Συντάχθηκε 30-09-2024 10:22
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 02/10/2024 14:00
Λήξη: 02/10/2024 15:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
| Επώνυμο: |
ΜΗΤΡΑΚΑΣ |
| Όνομα: |
ΚΩΝΣΤΑΝΤΙΝΟΣ |
| Πατρώνυμο: |
ΕΥΑΓΓΕΛΟΣ |
| ΑΜ: |
2019010053 |
| email: |
kmitrakas@tuc.gr |
| Τίτλος (Ελληνικά): |
Βαθμονόμηση μακροσκοπικών μοντέλων κυκλοφοριακής ροής πρώτης τάξης για κυκλοφορία αυτοματοποιημένων οχημάτων χωρίς λωρίδες |
| Τίτλος (Αγγλικά): |
Calibration of macroscopic first-order traffic flow models for lane-free automated vehicle traffic |
| Περίληψη (Ελληνικά): |
Πρόσφατα προτάθηκε ένα νέο παράδειγμα κυκλοφορίας, με το όνομα TrafficFluid, για αυτοματοποιημένα οχήματα. Το συγκεκριμένο παράδειγμα χαρακτηρίζεται από δύο βασικές αρχές: την κυκλοφορία χωρίς λωρίδες και την ιδιότητα ώθησης οχημάτων. Η τελευταία υποδηλώνει ότι τα οχήματα μπορούν να επηρεαστούν (υποστούν όθηση) από άλλα οχήματα που βρίσκονται κοντά τους, ακόμη και πίσω τους. Για την έννοια αυτή έχουν σχεδιαστεί ποικίλες στρατηγικές κίνησης οχημάτων που μπορούν να αξιοποιηθούν για την μικροσκοπική προσομοίωση της κυκλοφορίας. Από την άλλη πλευρά, τα μακροσκοπικά μοντέλα μπορούν να χρησιμοποιηθούν για την παραγωγή αποτελεσμάτων προσομοίωσης μεγάλης κλίμακας με χαμηλή υπολογιστική προσπάθεια, αλλά και για την απόκτηση γνώσεων σχετικά με τις αναδυόμενες μακροσκοπικές ιδιότητες της κυκλοφορίας σε δίκτυο χωρίς λωρίδες λαμβάνοντας υπόψη την ώθηση των οχημάτων. Επιπλέον, τα μακροσκοπικά μοντέλα μπορούν να χρησιμοποιηθούν για διάφορες σημαντικές πτυχές της κυκλοφοριακής τεχνικής, συμπεριλαμβανομένης της εκτίμησης και του σχεδιασμού στρατηγικών ελέγχου. Η παρούσα διπλωματική εργασία χρησιμοποιεί μια ad-hoc στρατηγική κίνησης οχημάτων για συνδεδεμένα και αυτοματοποιημένα οχήματα (ΣΑΟ) που κινούνται σε περιβάλλον αυτοκινητόδρομου χωρίς λωρίδες κυκλοφορίας, με σκοπό την παραγωγή δεδομένων που μπορούν να χρησιμοποιηθούν για την βαθμονόμηση μακροσκοπικών μοντέλων. Μια εκτεταμένη εκδοχή ενός μοντέλου πρώτης τάξης με έναν παράγοντα πρόβλεψης των οδηγών, βαθμονομείται ώστε να προσαρμοστεί στα δεδομένα πετυχαίνοντας έτσι τον προσδιορισμό των βέλτιστων παραμέτρων του μοντέλου για διαφορετικά πλάτη αυτοκινητοδρόμων και διαφορετικά επίπεδα ώθησης οχημάτων. Το εργαλείο λογισμικού CALISTO, που είχε αναπτυχθεί προηγουμένως, και το γραφικό περιβάλλον χρήσης του επεκτείνονται κατάλληλα για να χειριστούν το νέο μοντέλο. Το μοντέλο αυτό περιλαμβάνει έναν όρο πρόβλεψης που επηρεάζει την συνολική εκροή από ένα τμήμα του αυτοκινητοδρόμου ανάλογα με τις επικρατούσες συνθήκες κατάντη. Ο μηχανισμός αυτός υποδηλώνει ότι οι οδηγοί προσαρμόζουν την ταχύτητά τους, λαμβάνοντας επίσης υπόψη την πυκνότητα κατάντη. Επιπλέον, στην εκδοχή με διακριτό χώρο, η κυκλοφοριακή ροή που λαμβάνεται υπόψη στην εξίσωση διατήρησης είναι ένας κυρτός συνδυασμός της συνολικής ροής του τρέχοντος, του επόμενου και του προηγούμενου τμήματος. Αναμένεται ότι οι συνθήκες κυκλοφορίας που παρατηρούνται στην κυκλοφορία χωρίς λωρίδες με ΣΑΟ σε μικροσκοπικό επίπεδο θα αναπαραχθούν με επαρκή ακρίβεια. Η χωρητικότητα του αυτοκινητοδρόμου και η κρίσιμη πυκνότητα αναμένεται να αυξηθούν γραμμικά με την αύξηση του πλάτους του αυτοκινητοδρόμου και αναμένεται περαιτέρω αύξηση των ίδιων μεγεθών για αυξημένα επίπεδα ώθησης των οχημάτων. Από την άλλη πλευρά, η ελεύθερη ταχύτητα εκτιμάται ότι θα είναι ανεξάρτητη από το πλάτος του αυτοκινητόδρομου και ότι θα αυξάνεται ελαφρώς με την ανάλογη ώθηση των οχημάτων. |
| Περίληψη (Αγγλικά): |
A novel traffic paradigm, called TrafficFluid, was recently proposed for automated vehicles. It is characterized by two integrated principles: lane-free traffic and vehicle nudging. The latter suggests that vehicles can be influenced (nudged) by other vehicles in their vicinity, even behind them. Various vehicle movement strategies have been designed for this concept that can be employed for microscopic traffic simulation. On the other hand, macroscopic models may be used to produce largescale simulation results with low computational effort, but also to gain insights on the emerging macroscopic properties of lane-free traffic with vehicle nudging. Furthermore, macroscopic models can be used for various significant traffic engineering tasks, including estimation and control strategy design. This thesis employs an ad-hoc vehicle movement strategy for Connected and Automated Vehicles (CAVs) driving in a lane-free highway environment, to produce data that can be utilized to calibrate macroscopic models. An extended version of a first-order model with drivers' anticipation is calibrated to fit the data, and optimal model parameters are determined for different highway widths and different vehicle nudging levels. The previously developed CALISTO software tool and its GUI are appropriately extended to handle the new model. This model includes an anticipation term that influences the total outflow from a highway section according to the downstream prevailing conditions. This mechanism suggests that drivers adjust their speed, by also considering the downstream density. Moreover, in the space-discretised version, the traffic volume considered in the conservation equation is a convex combination of the total traffic volume of the current, the next and the previous sections. It is expected that the traffic conditions observed in the microscopic lane-free CAV traffic will be reproduced with sufficient accuracy. Highway capacity and critical density are expected to increase linearly with the increase of the highway width; and further increase of the same quantities is expected for increased levels of vehicle nudging. On the other hand, free speed is expected to be independent of the highway width and increase slightly with vehicle nudging. |
| Γλώσσα διπλωματικής: |
Αγγλικά |
| Τομέας: |
ΕΠΙΣΤΗΜΗΣ ΑΠΟΦΑΣΕΩΝ |
| Επιβλέπων: |
ΠΑΠΑΜΙΧΑΗΛ ΙΩΑΝΝΗΣ, Καθηγητής |
| 1ο μέλος επιτροπής: |
ΔΟΪΤΣΙΔΗΣ ΕΛΕΥΘEΡΙΟΣ, Επίκουρος Καθηγητής |
| 2ο μέλος επιτροπής: |
ΙΨAΚΗΣ ΔΗΜHΤΡΗΣ, Επίκουρος Καθηγητής |
| Ημ/νία εξέτασης |
Τετάρτη, 2 Οκτωβρίου 2024 |
| Ώρα: |
14:00 |
| Χώρος |
https://tuc-gr.zoom.us/j/98034466495?pwd=SLyKCYtzsHI5e9mQSKvX8PLEzt6HwN.1 |
