CN110363994A - 路网全路段动态交通量获取方法 - Google Patents

Abstract

本发明提供一种路网全路段动态交通量获取方法，该方法以元胞传输模型为基础描述动态交通网络，以路径时变交通量为组合纽带，基于变分不等式理论建立离散的动态O‑D反推和满足动态预测型用户最优约束的动态交通分配组合模型，从而可以根据路网部分路段的实时交通量计算得到时变的动态全O‑D需求量、全路段动态交通量等。本发明通过平衡动态O‑D反推模型的动态总偏差和动态交通分配模型的路径走行时间，实现两者的综合最优化，省去中间变量求解，减少计算误差，提高计算效率和精度。

Description

路网全路段动态交通量获取方法

技术领域

本发明属于智能交通技术领域，尤其涉及一种路网全路段动态交通量获取方法。

背景技术

先进的交通管理系统和先进的出行者信息系统是智能交通系统的重要研究内容，可通过实时的交通管理控制和交通流诱导改善道路系统、减少网络逗留时间、优化交通流时空分布，从而达到缓解城市交通拥堵的目的。动态交通网络模型对实现上述目的具有重要作用，其中动态O-D(Origin-Destination，起点和终点间的交通出行量)反推和动态交通分配是动态交通网络模型的核心内容。

动态O-D反推是根据部分路段观测交通量，结合历史交通流在路网中分布模式，利用路径交通量和路段交通量之间的关系，反向推出O-D需求，按模型构建思路可分为参数优化(PO，Parameter Optimization)模型、极大熵(EM，Maximum Entropy Model)模型、似然函数最大化(ML，Maximization of Likelihood Function)模型、卡尔曼滤波(KF，KalmanFiltering)模型、变分不等式(VI，Variational Inequalities)模型。动态交通分配是在交通供给与需求状况已知下，遵循Wardrop原则将时变的交通量合理地分配到路网中，使道路网络能够满足动态用户最优或系统最优，按建模方法可分为数学解析模型、计算机仿真模型，其中数学解析模型又包括数学规划方法、最优控制方法、变分不等式方法。

因动态O-D反推与动态交通分配自身存在模型复杂、涉及变量多、求解困难和难以满足在线应用问题，限制其广泛运用和交互研究。其中，动态交通分配输入数据难以获取，即动态O-D矩阵难以准确得到而制约其实际应用；在预测O-D矩阵方面，传统交通规划四阶段法耗时长、投入大，静态O-D反推精度低、依赖于先验矩阵、仅可估计而无法预测O-D；难以根据部分路段检测交通量准确获取全路网各路段实时交通量。

发明内容

为克服上述现有的路网全路段动态交通量获取方法复杂、求解困难且准确度低的问题或者至少部分地解决上述问题，本发明实施例提供一种路网全路段动态交通量获取方法。

本发明实施例提供一种路网全路段动态交通量获取方法，包括：

根据路网中部分路段的实时交通量，使用基于动态O-D反推模型与基于动态交通分配模型的组合模型实时获取所述路网的全路径交通量；

根据所述全路径交通量获取所述路网的全路段交通量。

本发明实施例提供一种路网全路段动态交通量获取方法，该方法通过根据监测到的部分路段的实时交通量，使用基于变分不等式的动态O-D反推模型与基于变分不等式的动态交通分配模型的组合模型实时获取路网的全路径交通量，并根据全路径交通量获取路网的全路段交通量，该组合模型能更准确地描述实际交通先行和揭示交通需求规律本质，省去中间变量求解，减少误差，获取的路段交通量精度高，计算速度快。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的路网全路段动态交通量获取方法整体流程示意图；

图2为本发明又一实施例提供的路网全路段动态交通量获取方法整体流程示意图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

在本发明的一个实施例中提供一种路网全路段动态交通量获取方法，图1为本发明实施例提供的路网全路段动态交通量获取方法整体流程示意图，该方法包括：S101，根据路网中部分路段的实时交通量，使用基于动态O-D反推模型与基于动态交通分配模型的组合模型实时获取所述路网的全路径交通量；

其中，路网指在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路。基于变分不等式的动态O-D反推模型为基于变分不等式理论建立的动态O-D反推模型。基于变分不等式的动态交通分配模型为基于变分不等式理论建立的满足动态预测型用户最优约束的动态交通分配模型。将这两种模型进行组合获取这这种模型的组合模型。通过路段流量监测器得到路网中部分路段的实时交通量，将其作为组合模型的输入数据，从而求解得到路网的全路径交通量。其中全路径交通量为路网中每条路径的交通流量。

S102，根据所述全路径交通量获取所述路网的全路段交通量。

根据实时获取的全路径交通量，通过0-1函数得到路网的全路段交通量。其中，全路段交通量为路网中每个路段的交通流量。最终获取的路网全路段交通量能切实为城市智能交通管理提供支撑。

本实施例通过根据监测到的部分路段的实时交通量，使用基于变分不等式的动态O-D反推模型与基于变分不等式的动态交通分配模型的组合模型实时获取路网的全路径交通量，并根据全路径交通量获取路网的全路段交通量，该组合模型能更准确地描述实际交通先行和揭示交通需求规律本质，省去中间变量求解，减少误差，获取的路段交通量精度高，计算速度快。

在上述实施例的基础上，本实施例中在根据路网中部分路段的实时交通量，使用基于动态O-D反推模型与基于动态交通分配模型的组合模型实时获取所述路网的全路径交通量的步骤之前还包括：以所述路网的动态总偏差最小为目标函数，建立基于变分不等式的动态O-D反推模型；以所述路网的路径走行时间最小为目标函数，建立基于变分不等式的动态交通分配模型；将所述路网的动态总偏差和所述路网的路径行走时间进行综合，以综合结果最小为目标函数，对所述动态O-D反推模型和所述动态交通分配模型进行组合，获取所述组合模型。

具体地，以元胞传输模型为基础描述路网。在构建基于变分不等式的动态O-D反推模型DODE-VI时，对研究时段进行离散化处理，引入分配时段、观测时段和加载时段，在此基础上分析路径走行时间，并计算动态总偏差。以动态总偏差最小为目标建立基于变分不等式的动态O-D反推模型，并将其转化为有限维变分不等式问题。在构建基于变分不等式的动态交通分配模型DTA-VI时，基于变分不等式理论，建立满足动态预测型用户最优约束的动态交通分配模型，并将其转化为有限维变分不等式问题。在构建两种模型的组合模型CDEAM-VI时，基于变分不等式、元胞传输模型、动态O-D反推模型和动态交通分配模型，以路径时变交通量为组合纽带，对DTA-VI和DODE-VI中的最优条件进行加权平衡以达到组合模型最优化，据此构建两种模型的组合模型，并将其转化为有限维变分不等式问题。

动态O-D反推模型与动态交通分配模型均以时变动态交通为研究对象，动态交通分配模型的实现需要以时变的O-D数据作为基础性输入，其求解结果又会对动态O-D反推结果产生一定影响。因此，两者相互联系并互为逆过程，利用变分不等式方法将上述两种理论进行组合，可通过分析部分路段交通量的动态变化反推出时变的O-D需求，进而分配得到全路段交通量的动态变化。

本实施例适用于城市交通网络，组合模型离散化、低阶、少约束，具有误差小、效率高，且可在线应用，所建立的组合方法能够更准确地描述实际交通现象和揭示交通需求规律本质，省去中间变量求解，减少误差并提高求解时效；组合方法通过平衡动态O-D反推模型的动态总偏差和动态交通分配模型的路径走行时间，实现了两者的综合最优化，所建立的组合模型可避免双层组合引起的分析和数值方面的困难，在求解精度上也优于单层组合方法；组合模型能根据路网中部分路段检测到的实时交通流量求解得到时变的动态全O-D需求流量、全路段动态交通量，真正实现了为路径诱导系统和交通管制系统提供实时数据，从而为城市智能交通管理提供基础支撑。

在上述实施例的基础上，本实施例中所述动态O-D反推模型的公式为：

其中，r∈R，s∈S，R为所述路网中所有起点O的集合，S为所述路网中所有终点D的集合，为t时段内路径k∈K_rs的交通量，K_rs为起点r和终点s之间的路径集合，为t时段内路径k∈K_rs的路径行走时间，为t时段内路径k∈K_rs的动态总偏差，θ为转换系数，用于动态总偏差与走行费用之间的换算；

定义基于变分不等式的动态O-D反推模型的动态最优性为：在最优点时，无论出行者何时出发、选择何条路径，都将花费与动态总偏差相同的走行费用，且不大于其他未使用路径的动态偏差。K＝∪K_rs，是t分配时段内出发使用路径k∈K_rs的交通量；是分配时段t内出发的交通流路径走行时间；是动态总偏差；θ是转换系数，用于进行动态总偏差与走行费用间换算，需结合数值分析结果与实际路网交通流运行状况取值。将基于变分不等式的动态O-D反推模型表示为有限维变分不等式问题如下：

求解满足<c(f^*)-θd(f^*),f-f^*〉≥0，对所有其中，m_a为分配时段内分配步长的个数，c(f^*)表示路网全路径走行时间的矩阵表达式，d(f^*)表示动态总偏差的矩阵式，|K|表示向量K的长度，表示由约束条件决定的空间。

所述动态交通分配模型的公式为：

其中，为t时段内r和s间的最短路径走行时间，为t时段内r和s间的交通量；

在构建基于变分不等式建立动态O-D反推模型后，再基于变分不等式建立动态交通分配模型并将其转化为有限维变分不等式问题。定义基于变分不等式并满足动态预测型用户最优约束动态交通分配模型的动态最优性为：在交通网络中的任一时刻，每个O-D对间出行者选择的出行路径其走行时间相等且最小，出行者不能在交通网络节点处改变出发时选择的最优路径。将基于变分不等式的动态交通分配模型表示为有限维变分不等式问题如下：

求解f^*，满足其中，A表示OD对和路径的关联矩阵。

所述组合模型的公式为：

其中，为和的综合结果，α与β为预设权重系数。

组合模型是寻求同时满足DODE-VI和DTA-VI两模型约束条件下的最优路径流量。基于变分不等式的动态O-D反推模型的动态最优条件为动态总偏差最小，基于变分不等的动态交通分配模型的动态最优条件为路径走行时间最小，由此定义组合模型的动态最优性为：同时满足以上两模型的最优条件；组合模型以变分不等式为研究方法，以路径时变交通量为组合纽带，以满足动态总偏差和路径走行时间的综合最优为目标函数，建立两种模型的组合模型。将基于变分不等式的组合模型表示为有限维变分不等式问题如下：

寻求满足<c(f^*)-w(f^*),f-f^*〉≥0。

用加权方法对两模型最优条件进行平衡，得到组合方法最优条件：

式中为动态总偏差和路径走行时间加权平衡的动态最优条件；α与β为权重系数，如均取值为0.5。

在上述实施例的基础上，本实施例中所述实时交通量包括历史O-D需求量和部分路段观测流量。

在上述实施例的基础上，本实施例中根据路网中部分路段的实时交通量，使用所述组合模型实时获取所述路网的全路径交通量的步骤具体包括：基于元胞传输模型对所述路网进行描述；根据所述路网的基本属性数据、所述历史O-D需求量和所述部分路段观测流量，基于所述路网的元胞传输模型获取所述路网中的累积交通量；根据所述累积交通量获取所述路网中各路段的走行时间，根据所述路网中各路径所包含路段的走行时间计算所述路网中各路径的走行时间，并计算所述路网的动态总偏差；将所述路网中各路径的走行时间和所述路网的动态总偏差代入所述组合模型，对所述组合模型进行求解，获取所述全路径交通量。

具体地，本实施例将路网基本特性、历史O-D需求量和部分路段观测流量作为组合模型的输入数据，采用组合模型实时获取路网的全路径动态交通量，并通过0-1函数得到路网全路段动态交通量。首先根据基础数据历史O-D需求量、路段观测流量和路径观测流量的输入和路网属性数据构建初始化路径集合，根据初始化路径集合并基于路网的元胞传输模型和动态路网加载模型得到路网的累积交通量，累积交通量包括累积流入车辆数和累积流出车辆数。使用累积交通量得到路段走行时间。动态路网加载模型用于对路网的交通量进行重新加载。对路径所包含路段的走行时间求和得到路径走行时间通过路径走行时间进行最短走行路径选择，并计算动态总偏差将和代入组合模型。对组合模型进行求解，获取全路径交通量。

本实施例引入元胞传输模型对路网进行描述，选用元胞传输模型中的LWR模型作为基于变分不等式的动态O-D反推模型和基于变分不等式的动态交通分配模型的交通流传播模型，可据此确定实际路径阻抗，并确保元胞的先进先出条件成立。在建立基于变分不等式的动态O-D反推模型DODE-VI时，为建立离散化模型，首先对研究时段进行离散化处理，引入三个时间步长以确定分配时段、观测时段和加载时段，即分配步长φ_a、路段交通量的观测步长φ_m和加载步长φ_l，三者之间存在关系φ_a＝i_aφ_l，φ_m＝i_mφ_l，i_a≥1，i_m≥1，且i_a和i_m为整数。在整个分配时段T内有m_a个分配步长，即T＝m_aφ_a；在整个观测时段T’内共有m_m个观测步长，即m_m＝[T′/φ_m]₊；在整个加载时段T”内有m_l个加载步长，即T″＝m_lφ_l。在此基础上求解离散化分配时段t内出发的交通流路径走行时间，即：

其中，为第t个分配时段的第d个加载时段内与出发时间相关联的路径走行时间，近似为

路网的动态总偏差包括交通流量偏差、O-D流量偏差和路径流量偏差。其中，交通流量偏差的公式为：

O-D流量偏差的公式为：

路径流量偏差的公式为：

动态总偏差的公式为：

其中，R表示路网中的所有起点O的集合，S表示路网中所有终点D的集合，r∈R，s∈S；K_rs表示r和s间所有路径的集合，K＝∪K_rs，A₀表示入口处安装有路段流量监测器的路段集合；表示第h个观测时段路段a的观测交通量；表示t分配时段出发h观测时段到达路段a的交通流比例；表示t分配时段内出发使用路径k∈K_rs的交通量；表示t分配时段r和s间第k条路径的观测交通量；表示t分配时段出发的r和s间的观测交通量；w_x和w_q对应为交通流量偏差与O-D流量偏差的权重，如分别对应取值为1和0.5；w_f表示相对置信标量，取值为1，若路径流量不可观测时取值为0；表示路径选择因子，为0-1变量，当第t个分配时段的第d个加载时段使用路径k∈K_rs从起点r出发前往终点s并在第h个观测时段到达路段a时为1，否则为0。

在上述实施例的基础上，本实施例对所述组合模型进行求解，获取所述全路径交通量的步骤具体包括：基于基本投影法对所述组合模型中的变分不等式进行求解，逐步迭代优化直到满足预设收敛条件，输出所述全路径交通量。

具体地，在求解组合模型中的变分不等式问题前，采用时间序列下出行费用最小的路径生成算法求解每次交通量加载时新的路径。在此基础上采用基本投影法求解组合模型中的变分不等式问题，在求得全路径时变交通量后可进而得到全路段时变交通量。算法流程为：

r取正的常数，计算为保证该算法的收敛性，c(f^k)-w(f^k)映射须具有Lipschitz连续性、强单调性且满足若r在每次迭代过程中均发生变化，当时c(f^k)-w(f^k)映射必须满足强制单调性达到收敛。其中，L为该组合模型的拉格朗日函数，μ为拉格朗日乘子，r为正数，k为路径。

在上述实施例的基础上，本实施例基于基本投影法对所述组合模型中的变分不等式进行求解，逐步迭代优化直到满足预设收敛条件的步骤还包括：若不满足所述预设收敛条件，则对所述路网中部分路段的实时交通量进行重新加载；相应地，在对所述组合模型进行求解，获取所述全路径交通量的步骤之前还包括：基于时间序列下出行费用最小的路径生成算法计算每次重新加载时所述路网中产生的新路径；相应地，基于基本投影法对所述组合模型中的变分不等式进行求解的步骤具体包括：根据所述新路径，基于基本投影法对所述组合模型中的变分不等式进行求解。

具体地，采用时间序列下出行费用最小的路径生成算法求解每次交通量加载时新的路径，算法流程如下：

①求解在分配时段t时r和s间出行时间最短的路径路段权重计算，用表示最短走行时间，表示在分配时段t的第d个加载时段内的r和s间的最短走行时间，i_a表示分配步长φ_a和加载步长φ_l间的关联系数，为整数。

for d＝1:i_a

end

end

②求解路径设定为路径的最短走行时间

③求解路径设定为路径的最短走行时间，若选择路径否则选择路径

最后，通过数值分析对组合模型进行评价，因其同时涉及动态O-D反推与动态交通分配，数值分析结果需从这两方面进行分析，在动态O-D反推方面，对比动态O-D反推结果与真实O-D交通需求做出评价，在动态交通分配方面，对比动态路段交通量求解结果与路段观测交通量做出评价。除O-D反推结果、路段交通量求解结果外，数值分析内容还包括平均百分比误差MPE、平均绝对百分比误差MAPE、均方差MSE、均方根差RMSE、标准均方根差NRMS5项评价指标。

通过交通调查，将基于变分不等式的动态O-D反推与动态交通分配组合方法在具体一般路网案例中所得的结果，与真实观测值进行对比，组合方法求解结果的总体变化趋势与真实值保持一致，且能够达到一般路网中动态O-D反推与动态交通分配求解精度需求，在满足精度要求的同时保证了求解效率，可应用于城市智能交通中先进的出行者信息系统，实时诱导出行者选择最优出行路径，减少出行延误，提高交通系统运行效率。

如图2所示，本实施例路网全路段动态交通量获取方法由6个步骤组成，即(1)动态交通网络描述；(2)基于变分不等式的动态O-D反推模型DODE-VI；(3)基于变分不等式的动态交通分配模型DTA-VI；(4)基于变分不等式的动态O-D反推与动态交通分配组合模型CDEAM-VI；(5)组合模型CDEAM-VI求解；(6)组合方法CDEAM-VI效果验证。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种路网全路段动态交通量获取方法，其特征在于，包括：

根据路网中部分路段的实时交通量，使用基于动态O-D反推模型与基于动态交通分配模型的组合模型实时获取所述路网的全路径交通量；

根据所述全路径交通量获取所述路网的全路段交通量。

2.根据权利要求1所述的路网全路段动态交通量获取方法，其特征在于，在根据路网中部分路段的实时交通量，使用基于动态O-D反推模型与基于动态交通分配模型的组合模型实时获取所述路网的全路径交通量的步骤之前还包括：

以所述路网的动态总偏差最小为目标函数，建立基于变分不等式的动态O-D反推模型；

以所述路网的路径走行时间最小为目标函数，建立基于变分不等式的动态交通分配模型；

将所述路网的动态总偏差和所述路网的路径行走时间进行综合，以综合结果最小为目标函数，对所述动态O-D反推模型和所述动态交通分配模型进行组合，获取所述组合模型。

3.根据权利要求2所述的路网全路段动态交通量获取方法，其特征在于，所述动态O-D反推模型的公式为：

其中，r∈R，s∈S，R为所述路网中所有起点的集合，S为所述路网中所有终点的集合，为t时段内路径k∈K_rs的交通量，K_rs为起点r和终点s之间的路径集合，为t时段内路径k∈K_rs的路径行走时间，为t时段内路径k∈K_rs的动态总偏差，θ为转换系数，用于动态总偏差与走行费用之间的换算；

将所述动态O-D反推模型表示为有限维变分不等式问题如下：

求解满足<c(f^*)-θd(f^*),f-f^*>≥0，对所有其中，m_a为分配时段内分配步长的个数，c(f^*)表示路网全路径走行时间的矩阵表达式，d(f^*)表示动态总偏差的矩阵式，|K|表示向量K的长度，表示由约束条件决定的空间；

所述动态交通分配模型的公式为：

其中，为t时段内r和s间的最短路径走行时间，为t时段内r和s间的交通量；

将所述动态交通分配模型表示为有限维变分不等式问题如下：

求解f^*，满足其中，A表示OD对和路径的关联矩阵；

所述组合模型的公式为：

其中，为和的综合结果，α与β为预设权重系数；

将所述组合模型表示为有限维变分不等式问题如下：

寻求满足<c(f^*)-w(f^*),f-f^*〉≥0；其中，w(f^*)表示综合结果的矩阵式。

4.根据权利要求1-3任一所述的路网全路段动态交通量获取方法，其特征在于，所述实时交通量包括历史O-D需求量和部分路段观测流量。

5.根据权利要求4所述的路网全路段动态交通量获取方法，其特征在于，根据路网中部分路段的实时交通量，使用所述组合模型实时获取所述路网的全路径交通量的步骤具体包括：

基于元胞传输模型对所述路网进行描述；

根据所述路网的基本属性数据、所述历史O-D需求量和所述部分路段观测流量，基于所述路网的元胞传输模型获取所述路网中的累积交通量；

根据所述累积交通量获取所述路网中各路段的走行时间，根据所述路网中各路径所包含路段的走行时间计算所述路网中各路径的走行时间，并计算所述路网的动态总偏差；

将所述路网中各路径的走行时间和所述路网的动态总偏差代入所述组合模型，对所述组合模型进行求解，获取所述全路径交通量。

6.根据权利要求5所述的路网全路段动态交通量获取方法，其特征在于，对所述组合模型进行求解，获取所述全路径交通量的步骤具体包括：

基于基本投影法对所述组合模型中的变分不等式进行求解，逐步迭代优化直到满足预设收敛条件，输出所述全路径交通量。

7.根据权利要求6所述的路网全路段动态交通量获取方法，其特征在于，基于基本投影法对所述组合模型中的变分不等式进行求解，逐步迭代优化直到满足预设收敛条件的步骤还包括：

若不满足所述预设收敛条件，则对所述路网中部分路段的实时交通量进行重新加载；

相应地，在对所述组合模型进行求解，获取所述全路径交通量的步骤之前还包括：

基于时间序列下出行费用最小的路径生成算法计算每次重新加载时所述路网中产生的新路径；

相应地，基于基本投影法对所述组合模型中的变分不等式进行求解的步骤具体包括：

根据所述新路径，基于基本投影法对所述组合模型中的变分不等式进行求解。