Intelligent transportation systems (ITS) provide advanced communication, information and electronics technology to solve traffic problems. However, inappropriate ITS may cause human drivers’ distress and confusion which can lead to serious congestions and accidents. Successful application of ITS requires a profound understanding of the dynamics of traffic on the road and various traffic phenomena; congestion, stop and go wave and hysteresis. In addition, human driver’s characteristic is considerably taken into consideration regarding over/under reaction, reaction time, jam spacing, preferred acceleration/deceleration, etc.
Microscopic model is especially appropriate to model traffic condition and estimate traffic impacts on ITS applications such as vehicle-to-vehicle (V2V) and vehicle-to-infrastructure (V2I) and human behaviors. Microscopic model is composed of a car-following models and a lane changing models depending on driver’s movement: longitudinal movement and lateral movement. Car-following models describe the processes of drivers following their preceding vehicles in a traffic stream. Lane-changing is lateral movements of vehicles across the roadway and creates interactions between traffic flows in two adjacent lanes.
Many traffic researchers have attempted to make car following models more realistic, yet existing car-following models have not suggested accurate modeling and estimation of the traffic phenomena including hysteresis phenomenon and stop-and-go traffic in the congested traffic. Some researchers have found the hysteresis phenomenon and stop-and-go traffic in the congested traffic are caused by asymmetric driving behavior, which attribute to driver’s different reaction to acceleration and deceleration. However, they had a limitation to reveal the whole mechanism of driving behavior due to the data deficiency at the microscopic level. After the advent of NGSIM trajectories dataset which provides a microscopic level dataset, it became easier to examine asymmetric behaviors of the real traffic.
This thesis proposes a new car-following model based on asymmetric car-following (ACF) rule and safety constraint to elaborate various unexplained traffic phenomena such as traffic hysteresis phenomenon, capacity drop and stop-and-go traffic. Proposed model includes various parameters that indicate drivers’ characteristics and vehicles’ performances. The parameters of each vehicle are readily explained and extracted from NGSIM trajectory data. Based on the extracted parameters of each vehicle, individual vehicle behavior is validated by ACF model. A driver behavior of ACF model with other models (Newell, Gipps and GGM) which are simulated from optimized parameters of each model is analyzed. This thesis finds that ACF model has the lowest RMSE among other previous models and has clear two curves on speed-spacing diagram unlike other models with one curve. Furthermore, driver’s behavior by ACF model describes stop-and-go traffic phenomenon in congestion. The study shows the potential that ACF model with various parameters and error term can explain the growth, propagation or dissipation of stop-and-go waves in congested freeway.
최근 들어, 도로에서 발생하는 다양한 문제들을 해결하기 위해 정보통신 및 다양한 첨단 기술이 접목된 지능화된 교통 시스템이 개발되고 적용되고 있다. 하지만, 잘못 적용된 기술은 오히려 운전자에게 불안감과 혼란을 주며 더 많은 사고와 정체를 발생시킨다. 성공적인 ITS의 적용을 위해서는 운전자의 행동 특성과 교통 현상 (이력 현상, 정체, 가다-서다 현상 등)에 대한 깊은 이해를 바탕으로 해야 한다.
교통 시뮬레이션은 새로운 ITS 기술을 적용하기에 앞서 평가하기 위한 비용 효율적인 방법이다. 또한, 시뮬레이션은 교통 문제의 원인을 분석하고 그 문제를 해결하기 위해서도 사용된다. 시뮬레이션을 위해 사용된 모델은 크게 거시적 모델과 미시적 모델로 나누어진다. 거시적 모델은 교통량, 속도, 밀도와 같은 변수를 사용하여 교통의 흐름을 묘사한다. 이 모델은 시뮬레이션 하기 위해 많은 양의 데이터를 필요치 않으며 상대적으로 짧은 시뮬레이션 시간을 필요로 한다. 반면, 미시적 모델은 모든 차량의 움직임 (위치, 속도, 가속도 등)을 일정 시간 간격으로 추적한다. 이 모델은 운전자의 특성을 반영하며 주로 작은 구역이나 네트워크에 적용된다.
차량 추종 모델 (car-following model)은 대표적인 미시적 모델 (microscopic model)이다. 많은 연구자들이 다양한 차량 추종 모델을 제시했지만 그 모델은 정체에서 발생하는 이력 현상과 가다 서다 현상을 설명하는데 한계를 보였다. 1960년대 이후 몇몇 연구자들은 이러한 교통 현상이 운전자의 비대칭적인 행동 패턴에 의해 야기된다는 것을 발견했다. 하지만, 그들은 데이터의 부족으로 정확한 메커니즘을 밝히지 못했다.
2006년 NGSIM데이터의 등장으로 인해 운전자의 비대칭 행동 패턴을 설명하기 더 쉽게 되었다. Yeo는 NGSIM 데이터를 바탕으로 운전자의 비대칭 행동에 의한 이력현상과 가다-서다 현상의 메커니즘을 밝혔다. 하지만, 지금까지 비대칭 행동을 바탕으로 하는 모델이 제시되지는 못하였다.
이 논문은 기존의 차량 추정 모델들이 설명하지 못했던 교통 현상들을 (이력현상과 가다-서다 현상 등) 설명하기 위한 새로운 비대칭 추정 모델 (Asymmetric car-following model)을 제안한다. 제안된 모델은 운전자의 특성과 차량의 성능을 포함하는 변수들을 포함하고 있다. 이 변수들은 NGSIM 데이터로부터 추출되며 추출된 변수 값에 의해서 기존의 다른 모델들 (Newell, Gipps, GGM)과 비교된다. 또한, ACF 모델에 의한 개별차량의 움직임에 대한 관찰뿐만 아니라 정체 상황에서 발생하는 가다-서다 현상 (stop-and-go traffic phenomenon)의 단계들을 잘 묘사할 수 있음을 보여준다.
