CN104809554B - 一种面向道路交通事故应急处置的决策支持系统及方法 - Google Patents

一种面向道路交通事故应急处置的决策支持系统及方法 Download PDF

Info

Publication number
CN104809554B
CN104809554B CN201510191312.XA CN201510191312A CN104809554B CN 104809554 B CN104809554 B CN 104809554B CN 201510191312 A CN201510191312 A CN 201510191312A CN 104809554 B CN104809554 B CN 104809554B
Authority
CN
China
Prior art keywords
msub
mrow
mfrac
vehicle
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510191312.XA
Other languages
English (en)
Other versions
CN104809554A (zh
Inventor
林培群
刘佳辉
卓福庆
徐建闽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510191312.XA priority Critical patent/CN104809554B/zh
Publication of CN104809554A publication Critical patent/CN104809554A/zh
Priority to PCT/CN2015/098529 priority patent/WO2016169290A1/zh
Application granted granted Critical
Publication of CN104809554B publication Critical patent/CN104809554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Abstract

本发明公开了一种面向道路交通事故应急处置的决策支持系统及方法，所述系统利用主从式网络架构搭建，所述主从式网络架构由多台客户端和一台服务器组成；所述方法包括服务器循环监听客户端的指令；客户端定时地向服务器请求动态的交通流数据；客户端实现适用于道路交通事故区域的车辆运动模型，仿真交通应急处置方案，获得实时的仿真评价数据，并将仿真评价数据反馈给服务器；服务器使用结构化的数据库管理交通流数据和仿真评价数据；服务器利用仿真评价数据，通过辅助决策模块，定量地评估交通应急处置方案实施的综合效益，确定相对最优的交通应急处置方案。本发明解决了现有技术对道路交通事故的应急处置效果不理想或实时性不足的缺陷。

Description

一种面向道路交通事故应急处置的决策支持系统及方法
技术领域
本发明涉及一种决策支持系统及方法，尤其是一种面向道路交通事故应急处置的决策支持系统及方法，属于道路交通事故应急处置领域。
背景技术
道路交通事故通常导致部分车道关闭，降低局部路段的通行能力，造成突发性的交通拥堵。随着部分车道封闭时间的延长，拥堵现象很可能漫延到上游路段，造成大范围的交通阻塞。对响应交通事故所采取的措施必须恰当，如果不够积极，则容易导致二次事故、严重交通拥堵等发生；如果过于冒进，则容易导致交通资源浪费、路网影响较大，并对收费道路的效益也产生较大的负面影响。在我国道路交通网络初步形成，交通管理水平有待进一步提高的背景下，如何定量分析交通事故发生后的交通系统演化发展情况，从而进行科学决策是一个兼有理论和应用价值的紧迫研究方向。
现有的道路交通事故影响分析与应急处置技术包括：基于交通波理论的预测模型、最优控制、模糊控制和多变量控制等，这些方法的目的是建立数学模型或控制规则求解最优的交通事故应急处置方案。由于交通系统具有大量随机因素，且多个因素递阶交互作用，传统基于数学描述、数据分析的方法难以准确刻画整个系统的演化发展情况，无法定量估测道路交通事故应急处置方案的实施效果。
发明内容
本发明的目的是为了解决上述现有技术对道路交通事故的应急处置效果不理想或实时性不足的缺陷，提供一种面向道路交通事故应急处置的决策支持系统。
本发明的另一目的在于提供一种上述系统实现的面向道路交通事故应急处置的决策支持方法。
本发明的目的可以通过采取如下技术方案达到：
一种面向道路交通事故应急处置的决策支持系统，所述系统采用主从式网络架构搭建，所述主从式网络架构由多台客户端和一台服务器组成，所述系统包括数据管理模块、通信模块、仿真模块和辅助决策模块，其中：
所述数据管理模块，用于管理交通流数据和仿真评价数据；
所述通信模块，用于使服务器循环监听客户端的指令，以及使客户端定时地向服务器请求动态的交通流数据，并将仿真模块获得的仿真评价数据反馈给服务器；
所述仿真模块，用于利用交通仿真软件，实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，并获得仿真评价数据；
所述辅助决策模块，用于利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案。
作为一种实施方案，所述数据管理模块采用数据库技术，对交通流数据和仿真评价数据进行管理。
作为一种实施方案，所述通信模块采用数据通信技术，在客户端和服务器之间建立实时的通信链路。
本发明的另一目的可以通过采取如下技术方案达到：
一种面向道路交通事故应急处置的决策支持方法，所述方法包括以下步骤：
S1、服务器执行通信模块，循环监听客户端的指令，进行安全控制并执行相应的操作；
S2、客户端执行通信模块，定时地向服务器请求动态的交通流数据；
S3、客户端执行仿真模块，使用交通仿真软件提供的交互接口，通过二次开发程序实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，获得仿真评价数据，并将仿真评价数据反馈给服务器；
S4、服务器执行数据管理模块，使用结构化的数据库管理交通流数据和仿真评价数据；
S5、服务器执行辅助决策模块，利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案。
作为一种实施方案，步骤S3所述适用于道路交通事故区域的车辆运动模型包括道路交通事故区域的车辆换道模型和车辆跟驰模型，所述车辆换道模型是考虑局部车道关闭区域对车辆换道行为的影响而建立的，所述车辆跟驰模型是基于生理-心理模型建立的。
作为一种实施方案，所述车辆换道模型的执行步骤包括：
1)记需要换道车辆为veh0，需要换道车辆同车道的前导车辆veh1，相邻目标车道前方车辆veh2，相邻目标车道后方车辆veh3；
2)获取与需要换道车辆同车道的前导车辆veh1的运动状态、相邻目标车道前方车辆veh2和相邻目标车道后方车辆veh3的运动状态参数，参数包括速度、加速度和纵向位置坐标值；
3)当存在前导车辆veh1时，根据veh0、veh1、veh2和veh3的运动状态建立变换车道过程中的安全距离约束条件：
4)当不存在前导车辆veh1时，根据veh0、veh2和veh3的运动状态以及veh0与车道关闭区域之间的距离建立变换车道过程中的安全距离约束条件：
上述两式中，Vi、ai、Si、Len(vehi)分别表示vehi的速度、加速度、纵向坐标值和车辆长度，其中i＝0,1,2,3；tc表示换道时间，L表示换道行驶距离，ΔL表示安全停车间距；S表示车道关闭区域前端的纵向坐标值，表示最大减速度；
5)建立速度和加速度的约束条件：
式中，表示最大加速度，表示最大可接受减速度；Vmin、Vmax分别表示车辆的最小速度和最大速度；
6)换道时间的求解公式，如下：
式中，θ表示车辆换道行驶曲线与道路纵向方向的夹角，α和β分别取18°和10°；
7)建立目标函数：
min P＝|p0a0|+|p2a2|
式中，p2>>p0>0，表示veh0的换道行为尽量减少对veh2的影响；
8)将上述所有约束条件组成一个非线性规划问题，若问题有解，则求解veh0和veh2的动力学参数并执行换道行为；若问题无解，则veh0放弃换道行为，将veh0代入跟驰模型进行求解。
作为一种实施方案，所述车辆跟驰模型的执行步骤包括：
1)获取t时刻同车道前后两车的运动状态参数，判断后车是否满足跟驰条件，跟驰状态阈值条件如下：
其中，dsafe(t)表示t时刻的安全距离；d0示停车安全间距；d1表示车头时距，后车驾驶员对于某一个确定的速度而期望保持的车头时距；d2表示跟车变量，后车驾驶员在进入跟车状态之前，允许的车辆间距超出安全距离的部分；tr表示进入跟车状态的阈值，允许后车在达到安全距离之前自由行驶的时间；
2)若后车满足跟驰状态阈值条件，则后车动力学参数要满足跟驰行驶约束条件如下：
式中，Vf(t)、Vr(t)分别表示同车道前后车辆在t时刻的速度；Vth分别表示跟车状态的阈值，即跟车状态下前后两车速度差值的范围；T表示仿真步长的时间，ar(t)表示后车在t时刻的加速度；
3)建立目标函数：
min|Vf(t+T)-Vr(t+T)|
4)将上述所有约束条件和目标函数组成一个非线性规划问题，求解后车的动力学参数并执行跟驰行为。
作为一种实施方案，所述交通流数据包括交通流量、交通组成、车辆期望速度和车辆路径信息；所述仿真评价数据包括车辆的平均延误时间、车辆的平均停车次数和路网的平均运行速度。
作为一种实施方案，所述道路交通事故应急处置方案的评价指标包括路网负载程度、路网平均运行速度、路网平均延误时间、平均停车次数和分流交通量。
作为一种实施方案，所述路网负载程度的计算公式，如下：
式中，Z表示路网的负载程度；Cj表示高速公路的单车道最大服务交通量，单位是pcu/h，其中j＝0,1,2,3，分别指基本路段、合流区、分流区和交通事故导致车道关闭区域；αj表示高速公路各区段的权重，其中j＝0,1,2,3；Nj表示各区段内检测子区间的数量，其中j＝0,1,2,3；Ki和Vi分别表示某一个检测子区间的密度和平均运行速度，其中i＝1,2,…,Nj；τ表示道路负载程度的修正指数，其中τ≥1，当路网的饱和度接近或大于1时，τ取值越大，Z的值越大，表示交通流的稳定性和安全性急剧下降。
本发明相对于现有技术具有如下的有益效果：
本发明利用交通仿真软件，再现道路交通事故下的道路交通条件，在微观层面上模拟道路交通事故影响下的车辆运动行为，从而在宏观层面上反映交通事故发生后交通流的时空演变特性，采用并行运算的方式调用交通事故应急处置预案库，通过在线仿真的方法获得仿真评价数据，执行辅助决策模块，从而快速、定量地评估交通事故应急处置方案的综合实施效益，并从中选择相对最优的应急处置方案，对于提高道路管理水平和实现道路交通系统精细化的管理模式具有重要意义，为道路交通管理部门提供了一种科学、有效的辅助决策手段。
附图说明
图1为本发明实施例1的采用主从式网络架构搭建面向道路交通事故应急处置的决策支持系统的原理图。
图2为本发明实施例1的面向道路交通事故应急处置的决策支持系统中各功能模块的原理框图。
图3为本发明实施例1的车辆换道过程图。
图4为本发明实施例2的路网结构图。
图5为本发明实施例2的数据流程设计图。
图6为本发明实施例2的交通应急预案设置图。
图7为本发明实施例2的VISSIM COM接口中车辆运动行为的控制逻辑图。
图8为本发明实施例2的仿真评价数据中平均延误时间图。
图9为本发明实施例2的仿真评价数据中平均停车次数图。
图10为本发明实施例2的仿真评价数据中路网平均运行速度图。
图11为本发明实施例2的辅助决策模块流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1：
如图1和图2所示，本实施例采用主从式网络架构搭建面向道路交通事故应急处置的决策支持系统，所述主从式网络架构由N台客户端(1号～N号)和一台服务器组成，所述系统包括数据管理模块、通信模块、仿真模块和辅助决策模块，其中：
所述数据管理模块采用数据库技术(如SQL Server、Oracle等)，用于管理交通流数据和仿真评价数据，在图1中可以看到有交通流数据库和评价数据库；
所述通信模块，采用数据通信技术(如Socket、http等)，在客户端和服务器之间建立实时的通信链路，采用一致的通信协议，用于使服务器循环监听客户端的指令，以及使客户端定时地向服务器请求动态的交通流数据，并将仿真模块获得的仿真评价数据反馈给服务器；
所述仿真模块，用于实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，并获得仿真评价数据；
所述辅助决策模块，用于利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案。
基于上述系统实现的面向道路交通事故应急处置的决策支持方法，包括以下步骤：
S1、服务器执行通信模块，循环监听客户端的指令，进行安全控制并执行相应的操作；
S2、客户端执行通信模块，定时地向服务器请求动态的交通流数据；
S3、客户端执行仿真模块，使用交通仿真软件提供的交互接口(如COM、OLE等)，通过二次开发程序实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，获得仿真评价数据，并将仿真评价数据反馈给服务器；
S4、服务器执行数据管理模块，使用结构化的数据库管理交通流数据和仿真评价数据；
S5、服务器执行辅助决策模块，利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案。
上述步骤S3中，客户端利用交互接口提供的实例对象，如Net、Link、Vehicle、Path、DrivingBehaviorParSet和Evaluation等，实现适用于道路交通事故区域的车辆运动模型，在微观层面上模拟道路交通事故条件下车辆的运动行为，从而在宏观层面上再现交通流的时空演变特性。
上述步骤S3中，所述适用于道路交通事故区域的车辆运动模型包括道路交通事故区域的车辆换道模型和车辆跟驰模型，所述车辆换道模型是考虑局部车道关闭区域对车辆换道行为的影响而建立的，所述车辆跟驰模型是基于生理-心理模型建立的。
所述车辆换道模型的执行步骤包括：
1)记需要换道车辆为veh0，需要换道车辆同车道的前导车辆veh1，相邻目标车道前方车辆veh2，相邻目标车道后方车辆veh3；车辆veh0的换道行为受到车辆veh1、车辆veh2和车辆veh3的限制，车辆veh0的驾驶员必需判断前导距离、前车距离和后车距离，车辆换道过程如图3所示，车辆换道行为有如下规则：
a、veh0的换道行为尽量不影响veh2；
b、在veh0的换道过程中，veh2为了避免碰撞车辆veh0，会调整自身的速度；但是veh1和veh3不受veh0的影响，保持原运动状态；
c、veh0在换道过程中，加速度保持恒定。
2)获取与需要换道车辆同车道的前导车辆veh1的运动状态、相邻目标车道前方车辆veh2和相邻目标车道后方车辆veh3的运动状态参数，参数包括速度、加速度和纵向位置坐标值；
3)当存在前导车辆veh1时，根据veh0、veh1、veh2和veh3的运动状态建立变换车道过程中的安全距离约束条件：
4)当不存在前导车辆veh1时，根据veh0、veh2和veh3的运动状态以及veh0与车道关闭区域之间的距离建立变换车道过程中的安全距离约束条件：
上述两式中，Vi、ai、Si、Len(vehi)分别表示vehi的速度、加速度、纵向坐标值和车辆长度，其中i＝0,1,2,3；tc表示换道时间，L表示换道行驶距离，ΔL表示安全停车间距；S表示车道关闭区域前端的纵向坐标值，表示最大减速度；
5)建立速度和加速度的约束条件：
式中，表示最大加速度，表示最大可接受减速度；Vmin、Vmax分别表示车辆的最小速度和最大速度；
6)换道时间的求解公式，如下：
式中，θ表示车辆换道行驶曲线与道路纵向方向的夹角，α和β分别取18°和10°；
7)建立目标函数：
min P＝|p0a0|+|p2a2|
式中，p2>>p0>0，表示veh0的换道行为尽量减少对veh2的影响；
8)将上述所有约束条件组成一个非线性规划问题，若问题有解，则求解veh0和veh2的动力学参数并执行换道行为；若问题无解，则veh0放弃换道行为，将veh0代入跟驰模型进行求解。
所述车辆跟驰模型的执行步骤包括：
1)获取t时刻同车道前后两车的运动状态参数，判断后车是否满足跟驰条件，跟驰状态阈值条件如下：
其中，dsafe(t)表示t时刻的安全距离；d0示停车安全间距；d1表示车头时距，后车驾驶员对于某一个确定的速度而期望保持的车头时距；d2表示跟车变量，后车驾驶员在进入跟车状态之前，允许的车辆间距超出安全距离的部分；tr表示进入跟车状态的阈值，允许后车在达到安全距离之前自由行驶的时间；
2)若后车满足跟驰状态阈值条件，则后车动力学参数要满足跟驰行驶约束条件如下：
式中，Vf(t)、Vr(t)分别表示同车道前后车辆在t时刻的速度；Vth分别表示跟车状态的阈值，即跟车状态下前后两车速度差值的范围；T表示仿真步长的时间，ar(t)表示后车在t时刻的加速度；
3)建立目标函数：
min|Vf(t+T)-Vr(t+T)|
4)将上述所有约束条件和目标函数组成一个非线性规划问题，求解后车的动力学参数并执行跟驰行为。
实施例2：
本实施例以广东省某高速公路发生交通事故为例。
如图4所示，选择广东省某典型高速公路路段，设置典型的交通事故：在交通状况良好情况下，单向三车道的高速公路，因车辆追尾事故导致一个车道关闭。整个路网分为四个区段：合流区(Merging Area，MA)、基本路段(Basic Section，BS)、分流区(Divergingarea，DA)和车道关闭区域(Lane Closure，LC)。
高速公路监控中心通过外场设施检测到交通事故的发生，调用高速公路监控中心的交通流数据和交通事故应急预案库，利用在线仿真选择相对最优的交通应急方案，辅助高速公路管理部门做出科学、有效的决策。
在本实施例中，通过高速公路监控中心调用的基础道路交通流数据包括交通流量、交通组成、车辆行驶速度和车辆路径信息。
本实施例中，交通流数据和仿真评价数据存储在SQL Server数据库中，定时采集的交通流数据和仿真评价数据通过ADO.NET以一条记录的形式写入到数据库中，其中交通流数据利用数据采集的时间进行标识，仿真评价数据利用返回评价数据的仿真秒和交通事故应急处置预案的ID进行标识。
本实施例中，主从式的网络架构利用Socket网络接口传输数据，通信协议采用TCP/IP协议。为了保证数据传输的可靠性，通信模块采用心跳包机制检测通信链路的连接状态。
本实施例中，数据以字节流的形式传输，通过标准化的编码流程将SQL Server数据库中的一条记录转化成网络接口和传输协议支持的字节流，具体流程如图5所示。
定义C出口的交通分流量与A、B进口交通分流量的总和的比值为交通分流比例λ。交通事故发生前，分流比例λ＝0.05；交通事故发生后，通过出口匝道的分流控制，调节进入车道关闭区域的交通量，从而避免交通事故导致的车道关闭区域发生严重的交通阻塞，本实施例调用的交通事故应急处置预案库如图6所示。
本实施例的仿真模块利用VISSIM微观交通仿真软件实现适用于道路交通事故的车辆运动模型，并输出仿真评价数据；所述车辆运动模型包括车辆换道模型和车辆跟驰模型。
利用VISSIM COM接口中的对象模型，实现对车辆运动行为的模拟控制，以一个仿真步长为时间间隔，使用滚动时间窗的方法，不断地更新车辆的运动状态，模拟现实条件下驾驶员的驾驶行为。车辆驾驶行为控制流程如图7所示。
VISSIM微观交通仿真软件的仿真参数设置如下表1所示：
表1仿真参数设置
本实施例的仿真模块采用独立的线程封装交通仿真模块，仿真运行的速度可以达到30-50sim.sec/s，即2分钟左右就能获取方案运行1小时的评价数据，定量分析与评价多种交通应急预案，体现了在线仿真的实时性。
选取道路交通事故应急处置方案的五个评价指标：路网负载程度Z，路网平均运行速度V，路网平均延误时间D，平均停车次数S和分流交通量，以评估道路交通事故应急处置方案实施的综合效益；高速公路的路网负载程度Z的计算公式如下：
式中，Z表示路网的负载程度；Cj表示高速公路的单车道最大服务交通量，单位是pcu/h，其中j＝0,1,2,3，分别指基本路段、合流区、分流区和交通事故导致车道关闭区域；αj表示高速公路各区段的权重，其中j＝0,1,2,3；Nj表示各区段内检测子区间的数量，其中j＝0,1,2,3；Ki和Vi分别表示某一个检测子区间的密度和平均运行速度，其中i＝1,2,…,Nj；τ表示道路负载程度的修正指数，其中τ≥1，当路网的饱和度接近或大于1时，τ取值越大，Z的值越大，表示交通流的稳定性和安全性急剧下降
其余四个评价指标(路网平均运行速度V，路网平均延误时间D，平均停车次数S和分流交通量)可通过交通仿真软件直接获取。
通过仿真模块的在线仿真后，输出的仿真评价数据包括：车辆的平均延误时间、车辆的平均停车次数和路网的平均运行速度，评价数据分别如图8～图10所示。
路网负载程度的参数设置及计算值如下表2所示：
表2路网负载程度参数设置及计算值
辅助决策模块利用仿真模块获得的仿真评价数据定量地评估交通事故应急处置方案，综合本实施例提出的交通事故应急方案的评价指标(路网负载程度Z，平均延误时间D，平均停车次数S、平均运行速度V和分流交通量推算的分流比例λ)，分析交通应急方案的综合效益，执行辅助决策流程，辅助决策流程如图11所示，可以看到路网负载程度Z小于0.9、平均运行速度V大于60、平均延误时间D满足要求、平均停车次数S满足要求，这四个条件同时满足的情况下，由于方案二的分流比例λ最小，可以确定方案二是相对最优的道路交通事故应急处置方案，该方案不仅保证了整个高速公路路网中交通流运行的通畅性和安全性，使得交通流处于稳定状态，而且对收费道路的影响最小。
综上所述，本发明利用交通仿真软件，再现道路交通事故下的道路交通条件，在微观层面上模拟道路交通事故影响下的车辆运动行为，从而在宏观层面上反映交通事故发生后交通流的时空演变特性，采用并行运算的方式调用交通事故应急处置预案库，通过在线仿真获得仿真评价数据，执行辅助决策模块，从而快速、定量地评估交通事故应急处置方案的综合实施效益，并从中确定相对最优的应急处置方案，对于提高道路管理水平和实现道路交通系统精细化的管理模式具有重要意义，为道路交通管理部门提供了一种科学、有效的辅助决策手段，解决了现有技术对道路交通事故的应急处置效果不理想或实时性不足的缺陷。
以上所述，仅为本发明专利优选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (8)

1.一种面向道路交通事故应急处置的决策支持系统，其特征在于：所述系统采用主从式网络架构搭建，所述主从式网络架构由多台客户端和一台服务器组成，所述系统包括数据管理模块、通信模块、仿真模块和辅助决策模块，其中：
所述数据管理模块，用于管理交通流数据和仿真评价数据；
所述通信模块，用于使服务器循环监听客户端的指令，以及使客户端定时地向服务器请求动态的交通流数据，并将仿真模块获得的仿真评价数据反馈给服务器；
所述仿真模块，用于利用交通仿真软件，实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，并获得仿真评价数据；
所述辅助决策模块，用于利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案；
所述交通事故应急处置方案的评价指标包括路网负载程度、路网平均运行速度、路网平均延误时间、平均停车次数和分流交通量，所述路网负载程度的计算公式，如下：
<mrow> <mi>Z</mi> <mo>=</mo> <msup> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>&amp;alpha;</mi> <mi>j</mi> </msub> <mfrac> <mrow> <msubsup> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mi>j</mi> </mrow> </msubsup> <msub> <mi>K</mi> <mi>i</mi> </msub> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> <msub> <mi>C</mi> <mi>j</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mi>&amp;tau;</mi> </msup> </mrow>
式中，Z表示路网的负载程度；Cj表示高速公路的单车道最大服务交通量，单位是pcu/h，其中j＝0,1,2,3，分别指基本路段、合流区、分流区和交通事故导致车道关闭区域；αj表示高速公路各区段的权重，其中j＝0,1,2,3；Nj表示各区段内检测子区间的数量，其中j＝0,1,2,3；Ki和Vi分别表示某一个检测子区间的密度和平均运行速度，其中i＝1,2,…,Nj；τ表示道路负载程度的修正指数，其中τ≥1，当路网的饱和度接近或大于1时，τ取值越大，Z的值越大，表示交通流的稳定性和安全性急剧下降。
2.根据权利要求1所述的一种面向道路交通事故应急处置的决策支持系统，其特征在于：所述数据管理模块采用数据库技术，对交通流数据和仿真评价数据进行管理。
3.根据权利要求1所述的一种面向道路交通事故应急处置的决策支持系统，其特征在于：所述通信模块采用数据通信技术，在客户端和服务器之间建立实时的通信链路。
4.一种基于权利要求1所述系统实现的面向道路交通事故应急处置的决策支持方法，其特征在于：所述方法包括以下步骤：
S1、服务器执行通信模块，循环监听客户端的指令，进行安全控制并执行相应的操作；
S2、客户端执行通信模块，定时地向服务器请求动态的交通流数据；
S3、客户端执行仿真模块，使用交通仿真软件提供的交互接口，通过二次开发程序实现适用于道路交通事故区域的车辆运动模型，仿真道路交通事故应急处置方案，获得仿真评价数据，并将仿真评价数据反馈给服务器；
S4、服务器执行数据管理模块，使用结构化的数据库管理交通流数据和仿真评价数据；
S5、服务器执行辅助决策模块，利用仿真评价数据，建立道路交通事故应急处置方案的评价指标和体系，定量地评估道路交通事故应急处置方案实施的综合效益，确定相对最优的道路交通事故应急处置方案；
步骤S5中，所述交通事故应急处置方案的评价指标包括路网负载程度、路网平均运行速度、路网平均延误时间、平均停车次数和分流交通量，所述路网负载程度的计算公式，如下：
<mrow> <mi>Z</mi> <mo>=</mo> <msup> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>&amp;alpha;</mi> <mi>j</mi> </msub> <mfrac> <mrow> <msubsup> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mi>j</mi> </mrow> </msubsup> <msub> <mi>K</mi> <mi>i</mi> </msub> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> <msub> <mi>C</mi> <mi>j</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mi>&amp;tau;</mi> </msup> </mrow>
式中，Z表示路网的负载程度；Cj表示高速公路的单车道最大服务交通量，单位是pcu/h，其中j＝0,1,2,3，分别指基本路段、合流区、分流区和交通事故导致车道关闭区域；αj表示高速公路各区段的权重，其中j＝0,1,2,3；Nj表示各区段内检测子区间的数量，其中j＝0,1,2,3；Ki和Vi分别表示某一个检测子区间的密度和平均运行速度，其中i＝1,2,…,Nj；τ表示道路负载程度的修正指数，其中τ≥1，当路网的饱和度接近或大于1时，τ取值越大，Z的值越大，表示交通流的稳定性和安全性急剧下降。
5.根据权利要求4所述的一种面向道路交通事故应急处置的决策支持方法，其特征在于：步骤S3所述适用于道路交通事故区域的车辆运动模型包括道路交通事故区域的车辆换道模型和车辆跟驰模型，所述车辆换道模型是考虑局部车道关闭区域对车辆换道行为的影响而建立的，所述车辆跟驰模型是基于生理-心理模型建立的。
6.根据权利要求5所述的一种面向道路交通事故应急处置的决策支持方法，其特征在于：所述车辆换道模型的执行步骤包括：
1)记需要换道车辆为veh0，需要换道车辆同车道的前导车辆veh1，相邻目标车道前方车辆veh2，相邻目标车道后方车辆veh3；
2)获取与需要换道车辆同车道的前导车辆veh1的运动状态、相邻目标车道前方车辆veh2和相邻目标车道后方车辆veh3的运动状态参数，参数包括速度、加速度和纵向位置坐标值；
3)当存在前导车辆veh1时，根据veh0、veh1、veh2和veh3的运动状态建立变换车道过程中的安全距离约束条件：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>-</mo> <mi>L</mi> <mi>e</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>v</mi> <mi>e</mi> <mi>h</mi> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mn>1</mn> <mn>4</mn> </mfrac> <msub> <mi>t</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>V</mi> <mn>1</mn> </msub> <mo>+</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>a</mi> <mn>1</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mfrac> <mi>L</mi> <mn>2</mn> </mfrac> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>L</mi> <mo>+</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mo>+</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>a</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>1</mn> </msub> <mo>+</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>a</mi> <mn>1</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mi>S</mi> <mn>2</mn> </msub> <mo>-</mo> <mi>L</mi> <mi>e</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>v</mi> <mi>e</mi> <mi>h</mi> <mn>0</mn> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>L</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>t</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>-</mo> <mi>L</mi> <mi>e</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>v</mi> <mi>e</mi> <mi>h</mi> <mn>3</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>t</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>V</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>3</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>L</mi> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>3</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
4)当不存在前导车辆veh1时，根据veh0、veh2和veh3的运动状态以及veh0与车道关闭区域之间的距离建立变换车道过程中的安全距离约束条件：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>S</mi> <mo>-</mo> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>&amp;GreaterEqual;</mo> <mfrac> <mrow> <msup> <msub> <mi>V</mi> <mn>0</mn> </msub> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mi>S</mi> <mn>2</mn> </msub> <mo>-</mo> <mi>L</mi> <mi>e</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>v</mi> <mi>e</mi> <mi>h</mi> <mn>0</mn> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>L</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>t</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>S</mi> <mn>0</mn> </msub> <mo>-</mo> <mi>L</mi> <mi>e</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>v</mi> <mi>e</mi> <mi>h</mi> <mn>3</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>t</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>V</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>3</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>L</mi> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>3</mn> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
上述两式中，Vi、ai、Si、Len(vehi)分别表示vehi的速度、加速度、纵向坐标值和车辆长度，其中i＝0,1,2,3；tc表示换道时间，L表示换道行驶距离，ΔL表示安全停车间距；S表示车道关闭区域前端的纵向坐标值，表示最大减速度；
5)建立速度和加速度的约束条件：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>,</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>a</mi> <mn>3</mn> </msub> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>a</mi> <mi>max</mi> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>a</mi> <mi>max</mi> <mi>u</mi> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mn>2</mn> </msub> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>a</mi> <mi>max</mi> <mrow> <mi>c</mi> <mi>p</mi> <mi>d</mi> </mrow> </msubsup> <mo>,</mo> <mn>0</mn> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>V</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msub> <mi>V</mi> <mi>min</mi> </msub> <mo>,</mo> <msub> <mi>V</mi> <mi>max</mi> </msub> <mo>&amp;rsqb;</mo> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>3</mn> </mrow> </mtd> </mtr> </mtable> </mfenced>
式中，表示最大加速度，表示最大可接受减速度；Vmin、Vmax分别表示车辆的最小速度和最大速度；
6)换道时间的求解公式，如下：
式中，θ表示车辆换道行驶曲线与道路纵向方向的夹角，α和β分别取18°和10°；
7)建立目标函数：
min P＝|p0a0|+|p2a2|
式中，p2>>p0>0，表示veh0的换道行为尽量减少对veh2的影响；
8)将上述所有约束条件组成一个非线性规划问题，若问题有解，则求解veh0和veh2的动力学参数并执行换道行为；若问题无解，则veh0放弃换道行为，将veh0代入跟驰模型进行求解。
7.根据权利要求5所述的一种面向道路交通事故应急处置的决策支持方法，其特征在于：所述车辆跟驰模型的执行步骤包括：
1)获取t时刻同车道前后两车的运动状态参数，判断后车是否满足跟驰条件，跟驰状态阈值条件如下：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>max</mi> <mo>{</mo> <msub> <mi>d</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>f</mi> <mi>e</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>d</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>f</mi> <mi>e</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>t</mi> <mi>r</mi> </msub> <msub> <mi>v</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>d</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>f</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>1</mn> </msub> <msub> <mi>v</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，dsafe(t)表示t时刻的安全距离；d0示停车安全间距；d1表示车头时距，后车驾驶员对于某一个确定的速度而期望保持的车头时距；d2表示跟车变量，后车驾驶员在进入跟车状态之前，允许的车辆间距超出安全距离的部分；tr表示进入跟车状态的阈值，允许后车在达到安全距离之前自由行驶的时间；
2)若后车满足跟驰状态阈值条件，则后车动力学参数要满足跟驰行驶约束条件如下：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;Delta;</mi> <mi>v</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>f</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>r</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mo>-</mo> <msub> <mi>V</mi> <mrow> <mi>t</mi> <mi>h</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>V</mi> <mrow> <mi>t</mi> <mi>h</mi> </mrow> </msub> <mo>&amp;rsqb;</mo> <mo>,</mo> <msub> <mi>V</mi> <mrow> <mi>t</mi> <mi>h</mi> </mrow> </msub> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mo>&amp;Integral;</mo> <mi>t</mi> <mrow> <mi>t</mi> <mo>+</mo> <mi>T</mi> </mrow> </msubsup> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>f</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>r</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>&amp;GreaterEqual;</mo> <msub> <mi>d</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>f</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>a</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>v</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mi>T</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>v</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mi>T</mi> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
式中，Vf(t)、Vr(t)分别表示同车道前后车辆在t时刻的速度；Vth表示跟车状态的阈值，即跟车状态下前后两车速度差值的范围；T表示仿真步长的时间，ar(t)表示后车在t时刻的加速度；
3)建立目标函数：
min|Vf(t+T)-Vr(t+T)|
4)将上述所有约束条件和目标函数组成一个非线性规划问题，求解后车的动力学参数并执行跟驰行为。
8.根据权利要求4-7任一项所述的一种面向道路交通事故应急处置的决策支持方法，其特征在于：所述交通流数据包括交通流量、交通组成、车辆期望速度和车辆路径信息；所述仿真评价数据包括车辆的平均延误时间、车辆的平均停车次数和路网的平均运行速度。
CN201510191312.XA 2015-04-21 2015-04-21 一种面向道路交通事故应急处置的决策支持系统及方法 Active CN104809554B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510191312.XA CN104809554B (zh) 2015-04-21 2015-04-21 一种面向道路交通事故应急处置的决策支持系统及方法
PCT/CN2015/098529 WO2016169290A1 (zh) 2015-04-21 2015-12-23 一种面向道路交通事故应急处置的决策支持系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510191312.XA CN104809554B (zh) 2015-04-21 2015-04-21 一种面向道路交通事故应急处置的决策支持系统及方法

Publications (2)

Publication Number Publication Date
CN104809554A CN104809554A (zh) 2015-07-29
CN104809554B true CN104809554B (zh) 2017-11-07

Family

ID=53694362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510191312.XA Active CN104809554B (zh) 2015-04-21 2015-04-21 一种面向道路交通事故应急处置的决策支持系统及方法

Country Status (2)

Country Link
CN (1) CN104809554B (zh)
WO (1) WO2016169290A1 (zh)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809554B (zh) * 2015-04-21 2017-11-07 华南理工大学 一种面向道路交通事故应急处置的决策支持系统及方法
CN108986457B (zh) * 2018-07-02 2020-12-11 东南大学 基于交通冲突分析的etc车道布设方案评价方法
CN108986458A (zh) * 2018-07-04 2018-12-11 北京航空航天大学 一种基于空地协同的高速公路应急处置仿真系统及辅助决策方法
CN111325230B (zh) * 2018-12-17 2023-09-12 上海汽车集团股份有限公司 车辆换道决策模型的在线学习方法和在线学习装置
CN111539087B (zh) * 2019-01-18 2024-04-09 上汽通用汽车有限公司 自动驾驶系统仿真测试平台和自动驾驶系统评价方法
CN109885969B (zh) * 2019-03-14 2022-12-06 郑州轻工业学院 一种基于驾驶员场景认知的车辆群组运动仿真方法
CN110119528B (zh) * 2019-03-28 2022-10-04 长安大学 一种基于智能体元胞自动机的桥梁随机车流仿真系统
CN110362946B (zh) * 2019-07-22 2022-11-11 河南理工大学 一种针对煤矿典型事故的应急救援仿真方法及仿真系统
CN112418576A (zh) * 2019-08-22 2021-02-26 中国石油天然气股份有限公司 石化企业突发事件情景构建及应急评估的方法和系统
CN110781578B (zh) * 2019-09-23 2024-03-29 同济大学 一种基于事故场景的智能网联车算法的测试及评价方法
CN111125862B (zh) * 2019-09-27 2023-12-26 长安大学 一种基于遗传算法和比功率的跟驰模型排放测算方法
CN110718060A (zh) * 2019-10-11 2020-01-21 云南师范大学 一种高速公路计算车间距的方法
CN110968919B (zh) * 2019-11-26 2023-10-13 长安大学 一种基于ArcGIS的路段行车险态评价方法
CN112241127B (zh) * 2019-12-20 2023-08-22 北京国家新能源汽车技术创新中心有限公司 自动驾驶安全评分方法、装置、计算机设备和存储介质
CN111400896B (zh) * 2020-03-12 2023-06-20 阿里巴巴集团控股有限公司 一种交通仿真方法、设备及存储介质
CN111488674B (zh) * 2020-03-12 2024-01-16 上海理工大学 一种平面交叉口车辆运行轨迹模拟方法
CN111553043B (zh) * 2020-05-19 2023-09-26 北京百度网讯科技有限公司 交通指标计算模型测试方法、交通仿真方法和装置
CN111723470B (zh) * 2020-05-26 2023-05-02 同济大学 一种基于标定优化rss模型的自动驾驶控制方法
CN112071060B (zh) * 2020-08-27 2022-07-26 华南理工大学 一种基于城市路网交通环境变化的应急救援路径规划方法
CN112069679A (zh) * 2020-09-03 2020-12-11 四川大学 一种基于跟随行为的单航段一维格点微观仿真方法
CN112580206B (zh) * 2020-12-18 2022-07-12 西南交通大学 基于排队网络的共享汽车网络离散事件仿真系统构建方法
CN112884288B (zh) * 2021-01-25 2023-12-01 浙江公路水运工程咨询集团有限公司 一种高速公路雨雾场景行车安全评估系统
CN112990271B (zh) * 2021-02-18 2022-07-08 北京大学 一种基于交通簇的并行交通仿真方法及系统
CN113158424B (zh) * 2021-03-17 2023-09-12 北京易控智驾科技有限公司 用于矿山无人驾驶路网交通流优化的模型构建方法及装置
CN113516429B (zh) * 2021-04-08 2024-03-29 华南理工大学 一种基于网络拥堵模型的多agv全局规划方法
CN113297721B (zh) * 2021-04-21 2024-04-09 东南大学 一种信号交叉口车辆选择出口道的仿真方法和装置
CN113268810B (zh) * 2021-04-28 2023-09-22 南京大学 基于动力学控制和随机化的交通流仿真方法
CN113240256B (zh) * 2021-04-30 2022-08-16 河海大学 车路信息交互环境公交车辆可靠运行优化方法和存储介质
CN113110486B (zh) * 2021-04-30 2023-03-17 华砺智行(武汉)科技有限公司 智能网联汽车协作式换道引导方法、系统及可读存储介质
CN113569312B (zh) * 2021-06-21 2023-07-14 山东大学 城市地下施工情景下脱空道路安全余量评估和预控方法
CN113642162B (zh) * 2021-07-28 2024-04-05 东南大学 一种城市道路交通应急预案仿真综合分析方法
CN113761725B (zh) * 2021-08-19 2022-11-04 东南大学 一种基于交通仿真的路段阻抗函数校正方法
CN113823086B (zh) * 2021-08-30 2022-09-20 合肥学院 一种基于突发事件实时监测的区域路口协同管控方法
CN113887584B (zh) * 2021-09-16 2022-07-05 同济大学 一种基于社交媒体数据的应急交通策略评估方法
CN113935158B (zh) * 2021-09-27 2024-04-09 北方工业大学 一种针对高速公路事故多发点的交通检测器优化布设方法
CN113870562B (zh) * 2021-09-30 2022-12-06 江苏中路工程技术研究院有限公司 一种基于拥堵路段的高速公路车道管控策略的确定方法
CN114239272B (zh) * 2021-12-16 2023-03-28 北京工业大学 一种基于逆行行为的混合自行车流微观建模方法和装置
CN114407902B (zh) * 2022-01-19 2023-11-28 浙江大学 一种基于道路水层深度估计的驾驶决策的系统
CN114550326B (zh) * 2022-02-10 2023-12-01 中建八局第二建设有限公司 基于vissim的高速公路收费站入口车道管控模拟装置及方法
CN114611932B (zh) * 2022-03-10 2023-09-05 哈尔滨工业大学 基于仿真和变道冲突的入口加速车道服务水平分级方法
CN114882715B (zh) * 2022-05-07 2023-05-23 郑州航空工业管理学院 一种应急交通运行分阶段优化方法
CN114898556B (zh) * 2022-05-11 2023-09-29 华南理工大学 一种基于多尺度计算的数字路网交通状态推算方法
CN115080638B (zh) * 2022-07-20 2023-04-07 深圳市城市交通规划设计研究中心股份有限公司 微观仿真的多源数据融合分析方法、电子设备及存储介质
CN115240442B (zh) * 2022-07-26 2023-05-02 合肥工业大学 网联环境下前方事故车辆的跟驰车辆最优换道控制方法及应用
CN115578879B (zh) * 2022-09-14 2023-12-08 江苏天一航空工业股份有限公司 一种基于物联网的车辆最优路径导航控制方法与系统
CN115641734B (zh) * 2022-10-15 2023-05-30 河北省交通规划设计研究院有限公司 高速公路施工场景主线交通控制方法和系统
CN115862329B (zh) * 2022-11-28 2023-09-15 上海理工大学 一种基于高速公路交通事故下的车辆协同换道引导方法
CN117196153A (zh) * 2023-09-25 2023-12-08 广东汇通信息科技股份有限公司 一种基于交通大数据的智慧交通综合管理系统
CN117634051B (zh) * 2024-01-18 2024-04-09 中汽研汽车检验中心（天津）有限公司 基于真实道路环境的热泵空调系统仿真预测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515309A (zh) * 2009-04-07 2009-08-26 华中科技大学 基于多智能体的城市应急疏散仿真系统
CN101572011A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化调度管理系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9053636B2 (en) * 2012-12-30 2015-06-09 Robert Gordon Management center module for advanced lane management assist for automated vehicles and conventionally driven vehicles
CN104809554B (zh) * 2015-04-21 2017-11-07 华南理工大学 一种面向道路交通事故应急处置的决策支持系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515309A (zh) * 2009-04-07 2009-08-26 华中科技大学 基于多智能体的城市应急疏散仿真系统
CN101572011A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化调度管理系统及方法

Also Published As

Publication number Publication date
WO2016169290A1 (zh) 2016-10-27
CN104809554A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
CN104809554B (zh) 一种面向道路交通事故应急处置的决策支持系统及方法
Wu et al. Differential variable speed limits control for freeway recurrent bottlenecks via deep actor-critic algorithm
Yin et al. Fault diagnosis network design for vehicle on-board equipments of high-speed railway: A deep learning approach
CN106777752B (zh) 一种高速列车追踪运行曲线优化设定方法
CN109242251A (zh) 行车行为安全性检测方法、装置、设备及存储介质
CN106218638A (zh) 一种智能网联汽车协同换道控制方法
Metkari et al. Development of simulation model for heterogeneous traffic with no lane discipline
CN105047057B (zh) 一种多用户多车道高快速路宏观交通流仿真方法
CN109493566A (zh) 一种基于gps数据的疲劳驾驶预测方法
Stojčić Application of ANFIS model in road traffic and transportation: a literature review from 1993 to 2018
Yang et al. Modeling and evaluation of speed guidance strategy in VII system
Piacentini et al. Highway traffic control with moving bottlenecks of connected and automated vehicles for travel time reduction
Zhang et al. Mechanism of road capacity under different penetration scenarios of autonomous vehicles
Liu et al. Optimizing energy savings for a fleet of commercial autonomous trucks
Turri Look-ahead control for fuel-efficient and safe heavy-duty vehicle platooning
CN108711285A (zh) 一种基于道路路口的混合交通模拟方法
Yin et al. Balise arrangement optimization for train station parking via expert knowledge and genetic algorithm
Yuan et al. Longitudinal control of autonomous-rail rapid tram in platooning using model predictive control
Ke et al. Lane-changing decision model for connected and automated vehicle based on back-propagation neural network
Sreekumar et al. Need for a comprehensive traffic simulation model in Indian context
Gregurić et al. New concepts for urban highways control
Ramdhan et al. Simulation-based Analysis of a Novel Loop-based Road Topology for Autonomous Vehicles
Sun et al. Game Theory-Based Vehicle Lane Change Collaboration Strategy in Connected Vehicle Environment
Mischinger et al. Safety analysis of mixed automated and conventional traffic flows utilizing a submicroscopic simulation framework
Wang et al. Hierarchical Longitudinal Control of Truck Platoon Based on PreScan and TruckSim

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant