CN107507271B - 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法 - Google Patents

交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法 Download PDF

Info

Publication number
CN107507271B
CN107507271B CN201710675534.8A CN201710675534A CN107507271B CN 107507271 B CN107507271 B CN 107507271B CN 201710675534 A CN201710675534 A CN 201710675534A CN 107507271 B CN107507271 B CN 107507271B
Authority
CN
China
Prior art keywords
traffic
road network
traffic index
simulation
scene
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
CN201710675534.8A
Other languages
English (en)
Other versions
CN107507271A (zh
Inventor
伍朝辉
王亮
王枫
梁龙
孙虹
赵正松
郭瑜
王辉
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.)
China Academy of Transportation Sciences
Original Assignee
China Academy of Transportation Sciences
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 China Academy of Transportation Sciences filed Critical China Academy of Transportation Sciences
Priority to CN201710675534.8A priority Critical patent/CN107507271B/zh
Publication of CN107507271A publication Critical patent/CN107507271A/zh
Application granted granted Critical
Publication of CN107507271B publication Critical patent/CN107507271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/61—Scene description

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，包括：拟合得到实际路网车辆密度与实际交通指数之间的初始关系函数；拟合目标交通指数与初始流量输入最优值之间的关系函数；设置需要被仿真的交通指数，得到对应的初始流量输入最优值；仿真出对应交通指数的交通运行场景；将运行场景以数字投影沙盘的方式进行虚实融合三维动态展示。优点为：可以准确仿真出指定交通指数的交通运行场景，并将仿真得到的高速公路交通运行场景以数字投影沙盘的方式进行直观的虚实融合三维动态展示，提高不同交通指数所表达的实际交通拥堵程度的直观性，进而提升交通规划与管理人员辅助决策水平。

Description

交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法
技术领域
本发明属于交通仿真技术领域，具体涉及一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法。
背景技术
交通仿真是研究复杂交通问题的重要工具，尤其是当一个系统过于复杂，无法用简单抽象的数学模型描述时，交通仿真的作用就更为突出。交通仿真可以清晰的辅助分析预测交通堵塞的地段和原因，对城市规划、交通工程和交通管理的有关方案进行比较和评价，在问题成为现实以前，尽量避免，或有所准备。
交通指数，也称交通拥堵指数或交通运行指数，是综合反映道路网畅通或拥堵的概念性指数值。交通管理者及交通参与者通过交通指数，可以得到全路网或者区域路网的交通状态，以便及时采取有效措施，提高出行效率，减少拥堵发生。交通指数是集交通拥堵空间范围、持续时间、严重程度为一体的综合性数值。交通指数取值范围为0-10，分为5个级别，即“畅通”、“基本畅通”、“轻度拥堵”、“中度拥堵”、“严重拥堵”，数值越高表明交通拥堵状况越严重，如表1所示。
表1不同交通指数级别释义表
交通指数 指数级别 释义
0～2 畅通 居民可顺畅到达目的地。
2～4 基本畅通 居民一次出行平均需要比畅通时多花费0.2-0.5倍时间。
4～6 轻度拥堵 居民一次出行平均需要比畅通时多花费0.5-0.8倍时间。
6～8 中度拥堵 居民一次出行平均需要比畅通时多花费0.8-1.1倍时间。
8～10 严重拥堵 居民一次出行平均需要比畅通时多花费1.1倍以上时间。
对不同交通拥堵场景进行仿真，具有重要的应用和学术价值。针对高速公路典型路网，根据高速公路交通运行情况和交通运行指数的计算方法，可以计算得到高速公路路网中拥堵里程比例、不同路段的交通量和路段的平均行驶时间等数据，通过反向计算拥堵指数与仿真设置参数之间的关系，可以仿真模拟出不同指数级别的高速公路交通运行动态场景，直观展示不同交通指数所表征的拥堵状况。
目前，国内外对交通拥堵仿真与展示方面的研究较多，主要从时间、空间和拥堵程度等方面对道路交通拥堵状况进行仿真与交通指数计算，但仍存在一些不足：(1)难以复现稳定运行的指定交通指数的场景仿真：已有的交通拥堵仿真，大多是先利用交通仿真软件进行交通仿真，然后根据仿真结果进行交通指数的计算，进而形成仿真场景与交通指数之间的对应。每次交通仿真得到的交通指数是预先不知道的，难以生成指定交通指数的交通运行场景；(2)缺少对交通仿真场景的直观展示方法：已有的交通仿真大多是通过显示器进行二维展示，缺少具有一定沉浸感的直观展示方法。
发明内容
针对现有技术存在的缺陷，本发明提供一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，可有效解决上述问题。
本发明采用的技术方案如下：
本发明提供一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，包括以下步骤：
步骤1，给定某一高速公路路网，利用交通仿真软件构建虚拟路网；设置仿真基本参数，包括路网总长度L、车道数Nroad以及车辆运行参数；
在所述虚拟路网中设置车流量产生源点以及源点产生的流量值；从t＝0开始进行交通仿真，仿真方法为：车流量产生源点按照所述流量值不断向虚拟路网投入车辆，从而使路网车辆数从0开始不断增加直至路网饱和；在路网车辆数从0开始不断增加直至路网饱和的过程中，设置采样时间间隔，每达到采样时间时，检测所述虚拟路网的实际交通指数值和实际路网车辆密度值；由此得到多个实际交通指数值和对应的实际路网车辆密度值；
以所述实际路网车辆密度值为横坐标，以所述实际交通指数值为纵坐标，拟合得到实际路网车辆密度与实际交通指数之间的初始关系函数；
步骤2，给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；s为离散的目标交通指数的数量，对于每一个目标交通指数TPIgiven，均执行以下步骤2.1-步骤2.3：
步骤2.1，通过下式计算流量Vinput：
Figure BDA0001374179160000031
其中：Ncar代表路网车辆数，Ncar＝Densitygiven×L×Nroad；
Densitygiven为路网车辆密度值，通过以下方式获得：查找步骤1得到的所述初始关系函数，得到与所述目标交通指数TPIgiven对应的路网车辆密度值Densitygiven；
步骤2.2，设置定义域[Vinput-ΔV,Vinput+ΔV]，其中，ΔV为流量变化量，为初始已知值；
在所述定义域中均匀选取u个流量值，分别为V1,V2,…,Vs，对于每个选取到的流量值Vk，其中，K∈(1,2,…,S)，均执行以下步骤2.2.1-步骤2.2.3：
步骤2.2.1，首先进入初始化仿真阶段；在初始化仿真阶段，初始化时间为tinit，路网车辆只进不出，在初始化阶段，车流量产生源点按流量值Vk产生流量，使仿真得到的路网交通指数逼近目标交通指数TPIgiven；
步骤2.2.2，然后进入稳定运行仿真阶段，在稳定运行仿真阶段，按路网内车辆输入流量等于输出流量或路网内车辆不进不出的原则进行仿真运行；在稳定运行仿真阶段，选取仿真评价时间段[tinit,tend]，其中，tinit为仿真评价时间段的起始时间，tend为仿真评价时间段的终止始时间；在仿真评价时间段[tinit,tend]中，设置Δt为时间采样间隔，Nt为采样数量，则：tend＝tinit+(Nt×Δt)；
在仿真评价时间段[tinit,tend]中，以Δt为时间间隔进行采样，并计算每个时间间隔的路网交通指数TPIj，j＝1,2,…,Nt；
步骤2.2.3，设置仿真场景的路网交通指数TPIj与目标交通指数TPIgiven差异的评价函数：O＝||TPIj-TPIgiven||2 (1)
由此得到仿真评价时间段[tinit,tend]仿真场景的路网交通指数与目标交通指数TPIgiven差异的目标函数：
Figure BDA0001374179160000041
将步骤2.2.2计算得到的TPIj代入公式(2)，得到与选取的流量值Vk对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
因此，在所述定义域中共选取u个流量值，分别为V1,V2,…,Vs；V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
步骤2.3，求解满足最小化目标函数的初始流量输入最优值：
Figure BDA0001374179160000042
即：V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值，最小差异值所对应的流量值即为初始流量输入最优值
Figure BDA0001374179160000043
步骤3，因此，对于给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；分别计算得到仿真所需设置的初始流量输入最优值
Figure BDA0001374179160000044
步骤4，拟合目标交通指数TPIgiven与仿真场景设置的初始流量输入最优值
Figure BDA0001374179160000045
之间的关系函数：
Figure BDA0001374179160000046
即给定交通指数，可得到仿真出该交通指数运行场景所需设置的初始流量输入最优值；
步骤5，设置需要被仿真的交通指数，利用步骤4得到的关系函数，得到与需要被仿真的交通指数对应的初始流量输入最优值；然后，以初始流量输入最优值为初始值，仿真出对应交通指数的高速公路交通运行场景；
步骤6，将步骤5仿真得到的高速公路交通运行场景以数字投影沙盘的方式进行直观的虚实融合三维动态展示。
优选的，步骤1中，每达到采样时间时，检测所述虚拟路网的实际交通指数值和实际路网车辆密度值，具体为：
设置检测器；每达到采样时间时，检测器检测到路网车辆数Ncar；然后，基于下式计算得到实际路网车辆密度值：
Figure BDA0001374179160000051
所述虚拟路网的实际交通指数值通过下述步骤计算：
1)获取路网行程时间比与交通指数值之间的映射关系；
2)基于下式计算得到路网行程时间比：
Figure BDA0001374179160000052
TTIkj—路段j在某一时间间隔k内的行程时间比；
Figure BDA0001374179160000053
—时间间隔k内车辆行驶过路段j所使用的平均时间，
Figure BDA0001374179160000054
或者
Figure BDA0001374179160000055
n为车辆数；Lj是时间间隔k内车辆在路段j上行驶的距离；Vkj是时间间隔k内路段j的平均行程速度；
Figure BDA0001374179160000056
—路段j在自由流状态下的行程时间；
当
Figure BDA0001374179160000057
小于
Figure BDA0001374179160000058
时，设定TTI＝1；
3)根据路网行程时间比与交通指数值之间的映射关系，得到与路网行程时间比对应的交通指数值。
优选的，步骤1中，车流量产生源点按照所述流量值不断向虚拟路网投入车辆，从而使路网车辆数从0开始不断增加直至路网饱和，具体为：
1)设置仿真中交通组成固定，包括：车型、车型比例、每种类型车辆期望车速及分布；
2)设置路网车流量产生源点固定，路网车辆只进不出，流量产生时间上服从均匀分布；
3)路网饱和条件为交通拥堵指数等于10。
优选的，步骤6具体为：
设计一个投影沙盘，底部为3D打印生成的路网场景微缩实物模型，将步骤5仿真到的高速公路交通运行场景以俯视图投影到微缩实物模型上，进行直观的三维展示，并实时显示路网交通指数的变化。
优选的，步骤6中，所述3D打印生成的路网场景微缩实物模型包含地形、道路、收费站、交通标志实物微缩模型。
优选的，步骤6中，还包括：沙盘展示分为三维和二维两种展示形式，设计一个可取放的平台投影幕布和一个三维微缩实物沙盘，在二维场景展示时，将投影幕布遮盖在三维微缩实物沙盘上方；在进行三维场景虚实融合展示时，将投影幕布拉开，投影内容直接叠加到三维微缩实物沙盘上，增加三维微缩实物沙盘展示的通用性。
优选的，还包括：
步骤7，利用体感控制器实现不同交通指数场景间的选择与切换。
优选的，步骤7具体为：
步骤7.1，利用体感控制器进行交通指数切换的控制：初始场景选择根据体感控制器捕捉到的手势中手指的数量进行选择，1-5个手指分别表示{畅通，基本畅通，轻度拥堵，中度拥堵，严重拥堵}五种场景，对应交通指数初始选择为{1,3,5,7,9}；
步骤7.2，在体感控制器上方，向左挥动一次手切换到交通指数减0.5的交通运行场景，向右挥一次手切换到交通指数加0.5的交通运行场景；其中，交通指数切换的上下限分别为10.0和0。
本发明提供的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法具有以下优点：
可以准确仿真出指定交通指数的交通运行场景，并且，仿真到的交通运行场景可稳定运行；并将仿真得到的高速公路交通运行场景以数字投影沙盘的方式进行直观的虚实融合三维动态展示，提高交通运行规划和管理人员感知不同交通指数所表达的实际交通拥堵程度的直观性，进而提升交通规划与管理人员辅助决策水平。
附图说明
图1为本发明提供的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法的一种流程示意图。
图2为本发明提供的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法的一种具体实施流程示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明旨在通过交通仿真和电子沙盘的互动展示，让交通运行规划和管理人员直观感知不同交通指数所表达的实际交通拥堵程度，并对不同拥堵疏导策略对交通运行的影响进行直观展示，提升交通规划与管理人员辅助决策水平。本发明还可用于交通科普教育，让观众看懂道路交通运行指数，直观感知不同交通指数所表达的实际交通拥堵程度，提升科普受众对交通拥堵情况及疏导策略的认知和理解，有助于科普受众在今后出行中看懂交通指数，服从交通诱导，倡导绿色出行，缓解交通拥堵。
本发明提供的一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，核心思想之一为：
为准确仿真出稳定运行的指定交通指数的高速公路交通运行场景，需拟合初始流量输入值与交通指数之间的定量关系，因此，才能基于初始流量输入值，拟合到特定交通指数的交通运行场景。
对于固定路网，难以直接得到仿真参数中初始流量输入值与交通指数之间的定量关系，因此，本发明设置初始化和优化两个阶段。在初始化阶段，即下述步骤1，拟合不断变化的初始流量输入值与瞬态交通指数之间的初始关系函数，为优化和确定两者之间的精确关系提供参考初值；具体的，在初始化阶段，通过不断增加路网车辆数直至路网饱和，拟合路网车辆密度与瞬态交通指数之间的关系函数，进而得到初始流量输入值与交通指数的初始关系函数，但这一关系函数描述的是车流量不断增加过程中瞬态交通指数的变化，这里的交通指数场景是瞬态变化的交通场景，而不是在一定时间内稳定运行的指定交通指数场景，因此需要进一步优化两者之间的关系。
在优化阶段，即下述步骤2-步骤4，进一步计算初始流量输入值与在一定时间范围内稳定运行的交通指数之间的关系函数，从而才能仿真出稳定运行的指定交通指数的高速公路交通运行场景。
下面结合附图，对本发明详细介绍：
参考图1，本发明提供一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，当给定一个[0,10]的任意交通指数，均可仿真出稳定运行的对应指数的高速公路交通运行场景，并以数字投影沙盘的方式进行直观的虚实融合三维动态展示。包括以下步骤：
步骤1，给定某一高速公路路网，利用交通仿真软件构建虚拟路网；设置仿真基本参数，包括路网总长度L(单位：千米)、车道数Nroad以及车辆运行参数；
在所述虚拟路网中设置车流量产生源点以及源点产生的流量值；从t＝0开始进行交通仿真，仿真方法为：车流量产生源点按照所述流量值不断向虚拟路网投入车辆，从而使路网车辆数从0开始不断增加直至路网饱和。
在这一步骤中，路网饱和条件可以设置为交通拥堵指数等于10.0，这是因为拥堵指数大于10.0时，已经超出本发明能够展示的交通指数范围。在输入流量设置时，应假设交通组成固定，即车型、车型比例、每种类型车辆期望车速及分布是固定的。为构建路网车辆密度与交通指数之间的关系，在设置路网车流量产生源点时应考虑其在空间中的分布位置，多个车流量产生源点时应在路网中均匀分析，车流量产生源点一旦确定，其位置固定。路网车辆只进不出，流量产生时间上服从均匀分布，因此，路网交通量＝输入流量×仿真时间。
在路网车辆数从0开始不断增加直至路网饱和的过程中，设置采样时间间隔，每达到采样时间时，检测所述虚拟路网的实际交通指数值和实际路网车辆密度值；由此得到多个实际交通指数值和对应的实际路网车辆密度值；
其中，实际交通指数值和对应的实际路网车辆密度值通过以下方法计算：
可设置检测器；每达到采样时间时，检测器检测到路网车辆数Ncar；然后，基于下式计算得到实际路网车辆密度值：
Figure BDA0001374179160000091
所述虚拟路网的实际交通指数值通过“行程时间比”的方法进行计算。行程时间比值越大表示交通运行状况越差，即越拥堵。具体计算步骤如下：
1)获取路网行程时间比与交通指数值之间的映射关系；
路网行程时间比与交通指数值之间的映射关系可基于下面的推荐转换关系表得到：
表2路网行程时间比与交通(行程时间)指数的推荐转换关系表
Figure BDA0001374179160000092
Figure BDA0001374179160000101
2)基于下式计算得到路网行程时间比：
Figure BDA0001374179160000102
TTIkj—路段j在某一时间间隔k内的行程时间比；时间间隔应不大于15分钟(0.25小时)；
Figure BDA0001374179160000103
—时间间隔k内车辆行驶过路段j所使用的平均时间，
Figure BDA0001374179160000104
或者
Figure BDA0001374179160000105
n为车辆数；Lj是时间间隔k内车辆在路段j上行驶的距离；Vkj是时间间隔k内路段j的平均行程速度；
Figure BDA0001374179160000106
单位为小时(h)；
Figure BDA0001374179160000107
—路段j在自由流状态下的行程时间，单位为小时(h)；
当
Figure BDA0001374179160000108
小于
Figure BDA0001374179160000109
时，设定TTI＝1；
自由流速度定义：
针对评价路段按如下步骤进行计算，单位为千米每小时(km/h)。
a)将6:00至24:00按给定时间间隔等分，其间隔长度不超过15分钟。
b)计算每一时间间隔平均行程速度的算术平均值，样本天数应不少于30天。
c)将计算出的平均值从大到小排序，取排序结果的前1/9进行平均，其结果作为路段自由流速度。
d)当计算得到的自由流速度超过道路限速时取限速。
在行程时间比方法的计算中，自由流速的标定不直接采用道路限制速度，而是参考《美国道路通行能力手册》中的方法进行标定。
FFS＝BFFS-fLW-fLC-fM-fA,
式中：
FFS—预估高速公路自由流速度(km/h)；
BBFS—期望高速公路自由流速度，取道路限速(km/h)；
fLW—道路宽度参数(km/h)；
fLC—侧向净宽参数(km/h)；
fM—中间带形式参数(km/h)；
fA—可进入点参数(km/h)。
平均行程速度定义：
路段平均行程速度计算的最小间隔应不大于5分钟(0.083小时)，计算方法如下：
Figure BDA0001374179160000111
式中：
Vkj—时间间隔k内路段j的平均行程速度，单位为千米每小时(km/h)；
Lkji—时间间隔k内第i辆车在路段j上行驶的距离，单位为千米(km)；
tkji—时间段k内第i辆车通过路段j的行程时间，单位为小时(h)；
n—观测行程时间的车次数。
3)根据路网行程时间比与交通指数值之间的映射关系，得到与路网行程时间比对应的交通指数值。
以所述实际路网车辆密度值为横坐标，以所述实际交通指数值为纵坐标，拟合得到实际路网车辆密度与实际交通指数之间的初始关系函数；
步骤2，给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；s为离散的目标交通指数的数量，对于每一个目标交通指数TPIgiven，均执行以下步骤2.1-步骤2.3：
步骤2.1，通过下式计算流量Vinput：
Figure BDA0001374179160000112
其中：Ncar代表路网车辆数，Ncar＝Densitygiven×L×Nroad；
Densitygiven为路网车辆密度值，通过以下方式获得：查找步骤1得到的所述初始关系函数，得到与所述目标交通指数TPIgiven对应的路网车辆密度值Densitygiven(单位：车辆数/千米)；
步骤2.2，设置定义域[Vinput-ΔV,Vinput+ΔV]，其中，ΔV为流量变化量，为初始已知值；
在所述定义域中均匀选取u个流量值，分别为V1,V2,…,Vs，对于每个选取到的流量值Vk，其中，K∈(1,2,…,S)，均执行以下步骤2.2.1-步骤2.2.3：
步骤2.2.1，首先进入初始化仿真阶段；在初始化仿真阶段，初始化时间为tinit，路网车辆只进不出，在初始化阶段，车流量产生源点按流量值Vk产生流量，使仿真得到的路网交通指数逼近目标交通指数TPIgiven；
步骤2.2.2，然后进入稳定运行仿真阶段，在稳定运行仿真阶段，按路网内车辆输入流量等于输出流量或路网内车辆不进不出的原则进行仿真运行；在稳定运行仿真阶段，选取仿真评价时间段[tinit,tend]，其中，tinit为仿真评价时间段的起始时间，tend为仿真评价时间段的终止始时间；在仿真评价时间段[tinit,tend]中，设置Δt为时间采样间隔，Nt为采样数量，则：tend＝tinit+(Nt×Δt)；
在仿真评价时间段[tinit,tend]中，以Δt为时间间隔进行采样，并计算每个时间间隔的路网交通指数TPIj，j＝1,2,…,Nt；
步骤2.2.3，设置仿真场景的路网交通指数TPIj与目标交通指数TPIgiven差异的评价函数：O＝||TPIj-TPIgiven||2 (1)
由此得到仿真评价时间段[tinit,tend]仿真场景的路网交通指数与目标交通指数TPIgiven差异的目标函数：
Figure BDA0001374179160000121
将步骤2.2.2计算得到的TPIj代入公式(2)，得到与选取的流量值Vk对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
因此，在所述定义域中共选取u个流量值，分别为V1,V2,…,Vs；V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
步骤2.3，求解满足最小化目标函数的初始流量输入最优值：
Figure BDA0001374179160000131
即：V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值，最小差异值所对应的流量值即为初始流量输入最优值
Figure BDA0001374179160000132
步骤3，因此，对于给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；分别计算得到仿真所需设置的初始流量输入最优值
Figure BDA0001374179160000133
通常情况下，i＝{0.5,1.0,1.5,…,10.0}；得到仿真所需设置的初始流量输入最优值
Figure BDA0001374179160000134
当采用此种设置方式时，可采用图2所示的循环过程进行目标函数的求解。
步骤4，拟合目标交通指数TPIgiven与仿真场景设置的初始流量输入最优值
Figure BDA0001374179160000135
之间的关系函数：
Figure BDA0001374179160000136
即给定交通指数，可得到仿真出该交通指数运行场景所需设置的初始流量输入最优值；
步骤5，设置需要被仿真的交通指数，利用步骤4得到的关系函数，得到与需要被仿真的交通指数对应的初始流量输入最优值；然后，以初始流量输入最优值为初始值，仿真出对应交通指数的高速公路交通运行场景；设定合理展示视点，输出视频流，形成展示数字内容。
因此，只需要灵活设置不同的交通指数，采用以上方法就可以仿真出对应交通指数的高速公路交通运行场景。
步骤6，将步骤5仿真得到的高速公路交通运行场景以数字投影沙盘的方式进行直观的虚实融合三维动态展示。
步骤6具体为：
设计一个投影沙盘，底部为3D打印生成的路网场景微缩实物模型，路网场景微缩实物模型包含地形、道路、收费站、交通标志实物微缩模型。将步骤5仿真到的高速公路交通运行场景以俯视图投影到微缩实物模型上，进行直观的三维展示，并实时显示路网交通指数的变化。
本步骤具体包括：
步骤6.1利用图形建模软件对三维场景建模，在虚拟空间构建三维交通场景，考虑系统展示的要求，尽量不对复杂建筑进行精细建模，而重点构建建筑物和场景对象的拓扑结构，结合纹理贴图来快速重建复杂交通环境。
步骤6.2将三维场景模型输入到交通仿真软件中，用于在交通仿真软件中构建三维环境模型；
步骤6.3利用3D打印机精确打印步骤6.1构建的三维场景建模，为虚实融合的数字内容显示提供实物平台基础。3D打印是一种快速成型技术，以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。根据三维交通场景的数字模型，采用分块3D打印与组装拼接来制作较大范围的数字沙盘模型；
还包括：沙盘展示分为三维和二维两种展示形式，设计一个可取放的平台投影幕布和一个三维微缩实物沙盘，在二维场景展示时，将投影幕布遮盖在三维微缩实物沙盘上方；在进行三维场景虚实融合展示时，将投影幕布拉开，投影内容直接叠加到三维微缩实物沙盘上，增加三维微缩实物沙盘展示的通用性。
具体的，投影沙盘的增强现实融合显示，打印出的数字沙盘模型没有太多的颜色信息，还需要结合视频投影融合进行数字内容的动态展示。利用数字投影系统，将数字内容投影叠加到打印好的沙盘实物模型上，通过空间增强技术将真实场景在微缩模型上实时重现。通过相机注册完成投影与沙盘的融合。与常规的空间增强现实技术不同，投影系统的融合不需要对图像进行建模，而是使用图像的方式完成对相机的注册，因此相机的注册问题就转变成了图像的对齐问题。由于投影投出的图像为俯视图，而相机拍摄的图像为斜视图，需要对图像进行仿射变换。仿射变换将采用交互的方式实现，用户手动在底图和相机采集的图像中选取若干组对应的点或线特征，由于深度不连续以及模型与真实场景中存在的误差，仿射变换不能仅仅通过一次计算得到，需要经过若干次迭代计算出一个满足最小误差的结果。通过仿射变换仅仅完成了视角的校正，由于先前提到的深度不连续以及模型误差，还需要使用基于移动最小二乘法的图像变形算法对图像进行局部变形处理，从而完成相机注册。
还包括：
步骤7，利用体感控制器实现不同交通指数场景间的选择与切换。
步骤7具体为：
步骤7.1，利用体感控制器进行交通指数切换的控制：初始场景选择根据体感控制器捕捉到的手势中手指的数量进行选择，1-5个手指分别表示{畅通，基本畅通，轻度拥堵，中度拥堵，严重拥堵}五种场景，对应交通指数初始选择为{1,3,5,7,9}；
步骤7.2，在体感控制器上方，向左挥动一次手切换到交通指数减0.5的交通运行场景，向右挥一次手切换到交通指数加0.5的交通运行场景；其中，交通指数切换的上下限分别为10.0和0。
在投影沙盘上设置交通指数显示区域，并以《城市交通运行状况评价规范(标准号：GB/T 33171-2016)》规定的颜色表示不同的拥堵指数，如表3所示。
表3道路交通运行状况等级颜色表示RGB代码表
运行状况等级 畅通 基本畅通 轻度拥堵 中度拥堵 严重拥堵
R 0 153 255 255 255
G 128 204 255 153 0
B 0 0 0 0 0
与现有技术相比，本发明的有益效果是：
(1)本发明给出了交通指数与仿真关键参数即初始流量输入最优值之间准确的函数关系；因此，可准确仿真出指定交通指数的稳定运行的交通运行场景，实现稳定运行的指定交通指数的高速公路运行场景仿真。
(2)本发明利用投影沙盘对不同交通指数的交通运行场景进行直观的三维展示，并实时显示路网的交通指数的变化，提高不同交通指数所表达的实际交通拥堵程度的直观性。
(3)本发明利用体感控制器实现不同交通指数场景切换的自然交互，控制灵活方便。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (8)

1.一种交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，包括以下步骤：
步骤1，给定某一高速公路路网，利用交通仿真软件构建虚拟路网；设置仿真基本参数，包括路网总长度L、车道数Nroad以及车辆运行参数；
在所述虚拟路网中设置车流量产生源点以及源点产生的流量值；从t＝0开始进行交通仿真，仿真方法为：车流量产生源点按照所述流量值不断向虚拟路网投入车辆，从而使路网车辆数从0开始不断增加直至路网饱和；在路网车辆数从0开始不断增加直至路网饱和的过程中，设置采样时间间隔，每达到采样时间时，检测所述虚拟路网的实际交通指数值和实际路网车辆密度值；由此得到多个实际交通指数值和对应的实际路网车辆密度值；
以所述实际路网车辆密度值为横坐标，以所述实际交通指数值为纵坐标，拟合得到实际路网车辆密度与实际交通指数之间的初始关系函数；
步骤2，给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；s为离散的目标交通指数的数量，对于每一个目标交通指数TPIgiven，均执行以下步骤2.1-步骤2.3：
步骤2.1，通过下式计算流量Vinput：
Figure FDA0002396746100000011
其中：Ncar代表路网车辆数，Ncar＝Densitygiven×L×Nroad；tinit为仿真评价时间段的起始时间；
Densitygiven为路网车辆密度值，通过以下方式获得：查找步骤1得到的所述初始关系函数，得到与所述目标交通指数TPIgiven对应的路网车辆密度值Densitygiven；
步骤2.2，设置定义域[Vinput-ΔV,Vinput+ΔV]，其中，ΔV为流量变化量，为初始已知值；
在所述定义域中均匀选取u个流量值，分别为V1,V2,…,Vs，对于每个选取到的流量值Vk，其中，K∈(1,2,…,S)，均执行以下步骤2.2.1-步骤2.2.3：
步骤2.2.1，首先进入初始化仿真阶段；在初始化仿真阶段，路网车辆只进不出，在初始化阶段，车流量产生源点按流量值Vk产生流量，使仿真得到的路网交通指数逼近目标交通指数TPIgiven；
步骤2.2.2，然后进入稳定运行仿真阶段，在稳定运行仿真阶段，按路网内车辆输入流量等于输出流量或路网内车辆不进不出的原则进行仿真运行；在稳定运行仿真阶段，选取仿真评价时间段[tinit,tend]，其中，tinit为仿真评价时间段的起始时间，tend为仿真评价时间段的终止始时间；在仿真评价时间段[tinit,tend]中，设置Δt为时间采样间隔，Nt为采样数量，则：tend＝tinit+(Nt×Δt)；
在仿真评价时间段[tinit,tend]中，以Δt为时间间隔进行采样，并计算每个时间间隔的路网交通指数TPIj，j＝1,2,…,Nt；
步骤2.2.3，设置仿真场景的路网交通指数TPIj与目标交通指数TPIgiven差异的评价函数：O＝||TPIj-TPIgiven||2 (1)
由此得到仿真评价时间段[tinit,tend]仿真场景的路网交通指数与目标交通指数TPIgiven差异的目标函数：
Figure FDA0002396746100000021
将步骤2.2.2计算得到的TPIj代入公式(2)，得到与选取的流量值Vk对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
因此，在所述定义域中共选取u个流量值，分别为V1,V2,…,Vs；V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值；
步骤2.3，求解满足最小化目标函数的初始流量输入最优值：
Figure FDA0002396746100000022
即：V1,V2,…,Vs分别计算得到对应的仿真场景的路网交通指数与目标交通指数TPIgiven差异值，最小差异值所对应的流量值即为初始流量输入最优值
Figure FDA0002396746100000031
步骤3，因此，对于给定离散的目标交通指数TPIgiven＝i，其中，i＝{r1,r2,…,rs}；分别计算得到仿真所需设置的初始流量输入最优值
Figure FDA0002396746100000032
步骤4，拟合目标交通指数TPIgiven与仿真场景设置的初始流量输入最优值
Figure FDA0002396746100000033
之间的关系函数：
Figure FDA0002396746100000034
即给定交通指数，可得到仿真出该交通指数运行场景所需设置的初始流量输入最优值；
步骤5，设置需要被仿真的交通指数，利用步骤4得到的关系函数，得到与需要被仿真的交通指数对应的初始流量输入最优值；然后，以初始流量输入最优值为初始值，仿真出对应交通指数的高速公路交通运行场景；
步骤6，将步骤5仿真得到的高速公路交通运行场景以数字投影沙盘的方式进行直观的虚实融合三维动态展示。
2.根据权利要求1所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤1中，每达到采样时间时，检测所述虚拟路网的实际交通指数值和实际路网车辆密度值，具体为：
设置检测器；每达到采样时间时，检测器检测到路网车辆数Ncar；然后，基于下式计算得到实际路网车辆密度值：
Figure FDA0002396746100000035
所述虚拟路网的实际交通指数值通过下述步骤计算：
1)获取路网行程时间比与交通指数值之间的映射关系；
2)基于下式计算得到路网行程时间比：
Figure FDA0002396746100000036
TTIkj—路段j在某一时间间隔k内的行程时间比；
Figure FDA0002396746100000037
—时间间隔k内车辆行驶过路段j所使用的平均时间，
Figure FDA0002396746100000038
或者
Figure FDA0002396746100000041
n为车辆数；Lj是时间间隔k内车辆在路段j上行驶的距离；Vkj是时间间隔k内路段j的平均行程速度；
Figure FDA0002396746100000042
—路段j在自由流状态下的行程时间；
当
Figure FDA0002396746100000043
小于
Figure FDA0002396746100000044
时，设定TTI＝1；
3)根据路网行程时间比与交通指数值之间的映射关系，得到与路网行程时间比对应的交通指数值。
3.根据权利要求1所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤1中，车流量产生源点按照所述流量值不断向虚拟路网投入车辆，从而使路网车辆数从0开始不断增加直至路网饱和，具体为：
1)设置仿真中交通组成固定，包括：车型、车型比例、每种类型车辆期望车速及分布；
2)设置路网车流量产生源点固定，路网车辆只进不出，流量产生时间上服从均匀分布；
3)路网饱和条件为交通指数等于10。
4.根据权利要求1所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤6具体为：
设计一个投影沙盘，底部为3D打印生成的路网场景微缩实物模型，将步骤5仿真到的高速公路交通运行场景以俯视图投影到微缩实物模型上，进行直观的三维展示，并实时显示路网交通指数的变化。
5.根据权利要求4所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤6中，所述3D打印生成的路网场景微缩实物模型包含地形、道路、收费站、交通标志实物微缩模型。
6.根据权利要求4所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤6中，还包括：沙盘展示分为三维和二维两种展示形式，设计一个可取放的平台投影幕布和一个三维微缩实物沙盘，在二维场景展示时，将投影幕布遮盖在三维微缩实物沙盘上方；在进行三维场景虚实融合展示时，将投影幕布拉开，投影内容直接叠加到三维微缩实物沙盘上，增加三维微缩实物沙盘展示的通用性。
7.根据权利要求1所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，还包括：
步骤7，利用体感控制器实现不同交通指数场景间的选择与切换。
8.根据权利要求7所述的交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法，其特征在于，步骤7具体为：
步骤7.1，利用体感控制器进行交通指数切换的控制：初始场景选择根据体感控制器捕捉到的手势中手指的数量进行选择，1-5个手指分别表示{畅通，基本畅通，轻度拥堵，中度拥堵，严重拥堵}五种场景，对应交通指数初始选择为{1,3,5,7,9}；
步骤7.2，在体感控制器上方，向左挥动一次手切换到交通指数减0.5的交通运行场景，向右挥一次手切换到交通指数加0.5的交通运行场景；其中，交通指数切换的上下限分别为10.0和0。
CN201710675534.8A 2017-08-09 2017-08-09 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法 Active CN107507271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710675534.8A CN107507271B (zh) 2017-08-09 2017-08-09 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710675534.8A CN107507271B (zh) 2017-08-09 2017-08-09 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法

Publications (2)

Publication Number Publication Date
CN107507271A CN107507271A (zh) 2017-12-22
CN107507271B true CN107507271B (zh) 2020-05-08

Family

ID=60690638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710675534.8A Active CN107507271B (zh) 2017-08-09 2017-08-09 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法

Country Status (1)

Country Link
CN (1) CN107507271B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310533A (zh) * 2019-04-01 2019-10-08 北方工业大学 用于城市道路交通管控及实验的演示系统及方法
CN111815940B (zh) * 2019-04-09 2022-07-29 阿里巴巴集团控股有限公司 交通仿真方法、装置、电子设备及计算机可读存储介质
CN110222875B (zh) * 2019-05-15 2022-10-25 华南理工大学 一种基于交通匹配曲线的路网均衡性指标体系构建方法
CN111199247B (zh) * 2019-12-25 2023-11-10 银江技术股份有限公司 一种公交运行仿真方法
CN111564036B (zh) * 2020-03-23 2021-06-15 北京掌行通信息技术有限公司 交通信息可信度的检测方法、装置、系统及存储介质
CN111599223A (zh) * 2020-06-12 2020-08-28 浙江商汤科技开发有限公司 沙盘展示系统及沙盘展示方法
CN113256819A (zh) * 2021-04-22 2021-08-13 南斗六星系统集成有限公司 一种3d数字沙盘车辆仿真的数据展示方法
CN114820961B (zh) * 2022-04-20 2022-11-29 北京金石视觉数字科技有限公司 一种沉浸式数字可视化展示方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132783A (ja) * 1998-10-26 2000-05-12 Semba Corp 交通流シミュレータ、環境解析システム、交通流のシミュレーション方法および記憶媒体
CN103116608A (zh) * 2013-01-18 2013-05-22 同济大学 一种快速路交通流再现的方法
JP5310807B2 (ja) * 2011-07-20 2013-10-09 住友電気工業株式会社 交通評価装置、コンピュータプログラム及び交通評価方法
CN104866654A (zh) * 2015-05-06 2015-08-26 广州市交通规划研究院 一种一体化城市动态交通仿真平台的构建方法
CN105574243A (zh) * 2015-12-14 2016-05-11 北京航空航天大学 基于进入车道时间的高性能中观交通仿真方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132783A (ja) * 1998-10-26 2000-05-12 Semba Corp 交通流シミュレータ、環境解析システム、交通流のシミュレーション方法および記憶媒体
JP5310807B2 (ja) * 2011-07-20 2013-10-09 住友電気工業株式会社 交通評価装置、コンピュータプログラム及び交通評価方法
CN103116608A (zh) * 2013-01-18 2013-05-22 同济大学 一种快速路交通流再现的方法
CN104866654A (zh) * 2015-05-06 2015-08-26 广州市交通规划研究院 一种一体化城市动态交通仿真平台的构建方法
CN105574243A (zh) * 2015-12-14 2016-05-11 北京航空航天大学 基于进入车道时间的高性能中观交通仿真方法

Also Published As

Publication number Publication date
CN107507271A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107507271B (zh) 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法
Jha et al. Using GIS, genetic algorithms, and visualization in highway development
Seer et al. Validating social force based models with comprehensive real world motion data
CN101894366B (zh) 一种获取标定参数的方法、装置及一种视频监控系统
CN101639871B (zh) 面向行为研究的车载动态交通信息诱导系统模拟设计方法
WO2023207437A1 (zh) 一种基于动态轨迹流的场景流数字孪生方法及系统
KR101815511B1 (ko) 교통 시뮬레이션을 위한 프레임워크 및 이를 이용한 시뮬레이션방법
Sun et al. Development and application of an integrated traffic simulation and multi-driving simulators
CN110673636B (zh) 无人驾驶仿真测试系统及方法、存储介质
Wilkie et al. Virtualized traffic at metropolitan scales
CN114003997B (zh) 一种BIM与Vissim融合的施工交通组织三维仿真模拟方法
EP3070651A1 (en) Traffic system simulator and traffic system simulation method
Puphal et al. Online and predictive warning system for forced lane changes using risk maps
CN109190871B (zh) 一种基于vr技术的非机动车道路段服务水平测算方法
CN106931988A (zh) 显示路牌的真三维导航方法和系统
JP2014137741A (ja) 交通評価装置、コンピュータプログラム及び交通評価方法
Hao et al. Integrated BIM and VR to implement IPD mode in transportation infrastructure projects: System design and case application
Wu et al. VR+ BIM: perception and design optimization of highway
CN114969092A (zh) 基于虚幻引擎的驾驶仿真系统及仿真实验方法
KR102419667B1 (ko) 가상현실(vr)/증강현실(ar) 환경에서 협업 딥러닝을 활용한 개인 맞춤형 항공 조종사 훈련시스템 및 그 방법
Jha Feasibility of Computer Visualization in Highway Development: A Fuzzy Logic‐Based Approach
Becker et al. Road network variation based on hd map analysis for the simulative safety assurance of automated vehicles
CN111754778A (zh) 一种具有车辆感知的交通拥堵指数评估方法
CN114495486A (zh) 一种基于层次强化学习的微观交通流预测系统及方法
Twaddle et al. Integration of an external bicycle model in SUMO

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
CB03 Change of inventor or designer information

Inventor after: Wu Chaohui

Inventor after: Wu Xiaobo

Inventor after: Wang Liang

Inventor after: Wang Feng

Inventor after: Liang Long

Inventor after: Sun Hong

Inventor after: Zhao Zhengsong

Inventor after: Guo Yu

Inventor after: Wang Hui

Inventor before: Wu Chaohui

Inventor before: Wang Liang

Inventor before: Wang Feng

Inventor before: Liang Long

Inventor before: Sun Hong

Inventor before: Zhao Zhengsong

Inventor before: Guo Yu

Inventor before: Wang Hui

CB03 Change of inventor or designer information