CN109816978B - 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 - Google Patents

Abstract

本发明公开了一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法，由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，本发明可以实现考虑驾驶员动态响应行为的区域群体交通时空协同诱导，为拥挤交通条件下区域群体交通诱导提供支持，为管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。

Description

考虑驾驶员动态响应行为的区域群体交通诱导系统及方法

技术领域

本发明属于智能交通技术领域，尤其是一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法。

背景技术

近年来，我国城市道路交通拥堵日益严重，由此造成出行效率和可靠性的降低，受到交通管理决策者和研究者的普遍关注。美国、欧洲、日本等发达国家，为应对日益严重的城市交通拥堵问题，均已把智能诱导技术作为提升交通信息发布、区域网络交通控制、交通需求管理水平的核心建设内容。我国以北京、上海等为代表的特大城市，已经逐步推广应用了基于可变情报板(Variable Message Sign，VMS)的道路群体交通诱导系统，并取得了一定的预期效果。然而，随着交通需求的不断增长，拥挤的道路网交通流呈现出更为复杂的动态性、随机性和不稳定性，迫切需要通过路网上VMS提供更为有效可靠的预测信息和时空协同的诱导策略来均衡路网负荷、提高出行可靠性和路网整体效率。

在拥挤的道路交通网络中，群体交通诱导系统的功效，取决于对网络交通状态的预测、对驾驶员群体实际动态响应行为的精确建模和有效可靠的群体交通诱导策略。这三者是相互依赖的，对网络交通状态演化和驾驶员群体实际动态响应行为的精确刻画，决定着群体交通诱导策略的应用效果。然而，现有的群体交通诱导方法主要基于传统的动态交通分配模型(Dynamic Traffic Assignment，DTA)，主要集中在描述交通流演化的动态性和稳定性，对驾驶员群体动态响应行为考虑不足。对驾驶员群体动态响应行为考虑不足将产生驾驶员群体响应行为建模的偏差，造成网络交通状态预测结果的偏差，进而影响群体交通诱导策略的效果，并有可能对出行可靠性和系统性能产生负面影响。另外，出行行为研究表明出行者对诱导信息的接受程度取决于诱导信息的可靠性，出行者一般通过经历的行程时间或交通状态来评价信息的可靠性。因此，“考虑驾驶员群体动态响应行为的有效、可靠的预测信息”比现状“基于实时检测的瞬时信息和短时预测信息”更受出行者关注，特别是在拥挤的道路交通网络中。对于出行者，有效可靠的诱导信息能够帮助其避免实际或者可能的瓶颈引起的不稳定交通流；对于交通管理者，通过诱导出行者到系统期望的路径，可以实现更为稳定的交通流水平，避免或者推迟发生交通流breakdown。

因此，对于交通拥挤日益严重的道路交通网络，有没有一个可操作的、提供有效可靠的群体诱导信息的方法，以提高出行可靠性和系统性能，是摆在交通管理决策者和研究者面前的难题。

近年来，随着交通检测技术的不断发展，检测精度不断提高，覆盖范围不断扩大，为考虑驾驶员动态响应行为的区域群体交通诱导系统的建立奠定了必要的应用基础条件，具有重要的理论意义和实用价值。其技术研发和应用推广，可以实现考虑驾驶员动态响应行为的区域群体交通协同诱导，为拥挤交通条件下区域群体交通诱导提供新方法。为交通管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升我国智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。

发明内容

本发明针对现有技术的不足，提供了一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法。

一种考虑驾驶员动态响应行为的区域群体交通诱导系统，由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通诱导信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接。

所述的实时交通数据检测与监视子系统包括多种交通检测器、视频监视摄像机、视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据，由视频通信控制和监视器记录并传递给所述的群体交通诱导控制平台。

所述的交通诱导信息发布与监视子系统包括可变情报板、交通信息发布控制和监视器，由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台。

所述的群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上。面向管理者的系统有分析和查询功能，面向出行者的系统有查询功能。

所述的天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台。

所述的群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统中的交通数据采集控制和监视器记录的交通检测数据，并接收由交通信息发布与监视子系统中的交通信息发布控制和监视器记录的交通诱导信息内容和时间，以及天气信息采集子系统中的天气信息采集控制和监视器记录的天气信息内容和时间，实现对考虑驾驶员动态响应行为的道路群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定。

所述的群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。

所述的群体交通诱导控制输入准备器由交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。

所述的群体交通诱导控制器由群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。

一种考虑驾驶员动态响应行为的区域群体交通诱导方法，该方法具体包括以下步骤：

步骤一：实时交通数据采集和汇集；

实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通诱导信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据，并实现交通检测数据的质量控制，提高交通检测设备的利用效率和数据质量；交通检测数据由固定交通检测器、基于车和固定交通检测器相结合检测方式、移动交通检测器检测方式获得，这些数据经过数据校验与预处理、修补、质量控制汇集存储到数据库服务器；所述的数据库服务器包括道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。

步骤二：群体交通诱导控制器输入数据准备

调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库；交通需求估计与预测模型包括基于固定交通检测器、基于车和固定交通检测器相结合检测方式和基于移动交通检测器的三类组合模型；交通需求估计与预测和交通事故自动检测的数据处理过程集中在数据库服务器、应用服务器Ⅰ中进行；应用服务器Ⅰ包括交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块。

步骤三：群体交通诱导控制模型建立

把群体交通诱导控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题，将离散时间、空间以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型和驾驶员群体响应行为预估模型进行整合，作为网络交通演化过程模型，通过在未来一个时段内求解每一个控制周期的最优问题来实现反馈控制，群体交通诱导控制模型具体如下。

群体交通诱导控制目标函数由权重总时间消耗和一个预测误差项构成，具体如下：

约束条件具体如下:

以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型：

驾驶员群体响应行为预估模型：

群体交通诱导策略模型：

定义性约束:

非负约束:

所有变量≥0

群体交通诱导控制模型中，T是时间步长；M是控制期时长；P是预测期时长；k_c是控制器的离散时间间隔，k_c＝Mk；k_p是预测的离散时间间隔,k_p＝Pk；l是VMS的位置；m是VMS的信息内容；x(k)是k时段交通流演化过程状态向量；是基于k时段的信息预测得到时段{k,...,k+k_p-1}的状态向量；d(k)是k时段交通扰动向量；是/>时段{k,...,k+k_p-1}的扰动向量；v(l，m，k_c)是控制周期σ(k_c)时群体交通诱导方案向量；β(l，m，k_c)是控制周期σ(k_c)时驾驶员群体响应行为向量；u(k)是k时段群体交通诱导控制变量；u(k_c)是基于控制周期σ(k_c)的信息最小化目标函数/>的群体交通诱导方案向量；λ_i是路段i处的车道数；L_i是路段i处的长度；q_ij(k_c)是分流点i处上游主线j在k时段的交通量；ρ_n,i(k)是k时段道路n路段i处的交通密度；m_veh,s,m(k)是k时段道路或路段上的车辆数；X_ijk是分流点i处k时刻影响驾驶员响应行为的第j因素，包括交通信息有无，行程时间、交通状态、交通事故，交通信息覆盖空间范围，协调分流影响，联系主路径和替换路径匝道交通状况，分流点下游交通拥挤的可视性，工作日、非工作日、早高峰和非早高峰，天气情况；α_ijk是分流点i处k时刻的模型系数；ε_ik是随机误差项，ε_ik～N(q_ik，Q_ik)；F[x(k)，u(k_c)，d(k)]是控制周期σ(k_c)的状态更新函数；/>是控制周期σ(k_c)的驾驶员群体响应行为预估模型；H[q_ij(k_c),u(k_c),β(l,m,k_c)]是控制周期σ(k_c)的群体交通诱导策略模型；/>是控制周期σ(k_c)的目标函数。

步骤四：群体交通诱导控制策略制定与优化

由群体交通诱导控制逻辑模块调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致；群体交通诱导控制策略制定与优化的数据处理过程集中在数据库服务器、应用服务器Ⅱ中进行；应用服务器Ⅱ包括群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块。

有益效果：本发明充分利用固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)多源交通检测数据，以及交通诱导信息发布数据和天气数据，基于出行场景重构方法，实现实时、准确地掌握驾驶员群体的动态响应行为，建立以驾驶员群体动态响应行为为输入变量的网络交通状态演化模型，群体交通诱导策略时空协同优化模型，形成与驾驶员动态响应行为一致的群体交通诱导机制，从而实现主动式群体交通诱导，达到通过提供有效可靠的诱导信息来提升区域道路出行可靠性和系统性能的目的，为管理者制定主动式交通管理策略提供支持，为道路出行可靠性和系统性能提供坚实的基础，具有重要的理论意义和实用价值。其技术研发和应用推广，可以实现考虑驾驶员动态响应行为的区域群体交通时空协同诱导，为拥挤交通条件下区域群体交通诱导提供支持，为管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。

附图说明

图1是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的一个优选实施例的系统体系架构示意图；

图2是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的一个优选实施例的系统软件结构示意图；

图3是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的数据流程图。

具体实施方式

如图1所示，本发明由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接。

实时交通数据检测与监视子系统通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据并传递给所述的群体交通诱导控制平台。该实时交通数据检测与监视子系统包括固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)、交通数据采集控制和监视器、第一通信子系统、视频通信控制和监视器。

固定交通检测器(如感应线圈、微波检测器等)采集并传递断面交通量、车速和占有率数据，视频监视摄像机实现道路交通状况、交通事故的人工巡视和确认；基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)可以采集并传递区间车速、断面交通量和OD数据；移动交通检测器(如基于浮动车系统、智能手机系统等)采集并传递车辆位置、车速和轨迹数据。这些交通数据通过交通数据采集控制和监视器接口软件经过第一通信子系统传递给群体交通诱导控制平台，作为该平台的基础交通数据。

交通信息发布与监视子系统由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台。

天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台。

群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统采集的交通检测数据，并接收由交通信息发布与监视子系统传递过来的交通诱导信息发布数据，以及天气信息采集子系统传递过来的天气数据，实现对考虑驾驶员动态响应行为的道路群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定。

群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上。面向管理者有分析和查询功能，面向出行者有查询功能。

通信子系统可以采用有线和无线通信相结合的方式。

本发明体系架构的实时交通数据检测与监视子系统中采用交通数据采集控制和监视器记录交通检测数据，交通信息发布与监视子系统中采用交通信息发布控制和监视器记录交通诱导信息内容和时间，天气信息采集子系统中采用天气信息采集控制和监视器记录天气信息内容和时间，传递给群体交通诱导控制平台；交通数据采集控制和监视子系统、交通信息发布与监视子系统、天气信息采集子系统和群体交通诱导控制平台同步运行相同时间周期的指令，保证实时交通数据检测与监视子系统中实时交通检测数据采集汇集，交通信息发布与监视子系统中交通诱导信息发布数据汇集，天气信息采集子系统中天气数据汇集，交通信息发布与监视子系统中群体交通诱导信息发布，以及群体交通诱导控制平台中各模块协同运行生成群体交通诱导方案，这一过程的同步性。

群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。群体交通诱导控制输入准备器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。群体交通诱导控制器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块制定与驾驶员动态响应行为一致、多诱导设施时空协同的群体交通诱导策略，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。

本发明的主要特色之一是全面、同步、分类、实时汇集考虑驾驶员动态响应行为的区域道路群体交通诱导系统所需各类相关数据，通过预处理、修补和质量控制以保证数据质量，根据路网所能获得的不同数据源，有针对性的建立相应的交通模型，并进一步建立考虑驾驶员动态响应行为的群体交通诱导模型，充分利用各类交通数据，保证了数据的完整性和模型的可靠度。

如图2所示，所述的群体交通诱导控制平台中设置有群体交通诱导控制输入准备器和群体交通诱导控制器，这是本发明的核心部分所在。群体交通诱导控制输入准备器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。

所述的群体交通诱导控制器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。

如图3所示，所述的考虑驾驶员动态响应行为的区域群体交通诱导系统总体数据处理过程包括数据采集和汇集层，控制器输入数据准备层，群体交通诱导控制层和群体交通诱导应用层。

(1)数据采集和汇集层

该层的主要作用是实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据，并实现交通检测数据的质量控制，提高交通检测设备的利用效率和数据质量。交通检测数据主要由固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)检测方式获得，这些数据汇集存储到数据库服务器，并由控制器输入数据准备层的交通检测数据质量控制模块进行数据校验与预处理、修补、质量控制。数据采集和汇集层数据处理过程主要集中在数据库服务器、应用服务器Ⅰ中进行。

(2)控制器输入数据准备层

该层的主要作用是调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以必要的视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库。交通需求估计与预测模型主要包括基于固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)和基于移动交通检测器(如基于浮动车系统、智能手机系统等)的三类组合模型。交通需求估计与预测和交通事故自动检测的数据处理过程主要集中在数据库服务器、应用服务器Ⅰ中进行。

(3)群体交通诱导控制层

该层的主要作用是调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体交通诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。群体交通诱导控制策略制定与优化的数据处理过程主要集中在数据库服务器、应用服务器Ⅱ中进行。

(4)群体交通诱导应用层

由面向出行者的群体交通诱导信息显示终端可变情报板，实时发布考虑驾驶员动态响应行为、时空协同的群体交通诱导信息。由面向管理者和出行者的群体交通诱导信息查询分析终端，输入分析查询指令，传递给群体交通诱导系统，并由群体交通诱导系统生成查询分析报告，输出显示在查询分析终端上。

Claims (2)

1.考虑驾驶员动态响应行为的区域群体交通诱导系统，其特征在于：由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通诱导信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接；

所述的实时交通数据检测与监视子系统包括多种交通检测器、视频监视摄像机、视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据，由视频通信控制和监视器记录并传递给所述的群体交通诱导控制平台；

所述的交通诱导信息发布与监视子系统包括可变情报板、交通信息发布控制和监视器，由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台；

所述的群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上；面向管理者的系统有分析和查询功能，面向出行者的系统有查询功能；

所述的天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台；

所述的群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统中的交通数据采集控制和监视器记录的交通检测数据，并接收由交通诱导信息发布与监视子系统中的交通信息发布控制和监视器记录的交通诱导信息内容和时间，以及天气信息采集子系统中的天气信息采集控制和监视器记录的天气信息内容和时间，实现对考虑驾驶员动态响应行为的区域群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定；

所述的群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库；

所述的群体交通诱导控制输入准备器由交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据；

所述的群体交通诱导控制器由群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。

2.考虑驾驶员动态响应行为的区域群体交通诱导方法，其特征在于，该方法基于权利要求1所述的考虑驾驶员动态响应行为的区域群体交通诱导系统实现，具体包括以下步骤：

步骤一：实时交通数据采集和汇集；

实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通诱导信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据；交通检测数据由固定交通检测器、基于车和固定交通检测器相结合检测方式、移动交通检测器检测方式获得，这些数据经过数据校验与预处理、修补、质量控制汇集存储到数据库服务器；所述的数据库服务器包括道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库；

步骤二：群体交通诱导控制器输入数据准备

调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库；交通需求估计与预测模型包括基于固定交通检测器、基于车和固定交通检测器相结合检测方式和基于移动交通检测器的三类组合模型；交通需求估计与预测和交通事故自动检测的数据处理过程集中在数据库服务器、应用服务器Ⅰ中进行；应用服务器Ⅰ包括交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块；

步骤三：群体交通诱导控制模型建立

把群体交通诱导控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题，将离散时间、空间以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型和驾驶员群体响应行为预估模型进行整合，作为网络交通演化过程模型，通过在未来一个时段内求解每一个控制周期的最优问题来实现反馈控制，群体交通诱导控制模型具体如下：

群体交通诱导控制目标函数由权重总时间消耗和一个预测误差项构成，具体如下：

约束条件具体如下:

以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型：

驾驶员群体响应行为预估模型：

群体交通诱导策略模型：

定义性约束:

非负约束:

所有变量≥0

群体交通诱导控制模型中，k_c是控制器的离散时间间隔，k_c＝Mk；k_p是预测的离散时间间隔,k_p＝Pk；M是控制期时长；P是预测期时长；l是VMS的位置；m是VMS的信息内容；x(k)是k时段交通流演化过程状态向量；[x(k|k)，x(k+1|k)，...，x(k+k_p-1|k)]是基于k时段的信息预测得到时段{k,...,k+k_p-1}的状态向量；d(k)是k时段交通扰动向量；[d(k|k)，d(k+1|k)，...，d(k+k_p-1|k)]是基于k时段的信息预测得到的时段{k,...,k+k_p-1}的扰动向量；v(l,m,k_c)是控制周期σ(k_c)时群体交通诱导方案向量；β(l,m,k_c)是控制周期σ(k_c)时驾驶员群体响应行为向量；u(k)是k时段群体交通诱导控制变量；u(k_c)是基于控制周期σ(k_c)的信息最小化目标函数的群体交通诱导方案向量；λ_n是路段n处的车道数；L_n是路段n处的长度；q_ij(k_c)是分流点i处上游主线j在k时段的交通量；ρ_n,i(k)是k时段道路n路段i处的交通密度；m_veh,S,R(k)是k时段道路或路段上的车辆数；X_ijk是分流点i处k时刻影响驾驶员响应行为的第j因素，包括交通信息有无，行程时间、交通状态、交通事故，交通信息覆盖空间范围，协调分流影响，联系主路径和替换路径匝道交通状况，分流点下游交通拥挤的可视性，工作日、非工作日、早高峰和非早高峰，天气情况；α_ijk是分流点i处k时刻的模型系数；ε_ik是随机误差项，ε_ik～N(q_ik,Q_ik)；F[x(k),u(k_c),d(k)]是控制周期σ(k_c)的状态更新函数；/>是控制周期σ(k_c)的驾驶员群体响应行为预估模型；H[q_ij(k_c),u(k_c),β(l,m,k_c)]是控制周期σ(k_c)的群体交通诱导策略模型；/>是控制周期σ(k_c)的目标函数；

步骤四：群体交通诱导控制策略制定与优化

由群体交通诱导控制逻辑模块调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致；群体交通诱导控制策略制定与优化的数据处理过程集中在数据库服务器、应用服务器Ⅱ中进行；应用服务器Ⅱ包括群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块。