Luận văn thạc sĩ toán ứng dụng mô phỏng giao thông trong đường hầm bằng phương trình lighthillwhithamrichards

Luận văn thạc sĩ về mô phỏng giao thông trong đường hầm sử dụng phương trình Lighthill-Whitham-Richards, phân tích và ứng dụng thực tiễn.

• Tác giả: Phan Thị Ngọc Hân
• Người hướng dẫn: TS. Nguyễn Quốc Lân
• Trường học: Đại học Bách Khoa - ĐHQG HCM
• Chuyên ngành: Toán ứng dụng
• Đề tài: Mô phỏng giao thông trong đường hầm bằng phương trình Lighthill-Whitham-Richards
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng quan về mô phỏng giao thông trong đường hầm

Mô phỏng giao thông trong đường hầm là một lĩnh vực nghiên cứu quan trọng trong quản lý giao thông hiện đại. Việc sử dụng phương trình Lighthill-Whitham-Richards (LWR) giúp mô phỏng và phân tích lưu lượng giao thông một cách hiệu quả. Mô hình này không chỉ đơn giản mà còn có khả năng mô phỏng các hiện tượng giao thông phức tạp, từ đó hỗ trợ các nhà quản lý trong việc đưa ra các quyết định hợp lý nhằm tối ưu hóa giao thông trong các đường hầm.

1.1. Khái niệm cơ bản về mô phỏng giao thông

Mô phỏng giao thông là quá trình sử dụng các mô hình toán học để tái hiện hành vi của các phương tiện trong một không gian nhất định. Phương trình LWR là một trong những mô hình phổ biến nhất, giúp mô phỏng mối quan hệ giữa mật độ, lưu lượng và vận tốc của các phương tiện.

1.2. Tầm quan trọng của mô phỏng giao thông trong đường hầm

Đường hầm thường gặp phải các vấn đề như ùn tắc và an toàn giao thông. Mô phỏng giao thông giúp dự đoán và phân tích các tình huống có thể xảy ra, từ đó đưa ra các giải pháp hiệu quả nhằm giảm thiểu rủi ro và tối ưu hóa lưu lượng.

II. Vấn đề và thách thức trong mô phỏng giao thông

Mặc dù mô phỏng giao thông bằng phương trình LWR mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức cần được giải quyết. Các hiện tượng giao thông phức tạp như sự thay đổi làn xe và sự xuất hiện của nhiều loại phương tiện có thể làm giảm độ chính xác của mô hình. Việc phát triển các mô hình mới như multi-class LWR (MCLWR) là cần thiết để giải quyết những vấn đề này.

2.1. Các hiện tượng giao thông phức tạp

Các hiện tượng như ùn tắc, thay đổi làn xe và sự xuất hiện của nhiều loại phương tiện là những yếu tố gây khó khăn trong việc mô phỏng chính xác. Mô hình LWR truyền thống có thể không đủ khả năng để xử lý những tình huống này.

2.2. Giới hạn của mô hình LWR

Mô hình LWR mặc dù đơn giản và dễ áp dụng, nhưng không thể mô phỏng chính xác các hiện tượng giao thông phức tạp. Điều này dẫn đến việc cần thiết phải phát triển các mô hình mới hơn để cải thiện độ chính xác.

III. Phương pháp mô phỏng giao thông bằng LWR

Phương pháp mô phỏng giao thông bằng phương trình LWR dựa trên các nguyên lý cơ bản của lý thuyết lưu lượng. Mô hình này sử dụng các phương pháp số để giải quyết các phương trình đạo hàm riêng, từ đó cung cấp các kết quả chính xác về lưu lượng và mật độ giao thông trong đường hầm.

3.1. Nguyên lý cơ bản của phương trình LWR

Phương trình LWR mô tả mối quan hệ giữa mật độ và lưu lượng giao thông. Nó cho phép tính toán lưu lượng giao thông dựa trên mật độ hiện tại và các yếu tố khác như vận tốc.

3.2. Các phương pháp số trong mô phỏng

Các phương pháp số như lược đồ Godunov, lược đồ MacCormack và lược đồ TVD được sử dụng để giải quyết phương trình LWR. Những phương pháp này giúp cải thiện độ chính xác và tính ổn định của mô hình.

IV. Ứng dụng thực tiễn của mô phỏng giao thông trong đường hầm

Mô phỏng giao thông trong đường hầm bằng phương trình LWR đã được áp dụng trong nhiều dự án thực tế. Các kết quả từ mô phỏng giúp các nhà quản lý giao thông đưa ra các quyết định hợp lý nhằm cải thiện lưu lượng và an toàn giao thông.

4.1. Ví dụ về ứng dụng mô phỏng trong đường hầm Thủ Thiêm

Mô phỏng giao thông trong đường hầm Thủ Thiêm đã cho thấy sự hiệu quả trong việc quản lý lưu lượng. Mặc dù chưa thu thập được số liệu thực tế, nhưng các mô hình đã cung cấp những dự đoán hữu ích cho các nhà quản lý.

4.2. Kết quả nghiên cứu từ mô phỏng

Các nghiên cứu cho thấy mô phỏng giao thông bằng phương trình LWR có thể cung cấp thông tin quan trọng về lưu lượng và mật độ, từ đó giúp cải thiện quản lý giao thông trong các đường hầm.

V. Kết luận và tương lai của mô phỏng giao thông

Mô phỏng giao thông trong đường hầm bằng phương trình LWR là một công cụ mạnh mẽ trong quản lý giao thông. Tương lai của nghiên cứu này sẽ tập trung vào việc phát triển các mô hình mới hơn, có khả năng xử lý các hiện tượng giao thông phức tạp hơn, từ đó nâng cao độ chính xác và hiệu quả trong quản lý giao thông.

5.1. Hướng phát triển mô hình mới

Nghiên cứu sẽ tiếp tục phát triển các mô hình như MCLWR để cải thiện khả năng mô phỏng các hiện tượng giao thông phức tạp, từ đó nâng cao độ chính xác của các dự đoán.

5.2. Tầm quan trọng của nghiên cứu trong tương lai

Nghiên cứu về mô phỏng giao thông sẽ tiếp tục đóng vai trò quan trọng trong việc cải thiện an toàn và hiệu quả giao thông, đặc biệt trong các khu vực đô thị đông đúc.

Trích đoạn nội dung tài liệu

Chương 1. Kiến thức tổng quan x = x0 + ta(u0 (x0 )) Giả sử tồn tại hai điểm x1 < x2 sao cho a(u0 (x1 )) > a(u0 (x2 )). Khi đó, hai đường đặc trưng qua (x1 , 0) và (x2 , 0) cắt nhau tại điểm P ứng với: 2 −x1 t = a(u0 (x1x))−a(u 0 (x2 )) >0 Như vậy, tại P hàm u nhận cả hai giá trị là u0 (x1 ) và u0 (x2 ). Do đó, hàm u không liên tục tại P.

Điều kiện để hai đường đặc trưng không cắt nhau tại t > 0 là hàm x 7→ a(u0 (x)) tăng. Tuy nhiên, nghiệm trơn của hệ có thể được xây dựng đến một thời điểm lớn nhất T ∗ được xác định bởi: T ∗ = − min(α,0) 1 với α = min a (u0 (x)) x∈R 1.2 Nghiệm yếu và hệ thức Rankine-Hugoniot Xét bài toán Cauchy: { ut + [f (u)]x = 0, u ∈ Ω ⊂ Rp (1. Giả sử u là nghiệm trơn và φ ∈ C0 (R × [0, ∞)). p p Áp dụng công thức Green ta có: ∫∞ ∫ 0=− (ut + f (u)x )φdxdt 0 R ∫∞ ∫ ∫ ′ ′ = (u.

0 R R Vậy nghiệm cổ điển u thỏa đẳng thức vi tích phân: ∫∞ ∫ ∫ ′ ′ (u. Kiến thức tổng quan Định nghĩa Hàm u ∈ L∞ loc (R × [0, ∞)) được gọi là nghiệm yếu của bài p toán Cauchy (1.4) nếu u(x, t) ∈ Ω hầu khắp nơi (h.5) với mọi hàm thử φ ∈ C0∞ (R × [0, ∞))p. Cho u là hàm trơn R × R+ → Ω có dạng { u− (x, t), x < φ(t) u(x, t) = (1.6) u+ (x, t), x > φ(t) Đặt Ω+ = {(x, t) : x > φ(t)}, Ω− = {(x, t) : x < φ(t)} và các hàm u± : Ω± → U , φ : R+ → R là các hàm khả vi liên tục. Khi đó, u là nghiệm yếu của (1.4) khi và chỉ khi u là nghiệm trơn trên từng miền Ω± và thỏa điều kiện Rankine-Hugoniot sau: ′ −φ (t)(u+ (t) − u− (t)) + f (u+ (t)) − f (u− (t)) = 0 (1.

ε→0 ε→0 Chứng minh Với hàm θ tùy ý trong Cc∞ (R × (0, +∞)), phương trình (1.5) được viết lại:   ∑ ∫ ∫   (u± (x, t) θ(x, t)t + f (u± (x, t) θ(x, t)x )) dxdt = 0 ± Ω± Áp dụng công thức Green trên từng miền Ω± , ta được: ′ ′ φ (t) u− (t) − f (u− (t)) − φ (t) u+ (t) + f (u+ (t)) = 0 Định lý chứng minh xong. Kiến thức tổng quan 1.3 Khái niệm về entropy toán học 1.1 Tính không duy nhất của nghiệm yếu Ta xét ví dụ về phương trình Burgers: { 2 ut + ( u2 )x = 0, u ∈ Ω ⊂ Rp (1. Điều kiện Rankine-Hugoniot lúc này là: ′ φ (t) = f (uu++)−f −u− (u− ) = 21 Dễ dàng kiểm tra được   t  0, x ≤ u1 (x, t) = 2   1, x > t 2 và    0, x ≤ 0 x u2 (x, t) = ,0 < x < t   t  1, x ≥ t là hai nghiệm yếu của (1.2 Khái niệm entropy toán học và nghiệm entropy Cặp entropy lồi 14 Chương 1. Kiến thức tổng quan Xét định luật bảo toàn tổng quát dạng (1.

Giả sử U : Ω 7→ R là một hàm trơn. Ta nhân hai vế của phương trình (1.ux = 0 Nếu tồn tại hàm khả vi F(u) thỏa: ∇F(u) = ∇U(u)Df (u) (1.1) được viết lại: U(u)t + F(u)x = 0. Định nghĩa Cho Ω là một tập lồi. Hàm lồi, trơn U : Ω → R được gọi là entropy của định luật bảo toàn (1.1) nếu tồn tại một hàm trơn F : Ω → R thỏa mãn hệ thức: U(u)t + F(u)x = 0.10) Hàm F được gọi là thông lượng entropy.

Cặp (U, F) được gọi là cặp entropy lồi của hệ (1. Bất phương trình entropy Xét định luật bảo toàn với nhớt: uεt + f (uε )x = ε(uε )xx (1. Giả sử hệ (1.1) có một cặp entropy lồi (U, F). Giả sử uε là một dãy hàm trơn của (1.11) sao cho: lim uε = u, lim ∥uε ∥L∞ (R×[0,+∞)) ≤ C h.n trong R × [0, +∞) ε→0 ε→0 15 Chương 1.

Kiến thức tổng quan trong đó C là hằng số không phụ thuộc vào ε. Khi đó, u là nghiệm yếu của định luật bảo toàn (1.1) và thỏa bất phương trình entropy sau: U(u)t + F(u)x ≤ 0 h.12) 16 Chương 2 Xây dựng mô hình Trong chương 2, luận văn trình bày sự hình thành mô hình LWR, tính chất TVD, xây dựng một số lược đồ TVD.1 Sự hình thành mô hình LWR Xét giao thông trên đường cao tốc trong đó lưu lượng và mật độ giao thông lần lượt được biễu diễn bởi f (x, t) và ρ (x, t). Xét trên một đoạn đường được miêu tả như hình 2. Tại thời điểm t, mật độ giao thông là ρ (x, t), sau thời gian ∆t mật độ giao thông là ρ + ∂ρ∂t.

Trong khoảng thời gian ∆t, lưu lượng giao thông vào và ra lần lượt là f (x, t), f + ∂f ∂x. Theo định luật bảo toàn, ta có: ( ) ( ) ∂ρ ∂f ρ.1) ∂t ∂x trong đó Ω là tập xác định thời gian và không gian của bài toán. Xây dựng mô hình Lưu lượng, vận tốc trung bình và mật độ thỏa phương trình: f (x, t) = u (x, t) .1: Minh họa sự bảo toàn xe trên một đoạn đường. Từ mô hình LWR cho một đoạn cao tốc trên, Lighthill-Whitham-Richards đã xây dựng phương trình LWR tổng quát sau: ∂p ∂p ∂2p ∂2p + q (p).

Xây dựng mô hình trong đó: - q(p) là vận tốc sóng (the wavespeed). - T là hằng số thời gian vận tốc biến thiên (the inertial time constant for speed variation). - D là hệ số khuếch tán (diffusion coefficient representing how vehicles respond to nonlocal changes in traffic conditions).2 Bài toán Phương trình LWR tổng quát: ∂u ∂u ∂2u ∂2u ∀x ∈ [x0 , x1 ], ∀t ∈ [0, t0 ], + q (u) .5) ∂t ∂x ∂ t ∂ x với điều kiện u(x, 0) = u0 (x). Một số kết quả nghiên cứu giải phương trình (2.5) tiêu biểu: Năm 1988, Chi-Wang Shu và Stanley Osher đưa ra mô hình bắt sốc ENO (essentially non-oscillatory) kết hợp với lược đồ TVD (total-variation-diminishing) rời rạc thời gian tìm nghiệm gián đoạn của mô hình LWR (xem [3]).

Năm 1994, Xu-Dong Liu, Stanley Osher và Tony Chan đưa ra mô hình bắt sốc WENO (Weighted essentially non-oscillatory ) giải phương trình LWR (xem [10]). Năm 2003, Mengping Zhanga, Chi-Wang Shu, George C. Wong đưa ra mô hình WENO (weighted essentially non-oscillatory) giải mô hình LWR nhiều loại xe (xem [15]). Wong, MengpingZhang và Chi-WangShu xây dựng lược đồ tìm nghiệm entropy cho mô hình LWR với mối liên hệ giữa hàm lưu lượng và mật độ là hàm lồi, gián đoạn, bậc hai từng khúc và điều kiện đầu là hàm tuyến tính từng khúc, điều kiện biên là hàm hằng từng khúc (xem [13]).

Xây dựng mô hình Năm 2010, Pierre-Emmanuel Mazaré, Christian G. Claudel và Alexandre M. Bayen xây dựng phương pháp lưới tự do giải phương trình LWR. (xem [20]) Từ phương trình tổng quát (2.5), ta xét trường hợp đơn giản sau: ∀x ∈ [x0 , x1 ], ∀t ∈ [0, t0 ], ut + [f (u)]x = 0, u ∈ Ω ⊂ Rp (2.6) với điều kiện u(x, 0) = u0 (x).

Dạng tóm tắt của phương trình (2.8) Trong đó: + T là toán tử rời rạc phi tuyến. + L là toán tử rời rạc phi tuyến và là xấp xỉ bậc r của toán tử không gian £ trong (2.7) L(u) = £(u) + O(∆xr ) * Định nghĩa 2 w̃ = T̃ (u) = (I − ∆tL̃)(u) Trong đó: + T̃ là toán tử rời rạc phi tuyến. + L̃ là toán tử rời rạc phi tuyến và là xấp xỉ bậc r của toán tử không gian £ trong (2.9) Ví dụ: Phương trình hyperbolic bậc nhất 20 Chương 2. Xây dựng mô hình ut = ux = £(u) có L(u) = u(x+∆x,t)−u(x,t) ∆x.

Kí hiệu: unj là giá trị xấp xỉ của nghiệm chính xác u tại nút (xj , tn ) với xj = j. Luận văn cần xây dựng một lược đồ xấp xỉ bậc r cho bài toán (2.10) Trong đó S là toán tử phụ thuộc vào T .3 Tính chất TVD, TVB Biến phân toàn phần của nghiệm vô hướng rời rạc được định nghĩa bởi: ∑ T V (un ) = |unj+1 − unj | j - Lược đồ sai phân được gọi là TVD ( hay biến phân toàn phần giảm) nếu: T V (un+1 ) ≤ T V (un ) - Lược đồ sai phân được gọi là TVB ( hay biến phân toàn phần bị chặn) trên [0, T ] nếu: T V (un ) ≤ B trong đó: B là hằng số. Xây dựng mô hình 2.4 Ý nghĩa của lược đồ TVD Trong phần này, luận văn trình bày ví dụ cho thấy sự ổn định của lược đồ TVD. Xét phương trình Burgers (xem [4]) 1 ut + ( u2 )x = 0 (2.11) 2 { 1, x≤0 với điều kiện: u(x, 0) = ; −1 ≤ x ≤ 1 −0.5, x > 0 Công thức lược đồ TVD bậc hai ( xem 2.13) u(2) = u(0) + u(0) − ∆tL(u(1) ) 40 40 Dưới đây là kết quả giải số phương trình (2.11) bằng cách sử dụng lược đồ TVD và lược đồ không TVD ( code xem phụ lục A và B).

Xây dựng mô hình Hình 2.2: Kết quả số của nghiệm sử dụng lược đồ TVD Hình 2.3: Kết quả số của nghiệm sử dụng lược đồ không TVD Hình (2.2) là kết quả nghiệm sử dụng lược đồ TVD bậc hai ( lược đồ (2. Xây dựng mô hình Hình (2.3) là kết quả nghiệm xấp xỉ sử dụng lược đồ không TVD bậc hai ( lược đồ (2. Kết quả số cho thấy rằng, nghiệm của lược đồ không TVD bị dao động xa nghiệm chính xác hơn so với lược đồ TVD. Nghiệm xấp xỉ giải bằng lược đồ TVD ổn định hơn giải bằng lược đồ không TVD.5 Lược đồ bảo toàn tính đơn điệu, lược đồ đơn điệu, lược đồ tuyến tính * Lược đồ bảo toàn tính đơn điệu Lược đồ sai phân được gọi là bảo toàn tính đơn điệu nếu: {unj+1 ≥ unj , ∀j} ⇒ {un+1 j+1 ≥ uj n+1 , ∀j} * Lược đồ đơn điệu Lược đồ sai phân có dạng un+1 j = unj − λ(fb(uj−p , ., uj+q ) − fb(uj−p−1 , ., uj+q ) được gọi là lược đồ đơn điệu nếu G là hàm đơn điệu không giảm theo từng biến ( tức là G(↑, ↑, ., ↑)) * Lược đồ tuyến tính Một lược đồ được gọi là lược đồ tuyến tính nếu nó là tuyến tính khi áp dụng để giải phương trình đạo hàm riêng tuyến tính: ut + aux = 0 trong đó: a là hằng số.

Xây dựng mô hình 2.