CN107066723A - 一种基于社会力模型的公交乘客上下车行为仿真方法 - Google Patents
一种基于社会力模型的公交乘客上下车行为仿真方法 Download PDFInfo
- Publication number
- CN107066723A CN107066723A CN201710227212.7A CN201710227212A CN107066723A CN 107066723 A CN107066723 A CN 107066723A CN 201710227212 A CN201710227212 A CN 201710227212A CN 107066723 A CN107066723 A CN 107066723A
- Authority
- CN
- China
- Prior art keywords
- passenger
- bus
- mrow
- msub
- barycenter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 title claims abstract description 30
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000010845 search algorithm Methods 0.000 claims abstract description 5
- 239000002245 particle Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 108091092195 Intron Proteins 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 abstract description 2
- 238000013139 quantization Methods 0.000 abstract description 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 208000000058 Anaplasia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于社会力模型的公交乘客上下车行为仿真方法,包括:拍摄公交乘客流视频,获取上下车行为特征;对场景进行方形网格分割;对公交车的到站规律进行仿真设置;设置乘客的生成、分布和运动规律;引入临域搜索算法,用矢量力表示乘客受力特征;引入视野遮挡判定规则,修正社会作用力;引入碰撞规避判定规则,提前判别碰撞可能性。本发明引入行人流仿真思想,将每位公交乘客视为微观个体,通过完成公交乘客微观行为参数的量化与建模,实现乘客上下车时间的计算以及上下车效率的评估,为提供有效的辅助决策依据、优化城市公交出行提供帮助。
Description
技术领域
本发明属于交通行为微观仿真领域,涉及一种公交乘客上下车行为仿真方法。
背景技术
公共交通作为一种大运量、低能耗、低排放、高效率的运输方式,在城市综合交通系统中占有极其重要的地位。然而,尽管近年来我国的城市公共交通得到了飞速的发展,但目前城市公交系统的发展速度和服务水平还无法作为城市大规模出行需求的重要支撑,公交车延误、不准时现象频繁发生,尤其是在交通高峰时段更为严重,极大地影响了居民对于公共交通的选择。如何降低公交车出行延误、充分发挥其通行效率、提高运行速度,成为保证公交车出行吸引力的关键因素。
作为连接交通使用者和公交车的枢纽,公交停靠站承担着交通使用者完成出行的任务,然而公交停靠站却经常成为城市交通网络系统中的瓶颈。究其原因,除了道路资源不足导致的交通流拥挤之外,公交在公交站点停靠的次数过多、停站时间过长也是导致其运行效率低下的一个重要原因。公交停靠站的高效运营对解决整个交通网络畅通具有重要意义,减少公交车在公交停靠站处的延误时间,对于提高公交交通系统运行效率作用重大。
发明内容
为解决上述问题,本发明公开了一种基于社会力模型的公交乘客上下车行为仿真方法,旨在于引入行人流仿真思想,将每位公交乘客类视为微观个体,通过完成公交乘客微观行为参数的量化与建模来实现上下车时间的计算以及上下车效率的评估。
为达到上述目的,本发明的技术方案如下:
基于社会力模型的公交乘客上下车行为仿真方法,包括以下步骤:
步骤1、拍摄上下车公交乘客行人流视频,应用图像处理技术记录公交乘客上下车过程中的基本特征,包括:上下车乘客的标号、二维空间坐标、速度、加速度、到站分布规律、上下车时间、购票时间以及公交车的到站分布规律、开关门时间、驶离时间等;
步骤2、将本发明中仿真场景与车体沿垂直俯视方向向下投影为二维,对整个大场景划分为尺寸为Rs的小正方形网格进行建模,并按照顺序给每个网格进行编号,并根据仿真需求的不同赋予仿真场景不同的类,具体场景包括:站台、档棚、站牌、道路、车体、候车护栏等;
步骤3、记Si为公交车i在站点的停站时间,对公交车的到站规律进行仿真建模,具体为:
首先,根据各路线第一辆公交车到站时刻序列以及服从类正态分布N(En,σn 2)的公交到站时间间隔序列,生成第j路公交路线上第k辆车到达站点的时间序列,其中n为公交线路的最大数;
其次,基于快速排列算法对生成的j·k个到站时间序列进行排序,输入数组arr[i]中并赋予序号0到j·k-1;
再次,从序号0开始,比较arr[i]+si与arr[i+1]的大小:若前者小于后者,则可以判定公交车i和j不存在“相遇”情况;反之,则再比较arr[i]+si与arr[i+2]:若前者小于后者,则可判定相遇车辆仅为车辆i与车辆i+1,如果前者大于后者,则再重复以上步骤,直到出现arr[i+k]大于arr[i]+si为止,则此时k-1辆公交车与公交车i“相遇”;
最后,对于序号为j(j∈[1,j·k-1])的任意公交车,若j-1号公交车与其无“相遇”情况,模型认为停靠于第一泊位处;反之,模型则认为其停靠于j-1号公交车占据泊位之后,与j-1公交车之间的最短距离为Dbs;
步骤4、将公交乘客视为一个以为半径的圆形主体,根据乘客性质的不同,将本发明中的乘客主体分为三类进行建模:上车乘客、下车乘客和车内站立乘客;由于三类乘客的生成、分布和运动规则都各不相同,应对三类乘客的规则进行区分设定;
步骤5、引入乘客临域场景搜索算法,即在计算乘客的社会作用力时,只对其四周某个范围内的区域进行搜索,具体搜索算法如下所示:
首先,确定乘客质点所在的网格编号,根据乘客质点的二维坐标来计算乘客质心处于哪一个网格内:
式中:i表示计算乘客质心所在的网格编号,介于[0,m*n-1]之间;x指乘客质心横坐标的值;y指乘客质心纵坐标的值;R是乘客感知范围,取值为5米;Lx为仿真场景的横向长度;m为网格的横向个数;
其次,对该乘客质心周围R范围内进行搜索,即对编号为i,i+1,i-1,i-m,i-m+1,i-m-1,i+m-1,i+m和i+m+1的共9个网格进行搜索,搜索网格内所有其他乘客和所有障碍物,如果有的话则记录其所在网格编号与其坐标数据;
最后,用矢量力来表示乘客个体在本发明中运动时的真实受力情况,即认为乘客在运动时受到的社会力则包括乘客向着目标前进的自身驱动力,乘客与乘客之间的排斥力,乘客与公交车车体、站牌、座位等障碍物之间的排斥力以及拥挤情况下乘客之间的挤压力;
步骤6、引入视野遮挡判定规则,修正公交乘客在运动过程时不被感知而产生的社会作用力,具体规则如下:
首先,确定计算乘客质心的坐标,并计算其所处网格编号i;
其次,基于临域搜索算法,对网格i周边的共9个网格进行搜索,找到距离该乘客质心最近的乘客的质心坐标(x1,y1),并基于快速排列算法,按距离远近的顺序(由近到远)对区域内其他乘客质心进行标号,标号范围为1到n;
然后,循环判断计算乘客质心与其他搜索乘客质心相连的线段是否与车体线段和座位线段相交,若相交而判定该搜索乘客不在计算乘客的感知视野范围以内;
再次,根据以下公式计算向量之间的夹角的大小,判断其他乘客质心(标号2到n)是否处于选定最近乘客的遮蔽范围之内:
若cosβ比cosα大,则可以说明k号乘客质心在视野中被1号乘客遮挡,在力的计算阶段不予以计算;反之,则计算。
最后,重复本步骤的上述过程,对每位乘客进行判定,直至遍历所有乘客。
步骤7、引入规避碰撞判定规则,使乘客个体能够在扇区视野区域内搜索对向其他乘客,提前判别对向乘客之间是否有产生碰撞的可能性,若结果为真,则向计算乘客施加一个垂直于速度矢量的作用力从而实现对向乘客的规避行为,具体规则如下:
步骤701、确定计算乘客质心的坐标,并计算其所处网格编号i;
步骤702、对乘客i周边的共9个网格进行搜索(即5米的感知范围以内),找到距离该乘客质心最近的乘客的质心坐标,并按距离远近的顺序对区域内其他乘客质心进行标号,标号范围为1到n;
步骤703、利用速度矢量的夹角判断两个乘客的行进方向是否相向,若夹角为直角或钝角即可判断为相向运动,进入下一步的计算;
步骤704、判断乘客是否在计算乘客的视野范围内(双眼共120o视角的扇形区域),若在视野范围内则进入下一步的计算;
步骤705、判断乘客是否有相撞的可能:判断计算乘客速度矢量与乘客质心连线的夹角是否小于临界夹角φ;若小于临界角φ,即可判断乘客有相互碰撞的可能,进入下一步的计算步骤;
步骤706、计算乘客规避力且力的方向垂直于计算乘客速度矢量:
式中:α是乘客i速度矢量与质心连线的夹角;β是质心连线与过乘客i质心和乘客j粒子切点直线的夹角。
进一步的,本发明方法中,所述的步骤2中大场景划分为尺寸选择以5米乘5米作为范围。
进一步的,本发明方法中,所述的步骤5中乘客生成规则具体为:
(1)模型对站点不同路线公交服务的上车乘客数量分别进行计算和建模;
(2)根据前述中调查得到的站点各公交路线乘客到站规律以及算法生成的各路线公交车到站间隔时间,计算在间隔时间内到达站点等待乘客数目;
(3)下车乘客和车内站立乘客数量均设定为随机生成的整数,若存在车内站立乘客,即说明车内所有座位均有乘客;
(4)乘客上下车行为开始后,上下车乘客的数量均不会发生改变,乘客的到站事件仅发生在对应路线公交到站之前。
进一步的,本发明方法中,所述的步骤5中乘客分布规则具体为:
(1)在确定的区域范围内根据二维均匀分布,随机生成乘客粒子质心坐标;
(2)遍历所有乘客质心,计算任意质心之间的直线距离;
(3)比较所有计算距离与乘客半径的大小,若存在至少一个计算距离小于乘客半径,则判定该生成粒子与其他粒子产生重叠,并将该生成粒子删除;反之则生成粒子。
进一步的,本发明方法中,所述的步骤5中车内站立乘客的运动规则仅受社会力作用,不对其施加行进驱动力:车内站立乘客仅当受到上车或下车乘客产生的社会作用力时,才会发生运动,否则保持稳定的静止状态。
进一步的,本发明方法中,所述的步骤5中上车乘客的运动规则具体为:
(1)当乘客还未上车时(未穿过车门时)的期望运动方向恒指向上车车门中央;
(2)当乘客成功上车(穿过车门)后,模型设定其期望运动方向暂时变为垂直于公交车体,直至其运动到公交步行区域中;
(3)依据乘客类型的不同,计算其是否存在购票“停顿”事件,若存在“停顿”事件其增加的“停顿”时间为其实际穿越车门时间的30%;
(4)上车乘客仅按照空位与乘客自身的远近进行选择,即优先选择距离自己更近的空余座位;若车内无空余座位,则此时上车乘客将类似于车内站立乘客,期望运动方向随机指向拉手吊环附近。
进一步的,本发明方法中,所述的步骤5中下车乘客的运动规则具体为:
(1)当乘客还未下车时(未穿过车门时)的期望运动方向恒指向下车车门中央;
(2)若下车车门不在乘客粒子的视野范围之内,则乘客的期望运动方向指向车门边缘,直到其运动到车门边缘之后再变为后车门中央;
(3)当乘客成功下车(穿过车门)后,乘客将选择路径离开公交站点,其路径期望方向随机生成,其纵向速度分量远离公交车体。
本发明的有益效果是:
传统的公交乘客上下车分析方法主要根据乘客IC卡刷卡记录以及公交车自动定位系统(AVL)数据推导乘客上下车人数、时耗或客流OD,忽略了现实公交乘客上下车运动过程中由于微观情景的不同所引起的时间延误。本发明所提出的基于社会力模型的公交乘客上下车行为仿真方法,通过分析公交上下车乘客流交通特性,提出多智能体仿真与社会力模型相结合的思路,构建公交上下车乘客流行为仿真模型框架与判定规则,实现对乘客上下车阶段时间和公交停站总时间的模拟与预测,能够为决策者提供理论数据,提高公交停站效率,优化公交车辆和公交站点的设计和布局,改善公交系统整体的运营水平,提高公交系统的服务满意度,以吸引更多的出行者选择公交出行。
附图说明
图1为基于社会力模型的公交乘客上下车行为仿真方法流程图。
图2为乘客上下车时间仿真对比图。
具体实施方式
以下将结合南京市某公交站点的实地调查数据与说明书附图,对本发明方法做进一步详细说明。
一、情景参数设定
对本发明步骤1、2中所需的情景参数进行设定。根据实地调查情况,将站点设为标准的二泊位、两站台式公交站点,并配备有站牌、挡棚,而未配备候车护栏;其周边用地为居民和风景区,具体情况如表1所示。
表1公交站点相关信息
设置站点站台和站点设施的相关尺寸,具体如表2所示:
表2站台和站点设施尺寸列表
除此之外,还对站点服务的各路线公交车车型、公交车到达规律方面数据和各路线乘
客到达规律数据进行调查,得到具体调查情况和数据如表3和表4所示。
表3站点服务公交路线及尺寸表
表4站点服务公交和乘客到达规律数据表
二、模型参数标定
以实地调查数据为对比指标,通过多次运行事先所构建的仿真模型,比对模型仿真结
果和实际调查结果判断模型参数标定情况。若仿真结果与实际调查结果的偏差在设定的误差范围以内,则模型参数较为合理,停止标定过程,确定最终模型参数;否则对内部模型参数进行修改,并重新运行模型、修改参数直至模型结果符合误差范围。研究经过比对,最终确定了模型的标定结果如表5所示。
表5模型整体参数取值列表
三、模型验证
为验证本发明所建立的模型可靠性与可行性,从公交车到站情况、乘客到站情况和乘客上下车行为三个方面比对仿真结果与实地调查数据的差异性。
(1)公交车到站仿真
本发明针对短时间段内的公交车到站规律和“相遇”规律进行了设定和建模,由于公交车建模参数较为随机,不能用一般的数据进行对比,因此本实例引入10分钟内各公交到站平均次数和10分钟内公交“相遇”事件发生次数两个数据对建立的模型进行验证,与实地调查数据进行对比,具体情况如表6所示。
表6公交到站事件统计结果
结果表明,仿真过程中公交站10分钟内各个路线公交到站次数和“相遇”次数的平均值分别为10.93次和0.88次,而实际调查中两者的值则分别为9.52次和0.73次,其偏差值分别为14.8%和20.5%。一般来说,仿真与实际值之间的偏差在20%的范围之内即可被认为为可接受的。因此,可认为本发明建立的公交车达站和相遇模型能够较为合理地对各路线公交车的到站和“相遇”情况进行了仿真。
(2)乘客到站仿真
在仿真模型中单个公交路线的公交到达乘客人数由乘客到站规律和公交间隔时间两者共同决定,以平均到站(服务)人数为参考进行验证可以同时对乘客到站和公交到站规律两个方面进行佐证。因此,本实例选定多个公交线路的平均到站(服务)人数为参考数据予以模型验证,具体情况如表7所示。
表7乘客到站事件统计结果
结果表明,仿真过程中乘客到达事件的仿真值与实际值的偏差均在15%左右,类似地,可以认为本发明所建立的模型在乘客到站仿真部分较为合理。
(3)乘客上下车时间仿真
本发明实例通过设定短时间段内各个公交路线乘客上车时间(第一个乘客上车到最后一个乘客上车之间的时间段)的平均值作为比对指标,应用实地调研结果判断本发明所构建模型的可靠性。
图2显示了同样30个上/下车乘客情况下,本发明所构建模型的输出值与实测值之间的对比情况,可以看出与下车乘客时间变化曲线的“抖动”情况明显低于上车乘客时间变化,即说明乘客上车时间比起下车时间收到外界波动的可能性更大。表8显示了各路线公交乘客的平均上车时间统计结果。
表8各路线乘客平均上车时间统计结果
结果表明,仿真过程中各线路乘客平均上车时间与实际结果偏差小于15%,故可以认为本发明所建立的模型在乘客上下车行为仿真方面较为合理。
本发明在基于社会力模型的公交乘客上下车行为仿真方面做了有益的探索,具有重要的理论价值和实践意义。
尽管本发明的实施例已公开如上,但还应该解释的是,以上实施例仅用于说明并非局限于本发明所描述的技术方案,本领域的普通技术人员应当理解,仍然可以对本发明提及的相关规则或方法进行修改和填充;而一切不脱离本发明的精神和范围的技术方案及其改进,均应涵盖在本发明的权利要求范围。
Claims (7)
1.一种基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,该方法包括以下步骤:
步骤1、拍摄上下车公交乘客行人流视频,应用图像处理技术记录公交乘客上下车过程中的基本特征,包括:上下车乘客的标号、二维空间坐标、速度、加速度、到站分布规律、上下车时间、购票时间以及公交车的到站分布规律、开关门时间、驶离时间等;
步骤2、将步骤1的仿真场景与车体沿垂直俯视方向向下投影为二维,对整个大场景划分为多个尺寸为Rs的小正方形网格进行建模,并按照顺序给每个网格进行编号,并根据仿真需求的不同赋予仿真场景不同的类,具体场景包括:站台、档棚、站牌、道路、车体、候车护栏;
步骤3、记Si为公交车i在站点的停站时间,对公交车的到站规律进行仿真设置,具体为:
首先,根据各路线第一辆公交车到站时刻序列以及服从类正态分布N(En,σn 2)的公交到站时间间隔序列,生成第j路公交路线上第k辆车到达站点的时间序列,其中n为公交线路的最大数;
其次,基于快速排列算法对生成的j·k个到站时间序列进行排序,输入数组arr[i]中并赋予序号0到j·k-1;
再次,从序号0开始,比较arr[i]+si与arr[i+1]的大小:若前者小于后者,则可以判定公交车i和j不存在“相遇”情况;反之,则再比较arr[i]+si与arr[i+2]:若前者小于后者,则可判定相遇车辆仅为车辆i与车辆i+1,如果前者大于后者,则再重复以上步骤,直到出现arr[i+k]大于arr[i]+si为止,则此时k-1辆公交车与公交车i“相遇”;
最后,对于序号为j(j∈[1,j·k-1])的任意公交车,若j-1号公交车与其无“相遇”情况,模型认为停靠于第一泊位处;反之,模型则认为其停靠于j-1号公交车占据泊位之后,与j-1公交车之间的最短距离为Dbs;
步骤4、将公交乘客视为一个以为半径的圆形主体,根据乘客性质的不同,将乘客分为三类进行建模:上车乘客、下车乘客和车内站立乘客;由于三类乘客的生成、分布和运动规则都各不相同,应对三类乘客的规则进行区分设定;
步骤5、引入乘客临域场景搜索算法,即在计算乘客的社会作用力时,只对其四周某个范围内的区域进行搜索,具体搜索算法如下所示:
首先,确定乘客质点所在的网格编号,根据乘客质点的二维坐标来计算乘客质心处于哪一个网格内:
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mi>x</mi>
<mi>R</mi>
</mfrac>
<mo>&rsqb;</mo>
<mo>+</mo>
<mi>m</mi>
<mo>&lsqb;</mo>
<mfrac>
<mi>y</mi>
<mi>R</mi>
</mfrac>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<msub>
<mi>L</mi>
<mi>x</mi>
</msub>
<mi>R</mi>
</mfrac>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:i表示计算乘客质心所在的网格编号,介于[0,m·n-1]之间;x指乘客质心横坐标的值;y指乘客质心纵坐标的值;R是乘客感知范围,取值为5米;Lx为仿真场景的横向长度;m为网格的横向个数;
其次,对该乘客质心周围R范围内进行搜索,即对编号为i,i+1,i-1,i-m,i-m+1,i-m-1,i+m-1,i+m和i+m+1的共9个网格进行搜索,搜索网格内所有其他乘客和所有障碍物,如果有的话则记录其所在网格编号与其坐标数据;
最后,用矢量力来表示乘客个体在运动时的真实受力情况,即认为乘客在运动时受到的社会力则包括乘客向着目标前进的自身驱动力,乘客与乘客之间的排斥力,乘客与公交车车体、站牌、座位之间的排斥力以及拥挤情况下乘客之间的挤压力;
步骤6、引入视野遮挡判定规则,修正公交乘客在运动过程时不被感知而产生的社会作用力,具体规则如下:
首先,确定计算乘客质心的坐标,并计算其所处网格编号i;
其次,基于临域搜索算法,对网格i周边的共9个网格进行搜索,找到距离该乘客质心最近的乘客的质心坐标(x1,y1),并基于快速排列算法,按距离远近的顺序(由近到远)对区域内其他乘客质心进行标号,标号范围为1到n;
然后,循环判断计算乘客质心与其他搜索乘客质心相连的线段是否与车体线段和座位线段相交,若相交而判定该搜索乘客不在计算乘客的感知视野范围以内;
再次,根据以下公式计算向量之间的夹角的大小,判断其他乘客质心(标号2到n)是否处于选定最近乘客的遮蔽范围之内:
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&beta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
<mo>+</mo>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
若cosβ比cosα大,则可以说明k号乘客质心在视野中被1号乘客遮挡,在力的计算阶段不予以计算;反之,则计算。
最后,重复本步骤的上述过程,对每位乘客进行判定,直至遍历所有乘客;
步骤7、引入规避碰撞判定规则,使乘客个体能够在扇区视野区域内搜索对向其他乘客,提前判别对向乘客之间是否有产生碰撞的可能性,若结果为真,则向计算乘客施加一个垂直于速度矢量的作用力从而实现对向乘客的规避行为,具体规则如下:
步骤701、确定计算乘客质心的坐标,并计算其所处网格编号i;
步骤702、对乘客i周边的共9个网格进行搜索,找到距离该乘客质心最近的乘客的质心坐标,并按距离远近的顺序对区域内其他乘客质心进行标号,标号范围为1到n;
步骤703、利用速度矢量的夹角判断两个乘客的行进方向是否相向,若夹角为直角或钝角即可判断为相向运动,进入下一步的计算;
步骤704、判断乘客是否在计算乘客的视野范围内,若在视野范围内则进入下一步的计算,其中视野范围指乘客双眼120度视角的扇形区域;
步骤705、判断乘客是否有相撞的可能:判断计算乘客速度矢量与乘客质心连线的夹角是否小于临界夹角φ;若小于临界角φ,即可判断乘客有相互碰撞的可能,进入下一步的计算步骤;
步骤706、计算乘客规避力且力的方向垂直于计算乘客速度矢量:
<mrow>
<mi>&phi;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mfrac>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>v</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&beta;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
2
式中:α是乘客i速度矢量与质心连线的夹角;β是质心连线与过乘客i质心和乘客j粒子切点直线的夹角。
2.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤2中大场景划分为尺寸选择以5米乘5米作为范围。
3.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤4中乘客生成规则具体为:
(1)模型对站点不同路线公交服务的上车乘客数量分别进行计算和建模;
(2)根据前述中调查得到的站点各公交路线乘客到站规律以及算法生成的各路线公交车到站间隔时间,计算在间隔时间内到达站点等待乘客数目;
(3)下车乘客和车内站立乘客数量均设定为随机生成的整数,若存在车内站立乘客,即说明车内所有座位均有乘客;
(4)乘客上下车行为开始后,上下车乘客的数量均不会发生改变,乘客的到站事件仅发生在对应路线公交到站之前。
4.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤4中乘客分布规则具体为:
(1)在确定的区域范围内根据二维均匀分布,随机生成乘客粒子质心坐标;
(2)遍历所有乘客质心,计算任意质心之间的直线距离;
(3)比较所有计算距离与乘客半径的大小,若存在至少一个计算距离小于乘客半径,则判定该生成粒子与其他粒子产生重叠,并将该生成粒子删除;反之则生成粒子。
5.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤4中车内站立乘客的运动规则仅受社会力作用,不对其施加行进驱动力:车内站立乘客仅当受到上车或下车乘客产生的社会作用力时,才会发生运动,否则保持稳定的静止状态。
6.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤4中上车乘客的运动规则具体为:
(1)当乘客还未上车时的期望运动方向恒指向上车车门中央;
(2)当乘客成功上车后,模型设定其期望运动方向暂时变为垂直于公交车体,直至其运动到公交步行区域中;
(3)依据乘客类型的不同,计算其是否存在购票“停顿”事件,若存在“停顿”事件其增加的“停顿”时间为其实际穿越车门时间的30%;
(4)上车乘客仅按照空位与乘客自身的远近进行选择,即优先选择距离自己更近的空余座位;若车内无空余座位,则此时上车乘客将类似于车内站立乘客,期望运动方向随机指向拉手吊环附近。
7.根据权利要求1所述的基于社会力模型的公交乘客上下车行为仿真方法,其特征在于,所述的步骤4中下车乘客的运动规则具体为:
(1)当乘客还未下车时的期望运动方向恒指向下车车门中央;
(2)若下车车门不在乘客粒子的视野范围之内,则乘客的期望运动方向指向车门边缘,直到其运动到车门边缘之后再变为后车门中央;
(3)当乘客成功下车后,乘客将选择路径离开公交站点,其路径期望方向随机生成,其纵向速度分量远离公交车体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227212.7A CN107066723B (zh) | 2017-04-10 | 2017-04-10 | 一种基于社会力模型的公交乘客上下车行为仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227212.7A CN107066723B (zh) | 2017-04-10 | 2017-04-10 | 一种基于社会力模型的公交乘客上下车行为仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066723A true CN107066723A (zh) | 2017-08-18 |
CN107066723B CN107066723B (zh) | 2020-06-09 |
Family
ID=59602362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710227212.7A Expired - Fee Related CN107066723B (zh) | 2017-04-10 | 2017-04-10 | 一种基于社会力模型的公交乘客上下车行为仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066723B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549953A (zh) * | 2018-03-16 | 2018-09-18 | 华南理工大学 | 一种单侧开门城市轨道交通停站时间规划的方法 |
CN108804812A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的路段施工区异质交通流模型建立方法 |
CN108804810A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的交叉口横跨式施工区交通流模型建立方法 |
CN110515311A (zh) * | 2019-07-22 | 2019-11-29 | 北京交通大学 | 城市轨道交通列车客流的动态仿真系统 |
CN110751325A (zh) * | 2019-10-16 | 2020-02-04 | 中国民用航空总局第二研究所 | 一种建议生成方法、交通枢纽部署方法、装置及存储介质 |
CN111071305A (zh) * | 2019-12-06 | 2020-04-28 | 北京交通运输职业学院 | 城市轨道交通列车停站时间智能估算方法及装置 |
CN114724375A (zh) * | 2022-05-05 | 2022-07-08 | 厦门理工学院 | 一种基于物联网的反向乘客识别系统 |
CN114741891A (zh) * | 2022-04-22 | 2022-07-12 | 大连海事大学 | 一种基于超细观仿真的港湾式公交站效率评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009019920A (ja) * | 2007-07-10 | 2009-01-29 | Toyota Central R&D Labs Inc | 経路探索装置、交通シミュレーション装置、歩行者挙動予測装置、及びプログラム |
WO2011032781A1 (en) * | 2009-09-16 | 2011-03-24 | Siemens Aktiengesellschaft | Method and apparatus for configuring a motion simulation device |
CN102800192A (zh) * | 2012-08-09 | 2012-11-28 | 中铁第四勘察设计院集团有限公司 | 快速公交系统通行能力的预测方法 |
CN103646253A (zh) * | 2013-12-16 | 2014-03-19 | 重庆大学 | 基于乘客多运动行为分析的公交车客流统计方法 |
CN105678036A (zh) * | 2016-03-17 | 2016-06-15 | 东南大学 | 公交车辆在公交站点停靠时间的测算方法及系统 |
CN105844229A (zh) * | 2016-03-18 | 2016-08-10 | 深圳大学 | 一种乘客拥挤度的计算方法及其系统 |
-
2017
- 2017-04-10 CN CN201710227212.7A patent/CN107066723B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009019920A (ja) * | 2007-07-10 | 2009-01-29 | Toyota Central R&D Labs Inc | 経路探索装置、交通シミュレーション装置、歩行者挙動予測装置、及びプログラム |
WO2011032781A1 (en) * | 2009-09-16 | 2011-03-24 | Siemens Aktiengesellschaft | Method and apparatus for configuring a motion simulation device |
CN102800192A (zh) * | 2012-08-09 | 2012-11-28 | 中铁第四勘察设计院集团有限公司 | 快速公交系统通行能力的预测方法 |
CN103646253A (zh) * | 2013-12-16 | 2014-03-19 | 重庆大学 | 基于乘客多运动行为分析的公交车客流统计方法 |
CN105678036A (zh) * | 2016-03-17 | 2016-06-15 | 东南大学 | 公交车辆在公交站点停靠时间的测算方法及系统 |
CN105844229A (zh) * | 2016-03-18 | 2016-08-10 | 深圳大学 | 一种乘客拥挤度的计算方法及其系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549953A (zh) * | 2018-03-16 | 2018-09-18 | 华南理工大学 | 一种单侧开门城市轨道交通停站时间规划的方法 |
CN108549953B (zh) * | 2018-03-16 | 2020-07-28 | 华南理工大学 | 一种单侧开门城市轨道交通停站时间规划的方法 |
CN108804812A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的路段施工区异质交通流模型建立方法 |
CN108804810A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的交叉口横跨式施工区交通流模型建立方法 |
CN110515311A (zh) * | 2019-07-22 | 2019-11-29 | 北京交通大学 | 城市轨道交通列车客流的动态仿真系统 |
CN110751325A (zh) * | 2019-10-16 | 2020-02-04 | 中国民用航空总局第二研究所 | 一种建议生成方法、交通枢纽部署方法、装置及存储介质 |
CN111071305A (zh) * | 2019-12-06 | 2020-04-28 | 北京交通运输职业学院 | 城市轨道交通列车停站时间智能估算方法及装置 |
CN111071305B (zh) * | 2019-12-06 | 2021-12-31 | 北京交通运输职业学院 | 城市轨道交通列车停站时间智能估算方法及装置 |
CN114741891A (zh) * | 2022-04-22 | 2022-07-12 | 大连海事大学 | 一种基于超细观仿真的港湾式公交站效率评估方法 |
CN114724375A (zh) * | 2022-05-05 | 2022-07-08 | 厦门理工学院 | 一种基于物联网的反向乘客识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107066723B (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066723A (zh) | 一种基于社会力模型的公交乘客上下车行为仿真方法 | |
Xing et al. | Examining traffic conflicts of up stream toll plaza area using vehicles’ trajectory data | |
Shao et al. | Autonomous pedestrians | |
CN101807224B (zh) | 中微观一体化交通仿真车流加载方法 | |
Qu et al. | Modeling detour behavior of pedestrian dynamics under different conditions | |
CN108776852A (zh) | 无桩车辆调度方法和系统 | |
CN107293115A (zh) | 一种用于微观仿真的交通流量预测方法 | |
Li et al. | Using cellular automata to investigate pedestrian conflicts with vehicles in crosswalk at signalized intersection | |
Anvari et al. | Calibration and validation of a shared space model: Case study | |
Biedermann et al. | A hybrid and multiscale approach to model and simulate mobility in the context of public events | |
Harris et al. | A mesoscopic simulation model for airport curbside management | |
Zhang et al. | Cellular automata–based model for simulating vehicular–pedestrian mixed flows in a congested network | |
Li et al. | Impacts of group behavior on boarding process at the platform of high speed railway station | |
Zhou et al. | Pedestrian evacuation time model for urban metro hubs based on multiple video sequences data | |
Li et al. | Microscopic dynamic simulation model for pedestrian at signalized intersection | |
Xiang et al. | A weighted mean velocity feedback strategy in intelligent two-route traffic systems | |
CN109447352B (zh) | 一种公交出行od矩阵反推的组合方法 | |
Fletcher et al. | RateSetter: roadmap for faster, safer, and better platform train interface design and operation using evolutionary optimisation | |
Gao et al. | Modeling and simulation of passenger flow distribution in urban rail transit hub platform | |
CN110377982A (zh) | 自动驾驶性能的测试方法及系统、电子设备、存储介质 | |
Zhou et al. | Research on risk assessment of uav to buildings | |
Alexandersson et al. | Pedestrians in microscopic traffic simulation. Comparison between software Viswalk and Legion for Aimsun. | |
CN114937506A (zh) | 一种面向疫情防控的公交车在途强化学习速度控制方法 | |
Rodriguez et al. | Environmental effect on egress simulation | |
Jiang et al. | Simulation-based heterogeneous pedestrian evacuation in subway stations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200609 |