這一結(jié)果說明我們的模擬是可行的。我們測試速度上限從32m/s到28米/秒和到36米/秒從數(shù)據(jù)上看，盡管速度限制不同,但這三種模型表現(xiàn)出一個(gè)特性——vehicle-generation率的期望越低,平均速度約高。這一事實(shí)表明,我們的模型適用于大范圍的情況。我們也總結(jié)相應(yīng)在不同速度限制情況下的危險(xiǎn)指數(shù),結(jié)果是由常識得到的。限制的速度越高，危險(xiǎn)程度越大。在我們的模型中速度限制不會(huì)出現(xiàn)任何顯著的變化。DrivingontheLeft.（問題四）我們討論了右手交通,現(xiàn)在,讓我們考慮左手交通。事情完全鏡面對稱,右邊的交通。所以我們需要右邊的模型中使用的汽車駕駛在左邊。和我們的右手模型一樣，左手交通也是可以模擬的TransportationunderIntelligentSystem（問題五）8.1NewRuleforIntelligentSystem我們在計(jì)算機(jī)上模擬后,我們?yōu)橹悄芟到y(tǒng)制定新規(guī)則使其能達(dá)到最佳性能?當(dāng)車流量低于1.5veh/s,汽車應(yīng)該遵循靠右的規(guī)則。否則,它遵循的無限制規(guī)則。我們將在以下部分解釋為什么我們選擇這樣的規(guī)則。8.2AdaptionoftheModel如果車輛交通的道路是在智能系統(tǒng)的完全控制下，某些情況會(huì)改變:?一個(gè)司機(jī)的反應(yīng)時(shí)間不再重要。?車輛不再隨機(jī)變化速度,但在必要的時(shí)候會(huì)改變。?換車道的危險(xiǎn)顯著降低。?換車道的風(fēng)險(xiǎn)從左到右和從右到左是相同的，因?yàn)樵谝粋€(gè)智能系統(tǒng)中一輛汽車司機(jī)的視線沒有盲區(qū)。?判斷汽車是否應(yīng)當(dāng)超車是更科學(xué)和更少的主觀。智能系統(tǒng)模型的主要目標(biāo)是實(shí)現(xiàn)一個(gè)高級的交通流量控制。我們認(rèn)為一個(gè)智能系統(tǒng)不會(huì)像人類一樣厭倦或分心，所以它不會(huì)犯錯(cuò)誤。因此,不會(huì)發(fā)生,除非車輛本身出故障。在安全方面,我們簡單的認(rèn)為是速度的函數(shù)。先前的分析和現(xiàn)在的CA模型基礎(chǔ)上,我們建立了一些額外的規(guī)則:?改變反應(yīng)時(shí)間0.1秒,得到更小的最小安全車距。?不再隨機(jī)變化速度。變化的速度會(huì)更有價(jià)值。我們調(diào)整自由駕駛速度改變的可能性(pa加速概率，Pb減速概率)分布表:?改變超車概率Po表:8.3ResultofIntelligentSystem當(dāng)車流量很低,靠右的規(guī)則是更好的提高平均速度。這是容易理解的。無限制的規(guī)則下,慢行的車輛不會(huì)變換車道,除非超車。因此他們可能會(huì)阻擋整個(gè)道路,導(dǎo)致道路通行狀況差。但靠右的規(guī)則將提供給超車的車輛更多的機(jī)會(huì)。當(dāng)車流量高時(shí),道路上的車輛密度在靠右走的規(guī)則下會(huì)變得不均衡。最右邊的車道變得如此擁擠以至于平均速度大大降低。但在無限制的規(guī)則下車輛均勻分布在道路,所以無限制高速公路不會(huì)擁擠。Conclusions靠右行走在很多國家,甚至一些國家法律中確定。通過建立一個(gè)合理的模型和實(shí)際路況的仿真,我們發(fā)現(xiàn)在某種程度上靠右走規(guī)則可以分割快速