1. Can a Markov chain
model traffic flow? : Last
presentation
Can a Markov chain model traffic flow? : Last
presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
2. Can a Markov chain
model traffic flow? : Last
A recap : one lane model presentation
Την προηγούµενη ϕορά µιλήσαµε για το µοντέλο σε µια λωρίδα Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
µε χρήση KMC Βορδώνης Γιώργος
3. Can a Markov chain
model traffic flow? : Last
A recap : one lane model presentation
Την προηγούµενη ϕορά µιλήσαµε για το µοντέλο σε µια λωρίδα Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
µε χρήση KMC Βορδώνης Γιώργος
Υπενθυµίζουµε ότι η ύπαρξη αυτοκίνητου στο σηµείο χ, σηµαίνει
ότι σ(x ) = 1 ενώ αν η ϑέση είναι άδεια σ(x ) = 0
4. Can a Markov chain
model traffic flow? : Last
A recap : one lane model presentation
Την προηγούµενη ϕορά µιλήσαµε για το µοντέλο σε µια λωρίδα Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
µε χρήση KMC Βορδώνης Γιώργος
Υπενθυµίζουµε ότι η ύπαρξη αυτοκίνητου στο σηµείο χ, σηµαίνει
ότι σ(x ) = 1 ενώ αν η ϑέση είναι άδεια σ(x ) = 0
Χρήση rates που προκύπτουν από το µοντέλο Ising για
µοντελοποίηση της κυκλοφοριακής οής
5. Can a Markov chain
model traffic flow? : Last
A recap : one lane model presentation
Την προηγούµενη ϕορά µιλήσαµε για το µοντέλο σε µια λωρίδα Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
µε χρήση KMC Βορδώνης Γιώργος
Υπενθυµίζουµε ότι η ύπαρξη αυτοκίνητου στο σηµείο χ, σηµαίνει
ότι σ(x ) = 1 ενώ αν η ϑέση είναι άδεια σ(x ) = 0
Χρήση rates που προκύπτουν από το µοντέλο Ising για
µοντελοποίηση της κυκλοφοριακής οής
Arrhenius Dynamics
−U (x )
ca · e b : σ(x ) = 0
ca/d (x , σ) =
cd : σ(x ) = 1
c0 · e−U (x ) : σ(x ) = 1, σ(x + 1) = 0
ce (x , x + 1, σ) =
0 : otherwise
6. Can a Markov chain
model traffic flow? : Last
Λίγα σχόλια για το one lane µοντέλο presentation
Φωκάς ∆ηµήτρης
Ο πιο διαδεδοµένος τρόπος για τον έλεγχο της ακρίβειας ενός Γουργούλιας Κων/νος
Βορδώνης Γιώργος
µοντέλου κυκλοφοριακής κίνησης είναι η σύγκριση µε το
ϑεµελιώδες διάγραµµα
7. Can a Markov chain
model traffic flow? : Last
Λίγα σχόλια για το one lane µοντέλο presentation
Φωκάς ∆ηµήτρης
Ο πιο διαδεδοµένος τρόπος για τον έλεγχο της ακρίβειας ενός Γουργούλιας Κων/νος
Βορδώνης Γιώργος
µοντέλου κυκλοφοριακής κίνησης είναι η σύγκριση µε το
ϑεµελιώδες διάγραµµα
Το ϑεµελιώδες διάγραµµα προκύπτει από εµπειρικούς κανόνες
8. Can a Markov chain
model traffic flow? : Last
Λίγα σχόλια για το one lane µοντέλο presentation
Φωκάς ∆ηµήτρης
Ο πιο διαδεδοµένος τρόπος για τον έλεγχο της ακρίβειας ενός Γουργούλιας Κων/νος
Βορδώνης Γιώργος
µοντέλου κυκλοφοριακής κίνησης είναι η σύγκριση µε το
ϑεµελιώδες διάγραµµα
Το ϑεµελιώδες διάγραµµα προκύπτει από εµπειρικούς κανόνες
flow vs density
90
80
70
60
50
40
30
20
10
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45
9. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
10. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
11. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
12. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
Το δυναµικό Ue πρέπει να υπολογιστεί για όλες τις λωρίδες
µπροστά από τον οδηγό.
13. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
Το δυναµικό Ue πρέπει να υπολογιστεί για όλες τις λωρίδες
µπροστά από τον οδηγό.
∆υσκολίες :
14. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
Το δυναµικό Ue πρέπει να υπολογιστεί για όλες τις λωρίδες
µπροστά από τον οδηγό.
∆υσκολίες :
Χρειάζεται να υπολογίσουµε µεγάλο αριθµό από rates πριν
κάνουµε κίνηση
15. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
Το δυναµικό Ue πρέπει να υπολογιστεί για όλες τις λωρίδες
µπροστά από τον οδηγό.
∆υσκολίες :
Χρειάζεται να υπολογίσουµε µεγάλο αριθµό από rates πριν
κάνουµε κίνηση
Χρειάζεται κάποιος µηχανισµός που να εξαρτάται από την ϑέση
στην οποία ρισκόµαστε
16. Can a Markov chain
model traffic flow? : Last
Από το one - lane στο multilane presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Θέλουµε να επεκτείνουµε το µοντέλο από την µια λωρίδα σε Βορδώνης Γιώργος
περισσότερες
∆ιαφορές :
Υπολογισµός exchange rate προς nearest neighbor για κάθε
οδηγό και όχι µόνο ευθεία
Το δυναµικό Ue πρέπει να υπολογιστεί για όλες τις λωρίδες
µπροστά από τον οδηγό.
∆υσκολίες :
Χρειάζεται να υπολογίσουµε µεγάλο αριθµό από rates πριν
κάνουµε κίνηση
Χρειάζεται κάποιος µηχανισµός που να εξαρτάται από την ϑέση
στην οποία ρισκόµαστε
∆εν µπορεί να παραλληλιστεί µε τις γνωστές µεθόδους. Μεγάλο
κόστος επικοινωνίας.
17. Can a Markov chain
Επέκταση του δυναµικού U (x ) model traffic flow? : Last
presentation
Είχαµε δει το δυναµικό Ue (x ) που χρησιµοποιείται για το
look-ahead
Φωκάς ∆ηµήτρης
Ue ( x ) = J (x , y )σ(z ) Γουργούλιας Κων/νος
Βορδώνης Γιώργος
z =x
18. Can a Markov chain
Επέκταση του δυναµικού U (x ) model traffic flow? : Last
presentation
Είχαµε δει το δυναµικό Ue (x ) που χρησιµοποιείται για το
look-ahead
Φωκάς ∆ηµήτρης
Ue ( x ) = J (x , y )σ(z ) Γουργούλιας Κων/νος
Βορδώνης Γιώργος
z =x
∆εν αρκεί για ένα µοντέλο µε πολλές λωρίδες !
19. Can a Markov chain
Επέκταση του δυναµικού U (x ) model traffic flow? : Last
presentation
Είχαµε δει το δυναµικό Ue (x ) που χρησιµοποιείται για το
look-ahead
Φωκάς ∆ηµήτρης
Ue ( x ) = J (x , y )σ(z ) Γουργούλιας Κων/νος
Βορδώνης Γιώργος
z =x
∆εν αρκεί για ένα µοντέλο µε πολλές λωρίδες !
Γι΄ αυτό προσθέτουµε το Ua (x , y )
yk +L
Ua ( x , y ) = w · σ(z )
zk =yk
όπου :
L : η ¨ακτίνα¨ που µπορεί να δει ο παίκτης
x : η ϑέση στην οποία είναι ο οδηγός
y : η ϑέση στην οποία ϑέλει να µετακινηθεί
20. Can a Markov chain
Επέκταση του δυναµικού U (x ) model traffic flow? : Last
presentation
Είχαµε δει το δυναµικό Ue (x ) που χρησιµοποιείται για το
look-ahead
Φωκάς ∆ηµήτρης
Ue ( x ) = J (x , y )σ(z ) Γουργούλιας Κων/νος
Βορδώνης Γιώργος
z =x
∆εν αρκεί για ένα µοντέλο µε πολλές λωρίδες !
Γι΄ αυτό προσθέτουµε το Ua (x , y )
yk +L
Ua ( x , y ) = w · σ(z )
zk =yk
όπου :
L : η ¨ακτίνα¨ που µπορεί να δει ο παίκτης
x : η ϑέση στην οποία είναι ο οδηγός
y : η ϑέση στην οποία ϑέλει να µετακινηθεί
΄Ετσι πλέον το δυναµικό µας είναι :
U (x ) = Ue (x ) + Ua (x , y )
21. Can a Markov chain
model traffic flow? : Last
Η παράµετρος w presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Κάποια πράγµατα σχετικά µε την παράµετρο προτίµησης w :
Εξαρτάται από την κατεύθυνση που ϑέλει να κινηθεί ο οδηγός
(πάνω, κάτω, µπροστά)
22. Can a Markov chain
model traffic flow? : Last
Η παράµετρος w presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Κάποια πράγµατα σχετικά µε την παράµετρο προτίµησης w :
Εξαρτάται από την κατεύθυνση που ϑέλει να κινηθεί ο οδηγός
(πάνω, κάτω, µπροστά)
Μπορεί να χρησιµοποιηθεί για να αλλάξουµε την οδηγική
συµπεριφορά των οδηγών
23. Can a Markov chain
model traffic flow? : Last
Η παράµετρος w presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Κάποια πράγµατα σχετικά µε την παράµετρο προτίµησης w :
Εξαρτάται από την κατεύθυνση που ϑέλει να κινηθεί ο οδηγός
(πάνω, κάτω, µπροστά)
Μπορεί να χρησιµοποιηθεί για να αλλάξουµε την οδηγική
συµπεριφορά των οδηγών
π.χ για οδήγηση µόνο από δεξιά ή για προσπεράσεις πιο συχνά
από αριστερά
24. Can a Markov chain
model traffic flow? : Last
Simulations presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Μερικά διαδικαστικά :
Προσοµοιώσεις ενός δρόµου µε τρεις λωρίδες
25. Can a Markov chain
model traffic flow? : Last
Simulations presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Μερικά διαδικαστικά :
Προσοµοιώσεις ενός δρόµου µε τρεις λωρίδες
Εκτός και αν λέγεται διαφορετικά, σε κάθε προσοµοίωση οι
οδηγοί µπορούν να δουν µπροστά τέσσερα κελιά για εκτιµήσουν
την κατάσταση, δηλαδή γύρω στα 24 µέτρα
26. Can a Markov chain
model traffic flow? : Last
Simulations presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Μερικά διαδικαστικά :
Προσοµοιώσεις ενός δρόµου µε τρεις λωρίδες
Εκτός και αν λέγεται διαφορετικά, σε κάθε προσοµοίωση οι
οδηγοί µπορούν να δουν µπροστά τέσσερα κελιά για εκτιµήσουν
την κατάσταση, δηλαδή γύρω στα 24 µέτρα
Τα οχήµατα είναι αριθµηµένα για να παρακολουθούνται εύκολα
27. Can a Markov chain
model traffic flow? : Last
Simulations presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Μερικά διαδικαστικά :
Προσοµοιώσεις ενός δρόµου µε τρεις λωρίδες
Εκτός και αν λέγεται διαφορετικά, σε κάθε προσοµοίωση οι
οδηγοί µπορούν να δουν µπροστά τέσσερα κελιά για εκτιµήσουν
την κατάσταση, δηλαδή γύρω στα 24 µέτρα
Τα οχήµατα είναι αριθµηµένα για να παρακολουθούνται εύκολα
Εκτός και αν λέγεται διαφορετικά, ϑα έχουµε τρεις εισόδους στις
τρεις αριστερές ϑέσεις και τρεις εξόδους αντίστοιχα στις τρεις
δεξιά
28. Can a Markov chain
model traffic flow? : Last
Simulations presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Μερικά διαδικαστικά :
Προσοµοιώσεις ενός δρόµου µε τρεις λωρίδες
Εκτός και αν λέγεται διαφορετικά, σε κάθε προσοµοίωση οι
οδηγοί µπορούν να δουν µπροστά τέσσερα κελιά για εκτιµήσουν
την κατάσταση, δηλαδή γύρω στα 24 µέτρα
Τα οχήµατα είναι αριθµηµένα για να παρακολουθούνται εύκολα
Εκτός και αν λέγεται διαφορετικά, ϑα έχουµε τρεις εισόδους στις
τρεις αριστερές ϑέσεις και τρεις εξόδους αντίστοιχα στις τρεις
δεξιά
Για ευκολία ϑα λέµε τις εισόδους αυτές, εισόδους 1, 2 ή 3 και
αντίστοιχα για τις εξόδους, µετρώντας από πάνω προς τα κάτω
29. Can a Markov chain
model traffic flow? : Last
Simulation 1 : Casual presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Σε αυτή την προσοµοίωση έχουµε δύο εισόδους πάνω και κάτω
αριστερά και µια έξοδο κάτω δεξιά. Η αρχική κατανοµή είναι τυχαία.
30. Can a Markov chain
model traffic flow? : Last
Simulation 2 : Επηρεάζοντας την συµπεριφορά presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Σε αυτή την προσοµοίωση έχουµε δύο εισόδους πάνω και κάτω
αριστερά και µια έξοδο κάτω δεξιά. Η αρχική κατανοµή είναι τυχαία.
΄Εχουµε επηρεάσει τους οδηγούς έτσι ώστε να αποφεύγουν την
µεσαία λωρίδα για προσπεράσεις.
31. Can a Markov chain
model traffic flow? : Last
Simulation 3:Κόκκινες µοτοσυκλέτες presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Σε αυτή την προσοµοίωση εµφανίζονται µε κόκκινο µηχανές και µε
πράσινο αυτοκίνητα.
Οι µηχανές κινούνται πιο γρήγορα, πιο ¨απρόσεκτα¨ και έχουν
µικρότερη ορατότητα (λόγω της ταχύτητας)
Τα αυτοκίνητα κινούνται πιο αργά αλλά έχουν µεγαλύτερη
ορατότητα και αποφεύγουν να κινηθούν όταν υπάρχει αρκετή
κίνηση µπροστά
32. Can a Markov chain
model traffic flow? : Last
Simulation 4: Ατύχηµα µέσα στο δρόµο presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Σε αυτή την προσοµοίωση έχει συµβεί ένα ατύχηµα λίγο πριν τις
εξόδους 1 και 2, µε αποτέλεσµα να είναι δύσκολη η κυκλοφορία εκεί.
΄Οσο προχωράει η ώρα όµως, η περιοχή καθαρίζεται και τα οχήµατα
περνάνε ευκολότερα. Τα οχήµατα είναι τα ίδια όπως πριν.
33. Can a Markov chain
model traffic flow? : Last
Συµπεράσµατα presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Το συγκεκριµένο µοντέλο καλύπτει τα περισσότερα από τα
ϕαινόµενα ενός πραγµατικού δρόµου (π.χ stop go waves,
chaotic behaviour)
34. Can a Markov chain
model traffic flow? : Last
Συµπεράσµατα presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Το συγκεκριµένο µοντέλο καλύπτει τα περισσότερα από τα
ϕαινόµενα ενός πραγµατικού δρόµου (π.χ stop go waves,
chaotic behaviour)
Η στοχαστικότητα που το διέπει ϑυµίζει πολύ τον ϑόρυβο στις
πραγµατικές µετρήσεις ποσοτήτων όπως η οή και η πυκνότητα
35. Can a Markov chain
model traffic flow? : Last
Συµπεράσµατα presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Το συγκεκριµένο µοντέλο καλύπτει τα περισσότερα από τα
ϕαινόµενα ενός πραγµατικού δρόµου (π.χ stop go waves,
chaotic behaviour)
Η στοχαστικότητα που το διέπει ϑυµίζει πολύ τον ϑόρυβο στις
πραγµατικές µετρήσεις ποσοτήτων όπως η οή και η πυκνότητα
Μπορεί να υθµιστεί εύκολα για πλήθος από διαφορετικά
σενάρια και τοπολογίες δρόµων.
36. Can a Markov chain
model traffic flow? : Last
Συµπεράσµατα presentation
Φωκάς ∆ηµήτρης
Γουργούλιας Κων/νος
Βορδώνης Γιώργος
Το συγκεκριµένο µοντέλο καλύπτει τα περισσότερα από τα
ϕαινόµενα ενός πραγµατικού δρόµου (π.χ stop go waves,
chaotic behaviour)
Η στοχαστικότητα που το διέπει ϑυµίζει πολύ τον ϑόρυβο στις
πραγµατικές µετρήσεις ποσοτήτων όπως η οή και η πυκνότητα
Μπορεί να υθµιστεί εύκολα για πλήθος από διαφορετικά
σενάρια και τοπολογίες δρόµων.
Επιτρέπει στον µελετητή να πάρει µετρήσεις για τις προηγούµενες
ποσότητες µε µεθόδους παρόµοιες µε τις πραγµατικές.