CN111915885A - 一种城市道路交通仿真实验方法及系统 - Google Patents

Abstract

本发明公开了一种城市道路交通仿真实验方法，所述的方法包括以下步骤：获取多源交通流量数据，对多源交通流量数据进行处理；根据已有的路口基本信息动态生成路口渠化图；并设置路口的基础信控方案、道路的基础信息；根据交通流量数据和基础信控方案动态的进行单点优化；优化后，选择一条干道进行绿波协调，获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，计算带宽，并生成绿波协调方案；将采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。本发明能根据交通流量数据与基础信控方案可一键生成单点优化方案，操作灵活方便，易于上手。

Description

一种城市道路交通仿真实验方法及系统

技术领域

本发明涉及交通仿真技术领域，更具体的，涉及一种城市道路交通仿真实验方法及系统。

背景技术

交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用，它可以动态地、逼真地仿真交通流和交通事故等各种交通现象，复现交通流的时空变化，深入地分析车辆、驾驶员和行人、道路以及交通的特征，有效地进行交通规划、交通组织与管理、交通能源节约等方面的研究。同时，交通仿真系统通过虚拟现实技术手段，能够非常直观地表现出路网上车辆的运行情况，对某个位置交通是否拥堵、道路是否畅通、有无出现交通事故、以及出现上述情况时采用什么样的解决方案来疏导交通等，在计算机上经济有效且没有风险的仿真出来。

中国专利公开号：CN 110136457 A，公开日：2019.08.16，公开了一种基于微观交通仿真的城市交叉口群协调优化方法，具体公开包括如下步骤：S1、基于不利天气分类的微观交通仿真模型设计S101、选取降雪和降雨条件下的两个相邻典型信号交叉口作为研究对象，采用K-均值聚类分析方法将饱和流率分成若干类，根据聚类结果回归方程曲线变化趋势，计算出各级别不利天气条件下降水量和能见度的参考范围；S102、建立了不同级别不利条件下的参数参考模型；S201、搭建VISSIM行人仿真平台；S202、搭建VISSIM机动车仿真平台；S3、测评基于微观仿真的交叉口群协调优化方案。

这些主流的交通仿真系统都是将采集到的交通流量数据直接输入到仿真软件进行仿真，不能动态的修改或者分时段进行仿真。此外，信控方案也是固定在仿真软件里面，不能动态的修改，且不具备动态单点优化和绿波协调优化功能，大部分都是通过人工调好后输入仿真软件，存在操作繁琐、费时、效率低等情况；更重要的是很多人并不懂的怎样进行手动单点优化以及绿波协调方案调优。最后，在仿真的过程中不能进行干道绿波协调优化效果验证。因而现有技术还有待改进和提高。

发明内容

本发明为了解决现有的交通仿真系统存在不具备动态单点优化和绿波协调优化功能的问题，提供了一种城市道路交通仿真实验方法及系统，其能根据交通流量数据与基础信控方案可一键生成单点优化方案，操作灵活方便，易于上手。

为实现上述本发明目的，采用的技术方案如下：一种城市道路交通仿真实验方法，所述的方法包括以下步骤：

S1：获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

S2：根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

S3：根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

S4：各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

S5：将采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。

基于以上所述的城市道路交通仿真实验方法，本发明还提供了一种所述的城市道路交通仿真实验系统，其包括

交通数据采集模块，用于获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

交通信号管理模块，用于根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

单点优化模块，用于根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

滤波协调模块，用于在各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

仿真实验模块，用于对采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。

本发明的有益效果如下：

1.本发明采用自动生成路口渠化图，用户可以通过生成路口渠化图获得交叉口的基础信息，操作灵活简单，避免手工绘画以及录入大量路口基础信息的繁琐操作。

2.本发明可以根据交通流量数据与基础信控方案可一键生成单点优化方案，操作灵活方便，易于上手，无需用户自己手动调节。

3.本发明根据各交叉口的配时方案与路段基础信息，可自动生成干道绿波协调方案，操作灵活方便，易于上手。

附图说明

图1是实施例1所述的城市道路交通仿真实验方法的步骤流程图。

图2是实施例1所述的单点优化的步骤流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做详细描述。

实施例1

如图1所示，一种城市道路交通仿真实验方法，所述的方法包括以下步骤：

S1：通过监控摄像头，应用计算机视觉和图像处理技术处理道路的图像数据，获取实时、丰富、动态的交通信息；通过地磁传感器，检测交通数据，所述的地磁传感器具有检测精度高、稳定性持久、坑干扰性好等特点，能及时有效的将检测到的信息反馈回来，经过处理后及时获取到交通信息；通过线圈车辆检测器，获取车辆交通数据，所述的线圈车辆检测具有精确度高，设备稳定，即使在恶劣天气条件下仍具备出色的性能。

本实施例通过以上至少一种检测方法获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

步骤S1，对多源交通流量数据进行处理具体如下：

主要采用值型线性双层规划进行建模，运用MapReduce算法进行数据处理，MapReduce是把一个大问题分解成多个小问题进行处理，打破了传统的把数据取回来再进行计算的方法，而是把计算传送给数据进行处理，节省了大量的通信资源。处理过程使用并行计算技术MapReduce算法和其后开源HadoopMapReduce的大数据计算框架，先对多源交通流量数据进行分块，将分割之后的数据交给不同的处理模块处理，通过数据解析提取出键值对集合，根据需求对这些数据进行Reduce函数处理，输出结果。将处理后的数据提供给系统并存储到数据库。MapReduce并行编程模式具有负载均衡与自动处理节点失效的功能，提供并行最优路径算法的运行效率，以满足大规模路网实时、动态地交通数据处理需求。

S2：根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

S3：根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

如图2所示，所述的单点优化的步骤如下：

S301：获取全部车流量；

S302：计算每相关键车流比率；

所述计算每个相位的关键车流的流率比，具体计算公式如下：

式中，q_i表示第i个相位的关键车流量；S表示饱和流率；y_i表示第i个相位的关键车流流率比；

则所有相位的关键车流的流率比之和Y为所有相位的关键车流流率比之和，如下：

式中，n表示所设相位数。

S303：计算最优周期；

所述的最优周期的计算如下：

对于单交叉口的周期计算，可采用韦氏最佳信号周期时长的简化公式进行计算：

式中，C₀表示信号最佳周期(s)；L表示各个相位的信号总损失时间之和，按下式计算：

式中：l_i表示车辆启动损失时间；I_i表示绿灯间隔时间，即黄灯时间加全红灯清路口时间；A_i表示黄灯时间。

S304；计算绿灯时间，判别行人过街安全时间。

步骤S304，绿灯时间的计算如下：

相位方案和信号周期确定之后，即可为各个相位分配绿灯时间；

第i个相位的有效绿灯时间为

各相位的有效绿灯时间分配完成后，各相位的绿灯显示时间为：

g_i＝g_e,i+l_i-A_i

绿灯显示时间，同时要满足行人过街要求的最短绿灯时间：

按照行人过街速度1.2m/s进行计算。

S4：各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

本实施例所述的配置协调参数包括路段长度、进口方向、速度、交通流量、交通流量饱和率。

所述的旅行时间计算如下：

式中，t_i表示第i个路段的旅行时间；S_i表示第i个路段的长度；v_i表示第i个路段的平均速度。

所述的相位差，具体计算如下：

c₀＝C/2

如果t_i％c₀大于等于c₀，则

offset_i＝(t_i/c₀+1)*c₀

如果t_i％c₀小于c₀，则

offset_i＝t_i

式中，c₀表示半周期；offset_i表示第i个路口的相位差。

所述的速度斜率K计算如下：

式中，n表示总交叉口数；offset_n表示最后一个路口的相位差；

根据速度斜率K重新计算算旅行时间

计算每个路口的旅行时间距离相位差最大的值

maxDiff＝max(offset_i-t_i)

计算每个路口的旅行时间超过相位差的最大值

maxGWBW＝max(t_i-offset_i)

计算带宽

W_i＝(g_i+c₀)/2-maxDiff–maxGWBW

式中，g_i表示第i个路口协调相位的绿灯时间。

S5：将采集到的交通流量数据、绿波协调方案、仿真基础参数发送到VISSIM仿真软件里面进行仿真实验，设置仿真类型，启动仿真。通过仿真可在线监控仿真信息、实时统计仿真数据、驾驶员视角跟踪、返回仿真结果等。

本实施例所述的仿真基础参数(也即配置协调参数)包括路段长度、进口方向、速度、交通流量、交通流量饱和率；仿真参数包括评估参数、车道流量、路段车速、停车场参数。

实施例2

本实施例基于实施例1所述的城市道路交通仿真实验方法的系统，包括

交通数据采集模块，用于获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

交通信号管理模块，用于根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

单点优化模块，用于根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

滤波协调模块，用于在各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

仿真实验模块，用于对采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。

所述的单点优化模块包括获取车流量模块，用于获取全部的车流量；

获取每相关键车流比率模块，用于计算每相关键车流比率；

所述的获取每相关键车流比率模块，具体以下公式进行计算：

式中，q_i表示第i个相位的关键车流量；S表示饱和流率；y_i表示第i个相位的关键车流流率比；

则所有相位的关键车流的流率比之和Y为所有相位的关键车流流率比之和，如下：

式中，n表示所设相位数。

获取最优周期模块，用于计算最优周期；

所述的最优周期的计算如下：

对于单交叉口的周期计算，可采用韦氏最佳信号周期时长的简化公式进行计算：

式中，C₀表示信号最佳周期(s)；L表示各个相位的信号总损失时间之和，按下式计算：

式中：l_i表示车辆启动损失时间；I_i表示绿灯间隔时间，即黄灯时间加全红灯清路口时间；A_i表示黄灯时间。

获取绿灯时间，用于计算绿灯时间，判别行人过街安全时间。

绿灯时间的计算如下：

相位方案和信号周期确定之后，即可为各个相位分配绿灯时间；

第i个相位的有效绿灯时间为

各相位的有效绿灯时间分配完成后，各相位的绿灯显示时间为：

g_i＝g_e,i+l_i-A_i

绿灯显示时间，同时要满足行人过街要求的最短绿灯时间：

按照行人过街速度1.2m/s进行计算。

所述的滤波协调模块包括旅行时间模块、相位差模块、速度斜率模块、带宽模块、生成绿波协调模块；

所述的旅行时间模块通过以下公式获取旅行时间：

所述的旅行时间计算如下：

式中，t_i表示第i个路段的旅行时间；S_i表示第i个路段的长度；v_i表示第i个路段的平均速度。

所述的相位差模块通过以下的方式获取相位差：

具体计算如下：

c₀＝C/2

如果t_i％c₀大于等于c₀，则

offset_i＝(t_i/c₀+1)*c₀

如果t_i％c₀小于c₀，则

offset_i＝t_i

式中，c₀表示半周期；offset_i表示第i个路口的相位差。

所述的速度斜率模块通过以下方式获取速度斜率：

所述的速度斜率K计算如下：

式中，n表示总交叉口数；offset_n表示最后一个路口的相位差。

所述的带宽模块通过以下方式获取：

根据速度斜率K重新计算算旅行时间

计算每个路口的旅行时间距离相位差最大的值

maxDiff＝max(offset_i-t_i)

计算每个路口的旅行时间超过相位差的最大值

maxGWBW＝max(t_i-offset_i)

计算带宽

W_i＝(g_i+c₀)/2-maxDiff–maxGWBW

式中，g_i表示第i个路口协调相位的绿灯时间。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种城市道路交通仿真实验方法，其特征在于：所述的方法包括以下步骤：

S1：获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

S2：根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

S3：根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

S4：各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

S5：将采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。

2.根据权利要求1所述的城市道路交通仿真实验方法，其特征在于：步骤S2，对多源交通流量数据进行处理具体如下：

采用值型线性双层规划进行建模，运用MapReduce算法进行数据处理，处理过程使用并行计算技术MapReduce算法和其后开源HadoopMapReduce的大数据计算框架，先对多源交通流量数据进行分块，将分割之后的数据交给不同的处理模块处理，通过数据解析提取出键值对集合，根据需求对这些数据进行Reduce函数处理，输出结果。

3.根据权利要求1所述的城市道路交通仿真实验方法，其特征在于：步骤S3，所述的单点优化的步骤如下：

S301：获取全部车流量；

S302：计算每相关键车流比率；

S303：计算最优周期；

S304；计算绿灯时间，判别行人过街安全时间。

4.根据权利要求1所述的城市道路交通仿真实验方法，其特征在于：所述计算每个相位的关键车流的流率比，具体计算公式如下：

式中，q_i表示第i个相位的关键车流量；S表示饱和流率；y_i表示第i个相位的关键车流流率比；

则所有相位的关键车流的流率比之和Y为所有相位的关键车流流率比之和，如下：

式中，n表示所设相位数。

5.根据权利要求4所述的城市道路交通仿真实验方法，其特征在于：所述的最优周期的计算如下：

对于单交叉口的周期计算，可采用韦氏最佳信号周期时长的简化公式进行计算：

式中，C₀表示信号最佳周期(s)；L表示各个相位的信号总损失时间之和，按下式计算：

式中：l_i表示车辆启动损失时间；I_i表示绿灯间隔时间，即黄灯时间加全红灯清路口时间；A_i表示黄灯时间。

6.根据权利要求5所述的城市道路交通仿真实验方法，其特征在于：步骤S304，绿灯时间的计算如下：

相位方案和信号周期确定之后，即可为各个相位分配绿灯时间；

第i个相位的有效绿灯时间为

各相位的有效绿灯时间分配完成后，各相位的绿灯显示时间为：

g_i＝g_e,i+l_i-A_i

绿灯显示时间，同时要满足行人过街要求的最短绿灯时间：

按照行人过街速度1.2m/s进行计算。

7.根据权利要求6所述的城市道路交通仿真实验方法，其特征在于：所述的旅行时间计算如下：

式中，t_i表示第i个路段的旅行时间；S_i表示第i个路段的长度；v_i表示第i个路段的平均速度。

8.根据权利要求6所述的城市道路交通仿真实验方法，其特征在于：

所述的相位差，具体计算如下：

c₀＝C/2

如果t_i％c₀大于等于c₀，则

offset_i＝(t_i/c₀+1)*c₀

如果t_i％c₀小于c₀，则

offset_i＝t_i

式中，c₀表示半周期；offset_i表示第i个路口的相位差。

9.根据权利要求8所述的城市道路交通仿真实验方法，其特征在于：所述的速度斜率K计算如下：

式中，n表示总交叉口数；offset_n表示最后一个路口的相位差；

根据速度斜率K重新计算算旅行时间

计算每个路口的旅行时间距离相位差最大的值

maxDiff＝max(offset_i-t_i)

计算每个路口的旅行时间超过相位差的最大值

maxGWBW＝max(t_i-offset_i)

计算带宽

W_i＝(g_i+c₀)/2-maxDiff–maxGWBW

式中，g_i表示第i个路口协调相位的绿灯时间。

10.基于权利要求1～9任一项所述的城市道路交通仿真实验方法的系统，其特征在于：包括

交通数据采集模块，用于获取多源交通流量数据，并采用MapReduce算法对多源交通流量数据进行处理；

交通信号管理模块，用于根据已有的路口基本信息动态生成路口渠化图，保存路口的基本信息；并设置路口的基础信控方案、道路的基础信息；

单点优化模块，用于根据交通流量数据和基础信控方案动态的进行单点优化，将优化生成的方案保存到数据库；

滤波协调模块，用于在各个路口完成单点优化后，选择一条干道进行绿波协调，初始化各交叉口协调信息、获取基础配时方案、配置协调参数，计算各交叉口的旅行时间、相位差、速度斜率，进一步计算带宽，最后动态生成绿波协调方案；

仿真实验模块，用于对采集到的交通流量数据、绿波协调方案、仿真基础参数进行仿真实验，设置仿真类型，启动仿真。

Images