CN104282149B - 一种基于交通状态精度指标评价的路网浮动车配置方法 - Google Patents

Abstract

本发明涉及一种基于交通状态精度指标评价的路网浮动车配置方法，包括以下步骤：1)根据区域交通调查获取区域道路的几何数据、交叉口信号灯方案以及道路交通流量，建立真实的交通仿真模型；2)在交通仿真模型中选取初始的浮动车比例和浮动车采样频率进行分组测试；3)通过仿真获取所有浮动车的位置和时间参数，评价各组仿真的浮动车路网覆盖率和道路平均行程车速相对误差两个精度指标；4)根据各组仿真的精度指标的统计结果，得出浮动车比例和浮动车采样频率的最优取值；5)根据浮动车比例和浮动车采样频率的最优取值，在实际路网中进行浮动车的配置。与现有技术相比，本发明具有数据准确、分析过程综合全面、评价结果适用性广等优点。

Description

一种基于交通状态精度指标评价的路网浮动车配置方法

技术领域

本发明涉及交通信息领域，尤其是涉及一种基于交通状态精度指标评价的路网浮动车配置方法。

背景技术

基于浮动车全球定位系统数据的城市道路状态估计以其成本小、精度高、覆盖率广等特点，已经广泛应用于我国许多城市，如北京、上海、深圳、杭州等。目前国内关于浮动车交通状态估计精度评价的研究主要基于浮动车占全部车辆的比例和浮动车数据的采样频率这两个参数。浮动车比例和浮动车采样频率对交通状态估计的精度和所需成本有显著影响，研究旨在通过参数分析以达到在较低成本的情况下可获得较高的估计精度。

目前，国内关于浮动车的交通状态估计精度评价主要是基于经典数理统计分析的方法和基于仿真分析的方法。经典数理统计分析方法缺少交通工程学的验证，且分析实际交通数据时受数据源限制，很难做到多层次全面分析浮动车比例和采样频率两个参数。基于仿真的分析方法通常只是针对几个交叉口或是小范围的区域路网建立仿真模型，单一分析浮动车比例或者采样频率，缺少针对复杂的城市道路网，同时考虑浮动车比例和采样频率两个变量对交通状态估计精度影响的分析。因此，建立针对复杂路网下的交通状态估计精度仿真评价技术对于分析真实城市道路环境中浮动车投放比例和采样频率具有重要意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种数据准确、分析过程综合全面、评价结果适用性广基于浮动车的交通状态精度指标的评价方法。

本发明的目的可以通过以下技术方案来实现：

一种基于交通状态精度指标评价的路网浮动车配置方法，包括以下步骤：

1)根据区域交通调查获取区域道路的几何数据、交叉口信号灯方案以及道路交通流量，建立真实的交通仿真模型；

2)在交通仿真模型中选取初始的浮动车比例和浮动车采样频率进行分组测试；

3)通过仿真获取所有浮动车的位置和时间参数，评价各组仿真的浮动车路网覆盖率和道路平均行程车速相对误差两个精度指标；

4)根据各组仿真的精度指标的统计结果，得出浮动车比例和浮动车采样频率的最优取值；

5)根据得出的浮动车比例和浮动车采样频率的最优取值，在实际路网中进行浮动车的配置。

所述的交通仿真模型包含主干路、次干路、支路、隧道和非十字交叉口的情况。

所述的步骤1)中具体包括以下步骤：

11)根据区域道路的几何数据建立VISUM的宏观交通模型；

12)根据道路和交叉口的交通流量，在VISUM软件中生成区域路网的起讫点流量，并进行校核；

13)根据VISUM软件宏观导入微观功能生成VISSIM微观路网。

所述的步骤3)中具体包括以下步骤：

31)获取浮动车路网覆盖率，时间间隔i内的路网覆盖率C_i的计算公式为：

$C_i=\frac{P_i}{S}\×100\%$

其中，P_i为时间间隔i内浮动车所经过的路段数，S为路网中路段总数；

32)获取道路平均车速相对误差ε_ij，道路平均车速相对误差ε_ij的计算式为：

${\mathrm{\ϵ}}_{ij}=\frac{\left|v_{ij}-u_{ij}\right|}{u_{ij}}$

其中，ε_ij为时间间隔i内路段j平均车速相对误差，v_ij为根据浮动车数据计算的时间间隔i内路段j平均车速，u_ij为仿真软件测量的时间间隔i内路段j平均车速；

33)计算多个时间间隔C_i的算术平均值作为精度指标；

34)计算所有路段多个时间间隔的ε_ij的中位值作为精度指标。

所述的步骤32)中计算v_ij的具体方法为：

321)获取每辆浮动车的行驶轨迹，行驶轨迹包括每辆浮动车在路段上经过道路节点时的节点时间和节点位置数据；

322)根据浮动车在节点Node1和Node2内的时间和位置数据，计算道路平均车速v_ij，v_ij的计算式为：

$t_{Node1}=t_1+\frac{l_{ANode1}}{l_{AB}}\×(t_2-t_1)$

$t_{Node2}=t_3+\frac{l_{CNode2}}{l_{CD}}\×(t_4-t_3)$

第k辆浮动车在节点Node1和Node2之间的路段j上的行程时间t_jk为：

t_jk＝(t_Node2-t_Node1)

所有浮动车在节点Node1和Node2之间的路段j上的行程时间t_ij为：

$t_{ij}=\frac{\underset{k}{\mathrm{\Σ}}{t}_{ijk}}{m_{ij}}$

$v_{ij}=\frac{l_j}{t_{ij}}=\frac{m_{ij}{l}_j}{\underset{k}{\mathrm{\Σ}}{t}_{ijk}}$

其中，点A，B，C和D为浮动车在路段上最靠近节点的数据采集点，经过A，B，C和D的时刻分别为t₁，t₂，t₃和t₄，l_ANode1为点A到点Node1的距离，l_AB为点A到点B的距离，l_CNode2为点C到点Node2的距离，l_CD为点C到点D的距离，m_ij为时间间隔i内经过路段j的浮动车总数，l_j为路段j的长度。

所述的步骤4)具体包含以下步骤：

41)根据各个实验组的浮动车路网覆盖率，获得浮动车比例和浮动车采样频率对路网覆盖率的影响规律，得出路网覆盖率变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

42)根据各个实验组的道路平均行程车速相对误差，获得浮动车比例和浮动车采样频率对道路平均车速相对误差的影响规律，得出道路平均行程车速相对误差变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

43)根据步骤41)和步骤42)获得的浮动车比例和浮动车采样频率范围，得出最优的浮动车比例和采样频率的取值。

与现有技术相比，本发明具有以下优点：

一、数据准确，本发明通过获取的实际路况参数进行仿真计算，得到的评价结果真实可信；

二、评价结果适用性广，本发明在仿真中通过对复杂道路网的浮动车数据的分析，可以真实的模拟城市中浮动车所在的道路交通环境，用于评价的交通路网结构复杂，道路功能多样；

三、分析过程综合全面，本发明同时分析了浮动车比例与浮动车采样频率两个参数对交通状态估计精度的影响。

附图说明

图1为本发明的方法流程图。

图2为本发明中计算最优的浮动车比例和浮动车采样频率的流程图。

图3为本发明的仿真路网图。

图4为空间平均法计算道路平均车速示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如题1所示，一种基于交通状态精度指标评价的路网浮动车配置方法，包括以下步骤：

1)根据区域交通调查获取区域道路的几何数据、交叉口信号灯方案以及道路交通流量，建立真实的交通仿真模型；

2)在交通仿真模型中选取初始的浮动车比例和浮动车采样频率进行分组测试；

3)通过仿真获取所有浮动车的位置和时间参数，评价各组仿真的浮动车路网覆盖率和道路平均行程车速相对误差两个精度指标；

4)根据各组仿真的精度指标的统计结果，得出浮动车比例和浮动车采样频率的最优取值；

5)根据得出的浮动车比例和浮动车采样频率的最优取值，在实际路网中进行浮动车的配置。

所述的交通仿真模型包含主干路、次干路、支路、隧道和非十字交叉口的情况。

所述的步骤1)中具体包括以下步骤：

11)根据区域道路的几何数据建立VISUM的宏观交通模型；

12)根据道路和交叉口的交通流量，在VISUM软件中生成区域路网的起讫点流量，并进行校核。

13)根据VISUM软件宏观导入微观功能生成VISSIM微观路网。

所述的步骤3)中具体包括以下步骤：

31)获取浮动车路网覆盖率C，时间间隔i内的路网覆盖率C_i的计算公式为：

$C_i=\frac{P_i}{S}\×100\%$

其中，P_i为时间间隔i内浮动车所经过的路段数，S为路网中路段总数；

32)获取道路平均车速相对误差ε_ij，道路平均车速相对误差ε_ij的计算式为：

${\mathrm{\ϵ}}_{ij}=\frac{\left|v_{ij}-u_{ij}\right|}{u_{ij}}$

其中，ε_ij为时间间隔i内路段j平均车速相对误差，v_ij为根据浮动车数据计算的时间间隔i内路段j平均车速，u_ij为仿真软件测量的时间间隔i内路段j平均车速；

33)计算多个时间间隔C_i的算术平均值作为精度指标；

34)计算所有路段多个时间间隔的ε_ij的中位值作为精度指标。

所述的步骤32)中计算v_ij的具体方法为：

321)获取每辆浮动车的行驶轨迹，行驶轨迹包括每辆浮动车在路段上经过道路节点时的节点时间和节点位置数据；

322)如图4所示，根据浮动车在节点Node1和Node2内的时间和位置数据，计算道路平均车速v_ij，v_ij的计算式为：

$t_{Node1}=t_1+\frac{l_{ANode1}}{l_{AB}}\×(t_2-t_1)$

$t_{Node2}=t_3+\frac{l_{CNode2}}{l_{CD}}\×(t_4-t_3)$

第k辆浮动车在节点Node1和Node2之间的路段j上的行程时间t_jk为：

t_jk＝(t_Node2-t_Node1)

所有浮动车在节点Node1和Node2之间的路段j上的行程时间t_ij为：

$t_{ij}=\frac{\underset{k}{\mathrm{\Σ}}{t}_{ijk}}{m_{ij}}$

$v_{ij}=\frac{l_j}{t_{ij}}=\frac{m_{ij}{l}_j}{\underset{k}{\mathrm{\Σ}}{t}_{ijk}}$

其中，点A，B，C和D为浮动车在路段上最靠近节点的数据点，经过A，B，C和D的时刻分别为t₁，t₂，t₃和t₄，l_ANode1为点A到点Node1的距离，l_AB为点A到点B的距离，l_CNode2为点C到点Node2的距离，l_CD为点C到点D的距离，m_ij为时间间隔i内经过路段j的浮动车总数，l_j为路段j的长度。

所述的步骤4)具体包含以下步骤：

41)根据各个实验组的浮动车路网覆盖率，获得浮动车比例和浮动车采样频率对路网覆盖率的影响规律，得出路网覆盖率变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

42)根据各个实验组的道路平均行程车速相对误差，获得浮动车比例和浮动车采样频率对道路平均车速相对误差的影响规律，得出道路平均行程车速相对误差变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

43)根据步骤42)和步骤43)获得的浮动车比例和浮动车采样频率范围，得出最优的浮动车比例和采样频率的取值。

实施例1：如图3所示，图为是上海市陆家嘴地区的仿真路网，路网共有160个路段，包括了主干路、次干路、支路、隧道和非十字交叉口等复杂道路情况。

建模首先根据道路几何数据在宏观仿真软件VISUM中构建路网模型，使用路网中主要交叉口各个进口道的SCATS线圈数据进行路网的起迄点(OD)反推，并通过实际调查的干道交通流量进行流量校准，以保证仿真路网的交通状态尽可能地与实际状态吻合。其中，SCATS线圈数据采用2011年11月10日晚高峰4点半到6点半的数据，SCATS线圈的位置已标注在图3中。其次，把VISUM软件建模的路网导入到微观仿真VISSIM中，在VISSIM软件中完成了交通组成、路段车速分布和交叉口信号灯配时方案等参数的标定。最后，运行VISSIM的仿真路网，通过对比核查交叉口各进口道的流量与SCATS线圈数据流量，确保了仿真路网流量与实际路网流量的一致性。

根据国内实际各城市的浮动车比例范围，把参数浮动车比例设为5组，分别为2％，4％，6％，8％和10％；根据国内浮动车数据采样的技术水平，把参数浮动车采样频率设为6组，分别为60s/次，45s/次，20s/次，10s/次和5s/次。故仿真共有30个实验组。仿真时间为4200s，其中包括600s的预热时间和3600s的仿真计算时间。计算道路状态的时间间隔统一采用5min。

根据仿真路网的30组仿真可得出各组浮动车比例和浮动车采样频率的路网覆盖率指标值如表1所示，道路平均车速相对误差如表2所示。

表1路网覆盖率统计表

表2道路平均车速相对误差统计表

由表1可分析，采样频率对覆盖率有一定的影响，当采样频率在60s/次到10s/次增快时，覆盖率缓慢增加，当采样频率在10s/次到5s/次增快时，覆盖率没有明显变化。可推断，采样频率在10s/次时，覆盖率达到峰值，采样频率快于10s/次时，覆盖率基本不再增加。覆盖率随浮动车比例增大而增大，但增速逐渐减慢。浮动车比例增加到8％后，覆盖率变化趋势放缓。这个结果表明浮动车比例越大交通状态估计的精度越高，考虑经济成本的情况下，采用低于8％的浮动车比例较为合理。

由表2可分析，采样频率对道路平均车速相对误差影响较大，当采样频率在60s/次到10s/次增快时，道路平均车速相对误差随之降低，当采样频率在10s/次到5s/次增快时道路平均车速相对误差没有明显变化。可推断，采样频率快于10s/次时道路平均车速相对误差基本不再降低。随着浮动车比例增加，道路平均车速相对误差逐渐降低，不过下降幅度不大。总体上来看，采样频率从60s/次到5s/次变化时，整个路网的平均行程车速的精度在70％到80％左右。

故针对陆家嘴仿真路网的实例分析，根据浮动车比例和浮动车采样频率两个参数对路网覆盖率和平均行程车速相对误差的影响，可得结论如下：

(1)浮动车比例越大交通状态估计的精度越高，考虑经济成本的情况下，采用低于8％的浮动车比例较为合理。

(2)浮动车采样频率在10s/次时最优，更高的采样频率不能提高交通状态估计的精度。

(3)基于浮动车的交通状态估计方法在对大规模复杂路网进行路段状态估计时，浮动车比例从2％到10％变化，采样频率从60s/次到5s/次变化时，整个路网的平均行程车速的精度在70％到80％左右。

Claims (6)

1.一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，包括以下步骤：

1)根据区域交通调查获取区域道路的几何数据、交叉口信号灯方案以及道路交通流量，建立真实的交通仿真模型；

2)在交通仿真模型中选取初始的浮动车比例和浮动车采样频率进行分组测试；

3)通过仿真获取所有浮动车的位置和时间参数，评价各组仿真的浮动车路网覆盖率和道路平均行程车速相对误差两个精度指标；

4)根据各组仿真的精度指标的统计结果，得出浮动车比例和浮动车采样频率的最优取值；

5)根据得出的浮动车比例和浮动车采样频率的最优取值，在实际路网中进行浮动车的配置。

2.根据权利要求1所述的一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，所述的交通仿真模型包含主干路、次干路、支路、隧道和非十字交叉口的情况。

3.根据权利要求1所述的一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，所述的步骤1)中具体包括以下步骤：

11)根据区域道路的几何数据建立VISUM的宏观交通模型；

12)根据道路和交叉口的交通流量，在VISUM软件中生成区域路网的起讫点流量，并进行校核；

13)根据VISUM软件宏观导入微观功能生成VISSIM微观路网。

4.根据权利要求1所述的一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，所述的步骤3)中具体包括以下步骤：

31)获取浮动车路网覆盖率，时间间隔i内的路网覆盖率C_i的计算公式为：

$C_i=\frac{P_i}{S}\×100\%$

其中，P_i为时间间隔i内浮动车所经过的路段数，S为路网中路段总数；

32)获取道路平均车速相对误差ε_ij，道路平均车速相对误差ε_ij的计算式为：

${\mathrm{\ϵ}}_{ij}=\frac{|v_{ij}-u_{ij}|}{u_{ij}}$

其中，ε_ij为时间间隔i内路段j平均车速相对误差，v_ij为根据浮动车数据计算的时间间隔i内路段j平均车速，u_ij为仿真软件测量的时间间隔i内路段j平均车速；

33)计算多个时间间隔C_i的算术平均值作为精度指标；

34)计算所有路段多个时间间隔的ε_ij的中位值作为精度指标。

5.根据权利要求4所述的一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，所述的步骤32)中计算v_ij的具体方法为：

321)获取每辆浮动车的行驶轨迹，行驶轨迹包括每辆浮动车在路段上经过道路节点时的节点时间和节点位置数据；

322)根据浮动车在节点Node1和Node2内的时间和位置数据，计算道路平均车速v_ij，v_ij的计算式为：

$t_{Node1}=t_1+\frac{l_{ANode1}}{l_{AB}}\×(t_2-t_1)$

$t_{Node2}=t_3+\frac{l_{CNode2}}{l_{CD}}\×(t_4-t_3)$

第k辆浮动车在节点Node1和Node2之间的路段j上的行程时间t_jk为：

t_jk＝(t_Node2-t_Node1)

所有浮动车在节点Node1和Node2之间的路段j上的行程时间t_ij为：

$t_{ij}=\frac{\underset{k}{\Σ}{t}_{ijk}}{m_{ij}}$

$v_{ij}=\frac{l_j}{t_{ij}}=\frac{m_{ij}{l}_j}{\underset{k}{\Σ}{t}_{ijk}}$

其中，点A，B，C和D为浮动车在路段上最靠近节点的数据采集点，经过A，B，C和D的时刻分别为t₁，t₂，t₃和t₄，l_ANode1为点A到点Node1的距离，l_AB为点A到点B的距离，l_CNode2为点C到点Node2的距离，l_CD为点C到点D的距离，m_ij为时间间隔i内经过路段j的浮动车总数，l_j为路段j的长度。

6.根据权利要求1所述的一种基于交通状态精度指标评价的路网浮动车配置方法，其特征在于，所述的步骤4)具体包含以下步骤：

41)根据各个实验组的浮动车路网覆盖率，获得浮动车比例和浮动车采样频率对路网覆盖率的影响规律，得出路网覆盖率变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

42)根据各个实验组的道路平均行程车速相对误差，获得浮动车比例和浮动车采样频率对道路平均车速相对误差的影响规律，得出道路平均行程车速相对误差变化的拐点，取拐点对应的浮动车比例和浮动车采样频率范围作为最优取值范围；

43)根据步骤41)和步骤42)获得的浮动车比例和浮动车采样频率范围，得出最优的浮动车比例和采样频率的取值。