Model Lalu Lintas Kendaraan Untuk Hubungan Kecepatan-Kepadatan-Aliran

Gabriel O. Fosu_, Emmanuel Akweittey, Joseph M. Opong, Michael E. Otoo

Department of Mathematics, Presbyterian University College, Ghana

Email(s): gabriel.obed@presbyuniversity.edu.gh,
emmanuel.akweittey@presbyuniversity.edu.gh,
joeopong@presbyuniversity.edu.gh,
moezra@presbyuniversity.edu.gh

Abstrak.
Hubungan antara kendaraan di jalan dimodelkan menggunakan persamaan lalu lintas dasar. Dalam
pemodelan lalu lintas, persamaan kepadatan kecepatan tertentu biasanya merupakan kumpulan data
khusus. Studi ini berusaha untuk membuat parameter beberapa model fundamental yang ada
sehingga persamaan yang diberikan dapat cocok dengan kumpulan data yang berbeda. Persamaan-
persamaan baru tersebut merupakan cabang surmisal dari persamaan-persamaan yang sudah ada.
Persamaan parameter digunakan dalam model LWR dan diselesaikan menggunakan skema
differencing Lax-Friedrichs. Hasil simulasi menggambarkan berbagai skenario percepatan dan
perlambatan profil gelombang lalu lintas. Model yang diusulkan dengan tepat menjelaskan transisi
yang bervariasi dari rezim lalu lintas yang berbeda.
Keywords: LWR model, shockwaves, speed-density equation, tra_c ow.
AMS Subject Classi_cation 2010: 76L05, 53A17, 76M20.

1. Perkenalan
Teori arus lalu lintas menjelaskan tentang bagaimana kendaraan dan pengemudi berinteraksi
satu sama lain dan dengan infrastruktur jalan. Model arus lalu lintas membantu untuk memahami
dengan jelas dan memprediksi perilaku infrastruktur pengemudi kendaraan ini. Penjelasan paling
sederhana tentang dinamika lalu lintas adalah melalui persamaan lalu lintas arus kepadatan
kecepatan. Diagram dasar adalah representasi bergambar dari persamaan aliran kepadatan
kecepatan. Persamaan matematis yang diturunkan dari diagram ini disebut persamaan dasar.
Persamaan dasar adalah alat yang ampuh untuk analisis lalu lintas makroskopik. Mereka sering
digunakan dalam model LWR untuk menjelaskan lalu lintas kendaraan.
Seorang insinyur riset dari biro lalu lintas di Departemen jalan negara bagian Ohio adalah
yang pertama mengeksplorasi keterkaitan antara kecepatan kendaraan (u), kepadatan lalu lintas (k ),
dan fluks lalu lintas (q)dalam penyelidikan untuk memastikan waktu yang terbuang selama
kemacetan [11]. Data untuk penelitian ini dikumpulkan pada jalur ganda dengan menggunakan
metode fotografi. Hasilnya adalah model sederhana yang menggambarkan hubungan linier terbalik
antara kecepatan kendaraan dan kepadatan lalu lintas. Plot dasarnya terdiri dari: umax sebagai
kecepatan aliran bebas maksimum, dan k ❑max sebagai kepadatan saat lalu lintas macet. Kedua
parameter ini (umax , k ❑max ) terwujud di hampir semua model kepadatan kecepatan. Juga, k crit , ucrit
dan q crit masing-masing adalah nilai kritis untuk kepadatan, kecepatan, dan aliran. Greenshields
mengkategorikan arus lalu lintas kendaraan menjadi dua rezim utama, yaitu: rezim arus bebas dan
rezim padat. Dalam rezim yang padat, ia mendeteksi bahwa hubungan antara kecepatan dan
kepadatan tidak memiliki keseragaman yang harmonis. Peneliti modern telah menghubungkan
ketidakkonsistenan ini dengan histeresis lalu lintas [15, 30].
Dengan analisis empiris, Pipes [24] mempresentasikan persamaan konsentrasi kecepatan
dalam ulasannya tentang model mobil yang ada berikut ini: (Indeks 6, Tabel 1). Kurva kecepatan-
kepadatan memiliki bentuk cekung ketika parameter n<1 dan cembung ketika parameter n>1.
Kecepatan dan kepadatan terkait secara linier seperti diagram dasar Greenshields ketika n=1.
Dalam pengertian lalu lintas, n kurang dari satu jenis pengemudi yang memperlambat ketika
konsentrasi lalu lintas sangat besar. Contoh di mana pengemudi mengurangi kecepatannya di jalan
yang lebih besar seperti mengemudi di malam hari dan melalui lorong bawah tanah diwakili oleh
n>1. Model pipe memiliki sifat yang identik dengan persamaan rezim tunggal Greenberg ketika
n=1,71828. Matematika dari model dasar ini dirinci dalam Tabel 1.
Beberapa korespondensi dengan model Pipes adalah mobil deterministik non integer yang
mengikuti konseptualisasi [20] dan model eksponensial Drew [7]. Model konsentrasi kecepatan
May & Keller [20] memiliki dua parameter unik m1 dan m2. Parameter m 1 menjelaskan kecepatan
kendaraan yang menyertainya, sedangkan m2 memperhitungkan faktor sensitivitas untuk celah
ruang antara dua kendaraan yang berurutan. Ketika m1=1, model [20] dianalogikan dengan
persamaan Drew. Selain itu, model [20] May & Keller identik dengan kerangka Greenshields ketika
m1=m❑2=1. Persamaan linier oleh May & Keller dapat diteorikan sebagai bentuk umum dari
ketiga model ini [7, 11, 24].
Pada akhir abad kedua puluh, Jayakrishnan et al. [13] memodifikasi persamaan
Greenshields dengan memperkenalkan kecepatan minimum rata-rata pada lalu lintas macet ( umin ).
Mereka menurunkan model penugasan dinamis menggunakan teknik optimasi.
Greenberg [10] menurunkan persamaan logaritmiknya dengan menggunakan konstruksi
dinamika fluida. Dia bertujuan untuk memperbaiki model Greenshields karena data yang digunakan
untuk formulasi sebelumnya relatif lebih kecil. Sebaliknya, model logaritma ini gagal meniru
kondisi lalu lintas untuk jalan yang hampir kosong. Kecepatan kendaraan meningkat tanpa batas
saat kepadatan mendekati nol. Di masa lalu, Ardekani dan Ghandehari [2] memperkenalkan
kuantitas kepadatan minimum (k min ) untuk memecahkan masalah kecepatan tak terbatas. Variabel
k min adalah kepadatan terkecil selama lalu lintas di luar jam sibuk.
Dugaan perdana model eksponensial kecepatan-kepadatan didalilkan oleh Underwood [27].
Dia bereksperimen dengan konstruksinya menggunakan tiga kasus aliran yang berbeda: aliran
normal, aliran tidak stabil, dan aliran paksa. Pada tahun yang sama, Newell [21] mengusulkan
persamaan fundamental eksponensial dengan memperkenalkan konstanta proporsionalitas, λ .
Konstanta ini diturunkan dari kemiringan plot kecepatan-kecepatan. Seluruh formulasi model
disimpulkan dari teori mobil berikut.
Sekali lagi, kurva berbentuk lonceng dikemukakan oleh sekelompok peneliti Northwestern
[6]. Model ini dirumuskan kembali oleh Papageorgiou et al.[22] menggunakan data eksperimen dari
Boulevard Peripherique di Ibukota Prancis. Sebaliknya, kuantitas numerik dalam model berbentuk
lonceng dirancang untuk bervariasi di Papageorgiou et al. dalil.
Representasi lain yang sangat berbeda dari persamaan fungsional ini diturunkan berdasarkan
pengukuran dari detektor loop [28]. Penulis tidak hanya memperhatikan informasi jalan bebas
hambatan tetapi juga jalan arteri, serta terowongan bawah tanah. Plot fundamental yang dihasilkan
dari empat model parameternya adalah sebagai lentur sigmoid. Model [28] juga kembali ke tipe
Greenshields ketika A1= A 3=0 , dan A2=umax /k max. Juga, terkait dengan model van Aerde adalah
persamaan fundamental oleh MacNicholas [19]. Meskipun kedua model memiliki plot kepadatan
kecepatan yang sama, model empat parameter sulit untuk ditangani. Cabang lain dari persamaan ini
adalah percabangan model Greenshields melalui vektor parametrik [23]. Fungsi linier Greenshields
dikurangkan dari model parameter ini ketika [ E1 , E 2 , E3 , E4 , E5 ] =[1,1,1,1,1].
 Selain itu, model KK eksponensial diantar oleh Kerner dan Konhauser [14] dalam upaya
untuk membuat parameter cluster dalam lalu lintas. Kemudian, Lee di al. [16] memperkenalkan
ekspresi fundamental baru yang disebut model rasional. Penulis mengadopsi model hidrodinamika
yang sama seperti dalam analisis cluster KK untuk menyimpulkan model rasional mereka.
Perkembangan terbaru dari model kepadatan kecepatan rezim tunggal adalah melalui
analisis statistik dan teoritis arus lalu lintas campuran [9]. Penulis menyajikan dua persamaan
kecepatan-kepadatan yang berbeda: model eksponensial dan rasional. Mereka memperkenalkan tiga
parameter bentuk untuk mengoreksi ketidakcukupan model rasional [16].
Model densitas kecepatan ganda yang diuraikan dalam Tabel 1 ini menyulitkan peneliti
dalam memilih persamaan yang paling tepat untuk pekerjaan penelitian mereka. Makalah ini
berusaha untuk mengurangi beban ini dengan membuat parameter utama kelas model dasar. Kelas-
kelas ini termasuk model linier, logaritma, eksponensial dan logistik. Dalam makalah ini, satu
persamaan diusulkan untuk mewakili semua persamaan kecepatan-kepadatan yang memiliki
hubungan linier. Dengan beberapa asumsi, model baru akan selalu kembali ke salah satu bentuk
klasik, menjadi [7,11,13,20,24]. Derivasi serupa diperoleh untuk model logaritma, model
eksponensial, dan model logistik. Persamaan yang diusulkan dibandingkan dengan bentuk klasiknya
menggunakan profil gelombang lalu lintas. Kekurangannya, sifat-sifat teoritis dari model-model
tersebut tidak disajikan dalam penelitian ini.
Sisa makalah ini disusun sebagai berikut. Pada bagian dua, lima persamaan fundamental
baru disajikan. Yaitu: persamaan linier tergeneralisasi, persamaan logaritma tergeneralisasi,
persamaan eksponensial sederhana, persamaan eksponensial komposit, dan persamaan logistik
sederhana. Matematika skema numerik Lax-Friedrichs dirinci di bagian tiga. Di bagian yang sama
ini, analisis komparatif model-model ini menggunakan gelombang lalu lintas juga disajikan. Di
bagian empat, kami menyajikan ringkasan umum dari keseluruhan pekerjaan.
2 Usulan persamaan kecepatan-kepadatan
Pada bagian ini, lima persamaan kecepatan-kepadatan dihipotesiskan dari persamaan yang
ada. Persamaan yang diusulkan ini adalah persamaan linier umum, persamaan logaritma umum,
persamaan eksponensial yang disederhanakan, persamaan eksponensial komposit, dan persamaan
logistik yang disederhanakan. Dalam beberapa kasus, parameter baru dimasukkan ke dalam
beberapa model yang ada untuk mendapatkan persamaan baru. Parameter ini bertujuan untuk
menskalakan dan membentuk persamaan ini agar sesuai dengan data realistis.
Hubungan antara kepadatan dan kecepatan dapat dinyatakan dalam bentuk linier. Beberapa
persamaan yang menyatakan hubungan tersebut adalah model Greenshields [11], model Pipes [24],
model May dan Keller [20], model Drew [7], dan model oleh Jayakrishnan et al. [13]. Di sini,
persamaan linier ini digabungkan untuk mendapatkan persamaan kepadatan kecepatan linier umum.
Model linier umum dinyatakan sebagai:

[ ( )]
1
k β
2 β
(1)
u=umin + ( umax −umin ) 1−
k max
Nilai β 1 dan β 2 sangat penting untuk pemodelan lalu lintas makroskopik. Persamaan ini
[7,11,13,20,24] dapat dikurangkan dari model linier umum dalam kondisi berikut.
 juga, dua persamaan dipelajari untuk menurunkan model logaritma umum. Ini termasuk
model oleh Greenberg [10] dan Ardekani & Ghandehari [2]. Menggabungkan dua persamaan ini
dan memperkenalkan parameter bentuk , kami memperoleh persamaan logaritma umum sebagai:

(
Dengan reformulasi ini, kecepatan konvergen ke ucrit ln 1+ )
k max
k min
saat k mendekati 0. Model

Greenberg diperoleh ketika k min=0 dan ∅=1 dengan ∅=0, kami mendapatkan model oleh Ardekani
& Ghandehari.
Selain itu, model oleh [6, 22, 27] disatukan sebagai satu kesatuan. Ini sekali lagi merupakan
persamaan kecepatan-kepadatan baru. Karena kesederhanaan persamaan yang diusulkan,
dibandingkan dengan model eksponensial lainnya, ini disebut sebagai model eksponensial yang
disederhanakan. Secara matematis dinyatakan sebagai:

Del Castillo dan kolaboratornya Benitez juga memunculkan dua model serupa untuk
menjelaskan hubungan timbal balik antara kecepatan, kepadatan, dan aliran [3,4]. Makalah pertama
mereka tentang teori umum menghasilkan model eksponensial gelombang kinematik dan model
sensitivitas maksimum dalam analisis empiris mereka. Model ini juga dikenal sebagai persamaan
eksponensial ganda. Dalam penelitian ini, persamaan ini telah digeneralisasikan sebagai model
komposit eksponensial (4):

Meskipun kurva eksponensial agak berbeda dari kurva sensitivitas maksimum, parameter
untuk memperhitungkan kecepatan gelombang kinematik K w ada di setiap formulasi. K w tidak
dibatasi dalam formulasi saat ini. Artinya φ 1=1
Model oleh Wang el al. [29] disebut persamaan kerapatan kecepatan logistik. Dari Tabel 1,
parameter model logistik adalah uavg : kecepatan rata-rata selama berhenti dan pergi, k t: titik
peralihan dari aliran bebas ke lalu lintas klaster; θ1, parameter skala; dan θ2 ; parameter yang
mengontrol kemiringan kurva. Bentuk gambar dari lima model parameter ini adalah lengkung
ganda seperti huruf S. Karena θ1 dan θ2 tidak mudah diamati dari data lapangan, parameter skala
dan parameter miring dijadikan fungsi dari istilah transisi. Untuk memudahkan kesulitan komputasi,
istilah ini telah diganti dengan parameter otonom. Hasilnya adalah model logistik yang
disederhanakan (5):

Ada parameterisasi yang memadai dalam dugaan ini untuk memastikan bahwa semua model yang
diusulkan koheren dengan fenomena aliran makroskopik.
3. ANALISIS DAN HASIL
3.1 SKEMA NUMERIK

Dua makalah terkenal `tentang gelombang kinematik. . . ' [18] dan `gelombang kejut di jalan
raya' [25] menghasilkan model arus lalu lintas yang luar biasa yang disebut persamaan LWR.
persamaan model.
k t ( x , t ) + q x ( x , t )=f (x , t) 6
persamaan model diturunkan dari teori mekanika fluida. Penulis menyamakan arus lalu lintas
kendaraan dengan aliran air dalam pipa. Sehingga, melahirkan model lalu lintas agregat. Sebelum
itu, hanya kuantitas aliran mikroskopis yang dipelajari. Dengan formulasi LWR f ¿ ) digunakan
sebagai istilah sumber. Anehnya, model LWR juga dapat digunakan untuk memodelkan dinamika
arus lalu lintas udara [26]. Besaran k (x , t ) dan q ( x , t) adalah kepadatan masing-masing dan laju
aliran pada lokasi x dan waktu t . u( x ; t)adalah kecepatan kendaraan. Variabel-variabel ini
dihubungkan oleh persamaan
q ( x , t )=k ( x , t ) . u( x ,t ) 7
Persamaan (7), fungsi aliran sering digunakan dalam (6) untuk penyelidikan lalu lintas
makroskopik. Karakteristik aliran yang lebih rinci terlihat ketika persamaan kecepatan kepadatan
digunakan dalam model LWR untuk analisis lalu lintas [1,8,12]. Dengan tidak adanya suku sumber
f ( x , t) dari persamaan (6), diperoleh model LWR yang homogen. Model homogen ini diselesaikan
secara numerik menggunakan skema Lax-Friedrichs. Persamaan diferensial parsial
k t ( x ,t )+ q x (x , t)=0 didiskritisasi dan diselesaikan sebagai masalah Riemann menggunakan metode
beda hingga Lax Friedrichs. Dari situ
1 n l 8
n+1
2
[
k j = ( k j +1+ k j −1 ) −
n
] ( kn + kn )
2h j +1 j−1
Indeks diskritisasi, n mewakili ukuran langkah temporal, sedangkan j mewakili ukuran langkah
spasial. Variabel h dan l masing-masing adalah titik grid untuk total jarak dan waktu. Persamaan (8)
adalah bentuk non-konservatif dari model LWR. Metode ini terkadang gagal untuk konvergen ke
solusi diskontinu. Oleh karena itu, skema Lax selanjutnya diekspresikan dalam bentuk
konservatifnya
1
k n+1
j =k j − ¿
n
h
untuk mencegah divergensi solusi, di mana
h
F ( k j +1 , k j )= ( k j−k j+ 1) + 0.5 ¿
2l
dan F adalah fungsi fluks numerik [17].
Untuk konsistensi skema, berikut ini harus dipenuhi:
h 1
F ( k , k )= ( k j −k ) + [ f ( k ) +f ( k ) ]=f ( k )
2l 2
Dan
di mana Lc adalah konstanta untuk laju aliran aktual f . Ini adalah Lipschitz terus menerus.

3.2 Hasil simulasi

Pembubaran gelombang dan pembentukannya diilustrasikan dengan menggunakan profil densitas
awal berikut..
Gelombang kejut Gelombang refraksi
Kepadatan hulu k u =0.57 veh / m k u=0.8 veh /m
Kepadatan hilir k d=0.89 veh/m k d=0.2 veh/ m
Untuk analisis numerik, bentangan jalan sepanjang 1000 meter dibagi menjadi: 100 sel. Untuk
simulasi ini, densitas dan kecepatan keduanya distandarisasi sedemikian rupa
sehingga k , u ∈[0,1] . Nilai parameter dasar yang digunakan untuk simulasi adalah:
100 m
umax = ,u crit =0.81 m/s , k max=100 veh/m, k crit =0.455 vch /m. Kecepatan minimum selama
s
kemacetan lalu lintas diberikan sebagai umin =0.071 m/s , k t=0.61 , k min=0.132 veh/m adalah
kepadatan terkecil selama aliran off-peak. Nilai untuk parameter skala dan bentuk disimpulkan dari
literatur masing-masing. Nilai-nilai ini dipilih sehubungan dengan aliran yang realistis.
Ada empat ilustrasi masing-masing untuk pembubaran gelombang (Gambar 1-2). Gambar 3
sampai 5 digunakan untuk mencontohkan pembentukan antrian. Dalam gambar, x adalah jarak
spasial dan t adalah total waktu simulasi. Model linier dan model logaritma dibandingkan dengan
beberapa bentuk klasik yang sesuai dengan menggunakan profil gelombang penghalusan. Ini
masing-masing diilustrasikan menggunakan (Gambar 1) dan (Gambar 2). Model eksponensial dan
model logistik juga dibandingkan dengan beberapa bentuk klasik yang sesuai dengan menggunakan
profil gelombang kejut. Ini juga dirinci menggunakan Gambar 3 sampai 5. Plot ini berbeda
tergantung pada nilai parameter bentuk atau skala. Dari plot-plot ini, semua model yang diusulkan
memiliki potensi untuk mereplikasi karakteristik gelombang yang bervariasi.
Mengingat titik diskontinuitas sebagai x=0 (menjadi contoh posisi lampu lalu lintas), dapat
diamati dari (Gambar 1-2) bahwa kemacetan larut secara bertahap dari waktu ke waktu. Hal ini
karena kepadatan lalu lintas yang relatif rendah di hilir. Untuk gelombang penghalusan ini,
dibutuhkan lebih dari enam menit agar gelombang benar-benar menghilang. Waktu untuk pelarutan
gelombang total juga tergantung pada parameter skala dan bentuk. Membandingkan hasil simulasi
model Greenshields dan Greenberg dengan proposal baru ini (model linier umum dan model
logaritma umum), kami melihat bahwa model sebelumnya memiliki penggemar disolusi yang kaku
sebagai lawan dari cabang baru ini. Postulasi baru dapat menangkap disipasi kemacetan yang
beragam. Profil untuk model linier tergeneralisasi dengan β=1.15 larut lebih cepat dari hasil
simulasi model yang sama dengan parameter yang sama sebesar 0,11.
Karakterisasi ini dimungkinkan oleh pengenalan parameter baru. Perhatikan bahwa
kumpulan nilai yang berbeda akan menghasilkan berbagai penggemar penghalusan yang unik.
Kipas ini sekali lagi diilustrasikan menggunakan model logaritma umum (Gambar 2). Nilai ∅
menentukan kecepatan kipas pembubaran.
Gelombang bergerak mundur diilustrasikan menggunakan model eksponensial dan logistik
(Gambar 3-5). Struktur gelombang kejut yang berbeda diilustrasikan menggunakan persamaan yang
diusulkan ini. Meskipun model yang ada dapat menangkap fenomena gelombang kejut lalu lintas,
panjang antrian ini sering dibiarkan begitu saja. Dari plot ini, kami menyadari bahwa dimungkinkan
untuk memodelkan transisi yang berbeda antara lalu lintas yang berhenti dan lalu lintas yang
bergerak rata-rata. Setiap set nilai parameter akan menghasilkan hasil yang berbeda.
 Hasil dari semua model ini konsisten dengan arus lalu lintas nyata. Meskipun model
kepadatan kecepatan yang ada mampu mengkarakterisasi profil gelombang ini dengan baik,
persamaan yang diusulkan memiliki istilah parametrik tambahan yang dapat digunakan untuk
secara akurat memodelkan fitur lalu lintas nonlinier tertentu.
4. Kesimpulan
Model fundamental rezim tunggal adalah deskripsi hipotetis dari kompleksitas pragmatis
lalu lintas. Model ini juga disebut persamaan kecepatan-kepadatan atau persamaan fundamental
saja. Dalam risalah ini, kami menyajikan tinjauan menyeluruh tentang model kepadatan kecepatan
rezim tunggal yang ada. Makalah ini menambahkan persamaan klasik ini; lima proposisi baru.
Secara spesifik, jenis model Greenshields digabungkan sebagai model linier umum. Derivasi serupa
digunakan untuk mendapatkan persamaan logaritma umum. Namun, persamaan eksponensial dan
logistik yang ada dimodel ulang untuk memudahkan perhitungan teoretis dan analitik. Akhirnya,
model eksponensial komposit disimpulkan dari keluarga model Del Castillo.
Persamaan dasar digunakan dalam LWR untuk menguji tingkat presisi masing-masing
dalam meniru gelombang lalu lintas kendaraan. Persamaan dinyatakan sebagai masalah Riemann
dan diselesaikan menggunakan skema numerik Lax-Friedrichs. Persamaan ini dibandingkan dengan
beberapa model fundamental yang ada menggunakan profil gelombang percepatan dan
perlambatan. Model kepadatan kecepatan yang diusulkan mencirikan sifat aliran yang mendasari
lalu lintas kendaraan. Selain itu, model yang diusulkan memiliki kemampuan penyesuaian yang
unik untuk mengontrol transisi dari rezim lalu lintas yang berbed
Simbol Parameter
(u) kecepatan kendaraan
(k ) kepadatan lalu lintas
(q) fluks lalu lintas
umax kecepatan aliran bebas maksimum
k ❑max kepadatan saat lalu lintas macet.
k crit nilai kritis untuk kepadatan
ucrit nilai kritis kecepatan
q crit nilai kritis aliran
m1 kecepatan kendaraan yang menyertainya
m2 memperhitungkan faktor sensitivitas untuk celah ruang antara dua kendaraan yang
berurutan