⃝可在www.sciencedirect.com上在线获取ScienceDirectICTExpress 7（2021）481www.elsevier.com/locate/icte在智能城市的ADAS车辆时代改善应急响应Nicola CapodieciNoun，Roberto Cavicchioli，Filippo Muzzini，Leonard Montagna摩德纳和雷焦艾米利亚大学，物理学、信息学和数学系，摩德纳，意大利接收日期：2020年7月10日;接收日期：2021年2月23日;接受日期：2021年3月4日2021年3月26日网上发售摘要应急车辆的管理可以在智能城市中进行，即城市环境中，许多物联网设备由分布式智能协调，能够向道路使用者建议不同交通情况下的最佳行动方案。通过扩展MATSim（多智能体交通仿真软件），我们设计和测试适当的缓解策略时，交通事故发生在现有的城市地区与V2V（车辆到车辆），V2I（车辆到基础设施）的能力和先进的辅助驾驶汽车（ADAS）增强。此外，我们提出了交通拥堵模型和相关的机制，以提高必要的时间，为紧急车辆，以应对事故。c2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：智慧城市;多智能体系统;仿真1. 介绍如今，汽车行业正在大力投资自动驾驶汽车和高级驾驶辅助系统（ADAS）。汽车行业的发展必须与应用于城市发展（即智慧城市）的信息和通信技术的并行发展相匹配。智慧城市是一个城市区域，通过普及的技术基础设施进行增强，能够利用边缘、云和雾[1]计算节点之间的计算连续体。这种处理能力适用于物联网驱动的设备收集的大量数据，如智能手机，下一代车辆和安装在周围城市基础设施中的嵌入式平台[2]。这种分布式系统允许系统工程师定义启用ADAS的车辆与城市本身之间的交互机制，从而提高城市的整体生存能力和生活质量。例如，紧急车辆响应时间是城市生活质量的一个重要方面;它被定义为紧急车辆被派遣的时间和到达事故地点的时间[3]。尽量减轻这种∗ 通讯作者。电子邮件地址：nicola. unimore.it（N.Capodieci），roberto. unimore.it（R.Cavicchioli），filippo. unimore.it（F.Muzzini），165689@studenti.unimore.it（L. Montagna）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2021.03.005间隔可以大大增加所涉及的个体的生存机会。在这样的背景下，本文的贡献是双重的：首先，我们提出了重新路由算法，旨在提高行程时间的紧急服务，同时应对交通事故。其次，我们评估了其他（非紧急）道路使用者所经历的旅行时间的影响，这种策略。对于后者，我们还将研究配备ADAS的车辆在道路使用者总人口中的可变百分比的影响，因为这些车辆能够与周围的智能城市基础设施进行有效通信。简单地说，在实际部署之前，必须仔细规划和测试现实世界城市可行性的变化。因此，我们的实验上的紧急车辆 重 新路 由 通 过 模 拟评 估 。 更 具体 地 说 ， 我们 使 用MATsim来执行测试。MATSim模拟器[4]是一个城市交通的中观仿真平台，其灵感来自多智能体系统（MAS）文献[5]。MATSim的基准版本只能模拟无法与附近车辆或周围基础设施通信的道路使用者。出于这个原因，在本文中，我们还提出了一个扩展MATsim，使系统工程师能够模拟智能城市中的联网车辆2405-9595/2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。N. 卡波迪耶西河Cavicchioli，F.Muzzini等人ICT Express 7（2021）481482我们的智能城市MATSim扩展由多个模块组成，用于模拟摄像头、传感器、服务器和通信系统，以便配备物联网的车辆能够对交通事故等突发事件做出反应。更具体地，应急车辆可以与城市基础设施通信，以便向联网车辆建议重新路由计划。这种方法大大减少了救护车路径内发生的交通拥堵为了证明我们的模拟交通模型和相关的路由策略的有效性，我们讨论了一系列广泛的实验，旨在评估紧急车辆2. 相关工作MATSim [4]（Multi Agent Transport Simulation）是一个用于城市交通管理的多智能体仿真软件。每个智能体都是一个软件自主实体，代表行人、客运车辆、应急车辆或公共交通车辆。MATSim已被广泛用于多代理系统研究文献：多代理系统方法是一种设计模式，专注于能够代表或模拟人类用户需求的软件实体的可扩展性。在这种情况下，MATSim作为框架的交通场景模拟与多智能体系统的方法。文献[6]中有其他符合条件的城市交通模拟器;其中一些是开源项目（例如，MATSim、SUMO），而Vissim和AIMSUM等平台则是商业软件。由于我们实验的性质，我们更喜欢开源解决方案提供的可扩展性。SUMO和MATSim都提供了大量的文档材料、示例和研究应用程序。尽管如此，我们认为MATSim能够提供更高程度的灵活性，易于定制和使用SUMO;我们的考虑与以前的工作中报告的结论非常吻合（例如[7，8]）。我们还强调，MATSim在大型网络上的性能优于SUMO，并且考虑到我们的特定需求，MATSim路由模块考虑了一组更适合道路实体的参数[9]。总之，MATSim的开源性质，其可扩展的结构及其对大型城市区域进行模拟的能力使我们相信选择这个平台而不是类似的软件。以前关于MATSim及其应用的工作涉及研究传统交通基础设施的效率，例如出租车服务[10]，汽车共享[11]和公共交通系统[12]。我们的工作与引用的文献不同，因为我们关注的是交通的未来，因此我们考虑了部分自动驾驶汽车，这些汽车与意大利北部一个平均规模的城市内真正现有的智能传感器基础设施相连。这样的城市区域位于摩德纳市，它被称为MASA（摩德纳汽车智能区，如图所示）。 1（a））。2.1. 摩德纳汽车智能区MASA项目旨在成为全国范围内关于智能城市控制、标准化和认证方法的开创性研究工作。 1MASA始于2017年，被许多欧洲项目用作测试为互联的道路使用者和基础设施提供基础设施，边缘设备上的人工智能以及创新车辆的ADAS功能。该区域安装了专用4G-LTE天线：这允许车辆，边缘和雾节点之间的低延迟通信。MASA还配备了50个摄像头，包括传统摄像头（20个）和智能摄像头（30个）：智能摄像头允许对人工视觉算法进行本地处理，例如物体检测和车辆计数。与MASA地区相关的欧洲项目提供了一个小型ADAS车队。这些车辆配备了摄像头，LiDAR，GPS和计算板：这些都是成熟的移动平台，可以感知环境并与城市的计算基础设施进行通信，即4个雾节点和6个云服务器。CLASS项目2正在构建一个能够实时响应道路用户需求的软件架构，因此该地区部署的通信协议基于使用二进制压缩数据的4G低延迟UDP传输。3参与者和通信基础设施的示意图如图所示。 1（b）.我们利用MATSim的开源性质来扩展它，以便考虑MASA内复杂的V2V和V2I交互，这是由CLASS软件架构实现的。更具体地说，我们调整我们的模拟内的MASA，旨在设计和测试实时改道策略，以尽量减少紧急车辆的响应时间在交通事故。2.2. 扩展MATSim以模拟智慧城市MATSim的基线版本不支持车辆与城市基础设施之间的交互;此外，车辆的日常计划和相应的路线在初始化时是固定的，并且在仿真运行期间不会改变。由于这是一个限制，将阻止开发人员测试紧急响应机制，MATSim扩展[13]已被用于允许开发人员实现动态代理路由。这种扩展使MATSim能够在所有这些情况下利用动态计划，其中车辆路线的动态管理从[14]中详述的MATSim扩展开始城市基础设施是作为MATSim的扩展实现的;它能够监听模拟1 我的朋友们：//我的朋友们：/我的朋友们：/ 来吧。我的天哪。it/modedena-smart-comunity/smart-mobility/masa-modedena-automotive-smart-a re a.2 https：//class-project. e/。3 https：//git. 他是我的朋友。你我莫雷。it/rcavicchioli/maprococol/tree/cmakefix.N. 卡波迪耶西河Cavicchioli，F.Muzzini等人ICT Express 7（2021）481483===∈⊂图1.一、 摩德纳汽车智能区的细节：道路网络，通信和计算基础设施。以获得城市国家的全球视野。所涉及车辆的位置和通信能力是该观察状态的一部分。总之，我们开发的扩展允许车辆与城市基础设施进行通信，从而根据城市基础设施本身提供的信息动态改变其行为;我们的扩展的第一个版本已成功部署在MATSim中的智能城市模拟工作中[15，16]。3. 仿真模型感兴趣的智能城市区域被表示为连接节点的网络Γ：正式地，这被表示为图G（V， E），其中顶点表示交通交叉口，并且边是表示连接道路的链路。该图是有方向的，以便我们能够模拟允许的流动方向。在我们的MATSim扩展中，我们能够通过根据我们为模拟选择的实际存在的区域添加转弯禁令和单行道来增强基线城市区域表示。对于道路网络中的每个链接，我们关联一个FIFO队列，以便无论何时代理进入该链接时，它会自动插入相应的队列中。很容易理解，以事故为特征的链路将很快填满其队列，拥堵会降低相关车辆的速度，甚至将其设置为零（见第3.2节）。专门成为本地或异地道路使用者。第一种类型描述了熟悉城市的道路使用者的行为：因此，在发生交通事故的情况下，它能够找到最佳的改道策略，而不需要智慧城市基础设施的帮助。最佳路线的计算，利用Dijkstra算法的道路网络，提供的事故链接已被删除的道路网络。相反，异地代理将尝试通过随机尝试附近的道路来寻找替代路线。更具 体 地 ， 如 果 具 有 指 定 结 束 目 的 地 的 异 地 代 理 在locationsiteOfAccident处看到事故，则构建来自该站点的连接链路的列表（listOfConnected Links）。因此，从该列表中提取随机输出链接，并对照对应于事故地点的链接进行检查。如果所选链接与事故链接不同，代理将移向提取的链接并进行检查如果新的到达链路属于其到目的地的原始路由（原始路径）。在这种情况下，重新路由计划完成。否则，此过程将重复。这在算法1中解释。如果目的地发生事故，enqueue（siteO f Accident）return端whiletrue do如果 事故现场 是 的 只 构件 连接的链接列表， 则enqueue（siteO f Accident）return3.1. 道路使用者作为代理人在我们的模型中有几种代理，每个代理都有一个起始位置，一个或多个活动（在特定时间间隔内到达的地方），以及一个端端其他端agent位置←链接←pickRnd（list O f Connected Links）更新（listO f Connected Links）如果林克原始路径然后返回重新路由计划端结束位置。更正式地说，我们将路径P Γ与每个智能体A相关联。典型的智能体是MATSim标准道路用户，他们无法与其他车辆或周围的基础设施进行通信。这样的代理只有当它位于事故在我们的模型中，经典代理进一步算法1：异地代理重路由计划智能代理代表驾驶具有ADAS功能的车辆的道路用户，因此能够与其他ADAS车辆和智能城市基础设施进行通信。更具体地说，这种车辆向中央机构通知其路线。然后，中央当局能够立即通知N. 卡波迪耶西河Cavicchioli，F.Muzzini等人ICT Express 7（2021）481484=链路∗（）（2）v=maxv−，minmspee d=\===-=-代理在先前由代理通信的路由内的链路中发生事故。因此，即使事故远离代理视线，代理也能够计算最佳路线。应急车辆代表代表重要应急响应组织（例如警察、消防队或救护车）的代理人。在这项工作中，我们的目标是优先考虑他们在事故发生时在城市内移动的进入链路队列的紧急车辆被建模为渗漏队列的占用者。而不是排队[17]，渗流队列模型允许应急响应车辆渗透通过智能和经典车辆的队列。此外，我们假设这个代理可以与其他智能代理和城市基础设施进行通信。即使智能车辆可以在中央机构一意识到事故就立即重新路由给定紧急车辆的路径（紧急路径）由N个链路组成，我们定义由紧急代理路径内从其当前位置开始的接下来的M个链路表示的链路的前视窗口（LAW）。LAW被传送到附近的智能代理，使得它们可以将这个新接收的链路列表与子集（P_i）进行比较。其当前计划（P）的子集;这样的子集由从智能代理的当前位置开始的前K个后续元素组成。如果检测到潜在的冲突，则智能代理将重新路由（即，通过移除重叠的链路并重新计算Dijkstra）。实施明智的，在等式中的约束。（1）适用。M =| L AW|，N =|紧急通道|L AW 紧急通道如果超过链路容量（即拥塞），则将其速度设置为零（最小速度0）。根据当地交通管理机构所允许的最大速度来设置Vm，这意味着允许紧急代理达到比常规道路使用者更高的速度。为了模拟应急车辆的渗漏行为，对于这样一类代理，我们施加最小速度>0。此外，当紧急车辆通过该道路时，我们还降低了非拥堵路段的非紧急车辆速度：这模拟了道路使用者可能的行为，以降低他们的速度和/或暂时移动到路边，让紧急救援人员更容易通过。因此，该v/v速度的计算公式（三）、v=min（Re−lR，v）（ 3）由方程式（3）我们定义v为v之间的最小值，如等式（1）所示。（2）和依赖于R（恒定的步行步速）和l链路的递减指数函数，l链路是感兴趣的链路的长度。因此，这种减速与道路的长度成反比，以模拟紧急车辆效应不一定传播到整个感兴趣的街道。4. 实验与模拟首先，创建了MASA区域街道网络的表示我们使用了几个插件将OpenStreetMap（OSM）4数据库中的原始地图导入到MATSim中，然后我们使用额外的信息来增强网络，例如道路连接的容量，转弯禁令和停车位。MASA区域是一 个 1 平 方 公 里 宽 的 区 域 ， 以 OSM 坐 标 （ 44.65632 ，10.93150）为的K = |P|，PP K ≤MN，M>I f PLAW则检测到冲突（一）模拟人口的规模是使用在线提供的区域交通流量数据估算的5;使用这些数据，我们估算了高峰时段道路使用者的人口在10000人（1）中的公式将前视窗口约束为具有与整个紧急车辆路径相比相当小的基数，这是因为用于路径冲突检测的大粒度将意味着智能代理的不必要的大重路由操作。另一方面，LAW基数不能太小：例如，如果M1，这意味着对车辆何时到达特定位置有精确的了解。虽然这在模拟环境中是可行的，但在现实生活中的交通场景中几乎不可能收集到这样精确的信息。3.2. 代理速度计算为 了对 队列 内的 汽车 的速 度进 行 建模 ，我 们利 用Greenshield线性模型（等式10）。（2））：vmdc由方程式（2），v是当前速度，vm是该类别车辆的最大速度，d是该路段的当前车辆密度[车辆英里或公里]，c是路段容量（如车辆计数）。当量（2）指车辆2万名特工。方程中的常数（2）和（3）被设置为VM50 km/h，最小速度非紧急车辆为0，vm70 km/h，最小速度10公里/小时的紧急车辆和R5公里/小时。我们强调，最大速度值这是意大利法律规定的。用于智能代理重新路由的LAW基数被设置为15，而来自Eq.（一）.对于每个实验场景，我们提供了一个XML文件作为MATSim的输入。在这样的文件中，我们描述代理人的初步计划，即他们的出发和到达地点。计划最初设置为所有感兴趣的代理相关的所有不同的实验场景，使代理计划保持不变，而我们模拟不同的行为。智能体的计划是在MASA地图上随机选取两个位置构建的：这两个位置代表家庭和工作地点。探员们执行了两次任务，一天，先从家到单位，再从单位到家。从家和工作的出发时间选择遵循正态分布，在典型的高峰时间具有峰值（回家出发时间为上午8：001 我的朋友们：//我的朋友们：/我的朋友们：/ 我不知道你在说什么。或g/。2 我的意思是，我的意思是，regione. 恩米利利亚-罗玛格纳。it/FlussiMTS/。N. 卡波迪耶西河Cavicchioli，F.Muzzini等人ICT Express 7（2021）481485表1救护车与不同类型的代理人的平均旅行时间表2不同种类代理人的正常旅行时间智能代理救护车%差异事故场景经典异地原地智能场景1百分比0行程时间[s]109场景1–Prev.交叉点有多条出站链路10.73850.69060.6724Prev.交叉点没有其他传出链接1 1 0. 6392离开工作）。关于交通建模，模拟车辆然而，需要强调的是，本文的目的不是提供MASA地区交通的现实重建。更具体地说，我们感兴趣的是应急响应背后的机制，同时在相对有限的城市区域内改变所涉及的车辆的能力。因此，我们认为，一旦单行道，转弯禁令，街道车道方向/容量提取OpenStreetMap和合理的分布高峰/高峰时间的模拟设置，这构成了一个适当的环境，研究我们提出的应急响应策略。4.1. 紧急车辆响应时间在这组实验中，我们有兴趣观察如何快速救护车（模拟为紧急响应代理）可以前往/从MASA内的事故现场。从第3节描述的模型来看，推断救护车行驶时间将受到智能代理占我们模拟中涉及的道路使用者总数的百分比。将该比率视为实验参数也有助于研究从纯人类驾驶车辆到纯ADAS车辆过渡时期的城市可行性[15]。可以合理地假设，智能和非智能汽车将共存，直到下一代汽车完全取代传统的交通工具。为了确定随着智能代理数量增加的救护车行驶时间，运行了多个场景。在所有这些场景中，我们报告一组30辆救护车第一个场景由12000个智能代理组成，智能代理的数量按比例缩放，结果如表1所示。在表1中示出了当智能代理的百分比超过道路使用者总数的50%时，紧急车辆的平均响应时间显著改善。如果所有代理都代表具有ADAS功能的车辆，则响应时间将减少36.7%。另一个决定平均回应时间的主要变数，是有关地区内道路使用者的人口数目。我们通过将代理数量增加到16000来进行额外的测试，从而更接近我们在模拟中建模的MASA区域的不可避免的拥堵。在这种情况下，在由75%的智能代理相对于根本没有智能代理的基线场景，4.2. 事故在本节中，我们将观察在MASA内发生事故和相关路障时对旅行时间的影响。正如第3.1节所强调的，常规道路使用者被建模为经典的，外来的，本地的和智能的代理。第一个是道路使用者的MATSim基线实现，他们不会试图避免事故造成的路障。这种代理将作为我们提出的模型的基线。在这个实验中，我们在MASA和代理人的旅行计划中的随机地点强制发生事故。然后，我们根据他们所属的代理类别记录他们的平均旅行时间。在这些实验中，我们假设代理人口的总数属于指定的类别。在这样的实验中要考虑的另一个方面是被阻塞的道路之前的链路是否具有多于一个的传出链路。除了事故现场之外没有外出链路可能会迫使大多数道路使用者被困在感兴趣的阻塞道路上，而一旦事故在驾驶员的视线中，则有可能重新路由到实验在表2中，我们可以看到，当有可能在事故路段之前的交叉口重新路由时，行程时间可以从26.1%（异地代理）提高到33.6%（智能代理）。异地代理的改进告诉我们，一个更现实的方法来模拟事故将导致不那么悲观的交通估计相比，MATSim基线方法。更具体地说，普通司机会试图在没有智慧城市帮助的情况下找到替代路线;即使接受迷路的风险，也会这样做。虽然外来代理和本地代理之间的性能差异可以通过强调最后一类代理不会迷失方向来解释，但在多个传出链路场景中，本地代理和智能车辆在行程时间上的改进几乎没有差异（约2%）。在第二种情况下，智能代理的优势变得更加引人注目，在这种情况下，事故现场之前的交叉口不允许代理执行最后一分钟的改道操作。更具体地说，外来和本地代理能够对事故作出反应这导致我们在模拟中建模的具有ADAS功能的车辆场景2331026.4场景3508918.3场景4668026.6场景51006936.7N. 卡波迪耶西河Cavicchioli，F.Muzzini等人ICT Express 7（2021）4814865. 结论和今后的工作在本文中，我们扩展了MATSim城市交通模拟器，以便能够测试和实验不同的可行性模型，在交通事故的情况下，在智慧城市。虽然以前的交通拥堵缓解技术[20，21]假设每个道路使用者都可以被告知交通中断，以便立即重新路由以避免拥堵，但我们研究了具有不同能力的不同类型的代理与附近车辆和周围城市基础设施通信的影响。我们提出的机制设法减少紧急车辆响应时间高达36.7%。减少救护车往返事故现场所需的时间对于增加所涉及的道路使用者的生存机会至关重要[22，23]。此外，我们的MATSim扩展还能够模拟其他常见场景在交通方面。例如，在这篇最近发表的文章[16]中，我们的MATSim扩展被用于模拟改善街道交叉口等待时间的算法。这是通过实施一种新颖的交通灯控制方法实现的，在这种方法中，智能车辆可以与附近的车辆和交通灯通信。我们还在进一步扩展我们的工作，以模拟和提出车辆污染监测和智能停车系统的机制。我们认为，有一个交通模拟器，实现V2V和V2I通信将使用户能够测试和模拟任何交通场景，这些场景可以从与附近车辆和城市基础设施的直接交互中受益。CRediT作者贡献声明Nicola Capodieci：概念化，方法论，写作。RobertoCavicchioli：写作-评论编辑，可视化，写作-原始草稿。Filippo Muzzini：软件，调查，监督。伦纳德·蒙塔格纳：软件，调查，写作。竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认这项工作得到了欧盟H2020计划CLASS项目的支持。七八零六二二。引用[1] X. Masip-Bruin ， E. Marín-Tordera 湾 Tashakor ， A. Jukan ， G.- J.Ren ， Foggy clouds and cloudy fogs ： a real need for coordinatedmanagementoffog-to-cloudcomputingsystems ， IEEEWirel.Commun. 23 （5）（2016）120[2] E.基尼奥内斯湾Bertogna，E. Hadad，A.J. Ferrer，L. Chiantore，A.Reboa，智慧城市的大数据分析：h2020类项目，在：第11届ACM国际系统和存储会议论文集，2018年，第11页。一百三十[3] J.D.陈文辉，医疗急救中的反应时间及其重要性，中华医学杂志，（1980）79-87。[4] K. W. Axhausen ， A. Horni ， K. Nagel ， 多 智 能 体 交 通 仿 真MATsim，Ubiquity出版社，2016年。[5] J. Ferber ， G. Weiss ， Multi-Agent Systems ： An IntroductiontoDistributedArtificialIntelligence ， Vol.1 ， Addison-WesleyReading，1999。[6] P.M. Ejercito，K.G.E. Nebrija，R.P. Feria，L.L. Lara-Figueroa，交通仿真软件回顾，2017年第8届信息，智能，系统&应用国际会议（IISA）（2017）1-4。[7] M. Saidallah，A. El Fergougui，A.E. Elalaoui，城市道路交通模拟器的比较研究，在：MATEC会议网络，卷。81，EDP Sciences，2016，p. 05002[8] M. Maciebenski ， K. Nagel ， Towards multi-agent simulation ofthedynamicvehicleroutingprobleminmatsim ， InternationalConferenceonParallel Processing and Applied Mathematics （2011 ）551-560.[9] D.F. Allan，A.M. Farid，开源交通电气化仿真工具的基准分析，2015年IEEE第18届智能交通系统国际会议，2015年，pp. 1202-1208[10] M. Maciebenski，K. Nagel，MATSim中出租车服务的仿真和动态优化，VSP工作文件13-0，柏林工业大学，2013年，交通系统规划和交通远程控制，2013年。[11] F. Ciari，M. Balac，K.W. Axhausen，基于Agent的仿真matsim汽车共享建模：最新技术，应用和未来发展，Transp。Res. Rec. 2564（1）（2016）14[12] M.M.奥利韦罗斯湾陈晓，基于智能体的公交分配路径选择的自动标定，交通科学，2001。Res. C 64（2016）58-71.[13] M. Maciebenski，K. Nagel ，Towards multi-agent simulation of thedynamicvehicle routing problem in matsim ， in ： InternationalConferenceonParallelProcessingandAppliedMathematics ，Springer，2011，pp. 551 -560[14] F. Zwick，K.W. Axhausen，使用matsim分析拼车策略，载于：第20届瑞士交通研究会议（STRC2020）（虚拟），IVT，苏黎世联邦理工学院，2020年。[15] G.卡布里湖Gherardini，M. Montangero，F. Muzzini，关于人类驾驶和自动驾驶车辆共存时交叉口管理的自动化策略，多媒体工具应用。（2021）1[16] F. Muzzini，N. Capodieci，M. Montangero，利用交通信号灯来管理基于拍卖的过境点，在：第六届EAI智能对象和技术社会公益国际会议论文集，2020年，pp. 199-204.[17] A. Agarwal，G. Lämmel，使用基于代理的模拟在混合交通条件下对小型车辆的渗流行为进行建模，Transp。Dev. 经济2（2）（2016）8.[18] T. 托 莱 多 ， 医 学 博 士 Ben-Akiva ， D. 达 尔 达 ， M. Jha ， H.N.Koutsopoulos ，基 于 聚 合 数 据 的 微 观 交 通 仿 真 模 型 的 校 准 ，Transp。Res. Rec. 1876（1）（2004）10[19] R.巴拉克里希纳角Antoniou，M. Ben-Akiva，H.N. Koutsopoulos，Y.温，微观交通仿真模型的校准：方法和应用，交通运输。Res. Rec.1999（1）（2007）198[20] T.Cox ， P.Thulasidian ， Azone-basedtrafficassignmentalgorithmforscalable congestion reduction ， ICT Express 3 （ 4 ）（2017）204-208。[21] J. Li，N. Ferguson，基于规则决策的多维度运输网络重调度模型，ProcediaComput。Sci. 170（2020）90-97。[22] R. Sánchez-Mangas，A. García-Ferrrer，A. De Juan，A.M. Arroyo，《道路交通事故中的死亡概率》。快速医疗反应有多重要？意外事故Anal. Prev. 42（4）（2010）1048[23] C.S.利姆河，巴西-地Mamat，T.张文龙，救护车调度政策对急诊医疗服务绩效的影响，北京：中国人民大学出版社。运输单系统12（2）（2011）624
我的内容管理
展开
