Mô hình mô phỏng đa tác tử và ứng dụng

Giới thiệu bài toán mô phỏng giao thông

Hiện nay, nhiều hệ thống mô phỏng giao thông đã được nghiên cứu và phát triển trên toàn cầu nhằm tìm ra giải pháp tối ưu cho hệ thống giao thông Những hệ thống này hỗ trợ các nhà hoạch định giao thông trong việc giải quyết các vấn đề như tắc nghẽn và tiết kiệm chi phí thử nghiệm các thiết kế mới trước khi triển khai xây dựng cơ sở hạ tầng thực tế Chẳng hạn, trước khi thực hiện các thay đổi như chặn đường, mở tuyến mới, nâng cấp cơ sở hạ tầng hoặc điều chỉnh thời gian đèn giao thông, các nhà phát triển có thể sử dụng mô phỏng để thử nghiệm hiệu quả.

(a) Giao thông tại Việt Nam 1 (b) Giao thông tại Châu Âu 2

Hình 1.1: Sự khác nhau giữa hệ thống giao thông của Việt Nam và các nước phát triển.

Mô phỏng giao thông tại Việt Nam gặp nhiều thách thức do quá trình đô thị hóa nhanh chóng, dẫn đến sự gia tăng đột biến của phương tiện giao thông, đặc biệt là xe máy Bên cạnh đó, sự khác biệt giữa hệ thống giao thông Việt Nam và các hệ thống giao thông khác cũng góp phần làm cho việc mô phỏng trở nên phức tạp hơn.

2 https://tuoitre.vn/6-van-nan-ton-tai-khien-giao-thong-tphcm-tac-nghen.htm

2 https://khoahoc.tv/o-nhiem-am-thanh-de-doa-chau-au-25841

Mô hình mô phỏng đa tác tử đang được ứng dụng tại các nước phát triển, nơi giao thông di chuyển theo làn đường quy định Tuy nhiên, một vấn đề nghiêm trọng là người tham gia giao thông thường không tuân thủ các quy định, họ có thể di chuyển đến bất kỳ khoảng trống nào phía trước, thậm chí là sang trái hoặc phải nếu có vật cản.

Việc mô phỏng giao thông tại Việt Nam là một thách thức lớn do nhiều yếu tố phức tạp, đặc biệt là trong việc mô tả tình trạng tắc đường như minh họa trong Hình 1.2.

Việc chuyển đổi bài toán thành mô hình toán học thường gặp nhiều khó khăn Do đó, mô phỏng dựa trên tác tử được coi là giải pháp tối ưu hơn trong trường hợp này.

Hình 1.2: Tắc nghẽn giao thông tại Việt Nam 3

Mục tiêu của mô hình

Mô hình này nhằm thể hiện các đặc điểm của văn hóa giao thông tại Việt Nam, cho phép các phương tiện di chuyển đến mọi khoảng trống phía trước, cũng như sang trái hoặc phải nếu không có vật cản.

Mô hình giao thông cần phải có khả năng mô phỏng luồng giao thông hỗn hợp với nhiều loại phương tiện như xe máy, ô tô, xe buýt và xe tải Mỗi loại phương tiện chiếm một khoảng không gian nhất định trên đường và có tốc độ di chuyển tối đa được quy định Điều này giúp đảm bảo sự an toàn và hiệu quả trong việc quản lý giao thông.

Tình trạng giao thông tại TP.HCM, đặc biệt là sự di chuyển không theo làn đường của xe máy, dẫn đến nhiều vấn đề nghiêm trọng Do đó, cần thiết phải phát triển một mô hình giao thông mô phỏng trong không gian hai chiều, cho phép các phương tiện di chuyển trên tất cả các bề mặt của đường, không chỉ giới hạn trong các làn đường một chiều.

Các phương tiện giao thông có thể không tuân thủ quy định như đèn tín hiệu hoặc chuyển làn để vượt xe Bài toán mô phỏng giao thông đặt ra là tìm cách mô phỏng hệ thống giao thông Việt Nam ở cấp độ vi mô, nhằm đảm bảo các phương tiện di chuyển thuận lợi, tránh va chạm trên đường và toàn bộ mạng lưới giao thông.

Một số phần mềm mô phỏng giao thông

TRANSIMS

TRANSIMS (Hệ thống Mô phỏng Phân tích Giao thông) là một bộ công cụ tích hợp được thiết kế để phân tích hệ thống giao thông và dự đoán di chuyển của dân cư trong một khu vực Ban đầu, TRANSIMS được phát triển tại Phòng thí nghiệm Quốc gia Los Alamos Để trở thành tài nguyên chung và phát triển liên tục cho cộng đồng nghiên cứu giao thông, TRANSIMS đã được phát hành dưới dạng mã nguồn mở theo Giấy phép Mã nguồn Mở của NASA.

TRANSIMS là một công cụ mô phỏng hành vi di chuyển của từng cá nhân trong vòng 24 giờ, dựa trên dữ liệu khảo sát về hoạt động Nó sử dụng mô hình Cellular Automata, một phương pháp mô phỏng dựa trên lý thuyết Automat, cho phép thể hiện thời gian một cách liên tục và nhất quán Tuy nhiên, dự án phát triển phần mềm TRANSIMS đã ngừng hỗ trợ từ năm 2013.

SUMO

SUMO (Simulation of Urban MObility) [3] là một gói mô phỏng giao thông đường bộ mã nguồn mở, có tính di động cao, gói mô phỏng giao thông đường

Mô hình mô phỏng đa tác tử và ứng dụng

Phần mềm TRANSIMS 4 là một công cụ mô phỏng giao thông liên tục và vi mô, được thiết kế để xử lý các mạng lưới đường bộ lớn Phần mềm này được phát triển chủ yếu bởi các chuyên gia tại Viện Hệ thống Giao thông Vận tải của Trung tâm Vũ trụ Đức và đã được cung cấp miễn phí dưới dạng mã nguồn mở từ năm 2001.

Trong gần hai thập kỷ qua, SUMO đã trở thành một công cụ mô phỏng giao thông đa năng với khả năng nhập mạng lưới đường từ nhiều nguồn khác nhau như Visum, VISSIM, Shapefiles, OpenStreetMap và các định dạng XML khác Phát triển bởi Học viện các hệ thống giao thông vận tải thuộc Trung tâm hàng không vũ trụ Đức, SUMO hỗ trợ nhiều hệ điều hành như Windows, Linux và Mac OS Mặc dù không có công cụ tạo lập đồ họa tích hợp, SUMO cho phép người dùng sử dụng dòng lệnh để tạo lập mạng lưới giao thông, mang lại sự linh hoạt và thuận tiện cho các ứng dụng thực tiễn.

Với khả năng cập nhật lên đến 100.000 xe mỗi giây trên một máy 1GHz, hệ thống mô hình hóa giao thông này cho phép nghiên cứu và phân tích các tương tác giữa các phương tiện trong những hệ thống giao thông quy mô lớn.

4 https://tracc.anl.gov/joomla/index.php/transims-interface-development

Hình 1.4: Giao diện phần mềm SUMO 5

VISSIM

VISSIM là phần mềm mô phỏng lưu lượng giao thông đa phương thức do PTV Planung Transport Verkehr AG, Đức phát triển Phần mềm này được xem là tiêu chuẩn toàn cầu trong lập kế hoạch và mô phỏng giao thông, nhờ vào khả năng cung cấp cái nhìn thực tế và chi tiết về tình hình lưu lượng và tác động giao thông, cũng như khả năng xác định nhiều kịch bản giả định khác nhau.

Với khả năng liên kết và kết nối trong VISSIM, người dùng có thể chi tiết hóa mạng lưới giao thông và mô hình hóa các hình học từ nút giao thông đơn giản đến các giao điểm phức tạp Phần mềm này hỗ trợ mô phỏng vĩ mô, vi mô và cả mô phỏng hỗn hợp, mang lại sự linh hoạt trong việc mở rộng mô phỏng lập kế hoạch vi mô trong môi trường thử nghiệm ổn định.

5 https://sumo.dlr.de/docs/Tutorials/TraCIPedCrossing.html

Hình 1.5: Giao diện phần mềm VISSIM 6

Nền tảng GAMA

GAMA là nền tảng mô phỏng cung cấp môi trường phát triển cho chuyên gia, người điều hành và nhà khoa học máy tính, cho phép xây dựng các mô phỏng đa tác tử rõ ràng về không gian Được phát triển từ năm 2007 đến 2010 bởi nhóm nghiên cứu MSI tại IFI, Hà Nội và IRD/SU UMMISCO, GAMA hiện nay được duy trì và phát triển bởi nhiều đối tác học thuật, bao gồm UMMISCO, đại học Rouen, đại học Toulouse 1, đại học Orsay và đại học Cần Thơ.

Nền tảng GAMA, được phát triển trên ngôn ngữ Java, tương thích với nhiều hệ điều hành như Windows, Mac OS và Linux GAMA phục vụ cho nhiều lĩnh vực ứng dụng đa dạng như quy hoạch đô thị, dịch tễ học, môi trường và vận tải Người dùng có thể nhập nhiều loại dữ liệu đầu vào khác nhau, bao gồm CSV, OSM (Open Street Map), SVG, Shapefiles và dữ liệu văn bản.

6 https://i.ytimg.com/vi/IJTRL_CCBqI/maxresdefault.jpg

• Là một ngôn ngữ mô hình hóa hoàn chỉnh, GAML, để mô hình hóa các tác tử và môi trường.

• Có khả năng sử dụng dữ liệu phức hợp GIS như một môi trường cho các cá thể.

• Có thư viện lớn và khả năng mở rộng cao (sự chuyển động, giao tiếp, các hàm toán học, vẽ đồ thị, ).

• Có khả năng xử lý một lượng rất lớn (hỗn hợp) các cá thể.

• Giao diện người dùng linh hoạt dựa trên nền tảng Eclipse.

• Dễ dàng sử dụng ngay với những nhà khoa học không thuộc chuyên ngành máy tính.

• Có khả năng tương tác với các cá thể trong quá trình chạy mô phỏng.

Hình 1.6: Giao diện nền tảng GAMA.

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT

Chương này giới thiệu các khái niệm cơ bản về mô hình, tác tử và mô hình mô phỏng đa tác tử Bên cạnh đó, nó cũng hướng dẫn cách xây dựng mô hình mô phỏng dựa trên tác tử và khám phá ứng dụng của chúng trong các lĩnh vực liên quan.

Mô hình hóa dựa trên tác tử

Mô hình

Mô hình là một công cụ quan trọng để biểu diễn có mục đích của một hệ thống thực, giúp giải quyết vấn đề và trả lời câu hỏi về hệ thống hoặc lớp hệ thống Trong khoa học, việc hiểu cách hoạt động của các yếu tố và dự đoán hành vi của hệ thống là cần thiết, đặc biệt khi các hệ thống thực quá phức tạp để phân tích qua thí nghiệm Ví dụ, việc nghiên cứu sự phát triển của thành phố hay sự thay đổi nhu cầu sử dụng đất chỉ bằng thí nghiệm là rất khó khăn Do đó, xây dựng một biểu diễn đơn giản của hệ thống thông qua các phương trình hoặc chương trình máy tính là giải pháp hiệu quả, cho phép chúng ta thao tác và thử nghiệm dễ dàng hơn.

Tác tử

Khái niệm tác tử chưa có định nghĩa chính xác và thống nhất, nhưng một số khái niệm phổ biến thường được nhắc đến bao gồm:

Khi nhắc đến thuật ngữ “tác tử”, người ta thường ám chỉ đến một thực thể hoạt động độc lập và liên tục trong một môi trường nơi diễn ra nhiều quá trình khác và tồn tại các tác tử khác.

Một tác tử tự quản là một hệ thống tích hợp trong môi trường xung quanh, có khả năng cảm nhận và phản ứng dựa trên những thông tin thu thập được Nó thực hiện các hành động độc lập nhằm thích ứng với điều kiện môi trường.

• “Tác tử là một thực thể cảm nhận được môi trường của nó và hành động theo điều đó” [8].

Một tác tử là một hệ thống máy tính hoạt động độc lập trong một môi trường nhất định, với khả năng thực hiện hành động để đạt được mục tiêu cụ thể.

Mỗi tác tử trong môi trường sở hữu những thuộc tính và hành động riêng biệt, cho phép chúng cảm nhận và tiếp thu thông tin từ xung quanh Dựa vào thông tin này cùng với một số nguyên tắc nhất định, các tác tử sẽ đưa ra các hành động nhằm đạt được một mục tiêu cụ thể Những đặc điểm này giúp xác định chức năng và vai trò của tác tử trong môi trường.

Tính chủ động của một tác tử cho phép nó hoạt động độc lập trong môi trường của mình, tương tác với các tác tử khác và tự quyết định hành động mà không cần phụ thuộc vào tác tử bên ngoài.

Tính mô đun của tác tử thể hiện rằng mỗi tác tử là một thực thể độc lập, có thể được xác định qua các thuộc tính, hành vi và khả năng ra quyết định riêng biệt Điều này cho phép xác định rõ ràng ranh giới của tác tử, giúp phân biệt giữa các phần tử trong trạng thái mô hình có thuộc về tác tử hay không, cũng như những đặc tính chung giữa các tác tử khác nhau.

Tính xã hội của tác tử cho phép nó tương tác với các tác tử khác trong môi trường, thông qua các giao thức như tranh chấp không gian, tránh va chạm, nhận dạng và giao tiếp Những yếu tố này đóng vai trò quan trọng trong việc trao đổi thông tin giữa các tác tử.

Tính điều kiện của một tác tử thể hiện qua sự thay đổi trạng thái theo thời gian, tương tự như một hệ thống với các biến trạng thái Trạng thái của tác tử được xác định bởi các biến thiết yếu liên quan đến tình trạng hiện tại, bao gồm tập hợp các thuộc tính và hành vi Trong mô hình dựa trên tác tử, trạng thái tổng thể bao gồm trạng thái của tất cả các tác tử và môi trường xung quanh Hành vi của tác tử được điều chỉnh dựa trên trạng thái của nó, do đó, sự phong phú của các trạng thái có thể có sẽ dẫn đến sự đa dạng trong hành vi của tác tử.

• Tính thích ứng: Tác tử có khả năng cảm nhận được sự thay đổi của môi trường và có thể thay đổi, thực thi trên môi trường lạ.

Hình 2.1: Ví dụ về tác tử.

Hệ thống đa tác tử

Mô hình dựa trên tác tử (ABM) là những mô hình trong đó các tác tử, như sinh vật, con người, doanh nghiệp và tổ chức, được mô tả là các thực thể tự chủ và duy nhất, thường tương tác với nhau và môi trường xung quanh Tính duy nhất của các tác tử thể hiện qua sự khác biệt về kích thước, vị trí và tài nguyên Các tác tử chủ yếu tương tác với những "hàng xóm" gần gũi thay vì tất cả các tác tử khác, cho thấy tính chất tương tác cục bộ Tính tự chủ cho phép các tác tử hành động độc lập và theo đuổi mục tiêu riêng, trong khi hành vi thích ứng giúp chúng điều chỉnh hành động dựa trên trạng thái hiện tại của bản thân, các tác tử khác và môi trường.

Hệ thống đa tác tử (Multi-Agent System - MAS) là mô hình khái niệm mô phỏng sự tương tác giữa nhiều tác tử tự trị trong một môi trường Theo Ferber, thuật ngữ "hệ thống đa tác tử" chỉ một hệ thống bao gồm các phần tử khác nhau tương tác với nhau.

• Môi trường E gồm các thành phần sau:

- Một tập hợp các đối tượng O Các đối tượng có thể được nhận thức, được tạo ra, phá hủy và sửa đổi bởi các tác tử.

- Tập hợp các vị trí L xác định vị trí có thể có của các đối tượng (từ tập hợp O) trong không gian.

• Một tập hợp các quan hệ R liên kết các đối tượng và cả các tác tử với nhau.

Một tập hợp các hoạt động của tác tử cho phép thực hiện các hành vi nhận thức, thao tác, cũng như tạo ra và phá hủy các đối tượng trong môi trường.

Cách xây dựng một mô hình dựa trên tác tử

Để xây dựng mô hình dựa trên tác tử, cần tuân thủ các bước chung trong quá trình phát triển mô hình Chu trình xây dựng mô hình bao gồm những bước cơ bản sau đây:

1 Xác định mục đích của mô hình.

Mục đích xây dựng mô hình là giải quyết bài toán trong hệ thống thực Việc đặt ra các câu hỏi cụ thể cho mô hình trước khi phát triển mô hình dựa trên tác tử sẽ rất hữu ích.

Mô hình mô phỏng đa tác tử và ứng dụng số câu hỏi có thể như sau:

- Mô hình đang được phát triển để giải quyết vấn đề cụ thể nào?

- Mô hình nên trả lời những câu hỏi cụ thể nào?

- Mô hình nên cung cấp loại thông tin nào để giúp đưa ra hoặc hỗ trợ một quyết định?

- Tại sao mô hình dựa trên tác tử có thể là một cách tiếp cận mong muốn?

- Mô hình dựa trên tác tử mang lại giá trị gia tăng nào cho vấn đề mà các cách tiếp cận mô hình khác không thể mang lại?

Câu trả lời cho những câu hỏi này xác định phạm vi và mức độ chi tiết cần thiết để mô hình hóa hệ thống, đồng thời chỉ ra các nguồn lực cần thiết cho sự thành công của dự án Những thông tin này cũng giúp nhận diện các điểm nghẽn có thể xảy ra trong quá trình phát triển.

Trong bước này, người lập mô hình xác định các loại tác tử và giả thuyết có thể có trong mô hình Họ cần thiết lập thuộc tính và hành vi cho các tác tử để mô tả trạng thái của hệ thống Tiếp theo, việc xây dựng biểu đồ hoạt động của tác tử và sự tương tác giữa các tác tử cũng như giữa tác tử với môi trường là cần thiết để mô tả hoạt động của hệ thống một cách rõ ràng.

Từ bản thiết kế mô hình, người lập mô hình sử dụng công cụ và ngôn ngữ lập trình để phát triển chương trình Mô hình hoàn thiện cần có khả năng thực hiện các thí nghiệm và cho phép người dùng quan sát cũng như điều khiển các thí nghiệm đó.

4 Đánh giá mô hình Đây là bước cuối cùng trong quy trình xây dựng mô hình mô phỏng dựa trên tác tử Mô hình, sau khi được sử dụng để chạy các thực nghiệm, mang lại một số kết quả Những kết quả này cần phải được so sánh với những kết quả của các mô hình khác để đánh giá độ hiệu quả của mô hình Ở bước này, mô hình được hiệu chỉnh và cải thiện bằng cách loại bỏ những yếu tố không cần thiết, chỉnh sửa và cải tiến các cấu trúc, các hành vi để mô hình dễ hiểu hơn, mô phỏng hiệu quả hơn.

Ứng dụng của mô hình đa tác tử

Mô hình mô phỏng dựa trên tác tử (ABM) được áp dụng phổ biến trong nhiều lĩnh vực nghiên cứu và ứng dụng Các ABM được triển khai và mô phỏng trên máy tính để giải quyết các vấn đề cụ thể.

Trong sinh học, mô hình mô phỏng dựa trên tác tử (ABM) được sử dụng để nghiên cứu quần thể sinh vật, bao gồm động vật và thực vật tương tác như đàn kiến và đàn chim Mục đích của mô phỏng này là để hiểu rõ hơn về hành vi cá nhân và các hiện tượng sinh học Ngoài ra, ABM còn được áp dụng để phân tích mối đe dọa từ các tác động sinh học và nghiên cứu sự phát triển cũng như di cư của các loài sinh vật.

Trong lĩnh vực dịch tễ học, mô hình dựa trên tác tử (ABM) được áp dụng để phân tích sự lây lan của dịch bệnh, như CovidSim của Neil Ferguson, nhằm đề xuất các biện pháp can thiệp sức khỏe cộng đồng không dùng thuốc đối phó với SARS-CoV-2 Ngoài ra, ABM cũng được nghiên cứu và ứng dụng trong y học để mô phỏng hệ thống miễn dịch của con người.

Mô hình dựa trên tác tử (ABM) đã được áp dụng từ giữa những năm 1990 để giải quyết nhiều vấn đề trong kinh doanh và công nghệ Các ứng dụng của ABM bao gồm tiếp thị, tối ưu hóa chuỗi cung ứng, mô hình hóa hành vi người tiêu dùng như truyền miệng và hiệu ứng mạng xã hội, cũng như trong lĩnh vực điện toán phân tán, quản lý lực lượng lao động và quản lý danh mục đầu tư Ngoài ra, ABM còn được nghiên cứu nhằm phát triển cơ sở hạ tầng vận tải và tối ưu dòng giao thông trong các mạng lưới giao vận.

Một số mô hình mô phỏng giao thông

Mô hình chuyển làn đường

Việc chuyển làn đường ảnh hưởng lớn đến lưu thông phương tiện Mô hình chuyển làn đường là quá trình quyết định phản ánh hành vi của người lái xe.

Mô hình mô phỏng đa tác tử đóng vai trò quan trọng trong việc nghiên cứu hành vi của người điều khiển phương tiện giao thông khi chuyển làn đường trong thời gian nhất định Người lái thường chuyển sang làn đường bên phải khi có ý định rẽ phải tại ngã tư hoặc để tránh va chạm với các phương tiện xung quanh Việc hiểu rõ những tình huống này giúp cải thiện an toàn giao thông và tối ưu hóa luồng di chuyển trên đường.

Mô hình Cellular Automata

Cellular Automata là một mô hình rời rạc nghiên cứu trong lý thuyết Automat, bao gồm tập hợp các ô (cell) với các trạng thái và hàng xóm riêng Trong quá trình mô phỏng, các quy tắc được áp dụng để thay đổi trạng thái của các ô Mô hình này được ứng dụng rộng rãi trong nhiều lĩnh vực như toán học, vật lý, sinh học và mô hình hóa.

Trong mô phỏng giao thông, các phương tiện được đại diện bởi một tập hợp các cell tùy thuộc vào loại xe Mỗi bước mô phỏng, hành vi di chuyển của phương tiện được thực hiện bằng cách thay đổi tập các cell mà phương tiện đó đang nắm giữ TRANSIMS là hệ thống mô phỏng giao thông tiêu biểu nhất sử dụng mô hình này tại Mỹ.

Mô hình Car-following

Mô hình Car-following là một mô hình liên tục theo thời gian, được mô tả bằng hệ phương trình vi phân thể hiện động lực và vị trí của xe Mô hình này mô phỏng hành vi của người lái xe đối với xe phía trước trong cùng làn đường, được phát triển bởi Gipps vào năm 1981 Nó thể hiện cách thức người điều khiển phương tiện tương tác với xe đi trước thông qua tốc độ của phương tiện Các mô hình Car-following được thiết kế để nghiên cứu ảnh hưởng của hành vi điều khiển phương tiện giao thông đến toàn bộ mạng lưới giao thông.

Phân loại mô hình mô phỏng giao thông

Mô phỏng vi mô

Mô phỏng giao thông chi tiết từng phương tiện với các đặc điểm như tốc độ, vị trí và thời gian di chuyển, tạo ra luồng giao thông từ sự tương tác giữa các tác tử Các mô hình mô phỏng vi mô, mặc dù mô tả hành vi riêng lẻ của từng tác tử, có chi phí tính toán cao do sự không đồng nhất trong đặc điểm và hành vi của người lái xe Một số mô hình vi mô tiêu biểu bao gồm mô hình Car-following và mô hình chuyển làn đường.

Mô phỏng vĩ mô

Mô phỏng giao thông vĩ mô là phương pháp nghiên cứu cho các khu vực rộng lớn với lượng phương tiện đông đúc, tập trung vào các đặc trưng của luồng giao thông như lưu lượng, mật độ, phân bố phương tiện và tốc độ trung bình Các mô hình vĩ mô không đi sâu vào hành vi của từng phương tiện mà chỉ thể hiện các thông số tổng quát Một số mô hình tiêu biểu trong phân loại này bao gồm mô hình LWR và mô hình Payne - Whitham.

Mô phỏng trung mô

Mô hình mô phỏng trung mô kết hợp giữa mô phỏng vi mô và vĩ mô, giảm yêu cầu mô tả chi tiết hành vi của từng phương tiện, giúp mở rộng phạm vi mô phỏng Một số mô hình trung mô phổ biến bao gồm mô hình Gas-Kinetic và mô hình cụm.

Một số nghiên cứu về giao thông tại Việt Nam

Sự lưu thông của phương tiện giao thông trên đường chịu ảnh hưởng từ nhiều yếu tố, khiến việc tìm kiếm một mô hình toán học cho vấn đề này trở nên khó khăn Mô hình hóa dựa trên tác tử là phương pháp hiệu quả để mô phỏng giao thông, cho phép lặp lại và kiểm soát các tình huống khác nhau Trong phần này, tôi sẽ trình bày một số nghiên cứu về giao thông tại Việt Nam sử dụng phương pháp mô hình hóa dựa trên tác tử.

Mô phỏng giao thông Việt Nam dựa trên hệ thống đa tác tử

Bài báo [26] đề xuất một hệ thống mô phỏng đa tác tử cho giao thông tại Việt Nam, nhằm hỗ trợ các nhà quy hoạch tìm kiếm giải pháp cho vấn đề tắc nghẽn và thử nghiệm thiết kế mới trước khi xây dựng cơ sở hạ tầng Hệ thống này tập trung vào hành vi của ô tô và xe máy, chủ yếu nghiên cứu các yếu tố như thay đổi tốc độ và tránh va chạm, nhưng không đề cập đến những hành vi phổ biến khác như đổi đường đi hay lấp chỗ trống Đáng chú ý, bài báo không xem xét khả năng mô phỏng giao thông trên bản đồ thực tế, mà chỉ tập trung vào việc mô phỏng phương tiện tại các nút giao thông đã được thiết kế sẵn.

Xây dựng phần mềm hỗ trợ mô phỏng giao thông

Luận văn "Xây dựng phần mềm hỗ trợ mô phỏng giao thông" của sinh viên Trần Thị Mơ, thuộc chương trình thạc sĩ kĩ thuật ngành Công nghệ thông tin tại đại học Bách Khoa Hà Nội, trình bày chi tiết về mô hình hóa dựa trên tác tử và ứng dụng trong mô phỏng giao thông tại Việt Nam Mục tiêu của tác giả là phát triển phần mềm mô phỏng hành vi người điều khiển phương tiện, tập trung vào ảnh hưởng của tuổi tác, giới tính, tính cách và kinh nghiệm đến cách lái xe Phần mềm đã thành công trong việc mô phỏng các hành vi như thay đổi tốc độ, bám xe và vượt xe, nhưng hiện chỉ có khả năng mô phỏng trên các đoạn đường đơn giản và tự thiết kế, chưa thể áp dụng cho bản đồ thực tế.

Một mô hình mô phỏng dựa trên tác tử cho mạng lưới giao thông: ứng dụng cho Hà Nội

Bài báo [28] mô phỏng giao thông vĩ mô cho một mạng lưới giao thông lớn, thể hiện chi tiết hành vi của phương tiện như thay đổi tốc độ, quan sát trở ngại và đèn tín hiệu Đồng thời, tác giả đề xuất thuật toán xác định thời gian chu kỳ đèn tối ưu tại các nút giao thông có đèn tín hiệu Mô hình này được áp dụng để mô phỏng giao thông tại Hà Nội, sử dụng dữ liệu thực về mạng lưới giao thông, phân bố dân cư và công việc, cũng như độ tuổi của thành phố Thay vì hiển thị di chuyển của toàn bộ phương tiện, bài báo chỉ tập trung vào tình trạng của mạng lưới giao thông.

Đường cong Bezier

Đường cong Bezier là một loại đường cong tham số, thường được ứng dụng trong đồ họa máy tính và nhiều lĩnh vực liên quan khác Đường cong này được xác định bởi các điểm kiểm soát, cho phép tạo ra hình dạng mượt mà và linh hoạt.

Đường cong Bezier được xác định bởi công thức t i (1 − t) n−i, trong đó {b i ∈ R} là các hệ số của đa thức Bernstein, {P i ∈ R 2} là các điểm điều khiển, {n ∈ N +} là bậc của đường cong, và {t ∈ R, t = [0, 1]} là tham số dùng để xây dựng đường cong Độ cong của đường cong Bezier được tính theo công thức này.

||B 0 (t)|| 3 trong đó tử số là định thức của ma trận được tạo bằng cách ghép B 0 (t), B 00 (t). Đường cong Bezier có một số đặc điểm:

• Điểm đầu tiên của đường cong Bezier tương ứng với P 0 , điểm cuối cùng

Mô hình mô phỏng đa tác tử và ứng dụng tương ứng với P n

• Vector tiếp tuyến với điểm đầu tiên (tại t = 0) là − P −− 0 P → 1 , vector tiếp tuyến với điểm cuối cùng (tại t = 1) là − P −−−− n−1 P → n

• Đường cong sẽ nằm hoàn toàn trong bao lồi của các điểm được dùng để tạo đường cong Bezier.

Hình 2.2: Ví dụ về đường cong Bezier bậc 2.

Mô hình mô phỏng giao thông được xây dựng bằng cách tạo ra các tác tử như tác tử đường, tác tử đèn giao thông và tác tử phương tiện Mỗi tác tử này bao gồm hai thành phần chính: thuộc tính và hành vi, giúp hệ thống hoạt động hiệu quả hơn.

Tác tử road

Tác tử đường đại diện cho hệ thống giao thông, nơi các phương tiện di chuyển Trong mô phỏng giao thông và thực tế, đường giao thông là một thành phần cố định quan trọng.

Vì vậy, tác tử này chỉ bao gồm các thuộc tính và không có hành vi Các thuộc tính cho tác tử road là:

1 Road width: độ rộng của đường.

2 Is twoway: có giá trị là true nếu đường đó là đường hai chiều và false nếu là đường một chiều.

3 Light belong: tác tử traffic light điều khiển giao thông của đường đó.

4 Points: tập các điểm của một con đường Các điểm này giúp tác tử vehicle xác định được Start node và End node.

Hình 3.1: Ví dụ cho tác tử road.

Tác tử traffic light

Đèn giao thông là thành phần thiết yếu trong hệ thống giao thông đường bộ, có vai trò quan trọng trong việc điều khiển lưu lượng xe cộ tại các giao lộ đông đúc như ngã ba và ngã tư Ngoài việc đảm bảo an toàn cho người tham gia giao thông, đèn tín hiệu còn góp phần giảm ùn tắc vào giờ cao điểm Tác tử đèn giao thông được mô phỏng để đại diện cho các thuộc tính như trạng thái, phạm vi hoạt động và hành động chuyển đổi tín hiệu.

1 Green time (t_g): khoảng thời gian mà traffic light ở trạng thái màu xanh.

2 Yellow time (t_y): khoảng thời gian mà traffic light ở trạng thái màu vàng.

3 Red time (t_r): khoảng thời gian mà traffic light ở trạng thái màu đỏ.

4 Counter: biến đếm thời gian.

5 Road control: đường mà đèn đỏ điểu kiển giao thông.

6 Color: trạng thái của tín hiệu đèn giao thông.

Trong quá trình mô phỏng, mỗi khi có một bước mới, giá trị của bộ đếm sẽ được tăng lên 1 Đồng thời, khi tín hiệu đèn chuyển về màu xanh, giá trị của bộ đếm sẽ được đặt lại về 0.

2 Change color: kết hợp với biến đếm counter để thay đổi giá trị màu của tín hiệu đèn giao thông.

Hình 3.2: Ví dụ cho tác tử traffic light.

Tác tử vehicle

Tác tử phương tiện giao thông, bao gồm xe máy và ô tô, được điều khiển bởi một người lái xe Do đó, chúng ta có thể coi người lái xe và phương tiện của họ như một thực thể thống nhất, thay vì mô hình hóa riêng biệt từng yếu tố.

1 Name: tên của loại phương tiện giao thông.

2 Length (L): chiều dài vật lí của phương tiện giao thông.

3 Width (W): chiều rộng vật lí của phương tiện giao thông.

4 df: khoảng cách tối thiểu đến xe gần nhất ở phía trước(hoặc phía sau) của nó để đảm bảo sự di chuyển được an toàn.

5 db: khoảng cách tối thiểu đến xe gần nhất bên trái(và bên phải) để đảm bảo sao cho việc di chuyển vẫn an toàn.

6 Max speed: vận tốc tối đa được cho phép dựa theo luật giao thông.

7 Road belong: road mà phương tiện giao thông đang di chuyển trên đó.

8 Source node: vị trí bắt đầu của phương tiện giao thông.

9 Final node: điểm đến của phương tiện giao thông.

10 Start node: điểm đầu của đoạn đường mà tác tử vehicle đang đi.

11 Target node: điểm cuối của đoạn đường mà tác tử vehicle đang đi.

12 Target: mục tiêu di chuyển tức thời của phương tiện giao thông trên 1 đoạn đường.

13 Path: danh sách các con đường mà phương tiện giao thông sẽ phải đi qua.

14 Current: đa giác bao phủ vị trí tức thời của phương tiện giao thông.

15 Front: đa giác bao phủ không gian phía trước của phương tiện giao thông.

16 Left: đa giác bao phủ không gian bên trái phía trước của phương tiện giao thông.

17 Right: đa giác bao phủ không gian bên phải phía trước của phương tiện giao thông.

18 Hệ số tăng tốc (α): hệ số tăng tốc độ trong một đơn vị thời gian.

19 Hệ số giảm tốc (β): hệ số giảm tốc độ trong một đơn vị thời gian.

20 Check go straight: có giá trị là true nếu không có một phương tiện giao thông nào trên không gian Front của nó và ngược lại.

21 Check turn right: có giá trị làtrue nếu không có một phương tiện giao thông nào trên không gian Right của nó và ngược lại.

22 Check turn left: có giá trị làtrue nếu không có một phương tiện giao thông nào trên không gian Left của nó và ngược lại.

23 Prob go opposite (P): xác suất đi sang bên làn đường ngược chiều nếu có thể của tác tử vehicle khi di chuyển trên đường hai chiều.

24 On right side: có giá trị là true nếu tác tử vehicle di chuyển đúng làn đường trên đường hai chiều và ngược lại.

25 Bezier curve: quỹ đạo của phương tiện khi xe đó tạo một đường cong Bezier để di chuyển.

26 Is passing: có giá trị là true nếu xe đó quyết định vượt xe ở phía trước và ngược lại.

27 Is steering: có giá trị là true nếu xe thực hiện rẽ để di chuyển đến đoạn đường tiếp theo.

28 Status: trạng thái di chuyển của phương tiện bao gồm: di duyển trên đường, di chuyễn tại ngã rẽ và di chuyển tại ngã tư.

Hình 3.3: Ví dụ cho thuộc tính của tác tử vehicle.

Tác giả mô tả các thuộc tính của tác tử vehicle, trong đó vùng không gian quan sát của xe là một yếu tố quan trọng Tại mỗi thời điểm, vehicle quan sát môi trường xung quanh như đường và đèn tín hiệu giao thông, đồng thời nhận diện các phương tiện phía trước để lựa chọn chiến thuật di chuyển phù hợp, nhằm tránh xung đột Để đơn giản hóa mô hình và giảm chi phí tính toán, vùng quan sát được xấp xỉ bằng các hình chữ nhật (Front, Left, Right) Chiều dài của các vùng này phụ thuộc vào vận tốc và loại xe, được tính theo công thức: l = (φ + v v max ) ∗ L, trong đó φ là hằng số và L là chiều dài của xe.

1 Tìm đường: xác định một tập danh sách các đoạn đường phải di chuyển từ Source node đến Final node của tác tử vehicle.

Trong quá trình lưu thông, việc quan sát các trở ngại là rất quan trọng Cần chú ý đến những vật cản trong không gian phía trước, bên trái và bên phải của xe, nhằm đảm bảo an toàn cho hành trình.

3 Xác định trạng thái di chuyển: xác định trạng thái của xe trong khi di chuyển bao gồm: trên đường, tại ngã rẽ và tại ngã tư.

Khi phát hiện xe phía trước trong quá trình lưu thông, tác tử vehicle sẽ xác định hướng đi mới để tránh va chạm Nếu đủ điều kiện, vehicle sẽ rẽ trái hoặc phải để vượt qua xe phía trước Ngược lại, nếu không có đủ khoảng trống, vehicle sẽ giảm tốc độ để tránh xung đột.

Tăng tốc là hành vi tăng tốc độ của phương tiện giao thông khi có đủ khoảng trống phía trước và tốc độ hiện tại chưa đạt tối đa Vận tốc mới được tính theo công thức: v t+1 = min(v t + α, v max), trong đó v t là vận tốc tại bước mô phỏng thứ t và v t+1 là vận tốc tại bước tiếp theo.

Giảm tốc là quá trình giảm tốc độ của phương tiện giao thông khi gặp chướng ngại vật phía trước Hành vi này xảy ra khi phương tiện không thể tìm hướng mới để tránh xung đột Tốc độ mới được tính theo công thức: v t+1 = min(v t − β, 0).

Khi xe di chuyển tại ngã rẽ, quỹ đạo của nó sẽ tạo thành một đường cong, cho phép xe chuyển tiếp sang đoạn đường tiếp theo một cách mượt mà.

Khi xe tiếp cận ngã tư, nó sẽ xử lý các va chạm tiềm ẩn để di chuyển linh hoạt qua ngã tư mà không gây ra tai nạn.

9 Di chuyển tại ngã tư: sau khi xử lí các xung đột tiềm năng, vehicle sẽ di chuyển qua ngã tư đến đoạn đường tiếp theo.

10 Dừng xe: dừng ở ngã tư khi tín hiệu đèn giao thông là màu đỏ.

Sơ đồ hoạt động của tác tử vehicle

Hình 3.4 mô tả hoạt động của tác tử vehicle trong một bước mô phỏng Đầu tiên, tác tử vehicle quan sát chướng ngại vật phía trước để xác định các xung đột có thể xảy ra trong quá trình lưu thông Tiếp theo, tác tử vehicle xác định trạng thái của xe, bao gồm ba trạng thái: di chuyển trên đường, tại ngã tư và tại ngã rẽ Dựa vào trạng thái của xe trong quá trình di chuyển, các hành vi phù hợp được trang bị cho tác tử vehicle.

Khi tác tử vehicle di chuyển trên đường, nó sẽ tăng tốc nếu chưa đạt tốc độ mong muốn và không có chướng ngại vật Nếu có chướng ngại vật phía trước, vehicle sẽ quyết định có vượt hay không dựa vào thuật toán di chuyển Nếu được phép, xe sẽ sử dụng quỹ đạo đường cong Bezier để vượt qua, đồng thời đảm bảo không xảy ra xung đột Khi hoàn thành việc vượt, xe sẽ tiếp tục đi thẳng như ban đầu Nếu không được phép vượt, vehicle sẽ giảm tốc độ để tránh tai nạn.

Tại ngã rẽ, phương tiện sẽ chuyển hướng sang đoạn đường tiếp theo Thuật toán 6 được áp dụng để xác định quỹ đạo di chuyển của xe Khi xe đến cuối đường cong, một số thuộc tính của đoạn đường hiện tại sẽ được điều chỉnh.

Tại ngã tư, các phương tiện giao thông cần chú ý đến tín hiệu đèn giao thông Khi đèn đỏ, xe phải dừng lại để nhường đường cho các phương tiện khác.

Mô hình mô phỏng đa tác tử ứng dụng trong giao thông xanh cho phép xe tiến vào ngã tư Tại đây, tác nhân xe sẽ xử lý các xung động có thể xảy ra, nhằm tìm ra chiến thuật hợp lý để di chuyển qua ngã tư mà không gặp phải xung đột.

Hình 3.4: Sơ đồ hoạt động tác tử vehicle.

Một số thuật toán sử dụng trong mô hình

Tìm đường

Mạng lưới giao thông có thể được mô hình hóa như một đồ thị có hướng G = (V, E), trong đó E đại diện cho các đoạn đường và V là các đỉnh tương ứng Trọng số của các cạnh trong đồ thị này là độ dài của các đoạn đường Khi một phương tiện được khởi tạo với vị trí ban đầu (Source node) và đích đến (Final node), nó sẽ sử dụng thuật toán Dijkstra để xác định danh sách các đoạn đường cần đi.

[14] để tìm đường đi ngắn nhất cho từ Source node đến Final node trong mạng lưới giao thông.

Xác định điểm cách 1 điểm cho trước 1 đoạn d theo hướng

Thuật toán được áp dụng nhằm xác định các khu vực không gian Front, Left và Right của xe Trong quá trình mô phỏng, các khu vực này sẽ thay đổi dựa trên vị trí và tốc độ của xe trên đường.

Thuật toán 1:Xác định điểm cách 1 điểm cho trước 1 đoạn d theo hướng vector u.

Input: tọa độ điểm P, khoảng cách d và vector u.

Output: tọa độ điểm Q cách P một đoạn d theo hướng vector u. if d = 0 or u = 0 then x Q = x P ; y Q = y P ; else alpha = Góc(Ox, u); dx = d*cos(alpha); dy = d*sin(alpha); x Q = x P + dx; y Q = y P + dy; end

Di chuyển trên đường một chiều

Trong quá trình di chuyển trên đường một chiều, tác tử vehicle sẽ xác định mục tiêu tiếp theo dựa vào thuật toán di chuyển tương ứng Nếu không có chướng ngại vật phía trước, vehicle sẽ tiếp tục đi thẳng Tuy nhiên, nếu có chướng ngại vật, vehicle sẽ lựa chọn vùng không gian bên trái hoặc bên phải để di chuyển Trong trường hợp cả ba vùng không gian đều bị chướng ngại vật, xe sẽ phải giảm tốc độ để tránh xung đột.

Thuật toán 2: Di chuyển trên đường một chiều của tác tử vehicle.

Input: check go straight, check turn left, check turn right.

Output: giá trị của target. if check go straight is true then

Tăng tốc(); target = Front; else if check turn left is true then

Tăng tốc(); target = Left; else if check turn right is true then

Tăng tốc(); target = Right; else target = Front ;

Di chuyển trên đường hai chiều của tác tử vehicle

Khi xe di chuyển trên đường hai chiều, nó có khả năng chuyển sang làn đường đối diện để vượt qua các xe phía trước Đặc điểm này được mô phỏng bằng xác suất P, cho thấy khả năng di chuyển sang làn đường đối diện Thuật toán áp dụng cho trường hợp này tương tự như Thuật toán 2, nhưng với điều kiện nếu mục tiêu là Left, xe sẽ kiểm tra xem Left có nằm ở làn đường đối diện hay không và quyết định di chuyển với xác suất P.

Thuật toán 3:Di chuyển trên đường hai chiều của tác tử vehicle.

Input: check go straight, check turn left, check turn right, xác suất P.

Output: giá trị của target. if check go straight is true then

Tăng tốc(); target = Front; else if check turn left is true and Left is on right side then

Tăng tốc(); target = Left; else if check turn right is true then

Tăng tốc(); target = Right; else if check turn left is true and Left is not on right side and flip(P) then Tăng tốc(); target = Left; else target = Front ;

Điều khiển tín hiệu đèn giao thông của tác tử traffic light 43

Thuật toán điều chỉnh tín hiệu đèn giao thông có ba trạng thái chính: đèn xanh cho phép xe di chuyển bình thường qua giao lộ, đèn vàng yêu cầu xe giảm tốc độ và tiếp tục nếu đã vượt qua vạch, và đèn đỏ buộc xe phải dừng lại để nhường đường cho các phương tiện từ hướng khác.

Thuật toán 4: Điều khiển tín hiệu đèn giao thông của tác tử traffic light.

The value of Color is determined by a counter that increments with each iteration If the counter exceeds the total of t_g, t_y, and t_r, it resets to zero When the counter is within the range of t_g, the color is set to green (#green) If the counter falls between t_g and the sum of t_g and t_y, the color changes to yellow (#yellow) Finally, if the counter surpasses this range, the color is assigned red (#red).

Tạo đường cong Bezier trên đường

Thuật toán này mô tả hành vi vượt chướng ngại vật của phương tiện giao thông, một hành động thường thấy khi tài xế tham gia lưu thông Khi quyết định vượt xe phía trước, tài xế cần rẽ sang phải hoặc trái và tăng tốc để hoàn thành việc vượt.

Hình 3.5: Hành vi vượt xe của tác tử vehicle.

Quỹ đạo di chuyển của xe thường tạo thành một đường cong, và đường cong Bezier là phương pháp hiệu quả để mô phỏng quỹ đạo này Phương pháp này đã được nghiên cứu và ứng dụng thành công trong các mô hình giao thông, đặc biệt là cho các phương tiện di chuyển theo làn Thuật toán để tạo đường cong Bezier trên đường được thực hiện như sau:

Thuật toán 5:Tạo đường cong Bezier trên đường.

Input: tạo độ M và chiều dài L của xe, không gian Front, Left, Right.

Output: đường cong Bezier của xe khi di chuyển trên đường.

P 4 = Lef t.location (or Right.location);

P 3 P 4 và P 1 P 2 = L 2 ;Tạo đường cong Bezier với độ cong là 0.5;

Hình 3.6 minh họa quỹ đạo vượt xe của tác tử vehicle với độ cong 0.5, tạo ra đường cong đối xứng Khi quyết định vượt xe, tác tử vehicle chọn đường cong này làm quỹ đạo di chuyển Trong quá trình vượt, tác tử vehicle cần đảm bảo không xảy ra xung đột với các phương tiện khác.

Hình 3.6: Ví dụ về quỹ đạo khi vượt xe trên đường của vehicle.

Tạo đường cong Bezier tại ngã rẽ

Khi tác tử vehicle đến ngã rẽ, nó sẽ thực hiện một đường cong để chuyển sang đoạn đường tiếp theo Độ cong của quỹ đạo di chuyển phụ thuộc vào góc giữa hai đoạn đường; góc càng lớn thì quỹ đạo càng cong.

6 diễn tả cách xây dựng đường cong của vehicle tại ngã rẽ.

Thuật toán 6:Tạo đường cong Bezier tại ngã rẽ.

Input: tạo độ M của xe, góc α giữa hai đoạn đường

Output: đường con Bezier của xe tại ngã rẽ.

Xác định điểm B tương ứng với vị trí của xe qua Target node tại đoạn đường tiếp theo; Độ cong r = 180 α ;

Tạo đường cong Bezier từ A đến B với độ cong r;

Hình 3.7 minh họa quỹ đạo di chuyển của tác tử vehicle tại ngã rẽ Khi vehicle đến vị trí A ở cuối đoạn đường hiện tại, nó sẽ xác định điểm B tương ứng trên đoạn đường tiếp theo, thỏa mãn điều kiện d1 = d2 và D1 = D2 Độ cong của quỹ đạo được tính toán dựa trên góc giữa hai đoạn đường Khi quỹ đạo tại ngã rẽ đã được xác định, xe sẽ di chuyển theo quỹ đạo đó, đảm bảo không xảy ra xung đột với các phương tiện khác trong quá trình di chuyển.

Hình 3.7: Ví dụ về quỹ đạo di chuyển của vehicle tại ngã rẽ.

Phần ứng dụng sẽ sử dụng mô hình mô phỏng giao thông dựa trên phương pháp mô hình hóa tác tử để mô phỏng luồng giao thông cho các trường hợp đường hai chiều, cụ thể tại ngã tư Lý Thường Kiệt - Phan Chu Trinh và đoạn đường Nguyễn Văn Cừ Mô hình này được triển khai trên nền tảng GAMA, với các thông số liên quan đến các loại phương tiện giao thông được trình bày trong Bảng 4.1.

Max speed 60 km/h 50 km/h 40 km/h 60 km/h df 0.4 m 0.15 m 0.1 m 0.4 m db 0.2 m 0.1 m 0.05 m 0.2 m

Bảng 4.1: Thông số các loại phương tiện giao thông.

Mô phỏng giao thông cho đường hai chiều

Hầu hết các đường hai chiều ở Việt Nam chỉ có một vạch liền duy nhất để phân biệt hai chiều ngược chiều, yêu cầu người tham gia giao thông phải tuân thủ làn đường Tuy nhiên, các tài xế thường không tuân theo quy tắc này nếu có cơ hội vượt xe phía trước Đặc biệt, ranh giới giữa các phương tiện đi ngược chiều có thể thay đổi tùy thuộc vào lưu lượng giao thông ở các nút vào, không chỉ dựa vào vạch phân cách Để minh họa điều này, tôi đã thực hiện một mô phỏng trên đường hai chiều rộng 16m và dài 200m, trong đó P = 1 cho thấy rằng người lái xe sẽ luôn chuyển sang làn đường ngược chiều khi có thể.

Mô phỏng giao thông trên đường hai chiều cho thấy lưu lượng xe cộ ở các làn đường khác nhau Cụ thể, trong hình 4.1, lưu lượng giao thông được phân tích với ba trường hợp: (a) cả hai làn đường đều có lưu lượng 5 xe/s, (b) làn trên có 5 xe/s và làn dưới có 3 xe/s, và (c) làn trên có 5 xe/s trong khi làn dưới chỉ có 1 xe/s.

Trong thực nghiệm này, ba kịch bản khác nhau về lưu lượng giao thông đã được lựa chọn Ở kịch bản đầu tiên, lưu lượng giao thông trên cả hai làn xe là 5 xe/s, dẫn đến việc rất ít phương tiện di chuyển sang phần đường ngược chiều do không đủ chỗ Hình 4.1 a cho thấy ranh giới giữa hai dòng giao thông gần với giải phân cách trung tâm Trong kịch bản thứ hai, lưu lượng giao thông là 5 xe/s cho làn trên và 3 xe/s cho làn dưới, tạo ra sự mất cân bằng khi 5 xe từ làn trên chuyển sang làn dưới trong khi chỉ có 1 xe từ làn dưới chuyển sang làn trên Hình 4.1 b minh họa rõ nét tình huống này.

Trong trường hợp có sự chênh lệch lớn về lưu lượng giao thông, ví dụ như làn trên có 5 xe/s và làn dưới chỉ có 1 xe/s, không gian di chuyển của các xe ở làn trên sẽ rộng rãi hơn rõ rệt so với làn dưới do số lượng xe nhiều hơn.

Mô phỏng ngã tư Lý Thường Kiệt - Phan Chu Trinh

Mô phỏng giao thông tại ngã tư là một thách thức lớn do sự phức tạp trong hành vi của người tham gia, đặc biệt trong bối cảnh giao thông hỗn hợp và thiếu trật tự như tại Việt Nam Ứng dụng này tập trung vào việc mô phỏng luồng giao thông tại ngã tư Lý Thường Kiệt - Phan Chu Trinh, nằm trong quận Hoàn Kiếm, Hà Nội Ngã tư này kết nối hai đoạn đường hai chiều, mỗi đoạn có chiều rộng 12m.

Hình 4.2: Ngã tư mô phỏng.

Vào lúc 10h, dữ liệu giao thông ghi nhận ba loại xe với tỷ lệ: xe máy chiếm 76%, ô tô 23% và xe buýt 1% Thông tin lưu lượng giao thông được phân tích theo từng đoạn đường, bao gồm Đường trên, Đường dưới, Đường trái và Đường phải.

Bảng 4.2: Lưu lượng giao thông tại ngã tư.

Tại ngã tư Lý Thường Kiệt - Phan Chu Trinh, giao thông được điều khiển bởi đèn tín hiệu Thời gian của các tín hiệu đèn giao thông được quy định cụ thể, với ba trường hợp xảy ra liên quan đến phương tiện giao thông.

Green time Yellow time Red time

Bảng 4.3 trình bày thời gian của các loại tín hiệu đèn báo giao thông, đặc biệt trong tình huống xe di chuyển đến ngã tư Khi xe lựa chọn đi thẳng hoặc rẽ trái, tác nhân cần xử lý các xung đột tiềm năng với luồng giao thông từ đoạn đường đối diện, nơi thường xảy ra xung đột tại ngã tư (như mô tả trong Hình 4.3 a) Để giải quyết vấn đề này, ngã tư được trang bị không gian tiềm ẩn xung đột (hình chữ nhật trong Hình 4.3 b) và quỹ đạo di chuyển của xe (đường màu đỏ trong Hình 4.3 b), với chiều dài mỗi đoạn đường là 50m.

(a) Vị trí có khả năng xảy ra xung đột tại ngã tư (b) Thiết kế ngã tư.

Hình 4.3: Xây dựng ngã tư cho đoạn đường mô phỏng.

Khi xe tiếp cận ngã tư, nó sẽ chọn quỹ đạo gần nhất dựa trên mục tiêu và vị trí hiện tại Khi đến khu vực có khả năng xảy ra xung đột, xe sẽ quan sát chướng ngại vật phía trước Nếu khu vực này bị chiếm bởi các xe từ hướng đối diện, xe sẽ chờ cho đến khi các xe đó đi qua Ngược lại, nếu khu vực trống, xe sẽ tiếp tục di chuyển qua ngã tư đến đoạn đường tiếp theo Hình 4.4 minh họa mô phỏng cho ngã tư Lý.

Thường Kiệt - Phan Chu Trinh.

Hình 4.4: Mô phỏng giao thông tại ngã tư Lý Thường Kiệt - Phan Chu Trinh.

Hình 4.5 cho thấy thời gian di chuyển trung bình của dòng giao thông trên đoạn đường mô phỏng Theo đồ thị, tác tử vehicle mất khoảng 18 giây để di chuyển 100m, bao gồm cả thời gian chờ đèn đỏ.

Hình 4.5: Thời gian di chuyển trung bình của xe tại ngã tư.

Mô phỏng cho đoạn đường Nguyễn Văn Cừ

Đường Nguyễn Văn Cừ là tuyến đường huyết mạch của Hà Nội, đóng vai trò là cửa ngõ chính về phía Đông Bắc Đường có hai chiều với ba làn mỗi chiều, được ngăn cách bởi hàng phân tách, tạo ra sự tương tự như hai đường một chiều Đoạn đường được mô phỏng dài 275 mét, mỗi bên rộng 9 mét Dữ liệu giao thông tại đây đã được thu thập để phân loại các phương tiện lưu thông, bao gồm bốn loại xe chính, trong đó xe máy chiếm 67.5%.

%), ô tô (26.5 %), xe tải (2 %) và xe buýt (4 %).

(a) Giao thông tại đoạn đường Nguyễn Văn Cừ (b) Đoạn đường Nguyễn Văn Cừ.

Hình 4.6: Đoạn đường Nguyễn Văn Cừ.

Bài báo [30] thiết lập mối quan hệ giữa vận tốc trung bình và lưu lượng giao thông trên các đoạn đường tại Hà Nội, sử dụng công thức đặc biệt cho các tuyến đường có ba làn mỗi chiều.

F = 5271 ∗ S ∗ e − 11.2 S trong đó: F là lưu lượng xe (xe/h) và S là vận tốc trung bình của dòng giao thông (km/h).

Mô hình mô phỏng đa tác tử được áp dụng để phân tích dữ liệu vận tốc trung bình của dòng giao thông trên đoạn đường Nguyễn Văn Cừ, sử dụng thông tin từ công ty logistics Smartlog Kết quả thu được cho thấy lưu lượng giao thông ước lượng tại các thời điểm khác nhau trong ngày.

Chiều từ Hoàn Kiếm đến Long Biên 1.4 3.1 2.1 2.6 1.9 2.5 4.0 2.0

Chiều từ Long Biên đến Hoàn Kiếm

Bảng 4.4: Lưu lượng giao thông ước lượng của đoạn đường Nguyễn Văn Cừ với đơn vị xe/s.

Hình 4.7: Mô phỏng giao thông đoạn đường Nguyễn Văn Cừ.

Dựa trên dữ liệu đã được phân tích, mô phỏng giao thông cho đoạn đường Nguyễn Văn Cừ đã được thực hiện Hình 4.7 minh họa tình hình giao thông tại khu vực này Do nằm ở ngoại thành Hà Nội, đoạn đường này thường xuyên ít xảy ra tình trạng ùn tắc so với các tuyến đường khác như Kim Mã hay Láng.

Chiều từ Hoàn Kiếm đến Long Biên, dòng giao thông đạt vận tốc trung bình thấp nhất vào lúc 18h do phương tiện di chuyển từ nội thành sang Long Biên, với sai số bình phương trung bình là 12.1 Ngược lại, chiều từ Long Biên đến Hoàn Kiếm, tốc độ trung bình đạt cực tiểu vào 8h sáng, thời điểm cao điểm khi nhiều phương tiện vào nội thành làm việc, với sai số là 23.7 Mặc dù sai số chưa nhỏ, mô hình đã thể hiện mối liên hệ giữa lưu lượng và vận tốc giao thông, cho thấy khả năng mô phỏng luồng giao thông tại Việt Nam.

(a) Chiều từ Hoàn Kiếm đến Long Biên (b) Chiều từ Long Biên đến Hoàn Kiếm.Hình 4.8: Kết quả mô phỏng giao thông tại đoạn đường Nguyễn Văn Cừ.

CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Định dạng
Số trang	64
Dung lượng	713,03 KB