Traffic and related self-driven many-particle systems

Helbing, Dirk

doi:10.1103/revmodphys.73.1067

Cited by 2,993 publications

(2,207 citation statements)

References 543 publications

(825 reference statements)

Supporting

Mentioning

2,137

Contrasting

Unclassified

Order By: Relevance

“…While finite reaction times have been investigated for more than 40 years [1] the HDM-IDM combination is, to our knowledge, the first car-following model allowing accident-free driving at realistic accelerations in all traffic situations for reaction times of the order of and even exceeding the time headway. A closer look at quantitative features of stop-and-go traffic or oscillations shows that, compared to simulations of the original IDM, the HDM extensions reduce the gradients of transitions between free and congested traffic and increase the wavelengths of stop-and-go waves, in agreement with empirical data.…”

Section: Discussionmentioning

confidence: 99%

“…The nature of human driving behaviour and the differences with the automated driving implemented in most micromodels is a controversial topic in traffic science [1,2,3,4,5,6,7,8]. Finite reaction times and estimation capabilities impair the human driving performance and stability compared to automated driving, sometimes called 'adaptive cruise control' (ACC).…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Delays, inaccuracies and anticipation in microscopic traffic models

Treiber

Kesting

Helbing

2006

Physica A: Statistical Mechanics and its Applications

Self Cite

481

269

View full text Add to dashboard Cite

We generalize a wide class of time-continuous microscopic traffic models to include essential aspects of driver behaviour not captured by these models. Specifically, we consider (i) finite reaction times, (ii) estimation errors, (iii) looking several vehicles ahead (spatial anticipation), and (iv) temporal anticipation. The estimation errors are modelled as stochastic Wiener processes and lead to time-correlated fluctuations of the acceleration.We show that the destabilizing effects of reaction times and estimation errors can essentially be compensated for by spatial and temporal anticipation, that is, the combination of stabilizing and destabilizing effects results in the same qualitative macroscopic dynamics as that of the respectively underlying simple car-following model. In many cases, this justifies the use of simplified, physics-oriented models with a few parameters only. Although the qualitative dynamics is unchanged, multianticipation increase both spatial and temporal scales of stop-and-go waves and other complex patterns of congested traffic in agreement with real traffic data. Remarkably, the anticipation allows accident-free smooth driving in complex traffic situations even if reaction times exceed typical time headways.

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Delays, inaccuracies and anticipation in microscopic traffic models

Treiber

Kesting

Helbing

2006

Physica A: Statistical Mechanics and its Applications

Self Cite

481

269

View full text Add to dashboard Cite

show abstract

“…Ces embouteillages sont non seulement très frustrants, mais ils entravent aussi la capacité et la rapidité du transport, et donc son efficacité. C'est pourquoi les différents mécanismes de leur formation ont fait l'objet de nombreuses études non seulement pour les comprendre, mais aussi pour apporter des solutions pour en limiter le nombre [1]. De la même façon, le transport des millions de composants (protéines, lipides, etc.)…”

unclassified

Comment éviter la formation d’embouteillages de moteurs moléculaires lors du trafic intracellulaire ?

et al. 2012

Self Cite

View full text Add to dashboard Cite

> Tout le monde a été confronté, un jour ou l'autre, à un embouteillage de voitures, que ce soit sur une autoroute encombrée lors de départs ou retours de vacances, ou bien simplement en période de travaux ou lors d'un accident, lorsqu'une partie de la chaussée est rétrécie créant ainsi un goulet d'étranglement qui limite le trafic. Ces embouteillages sont non seulement très frustrants, mais ils entravent aussi la capacité et la rapidité du transport, et donc son efficacité. C'est pourquoi les différents mécanismes de leur formation ont fait l'objet de nombreuses études non seulement pour les comprendre, mais aussi pour apporter des solutions pour en limiter le nombre [1]. De la même façon, le transport des millions de composants (protéines, lipides, etc.) Figure 1A). Nous avons choisi d'utiliser la kinésine-8/Kip3 issue de la levure bourgeonnante [6], bien qu'elle ne soit pas impliquée dans des processus de transport intracellulaire. En effet, Kip3 a trois particularités : (1) elle peut se déplacer sur de très longues distances le long des microtubules (> 50 μm) avant de se détacher. Cette distance, appelée longueur de processivité, est bien supé-rieure à celle (seulement 1 à 2 μm) parcourue par des kinésines conventionnelles impliquées dans le trafic. (2) Kip3 ne se détache pas immédiatement du microtubule une fois arrivée à son extrémité, mais marque un temps de résidence, qui peut aller jusqu'à plusieurs secondes ; cette pause est inexistante dans le cas des kiné-sines conventionnelles [7]. (3) Ces deux propriétés, qui démontrent une grande affinité de Kip3 à la fois pour le corps et l'extrémité du microtubule, peuvent être modifiées en faisant varier la quantité de sel dans le tampon. À forte concentration de sel, la processivité et le temps de rési-dence au bout du microtubule diminuent, ce qui permet de se rapprocher du comportement des kinésines conventionnelles. De plus, Kip3 a été marquée par deux protéines fluorescentes : une très petite fraction de kinésines a été marquée par une green fluorescent protein [GFP] (vert) de façon à pouvoir les isoler dans l'espace et mesurer leur déplacement individuel ; le reste des kinésines a été marqué par une mCherry (rouge) pour pouvoir mesurer la densité des moteurs présents le long du

show abstract

“…Besides traffic scientists, mathematicians and physicists have also contributed to the field of traffic flow. Because of the numerous publications, we refer the reader to (Helbing, 2001) for an overview. Briefly speaking, the main modeling approaches can be classified as follows: Car-following models deal with the non-linear interactions and dynamics of single vehicles (e.g.…”

Section: Introductionmentioning

confidence: 99%

On the distribution of urban road space for multimodal congested networks

Zheng

Geroliminis

2013

Transportation Research Part B: Methodological

121

View full text Add to dashboard Cite

a b s t r a c tTransport systems in real cities are complex with many modes of transport sharing and competing for limited road space. This work intends to understand how space distributions for modes and interactions among modes affect network traffic performance. While the connection between performance of transport systems and general land allocation is the subject of extensive research, space allocation for interacting modes of transport is an open research question. Quantifying the impact of road space distribution on the performance of a congested multimodal transport system with a dynamic aggregated model remains a challenge. In this paper, a multimodal macroscopic fundamental diagram (MFD) is developed to represent the traffic dynamics of a multimodal transport system. Optimization is performed with the objective of minimizing the total passenger hours traveled (PHT) to serve the total demand by redistributing road space among modes. Pricing strategies are also investigated to provide a higher demand shift to more efficient modes. We find by an application to a bi-modal two-region city that (i) the proposed model captures the operational characteristics of each mode, and (ii) optimal dynamic space distribution strategies can be developed. In practice, the approach can serve as a physical dynamic model to inform space distribution strategies for policy makers with different goals of mobility.

show abstract

Traffic and related self-driven many-particle systems

Cited by 2,993 publications

References 543 publications

Delays, inaccuracies and anticipation in microscopic traffic models

Delays, inaccuracies and anticipation in microscopic traffic models

Comment éviter la formation d’embouteillages de moteurs moléculaires lors du trafic intracellulaire ?

On the distribution of urban road space for multimodal congested networks

Contact Info

Product

Resources

About