CN111008450A - 交通流仿真方法、装置、存储介质及电子设备 - Google Patents

交通流仿真方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN111008450A
CN111008450A CN201910415313.6A CN201910415313A CN111008450A CN 111008450 A CN111008450 A CN 111008450A CN 201910415313 A CN201910415313 A CN 201910415313A CN 111008450 A CN111008450 A CN 111008450A
Authority
CN
China
Prior art keywords
target
vehicle
speed
simulation
simulated
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.)
Pending
Application number
CN201910415313.6A
Other languages
English (en)
Inventor
敬明
李东珂
倪宏杰
尹光文
李龙辉
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.)
Everything Mirror Beijing Computer System Co ltd
Original Assignee
Dangjia Mobile Green Internet Technology Group Co ltd
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 Dangjia Mobile Green Internet Technology Group Co ltd filed Critical Dangjia Mobile Green Internet Technology Group Co ltd
Priority to CN201910415313.6A priority Critical patent/CN111008450A/zh
Publication of CN111008450A publication Critical patent/CN111008450A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及一种交通流仿真方法、装置、存储介质及电子设备，所述方法包括：构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置；基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度；根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息；若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。因此，可以更加精准地进行仿真。

Description

交通流仿真方法、装置、存储介质及电子设备
技术领域
本公开涉及交通仿真领域，具体地，涉及一种交通流仿真方法、装置、存储介质及电子设备。
背景技术
现有技术中，交通仿真领域中，采用元胞自动机模型进行仿真是一种重要方法。元胞自动机模型是指定义在一个由元胞组成的离散空间，并且按照一定的更新规则在离散的时间维度上演化的动力学系统。交通流元胞自动机模型容易进行计算机编程和数值模拟，还可以添加各种交通条件，比如匝道、交通灯。基于元胞自动机模型可以进行道路、交叉口、网络级别的交通流仿真，可以在一定程度上模拟出交通宏观特性，以及一些复杂的交通现象，如自发堵塞，扰动传播、亚稳态等。
但是现有的元胞自动机模型模拟的车辆仅能以离散度较大的加速度进行加减速。同时，在并行更新规则下，同一时间步中前车运动距离被默认为车辆安全距离，使得车辆在行驶中会出现因确定性(安全)减速产生不合实际的行驶波动。例如，元胞自动机模型在仿真过程中不会产生大于最大加速度的参数设定值的加速度，但由于与行驶空间相关的确定减速规则，在车辆状态更新中可能产生不切实际的减速度。
发明内容
本公开的目的是提供一种更加精确合理的交通流仿真方法、装置、存储介质及电子设备。
为了实现上述目的，根据本公开的第一方面，提供一种交通流仿真方法，所述方法包括：
构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致；
基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆；
根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；
若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离；
若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。
在一个实施例中，所述根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，包括：
根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆；
将所述第二目标仿真车辆作为新的第一目标仿真车辆，并返回基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤。
在一个实施例中，通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure BDA0002064142700000031
Figure BDA0002064142700000032
Figure BDA0002064142700000033
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
Figure BDA0002064142700000034
表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
在一个实施例中，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi 2(t+1)＝max(Vi 1(t+1)-round(un(0,dec)),0)；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
根据本公开的第二方面，提供一种交通流仿真装置，所述装置包括：
构建模块，用于构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致；
确定模块，用于基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆；
第一更新模块，用于根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；
第二更新模块，用于若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离；
第三更新模块，用于若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。
在一个实施例中，所述第二更新模块包括：
更新子模块，用于根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆，将所述第二目标仿真车辆作为新的第一目标仿真车辆，并触发确定模块基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤。
在一个实施例中，通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure BDA0002064142700000051
Figure BDA0002064142700000052
Figure BDA0002064142700000053
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
Figure BDA0002064142700000054
表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
在一个实施例中，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi 2(t+1)＝max(Vi 1(t+1)-round(un(0,dec)),0)；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
根据本公开的第三方面，提供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上述第一方面任一项所述方法的步骤。
根据本公开的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面任一项所述方法的步骤。
通过上述技术方案，可以基于元胞自动机模型对交通流进行仿真，确定仿真车辆在下一时刻的速度和位置，并且在该仿真车辆存在后方车辆时，对各个后方车辆的行驶空间进行更新，从而可以对后方车辆在行驶时的行驶空间进行合理监控和规划，避免出现现有技术中需要保持安全距离而产生的异常减速度，使得仿真效果更加贴合实际使用场景，提高交通流仿真的准确度和可信度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据本公开的一种实施方式提供的交通流仿真方法的流程图；
图2A-图2D为对比分析图；
图3A-图3D为对比分析图；
图4A-图4D为对比分析图；
图5为对比分析图；
图6是根据本公开的一种实施方式提供的交通流仿真装置的框图；
图7根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1所示，为根据本公开的一种实施方式提供的交通流仿真方法的流程图，如图1所示，所述方法包括：
在S11中，构建仿真道路和仿真道路上的仿真车辆集合并设置各个仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致。
其中，仿真环境包括路网结构、仿真车辆、信号灯、时钟更新等，其可以通过现有的仿真框架进行仿真，例如，仿真软件VISSIM、SUMO中的仿真框架。
示例地，本公开所提供的方法可以应用于单车道的交通流仿真，同一车道上的同向车辆形成为仿真车辆集合，初始化时，可以通过现有仿真软件中提供的速度和位置的设置方式对仿真车辆集合中的仿真车辆进行设置，在此不再赘述。
在S12中，基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆。
在S13中，根据下一时刻的目标速度，更新第一目标仿真车辆下一时刻的位置。
其中，在该实施例中，在对仿真车辆集合中的车辆的状态信息进行更新时，可以将该仿真车辆集合中的车辆按照其行驶方向、根据各个仿真车辆的位置进行排序，并首先对行驶方向上最前方的仿真车辆，即，第一目标仿真车辆进行更新。通过确定第一目标仿真车辆在下一时刻的速度和位置对其状态信息进行更新。
示例地，在对仿真车辆集合中的仿真车辆的状态信息进行更新时，可以按照预设时间步长进行更新。示例地，该预设时间步长可以为1s。
在一个实施例中，为方便应用元胞自动机模型，本公开中可以定义较小的元胞尺寸，示例地，元胞长度(csize)为1.5m，宽度设置为仿真道路的路宽，则仿真道路可以视为由多个元胞组成的离散格点链。
需要进行说明的是，在本公开中，未进行相反说明的情况下，本公开中所述的前方为与行驶方向一致的方向，后方为与行驶方向相反的方向。
在S14中，若存在第一目标仿真车辆在行驶方向上的后方车辆，根据下一时刻的目标速度和下一时刻的位置更新与各个后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离。
其中，在本公开中，在第一目标仿真车辆存在后方车辆时，可以依次对各个后方车辆的状态信息和行驶空间进行更新，从而可以对第一目标仿真车辆的后方车辆的状态信息进行更新，并且保证后方车辆行驶空间的合理性，避免出现现有技术中需要保持安全距离而产生的异常减速度。
在S15中，若不存在第一目标仿真车辆在行驶方向上的后方车辆，根据下一时刻的位置更新第一目标仿真车辆的下一时刻对应的行驶空间。
示例地，可以通过如下方式，根据下一时刻的位置更新第一目标仿真车辆的下一时刻对应的行驶空间：
gapi(t+1)＝Xi+1(t+1)-Xi(t+1)-carsize
其中，gapi(t+1)表示第一目标仿真车辆在t+1(即，下一时刻)时刻对应的行驶空间；
Xi(t+1)表示第一目标仿真车辆在t+1时刻的位置，其中该位置可以是车辆的头部所处的位置或是车辆的尾部所处的位置，本公开对此不进行限定，只需要保证同一仿真车道上的车辆采用同样的位置描述方式即可。
Xi+1(t+1)表示第一目标仿真车辆在行驶方向上的前一车辆在t+1时刻的位置；
carsize表示所述第一目标仿真车辆的车辆长度。
通过上述技术方案，可以基于元胞自动机模型对交通流进行仿真，确定仿真车辆在下一时刻的速度和位置，并且在该仿真车辆存在后方车辆时，对各个后方车辆的行驶空间进行更新，从而可以对后方车辆在行驶时的行驶空间进行合理监控和规划，避免出现现有技术中需要保持安全距离而产生的异常减速度，使得仿真效果更加贴合实际使用场景，提高交通流仿真的准确度和可信度。
在一个实施例中，在S14中，根据下一时刻的目标速度和下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，包括：
根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆。其中，第二目标仿真车辆即为第一目标仿真车辆在行驶方向上的后一车辆。
示例地，可以通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure BDA0002064142700000101
Figure BDA0002064142700000102
Figure BDA0002064142700000103
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
gap1 j(t)表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
在上述实施例中，通过设置k1、k2和λ等参数，使得在确定第二目标仿真车辆的行驶空间时，可以参考第一目标仿真车辆和第二目标仿真车辆的速度等表示车辆动态特征的参数，使得仿真车辆的运行形态更与实际使用场景相适应，有效提高仿真的精确度。
在更新完第二目标仿真车辆的行驶空间后，可以将所述第二目标仿真车辆作为新的第一目标仿真车辆，并返回基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤，以进一步确定该新的第一目标仿真车辆下一时刻的目标速度和位置。其中，该确定方式已在上文详述，在此不再赘述。
在一个实施例中，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi 2(t+1)＝max(Vi 1(t+1)-round(un(0,dec)),0)；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
在确定出第一目标仿真车辆下一时刻的目标速度后，可以通过如下方式确定第一目标仿真车辆下一时刻的位置：
Xi(t+1)＝Xi(t)+Vi(t+1)
因此，通过上述技术方案，可以对第一目标仿真车辆下一时刻的目标速度进行合理调整，以避免现有技术中由于安全距离的限制出现不切实际的减速度的问题，提高交通流的仿真质量，为后续道路流量分析，如输出流量、速度、密度、单个车辆位置、加减速度等仿真结果，提供准确的数据支持。
以下，为根据本公开提供的实施例的实验结果与现有技术(以NS模型为例)的实验结果进行的比较，其中，NS模型为德国学者Nagel和Schreckenberg在第184号规则的基础上提出的一维交通流CA(cellular automata，元胞自动机)模型：
设csize＝1.5m，Vmax＝21(113km/h)，rlength＝5000(7.5km)，carsize＝5(7.5m)，acc＝4(6m/s2)，dec＝3(4.5m/s2)，dm＝4(6m/s2)，p＝0.28。设车道上车辆总数为N，则密度D＝1000N/(csize×rlength)(veh/km)，平均速度
Figure BDA0002064142700000121
流量J＝DV(veh/h)。其中，其他参数取值均为实际数值除以元胞尺寸csize。为消除暂态影响，对初始的一段时间不做统计，如，初始的104时间步不作统计，之后每6min对道路交通参数进行统计并平均。本公开实验结果、NS模型的实验结果及与实测数据的对比如图2A-图2D所示。其中，图2A为实测数据图，具体为实测速度-流量图；图2B为本公开实施例仿真所得速度-流量图；图2C为本公开实施例仿真所得流量-密度图；图2D为NS模型所得速度-流量图。因此，通过上述图示对比可知，本公开实施例的仿真效果更佳。
同样，以上述实施例中同样的仿真条件进行仿真，时空图对比效果如图3A-图3D所示，其中，图3A为本公开实施例的时空图，其中密度D为20veh/km；图3B为NS模型的时空图，其中密度D为20veh/km；图3C为本公开实施例的时空图，其中密度D为33.3veh/km；图3D为NS模型的时空图，其中密度D为33.3veh/km。如图3A和3B对比所示，本公开实施例中具有与真实场景更接近的临界密度，在密度D为20veh/km时仍可保持稳定、畅通的交通流，而NS模型已经出现堵塞。如图3C和图3D对比可以看出，处于同步流状态中，本公开的仿真方法的交通流密度分布更加多样，扰动传播更加复杂，更接近于实际复杂交通流应用场景；而NS模型的仿真车辆集合由密度较大的阻塞段与稀疏畅通段组成，密度变化较为离散。
同样，以上述实施例中同样的仿真条件进行仿真，其中，密度D为33.3veh/km。通过速度和加速度的波动所形成的对比图如图4A-4D所示，其中，图4A为本公开实施例仿真的加速度波动示意图，图4B为NS模型仿真的加速度波动示意图，图4C为本公开实施例仿真的速度波动示意图，图4D为NS模型仿真的速度波动示意图。
分析图4A-4D可知，本公开实施例和NS模型中的最大加速度均没有超过设置的加速度的最大值。而在减速度方面，NS模型出现了大量的超大减速度，如-35m/s2等，这是不符合实际使用场景的。因此，本公开实施例提供的仿真方案可以更好地应用于拥挤状态。
其中，仿真车辆是否会产生不合理的减速度是通过如下方式进行判定的：
定义过度减速(Excessive Deceleration，ED)参数作为评价减速度的指标之一：
令：
Figure BDA0002064142700000141
则：
Figure BDA0002064142700000142
其中，N为仿真车辆集合中的仿真车辆的总数，也即仿真道路上的仿真车辆的总数，T为一个预设的仿真时长，一般以秒为计数单位，kd(i,t)记录了第i辆车在t时刻减速度超过设定的最大减速度dm的部分，过度减速参数ED描述了仿真过程中，每个仿真车辆减速度绝对值超过最大减速度dm的部分在单位时间步长内的平均值。
采用NS模型，VDR交通流模型和本公开实施例在不同的车辆初始密度下进行仿真并计算模型的ED值，如图5所示。其中，对于NS模型和VDR交通流模型，ED值随着密度的变化呈现类似抛物线的形状，先随着车辆密度的增大和相互作用的加强而迅速增大，再随车辆间距的及平均速度的减少而降低。由于加入了慢启动规则，VDR交通流模型的车速波幅相对较小，其ED值小于NS模型，最大值约为0.6，即仿真过程中，平均每辆车每秒内产生减速度大于设置的最大减速度。而本申请实施例中ED最大值约为0.03，说明本公开实施例提供的仿真方法中车辆减速度更加符合实际情况。
本公开还提供一种交通流仿真装置，如图6所示，所述装置10包括：
构建模块100，用于构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致；
确定模块200，用于基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆；
第一更新模块300，用于根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；
第二更新模块400，用于若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离；
第三更新模块500，用于若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。
在一个实施例中，所述第二更新模块包括：
更新子模块，用于根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆，将所述第二目标仿真车辆作为新的第一目标仿真车辆，并触发确定模块基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤。
在一个实施例中，通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure BDA0002064142700000151
Figure BDA0002064142700000152
Figure BDA0002064142700000161
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
Figure BDA0002064142700000162
表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
在一个实施例中，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi 2(t+1)＝max(Vi 1(t+1)-round(un(0,dec)),0)；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理器1922，其数量可以为一个或多个，以及存储器1932，用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器1922可以被配置为执行该计算机程序，以执行上述的交通流仿真方法。
另外，电子设备1900还可以包括电源组件1926和通信组件1950，该电源组件1926可以被配置为执行电子设备1900的电源管理，该通信组件1950可以被配置为实现电子设备1900的通信，例如，有线或无线通信。此外，该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的交通流仿真方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的交通流仿真方法。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种交通流仿真方法，其特征在于，所述方法包括：
构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致；
基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆；
根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；
若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离；
若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。
2.根据权利要求1所述的方法，其特征在于，所述根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，包括：
根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆；
将所述第二目标仿真车辆作为新的第一目标仿真车辆，并返回基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤。
3.根据权利要求2所述的方法，其特征在于，通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure FDA0002064142690000021
Figure FDA0002064142690000022
Figure FDA0002064142690000023
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
Figure FDA0002064142690000024
表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
4.根据权利要求1所述的方法，其特征在于，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi 2(t+1)＝max(Vi 1(t+1)-round(un(0,dec)),0)；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
5.一种交通流仿真装置，其特征在于，所述装置包括：
构建模块，用于构建仿真道路和所述仿真道路上的仿真车辆集合并设置各个所述仿真车辆的速度和位置，其中，所述仿真车辆集合中的仿真车辆的行驶方向一致；
确定模块，用于基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度，其中所述目标仿真车辆初始为所述仿真车辆集合中位于所述行驶方向最前方的仿真车辆；
第一更新模块，用于根据所述下一时刻的目标速度，更新所述第一目标仿真车辆下一时刻的位置；
第二更新模块，用于若存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的目标速度和所述下一时刻的位置更新与各个所述后方车辆对应的行驶空间以及下一时刻的状态信息，其中，所述状态信息包括速度和位置，所述行驶空间为所述第一目标仿真车辆的尾部和所述后方车辆的头部之间的距离；
第三更新模块，用于若不存在所述第一目标仿真车辆在所述行驶方向上的后方车辆，根据所述下一时刻的位置更新所述第一目标仿真车辆的下一时刻对应的行驶空间。
6.根据权利要求5所述的装置，其特征在于，所述第二更新模块包括：
更新子模块，用于根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间，其中，第二目标仿真车辆为距离所述第一目标车辆最近的后方车辆，将所述第二目标仿真车辆作为新的第一目标仿真车辆，并触发确定模块基于元胞自动机模型确定第一目标仿真车辆下一时刻的目标速度的步骤。
7.根据权利要求6所述的装置，其特征在于，通过以下公式根据所述下一时刻的目标速度和所述下一时刻的位置更新第二目标仿真车辆的行驶空间：
Figure FDA0002064142690000041
Figure FDA0002064142690000042
Figure FDA0002064142690000043
其中，k1、k2和λ表示所述元胞自动机模型的参数；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的速度；
Vmax表示各个所述仿真车辆的最大速度；
dm表示各个所述仿真车辆的最大减速度；
Figure FDA0002064142690000051
表示所述第二目标仿真车辆j在t时刻更新前对应的行驶空间；
gapj(t)表示所述第二目标仿真车辆j在t时刻更新后对应的行驶空间；
Vj(t)表示所述第二目标仿真车辆j在t时刻的速度；
round(x)表示对x四舍五入后所得的整数。
8.根据权利要求5所述的装置，其特征在于，基于元胞自动机模型通过以下规则确定第一目标仿真车辆下一时刻的目标速度：
通过加速规则对应的公式确定加速过程对应的第一速度：
Vi 1(t+1)＝min(Vi(t)+round(un(0,acc)),Vmax)；
通过按概率P随机慢化减速规则对应的公式，在产生的随机数小于P时，根据所述第一速度确定第二速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
通过确定性减速规则对应的公式，根据所述第二速度确定所述第一目标仿真车辆下一时刻的目标速度：
Vi(t+1)＝min(Vi 2(t+1),gapi(t))；
其中，Vi 1(t+1)表示所述第一目标仿真车辆i在t+1时刻的第一速度；
Vi 2(t+1)表示所述第一目标仿真车辆i在t+1时刻的第二速度；
Vi(t+1)表示所述第一目标仿真车辆i在t+1时刻的目标速度；
Vi(t)表示所述第一目标仿真车辆i在t时刻的速度；
acc表示各个所述仿真车辆的最大加速度；
un(x,y)表示产生服从在区间[x,y]上连续均匀分布的随机数；
dec表示各个所述仿真车辆的最大随机慢化减速度；
round(x)表示对x四舍五入后所得的整数。
9.一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权利要求1-4中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-4中任一项所述方法的步骤。
CN201910415313.6A 2019-05-17 2019-05-17 交通流仿真方法、装置、存储介质及电子设备 Pending CN111008450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910415313.6A CN111008450A (zh) 2019-05-17 2019-05-17 交通流仿真方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910415313.6A CN111008450A (zh) 2019-05-17 2019-05-17 交通流仿真方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN111008450A true CN111008450A (zh) 2020-04-14

Family

ID=70111444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910415313.6A Pending CN111008450A (zh) 2019-05-17 2019-05-17 交通流仿真方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN111008450A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753424A (zh) * 2020-06-26 2020-10-09 北京百度网讯科技有限公司 仿真方法、装置、电子设备及存储介质
CN111881557A (zh) * 2020-07-01 2020-11-03 浙江浙大中控信息技术有限公司 基于道路平均速度的车流仿真方法
CN112818497A (zh) * 2021-04-19 2021-05-18 腾讯科技（深圳）有限公司 交通仿真方法、装置、计算机设备和存储介质
CN113065240A (zh) * 2021-03-19 2021-07-02 成都安智杰科技有限公司 一种自适应巡航仿真方法、装置、电子设备和存储介质
CN113823121A (zh) * 2021-09-18 2021-12-21 深圳须弥云图空间科技有限公司 一种车辆行驶配置方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301289A (zh) * 2017-06-20 2017-10-27 南京邮电大学 一种基于智能博弈的交通流元胞自动机模型的实现方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301289A (zh) * 2017-06-20 2017-10-27 南京邮电大学 一种基于智能博弈的交通流元胞自动机模型的实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
敬明: "基于驾驶员行为分析的交通流微观模型研究" *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753424A (zh) * 2020-06-26 2020-10-09 北京百度网讯科技有限公司 仿真方法、装置、电子设备及存储介质
CN111753424B (zh) * 2020-06-26 2023-08-01 北京百度网讯科技有限公司 仿真方法、装置、电子设备及存储介质
CN111881557A (zh) * 2020-07-01 2020-11-03 浙江浙大中控信息技术有限公司 基于道路平均速度的车流仿真方法
CN111881557B (zh) * 2020-07-01 2023-09-29 浙江中控信息产业股份有限公司 基于道路平均速度的车流仿真方法
CN113065240A (zh) * 2021-03-19 2021-07-02 成都安智杰科技有限公司 一种自适应巡航仿真方法、装置、电子设备和存储介质
CN112818497A (zh) * 2021-04-19 2021-05-18 腾讯科技（深圳）有限公司 交通仿真方法、装置、计算机设备和存储介质
CN112818497B (zh) * 2021-04-19 2021-06-29 腾讯科技（深圳）有限公司 交通仿真方法、装置、计算机设备和存储介质
WO2022222632A1 (zh) * 2021-04-19 2022-10-27 腾讯科技（深圳）有限公司 交通仿真方法、装置、计算机设备和存储介质
CN113823121A (zh) * 2021-09-18 2021-12-21 深圳须弥云图空间科技有限公司 一种车辆行驶配置方法及装置
CN113823121B (zh) * 2021-09-18 2023-03-14 深圳须弥云图空间科技有限公司 一种车辆行驶配置方法及装置

Similar Documents

Publication Publication Date Title
CN111008450A (zh) 交通流仿真方法、装置、存储介质及电子设备
CN111898211B (zh) 基于深度强化学习的智能车速度决策方法及其仿真方法
KR102325028B1 (ko) 강화 학습에 기초하여 협업 주행에서 다중 에이전트 센서 퓨전을 수행하는 방법 및 장치
US11783702B2 (en) Method and system for adaptive cycle-level traffic signal control
CN104809554A (zh) 一种面向道路交通事故应急处置的决策支持系统及方法
CN103593535A (zh) 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN114074680B (zh) 基于深度强化学习的车辆换道行为决策方法及系统
CN112925309A (zh) 智能网联汽车数据交互方法及交互系统
CN113537713A (zh) 一种公交发车频率仿真调度系统
Fallah A model-based communication approach for distributed and connected vehicle safety systems
JP3520331B2 (ja) 交通流シミュレーション装置
CN115862322A (zh) 一种车辆可变限速控制优化方法、系统、介质及设备
CN114582127A (zh) 一种交通流模型仿真方法、系统和异常交通事件预测方法
Cheng et al. Enhancing mixed traffic flow safety via connected and autonomous vehicle trajectory planning with a reinforcement learning approach
Garg et al. Can Connected Autonomous Vehicles really improve mixed traffic efficiency in realistic scenarios?
CN115099002A (zh) 一种面向混合交通环境的交通流微观模型优化方法
Tian et al. Comparison survey of mobility models in vehicular ad-hoc network (VANET)
WO2022258943A1 (en) Traffic control system
Jiang et al. Platoon intensity of connected automated vehicles: definition, formulas, examples, and applications
CN116438434A (zh) 用于基于概率对车辆进行速度预测的计算机辅助的方法和装置
Fekete et al. Methods for improving the flow of traffic
CN113268857A (zh) 一种基于多智能体的城市快速路交织区微观交通仿真方法及装置
CN114633765A (zh) 基于概率栅格图的速度决策方法及其装置、相关产品
Li Stochastic methods for dilemma zone protection at signalized intersections
Igbinosun et al. Traffic flow model at fixed control signals with discrete service time distribution

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
CB02 Change of applicant information

Address after: Room 307, 3 / F, supporting public building, Mantingfangyuan community, qingyanli, Haidian District, Beijing 100086

Applicant after: Beijing Wuyi Vision digital twin Technology Co.,Ltd.

Address before: Room 307, 3 / F, supporting public building, Mantingfangyuan community, qingyanli, Haidian District, Beijing 100086

Applicant before: DANGJIA MOBILE GREEN INTERNET TECHNOLOGY GROUP Co.,Ltd.

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20220914

Address after: Room 315, 3rd Floor, Supporting Public Building, Mantingfangyuan Community, Qingyunli, Haidian District, Beijing 100000

Applicant after: Everything mirror (Beijing) computer system Co.,Ltd.

Address before: Room 307, 3 / F, supporting public building, Mantingfangyuan community, qingyanli, Haidian District, Beijing 100086

Applicant before: Beijing Wuyi Vision digital twin Technology Co.,Ltd.

TA01 Transfer of patent application right
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200414

WD01 Invention patent application deemed withdrawn after publication