CN105427581B - 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 PDF

Info

Publication number
CN105427581B
CN105427581B CN201510782910.4A CN201510782910A CN105427581B CN 105427581 B CN105427581 B CN 105427581B CN 201510782910 A CN201510782910 A CN 201510782910A CN 105427581 B CN105427581 B CN 105427581B
Authority
CN
China
Prior art keywords
road
congestion
traffic
floating car
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.)
Active
Application number
CN201510782910.4A
Other languages
English (en)
Other versions
CN105427581A (zh
Inventor
班晓娟
张迪
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201510782910.4A priority Critical patent/CN105427581B/zh
Publication of CN105427581A publication Critical patent/CN105427581A/zh
Application granted granted Critical
Publication of CN105427581B publication Critical patent/CN105427581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于浮动车数据的交通仿真方法及系统
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，
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＝Q1+Q2+Q3，综合通行能力C＝C1+C2+C3，综合交通阻抗为：
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Vij为路段(i,j)上的流量；qrs为所求的现状出行分布量；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Vij与实测交通量Vij'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Vij。
利用递推格式进行迭代，引入Vij与Vij'的偏离度Dij反复修正上述PA矩阵。
使路段的计算交通量Vij充分接近实际交通量Vij'，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：
xa表示路段a上的综合交通流量；
ta表示路段a的综合交通阻抗；
ta(xa)表示路段a以综合流量xa为自变量的综合阻抗函数；
表示点对(r,s)间的第k条路径上的综合交通流量；
表示路段-路径相关变量，如果路段a在点对(r,s)间的第k条路径，则否则
S表示路网中目的地的集合；
T表示路网中出发地的集合；
qrs表示点对(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 (2)

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；
其中，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；
其中，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；
其中，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；
其中，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；
其中，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
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>a</mi> <mi>x</mi> </mrow> </msup> </mrow> </mfrac> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mn>200</mn> </mrow>
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；
其中，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。
2.根据权利要求1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。
CN201510782910.4A 2015-11-16 2015-11-16 基于浮动车数据的交通仿真方法及系统 Active CN105427581B (zh)

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 CN105427581A (zh) 2016-03-23
CN105427581B true 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)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
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
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777257B (zh) * 2009-12-29 2013-03-13 北京世纪高通科技有限公司 获取路况信息的方法及系统
US8532914B2 (en) * 2011-11-11 2013-09-10 Verizon Patent Licensing Inc. Live traffic congestion detection
CN103000027B (zh) * 2012-12-19 2014-12-10 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

Also Published As

Publication number Publication date
CN105427581A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
CN108197739B (zh) 一种城市轨道交通乘客流量预测方法
WO2018149307A1 (zh) 交通路况分析方法、装置及电子设备
CN104462190B (zh) 一种基于海量空间轨迹挖掘的在线的位置预测方法
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
CN110288849B (zh) 一种基于混合交通模式的出行路线推荐方法
CN108021686B (zh) 一种快速匹配电子地图中公交线路与道路网络的方法
CN109584552B (zh) 一种基于网络向量自回归模型的公交到站时间预测方法
CN103295414A (zh) 一种基于海量历史gps轨迹数据的公交车到站时间预测方法
CN114463977A (zh) 一种基于车路协同多源数据融合交通流预测的路径规划方法
Jiang et al. SunChase: Energy-efficient route planning for solar-powered EVs
CN104680829B (zh) 基于多用户协同的公交车辆到站时间预测系统及方法
CN104270714A (zh) 确定用户行动轨迹的方法和装置
WO2013182032A1 (zh) 一种公交线路与道路网络的匹配方法和装置
CN114450557B (zh) 路线偏差量化及基于此的车辆路线学习
Ozdemir et al. A hybrid HMM model for travel path inference with sparse GPS samples
CN116518960B (zh) 路网更新方法、装置、电子设备和存储介质
CN107808217A (zh) 一种基于北斗定位与客流量的公交换乘优化方法
US20220108603A1 (en) Detection method of key road-sections based on ricci flow
CN110285817A (zh) 基于自适应d-s证据理论的复杂路网地图匹配方法
CN110598917A (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
CN105185103B (zh) 一种路段行程时间的管理控制方法
CN105427581B (zh) 基于浮动车数据的交通仿真方法及系统
CN116828515A (zh) 一种车联网下基于时空图卷积的边缘服务器负载预测方法
Nadeem et al. Performance analysis of a real-time adaptive prediction algorithm for traffic congestion
CN114548572A (zh) 城市路网交通状态的预测方法、装置、设备及介质

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