基于车跟模型的交通不稳定性与车道变换
计算机视觉与模式识别
2025-01-13 v2 人工智能
计算机与社会
机器学习
摘要
本文基于车跟模型构建了用于研究交通不稳定性和车道变换的计算框架。建立在纽厄尔(Newell)经典的一阶车跟模型基础上,我们在分析和数值仿真中表明,存在一种车流密度相关的临界反应时间,其决定了单车道交通的稳定性。具体而言,对于低反应时间,系统平衡态的扰动随时间衰减;而对于高反应时间,扰动则随时间增长。该临界反应时间在连续极限下收敛于纽厄尔的原始结果。此外,我们提出了基于心理学的车道变换机制,构建了驾驶员心理因素(挫败程度)与驾驶条件之间的定量联系。我们表明,该随机车道变换模型能够忠实再现诸如不同车道的负载平衡等有趣现象。我们的模型支持更频繁的车道变换仅在驾驶员整体速度上产生有限帮助这一结果。
引用
@article{arxiv.2501.01987,
title = {Gender Bias in Text-to-Video Generation Models: A case study of Sora},
author = {Mohammad Nadeem and Shahab Saquib Sohail and Erik Cambria and Björn W. Schuller and Amir Hussain},
journal= {arXiv preprint arXiv:2501.01987},
year = {2025}
}
备注
7 pages, 3 figures