面向可靠性的城市交通动力学分析的关联维数

《Physica A: Statistical Mechanics and its Applications》:Correlation dimension for reliability-oriented analysis of urban traffic dynamics

【字体: 大 中 小 】 时间:2026年10月24日 来源:Physica A: Statistical Mechanics and its Applications 3.1

编辑推荐:

   • 利用关联维数D2刻画混合城市交通中的动态复杂性。 • 揭示车辆与行人动力学之间系统性的组间差异。 • 将非线性时间序列分析应用于面向可靠性的城市交通评估。 引言 城市交通环境是一个复杂系统。它受到各类道路使用者持续互动、基础设施限制和环境因素的影响。这些系统表现出非线

  

• 利用关联维数D2刻画混合城市交通中的动态复杂性。
• 揭示车辆与行人动力学之间系统性的组间差异。
• 将非线性时间序列分析应用于面向可靠性的城市交通评估。

引言

城市交通环境是一个复杂系统。它受到各类道路使用者持续互动、基础设施限制和环境因素的影响。这些系统表现出非线性动力学特性,源于人类决策的变异性、众多相互竞争的目标(如安全性与行程时间之间的权衡)以及外部事件不可预测的影响。传统的交通安全与可靠性评估能够有效识别显性的危险状况,如碰撞时间、跟车时距或合规率;然而,它们在揭示底层复杂性和微妙不稳定性方面的能力受到限制,即使在没有直接冲突的情况下,这些不稳定性也可能存在。

功能安全框架(如ISO 26262)通常关注确定性系统故障,并未明确处理非线性交通交互所产生的复杂性[1]。随着高度自动驾驶(HAD)系统逐步部署于混合交通环境中,其安全运行不仅依赖于规避即时危险,还依赖于理解相邻道路使用者的稳定性和可预测性。对动态复杂性的全面定量评估可以增进对交通可靠性的理解,使基础设施设计者和自动驾驶汽车能够预测并缓解不稳定状况。

在道路车辆领域,ISO 26262将可靠性定义为系统或组件在指定条件下于规定时间内无故障地执行预期功能的概率。该定义在硬件和软件的功能安全评估中被证明具有价值。然而,当扩展到交通环境时,可靠性不能仅由技术组件的无故障运行来衡量。在混合交通系统中,集体性能还取决于异质智能体(如车辆与行人)之间交互的稳定性和可预测性。因此,虽然我们以ISO 26262的可靠性定义为基础,但强调交通可靠性还必须考虑运动模式的动态变异性[2], [3]。

关联维数(D2)最初在混沌系统分析中被提出,提供了一种定量度量指标。关联维数D2并非直接以经典工程意义上的可靠性来衡量。相反,它测量的是重建相空间吸引子的内在维度,反映了支配系统动力学的有效自由度[4], [5]。

在交通系统中,智能体行为的可预测性是可靠交互的关键前提。低维吸引子对应于受约束的动力学,自由度有限,从而产生更可预测的运动模式。相比之下,高维吸引子表明变异性增加和可预测性降低。

因此,在本研究中,D2被解释为运动可预测性的动力学代理指标。它在微观交互层面有助于可靠性评估,并非旨在取代传统的可靠性定义[6], [7]。

本文提出使用关联维数作为动力学指标来分析城市交通的动态特性。利用来自混合交通城市路口的数据集的高分辨率轨迹数据,我们重建了单个道路使用者的速度相空间表示并计算其全局D2值。随后,我们分析不同道路使用者类别(如车辆和行人)的这些数值,以探索其作为稳定与不稳定运动模式指示器的潜力。

通过将D2解释为运动可预测性的代理指标,所提出的方法在微观层面为交通可靠性提供了互补视角。通过弥合非线性动力学分析与传统安全指标之间的鸿沟,所建议的框架提供了一种工具,可在运营和研究环境中增强当前的可靠性评估。

需要指出的是,在交通系统分析中,可靠性概念有多种解释。传统研究通常从出行时间一致性、网络性能或与安全相关的指标来定义可靠性[8]。相比之下,本研究采用动力学系统视角,其中可靠性与不同交通条件下运动轨迹的可预测性和稳定性相关联。

在监管框架下,可测量的延误、等待时间以及组件或系统故障的概率长期以来一直是交通系统中传统可靠性与安全指标的主要关注点。例如,通过在汽车系统中定义危害和风险指标,特别是那些与随机硬件故障率和故障树/失效模式分析相关的指标,ISO 26262强调功能安全[9]。类似地,排队论已被用于交通流建模中以预测等待时间、延误和交通拥堵,这些指标在容量有限的情况下作为可靠性代理指标发挥作用[10]。近期关于交通网络出行时间可靠性的研究强调了用户所经历的不确定性和风险。这些研究指出,供需变异性以及路段行程时间和网络负载的波动是影响可靠性的关键因素[11]。底层的动态复杂性和智能体行为的实时波动通常无法被传统方法捕捉。这些方面对于理解本工作中研究的非线性轨迹和吸引子是至关重要的,尽管传统方法对许多规划应用仍然有效。

非线性动力学和混沌理论经常被用于交通研究中,以揭示标准线性或统计模型无法发现的复杂性。[12]发现,利用各种交通指标(速度、流量和占有率)进行相空间重建能够识别交通流中的混沌特征并提高短期预测的准确性。在《道路交通动力学的随机性》[13]一文中,高速公路速度记录被检查其确定性特征和混沌特征。该研究表明,即使在自由流或部分拥堵条件下也表现出结构,这些结构无法用简单随机模型来解释。基础性研究,如《交通流理论与混沌行为》[14],在交通背景下阐明了混沌现象,并引入了吸引子重建和嵌入维度选择的方法论。近期由[15]进行的一项城市交通研究证实了动力学分析的重要性,该研究使用众包传感器数据并表明,交通状态可以基于数据质量和延迟而振荡或趋于平衡。总体而言,这些工作表明,对于评估运动可靠性至关重要的动态变异性可以通过将速度或流量可观察量纳入重建状态空间来揭示。

利用非线性动力学来表征超越预测的交通特性的研究已在日益扩大的文献库中得到探索。利用重建的吸引子和混沌指标(如关联维数和Lyapunov指数),[12]开发了一个多指标混沌时间序列预测框架。该框架结合了速度、占有率和流量,并在各种交通条件下证明了预测准确性的提升。利用地理和城市密度数据,[16]在城市环境中绘制了拥堵吸引子点。他们的结果表明,空间吸引子结构与拥堵时期相关,并有助于识别交通不稳定的关键节点。Disbro的基础性工作[14]通过延迟嵌入和吸引子重建在交通流理论中引入混沌行为,确立了即使早期的交通模型也表现出线性模型无法捕捉的新兴复杂性。总体而言,这些研究展示了方法选择和经验证据,证明非线性嵌入和吸引子分析可以揭示交通动力学中的时空和结构变化,而这些变化通常被传统预测或可靠性模型所忽视。

最近的实证和建模研究表明,行人的运动在变异性与约束性方面与车辆动力学存在显著差异。在混合行人-车辆环境中的轨迹预测系统综述中,[17]指出,与由规则约束的车辆运动不同,行人行为由于环境交互和车辆影响而表现出更多的不确定性和更少的约束。在他们使用元胞自动机对混合交通流的研究中,[18]表明行人侵入或混合密度会加剧不规则流态和波动,特别是在受到特定速度限制或空间约束时。[19]记录了无信号路口的行人过街行为,并展示了行人决策阶段(接近、评估和穿越)如何引入车辆运动中不存在时延误和变异性。总体而言,这些研究支持了汽车和行人占据不同动力学状态的观点,并强调使用关联维数等非线性的指标对其进行比较的必要性和相关性。

我们将城市路口视为混合交通系统可靠性分析的参考场景。这些路口代表了车辆和行人共存的典型环境,受到交通信号灯、汇入车流和有限空间边界等外部约束的影响。这些条件使路口成为研究交通动力学变异性和可靠或不稳定运动模式涌现的合适场所。

分析聚焦于轨迹数据,其中每个智能体的运动以速度信号来描述。通过采用基于速度的相空间表示,我们使用时间延迟嵌入重建底层动力学。这种方法避免了依赖预设的运动方程,而是产生一个经验吸引子来表征智能体所探索的有效状态空间。车辆受车道几何和交通规则约束,预计将产生结构化的低维吸引子,而行人由于拥有更高的运动自由度,可能产生更不规则的高维吸引子。

关联维数被用作量化动力学复杂性的指标。较低的关联维数表明运动受限且具有可预测性,而较高的值则表示不规则且较不复杂的动力学。这使我们能够在面向可靠性的框架内将维度解释为运动可预测性的代理指标。为确保稳健性,嵌入参数(如延迟和窗口大小)根据每条轨迹进行经验确定。

因此,目标有两个方面:(i) 计算并对比车辆和行人轨迹的关联维数,以及 (ii) 评估维度上的系统性差异是否对应不同的可靠性水平。该问题在外部影响(如基础设施规则,如信号灯、车道)隐含地反映在观察到的轨迹中的假设下进行处理。与控制导向的优化框架不同,本方案的公式化方法强调数据驱动的重建和非线性分析,为面向可靠性的交通动力学特征化提供了互补视角。

各节摘要

数据集

本研究使用了来自城市路口的高分辨率轨迹数据,其中包含各类道路使用者(如机动车和行人)的位置、速度和分类信息。数据通过固定传感器配置采集,提供了位于亚琛Frankenberg的二维坐标(x, y)(单位为米)、相应的速度分量(vx, vy)(单位为米/秒)以及以恒定25 Hz频率采样的帧索引。每个移动智能体的

结果

我们检查了INTERACTION数据集中汽车和行人的示例轨迹,以说明关联维数作为运动可预测性动力学指标的相关性[20]。对于每个实例,我们最初分析了未处理的轨迹和相关的速度-时间序列,以识别路口内的独特运动模式。随后,信号通过时间延迟嵌入在相空间中重建,嵌入维度为

D2与可靠性的关系解读

从动力学系统的角度来看,关联维数量化了支配运动的有效自由度。低维吸引子对应于更受约束和更可预测的轨迹,而高维吸引子表明更大的动力学变异性。我们的发现证实了D2作为运动可预测性代理指标的作用。作为一种互补指标,它成功地捕捉了传统指标可能忽视的动力学差异。

第一层次结论

本研究展示了关联维数分析在刻画城市交通中车辆和行人轨迹的动力学复杂性和运动可预测性方面的适用性。通过从速度数据重建相空间轨迹,结果表明车辆运动倾向于产生低维紧凑的吸引子,反映了更受约束和更可预测的动力学,而行人运动产生高维且更分散的吸引子,表明

CRediT作者贡献声明
Samir Rasulov:原稿撰写、可视化、软件、方法论、调查、形式分析、概念化。Péter Bakucz:审阅与编辑、验证、监督。

生成式AI和AI辅助技术在论文准备过程中的声明
在本工作的准备过程中,作者使用ChatGPT(OpenAI)协助完善文献综述和编码概念模拟框架。使用此工具后,作者审阅、验证并根据需要编辑了内容,并对工作的科学准确性和完整性承担全部责任。

资助
本研究未获得公共、商业或非营利部门资助机构的特定拨款。

利益冲突声明
作者声明不存在已知的可能影响本文所报告工作的竞争性财务利益或个人关系。

Samir Rasulov | Péter Bakucz
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号