Mô Hình Mô Phỏng và Tạo Ra Xe Cộ Xung Quanh Trong Các Mô Phỏng Lái Xe

Mô hình mô phỏng và tạo ra các phương tiện xung quanh trong các trình mô phỏng lái xe, nâng cao trải nghiệm và độ chính xác trong huấn luyện.

• Tác giả: Johan Janson Olstam
• Người hướng dẫn: Jan Lundgren, PTS
• Trường học: Linköpings universitet
• Chuyên ngành: Khoa học và công nghệ
• Đề tài: Mô Hình Mô Phỏng và Tạo Ra Xe Cộ Xung Quanh Trong Các Mô Phỏng Lái Xe
• Loại tài liệu: thesis
• Năm xuất bản: 2005
• Địa điểm: Norrköping

Mục lục chi tiết

• Acknowledgements
• Abstract
• 1. INTRODUCTION
• 1.1. Background
• 1.2. Aim
• 1.3. Delimitations
• 1.4. Thesis outline
• 1.5. Contributions
• 1.6. Publications
• 2. Traffic simulation
• 2.1. Classification of traffic simulation models
• 2.2. Microscopic traffic simulation
• 2.3. Behavioral model survey
• 2.3.1. Car-following models
• 2.3.2. Lane-changing models
• 2.3.3. Speed adaptation models
• 3. SURROUNDING TRAFFIC IN DRIVING SIMULATORS
• 3.1. DRIVING SIMULATOR EXPERIMENTS
• 3.1.1. Experiments, scenarios, and scenes
• 3.2. USING STOCHASTIC TRAFFIC IN DRIVING SIMULATOR SCENARIOS
• 3.2.1. The stochastic traffic – Driving simulator dilemma
• 3.2.2. Stochastic traffic simulation and critical events
• 3.3. DEMANDS ON TRAFFIC SIMULATION WHEN USED IN DRIVING SIMULATORS
• 3.3.1. Rule-based models
• 3.3.2. The eco-resolution principle
• 4. THE SIMULATION MODEL
• 4.1. THE SIMULATION FRAMEWORK
• 4.1.1. Representation of vehicles and drivers
• 4.1.2. The moving window
• 4.1.3. The simulated area
• 4.1.4. The candidate areas
• 4.1.5. Vehicle update technique
• 4.2. Generation of new vehicles on freeways
• 4.3. Generation of new vehicle and vehicle platoons on rural roads
• 4.4. Initialization of the simulation
• 5. INTEGRATION WITH THE VTI DRIVING SIMULATOR III
• 5.1. THE VTI DRIVING SIMULATOR III
• 5.2. THE INTEGRATED SYSTEM
• 5.3. COMMUNICATION WITH THE SCENARIO MODULE
• 6. HOW SHOULD THE MODEL BE VALIDATED?
• 6.1. NUMBERS OF ACTIVE AND PASSIVE OVERTAKINGS
• 6.2. Results and analyses of the questionnaire
• 6.3. Results and analyses of the interview questions
• 6.3.1. Some additional observations
• 7. CONCLUSIONS AND FUTURE RESEARCH
• APPENDICES
• APPENDIX A. DRIVER/VEHICLE PARAMETER VALUES
• APPENDIX B. OVERTAKING PARAMETERS
• APPENDIX C. QUESTIONNAIRE
• APPENDIX D. INTERVIEW QUESTIONS
• APPENDIX E. ANSWERS FROM THE INTERVIEW QUESTIONS

Tóm tắt

I. Tổng Quan Mô Hình Mô Phỏng Giao Thông Cho Lái Xe

An toàn giao thông là một vấn đề quan trọng. Nhiều tai nạn xảy ra do lỗi trong tương tác giữa người lái xe, phương tiện và hệ thống giao thông. Các tương tác liên quan đến lái xe ngày càng tăng. Người lái xe ngày nay cũng tương tác với các hệ thống giao thông thông minh (ITS), hệ thống hỗ trợ lái xe nâng cao (ADAS), hệ thống thông tin trong xe (IVIS) và các thiết bị NOMAD, như điện thoại di động, trợ lý kỹ thuật số cá nhân và máy tính xách tay. Các hệ thống kỹ thuật này ảnh hưởng đến hành vi của người lái xe và khả năng lái xe của họ. Để đánh giá mức độ ảnh hưởng của các hệ thống ITS, ADAS, IVIS, NOMAD khác nhau, hoặc thiết kế đường xá và kiểm soát tín hiệu, v.v., kiến thức về sự tương tác giữa người lái xe, phương tiện và môi trường là rất cần thiết. Để có được kiến thức này, các nhà nghiên cứu thực hiện các nghiên cứu và thí nghiệm về hành vi, có thể được thực hiện trong hệ thống giao thông thực tế, trên đường thử hoặc trong trình mô phỏng lái xe. Thế giới thực là môi trường thực tế nhất, nhưng nó có thể không thể đoán trước được về điều kiện thời tiết, đường xá và giao thông.

1.1. Ứng Dụng Mô Phỏng Lái Xe Đánh Giá và Đào Tạo

Các trình mô phỏng lái xe được sử dụng để tiến hành các thí nghiệm trong nhiều lĩnh vực khác nhau như: ảnh hưởng của rượu, thuốc và ma túy; lái xe khiếm khuyết; các hệ thống kỹ thuật, chẳng hạn như ITS, ADAS, IVIS và hệ thống NOMAD; sự mệt mỏi; thiết kế đường xá; thiết kế phương tiện. Trình mô phỏng lái xe cũng có thể được sử dụng cho mục đích đào tạo. Một ví dụ là trình mô phỏng TRAINER được phát triển để hoạt động như một phương tiện bổ sung trong các trường dạy lái xe, (Gregersen et al. Trình mô phỏng TRAINER cung cấp những khả năng tuyệt vời để đào tạo các hành động không an toàn, khó khăn hoặc không thể đào tạo được trong mạng lưới đường bộ thực tế. Đây có thể là bất cứ điều gì giữa thao tác cơ bản đến các tình huống khẩn cấp. Điều quan trọng là hiệu suất của phương tiện mô phỏng, biểu diễn trực quan và hành vi của các đối tượng xung quanh phải thực tế để trình mô phỏng lái xe là một biểu diễn hợp lệ của việc lái xe thực tế.

1.2. Tầm Quan Trọng của Giao Thông Mô Phỏng Thực Tế

Rõ ràng là các phương tiện xung quanh phải cư xử một cách thực tế và đáng tin cậy. Các phương tiện xung quanh ảnh hưởng đến tải tinh thần của người lái xe và do đó ảnh hưởng đến khả năng lái xe của người đó. Một biểu diễn tốt về các phương tiện xung quanh đặc biệt quan trọng trong các nghiên cứu mô phỏng, trong đó cường độ và thành phần giao thông có tác động lớn đến khả năng lái xe của người lái xe. Điều này có thể xảy ra trong các thử nghiệm liên quan đến thiết kế đường xá, việc sử dụng thiết bị kỹ thuật mới hoặc sự mệt mỏi. Điều quan trọng không chỉ là hành vi của một người lái xe là thực tế, mà còn là hành vi của toàn bộ dòng giao thông là thực tế. Ví dụ, những người lái xe nhanh mong muốn đuổi kịp nhiều phương tiện hơn số lượng phương tiện đuổi kịp họ và ngược lại. Việc mô phỏng thực tế các phương tiện xung quanh, và do đó, giao thông, có thể đạt được bằng cách kết hợp trình mô phỏng lái xe với mô hình mô phỏng vi mô về giao thông.

II. Thách Thức Tạo Giao Thông Thực Tế Trong Mô Phỏng

Mô hình vi mô sử dụng các mô hình con khác nhau để theo dõi xe, chuyển làn, điều chỉnh tốc độ, v.v. để mô phỏng hành vi của người lái xe ở cấp độ vi mô. Các mô hình con, ở đây được gọi là các mô hình hành vi, sử dụng tình hình đường xá và giao thông hiện tại làm đầu vào và tạo ra các quyết định của từng người lái xe về ví dụ như gia tốc nào cần áp dụng và làn đường nào cần đi làm đầu ra. Các hàm ngẫu nhiên thường được sử dụng để mô hình hóa sự thay đổi trong hành vi của người lái xe, cả giữa những người lái xe và theo thời gian cho một người lái xe cụ thể. Tuy nhiên, các mô hình mô phỏng giao thông ngẫu nhiên theo truyền thống không được sử dụng để mô phỏng các phương tiện xung quanh trong trình mô phỏng lái xe. Cách tiếp cận thông thường thay vào đó là mô phỏng các phương tiện xung quanh theo các mô hình xác định.

2.1. Sự Khác Biệt Giữa Giao Thông Ngẫu Nhiên và Xác Định

Có một số lý do mong muốn giữ cho sự thay đổi trong các điều kiện thử nghiệm giữa những người lái xe khác nhau càng thấp càng tốt. Bằng cách sử dụng mô phỏng ngẫu nhiên về giao thông xung quanh, người lái xe sẽ trải nghiệm các tình huống khác nhau ở cấp độ vi mô tùy thuộc vào cách họ lái xe. Các điều kiện của người lái xe mô phỏng vẫn sẽ có thể so sánh được ở cấp độ cao hơn, tổng hợp hơn, nếu điều này là đủ hay không tùy thuộc vào loại thử nghiệm. Đối với một số thử nghiệm, các điều kiện bằng nhau ở cấp độ vi mô là điều cần thiết và mô phỏng ngẫu nhiên có thể không phù hợp để sử dụng. Trong các thử nghiệm khác, các điều kiện có thể so sánh được ở cấp độ cao hơn là đủ.

2.2. Ứng Dụng Mô Phỏng Ngẫu Nhiên Trong Các Tình Huống

Một số thí nghiệm mô phỏng lái xe bao gồm các tình huống hoặc sự kiện quan trọng. Để tạo ra những tình huống như vậy, các phương tiện tự hành phải được kết hợp với các phương tiện có hành vi được xác định trước. Luận án này chỉ thảo luận về chủ đề này ở một mức độ hạn chế. Các thử nghiệm được thiết kế để đánh giá các tình huống quan trọng, nơi cần có sự kiểm soát chặt chẽ đối với các sự kiện, có thể không phù hợp để sử dụng mô phỏng ngẫu nhiên. Thay vào đó, các thử nghiệm tập trung vào hành vi lái xe thông thường có thể hưởng lợi từ việc sử dụng giao thông mô phỏng ngẫu nhiên để tăng tính thực tế.

III. Phương Pháp Mô Hình Mô Phỏng Giao Thông Vi Mô

Mô hình mô phỏng vi mô đã trở thành một công cụ rất phổ biến và hữu ích trong các nghiên cứu về hệ thống giao thông. Các mô hình vi mô sử dụng các mô hình con khác nhau để theo dõi xe, chuyển làn, điều chỉnh tốc độ, v.v. để mô phỏng hành vi của người lái xe ở cấp độ vi mô. Các mô hình con, ở đây được gọi là các mô hình hành vi, sử dụng tình hình đường xá và giao thông hiện tại làm đầu vào và tạo ra các quyết định của từng người lái xe về ví dụ như gia tốc nào cần áp dụng và làn đường nào cần đi làm đầu ra. Các hàm ngẫu nhiên thường được sử dụng để mô hình hóa sự thay đổi trong hành vi của người lái xe, cả giữa những người lái xe và theo thời gian cho một người lái xe cụ thể.

3.1. Mô Hình Theo Dõi Xe Các Thuật Toán Chính

Các mô hình theo dõi xe là một thành phần quan trọng của mô phỏng giao thông vi mô. Các mô hình này mô tả cách người lái xe điều chỉnh tốc độ và khoảng cách của họ đối với xe phía trước. Một số mô hình phổ biến bao gồm mô hình Gazis-Herman-Rothery (GHR), mô hình Optimal Velocity (OVM) và mô hình Intelligent Driver Model (IDM). Các mô hình khác nhau có các giả định khác nhau về cách người lái xe phản ứng với các kích thích và có thể phù hợp hơn cho các tình huống giao thông khác nhau.

3.2. Mô Hình Chuyển Làn Quyết Định Thay Đổi Vị Trí

Các mô hình chuyển làn mô tả cách người lái xe quyết định thay đổi làn đường. Các mô hình này thường xem xét các yếu tố như tốc độ của xe trong các làn đường lân cận, khoảng cách đến xe phía trước và phía sau trong các làn đường lân cận, và mong muốn chuyển làn (ví dụ: để vượt, để đến lối ra, hoặc để tránh tắc nghẽn). Các mô hình chuyển làn có thể dựa trên các quy tắc đơn giản hoặc các thuật toán phức tạp hơn xem xét nhiều yếu tố và sử dụng lý thuyết quyết định.

IV. Ứng Dụng Tích Hợp Mô Hình Vào Trình Mô Phỏng VTI

Mô hình mô phỏng đã được tích hợp và thử nghiệm trong Trình mô phỏng lái xe VTI III. Một thí nghiệm mô phỏng lái xe đã được thực hiện để kiểm tra xem những người tham gia có quan sát hành vi của các phương tiện mô phỏng là thực tế hay không. Kết quả đầy hứa hẹn nhưng chúng cũng chỉ ra rằng có thể thực hiện các cải tiến. Mô hình này cũng đã được xác nhận về số lượng phương tiện bắt kịp với phương tiện mô phỏng lái xe và ngược lại. Sự phù hợp là tốt đối với việc bắt kịp chủ động và thụ động trên đường nông thôn và để bắt kịp thụ động trên đường cao tốc, nhưng kém hơn đối với việc bắt kịp chủ động trên đường cao tốc.

4.1. Giao Tiếp Giữa Mô Hình và Mô đun Kịch Bản

Mô-đun kịch bản cung cấp thông tin về môi trường xung quanh, bao gồm bố cục đường, điều kiện thời tiết và vị trí của các đối tượng tĩnh. Mô hình mô phỏng sử dụng thông tin này để tạo ra một môi trường giao thông thực tế và năng động. Việc giao tiếp giữa mô hình và mô-đun kịch bản phải hiệu quả và chính xác để đảm bảo rằng các phương tiện mô phỏng hành xử một cách thực tế và đáp ứng với các sự kiện trong môi trường.

4.2. Phương Pháp Xác Thực Mô Hình Cách Đảm Bảo Tính Thực Tế

Xác thực là quá trình đánh giá tính chính xác và độ tin cậy của mô hình. Có nhiều phương pháp khác nhau có thể được sử dụng để xác thực mô hình mô phỏng giao thông, bao gồm so sánh kết quả mô phỏng với dữ liệu thực tế, đánh giá hành vi của các phương tiện mô phỏng bởi các chuyên gia và phân tích thống kê các kết quả mô phỏng. Việc xác thực là một bước quan trọng để đảm bảo rằng mô hình có thể được sử dụng để đưa ra các quyết định sáng suốt về thiết kế và quản lý giao thông.

V. Kết Luận Hướng Nghiên Cứu và Phát Triển Tương Lai

Luận án này kết thúc bằng một bản tóm tắt và một cuộc thảo luận về các nhu cầu và khả năng nghiên cứu trong tương lai. Công việc trình bày bao gồm một khuôn khổ mới để tạo và mô phỏng các phương tiện trong một khu vực đang di chuyển. Nó cũng bao gồm sự phát triển của các mô hình nâng cao để theo dõi xe và vượt và một mô hình giao thông trung mô đơn giản. Mô hình được phát triển đã được tích hợp và thử nghiệm trong Trình mô phỏng lái xe VTI III. Một thí nghiệm mô phỏng lái xe đã được thực hiện để kiểm tra xem những người tham gia có quan sát hành vi của các phương tiện mô phỏng là thực tế hay không. Kết quả đầy hứa hẹn nhưng chúng cũng chỉ ra rằng có thể thực hiện các cải tiến.

5.1. Nâng Cao Mô Hình Độ Chính Xác và Tính Linh Hoạt

Các nghiên cứu trong tương lai có thể tập trung vào việc nâng cao độ chính xác và tính linh hoạt của mô hình. Điều này có thể bao gồm việc kết hợp các mô hình hành vi phức tạp hơn, phát triển các kỹ thuật mới để tạo giao thông và hỗ trợ các loại đường khác nhau. Ngoài ra, có thể phát triển các công cụ để giúp người dùng dễ dàng tùy chỉnh và cấu hình mô hình.

5.2. Ứng Dụng Mở Rộng Các Lĩnh Vực Tiềm Năng

Mô hình này có thể được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm thiết kế đường xá, quản lý giao thông và an toàn giao thông. Ví dụ, mô hình này có thể được sử dụng để đánh giá tác động của các thiết kế đường mới, để tối ưu hóa các chiến lược kiểm soát giao thông và để điều tra nguyên nhân của tai nạn. Mô hình này cũng có thể được sử dụng cho mục đích đào tạo, chẳng hạn như đào tạo người lái xe và đào tạo kiểm soát giao thông.

Nội dung chính

Tổng quan nghiên cứu

Giao thông đường bộ hiện nay đối mặt với nhiều thách thức về an toàn và hiệu quả vận hành, đặc biệt khi tương tác giữa người lái, phương tiện và hệ thống giao thông ngày càng phức tạp. Theo ước tính, các tai nạn giao thông phần lớn xuất phát từ sự không tương thích trong các tương tác này. Để nghiên cứu hành vi lái xe và đánh giá các hệ thống hỗ trợ lái xe tiên tiến (ADAS), hệ thống thông tin trong xe (IVIS) hay các thiết bị di động (NOMAD), việc mô phỏng giao thông xung quanh trong môi trường giả lập lái xe là rất cần thiết. Mục tiêu chính của luận văn là phát triển một mô hình mô phỏng và sinh sinh các phương tiện xung quanh trong trình giả lập lái xe, đảm bảo tính thực tế về hành vi lái xe, tương tác giữa các phương tiện và dòng giao thông. Nghiên cứu tập trung vào hai loại đường: đường cao tốc hai làn mỗi chiều và đường nông thôn có giao thông hai chiều không phân cách, trong phạm vi thời gian thực hiện mô phỏng và kiểm thử tại Thụy Điển. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác và tính thực tế của các thí nghiệm mô phỏng lái xe, từ đó hỗ trợ đánh giá các công nghệ và thiết kế giao thông mới, góp phần cải thiện an toàn và hiệu quả giao thông.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên lý thuyết mô phỏng vi mô giao thông, trong đó mỗi phương tiện và người lái được xem như một đơn vị tương tác. Mô hình sử dụng các mô hình hành vi vi mô gồm:

• Mô hình car-following: điều khiển hành vi tăng giảm tốc dựa trên khoảng cách và tốc độ phương tiện phía trước, bao gồm các mô hình GHR, Gipps và mô hình tâm lý-thực nghiệm (psycho-physical).
• Mô hình chuyển làn và vượt xe: quyết định sự cần thiết, mong muốn và khả năng chuyển làn hoặc vượt xe, dựa trên các hàm áp lực, lựa chọn rời rạc (discrete choice) và logic mờ (fuzzy logic).
• Mô hình thích nghi tốc độ: điều chỉnh tốc độ mong muốn dựa trên giới hạn tốc độ, đặc điểm đường như độ cong và chiều rộng.
• Mô hình chấp nhận khoảng trống (gap-acceptance): xác định khoảng cách an toàn để thực hiện chuyển làn hoặc vượt xe, với phân bố xác suất chấp nhận khác nhau tùy thuộc vào loại phương tiện, tình huống và người lái.

Ngoài ra, mô hình còn áp dụng nguyên tắc eco-resolution để giảm thiểu tương tác không cần thiết giữa các phương tiện, đồng thời sử dụng mô hình mesoscopic đơn giản cho các phương tiện ở vùng xa nhằm giảm tải tính toán.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm các số liệu thực tế về lưu lượng, tốc độ, khoảng cách giữa các xe và hành vi lái xe thu thập tại Thụy Điển. Mô hình được xây dựng dựa trên kỹ thuật mô phỏng vi mô theo thời gian rời rạc, với cỡ mẫu gồm nhiều loại phương tiện: ô tô, xe buýt, xe tải các loại. Phương pháp chọn mẫu là lấy mẫu ngẫu nhiên phân bố các tham số hành vi theo phân phối chuẩn hoặc log-normal. Phân tích mô hình sử dụng các thuật toán cập nhật trạng thái xe trong vùng cửa sổ di động quanh xe giả lập, chia thành vùng trong (mô phỏng vi mô chi tiết) và vùng ngoài (mô phỏng mesoscopic đơn giản). Thời gian nghiên cứu kéo dài trong quá trình phát triển, tích hợp và kiểm thử mô hình với trình giả lập lái xe VTI Driving Simulator III, bao gồm cả thí nghiệm thực địa với người tham gia để đánh giá tính thực tế của hành vi xe mô phỏng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mô hình cửa sổ di động hiệu quả: Việc chỉ mô phỏng các phương tiện trong vùng cửa sổ di động quanh xe giả lập giúp giảm đáng kể chi phí tính toán mà vẫn đảm bảo tính thực tế. Kích thước cửa sổ được xác định dựa trên khoảng cách quan sát và tốc độ xe, đảm bảo không có xe “xuất hiện đột ngột”.
2. Hành vi xe mô phỏng phù hợp với dữ liệu thực tế: Các tham số như khoảng cách thời gian mong muốn (desired time gap) và tốc độ mong muốn được phân bố theo chuẩn, ví dụ tốc độ mong muốn trung bình của xe con là khoảng 111 km/h với độ lệch chuẩn 11 km/h.
3. Mô hình vượt xe và chuyển làn nâng cao: Mô hình cải tiến TPMA và VTISim cho phép mô phỏng chi tiết quá trình vượt xe, bao gồm cả hành vi bỏ cuộc vượt, giúp mô phỏng sát với thực tế hơn.
4. Kết quả thí nghiệm mô phỏng: Thí nghiệm với người lái cho thấy phần lớn người tham gia đánh giá hành vi xe mô phỏng là thực tế, tuy nhiên vẫn có đề xuất cải tiến để tăng tính tự nhiên, đặc biệt trong các tình huống vượt xe trên đường cao tốc.
5. Độ chính xác trong mô phỏng số lượng xe bắt kịp xe giả lập: Mô hình cho kết quả tốt với các tình huống xe chủ động và bị bắt kịp trên đường nông thôn, cũng như xe bị bắt kịp trên đường cao tốc, nhưng kém hơn với xe chủ động bắt kịp trên đường cao tốc.

Thảo luận kết quả

Nguyên nhân của các kết quả trên xuất phát từ việc mô hình kết hợp các mô hình hành vi đã được kiểm chứng và điều chỉnh tham số phù hợp với dữ liệu thực tế. Việc sử dụng mô hình mesoscopic cho vùng xa giúp giảm tải tính toán mà không ảnh hưởng đến chất lượng mô phỏng vùng gần xe giả lập. So sánh với các nghiên cứu trước đây cho thấy mô hình này có sự cải tiến rõ rệt về khả năng mô phỏng hành vi vượt xe phức tạp trên đường nông thôn. Tuy nhiên, hạn chế trong mô phỏng các tình huống vượt xe chủ động trên đường cao tốc cho thấy cần tiếp tục nghiên cứu để cải thiện mô hình hành vi trong các tình huống giao thông phức tạp hơn. Dữ liệu thu thập từ thí nghiệm mô phỏng có thể được trình bày qua biểu đồ phân bố khoảng cách thời gian, tốc độ và tần suất vượt xe, cũng như bảng so sánh tỷ lệ chấp nhận khoảng trống giữa các nhóm xe.

Đề xuất và khuyến nghị

1. Tối ưu hóa kích thước vùng cửa sổ mô phỏng: Đề xuất điều chỉnh kích thước vùng cửa sổ di động dựa trên tốc độ và điều kiện quan sát thực tế nhằm cân bằng giữa hiệu quả tính toán và độ chính xác mô phỏng. Thời gian thực hiện: 6 tháng; chủ thể: nhóm phát triển phần mềm mô phỏng.
2. Cải tiến mô hình hành vi vượt xe trên đường cao tốc: Phát triển thêm các tham số mô hình để mô phỏng chính xác hơn hành vi vượt xe chủ động, bao gồm các yếu tố tâm lý và điều kiện giao thông. Thời gian thực hiện: 12 tháng; chủ thể: nhóm nghiên cứu hành vi giao thông.
3. Tích hợp mô hình mô phỏng với các hệ thống hỗ trợ lái xe thực tế: Áp dụng mô hình để đánh giá tác động của các hệ thống ADAS trong môi trường mô phỏng, giúp nâng cao độ tin cậy của các thử nghiệm. Thời gian thực hiện: 9 tháng; chủ thể: các trung tâm nghiên cứu và phát triển công nghệ ô tô.
4. Phát triển giao diện người dùng cho việc thiết kế kịch bản mô phỏng: Hỗ trợ người dùng tạo và điều chỉnh các kịch bản giao thông phức tạp, bao gồm các tình huống vượt xe và chuyển làn đa dạng. Thời gian thực hiện: 6 tháng; chủ thể: nhóm phát triển phần mềm mô phỏng.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu giao thông và mô phỏng: Có thể ứng dụng mô hình để phát triển các nghiên cứu về hành vi lái xe và tương tác giao thông trong môi trường giả lập.
2. Các trung tâm đào tạo lái xe và phát triển trình giả lập: Nâng cao chất lượng mô phỏng giao thông xung quanh, giúp đào tạo lái xe an toàn và hiệu quả hơn.
3. Nhà sản xuất và phát triển hệ thống hỗ trợ lái xe (ADAS): Sử dụng mô hình để đánh giá tác động của các công nghệ mới trong môi trường mô phỏng an toàn và kiểm soát.
4. Cơ quan quản lý giao thông và quy hoạch đô thị: Áp dụng mô hình để đánh giá các giải pháp thiết kế đường và quản lý giao thông, đặc biệt trên các tuyến đường cao tốc và nông thôn.

Câu hỏi thường gặp

1. Mô hình mô phỏng này có thể áp dụng cho đô thị không?
   Mô hình hiện tại tập trung vào đường cao tốc hai làn và đường nông thôn không phân cách, chưa hỗ trợ mô phỏng giao thông đô thị phức tạp do các yếu tố như giao lộ và đèn tín hiệu chưa được tích hợp.

2. Làm thế nào để mô hình đảm bảo tính thực tế của hành vi xe mô phỏng?
   Mô hình sử dụng các mô hình hành vi đã được kiểm chứng và phân bố tham số dựa trên dữ liệu thực tế, đồng thời tích hợp các yếu tố như chấp nhận khoảng trống, chuyển làn và vượt xe chi tiết.

3. Mô hình có hỗ trợ mô phỏng các tình huống nguy hiểm hay sự kiện đặc biệt không?
   Mô hình có thể kết hợp với các kịch bản mô phỏng có sự kiện đặc biệt, tuy nhiên việc tạo các tình huống này đòi hỏi sự can thiệp trực tiếp trong kịch bản và chưa hoàn toàn tự động.

4. Mức độ phức tạp tính toán của mô hình như thế nào?
   Nhờ sử dụng vùng cửa sổ di động và mô hình mesoscopic cho vùng xa, mô hình cân bằng được giữa độ chính xác và hiệu quả tính toán, phù hợp cho mô phỏng thời gian thực.

5. Mô hình có thể tích hợp với các trình giả lập lái xe hiện có không?
   Mô hình đã được tích hợp thành công với VTI Driving Simulator III và có thể được điều chỉnh để tích hợp với các hệ thống giả lập khác có cấu trúc tương tự.

Kết luận

• Phát triển thành công mô hình mô phỏng và sinh sinh phương tiện xung quanh trong trình giả lập lái xe, tập trung vào đường cao tốc và đường nông thôn.
• Mô hình kết hợp hiệu quả giữa mô phỏng vi mô chi tiết vùng gần và mô phỏng mesoscopic vùng xa, đảm bảo tính thực tế và hiệu quả tính toán.
• Các mô hình hành vi car-following, chuyển làn, vượt xe và thích nghi tốc độ được cải tiến và hiệu chỉnh dựa trên dữ liệu thực tế.
• Kết quả thí nghiệm mô phỏng với người lái cho thấy hành vi xe mô phỏng được đánh giá là thực tế, tuy nhiên vẫn cần cải tiến trong một số tình huống vượt xe trên đường cao tốc.
• Đề xuất các hướng nghiên cứu tiếp theo bao gồm tối ưu hóa vùng cửa sổ mô phỏng, nâng cao mô hình hành vi vượt xe và tích hợp với các hệ thống hỗ trợ lái xe thực tế.

Các nhà nghiên cứu và phát triển phần mềm mô phỏng giao thông nên áp dụng và tiếp tục hoàn thiện mô hình này để nâng cao chất lượng các thí nghiệm mô phỏng lái xe, đồng thời mở rộng phạm vi ứng dụng cho các loại đường và tình huống giao thông đa dạng hơn.

Trích đoạn nội dung tài liệu

Linköping Studies in Science and Technology Licentiate Thesis No. 1203 A model for simulation and generation of surrounding vehicles in driving simulators Johan Janson Olstam LiU-TEK-LIC- 2005:58 Dept. of Science and Technology Linköpings Universitet, SE-601 74 Norrköping, Sweden Norrköping 2005 A model for simulation and generation of surrounding vehicles in driving simulators © 2005 Johan Janson Olstam [e-mail] Department of Science and Technology Linköpings universitet, SE-601 74 Norrköping, Sweden. ISBN 91-85457-51-5 ISSN 0280-7971 LiU-TEK-LIC 2005:58 Printed by UniTryck, Linköping, Sweden 2005 Acknowledgements First of all I would like to thank my supervisors Jan Lundgren, Linköping University (LiU), Department of Science and Technology (ITN), and Pontus Matstoms, VTI, for their invaluable support and advices.

Many thanks also to Mikael Adlers, VTI, who I have been working with during the integration and testing within the VTI Driving simulator III. He has a great part in that integration went successfully. Thanks also to the Swedish Road Administration (SRA), Ruggero Ceci, for funding this work. I would also like to show appreciation to my other colleagues at ITN/LiU and VTI, whom make ITN/LiU and VTI stimulating places to work at.

Special thanks to my roommate and PhD student colleague Andreas Tapani and to my other PhD student colleagues for very interesting and useful discussions, to Arne Carlsson, VTI, for sharing his knowledge within the traffic theory and simulation area, to Anne Bolling and Selina Mård Berggren, VTI, for their help during the design and the realization of the conducted driving simulator experiment, to Lena Nilsson and Jerker Sundström, VTI, for invaluable comments, and to the members of the VTI driving simulator group, Staffan, Mikael, Mats, Håkan, Håkan, and Göran, for sharing their massive experience within the driving simulator area. I would also like to express my gratitude to my family and friends for their encouragement and support. Last but not least, I would like to give all my love to Lin and to my two cuddly cats Marion and Morriz. i ii Abstract Driving simulators are used to conduct experiments on for example driver behavior, road design, and vehicle characteristics.

The results of the experiments often depend on the traffic conditions. One example is the evaluation of cellular phones and how they affect driving behavior. It is clear that the ability to use phones when driving depends on traffic intensity and composition, and that realistic experiments in driving simulators therefore has to include surrounding traffic. This thesis describes a model that generates and simulates surrounding vehicles for a driving simulator.

The proposed model generates a traffic stream, corresponding to a given target flow and simulates realistic interactions between vehicles. The model is built on established techniques for time-driven microscopic simulation of traffic and uses an approach of only simulating the closest neighborhood of the driving simulator vehicle. In our model this closest neighborhood is divided into one inner region and two outer regions. Vehicles in the inner region are simulated according to advanced behavioral models while vehicles in the outer regions are updated according to a less time-consuming model.

The presented work includes a new framework for generating and simulating vehicles within a moving area. It also includes the development of enhanced models for car-following and overtaking and a simple mesoscopic traffic model. The developed model has been integrated and tested within the VTI Driving simulator III. A driving simulator experiment has been performed in order to check if the participants observe the behavior of the simulated vehicles as realistic or not.

The results were promising but they also indicated that enhancements could be made. The model has also been validated on the number of vehicles that catches up with the driving simulator vehicle and vice versa. The agreement is good for active and passive catch-ups on rural roads and for passive catch-ups on freeways, but less good for active catch-ups on freeways. iii iv Contents 1 INTRODUCTION .1 CLASSIFICATION OF TRAFFIC SIMULATION MODELS .2 MICROSCOPIC TRAFFIC SIMULATION .3 BEHAVIORAL MODEL SURVEY .1 Car-following models .2 Lane-changing models.4 Speed adaptation models .25 3 SURROUNDING TRAFFIC IN DRIVING SIMULATORS .1 DRIVING SIMULATOR EXPERIMENTS.1 Experiments, scenarios, and scenes.2 USING STOCHASTIC TRAFFIC IN DRIVING SIMULATOR SCENARIOS .1 The stochastic traffic – Driving simulator dilemma .2 Stochastic traffic simulation and critical events.3 DEMANDS ON TRAFFIC SIMULATION WHEN USED IN DRIVING SIMULATORS .1 Rule-based models .3 The eco-resolution principle.36 4 THE SIMULATION MODEL.1 THE SIMULATION FRAMEWORK .1 Representation of vehicles and drivers.2 The moving window .3 The simulated area.4 The candidate areas.5 Vehicle update technique .2 Generation of new vehicles on freeways.3 Generation of new vehicle and vehicle platoons on rural roads.4 Initialization of the simulation.64 5 INTEGRATION WITH THE VTI DRIVING SIMULATOR III.1 THE VTI DRIVING SIMULATOR III .2 THE INTEGRATED SYSTEM.3 COMMUNICATION WITH THE SCENARIO MODULE .1 HOW SHOULD THE MODEL BE VALIDATED? .2 NUMBERS OF ACTIVE AND PASSIVE OVERTAKINGS .4 Results and analyses of the questionnaire .5 Results and analyses of the interview questions .1 Some additional observations.87 7 CONCLUSIONS AND FUTURE RESEARCH.91 Appendices APPENDIX A – DRIVER/VEHICLE PARAMETER VALUES APPENDIX B – OVERTAKING PARAMETERS APPENDIX C – QUESTIONNAIRE APPENDIX D – INTERVIEW QUESTIONS APPENDIX E – ANSWERS FROM THE INTERVIEW QUESTIONS vi 1 Introduction 1.1 Background Traffic safety is a severe and important problem.

Many accidents are caused by failures in the interaction between the driver, the vehicle, and the traffic system. The number of driving related interactions is increasing. Drivers nowadays also interact with different intelligent transportation systems (ITS), advanced driver assistance systems (ADAS), in-vehicle information systems (IVIS), and NOMAD devices, such as mobile phones, personal digital assistants, and portable computers. These technical systems influence drivers’ behavior and their ability to drive a vehicle.

To be able to evaluate how different ITS, ADAS, IVIS, NOMAD- systems, or road and signal control designs etc influence drivers, knowledge about the interactions between drivers, vehicles and environment are essential. To get this knowledge researchers conduct behavioral studies and experiments, which either can be conducted in the real traffic system, on a test track, or in a driving simulator. The real world is of course the most realistic environment, but it can be unpredictable regarding for instance weather-, road- and traffic conditions. It is therefore often hard to design real world experiments from which it is possible to draw statistically significant conclusions.

Some experiments are also too dangerous or expensive to conduct in the real world and other are impossible due to laws or ethical reasons. Test tracks offer a safer environment and the possibility of giving test drivers more equal conditions and thereby decreasing the statically uncertainty. However, test tracks lack a lot in realism and it can be hard to evaluate how valid results from a test track study are for driving on a real road. Driving simulators on the other hand offer a realistic environment in which test conditions can be controlled and varied in a safe way.

A driving simulator is designed to imitate driving a real vehicle, see Figure 1.1 for an illustration. The driver place can be realized with a real vehicle cabin or only a seat with a steering wheel and pedals, and anything in between. The surroundings are presented for the driver on a screen. A vehicle model is used to calculate the simulator vehicle’s movements according to the driver’s use of the steering wheel and the pedals.

Some driving simulators use a motion system in order to support the driver’s visual impression of the simulator vehicle’s movements. Last but not least a driving simulator include a scenario module that includes the specification of the road, the environment, and all other actors and events.1 The VTI Driving Simulator III (Source: Swedish National Road and Transport Research Institute (VTI) (2004)) Driving simulators are used to conduct experiments in many different areas such as: • Alcohol, medicines and drugs. • Driving with disabilities. • Technical systems, such as ITS, ADAS, IVIS, and NOMAD systems.

• Fatigue • Road design • Vehicle design Driving simulators can also be used for training purposes. One example is the TRAINER simulator that was developed to work as a complimentary vehicle in driving license schools, (Gregersen et al. The TRAINER simulator offers great possibilities to train actions that are unsafe, difficult or impossible to train in the real road network. This could be anything between basic maneuvering to emergency situations.

It is important that the performance of the simulator vehicle, the visual representation, and the behavior of surrounding objects are realistic in order for the driving simulator to be a valid representation of real driving. It is for instance clear that the ambient vehicles must behave in a realistic and trustworthy way. Ambient vehicles influence the driver’s mental load and thereby his or her ability to drive the vehicle. A good representation of the ambient vehicles is especially important in simulator studies where the traffic intensity and composition has a large impact on the driver’s ability to drive the vehicle.

This can for instance be in experiments concerning road design, the use of new technical equipment, or fatigue. It is not only important that the behavior of a single driver is realistic, but 2 also that the behavior of the whole traffic stream is realistic. For instance, drivers who drive fast expect to catch up with more vehicles than catches up with them and vice versa. A realistic simulation of surrounding vehicles, and thereby traffic, can be achieved by combining a driving simulator with a model for microscopic simulation of traffic.

Micro-simulation has become a very popular and useful tool in studies of traffic systems. Micro models use different sub-models for car- following, lane-changing, speed adaptation, etc. to simulate driver behavior at a microscopic level. The sub-models, hereby called behavioral models, use the current road and traffic situation as inputs and generates individual driver’s decisions regarding for example which acceleration to apply and which lane to travel in as outputs.

Stochastic functions are often used to model variation in driver behavior, both among drivers and over time for a specific driver. However, stochastic traffic simulation models have traditionally not been used to simulate ambient vehicles in driving simulators. The usual approach has instead been to simulate the ambient vehicles according to deterministic models. There are for several reasons desirable to keep the variation in test conditions between different drivers as low as possible.

By using stochastic simulation of ambient traffic, drivers will experience different situations at the micro level depending on how they drive. The simulator driver’s conditions will still be comparable at a higher, more aggregated, level, if this is sufficient or not varies depending on the type of experiment. For some experiments, equal conditions at the micro level are essential and stochastic simulation may not be suitable to use. In other experiments, comparable conditions at a higher level are sufficient.2 Aim The aim of this thesis is to develop, implement, and validate a real-time running traffic simulation model that is able to generate and simulate surrounding vehicles in a driving simulator.

This includes integration of the developed model and a driving simulator. The model should both simulate individual vehicle-driver units and the traffic stream that they are a part of, in a realistic way. The simulated vehicle-driver units should behave realistically concerning acceleration, lane- changing, and overtaking behavior, as well as concerning speed choices. The vehicles should also appear in the traffic stream in such a way that headways, vehicle types, speed distributions, etc.

correspond to real data.3 Delimitations The simulation model has been delimited to only deal with freeways with two lanes in each direction and to rural roads with oncoming traffic. The model does not deal with ramps on freeways or intersections on rural roads. Consequently, the thesis does not deal with simulation of urban traffic situations. Some driving simulator experiments include critical situations or events.

To create such situations autonomous vehicles has to be combined with vehicles with predetermined behavior. The thesis only discusses this topic to a limited extent.