A hierarchy of kinetic discrete-velocity models for traffic flow derived from a non-local Prigogine-Herman model
本文从非局部Prigogine-Herman模型导出一类带松弛项的交通流离散速度模型层级,证明其双曲系统的丰富性与完全线性退化性,并分析走走停停周期解的出现条件。
2023-05-30 cs.NA math.NA
Analysis of a heterogeneous kinetic model for traffic flow
University of Insubria(因苏布里亚大学);University of Turin(都灵大学)
本文扩展了近期的交通流动力学模型,考虑多类车辆及其微观特征,采用二元相互作用框架,分析模型的well-posedness及平衡态,并通过概率分布减缓交通流容量下降。
2016-06-09 cs.NA math.NA
Multi-fidelity methods for uncertainty propagation in kinetic equations
由于模型的高维性,动力学方程中不确定性量化的有效方法的构建是一个挑战:通常所涉及的计算成本变得令人望而却步。另一方面,正是由于维数灾难,简化模型的建设,能够提供近似解在计算上减少成本一直代表在动力学方程领域的主要研究方向之一。许多作者研究了基于矩方程或简化碰撞模型的适当闭合的近似。因此,在不确定性量化的背景下,在多保真度设置中利用这样的模型是很自然的,其中原始动力学方程表示高保真度模型,并且简化模型定义低保真度替代模型。本文的范围是调查的动力学方程,能够加快解决方案的不确定性量化过程相结合的高保真度和低保真度模型评估,特别注意的情况下,可压缩和不可压缩的流体动力学限制的多保真度方法的一些最新成果。我们将主要集中在两类策略:多保真度控制变数方法和双保真度随机配置法。所考虑的各种方法进行了分析,根据不同的代理模型和采用不同的数值技术。鉴于替代模型的具体选择的相关性,在介绍中选择了面向应用的方法。
2021-12-02 cs.NA math.NA
Kinetic models for traffic flow resulting in a reduced space of microscopic velocities
Università dell’Insubria(因苏布里亚大学);Università degli Studi di Torino(都灵大学);Istituto per le Applicazioni del Calcolo “M. Picone”, CNR(意大利国家研究委员会计算应用研究所)
本文研究了基于Boltzmann方法的交通流动力学模型,通过特定碰撞核结构获得稳态分布的解析表达,展示了微观速度空间的简化与丰富性。
2016-06-10 cs.NA math.NA
Multi-fidelity methods for kinetic models of epidemic dynamics with uncertain contact structure
The Chinese University of Hong Kong(香港中文大学);University of Ferrara(费拉拉大学);University of Pavia(帕维亚大学)
提出一种结合高保真动力学求解器与低保真代理模型的多保真策略,用于处理流行病学中具有不确定接触结构的动力学模型,通过层次化框架和投影技术实现高效不确定性传播,大幅降低计算成本。
2026-06-25 cs.NA math.NA
The Aw-Rascle traffic model: Enskog-type kinetic derivation and generalisations
本文研究了从动力学描述导出二阶宏观交通模型的方法。特别是,我们恢复了著名的Aw-Rascle模型作为Enskog型动力学方程的流体动力学极限的车辆之间的微观二元相互作用的精确表征。与文献中的其他推导不同,我们的方法揭示了Aw Rascle模型背后的多尺度物理。这进一步使我们能够将其推广到一类新的二阶宏观模型符合Aw-Rascle一致性条件,即没有波应该比平均交通流量更快。
2019-06-25 cond-mat.stat-mech cs.NA math.NA
The Traffic Reaction Model: A kinetic compartmental approach to road traffic modeling
本文提出了交通反应模型(TRM),一种等价于化学反应动力学系统的有限体积离散格式,用于LWR型交通流建模,并利用动力学理论推导了其稳定性与持久性等动态性质。
2024-01-02 cs.NA cs.SY eess.SY
Accelerated Kinetic Monte Carlo methods for general nonlocal traffic flow models
本文提出了一类一维元胞自动机(CA)模型的交通流,具有非局部前瞻相互作用。我们开发动力学蒙特卡罗(KMC)算法来模拟动力学。标准KMC方法对于具有全局交互的模型可能是低效的。我们设计了一个加速的KMC方法,以减少计算非局部转移率的计算复杂性。我们研究了几个数值实验,以证明加速算法的效率,并获得各种参数设置下的动力学的基本图。
2022-06-17 cs.NA math.NA nlin.CG
Kinetic-controlled hydrodynamics for traffic models with driver-assist vehicles
Department of Mathematical Sciences “G. L. Lagrange” Politecnico di Torino(都灵理工大学“G.L. 拉格朗日”数学科学系)
本文提出了一种基于驾驶员辅助车辆的分层交通流控制方法,通过动能方程推导出一阶和二阶水动力交通模型,以有效缓解速度依赖性的道路风险因素。
2019-02-13 cs.NA math.NA math.OC
Uncertainty damping in kinetic traffic models by driver-assist controls
在本文中,我们提出了一个动力学模型的交通流与不确定的二元相互作用,它解释了分散的基本图的宏观变化的总量,如平均速度和流量的车辆,由微观的不确定性。此外,我们设计的车辆之间的微观相互作用的水平上的控制策略,通过它,我们证明,它是可能的,以抑制这种不确定性的跨尺度的传播。我们的分析和数值计算结果表明,总的交通流量可以更有序,因此可预测的,通过实施这样的控制协议,在驾驶辅助车辆。值得注意的是,它们还提供了不确定性的宏观阻尼与驾驶员辅助技术在交通流中的渗透率之间的精确关系。
2020-02-10 cs.NA math.NA math.OC
Kinetic derivation of Aw-Rascle-Zhang-type traffic models with driver-assist vehicles
在本文中,我们推导出二阶流体动力学交通模型的动力学控制方程的辅助驾驶车辆。在车辆层面,我们考虑到两个主要的控制策略,综合自适应巡航控制和合作自适应巡航控制的行动。由此产生的宏观动力学满足在著名的Aw-Rascle-Zhang模型中引入的各向异性条件。与其他基于启发式参数的模型不同,我们的方法揭示了常用的流体动力学交通模型背后的主要物理方面,并证明了将驾驶辅助车辆的宏观方程的结构。数值分析表明,驾驶员辅助车辆的存在产生了平均流速的总体均匀化,其也可以以达到最佳流量和交通稳定的方式转向合适的期望速度。
2021-01-11 cond-mat.stat-mech cs.NA math.NA
Error estimate of a bi-fidelity method for kinetic equations with random parameters and multiple scales
本文对多尺度动力学方程的双保真度方法进行了一致误差估计。我们把玻尔兹曼和线性输运方程作为重要的例子。主要的分析工具是动力学方程的hypoverravity分析,考虑在一个微扰设置接近全球平衡的解决方案。这使我们能够获得动力学和流体动力学状态下的误差估计。
2021-03-26 cs.NA math-ph math.MP
A multi-class kinetic traffic flow model: discrete-velocity formulation and diffusively-corrected macroscopic limits
RPTU Kaiserslautern(凯泽斯劳滕理工大學);Université Côte d’Azur(法国蔚蓝海岸大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心)
本文提出基于Prigogine-Herman框架的多类离散速度动力学交通流模型,推导相关双曲标度方程组,采用路径守恒有限体积格式数值近似,得到扩散修正多类宏观模型并通过单车道模拟验证理论结果。
2026-08-31 cs.NA math.AP math.NA
Uncertainty Quantification in Hierarchical Vehicular Flow Models
我们考虑BGK型的动力学车辆交通流模型。考虑到不同的空间和时间尺度,这些模型允许导出一个层次的交通模型,包括流体动力学描述。在本文中,动力学BGK模型的扩展,通过引入一个参数随机变量来描述可能的不确定性,在交通。详细研究了不确定性与给定模型层次的相互作用。给出了水动力学水平上随机微分方程相容性的理论结果。研究了随机流体力学模型中可能存在的负扩散效应,并对不确定交通状况进行了数值模拟。
2021-08-17 cs.NA math.NA
Hybrid stochastic kinetic description of two-dimensional traffic dynamics
RWTH Aachen University(亚琛工业大学);Politecnico di Torino(都灵理工大学)
本文提出了一种二维交通动力学模型,考虑了车辆在车道内交互和变道时的速度变化,通过混合随机福克-普朗克-波尔兹曼方程计算交通流的速度-密度图,并利用实数据验证了结果。
2017-11-16 cs.NA math.AP math.NA
Overview on uncertainty quantification in traffic models via intrusive method
我们认为交通流模型在不同尺度的观察。从众所周知的层次之间的微观,动力学和宏观尺度,我们将调查传播的不确定性通过模型使用随机Galerkin方法。将在随机情景中介绍尺度之间的联系,并进行数值模拟。
2022-10-12 cs.NA math.NA
Multivalued fundamental diagrams of traffic flow in the kinetic Fokker-Planck limit
University of Insubria(因苏布里亚大学);RWTH Aachen University(亚琛工业大学);Polytechnic University of Turin(都灵理工大学)
本文研究了微观动力学对车辆流宏观性质的影响,通过不同期望速度的选择,分析了流量-密度和速度-密度图的定性结构,并恢复了多值图的存在性。
2016-07-27 cond-mat.stat-mech cs.NA math.NA
From kinetic to macroscopic models and back
本文研究了具有反向传播波特性的交通流动力学模型。这些波可以与通常在高速公路上观察到的走走停停的波的现象相识别。特别是,精细建模的微观速度和动力学模型中的相互作用速率的空间允许获得弱不稳定的向后传播波在密集的交通,而不依赖于非本地条款或多值的基本图。使用Chapman-Enskog展开进行这些波的稳定性分析。这导致BGK型模型作为跟随领导者或Bando模型的介观极限导出,并且其宏观极限属于二阶Aw Rascle和Zhang模型。
2020-01-29 cs.NA math.AP math.NA
Parameter and density estimation from real-world traffic data: A kinetic compartmental approach
本文将交通流建模为化学反应网络分室系统,通过最小化输出与轨迹数据密度观测的差异来估计最优反应速率,在模拟与真实数据上验证了其重现交通流复杂性的有效性。
2021-01-27 cs.NA eess.SP math.NA
A nonlinear discrete-velocity relaxation model for traffic flow
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);Fraunhofer ITWM(弗劳恩霍夫工业数学研究所)
本文提出一种非线性二方程离散速度模型,用于交通流模拟,该模型在松弛极限下收敛于Lighthill-Whitham方程,并具有适合交通流建模的不变域,模型在某些情况下表现出线性退化双曲松弛模型的特性。
2017-10-17 cs.NA math.AP math.NA
Fast spectral separation method for kinetic equation with anisotropic non-stationary collision operator retaining micro-model fidelity
Michigan State University(密歇根州立大学)
提出一种从分子动力学学习的数据驱动碰撞算子,通过各向异性非平稳核和快速谱分离方法(O(N log N)算法)扩展动力学模型至弱耦合之外,保持结构守恒与H定理。
2026-06-05 cs.NA math.NA physics.comp-ph
Error estimates of a bi-fidelity method for a multi-phase Navier-Stokes-Vlasov-Fokker-Planck system with random inputs
本文利用低强制性分析,证明了随机初始输入下多相 Navier-Stokes–Vlasov–Fokker–Planck 耦合系统双精度方法在动理学与流体动力学区域中的一致误差估计。
2023-08-16 cs.NA math.AP math.NA
Structure and asymptotic preserving deep neural surrogates for uncertainty quantification in multiscale kinetic equations
University of Ferrara(费拉拉大学);Italian Ministry of University and Research(意大利大学与研究部);Royal Society(皇家学会);European Union(欧盟);ICSC – Centro Nazionale di Ricerca in High Performance Computing, Big Data and Quantum Computing(ICSC – 高性能计算、大数据和量子计算研究中心);Italian National Institute of High Mathematics(意大利国家高等数学研究所)
针对带随机参数的高维多尺度动理学方程不确定性量化难题,结合多尺度控制变量策略与结构渐近保持神经网络构建神经代理模型,在保持物理一致性的同时显著降低采样方差,提升计算效率与精度。
2026-11-18 cs.LG cs.NA math.NA
Control variates with neural surrogates for uncertainty quantification in kinetic equations
Xiamen University(厦门大学);University of Ferrara(费拉拉大学);Heriot-Watt University(赫瑞-瓦特大学)
该研究针对带随机输入的动力学方程不确定性量化难题,提出用神经代理替代经典降阶模型的多保真度控制变量方法,证明其无偏性与方差稳定性,扩展至多控制变量及渐近保形层次结构,经数值测试验证有效性。
2026-11-17 cs.NA math.NA physics.comp-ph
An introduction to uncertainty quantification for kinetic equations and related problems
本文综述了动力学方程不确定性量化及随机输入相关问题的最新研究成果。不确定性可能是由于各种原因造成的,例如缺乏对微观相互作用细节的了解,或者边界或初始数据的信息不完整。这些不确定性导致了维数灾难,发展有效的数值方法是一个挑战。在简要介绍了偏微分方程不确定性量化的主要数值方法之后,重点介绍了动力学方程的多保真度方法和随机Galerkin方法的一些最新进展。
2020-04-10 cs.NA math-ph math.MP