CN108763776B - 一种城市快速路网时变交通状态仿真方法及装置 - Google Patents
一种城市快速路网时变交通状态仿真方法及装置 Download PDFInfo
- Publication number
- CN108763776B CN108763776B CN201810543205.2A CN201810543205A CN108763776B CN 108763776 B CN108763776 B CN 108763776B CN 201810543205 A CN201810543205 A CN 201810543205A CN 108763776 B CN108763776 B CN 108763776B
- Authority
- CN
- China
- Prior art keywords
- traffic
- road network
- model
- time
- dynamic
- 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
Links
Images
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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市快速路网时变交通状态仿真方法及装置，涉及交通技术领域，主要目的在于能够再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。所述方法包括：收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；根据线圈检查数据确定路网的路段通行能力，并根据路网信息和预设路网模型构建软件构建出城市快速路的路网模型；将路网模型、全天出行分布表、时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将通行能力输入到路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型。本发明适用于城市快速路网时变交通状态的仿真。
Description
技术领域
本发明涉及交通技术领域，特别是涉及一种城市快速路网时变交通状态仿真方法及装置。
背景技术
城市快速路是城市道路交通网络的主骨架，承担着大量的城市机动化出行。然而，在社会经济与机动化进程高速发展的背景下，部分地城市机动车交通需求增长速度远超预期，城市快速路交通状况逐渐拥堵，尤其当交通突发事件(如恶劣天气、交通事故、公路工程建设事故等)发生时，道路交通运行效率与服务水平显著下降。城市快速路拥堵不仅造成出行者时间与经济的损失，同时还造成环境污染与能源浪费。
目前，在城市快速路运行管理过程中，通常利用感应线圈、视频监控等检测设备采集城市快速路交通状况，然后针对存在问题提出交通管控措施，并根据道路养护施工、交通突发事件等特殊情况制定交通组织方案。
然而，在此过程中，尚存在一些不足。首先，应从整体路网层面关注交通拥堵形成与消散的过程，寻找导致交通拥堵的根本原因。但是，目前分析多数局限于重点路段，交通状况在路网空间中演变的关联性与因果性难以体现，缺乏从整体路网角度对时变交通状况进行分析的工具。其次，交通管控措施的实施效果应能定量评价以帮助交通工作者选择最优方案。尽管目前交通工作者可根据交通状况与工作经验来制定交通管控措施，但是无法预知措施实施效果，存在措施实施后达不到预期目标的情况。交通仿真模型为解决上述问题提供了可能。然而，宏观四阶段交通模型虽然能够呈现城市快速路整体路网的交通状况，但只能反映交通状况在分析时段内的平均水平，无法模拟对于交通管理尤为重要的交通状况在时间维度上的变化过程。微观交通仿真模型虽然能够描述时变交通状况，但在路径选择模型上的缺陷使其难以适用于大规模路网，同时微观交通仿真模型的计算量与仿真车辆数呈正比，其计算效率也难以适用于流量巨大的城市快速路网。因此，提供一种城市快速路网的时变交通状态仿真方法，以适应高流量大规模的城市快速路网，实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时可以评价交通管控措施的实施效果已成为交通领域亟待解决的技术问题。
发明内容
有鉴于此，本发明提供一种城市快速路网时变交通状态仿真方法及装置，主要目的在于能够适应高流量大规模的城市快速路网，实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。
依据本发明第一方面，提供了一种城市快速路网时变交通状态仿真方法，包括：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。
依据本发明第二方面，提供了一种城市快速路网时变交通状态仿真装置，包括：
收集单元，用于收集城市快速路的路网信息和路网中各断面的线圈检查数据；
获取单元，用于获取全天出行分布表和时变拆分比例；
确定单元，用于根据所述线圈检查数据确定路网的路段通行能力；
构建单元，用于据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
所述构建单元，还用于将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。
依据本发明第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。
依据本发明第四方面，提供了一种城市快速路网时变交通状态仿真装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。
本发明提供一种城市快速路网时变交通状态仿真方法及装置，本发明能够收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；能够根据所述线圈检查数据确定路网的路段通行能力，并能够根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。与此同时，能够将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，从而能够构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真，所述动态交通仿真模型能够适应高流量大规模的城市快速路网，进而能够实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种城市快速路网时变交通状态仿真方法流程图；
图2示出了本发明实施例提供的另一种城市快速路网时变交通状态仿真方法流程图；
图3示出了本发明实施例提供的Daganzo模型关系曲线图；
图4示出了本发明实施例提供的一种动态交通仿真模型构建及应用流程图；
图5示出了本发明实施例提供的一种参数标定结果示意图；
图6示出了本发明实施例提供的一种时变需求曲线示意图；
图7示出了本发明实施例提供的一种路网拓扑结构示意图；
图8示出了本发明实施例提供的一种路网属性示意图；
图9示出了本发明实施例提供的一种DTALite仿真示意图；
图10示出了本发明实施例提供的早上7点密度示意图；
图11示出了本发明实施例提供的单路径分析位置示意图；
图12示出了本发明实施例提供的单路径分析路径信息示意图；
图13示出了本发明实施例提供的单路径分析速度示意图；
图14示出了本发明实施例提供的单路径分析密度示意图；
图15示出了本发明实施例提供的单路径分析饱和度示意图；
图16示出了本发明实施例提供的一种带施工区的路网拓扑示意图；
图17示出了本发明实施例提供的施工区第一天早上8点密度的示意图；
图18示出了本发明实施例提供的施工区施工区第一天早上9点密度示意图；
图19示出了本发明实施例提供的施工区施工区第一天下午16点密度示意图；
图20示出了本发明实施例提供的一种城市快速路网时变交通状态仿真装置的结构示意图；
图21示出了本发明实施例提供的另一种城市快速路网时变交通状态仿真装置的结构示意图；
图22示出了本发明实施例提供的一种城市快速路网时变交通状态仿真装置的实体结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种城市快速路网时变交通状态仿真方法，如图1所示，所述方法包括：
101、收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例。
其中，所述路网信息可以包括节点和线路，节点可以分为道路一般节点和枢纽节点，需要有节点控制类型(如信号控制)，信号周期等。线路包括主线和匝道，需要有路段起始节点，终止节点，路段类型(如快速路，主干路等)，方向，长度，车道数，限速，车道通行能力，拥堵密度，运动波速度等。所述线圈检查数据包括流量，占有率，速度，时间，地点等。所述全天出行分布(Origin Destination，OD)表可以为根据路网内各道路的全天流量信息反推得到的。所述时变拆分比例可以为根据不同时刻的出行比例信息对所述全天出行分布表进行时变拆分得到。
102、根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。
其中，所述路段通行能力能够反映城市快速路的时变性交通状态或者交通情况。具体地，可以通过参数标定，即标定出快速路交通流的临界密度和自由流速度，确定路网的路段通行能力。所述预设路网模型构建软件可以为ArcGIS软件。具体地，可以根据所述路网信息在ArcGIS中绘制路网模型，并导入路段数据信息，以构建出城市快速路的路网模型。
103、将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型。
其中，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。所述预设动态交通仿真模型仿真软件可以为DTALite仿真软件。所述DTALite仿真软件可以利用于上述信息和基于动态交通分配算法计算构建出城市快速路的动态交通仿真模型。
对于本发明实施例，动态交通仿真模型可以将时变交通需求按照时间顺序依次加载到路网上，并通过动态路径选择模型与动态网络加载模型模拟出行者的路径选择行为与交通流在路段间的传播过程，能够体现整体路网交通状况的时变性。同时，动态交通仿真模型的计算效率与仿真精度介于宏观交通模型与微观交通仿真模型之间，能够适用于高流量大规模的城市快速路网。期望利用动态交通仿真模型技术实现城市快速路网的时变交通状况分析，能够再现路网交通拥堵形成与消散的过程，同时可以评价交通管控措施的实施效果。
本发明实施例的提供一种城市快速路网时变交通状态仿真方法，本发明实施例能够收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；能够根据所述线圈检查数据确定路网的路段通行能力，并能够根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。与此同时，能够将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，从而能够构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真，所述动态交通仿真模型能够适应高流量大规模的城市快速路网，进而能够实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。
进一步的，为了更好的说明上述城市快速路网时变交通状态仿真的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种城市快速路网时变交通状态仿真方法，如图2所示，但不限于此，具体如下所示：
201、收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例。
对于本发明实施例，所述获取全天出行分布表和时变拆分比例的步骤具体可以包括：检测是否存在全天出行分布表；若不存在，则可以收集路网内各道路的全天流量信息以及路网全天的不同时刻的出行比例信息；利用预设交通软件中的出行分布矩阵估计模块和所述全体流量信息，反推出所述全天出行分布表；根据所述出行比例信息对所述全天出行分布表进行时变拆分，得到时变拆分比例。若存在，则可以直接获取全天出行分布表。其中，所述预设交通软件中的出行分布矩阵估计模块可以为transCAD软件中的OD MatrixEstimation功能模块。具体地，全天出行分布表反推的原理可以为分配OD表得到路段交通量的逆计算，用全天流量信息计算出OD表，其目标函数是推算出的OD量分配后所得路段交通量与观测交通量偏差最小，值得注意的是由于城市快速路的各路段均是单向通行，将各匝道与非快速路路段的交点以及与内环相交的外部节点设为交通小区，所以每个小区只能是O点或者D点，换句话说，每个交通小区要么是始点，要么是终点。因此，先验OD(先验OD的目的是使上述目标函数最小值得到的OD表唯一，这是OD Matrix Estimation功能所必要的一部分)矩阵作这样处理：如果小区为出发小区，那么该小区所在的列全为0，如果小区为到达小区，那么该小区所在的行全为0，其他OD值全部设为1。
202、根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。
对于本发明实施例，所述根据所述线圈检查数据确定路网的路段通行能力的步骤具体可以包括：采用基于标准偏差的双侧检验法对所述线圈检查数据进行异常数据剔除处理；根据剔除处理后的线圈检查数据和预设交通流模型，标定出路网交通流的临界密度和自由流速度；将所述临界密度和所述自由流速度的乘积确定为路网的路段通行能力。
在线圈检测数据时会因为各种原因导致个别数据的值明显异常于其他的数据，如发生交通事故，路段施工等。故需剔除异常数据的同时保留可反映实际交通状况的数据，具体可以建立异常行程数据的质量控制方法以剔除异常数据。在本发明实施例中，采用基于标准偏差的双侧检验法对所述线圈检查数据进行异常数据剔除处理，能够识别在不同交通状态下的异常行程车速，基本原理可以为当观察值与平均值的差距大于标准偏差的X(X根据实际情况定)倍时，将观察值列为异常数据并筛除。进一步筛除，将检测数据中速度和占有率同时为0的数据，速度大于a的同时占有率大于b(a，b可以根据实际情况定)的数据筛除。
其中，所述预设交通流模型可以为Daganzo模型，Daganzo模型是Daganzo提出的一个元胞传输模型，此模型中自由流速度与临界速度的值相等。最初用于模拟高速道路及高速道路网上交通流的运行与演化过程，现在也已被广泛用于估计城市路段行程延误、路网流量等参数。其中，Daganzo模型关系曲线图可以如图3所示。
Daganzo模型：
自由流状态：
拥堵状态：
ρj-阻塞密度(pcu/km/lane)
ρc-阻塞密度(pcu/km/lane)
vc-自由流速度(km/h)
具体地，可以在Excel表格中完成路网交通流的临界密度和自由流速度的标定，首先分别为临界密度和自由流速度各赋一个值，标定的原理是用Daganzo模型的公式计算出各行线圈数据的计算速度，与线圈数据的检测速度比较，求出这两者的误差和，不断调整临界密度和临界速度的值，当误差和最小时，此时的临界密度和自由流速度即为最后标定的临界密度和自由流速度结果。通过标定出路网交通流的临界密度和自由流速度，能够更准确地再现快速路的交通状态。
203、对所述路网模型的路网连通性进行验证。
其中，所述路网连通性包括路网中不存在孤立节点或路段、反向路段生成正确、路段与路段之间不存在伪节点且连通。具体地，所述步骤203可以为：验证路网中是否存在孤立节点或路段、反向路段是否正确生成，路段与路段之间是否存在伪节点而导致未连通。
204、在路网连通性验证通过后，将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及所述预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中。
205、对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证。
其中，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布。具体地，对所述路网模型的路网属性信息的正确性进行验证的过程可以为：验证路段类型设置是否正确，路段长度、车道数与限速是否正确，路段通行能力、临界密度、临界速度、拥堵密度是否正确。对所述路网模型的交通需求信息的准确性进行验证的过程可以为：验证总交通需求是否符合实际交通需求，总交通需求时间分布是否符合实际需求时间分布，总交通需求空间分布是否符合实际需求空间分布。
206、在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算出符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型。
其中，所述动态交通仿真模型还可以符合动态系统最优状态，所述动态系统最优状态(Dynamic System Optimal，DSO)可以为任何时间所有出行这的出现总成本最小的状态，所述动态用户均衡状态(Dynamic USet Equilibrium，DUE)可以为任何时间任何OD对上的出行者无论走哪条路径出行成本都一样的状态，不会更低。
具体地，当出行者遵循DSO状态或DUE状态时，预设动态交通仿真模型仿真软件的动态交通分配是动态网络加载模型与动态路径选择模型的反馈迭代计算过程，当满足收敛条件一时停止迭代，此时符合DUE状态；当满足收敛条件二时停止迭代，此时符合DSO状态。
其中，收敛条件一可以为：
式中：
为车型u在时段p从m点出发沿路径k驶向d点的流量；
为车型u在时段p从m点出发沿路径k驶向d点的模型计算行程时间；
为车型u在时段p从m点驶向d点的流量；
为车型u在时段p从m点驶向d点的所有路径中最短行程时间；U为车型集合；P为时段集合；M为起点集合；D为终点集合；K(m，d，p)为在时段p从m点至d点的可选路径集合；εDUE为收敛标准，通常取5％。上式的含义是：当所有车辆的实际总行程时间与各时段各OD间所有车辆按最短行程时间计算的总行程时间的差异小于预先设定的收敛标准时，认为模型结果收敛，达到DUE状态。
收敛条件二可以为：可以通过比较前后两次迭代的路段流量来判断模型结果是否收敛，且符合DSO状态
式中：
为车型u第i次迭代计算的路段a在时段p的流量；
为车型u第i-1次迭代计算的路段a在时段p的流量；U为车型集合；T为时段集合；A为路段集合；εDSO为收敛标准，通常取5％。上式的含义为当相邻两次迭代计算的路段流量差异满足要求时，认为模型结果收敛，达到DSO状态。
207、对所述动态交通仿真模型的有效性进行验证。
其中，所述有效性包括进入路网车辆能够完成出行、所述动态交通仿真模型的迭代计算结果收敛且稳定、路网时变交通状态与真实交通状态相符。具体地，可以验证进入路网车辆是否都能够完成出行，模型迭代计算结果是否收敛且稳定，路网时变交通状况是否与交通状态相符。
整体的来说，本发明实施例的动态交通仿真模型构建的流程可以如图4所示，为了更好的理解本发明技术方案，提供了如下应用场景，包括：
以苏州内环快速路为例，构建内环快速路动态交通模型，并进行日常交通状况分析和特殊事件离线分析。
在本实施例中采用的数据是来自苏州规划院，按照上述201-207步骤或者如图4所述的流程进行模型构建。首先是数据质量控制，采用基于标准偏差的双侧检验法对异常行程数据进行过滤是X值选取的是1.2，此外，检测数据中还存在速度为0同时占有率为0的数据，这也需要剔除，我们还假定速度大于70km/h的同时占有率大于15％的数据也是不合理的，也进行了剔除。质量控制后的数据有68215条，占原始数据的80.5％。图5给出了一种参数标定结果示意图。在参数标定中选取的是Daganzo模型，以小汽车长5米计算，标定的临界密度为27.47puc/km，自由流速度为76km/h，通行能力为2087pcu/h。
根据苏州规划院给的内环高峰小时流量数据，首先扩大10倍作为全天的流量数据，以各匝道与外部连接点和主线的外部节点为交通小区，一共有64个交通小区，在transCAD中反推全天的出行OD。根据苏州规划院提供的，按不同出行目的记录的每次出行的出发时刻数据，将其集计起来，拆分成每十五分钟的出行量，归一化后得到每十五分钟的出行比例。再根据2017苏州交通年报上有关东西南北四环流量数据以及百度地图上实时道路交通状况加以优化得到最终的全天时变拆分比例，图6给出了一种时变需求曲线示意图。
根据智慧苏州(http：//www.map512.cn/)的地图，首先确定各类节点的相对位置，然后按照地图线路将相邻节点连接起来。当在DTLite仿真软件中动态交通模型的更新频率设为6s，以限速运行时，最短路段长度需大于以自由流速度在更新频率内行驶的距离，以保证每个更新时段内车辆最多跨越一个路段，满足Courant-Friedrichs-Levy condition(CFL)条件。细分后所有主线路最小路段距离为150米；匝道路段限速40km/h，最小距离为67米；立交路段限速30km/h，最小路段距离为50米。可在ArcGIS软件中通过工具箱分别对路段进行等长度划分，共有单向路段2282条，节点1113个。值得注意，由于动态网络加载模型采用了宏观交通流模型来计算路段交通状况，因此路段交通状况与路段的几何形状无关，而仅与路段的实际长度、通行能力、最高限速等属性有关，因此可直接使用直线段来连接各节点，并逐一填写路段信息，图7给出了一种路网拓扑结构示意图。
将路网模型(shapefile文件)导入到DTALite仿真软件中，导入全天出行OD表以及时变拆分比例，预先设置好的车辆属性，根据参数标定的结果设置在DTALite中设置交通流属性，构建出动态交通模型。在DTLite仿真软件中有多种交通流模型和交通分配方法选择，本实施例选取的可以实交通流模型是纽厄尔的运动学波模态(Newell’s Kinematic WaveModal)，选取的交通分配方法是逐次平均法(Method of Successive Average)。进行十五次迭代，模拟正常情况下，苏州内环快速路全天的交通状况，图8给出了一种路网属性示意图，图9给出了一种DTALite仿真示意图。
网络连通性需检查路网中是否存在孤立点或孤立路段、双向行驶路段是否正确生成以及是否存在伪节点。孤立节点与路段可以通过GIS软件中的连通性检查进行筛选。筛选后判断孤立节点与路段是否多余，若多余则删除，否则新建路段使其于整体路网相连。
快速路路网中所有路段都应有其对应的反向路段(单向行驶路段通过关闭对向路段车道来实现)。非双向路段可根据路段起讫节点编码进行筛选。首先，将路段属性中的From_NodeID与To_NodeID调换位置，然后判断在原始路段集中是否能查找到调换位置后的路段。若查找不到，则为非双向路段。
伪节点是指与路网中某个点空间位置重合但是不连通的节点。伪节点的存在会导致路网节点间行驶距离的改变，从而产生不真实的路径选择结果。由于伪节点与路网中的其它节点连通，因此无法直接采用类似于孤立节点的方法进行判断。伪节点具有道路不通畅的特征，因此可在仿真软件可视化中检查是否有道路没有流量来判断，分析没有流量的道路是否是因为伪节点的原因，如果是则需要删除并重新连接相应节点之间的路段。
路网属性为自己预先给定的值，其正确性检查较为容易，分别检查主线路段、上下匝道、立交路段各项属性是否正确。
交通需求准确性检查是为了比较模型输入数据与实际值之间的误差。根据2017年12月苏州内环快速路部分道路的流量值，取其月平均日交通量为标准值，并与仿真结果进行比较，比较结果较好，MAPE为35％。
进一步地，动态交通模型构建及验证完后就可以进行实际应用分析，在这里我们进行日常交通状况分析和特殊事件离线分析。
从仿真结果可以明显看出工作日率先出现拥堵的地方是在环与环相交的立交处，大约从早上七点开始出现拥堵，峰值点在7：30，约到九点开始消散。早高峰最低速度为限速的50％左右，即40km/h。晚高峰没有明显的开始时间，晚上六点到六点半明显减少，到晚上七点车辆趋于稳定，最拥堵的地方依然是环与环之间的立交。晚高峰最低速度为限速的55％左右，即44km/h，晚高峰峰值点在17：15，这与实际情况吻合，图10给出了早上7点密度示意图。
分析单个OD对，选取OD对从节点编号10197(交通小区编号为8)到节点编号206(交通小区编号为19)。位置在内环的西北部，中间进过的部分节点依次有101，10334，136，10465，全长1.4mile。根据仿真结果，全天共计车辆9781puc，平均行程速度为39.8mph，平均行驶时间2.0min。处于内环口字型外侧的道路车辆速度最高，进入到立交后车速明显降低，到匝道路段车速最低。这与实际情况相吻合，主线路段限速相对较高，进入立交后车辆增多，车速减低，到匝道路段受制于匝道的低通行能力和限速，车速最低。从密度上能够看到车辆主要集中在早上7：00到晚上17：00，且内环口字型内侧路段比口字型外侧路段明显要高。从V/C时变图可以看出口字型内侧有明显的早晚高峰，图11给出了单路径分析位置示意图、图12给出了单路径分析路径信息示意图、图13给出了单路径分析速度示意图、图14给出了单路径分析密度示意图且图15给出了单路径分析饱和度示意图
在特殊事件离线分析中需要设置一个场景，选取南环快速路与长吴路相交的路段(东向西)作为道路施工点，施工时间是早上8：00到下午16：00，为期20天。模型分析间隔为15min，图16给出了带施工区的路网拓扑示意图。
在特殊事件中，第一天进行施工时，由于司机不知道，造成的拥堵最严重。通过仿真结果可以知道，第一天早上八点施工开始，拥堵开始出现。到九点，拥堵达到顶峰，一直蔓延到上游第一个出口匝道处。此后拥堵开始消散，这其中一个主要原因是早高峰已过，车辆开始逐渐减少，图17给出了施工区第一天早上8点密度的示意图，图18给出了施工区第一天早上9点密度示意图。
因此，我们可以在第一天采取某种方式，如可变信息情报板，在上游邻近的几个出口匝道和入口匝道告知出行者施工信息。这样出行者提前知道施工信息后，部分出行者就会选择在前面的出口匝道提前下高架，通过其他城市道路绕行；部分出行者会选择延迟上高架快速路，即绕过施工区再上高架。
施工第一天下午16点刚恢复正常通行时，施工区路段密度相对于其邻近路段明显要低。因此，我们同样可以提前在上游邻近的几个入口匝道和出口匝道告知出行者即将恢复通行的信息，充分利用路段的通行能力，图19给出了施工区第一天下午16点密度示意图。
到施工的第二十天时，经过19次的迭代，基本上达到了施工条件下动态用户均衡状态，施工路段不再出行明显的拥堵状态了。
综上分析，如果我们能够在施工前几天的上游路段告知出行者关于施工信息，并指导出行者按照动态用户均衡时的状态选择路径，就能极大缩短达到均衡状态的时间，充分利用出行者的时间价值。
本发明实施例的提供另一种城市快速路网时变交通状态仿真方法，本发明实施例能够收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；能够根据所述线圈检查数据确定路网的路段通行能力，并能够根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。与此同时，能够将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，从而能够构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真，所述动态交通仿真模型能够适应高流量大规模的城市快速路网，进而能够实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。
进一步地，作为图1的具体实现，本发明实施例提供了一种城市快速路网时变交通状态仿真装置，如图20所示，所述装置包括：收集单元31、获取单元32、确定单元33和构建单元34。
所述收集单元31，可以用于收集城市快速路的路网信息和路网中各断面的线圈检查数据。所述收集单元31是本装置中收集城市快速路的路网信息和路网中各断面的线圈检查数据的主要功能模块。
所述获取单元32，可以用于获取全天出行分布表和时变拆分比例。所述获取单元32是本装置中获取全天出行分布表和时变拆分比例的主要功能模块。
所述确定单元33，可以用于根据所述线圈检查数据确定路网的路段通行能力。所述确定单元33是本装置中根据所述线圈检查数据确定路网的路段通行能力的主要功能模块。
所述构建单元34，可以用于根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。所述构建单元34是本装置中根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型的主要功能模块。
所述构建单元34，还可以用于将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。所述构建单元34是本装置中将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型的主要功能模块，也是核心模块。
对于本发明实施例，为了保证路段通行能力的准确性，所述确定单元33，具体可以用于采用基于标准偏差的双侧检验法对所述线圈检查数据进行异常数据剔除处理，根据剔除处理后的线圈检查数据和预设交通流模型，标定出路网交通流的临界密度和自由流速度，并将所述临界密度和所述自由流速度的乘积确定为路网的路段通行能力。
此外，为了排除由于路网连通性导致仿真结果出现问题的情况，保证城市快速路网时变交通状态仿真的准确性，所述构建单元34，具体还可以用于对所述路网模型的路网连通性进行验证，所述路网连通性包括路网中不存在孤立节点或路段、反向路段生成正确、路段与路段之间不存在伪节点且连通；在路网连通性验证通过后，将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及所述预设车辆属性导入到预设动态交通仿真模型仿真软件中。
对于本发明实施例，为了排除由于路网属性信息和交通需求信息导致仿真结果出现问题的情况，进一步保证城市快速路网时变交通状态仿真的准确性所述装置还包括：第一验证单元35，如图21所示。
所述第一验证单元35，可以用于对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布。
所述构建单元34，具体还用于在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型。
对于本发明实施例，为了保证仿真的城市快速路网时变交通状态接近真实情况，所述装置还包括：第二验证单元36。
所述第二验证单元36，可以用于对所述动态交通仿真模型的有效性进行验证，所述有效性包括进入路网车辆能够完成出行、所述动态交通仿真模型的迭代计算结果收敛且稳定、路网时变交通状态与真实交通状态相符。
在具体应用场景中，所述获取单元32，具体可以用于收集路网内各道路的全天流量信息以及路网全天的不同时刻的出行比例信息；利用预设交通软件中的出行分布矩阵估计模块和所述全体流量信息，反推出所述全天出行分布表；根据所述出行比例信息对所述全天出行分布表进行时变拆分，得到时变拆分比例。
需要说明的是，本发明实施例提供的一种城市快速路网时变交通状态仿真装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。
基于上述如图1所示方法和如图20所示装置的实施例，本发明实施例还提供了一种城市快速路网时变交通状态仿真装置的实体结构图，如图22所示，该装置包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真。该装置还包括：总线43，被配置为耦接处理器41及存储器42。
通过本发明的技术方案，能够收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；能够根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型。与此同时，能够将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，从而能够构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真，所述动态交通仿真模型能够适应高流量大规模的城市快速路网，进而能够实现城市快速路网的时变交通状态分析，再现路网交通拥堵形成与消散的过程，同时能够评价交通管控措施的实施效果。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (8)
1.一种城市快速路网时变交通状态仿真方法，其特征在于，包括：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真；
在构建出城市快速路的动态交通仿真模型之前，对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布；
在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算出符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型；
所述动态交通仿真模型符合动态系统最优状态，所述动态系统最优状态DSO为任何时间所有出行者的出行总成本最小的状态，所述动态用户均衡状态DUE为任何时间任何OD对上的出行者无论走哪条路径出行成本都一样的状态；
当出行者遵循DSO状态或DUE状态时，预设动态交通仿真模型仿真软件的动态交通分配是动态网络加载模型与动态路径选择模型的反馈迭代计算过程，当满足收敛条件一时停止迭代，此时符合DUE状态；当满足收敛条件二时停止迭代，此时符合DSO状态；
其中，收敛条件一为：
式中：
为车型u在时段p从m点出发沿路径k驶向d点的流量；
为车型u在时段p从m点出发沿路径k驶向d点的模型计算行程时间；
为车型u在时段p从m点驶向d点的流量；
为车型u在时段p从m点驶向d点的所有路径中最短行程时间；U为车型集合；P为时段集合；M为起点集合；D为终点集合；K(m,d,p)为在时段p从m点至d点的可选路径集合；εDUE为收敛标准1；上式的含义是：当所有车辆的实际总行程时间与各时段各OD间所有车辆按最短行程时间计算的总行程时间的差异小于预先设定的收敛标准时，认为模型结果收敛，达到DUE状态；
收敛条件二为：通过比较前后两次迭代的路段流量来判断模型结果是否收敛，且符合DSO状态；
式中：
为车型u第i次迭代计算的路段a在时段p的流量；
为车型u第i-1次迭代计算的路段a在时段p的流量；U为车型集合；T为时段集合；A为路段集合；εDSO为收敛标准2；上式的含义为当相邻两次迭代计算的路段流量差异满足要求时，认为模型结果收敛，达到DSO状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述线圈检查数据确定路网的路段通行能力，包括：
采用基于标准偏差的双侧检验法对所述线圈检查数据进行异常数据剔除处理；
根据剔除处理后的线圈检查数据和预设交通流模型，标定出路网交通流的临界密度和自由流速度；
将所述临界密度和所述自由流速度的乘积确定为路网的路段通行能力。
3.根据权利要求1所述的方法，其特征在于，所述将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及所述预设车辆属性导入到预设动态交通仿真模型仿真软件中，包括：
对所述路网模型的路网连通性进行验证，所述路网连通性包括路网中不存在孤立节点或路段、反向路段生成正确、路段与路段之间不存在伪节点且连通；
在路网连通性验证通过后，将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及所述预设车辆属性导入到预设动态交通仿真模型仿真软件中。
4.根据权利要求1所述的方法，其特征在于，所述构建出城市快速路的动态交通仿真模型之后，所述方法还包括：
对所述动态交通仿真模型的有效性进行验证，所述有效性包括进入路网车辆能够完成出行、所述动态交通仿真模型的迭代计算结果收敛且稳定、路网时变交通状态与真实交通状态相符。
5.根据权利要求1所述的方法，其特征在于，所述获取全天出行分布表和时变拆分比例，包括：
收集路网内各道路的全天流量信息以及路网全天的不同时刻的出行比例信息；
利用预设交通软件中的出行分布矩阵估计模块和所述全天流量信息，反推出所述全天出行分布表；
根据所述出行比例信息对所述全天出行分布表进行时变拆分，得到时变拆分比例。
6.一种城市快速路网时变交通状态仿真装置，其特征在于，包括：
收集单元，用于收集城市快速路的路网信息和路网中各断面的线圈检查数据；
获取单元，用于获取全天出行分布表和时变拆分比例；
确定单元，用于根据所述线圈检查数据确定路网的路段通行能力；
构建单元，用于根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
所述构建单元，还用于将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真；
在构建出城市快速路的动态交通仿真模型之前，对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布；
在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算出符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型；
所述动态交通仿真模型符合动态系统最优状态，所述动态系统最优状态DSO为任何时间所有出行者的出行总成本最小的状态，所述动态用户均衡状态DUE为任何时间任何OD对上的出行者无论走哪条路径出行成本都一样的状态；
当出行者遵循DSO状态或DUE状态时，预设动态交通仿真模型仿真软件的动态交通分配是动态网络加载模型与动态路径选择模型的反馈迭代计算过程，当满足收敛条件一时停止迭代，此时符合DUE状态；当满足收敛条件二时停止迭代，此时符合DSO状态；
其中，收敛条件一为：
式中：
为车型u在时段p从m点出发沿路径k驶向d点的流量；
为车型u在时段p从m点出发沿路径k驶向d点的模型计算行程时间；
为车型u在时段p从m点驶向d点的流量；
为车型u在时段p从m点驶向d点的所有路径中最短行程时间；U为车型集合；P为时段集合；M为起点集合；D为终点集合；K(m,d,p)为在时段p从m点至d点的可选路径集合；εDUE为收敛标准1；上式的含义是：当所有车辆的实际总行程时间与各时段各OD间所有车辆按最短行程时间计算的总行程时间的差异小于预先设定的收敛标准时，认为模型结果收敛，达到DUE状态；
收敛条件二为：通过比较前后两次迭代的路段流量来判断模型结果是否收敛，且符合DSO状态；
式中：
为车型u第i次迭代计算的路段a在时段p的流量；
为车型u第i-1次迭代计算的路段a在时段p的流量；U为车型集合；T为时段集合；A为路段集合；εDSO为收敛标准2；上式的含义为当相邻两次迭代计算的路段流量差异满足要求时，认为模型结果收敛，达到DSO状态。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真；
在构建出城市快速路的动态交通仿真模型之前，对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布；
在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算出符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型；
所述动态交通仿真模型符合动态系统最优状态，所述动态系统最优状态DSO为任何时间所有出行者的出行总成本最小的状态，所述动态用户均衡状态DUE为任何时间任何OD对上的出行者无论走哪条路径出行成本都一样的状态；
当出行者遵循DSO状态或DUE状态时，预设动态交通仿真模型仿真软件的动态交通分配是动态网络加载模型与动态路径选择模型的反馈迭代计算过程，当满足收敛条件一时停止迭代，此时符合DUE状态；当满足收敛条件二时停止迭代，此时符合DSO状态；
其中，收敛条件一为：
式中：
为车型u在时段p从m点出发沿路径k驶向d点的流量；
为车型u在时段p从m点出发沿路径k驶向d点的模型计算行程时间；
为车型u在时段p从m点驶向d点的流量；
为车型u在时段p从m点驶向d点的所有路径中最短行程时间；U为车型集合；P为时段集合；M为起点集合；D为终点集合；K(m,d,p)为在时段p从m点至d点的可选路径集合；εDUE为收敛标准1；上式的含义是：当所有车辆的实际总行程时间与各时段各OD间所有车辆按最短行程时间计算的总行程时间的差异小于预先设定的收敛标准时，认为模型结果收敛，达到DUE状态；
收敛条件二为：通过比较前后两次迭代的路段流量来判断模型结果是否收敛，且符合DSO状态；
式中：
为车型u第i次迭代计算的路段a在时段p的流量；
为车型u第i-1次迭代计算的路段a在时段p的流量；U为车型集合；T为时段集合；A为路段集合；εDSO为收敛标准2；上式的含义为当相邻两次迭代计算的路段流量差异满足要求时，认为模型结果收敛，达到DSO状态。
8.一种城市快速路网时变交通状态仿真装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
收集城市快速路的路网信息和路网中各断面的线圈检查数据，并获取全天出行分布表和时变拆分比例；
根据所述线圈检查数据确定路网的路段通行能力，并根据所述路网信息和预设路网模型构建软件构建出城市快速路的路网模型；
将所述路网模型、所述全天出行分布表、所述时变拆分比例、以及预设车辆属性导入到预设动态交通仿真模型仿真软件中，并将所述通行能力输入到所述路网模型的路网属性信息中，构建出城市快速路的动态交通仿真模型，所述动态交通仿真模型用于对城市快速路网时变交通状态进行仿真；
在构建出城市快速路的动态交通仿真模型之前，对所述路网模型的路网属性信息的正确性和交通需求信息的准确性进行验证，所述路网属性信息包括：路段类型设置、路段长度、车道数与限速、路段通行能力、临界密度、临界速度、拥堵密度，所述交通需求信息包括：总交通需求、总交通需求时间分布和总交通需求空间分布；
在正确性和准确性通过验证后，基于所述预设动态交通仿真模型仿真软件中的动态网络加载模型和动态路径选择模型组合迭代计算出符合动态用户均衡状态的动态交通仿真模型，并确定为城市快速路的动态交通仿真模型；
所述动态交通仿真模型符合动态系统最优状态，所述动态系统最优状态DSO为任何时间所有出行者的出行总成本最小的状态，所述动态用户均衡状态DUE为任何时间任何OD对上的出行者无论走哪条路径出行成本都一样的状态；
当出行者遵循DSO状态或DUE状态时，预设动态交通仿真模型仿真软件的动态交通分配是动态网络加载模型与动态路径选择模型的反馈迭代计算过程，当满足收敛条件一时停止迭代，此时符合DUE状态；当满足收敛条件二时停止迭代，此时符合DSO状态；
其中，收敛条件一为：
式中：
为车型u在时段p从m点出发沿路径k驶向d点的流量；
为车型u在时段p从m点出发沿路径k驶向d点的模型计算行程时间；
为车型u在时段p从m点驶向d点的流量；
为车型u在时段p从m点驶向d点的所有路径中最短行程时间；U为车型集合；P为时段集合；M为起点集合；D为终点集合；K(m,d,p)为在时段p从m点至d点的可选路径集合；εDUE为收敛标准1；上式的含义是：当所有车辆的实际总行程时间与各时段各OD间所有车辆按最短行程时间计算的总行程时间的差异小于预先设定的收敛标准时，认为模型结果收敛，达到DUE状态；
收敛条件二为：通过比较前后两次迭代的路段流量来判断模型结果是否收敛，且符合DSO状态；
式中：
为车型u第i次迭代计算的路段a在时段p的流量；
为车型u第i-1次迭代计算的路段a在时段p的流量；U为车型集合；T为时段集合；A为路段集合；εDSO为收敛标准2；上式的含义为当相邻两次迭代计算的路段流量差异满足要求时，认为模型结果收敛，达到DSO状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810543205.2A CN108763776B (zh) | 2018-05-30 | 2018-05-30 | 一种城市快速路网时变交通状态仿真方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810543205.2A CN108763776B (zh) | 2018-05-30 | 2018-05-30 | 一种城市快速路网时变交通状态仿真方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108763776A CN108763776A (zh) | 2018-11-06 |
| CN108763776B true CN108763776B (zh) | 2022-06-21 |
Family
ID=64004634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810543205.2A Active CN108763776B (zh) | 2018-05-30 | 2018-05-30 | 一种城市快速路网时变交通状态仿真方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108763776B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711026B (zh) * | 2018-12-20 | 2023-06-13 | 中山大学 | 一种基于卡口数据的Paramics精准交通仿真场景构建方法 |
| CN111613049B (zh) * | 2019-02-26 | 2022-07-12 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
| JP7208862B2 (ja) * | 2019-05-29 | 2023-01-19 | 株式会社日立製作所 | 建築モデルデータ評価サーバ、建築モデルデータ評価方法、及び建築モデルデータ評価システム |
| CN110276949A (zh) * | 2019-06-20 | 2019-09-24 | 苏州大学 | 基于机器学习的交通流短时预测方法 |
| CN112347604B (zh) * | 2019-08-09 | 2024-02-23 | 杭州海康威视数字技术股份有限公司 | 确定车辆路径集的方法和装置 |
| CN111680451B (zh) * | 2020-05-26 | 2023-06-27 | 银江技术股份有限公司 | 一种微观城市交通在线仿真系统及方法 |
| CN112069636B (zh) * | 2020-09-07 | 2022-12-06 | 华设设计集团股份有限公司 | 一种路网仿真输入模型构建方法、装置及存储介质 |
| CN112185124B (zh) * | 2020-11-27 | 2021-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种全路网交通状态预测方法及装置 |
| CN112927503B (zh) * | 2021-01-25 | 2022-03-01 | 河北上元智能科技股份有限公司 | 一种雨天高速公路主线速度限制和匝道融合协调控制方法 |
| CN113223293B (zh) * | 2021-05-06 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
| CN113704956A (zh) * | 2021-06-15 | 2021-11-26 | 深圳市综合交通设计研究院有限公司 | 一种基于数字孪生技术的城市道路在线微观仿真方法及系统 |
| CN113536499B (zh) * | 2021-07-12 | 2022-06-03 | 交通运输部规划研究院 | 一种港口集疏运规划仿真分析方法及系统 |
| CN113761695B (zh) * | 2021-08-27 | 2022-04-22 | 东南大学 | 一种面向城市规模交通仿真的分布式加速计算方法 |
| CN113536611B (zh) * | 2021-09-16 | 2022-03-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于离散仿真的自主式交通系统架构正确性的检查方法 |
| CN113919789A (zh) * | 2021-11-15 | 2022-01-11 | 河海大学 | 城市物流运作环境的仿真实现方法及系统 |
| CN114912233B (zh) * | 2022-04-19 | 2023-04-18 | 华北科技学院(中国煤矿安全技术培训中心) | 路网运力下降的影响范围确定和协同管控的方法及系统 |
| CN115188204B (zh) * | 2022-06-29 | 2023-08-15 | 东南大学 | 一种异常天气条件下高速公路车道级可变限速控制方法 |
| CN115497301B (zh) * | 2022-11-21 | 2023-04-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通组织优化方案的评估方法、电子设备及存储介质 |
| CN117292547B (zh) * | 2023-10-27 | 2024-05-07 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
| CN104949682A (zh) * | 2015-05-26 | 2015-09-30 | 苏州大学 | 一种在路网中进行路径规划的方法及系统 |
| CN106504528A (zh) * | 2016-11-02 | 2017-03-15 | 浙江大学 | 一种利用手机信令大数据和动态交通分配的od标定方法 |
| CN106846818A (zh) * | 2017-04-24 | 2017-06-13 | 河南省城乡规划设计研究总院有限公司 | 基于Simulink仿真的路网动态交通流预测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101603810B (zh) * | 2009-06-30 | 2011-04-13 | 西北工业大学 | 锥束ct系统快速定位方法及其专用测具 |
| US9342982B2 (en) * | 2013-09-09 | 2016-05-17 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
-
2018
- 2018-05-30 CN CN201810543205.2A patent/CN108763776B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
| CN104949682A (zh) * | 2015-05-26 | 2015-09-30 | 苏州大学 | 一种在路网中进行路径规划的方法及系统 |
| CN106504528A (zh) * | 2016-11-02 | 2017-03-15 | 浙江大学 | 一种利用手机信令大数据和动态交通分配的od标定方法 |
| CN106846818A (zh) * | 2017-04-24 | 2017-06-13 | 河南省城乡规划设计研究总院有限公司 | 基于Simulink仿真的路网动态交通流预测方法 |
Non-Patent Citations (6)
| Title |
|---|
| "Online Prediction of Freeway Time-Dependent OD Flow: A Case Study of Jiangsu Province in China";Xiang Wang .etc;《17th COTA International Conference of Transportation Professionals》;20180118;59-69 * |
| "基于Ｋ最近邻算法的高速公路短时行程时间预测";王翔等;《中国公路学报》;20150131;第28卷(第1期);102-111 * |
| "基于MFD的路网宏观交通状态及影响因素研究";朱琳等;《华南理工大学学报(自然科学版)》;20121130;第40卷(第11期);138-146 * |
| "大数据驱动的动态交通分配仿真及实证研究";陈喜群等;《第十一届中国智能交通年会大会论文集》;20161130;159-167 * |
| "适用于超大规模路网的轻量级动态交通分配仿真平台DTALite分配仿真平台DTALite";周学松等;《2016年中国城市交通规划年会》;20160430;1276-1286 * |
| 周学松等."适用于超大规模路网的轻量级动态交通分配仿真平台DTALite分配仿真平台DTALite".《2016年中国城市交通规划年会》.2016, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108763776A (zh) | 2018-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108763776B (zh) | 一种城市快速路网时变交通状态仿真方法及装置 | |
| WO2018149307A1 (zh) | 交通路况分析方法、装置及电子设备 | |
| Ding et al. | Complex network theory applied to the growth of Kuala Lumpur’s public urban rail transit network | |
| CN106898142B (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
| Lin et al. | VISSIM-based simulation analysis on road network of CBD in Beijing, China | |
| Owais et al. | When to decide to convert a roundabout to a signalized intersection: Simulation approach for case studies in Jeddah and Al-Madinah | |
| Ma et al. | Estimation of major stream delays with a limited priority merge | |
| Anusha et al. | Dynamical systems approach for queue and delay estimation at signalized intersections under mixed traffic conditions | |
| William et al. | Edge based Web Computing for Traffic Control Management for Distributed Environment Conditions | |
| Salim et al. | Estimation of average space headway under heterogeneous traffic conditions | |
| Bansal et al. | Impacts of bus-stops on the speed of motorized vehicles under heterogeneous traffic conditions: a case-study of Delhi, India | |
| Chepuri et al. | Examining performance of an urban corridor using microscopic traffic simulation model under mixed traffic environment in India | |
| JP2003016569A (ja) | Ｏｄ交通量決定装置及び方法 | |
| Sharmeen et al. | Developing a generic methodology for traffic impact assessment of a mixed land use in Dhaka city | |
| Mondal et al. | Microsimulation-based framework to analyse urban signalised intersection in mixed traffic | |
| Chun et al. | Virtual-reality based integrated traffic simulation for urban planning | |
| Henning et al. | Methodology for determining critical locations in road networks based on graph theory | |
| Jenelius et al. | Travel time estimation for urban road networks using low frequency GPS probes | |
| JP4544760B2 (ja) | 交通情報収集装置設置地点設計装置および方法 | |
| Ekman | Calibration of traffic models in SIDRA | |
| Fries et al. | Feasibility of traffic simulation for decision support in real-time regional traffic management | |
| Saha et al. | A Microsimulation based approach to investigate intersection performance: a case study on Bhulta intersection of Dhaka | |
| Abret et al. | The determination of convenient junction type utilizing from estimated traffic data with AHP method | |
| CN110147947B (zh) | 一种城市电动汽车公共充电网络服务质量分析方法 | |
| Quintero-Cano | Graph theory based transit indicators applied to ridership and safety models |
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 |