连续随机跟驰模型的朗之万方法及其稳定性条件
物理与社会
2019-07-16 v1 应用统计
摘要
在跟驰模型中，驾驶员根据其随时间可能变化的生理与心理能力作出反应。然而，大多数跟驰模型是确定性的，未能捕捉人类感知的随机本质。由于驾驶员驾驶行为的随机性，纯确定性交通模型可能产生不真实的结果。本文致力于发展一种独特的跟驰模型，其中采用随机过程来描述随时间变化随机加速度，这本质上反映了驾驶员相对于前车行为的随机个体感知。特别地，我们应用耦合朗之万方程来建模复杂的人类驾驶员行为。在所提模型中，将使用扩展的Cox-Ingersoll-Ross（CIR）随机过程来描述跟随车响应领导者刺激时的随机速度。扩展CIR过程的一个重要性质是，对于任意模型参数，增强随机交通变量（例如非负速度）的非负性。基于随机过程理论，我们推导了随机线性稳定性条件，首次从理论上捕捉了随机参数对交通不稳定的影响。我们的稳定性结果符合经验结果，即即使在确定性模型认为交通稳定的低速条件下，交通不稳定性也与交通流的随机本质相关。
引用
@article{arxiv.1907.06148,
title = {Langevin method for a continuous stochastic car-following model and its stability conditions},
author = {D. Ngoduy and S. Lee and M. Treiber and M. Keyvan-Ekbatani and H. L. Vu},
journal= {arXiv preprint arXiv:1907.06148},
year = {2019}
}