CN105427581A - 基于浮动车数据的交通仿真方法及系统 - Google Patents
基于浮动车数据的交通仿真方法及系统 Download PDFInfo
- Publication number
- CN105427581A CN105427581A CN201510782910.4A CN201510782910A CN105427581A CN 105427581 A CN105427581 A CN 105427581A CN 201510782910 A CN201510782910 A CN 201510782910A CN 105427581 A CN105427581 A CN 105427581A
- Authority
- CN
- China
- Prior art keywords
- road
- road network
- floating car
- traffic
- information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于浮动车数据的仿真方法及系统,涉及智能交通领域,该方法,包括:获取浮动车数据和城市路网数据;根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配。
Description
技术领域
本发明实施例涉及智能交通领域,尤其涉及一种基于浮动车数据的交通仿真方法及系统。
背景技术
浮动车技术是近年来国际智能交通系统中所采用的获取道路交通信息的先进技术手段之一。根据装备车载全球定位系统的浮动车在其行驶过程中定期记录的车辆位置,方向和速度信息,应用地图匹配、路径推测等相关的计算模型和算法进行处理,使浮动车位置数据和城市道路在时间和空间上关联起来,最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时间等交通拥堵信息。
道路交通评价是基于浮动车数据对于各路段的交通分析和计算,根据交通模型评价出道路交通的拥堵状态。目前城市道路交通拥堵现象普遍且严重,纵观全局城市路网,交通拥堵只是路网中的部分区域或部分路段的拥堵,并非全部道路同时处于拥堵状态。路网结构和设施布局不合理是引起交通拥堵的主要和根本原因。由于路网结构和设施布局不合理,许多交通瓶颈隐含于路网之中。随着需求的增加,这些瓶颈的流量渐渐超过其容量,从而出现交通拥堵。随着需求的进一步增大,拥堵可能由原来小范围的瓶颈拥堵扩展到更大范围,形成了更多的拥堵。目前缓解拥堵的方法,大多是运用交通工程技术,基于局部交通调查,采用局部性交通组织与渠化、交通管理与交通控制等措施。这些局部性治理交通拥堵的方法和对策,缺乏宏观协调和系统整体性,难以实现路网容量的均衡一体化,也无法从根本上解决城市交通拥堵问题。
发明内容
本发明实施例提供一种基于浮动车数据的交通仿真方法及系统,用于实现对交通系统的实时仿真。
第一方面,本发明实施例提供了一种基于浮动车数据的仿真方法,包括:获取浮动车数据和城市路网数据;根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配。
第二方面,结合第一方面,所述根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,包括:根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;根据所述道路拥堵评价获取拥堵区域的道路信息。
第三方面,结合第二方面,所述GPS定位信息包括GPS点位置信息和GPS方向信息,所述根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段,包括:根据所述GPS点位置信息和所述城市路网数据,通过点线匹配算法查找到与路段的地图位置进行匹配以获取第一匹配路段;根据所述GPS方向信息和所述城市路网信息,获取GPS方向与所述第一匹配路段的第一方向夹角;当所述第一方向夹角在预设的夹角阈值内时,所述第一匹配路段为初步匹配选择路段。
第四方面,结合第二方面,所述根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价,包括:获取道路等级信息;根据所述道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值;根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价。
第五方面,结合第四方面,所述根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价,包括:根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值;根据所述与所述初步匹配选择路段对应的拥堵值进行道路拥堵评价。
第六方面,结合第四方面或者第五方面,根据所述道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值,具体通过公式
获取;
其中,f(x)为道路畅通值,0≤f(x)<100;
x为车速,x≥0;
a取决于所述道路等级信息。
第七方面,结合第六方面,所述根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值,具体通过公式c=100-f(x)获取,其中,c为拥堵值,f(x)为道路畅通值。
第八方面,结合第一方面,所述对所述编辑后路网拓扑进行交通均衡分配,包括:获取路网综合交通状态,所述路网综合交通状态包括综合交通量;采用迭代方法,根据所述综合交通量,通过对初始PA矩阵有限次修正,达到理论分配交通量和实测交通的无限接近,其中,所述PA包括出行产生P和出行吸引A,所述出行产生包括交通小区内所有基于家且家庭端点在小区内部的和非基于家的以该小区为起点的出行;出行吸引包括是所有基于家且家庭端点不在小区里的和非基于家的以该小区为终点的出行;根据所述路网综合交通状态,选择最短路径时以达到交通均衡配置,每对PA点之间各条被利用的路径的走行时间都相等而且是最小走行时间,而没有被利用的路径的走行时间都大于或等于这个最小走行时间,所述PA点包括出行产生P和出行吸引A。
第九方面,本发明实施例还提供了一种基于浮动车数据的仿真系统,包括:
获取单元,用于获取浮动车数据和城市路网数据;
第一执行单元,用于根据所述获取单元获取的所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;
第二执行单元,用于根据所述第一执行单元获取的所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;
第三执行单元,用于对所述第二执行单元生成的编辑后路网拓扑进行交通均衡分配。
第十方面,结合第九方面,所述第一执行单元,包括:
匹配子单元,用于根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;
交通评价子单元,用于根据所述匹配子单元获取的所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;
第一获取子单元,用于根据所述交通评价子单元获取的所述道路拥堵评价获取拥堵区域的道路信息。
本发明实施例提供的基于浮动车数据的仿真方法及系统,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配从路网和交通需求全局出发,可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率,能够为城市交通制定系统整体的路网改造、交通管理与控制等方案和措施,促进路网资源的均衡利用,挖掘路网更大的潜力,缓解城市的交通拥堵,实现城市道路系统、流量系统与管理系统三者的平衡与和谐。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的提供的基于浮动车数据的交通仿真方法流程图;
图2为本发明实施例提供的提供的基于浮动车数据的交通仿真方法中为浮动车数据预处理与地图匹配流程图;
图3为速度畅通值模型;
图4为交通评价流程图;
图5为实际路段结构示意图;
图6为路段通行能力示意图;
图7为路网的拓扑结构通行能力示意图;
图8为拥堵区域交通仿真流程图示意图;
图9为本发明实施例提供的基于浮动车数据的交通仿真系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于浮动车数据的交通仿真方法流程图,如图1所示,本发明提供的基于浮动车数据的交通仿真方法,包括:
步骤101,获取浮动车数据和城市路网数据;
步骤102,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;
步骤103,根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;
步骤104,对所述编辑后路网拓扑进行交通均衡分配。
本发明实施例提供的基于浮动车数据的仿真方法及系统,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配从路网和交通需求全局出发,可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率,能够为城市交通制定系统整体的路网改造、交通管理与控制等方案和措施,促进路网资源的均衡利用,挖掘路网更大的潜力,缓解城市的交通拥堵,实现城市道路系统、流量系统与管理系统三者的平衡与和谐。
在一实施例中,所述根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,包括:根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;根据所述道路拥堵评价获取拥堵区域的道路信息。
又一实施例中,所述GPS定位信息包括GPS点位置信息和GPS方向信息,所述根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段,包括:根据所述GPS点位置信息和所述城市路网数据,通过点线匹配算法查找到与路段的地图位置进行匹配以获取第一匹配路段;根据所述GPS方向信息和所述城市路网信息,获取GPS方向与所述第一匹配路段的第一方向夹角;当所述第一方向夹角在预设的夹角阈值内时,所述第一匹配路段为初步匹配选择路段。
一实施例中,所述根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价,包括:获取道路等级信息;根据所述道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值;根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价。
一实施例中,所述根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价,包括:根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值;根据所述与所述初步匹配选择路段对应的拥堵值进行道路拥堵评价。
一实施例中,所述对所述编辑后路网拓扑进行交通均衡分配,包括:
获取路网综合交通状态,所述路网综合交通状态包括综合交通量;
采用迭代方法,根据所述综合交通量,通过对初始PA矩阵有限次修正,达到理论分配交通量和实测交通的无限接近,其中,所述PA包括出行产生P和出行吸引A,所述出行产生包括交通小区内所有基于家且家庭端点在小区内部的和非基于家的以该小区为起点的出行;出行吸引包括是所有基于家且家庭端点不在小区里的和非基于家的以该小区为终点的出行;根据所述路网综合交通状态,选择最短路径时以达到交通均衡配置,每对PA点之间各条被利用的路径的走行时间都相等而且是最小走行时间,而没有被利用的路径的走行时间都大于或等于这个最小走行时间,所述PA点包括出行产生P和出行吸引A。
本发明实施例提供的基于浮动车数据的仿真方法及系统,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配从路网和交通需求全局出发,可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率,能够为城市交通制定系统整体的路网改造、交通管理与控制等方案和措施,促进路网资源的均衡利用,挖掘路网更大的潜力,缓解城市的交通拥堵,实现城市道路系统、流量系统与管理系统三者的平衡与和谐。
为了使本领域技术人员更好的理解本发明实施例提供的基于浮动车数据的交通仿真方法的技术方案,在本发明又一实施例中对基于浮动车数据的交通仿真方法进行详细的说明。
交通评价子系统是利用浮动车数据和城市路网数据进行预处理和地图匹配,根据模型计算出道路的交通拥堵值。交通评价子系统包括以下步骤:浮动车数据预处理与地图匹配及道路拥堵评价。
浮动车数据预处理,是对获取的浮动车GPS数据的预处理。地图匹配是通过浮动车的GPS定位信息,与路段的地图位置进行匹配。通过GPS点位置,查找在一定范围内的城市道路,在该范围内的城市道路段则作为初步的匹配选择路段,进行点-线匹配算法查找。通过点线匹配找到初步的匹配路段后,进一步分析GPS的方向以及城市道路段的方向的夹角,设定一个角度范围,筛选出在夹角范围内的定位信息,视为最终浮动车与道路匹配的结果,最后通过浮动车的速度判断所匹配路段的路况。基本流程如图2所示。
道路拥堵评价是计算经由该路段的浮动车平均速度,由路段的平均速度和畅通值公式计算出路段畅通值,由畅通值与拥堵值的转换公式计算得出路段的拥堵值。
在道路等级确定的情况下,畅通值和车速呈正相关,车速越高,畅通值越大。根据畅通值的定义,当速度为0时,畅通值为0;当速度趋于无穷大时,畅通值无限趋于100。畅通值和车速的函数模型如下,
f(x)=(1/(1+e^(-ax))-1/2)·200
其中,f(x)为畅通值,0≤f(x)<100;x为车速,x≥0。a取决于道路等级。交通畅通值函数模型如图3所示。交通评价流程图如图4所示。
畅通值-拥堵值转换公式如下,
c=100-f(x)
其中,c为拥堵值。
在本实施例中,拥堵区域的道路交通仿真方法,包含以下步骤:
步骤一:拥堵区域路网结构编辑。对拥堵区域路网结构进行编辑,并生成新路网的拓扑结构。具体而言:
如图5、图6所示,设路段一、路段二、路段三上的交通量为Q1、Q2、Q3,通行能力为C1、C2、C3,交通阻抗为T1、T2、T3,则路段的综合交通量Q=Q_1+Q_2+Q_3,综合通行能力C=C_1+C_2+C_3,综合交通阻抗为:
T=Q_1/(Q_1+Q_2+Q_3)×T_1+Q_2/(Q_1+Q_2+Q_3)×T_2+Q_3/(Q_1+Q_2+Q_3)×T_3
其拓扑结构可简化为图7。
步骤二:基于路网的PA反推。基于对传统PA反推的研究,提出了路网PA反推模型。其思想是采用迭代思想,通过对初始PA矩阵有限次修正,达到理论分配交通量和实测交通的无限接近。假设前提:在整个过程中路段阻抗为常数;任意PA点对在各路段上的流率保持不变;任意PA点对分布量的分配过程都相互独立、互不影响。
PA反推的基本依据是路网PA分布量与路段流量的基本关系式:
式中V_ij为路段(i,j)上的流量;q_rs为所求的现状出行分布量;p_rs^ij为四维流率矩阵,表示任意两PA点对(r,s)间选择路段(i,j)的概率。
推算PA出行量必须保证理论分配交通量V_ij与实测交通量V_ij^'的偏差最小,即对所有路段a满足:
迭代算法表述如下:
给定一个初始PA矩阵T_rs^((0)),以多路径概率分配模型及关系式V=P·T求出相应理论推算交通量V_ij。
利用递推格式进行迭代,引入V_ij与V_ij^'的偏离度D_ij反复修正上述PA矩阵。
使路段的计算交通量V_ij充分接近实际交通量V_ij^',直到满足要求的精度为止,此时推算出的PA矩阵为所求PA矩阵。
迭代公式如下:
式中n为迭代次数,初始值取1;为第n次迭代过程中实际交通量与计算交通量的偏离度。收敛条件为偏离度和全相关系数(其中)均充分接近于1,此时即为所求的路网PA分布矩阵。
步骤三:交通均衡分配。基于Beckmann均衡数学模型,提出了基于路网的交通均衡分配模型:假设路网的利用者已知路网综合交通状态,并试图选择最短路径时,网络会达到这样一种均衡状态,每对PA点之间各条被利用的路径的走行时间都相等而且是最小走行时间,而没有被利用的路径的走行时间都大于或等于这个最小走行时间,其数学形式描述如下:
其中,
模型中所用变量和参数说明:
xc:路段a上的综合交通流量,它们组成的向量为x=(...,xa...);
ta:路段a的综合交通阻抗,也称为综合走行行驶时间;
ta(xa):路段a以综合流量xc为自变量的综合阻抗函数;
点对(r,s)间的第k条路径上的综合交通流量,其向量为
路段-路径相关变量,即0-1变量,如果路段a在点对(r,s)间的第k条路径,则 否则
S:路网中目的地的集合;
T:路网中出发地的集合;
qrs—点对(r,s)间的PA综合交通量。
本发明实施例提供的基于浮动车数据的仿真方法及系统,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配从路网和交通需求全局出发,可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率,能够为城市交通制定系统整体的路网改造、交通管理与控制等方案和措施,促进路网资源的均衡利用,挖掘路网更大的潜力,缓解城市的交通拥堵,实现城市道路系统、流量系统与管理系统三者的平衡与和谐。
如图9所示,本发明实施例还提供了一种基于浮动车数据的仿真系统,包括:
获取单元901,用于获取浮动车数据和城市路网数据;
第一执行单元902,用于根据所述获取单元获取的所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;
在本实施例中,所述第一执行单元,包括:匹配子单元,用于根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;交通评价子单元,用于根据所述匹配子单元获取的所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;第一获取子单元,用于根据所述交通评价子单元获取的所述道路拥堵评价获取拥堵区域的道路信息。
又一实施例中,所述匹配子单元,包括:匹配模块,用于根据所述GPS点位置信息和所述城市路网数据,通过点线匹配算法查找到与路段的地图位置进行匹配以获取第一匹配路段;第一获取模块,用于根据所述GPS方向信息和所述城市路网信息,获取GPS方向与所述匹配模块获取的所述第一匹配路段的第一方向夹角;第一确定模块,用于当所述第一获取模块获取的所述第一方向夹角在预设的夹角阈值内时,所述匹配模块获取的所述第一匹配路段为所述初步匹配选择路段。
又一实施例中,所述交通评价子单元,包括:第二获取模块,用于获取道路等级信息;第三获取模块,用于根据所述第二获取模块获取的道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值;评价模块,用于根据所述第三模块获取的所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价。
具体的,所述评价模块,包括:获取子模块,用于根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值;评价子模块,用于根据所述与所述初步匹配选择路段对应的拥堵值进行道路拥堵评价。
第二执行单元903,用于根据所述第一执行单元获取的所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;
第三执行单元904,用于对所述第二执行单元生成的编辑后路网拓扑进行交通均衡分配。
其中,所述第三执行单元,包括:
第四获取模块,用于获取路网综合交通状态,所述路网综合交通状态包括综合交通量;
第一执行模块,用于采用迭代方法,根据所述综合交通量,通过对初始PA矩阵有限次修正,达到理论分配交通量和实测交通的无限接近,其中,所述PA包括出行产生P和出行吸引A,所述出行产生包括交通小区内所有基于家且家庭端点在小区内部的和非基于家的以该小区为起点的出行;出行吸引包括是所有基于家且家庭端点不在小区里的和非基于家的以该小区为终点的出行;
配置模块,用于根据所述路网综合交通状态,选择最短路径时以达到交通均衡配置,每对PA点之间各条被利用的路径的走行时间都相等而且是最小走行时间,而没有被利用的路径的走行时间都大于或等于这个最小走行时间,所述PA点包括出行产生P和出行吸引A。
本发明实施例提供的基于浮动车数据的仿真方法及系统,根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配从路网和交通需求全局出发,可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率,能够为城市交通制定系统整体的路网改造、交通管理与控制等方案和措施,促进路网资源的均衡利用,挖掘路网更大的潜力,缓解城市的交通拥堵,实现城市道路系统、流量系统与管理系统三者的平衡与和谐。
通过以上步骤,本发明可以为交通较为拥堵的区域进行路网修改,查看修改后的路网进行交通仿真对全局的道路交通状况的影响,能够为城市路网整体规划提供实质的参考方案和设计数据支持,提高路网的整体使用效率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于浮动车数据的仿真方法,其特征在于,包括:
获取浮动车数据和城市路网数据;
根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;
根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;
对所述编辑后路网拓扑进行交通均衡分配。
2.根据权利要求1所述的方法,其特征在于,所述根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,包括:
根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;
根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;
根据所述道路拥堵评价获取拥堵区域的道路信息。
3.根据权利要求2所述的方法,其特征在于,所述GPS定位信息包括GPS点位置信息和GPS方向信息,所述根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段,包括:
根据所述GPS点位置信息和所述城市路网数据,通过点线匹配算法查找到与路段的地图位置进行匹配以获取第一匹配路段;
根据所述GPS方向信息和所述城市路网信息,获取GPS方向与所述第一匹配路段的第一方向夹角;
当所述第一方向夹角在预设的夹角阈值内时,所述第一匹配路段为初步匹配选择路段。
4.根据权利要求2所述的方法,其特征在于,所述根据所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价,包括:
获取道路等级信息;
根据所述道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值;
根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价。
5.根据权利要求4所述的方法,其特征在于,所述根据所述与所述初步匹配选择路段对应的道路畅通值进行道路拥堵评价,包括:
根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值;
根据所述与所述初步匹配选择路段对应的拥堵值进行道路拥堵评价。
6.根据权利要求4或5所述的方法,其特征在于,根据所述道路等级信息以及所述初步匹配选择路段对应的浮动车速度信息获取与所述初步匹配选择路段对应的道路畅通值,具体通过公式
获取;
其中,f(x)为道路畅通值,0≤f(x)<100;
x为车速,x≥0;
a取决于所述道路等级信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述与所述初步匹配选择路段对应的道路畅通值获取与所述初步匹配选择路段对应的拥堵值,具体通过公式c=100-f(x)获取,其中,c为拥堵值,f(x)为道路畅通值。
8.根据权利要求1所述的方法,其特征在于,所述对所述编辑后路网拓扑进行交通均衡分配,包括:
获取路网综合交通状态,所述路网综合交通状态包括综合交通量;
采用迭代方法,根据所述综合交通量,通过对初始PA矩阵有限次修正,达到理论分配交通量和实测交通的无限接近,其中,所述PA包括出行产生P和出行吸引A,所述出行产生包括交通小区内所有基于家且家庭端点在小区内部的和非基于家的以该小区为起点的出行;出行吸引包括是所有基于家且家庭端点不在小区里的和非基于家的以该小区为终点的出行;
根据所述路网综合交通状态,选择最短路径时以达到交通均衡配置,每对PA点之间各条被利用的路径的走行时间都相等而且是最小走行时间,而没有被利用的路径的走行时间都大于或等于这个最小走行时间,所述PA点包括出行产生P和出行吸引A。
9.一种基于浮动车数据的仿真系统,其特征在于,包括:
获取单元,用于获取浮动车数据和城市路网数据;
第一执行单元,用于根据所述获取单元获取的所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;
第二执行单元,用于根据所述第一执行单元获取的所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;
第三执行单元,用于对所述第二执行单元生成的编辑后路网拓扑进行交通均衡分配。
10.根据权利要求9所述的系统,其特征在于,所述第一执行单元,包括:
匹配子单元,用于根据所述浮动车数据和所述城市路网数据获取初步匹配选择路段;
交通评价子单元,用于根据所述匹配子单元获取的所述初步匹配选择路段以及所述初步匹配选择路段对应的浮动车速度信息进行道路拥堵评价;
第一获取子单元,用于根据所述交通评价子单元获取的所述道路拥堵评价获取拥堵区域的道路信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510782910.4A CN105427581B (zh) | 2015-11-16 | 2015-11-16 | 基于浮动车数据的交通仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510782910.4A CN105427581B (zh) | 2015-11-16 | 2015-11-16 | 基于浮动车数据的交通仿真方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105427581A true CN105427581A (zh) | 2016-03-23 |
CN105427581B CN105427581B (zh) | 2017-12-12 |
Family
ID=55505756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510782910.4A Active CN105427581B (zh) | 2015-11-16 | 2015-11-16 | 基于浮动车数据的交通仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427581B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143955A (zh) * | 2019-12-18 | 2020-05-12 | 福建工程学院 | 一种城市路网拓扑连接边权重的获取方法和获取系统 |
CN111798660A (zh) * | 2020-06-30 | 2020-10-20 | 腾讯科技(深圳)有限公司 | 车辆信息显示、获取方法及装置以及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777257A (zh) * | 2009-12-29 | 2010-07-14 | 北京世纪高通科技有限公司 | 获取路况信息的方法及系统 |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
US20130124073A1 (en) * | 2011-11-11 | 2013-05-16 | Verizon Patent And Licensing Inc. | Live traffic congestion detection |
-
2015
- 2015-11-16 CN CN201510782910.4A patent/CN105427581B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777257A (zh) * | 2009-12-29 | 2010-07-14 | 北京世纪高通科技有限公司 | 获取路况信息的方法及系统 |
US20130124073A1 (en) * | 2011-11-11 | 2013-05-16 | Verizon Patent And Licensing Inc. | Live traffic congestion detection |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
Non-Patent Citations (1)
Title |
---|
刘灿齐: "专适于城市道路网络的交通均衡分配模型", 《公路交通科技》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143955A (zh) * | 2019-12-18 | 2020-05-12 | 福建工程学院 | 一种城市路网拓扑连接边权重的获取方法和获取系统 |
CN111798660A (zh) * | 2020-06-30 | 2020-10-20 | 腾讯科技(深圳)有限公司 | 车辆信息显示、获取方法及装置以及相关设备 |
CN111798660B (zh) * | 2020-06-30 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 车辆信息显示、获取方法及装置以及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105427581B (zh) | 2017-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4481235B2 (ja) | ゾーン別発生・集中交通量とod交通量の高精度推定方法 | |
Karnadi et al. | Rapid generation of realistic mobility models for VANET | |
Lazar et al. | Capacity modeling and routing for traffic networks with mixed autonomy | |
CN100578152C (zh) | 用于处理大规模浮动车数据的启发式路径匹配方法 | |
CN111667101B (zh) | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN102081658B (zh) | 基于分层路网的路径搜索方法和装置 | |
CN106323321A (zh) | 一种车辆导航实时修正方法及系统 | |
CN104392094A (zh) | 一种基于浮动车数据的城市道路网络可靠性评价方法 | |
CN106772516B (zh) | 一种基于模糊理论的复合定位新方法 | |
CN108804801B (zh) | 基于目标配流的城市离散交通网络设计r语言实现方法 | |
CN108415057A (zh) | 一种无人车队与路侧单元协同工作的相对定位方法 | |
CN104270714A (zh) | 确定用户行动轨迹的方法和装置 | |
CN109000675A (zh) | 获取路径信息的方法、装置和电子设备以及存储介质 | |
CN110807931B (zh) | 基于转向关系的交通路网有向图路径模型构建及求解方法 | |
CN113160557B (zh) | 交通等时圈生成方法、装置、设备及存储介质 | |
CN104217579A (zh) | 基于路段子网络冗余度的交通网络关键路段搜索方法 | |
CN106289287A (zh) | 一种基于选线经验的车载端多目标最短路径计算方法 | |
CN104034337B (zh) | 一种浮动车地理位置点的地图匹配方法及装置 | |
CN106530779A (zh) | 一种基于城市交通控制信号灯的路径规划方法及系统 | |
De Nunzio et al. | Bi-objective eco-routing in large urban road networks | |
CN110490381A (zh) | 基于混合整数规划的公交主干线规划方法 | |
CN113804209A (zh) | 一种四角格网高精度长距离越野路径规划方法 | |
CN105427581A (zh) | 基于浮动车数据的交通仿真方法及系统 | |
CN116319355A (zh) | 一种基于深度强化学习的卫星网络拓扑生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |