CN112861420B - 一种面向混合车流运行场景的中观交通仿真模型构建方法 - Google Patents
一种面向混合车流运行场景的中观交通仿真模型构建方法 Download PDFInfo
- Publication number
- CN112861420B CN112861420B CN202110023814.7A CN202110023814A CN112861420B CN 112861420 B CN112861420 B CN 112861420B CN 202110023814 A CN202110023814 A CN 202110023814A CN 112861420 B CN112861420 B CN 112861420B
- Authority
- CN
- China
- Prior art keywords
- stop
- bus
- lane
- vehicles
- road section
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Abstract
本发明提供一种面向混合车流运行场景的中观交通仿真模型构建方法,该方法构建了普通车辆与公交车辆的混合车流行驶模型、公交车辆进出站模型、混合车流点排队模型,以及混合车流点转换模型,可支撑混合车流运行下多类典型场景的中观尺度仿真;通过AVI数据还原车辆轨迹信息,获得各个路段上车辆进出路段的实际旅行时间,作为仿真的标定信息集,然后,以实现车辆进出路段行程时间等效化为导向,设计相应的标定方法,在高度简化中观仿真模型的同时,最大程度地还原了车辆出行过程中的路段级别信息。
Description
技术领域
本发明涉及智能交通领域,更具体地,涉及一种面向混合车流运行场景的中观交通仿真模型构建方法。
背景技术
交通仿真是支撑交通系统运行状态准确模拟、量化分析与反馈调节的重要手段。在交通系统仿真模型方面,研究起步较早的为宏观模型,应用于大型网络的仿真可以得到比较令人满意的集计结果,但是粗颗粒的刻画尺度无法模拟车辆个体的出行过程;再者是以车辆为描述单位的微观仿真模型,可以精细地刻画车辆间的跟驰运动,但不可避免地涉及大量繁琐而耗时的参数标定工作。由于综合了宏观与微观两者模型的优势,中观交通仿真逐步成为新的研究热点,如何构建兼顾精度与效率的中观交通仿真模型,实现对交通系统运行状态的准确、高效模拟,是本发明研究的重点和目的所在。
现在国内外的相关研究和技术现状主要如下:
(1)在交通系统中,公交车辆具有固定站点、线路、专用车道,且行驶过程中需进出停靠站,其运行过程需区别普通车辆而单独建模。目前部分微观交通仿真模型,如VISSIM、SUMO将公交车辆处理为具有特殊运行规则的车辆,但一方面未对公交车辆进站、站内停靠、出站等行为对普通车辆的影响进行针对性的分析与刻画,另一方面由于微观尺度而具有众多的待标定参数,繁琐耗时。中观仿真模型将路段内的车辆运动基本划分为路段行驶和路口排队两部分,大幅度地简化了建模过程,在此基础上,针对性地构建适应中观尺度的公交车辆与普通车辆混合运行的仿真模型,是值得深入研究的问题;
(2)现有的中观仿真模型,如MesoTS、DynasTIM、Mezzo等,基本采用传统断面集计数据或低抽样率的个体数据作为标定信息,只有极少数的学者探讨了车辆身份感知数据在中观仿真建模与标定中的革新作用。近年来,车辆身份检测(Automatic VehicleIdentification,AVI)作为新型的交通检测手段,通过安装在路段或交叉口的检测设备(如治安卡口、ETC读卡器)识别经过设备的车辆身份并记录车辆出行时空戳,可还原车辆个体级别的出行时空轨迹,获取完整的车辆个体出行信息(如OD、出行路径、各路段行程时间等),进而可集计获取全面的交通网络运行状态信息。因此,新型的AVI数据可为中观仿真模型标定提供准确的出行需求与运行状态信息,针对性地构建适应新型AVI数据的中观仿真模型,是最新的研究趋势。
Suzumura等介绍了一种可扩展性强的多模式交通仿真平台,不仅模拟私家车,还对公交车辆和火车进行了模拟,并以都柏林市为研究对象进行了实验。但平台中并未构建独立的公交车辆运动模型,公交车辆仍只是作为具有特殊运动规则的车辆存在,对公交车辆与普通车辆混合运行的描述程度有限。目前具有代表性的中观仿真系统,如MesoTS、DynasTIM、Mezzo等,基本采用传统断面集计数据或低抽样率的个体数据作为标定信息,只有极少数的学者探讨了车辆身份感知数据在中观仿真建模与标定中的革新作用。由于断面集计检测器无法追踪出行轨迹信息、抽样检测的车辆渗透率低等问题,无法全面获取交通出行需求与运行状态,难以支撑准确的仿真模型参数标定工作。
发明内容
本发明提供一种面向混合车流运行场景的中观交通仿真模型构建方法,该方法应用性强、实用性高、仿真效率有明显提升。
为了达到上述技术效果,本发明的技术方案如下:
一种面向混合车流运行场景的中观交通仿真模型构建方法,包括以下步骤:
S1:构建普通车辆与公交车辆的混合车流行驶模型、公交车辆进出站模型、混合车流点排队模型,以及混合车流点转换模型,支撑混合车流运行下各种典型场景的中观尺度仿真;
S2:通过AVI数据还原车辆轨迹信息,获得各个路段上车辆进出路段的实际旅行时间,作为仿真的标定信息集,然后,以实现车辆进出路段行程时间等效化为导向,设计相应的标定方法,在高度简化中观仿真模型的同时,最大程度地还原了车辆出行过程中的路段级别信息。
进一步地,所述步骤S1中各种典型场景包括:
场景1:无公交专用车道,无公交停靠站的场景:
普通车辆与公交车辆自行选择不同车道完成路段行驶与路口排队的过程;
场景2:有公交专用车道,无公交停靠站的场景:
公交车辆选择专用车道完成路段行驶与路口排队的过程;一部分普通车辆选择专用车道完成路段行驶的过程,然后选择其他车道完成路口排队过程;剩余普通车辆选择其他车道完成路段行驶与路口排队的过程;
场景3:无公交专用车道,有公交停靠站的场景:
需要停靠的公交车辆选择停靠站毗邻车道完成站点前路段行驶、站外排队、进出站、站点后路段行驶、路口排队的过程;一部分普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;剩余普通车辆与不停靠公交车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响;
场景4:有公交专用车道,有公交停靠站的场景,场景4为场景2与3的结合场景:
公交专用车道设置在停靠站的毗邻车道,需要停靠的公交车辆选择专用车道完成站点前路段行驶、站外排队进出站、站点后路段行驶、路口排队的过程;不停靠的公交车辆选择专用车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;一部分普通车辆选择专用车道完成路段行驶过程,然后选择其他车道完成路口排队过程,其路段行驶速度受停靠站的影响;剩余普通车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响。
进一步地,所述步骤S1中,在场景1下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
针对普通车辆的运动,本发明采用如下的宏观速度—密度模型计算其行驶车速:
式中,vfree为自由流速度,即给定交通设施在低交通量情况下的车辆平均速度,取各路段在低交通量情形下的平均车辆速度,为路段的最高限速;kjam为堵塞密度,以饱和车头间距换算;vjam为阻塞密度下对应的速度值,对应车辆在路口排队的最低速度,在实际交通流运行中,如果路口排队的区域未出现交通事故而引发停车堵塞,车辆将采用很低的速度缓慢地前进,驶入下游,因此,vjam是不为零的速度,在此速度下缓慢前进的交通量不小于车道组通行能力s(veh/(s·lane)),即满足下式:
kjamvjam≥s (2)
然后,针对公交车辆的运动,出于行驶安全、大车型等因素的考虑,在实际交通流运行中,公交车辆的运行速度一般低于普通车辆,设定公交车辆行驶车速的调控系数为θ1,公交车辆的行驶车速如下式:
进一步地,所述步骤S1中,在场景1下,混合车流点排队模型的构建过程是:
普通/公交车辆在交叉口排队等待的时间远远大于在行驶路段的时间,车道独立且互不干扰,到达交叉口后,依据转向需求选择相应的车道,从选择车道的停车线开始以垂直方向堆叠,忽略车身长度,仅仅关注排队车辆数而非排队长度,任意车道上的排队车辆数由下式计算:
Q(t)=Q(t-Δt)+(qin(t)-qout(t)) (4)
式中Q(t)为间隔(t-Δt,t]内车道上的排队车辆数,qin(t)为间隔(t-Δt,t]内加入排队的车辆数,qout(t)为间隔内的放行车辆数,放行车辆数取决于车道组的通行能力s(veh/(sec·lane)),即单车道在单位时间内可放行的车辆数:
进一步地,所述步骤S1中,在场景1下,混合车流点转换模型的构建过程是:
路口排队的普通车辆或公交车辆i从路段l1驶入下游路段l2时,均需要完成三步判断:
第一步:车辆i判断其所在的排队车道上,前方是否仍有排队的车辆,如果没有则转至第二步判断,否则车辆i将继续在车道内进行点排队,等待放行;
第二步:车辆i判断下游路段l2上的目标车道组是否仍有剩余的容量,如果下式(6)的条件满足,则转至第三步判断,否则车辆i驶入路段l1靠近上游的虚拟停车场等候,以点排队的形式在停车场堆叠,待满足(6)的条件时,以预设的饱和车头时距放出:
第三步:车辆i判断下游路段l2目标车道组中剩余容量最大的车道,完成三步判断后,车辆i将驶入相应车道:
式中,k*为路段l2目标车道组中剩余容量最大的车道。
进一步地,所述步骤S1中,在场景2下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
公交车辆选择专用车道完成路段行驶过程,一部分普通车辆选择专用车道完成路段行驶过程,剩余普通车辆选择其他车道完成路段行驶过程,在此类情形下,普通车辆与公交车辆的行驶速度依然取决于行驶车道的密度,因此,首先依据实地调查数据预设普通车辆选择专用车道的比例,获取不同车道上的车辆分布情况,然后,分别采用公式(1)与公式(2)计算普通车辆与公交车辆的行驶速度;
在场景2下,混合车流点排队模型的构建过程是:
公交车辆选择专用车道完成路口排队过程,同时,考虑到普通车辆若占用公交专用车道排队,一方面可能需要换道而违规跨越实线,另一方面在通过交叉口时可能被治安卡口拍摄违规行为,风险较大,因此,在场景2的混合车流点排队模型中,设普通车辆不会选择公交专用车道排队,仅在其他车道上完成排队过程,在增加排队车道选择的限制下,采用场景1下的混合车流点排队模型描述普通车辆与公交车辆的排队过程;
在场景2下,混合车流点转换模型的构建过程是:
在场景2下,混合车流点转换模型描述区分车道排队的普通车辆与公交车辆驶入下游路段的转换过程:公交车辆在专用车道上排队,普通车辆在其他车道上排队,等待绿灯放行时段,按照堆叠顺序依次转移驶入下游路段,上述过程采用场景1下的混合车流点转换模型更新。
进一步地,所述步骤S1中,在场景3下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
(1)需要停靠的公交车辆选择停靠站毗邻车道完成进站前出站后的路段行驶过程;
在上述过程中,公交车辆属于正常行驶的状态,行驶速度由公式(3)计算;
(2)普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶过程:如果公交停靠站的类型为直接式,前方需要停靠的公交车辆需要占用部分行驶车道来完成站内服务的行为,将影响后方同车道的普通车辆与不停靠公交车辆的行驶速度;在普通车辆与不停靠公交车辆仍处在行驶状态的区段,设定普通车辆的行驶速度的调整系数为θ2,不停靠公交车辆的行驶速度调整系数为θ3,则普通车辆与不停靠公交车辆的行驶速度为速度-密度模型的计算速度与调整系数的乘积,分别由公式(8)与公式(9)计算:
如果公交停靠站的类型为港湾式,如果港湾内部仍有剩余容量时,前方需要停靠的公交车辆无需占用部分车道来完成站内服务的行为,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响几乎可忽略不计,因此,行驶速度分别由公式(1)与公式(8)计算;
若公交站港湾内部没有剩余容量时,前方需要停靠的公交车辆需要占用港湾站点外面的部分车道来完成站外排队的过程,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响,在普通车辆与不停靠公交车辆仍处在行驶状态的区段,行驶速度分别由公式(8)与公式(9)计算;
(3)普通车辆与不停靠公交车辆选择停靠站毗邻车道以外的车道完成行驶过程;
此类情形下,普通车辆与公交车辆的行驶速度不受停靠站影响,分别由公式(1)、公式(3)计算行驶速度。
进一步地,所述步骤S1中,公交车进出站模型的构建过程是:
在公交停靠站毗邻车道上,需要停靠的公交车辆站外点排队、进站点转换、站内服务点排队、出站点转换四个过程:
(1)站外点排队模型
在停靠站毗邻车道站点前的范围内,需要停靠的公交抵达车辆停靠站时,如果停靠站内部无剩余容量,公交车辆将在站外以点排队的形式垂直方向堆叠,与此同时,如果同车道的普通车辆或不停靠公交车辆也抵达停靠站,将加入点排队,形成混合车流的排队:
在停靠站毗邻车道站点前的范围内,排队车辆数由下式计算:
式中为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内的排队车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内加入排队的车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内的放行车辆数,放行车辆数取决于公交停靠站内动态更新的剩余容量:
(2)公交车辆进站的点转换模型
公交车辆进站的点转换模型描述需要停靠的公交车辆驶入下游公交停靠站的转换过程:
公交车辆i从停靠站毗邻车道站点前的范围lf驶入停靠站stop1时,需要完成三步判断:
第一步:公交车辆i判断停靠站毗邻车道站点前的范围lf内,其前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将进入上述的站外点排队,等待放行进站;
第二步:公交车辆i判断公交停靠站stop1内的目标通道组(直接式站点一般包含单车道,港湾式站点包含单车道或多车道)是否仍有剩余的容量,如果下式3-15的条件满足,则转至第三步判断,否则公交车辆i将继续站外点排队过程,等候放行:
式中,为停靠站stop1内部目标车道组中k-th车道的剩余容量,即站点剩余空间可以容纳的车辆数,为停靠站stop1的最大容量,即站点内部空间可以容纳的公交车辆上限,表示停靠站stop1内部已经停靠排队的公交车辆数;
第三步:公交车辆i判断停靠站stop1目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将驶入相应车道:
式中,k*为停靠站stop1目标车道组中剩余容量最大的车道;
(3)公交车辆站内服务的点排队模型
在公交停靠站的范围内,需要停靠且满足进站条件的公交车辆,将以预设的减速度完成减速进站的行为,从选择车道的站点边界线开始以垂直方向堆叠,进行点排队,在公交停靠站stop1的范围内,排队车辆数由下式计算:
式中为间隔(t-Δt,t]内公交停靠站stop1的范围内的排队车辆数,为间隔(t-Δt,t]内公交停靠站stop1的范围内加入排队的车辆数,为间隔(t-Δt,t]内公交停靠站stop1的范围内的放行车辆数,放行车辆数取决于公交停靠站内的平均服务能力estop(veh/(sec·lane)),即单车道在单位时间内可完成上下车服务的车辆数:
(4)公交车辆出站的点转换模型
公交车辆出站的点转换模型描述需要停靠的公交车辆驶出公交停靠站的转换过程,公交车辆i从停靠站stop1驶出而进入下游范围lb,需要完成三步判断:
第一步:公交车辆i判断停靠站stop1内其所在的车道上,前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
第二步:公交车辆i判断停靠站毗邻车道站点后的范围lb内的目标通道组是否仍有剩余的容量,如果下式(16)的条件满足,则转至第三步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
式中,为停靠站毗邻车道站点后的范围lb内目标车道组中k-th车道的剩余容量,即剩余空间可以容纳的车辆数,为停靠站毗邻车道站点后的范围lb的最大容量,即内部空间可以容纳的公交车辆上限,与分别表示停靠站毗邻车道站点后的范围lb内已有的排队车辆数或行驶车辆数;
第三步:公交车辆i判断范围lb内目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将以预设的加速度完成驶出站点,汇入相应车道的行为:
式中,k*为范围lb内目标车道组中剩余容量最大的车道。
进一步地,所述步骤S1中,在场景3下,混合车流点排队模型分别描述公交停靠站外排队过程,以及不区分车道排队的普通车辆与公交车辆的路口排队过程;在场景3下,混合车流点转换模型描述不区分车道排队的普通车辆与公交车辆驶入下游路段的转换过程:公交车辆与普通车辆在不同车道上混合排队,等待绿灯放行时段,按照堆叠顺序依次转移驶入下游路段,上述过程同样适合采用场景1下的混合车流点转换模型更新;在场景4下,场景4为场景2与场景3的结合场景,公交专用车道的影响表现在于限制公交车辆选择专用车道完成路段行驶与路口排队等过程,因此,在场景3的相关模型的基础上,添加相应限制条件即可。
进一步地,所述步骤S2的具体过程是:
1)、以车辆身份检测AVI数据作为标定数据,考虑到各路段的信息检测相互独立,选取各路段宏观速度、密度公式中的α、β,车道组通行能力s,行驶速度调整系数θ1、θ2、θ3,以及停靠站内平均服务能力estop作为待标定参数,分别独立标定;
公式(1)中的参数α、β难以实际观测,这一取值范围过大而容易导致标定结果“过拟合”,因此此处α、β取值范围限制在0.01与3之间,饱和车头时距按照正常车头时距取值:
表3-1待标定参数α、β的取值范围
待标定参数 | 取值范围 |
alpha、beta | [0.01,3] |
车道组饱和车头时距 | [1.5,5.5] |
2)、针对AVI数据可准确地记录车辆在路段两端进出信息的特征,采用混合车流在路段的仿真行程时间与真实行程时间的误差最小化作为标定目标函数,针对每一条待标定的路段,计算各车道组实测与仿真下的平均路段行程时间的误差作为度量指标:
3)、根据AVI实测数据,匹配车辆的出行过程,包括起点、终点、路径、交叉口经过时刻等等信息,并通过公交车辆的车牌信息,匹配公交车辆的出行过程,任意车辆出行包含真实的路段行程时间,其中,未经排队的车辆的路段行程时间等价于路段行驶时间,可计算路段行驶速度,因此,利用未经排队的普通车辆行驶速度与未经排队的公交车辆行驶速度的比例,标定仿真模型中的行驶速度调整系数θ1;同时,根据未设置公交站点车道上的普通车辆行驶速度与设置公交站点的普通车辆行驶速度的比例,标定行驶速度调整系数θ2;此外,根据未设置公交站点车道上的普通车辆行驶速度与根据未设置公交站点车道上的公交车辆行驶速度,标定仿真模型中的行驶速度调整系数θ3;
然后,在设置任意公交站点的路段上,当公交车辆进入站点的范围内,以及离开站外范围,都将触发蓝牙的检测,记录其进站时刻与出站时刻,利用此数据可获取公交车辆在站内的平均总时间,相减平均排队消耗时间,获取平均上下客服务时间,换算为公交站点的平均服务能力estop(veh/(s·lane));
采用粒子群算法,设计路段宏观速度—密度模型中的α、β,各车道组的组通行能力s的标定方法,步骤如下:
第一步:初始化粒子群的规模,及各个粒子的位置xi,给每一个粒子随机地分配α、β取值,车道组通行能力暂时取默认值2veh/(s·lane);
第二步:仿真,计算每一个粒子的适应值,即目标函数里的误差值;
第三步:更新每一个粒子i的位置和速度,式子如下:
第四步:重复第二步,当满足收敛条件时,结束对α、β的标定,gbest对应粒子的取值为α、β的标定结果;
第五步:代入α、β的标定结果,仿真,计算各个车道组的平均行程时间误差,如下式所示:
式中,Erroh为车道组h对应的误差,其余参数同式(18);
第六步:分析第五步取得的各车道组的行程时间误差,若某车道组的误差值大于0,说明该车道组的仿真车辆速度过快的可能性越高,按预设步长降低车道通行能力s,若小于0则升高车道通行能力s,重复第五步,直到满足收敛要求。
与现有技术相比,本发明技术方案的有益效果是:
本发明构建了普通车辆与公交车辆的混合车流行驶模型、公交车辆进出站模型、混合车流点排队模型,以及混合车流点转换模型,可支撑混合车流运行下多类典型场景的中观尺度仿真;通过AVI数据还原车辆轨迹信息,获得各个路段上车辆进出路段的实际旅行时间,作为仿真的标定信息集,然后,以实现车辆进出路段行程时间等效化为导向,设计相应的标定方法,在高度简化中观仿真模型的同时,最大程度地还原了车辆出行过程中的路段级别信息。
附图说明
图1为混合车流点排队模型示意图;
图2为混合车流点转换模型示意图;
图3为公交车进出站模型中站外点排队模型示意图;
图4为公交车辆进站的点转换模型示意图;
图5为公交车辆站内服务的点排队模型示意图;
图6为公交车辆出站的点转换模型示意图;
图7为某市核心区实验路网示意图;
图8为路段行程时间观测真实值-仿真值的散点图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
一种面向混合车流运行场景的中观交通仿真模型构建方法,包括以下步骤:
S1:构建普通车辆与公交车辆的混合车流行驶模型、公交车辆进出站模型、混合车流点排队模型,以及混合车流点转换模型,支撑混合车流运行下各种典型场景的中观尺度仿真;
S2:通过AVI数据还原车辆轨迹信息,获得各个路段上车辆进出路段的实际旅行时间,作为仿真的标定信息集,然后,以实现车辆进出路段行程时间等效化为导向,设计相应的标定方法,在高度简化中观仿真模型的同时,最大程度地还原了车辆出行过程中的路段级别信息。
进一步地,所述步骤S1中各种典型场景包括:
场景1:无公交专用车道,无公交停靠站的场景:
普通车辆与公交车辆自行选择不同车道完成路段行驶与路口排队的过程;
场景2:有公交专用车道,无公交停靠站的场景:
公交车辆选择专用车道完成路段行驶与路口排队的过程;一部分普通车辆选择专用车道完成路段行驶的过程,然后选择其他车道完成路口排队过程;剩余普通车辆选择其他车道完成路段行驶与路口排队的过程;
场景3:无公交专用车道,有公交停靠站的场景:
需要停靠的公交车辆选择停靠站毗邻车道完成站点前路段行驶、站外排队、进出站、站点后路段行驶、路口排队的过程;一部分普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;剩余普通车辆与不停靠公交车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响;
场景4:有公交专用车道,有公交停靠站的场景,场景4为场景2与3的结合场景:
公交专用车道设置在停靠站的毗邻车道,需要停靠的公交车辆选择专用车道完成站点前路段行驶、站外排队进出站、站点后路段行驶、路口排队的过程;不停靠的公交车辆选择专用车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;一部分普通车辆选择专用车道完成路段行驶过程,然后选择其他车道完成路口排队过程,其路段行驶速度受停靠站的影响;剩余普通车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响。
步骤S1中,在场景1下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
针对普通车辆的运动,本发明采用如下的宏观速度—密度模型计算其行驶车速:
式中,vfree为自由流速度,即给定交通设施在低交通量情况下的车辆平均速度,取各路段在低交通量情形下的平均车辆速度,为路段的最高限速;kjam为堵塞密度,以饱和车头间距换算;vjam为阻塞密度下对应的速度值,对应车辆在路口排队的最低速度,在实际交通流运行中,如果路口排队的区域未出现交通事故而引发停车堵塞,车辆将采用很低的速度缓慢地前进,驶入下游,因此,vjam是不为零的速度,在此速度下缓慢前进的交通量不小于车道组通行能力s(veh/(s·lane)),即满足下式:
kjamvjam≥s (2)
然后,针对公交车辆的运动,出于行驶安全、大车型等因素的考虑,在实际交通流运行中,公交车辆的运行速度一般低于普通车辆,设定公交车辆行驶车速的调控系数为θ1,公交车辆的行驶车速如下式:
所述步骤S1中,在场景1下,如图1所示,混合车流点排队模型的构建过程是:
普通/公交车辆在交叉口排队等待的时间远远大于在行驶路段的时间,车道独立且互不干扰,到达交叉口后,依据转向需求选择相应的车道,从选择车道的停车线开始以垂直方向堆叠,忽略车身长度,仅仅关注排队车辆数而非排队长度,任意车道上的排队车辆数由下式计算:
Q(t)=Q(t-Δt)+(qin(t)-qout(t)) (4)
式中Q(t)为间隔(t-Δt,t]内车道上的排队车辆数,qin(t)为间隔(t-Δt,t]内加入排队的车辆数,qout(t)为间隔内的放行车辆数,放行车辆数取决于车道组的通行能力s(veh/(sec·lane)),即单车道在单位时间内可放行的车辆数:
步骤S1中,在场景1下,如图2所示,混合车流点转换模型的构建过程是:
路口排队的普通车辆或公交车辆i从路段l1驶入下游路段l2时,均需要完成三步判断:
第一步:车辆i判断其所在的排队车道上,前方是否仍有排队的车辆,如果没有则转至第二步判断,否则车辆i将继续在车道内进行点排队,等待放行;
第二步:车辆i判断下游路段l2上的目标车道组是否仍有剩余的容量,如果下式(6)的条件满足,则转至第三步判断,否则车辆i驶入路段l1靠近上游的虚拟停车场等候,以点排队的形式在停车场堆叠,待满足(6)的条件时,以预设的饱和车头时距放出:
第三步:车辆i判断下游路段l2目标车道组中剩余容量最大的车道,完成三步判断后,车辆i将驶入相应车道:
式中,k*为路段l2目标车道组中剩余容量最大的车道。
步骤S1中,在场景2下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
公交车辆选择专用车道完成路段行驶过程,一部分普通车辆选择专用车道完成路段行驶过程,剩余普通车辆选择其他车道完成路段行驶过程,在此类情形下,普通车辆与公交车辆的行驶速度依然取决于行驶车道的密度,因此,首先依据实地调查数据预设普通车辆选择专用车道的比例,获取不同车道上的车辆分布情况,然后,分别采用公式(1)与公式(2)计算普通车辆与公交车辆的行驶速度;
在场景2下,混合车流点排队模型的构建过程是:
公交车辆选择专用车道完成路口排队过程,同时,考虑到普通车辆若占用公交专用车道排队,一方面可能需要换道而违规跨越实线,另一方面在通过交叉口时可能被治安卡口拍摄违规行为,风险较大,因此,在场景2的混合车流点排队模型中,设普通车辆不会选择公交专用车道排队,仅在其他车道上完成排队过程,在增加排队车道选择的限制下,采用场景1下的混合车流点排队模型描述普通车辆与公交车辆的排队过程;
在场景2下,混合车流点转换模型的构建过程是:
在场景2下,混合车流点转换模型描述区分车道排队的普通车辆与公交车辆驶入下游路段的转换过程:公交车辆在专用车道上排队,普通车辆在其他车道上排队,等待绿灯放行时段,按照堆叠顺序依次转移驶入下游路段,上述过程采用场景1下的混合车流点转换模型更新。
进一步地,所述步骤S1中,在场景3下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
(1)需要停靠的公交车辆选择停靠站毗邻车道完成进站前出站后的路段行驶过程;
在上述过程中,公交车辆属于正常行驶的状态,行驶速度由公式(3)计算;
(2)普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶过程:如果公交停靠站的类型为直接式,前方需要停靠的公交车辆需要占用部分行驶车道来完成站内服务的行为,将影响后方同车道的普通车辆与不停靠公交车辆的行驶速度;在普通车辆与不停靠公交车辆仍处在行驶状态的区段,设定普通车辆的行驶速度的调整系数为θ2,不停靠公交车辆的行驶速度调整系数为θ3,则普通车辆与不停靠公交车辆的行驶速度为速度-密度模型的计算速度与调整系数的乘积,分别由公式(8)与公式(9)计算:
如果公交停靠站的类型为港湾式,如果港湾内部仍有剩余容量时,前方需要停靠的公交车辆无需占用部分车道来完成站内服务的行为,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响几乎可忽略不计,因此,行驶速度分别由公式(1)与公式(8)计算;
若公交站港湾内部没有剩余容量时,前方需要停靠的公交车辆需要占用港湾站点外面的部分车道来完成站外排队的过程,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响,在普通车辆与不停靠公交车辆仍处在行驶状态的区段,行驶速度分别由公式(8)与公式(9)计算;
(3)普通车辆与不停靠公交车辆选择停靠站毗邻车道以外的车道完成行驶过程;
此类情形下,普通车辆与公交车辆的行驶速度不受停靠站影响,分别由公式(1)、公式(3)计算行驶速度。
步骤S1中,公交车进出站模型的构建过程是:
在公交停靠站毗邻车道上,需要停靠的公交车辆站外点排队、进站点转换、站内服务点排队、出站点转换四个过程:
(1)站外点排队模型
如图3所示,在停靠站毗邻车道站点前的范围内,需要停靠的公交抵达车辆停靠站时,如果停靠站内部无剩余容量,公交车辆将在站外以点排队的形式垂直方向堆叠,与此同时,如果同车道的普通车辆或不停靠公交车辆也抵达停靠站,将加入点排队,形成混合车流的排队:
在停靠站毗邻车道站点前的范围内,排队车辆数由下式计算:
式中为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内的排队车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内加入排队的车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内的放行车辆数,放行车辆数取决于公交停靠站内动态更新的剩余容量:
(2)公交车辆进站的点转换模型
如图4所示,公交车辆进站的点转换模型描述需要停靠的公交车辆驶入下游公交停靠站的转换过程:
公交车辆i从停靠站毗邻车道站点前的范围lf驶入停靠站stop1时,需要完成三步判断:
第一步:公交车辆i判断停靠站毗邻车道站点前的范围lf内,其前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将进入上述的站外点排队,等待放行进站;
第二步:公交车辆i判断公交停靠站stop1内的目标通道组(直接式站点一般包含单车道,港湾式站点包含单车道或多车道)是否仍有剩余的容量,如果下式3-15的条件满足,则转至第三步判断,否则公交车辆i将继续站外点排队过程,等候放行:
式中,为停靠站stop1内部目标车道组中k-th车道的剩余容量,即站点剩余空间可以容纳的车辆数,为停靠站stop1的最大容量,即站点内部空间可以容纳的公交车辆上限,表示停靠站stop1内部已经停靠排队的公交车辆数;
第三步:公交车辆i判断停靠站stop1目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将驶入相应车道:
式中,k*为停靠站stop1目标车道组中剩余容量最大的车道;
(3)公交车辆站内服务的点排队模型
如图5所示,在公交停靠站的范围内,需要停靠且满足进站条件的公交车辆,将以预设的减速度完成减速进站的行为,从选择车道的站点边界线开始以垂直方向堆叠,进行点排队,在公交停靠站stop1的范围内,排队车辆数由下式计算:
式中为间隔(t-Δt,t]内公交停靠站stop1的范围内的排队车辆数,为间隔(t-Δt,t]内公交停靠站stop1的范围内加入排队的车辆数,为间隔(t-Δt,t]内公交停靠站stop1的范围内的放行车辆数,放行车辆数取决于公交停靠站内的平均服务能力estop(veh/(sec·lane)),即单车道在单位时间内可完成上下车服务的车辆数:
(4)公交车辆出站的点转换模型
如图6所示,公交车辆出站的点转换模型描述需要停靠的公交车辆驶出公交停靠站的转换过程,公交车辆i从停靠站stop1驶出而进入下游范围lb,需要完成三步判断:
第一步:公交车辆i判断停靠站stop1内其所在的车道上,前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
第二步:公交车辆i判断停靠站毗邻车道站点后的范围lb内的目标通道组是否仍有剩余的容量,如果下式(16)的条件满足,则转至第三步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
式中,为停靠站毗邻车道站点后的范围lb内目标车道组中k-th车道的剩余容量,即剩余空间可以容纳的车辆数,为停靠站毗邻车道站点后的范围lb的最大容量,即内部空间可以容纳的公交车辆上限,与分别表示停靠站毗邻车道站点后的范围lb内已有的排队车辆数或行驶车辆数;
第三步:公交车辆i判断范围lb内目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将以预设的加速度完成驶出站点,汇入相应车道的行为:
式中,k*为范围lb内目标车道组中剩余容量最大的车道。
进一步地,所述步骤S1中,在场景3下,混合车流点排队模型分别描述公交停靠站外排队过程,以及不区分车道排队的普通车辆与公交车辆的路口排队过程;在场景3下,混合车流点转换模型描述不区分车道排队的普通车辆与公交车辆驶入下游路段的转换过程:公交车辆与普通车辆在不同车道上混合排队,等待绿灯放行时段,按照堆叠顺序依次转移驶入下游路段,上述过程同样适合采用场景1下的混合车流点转换模型更新;在场景4下,场景4为场景2与场景3的结合场景,公交专用车道的影响表现在于限制公交车辆选择专用车道完成路段行驶与路口排队等过程,因此,在场景3的相关模型的基础上,添加相应限制条件即可。
步骤S2的具体过程是:
1)、以车辆身份检测AVI数据作为标定数据,考虑到各路段的信息检测相互独立,选取各路段宏观速度、密度公式中的α、β,车道组通行能力s,行驶速度调整系数θ1、θ2、θ3,以及停靠站内平均服务能力estop作为待标定参数,分别独立标定;
公式(1)中的参数α、β难以实际观测,这一取值范围过大而容易导致标定结果“过拟合”,因此此处α、β取值范围限制在0.01与3之间,饱和车头时距按照正常车头时距取值:
表3-1待标定参数α、β的取值范围
待标定参数 | 取值范围 |
alpha、beta | [0.01,3] |
车道组饱和车头时距 | [1.5,5.5] |
2)、针对AVI数据可准确地记录车辆在路段两端进出信息的特征,采用混合车流在路段的仿真行程时间与真实行程时间的误差最小化作为标定目标函数,针对每一条待标定的路段,计算各车道组实测与仿真下的平均路段行程时间的误差作为度量指标:
3)、根据AVI实测数据,匹配车辆的出行过程,包括起点、终点、路径、交叉口经过时刻等等信息,并通过公交车辆的车牌信息,匹配公交车辆的出行过程,任意车辆出行包含真实的路段行程时间,其中,未经排队的车辆的路段行程时间等价于路段行驶时间,可计算路段行驶速度,因此,利用未经排队的普通车辆行驶速度与未经排队的公交车辆行驶速度的比例,标定仿真模型中的行驶速度调整系数θ1;同时,根据未设置公交站点车道上的普通车辆行驶速度与设置公交站点的普通车辆行驶速度的比例,标定行驶速度调整系数θ2;此外,根据未设置公交站点车道上的普通车辆行驶速度与根据未设置公交站点车道上的公交车辆行驶速度,标定仿真模型中的行驶速度调整系数θ3;
然后,在设置任意公交站点的路段上,当公交车辆进入站点的范围内,以及离开站外范围,都将触发蓝牙的检测,记录其进站时刻与出站时刻,利用此数据可获取公交车辆在站内的平均总时间,相减平均排队消耗时间,获取平均上下客服务时间,换算为公交站点的平均服务能力estop(veh/(s·lane));
采用粒子群算法,设计路段宏观速度—密度模型中的α、β,各车道组的组通行能力s的标定方法,步骤如下:
第一步:初始化粒子群的规模,及各个粒子的位置xi,给每一个粒子随机地分配α、β取值,车道组通行能力暂时取默认值2veh/(s·lane);
第二步:仿真,计算每一个粒子的适应值,即目标函数里的误差值;
第三步:更新每一个粒子i的位置和速度,式子如下:
第四步:重复第二步,当满足收敛条件时,结束对α、β的标定,gbest对应粒子的取值为α、β的标定结果;
第五步:代入α、β的标定结果,仿真,计算各个车道组的平均行程时间误差,如下式所示:
式中,Erroh为车道组h对应的误差,其余参数同式(18);
第六步:分析第五步取得的各车道组的行程时间误差,若某车道组的误差值大于0,说明该车道组的仿真车辆速度过快的可能性越高,按预设步长降低车道通行能力s,若小于0则升高车道通行能力s,重复第五步,直到满足收敛要求。
如图7所示,选取某市核心区域为实验路网,实验路网包含18个信号控制交叉口,48条有向路段,19个公交站点(三角),包括直接式公交站与港湾式公交站两类,设置在部分的有向路段上,实验路网内的每个交叉口均安装卡口检测设备,记录车辆过车时间、所在车道、转向等信息。由于该市为中国的小型城市,实验路网上并未设置公交专用车道,本方法展开的相关实验可直接地验证模型在场景1与场景3的仿真精度。此外,公交专用车道的影响仅表现在限制公交车辆选择专用车道完成路段行驶与路口排队等过程,因此,如果验证模型在场景1与场景3上的仿真精度,相当于间接地验证模型在场景2与场景4的仿真精度。
选取2018年8月该实验路网范围内早高峰(7:00-9:00)时段的AVI数据、信号控制数据等作为模型标定的训练数据集,并选取8月20日-24日同时段数据作为验证数据集,运行中观交通仿真系统获取各个路段的仿真平均行程时间,与实际的路段平均行程时间的误差如下表所示:
表6-1实验路网仿真误差
以表中8月21日为例,表6-2展示了所有路段的标定结果,可见,几乎所有路段的行程时间误差在10%以内。
表6-2 8月21日实验路网48条路段的仿真误差
图8展示了以路段为单位,表6-2中各个路段在8月20日至24日的仿真旅行时间与观测真实旅行时间的散点图。多个散点基本聚拢在红色对角线的附近,实验路网的平均仿真误差最高不超过8.7%,每个路段的平均旅行时间的误差不超过2.5秒/小时。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
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。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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 (5)
1.一种面向混合车流运行场景的中观交通仿真模型构建方法,其特征在于,包括以下步骤:
S1:构建普通车辆与公交车辆的混合车流行驶模型、公交车辆进出站模型、混合车流点排队模型,以及混合车流点转换模型,支撑混合车流运行下各种典型场景的中观尺度仿真;
S2:通过AVI数据还原车辆轨迹信息,获得各个路段上车辆进出路段的实际旅行时间,作为仿真的标定信息集,然后,以实现车辆进出路段行程时间等效化为导向,设计相应的标定方法,在高度简化中观仿真模型的同时,最大程度地还原了车辆出行过程中的路段级别信息;
所述步骤S1中各种典型场景包括:
场景1:无公交专用车道,无公交停靠站的场景:
普通车辆与公交车辆自行选择不同车道完成路段行驶与路口排队的过程;
场景2:有公交专用车道,无公交停靠站的场景:
公交车辆选择专用车道完成路段行驶与路口排队的过程;一部分普通车辆选择专用车道完成路段行驶的过程,然后选择其他车道完成路口排队过程;剩余普通车辆选择其他车道完成路段行驶与路口排队的过程;
场景3:无公交专用车道,有公交停靠站的场景:
需要停靠的公交车辆选择停靠站毗邻车道完成站点前路段行驶、站外排队、进出站、站点后路段行驶、路口排队的过程;一部分普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;剩余普通车辆与不停靠公交车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响;
场景4:有公交专用车道,有公交停靠站的场景,场景4为场景2与3的结合场景:
公交专用车道设置在停靠站的毗邻车道,需要停靠的公交车辆选择专用车道完成站点前路段行驶、站外排队进出站、站点后路段行驶、路口排队的过程;不停靠的公交车辆选择专用车道完成路段行驶与路口排队的过程,其路段行驶速度受停靠站的影响;一部分普通车辆选择专用车道完成路段行驶过程,然后选择其他车道完成路口排队过程,其路段行驶速度受停靠站的影响;剩余普通车辆选择其他车道完成路段行驶与路口排队过程,其路段行驶速度不受停靠站的影响;
所述步骤S1中,在场景1下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
针对普通车辆的运动,采用如下的宏观速度—密度模型计算其行驶车速:
式中,vfree为自由流速度,即给定交通设施在低交通量情况下的车辆平均速度,取各路段在低交通量情形下的平均车辆速度,为路段的最高限速;kjam为堵塞密度,以饱和车头间距换算;vjam为阻塞密度下对应的速度值,对应车辆在路口排队的最低速度,在实际交通流运行中,如果路口排队的区域未出现交通事故而引发停车堵塞,车辆将缓慢地前进,驶入下游,因此,vjam是不为零的速度,在此速度下缓慢前进的交通量不小于车道组通行能力s(veh/(s·lane)),即满足下式:
kjamvjam≥s (2)
然后,针对公交车辆的运动,出于行驶安全、大车型因素的考虑,在实际交通流运行中,公交车辆的运行速度低于普通车辆,设定公交车辆行驶车速的调控系数为θ1,公交车辆的行驶车速如下式:
所述步骤S1中,在场景3下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
(1)需要停靠的公交车辆选择停靠站毗邻车道完成进站前出站后的路段行驶过程;
在上述过程中,公交车辆属于正常行驶的状态,行驶速度由公式(3)计算;
(2)普通车辆与不停靠公交车辆选择停靠站毗邻车道完成路段行驶过程:如果公交停靠站的类型为直接式,前方需要停靠的公交车辆需要占用部分行驶车道来完成站内服务的行为,将影响后方同车道的普通车辆与不停靠公交车辆的行驶速度;在普通车辆与不停靠公交车辆仍处在行驶状态的区段,设定普通车辆的行驶速度的调整系数为θ2,不停靠公交车辆的行驶速度调整系数为θ3,则普通车辆与不停靠公交车辆的行驶速度为速度-密度模型的计算速度与调整系数的乘积,分别由公式(8)与公式(9)计算:
如果公交停靠站的类型为港湾式,如果港湾内部仍有剩余容量时,前方需要停靠的公交车辆无需占用部分车道来完成站内服务的行为,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响忽略不计,因此,行驶速度分别由公式(1)与公式(8)计算;
若公交站港湾内部没有剩余容量时,前方需要停靠的公交车辆需要占用港湾站点外面的部分车道来完成站外排队的过程,同车道的普通车辆与不停靠公交车辆的行驶速度受停靠站的影响,在普通车辆与不停靠公交车辆仍处在行驶状态的区段,行驶速度分别由公式(8)与公式(9)计算;
(3)普通车辆与不停靠公交车辆选择停靠站毗邻车道以外的车道完成行驶过程;
此类情形下,普通车辆与公交车辆的行驶速度不受停靠站影响,分别由公式(1)、公式(3)计算行驶速度;
所述步骤S2的具体过程是:
1)、以车辆身份检测AVI数据作为标定数据,考虑到各路段的信息检测相互独立,选取各路段宏观速度-密度模型中的α、β,车道组通行能力s,行驶速度调整系数θ1、θ2、θ3,以及停靠站内平均服务能力estop作为待标定参数,分别独立标定;
公式(1)中的参数α、β难以实际观测,这一取值范围过大而容易导致标定结果“过拟合”,因此此处α、β取值范围限制在0.01与3之间,饱和车头时距按照正常车头时距取值:
表3-1待标定参数α、β的取值范围
2)、针对AVI数据可准确地记录车辆在路段两端进出信息的特征,采用混合车流在路段的仿真行程时间与真实行程时间的误差最小化作为标定目标函数,针对每一条待标定的路段,计算各车道组实测与仿真下的平均路段行程时间的误差作为度量指标:
3)、根据AVI实测数据,匹配车辆的出行过程,包括起点、终点、路径、交叉口经过时刻信息,并通过公交车辆的车牌信息,匹配公交车辆的出行过程,任意车辆出行包含真实的路段行程时间,其中,未经排队的车辆的路段行程时间等价于路段行驶时间,可计算路段行驶速度,因此,利用未经排队的普通车辆行驶速度与未经排队的公交车辆行驶速度的比例,标定仿真模型中的行驶速度调整系数θ1;同时,根据未设置公交站点车道上的普通车辆行驶速度与设置公交站点的普通车辆行驶速度的比例,标定行驶速度调整系数θ2;此外,根据未设置公交站点车道上的普通车辆行驶速度与根据未设置公交站点车道上的公交车辆行驶速度,标定仿真模型中的行驶速度调整系数θ3;
然后,在设置任意公交站点的路段上,当公交车辆进入站点的范围内,以及离开站外范围,都将触发蓝牙的检测,记录其进站时刻与出站时刻,利用此数据可获取公交车辆在站内的平均总时间,相减平均排队消耗时间,获取平均上下客服务时间,换算为公交站点的平均服务能力estop(veh/(s·lane));
采用粒子群算法,设计路段宏观速度—密度模型中的α、β,各车道组的组通行能力s的标定方法,步骤如下:
第一步:初始化粒子群的规模,及各个粒子的位置xi,给每一个粒子随机地分配α、β取值,车道组通行能力取默认值2veh/(s·lane);
第二步:仿真,计算每一个粒子的适应值,即目标函数里的误差值;
第三步:更新每一个粒子i的位置和速度,式子如下:
第四步:重复第二步,当满足收敛条件时,结束对α、β的标定,gbest对应粒子的取值为α、β的标定结果;
第五步:代入α、β的标定结果,仿真,计算各个车道组的平均行程时间误差,如下式所示:
式中,Erroh为车道组h对应的误差,其余参数同式(18);
第六步:分析第五步取得的各车道组的行程时间误差,若某车道组的误差值大于0,说明该车道组的仿真车辆速度过快的可能性越高,按预设步长降低车道通行能力s,若小于0则升高车道通行能力s,重复第五步,直到满足收敛要求。
2.根据权利要求1所述的面向混合车流运行场景的中观交通仿真模型构建方法,其特征在于,所述步骤S1中,在场景1下,混合车流点排队模型的构建过程是:
普通/公交车辆在交叉口排队等待的时间大于在行驶路段的时间,车道独立且互不干扰,到达交叉口后,依据转向需求选择相应的车道,从选择车道的停车线开始以垂直方向堆叠,忽略车身长度,关注排队车辆数而非排队长度,任意车道上的排队车辆数由下式计算:
Q(t)=Q(t-Δt)+(qin(t)-qout(t)) (4)
式中Q(t)为间隔(t-Δt,t]内车道上的排队车辆数,qin(t)为间隔(t-Δt,t]内加入排队的车辆数,qout(t)为间隔内的放行车辆数,放行车辆数取决于车道组的通行能力s(veh/(sec·lane)),即单车道在单位时间内可放行的车辆数:
3.根据权利要求2所述的面向混合车流运行场景的中观交通仿真模型构建方法,其特征在于,所述步骤S1中,在场景1下,混合车流点转换模型的构建过程是:
路口排队的普通车辆或公交车辆i从路段l1驶入下游路段l2时,均需要完成三步判断:
第一步:车辆i判断其所在的排队车道上,前方是否仍有排队的车辆,如果没有则转至第二步判断,否则车辆i将继续在车道内进行点排队,等待放行;
第二步:车辆i判断下游路段l2上的目标车道组是否仍有剩余的容量,如果下式(6)的条件满足,则转至第三步判断,否则车辆i驶入路段l1靠近上游的虚拟停车场等候,以点排队的形式在停车场堆叠,待满足(6)的条件时,以预设的饱和车头时距放出:
第三步:车辆i判断下游路段l2目标车道组中剩余容量最大的车道,完成三步判断后,车辆i将驶入相应车道:
式中,k*为路段l2目标车道组中剩余容量最大的车道。
4.根据权利要求3所述的面向混合车流运行场景的中观交通仿真模型构建方法,其特征在于,所述步骤S1中,在场景2下,普通车辆与公交车辆的混合车流行驶模型的构建过程是:
公交车辆选择专用车道完成路段行驶过程,一部分普通车辆选择专用车道完成路段行驶过程,剩余普通车辆选择其他车道完成路段行驶过程,在此类情形下,普通车辆与公交车辆的行驶速度依然取决于行驶车道的密度,因此,首先依据实地调查数据预设普通车辆选择专用车道的比例,获取不同车道上的车辆分布情况,然后,分别采用公式(1)与公式(2)计算普通车辆与公交车辆的行驶速度;
在场景2下,混合车流点排队模型的构建过程是:
公交车辆选择专用车道完成路口排队过程,同时,考虑到普通车辆若占用公交专用车道排队,一方面可能需要换道而违规跨越实线,另一方面在通过交叉口时可能被治安卡口拍摄违规行为,风险较大,因此,在场景2的混合车流点排队模型中,设普通车辆不会选择公交专用车道排队,仅在其他车道上完成排队过程,在增加排队车道选择的限制下,采用场景1下的混合车流点排队模型描述普通车辆与公交车辆的排队过程;
在场景2下,混合车流点转换模型的构建过程是:
在场景2下,混合车流点转换模型描述区分车道排队的普通车辆与公交车辆驶入下游路段的转换过程:公交车辆在专用车道上排队,普通车辆在其他车道上排队,等待绿灯放行时段,按照堆叠顺序依次转移驶入下游路段,上述过程采用场景1下的混合车流点转换模型更新。
5.根据权利要求4所述的面向混合车流运行场景的中观交通仿真模型构建方法,其特征在于,所述步骤S1中,公交车进出站模型的构建过程是:
在公交停靠站毗邻车道上,需要停靠的公交车辆站外点排队、进站点转换、站内服务点排队、出站点转换四个过程:
(1)站外点排队模型
在停靠站毗邻车道站点前的范围内,需要停靠的公交抵达车辆停靠站时,如果停靠站内部无剩余容量,公交车辆将在站外以点排队的形式垂直方向堆叠,与此同时,如果同车道的普通车辆或不停靠公交车辆也抵达停靠站,将加入点排队,形成混合车流的排队:
在停靠站毗邻车道站点前的范围内,排队车辆数由下式计算:
式中为间隔(-Δt,t]内停靠站毗邻车道站点前的范围lf内的排队车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内加入排队的车辆数,为间隔(t-Δt,t]内停靠站毗邻车道站点前的范围lf内的放行车辆数,放行车辆数取决于公交停靠站内动态更新的剩余容量:
(2)公交车辆进站的点转换模型
公交车辆进站的点转换模型描述需要停靠的公交车辆驶入下游公交停靠站的转换过程:
公交车辆i从停靠站毗邻车道站点前的范围lf驶入停靠站stop1时,需要完成三步判断:
第一步:公交车辆i判断停靠站毗邻车道站点前的范围lf内,其前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将进入上述的站外点排队,等待放行进站;
第二步:公交车辆i判断公交停靠站stop1内的目标通道组是否仍有剩余的容量,如果下式(12)的条件满足,则转至第三步判断,否则公交车辆i将继续站外点排队过程,等候放行:
式中,为停靠站stop1内部目标车道组中k-th车道的剩余容量,即站点剩余空间可以容纳的车辆数,为停靠站stop1的最大容量,即站点内部空间可以容纳的公交车辆上限,表示停靠站stop1内部已经停靠排队的公交车辆数,直接式站点包含单车道,港湾式站点包含单车道或多车道;
第三步:公交车辆i判断停靠站stop1目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将驶入相应车道:
式中,k*为停靠站stop1目标车道组中剩余容量最大的车道;
(3)公交车辆站内服务的点排队模型
在公交停靠站的范围内,需要停靠且满足进站条件的公交车辆,将以预设的减速度完成减速进站的行为,从选择车道的站点边界线开始以垂直方向堆叠,进行点排队,在公交停靠站stop1的范围内,排队车辆数由下式计算:
式中为间隔(t-Δt,t]内公交停靠站stop1的范围内的排队车辆数,为间隔(-Δt,t]内公交停靠站stop1的范围内加入排队的车辆数,为间隔(-Δt,t]内公交停靠站stop1的范围内的放行车辆数,放行车辆数取决于公交停靠站内的平均服务能力estop(veh/(sec·lane)),即单车道在单位时间内可完成上下车服务的车辆数:
(4)公交车辆出站的点转换模型
公交车辆出站的点转换模型描述需要停靠的公交车辆驶出公交停靠站的转换过程,公交车辆i从停靠站stop1驶出而进入下游范围lb,需要完成三步判断:
第一步:公交车辆i判断停靠站stop1内其所在的车道上,前方是否仍有排队的公交车辆,如果没有则转至第二步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
第二步:公交车辆i判断停靠站毗邻车道站点后的范围lb内的目标通道组是否仍有剩余的容量,如果下式(16)的条件满足,则转至第三步判断,否则公交车辆i将继续在站点内进行点排队,等待放行;
式中,为停靠站毗邻车道站点后的范围lb内目标车道组中k-th车道的剩余容量,即剩余空间可以容纳的车辆数,为停靠站毗邻车道站点后的范围lb的最大容量,即内部空间可以容纳的公交车辆上限,与分别表示停靠站毗邻车道站点后的范围lb内已有的排队车辆数或行驶车辆数;
第三步:公交车辆i判断范围lb内目标车道组中剩余容量最大的车道,完成三步判断后,公交车辆i将以预设的加速度完成驶出站点,汇入相应车道的行为:
式中,k*为范围lb内目标车道组中剩余容量最大的车道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023814.7A CN112861420B (zh) | 2021-01-08 | 2021-01-08 | 一种面向混合车流运行场景的中观交通仿真模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023814.7A CN112861420B (zh) | 2021-01-08 | 2021-01-08 | 一种面向混合车流运行场景的中观交通仿真模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112861420A CN112861420A (zh) | 2021-05-28 |
CN112861420B true CN112861420B (zh) | 2022-05-03 |
Family
ID=76005441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110023814.7A Active CN112861420B (zh) | 2021-01-08 | 2021-01-08 | 一种面向混合车流运行场景的中观交通仿真模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112861420B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570869B (zh) * | 2021-09-27 | 2021-12-28 | 江苏梦想物联有限公司 | 一种基于物联网的路侧停车监管系统及方法 |
CN114741891B (zh) * | 2022-04-22 | 2023-04-11 | 大连海事大学 | 一种基于超细观仿真的港湾式公交站效率评估方法 |
CN114937366B (zh) * | 2022-07-22 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN117292548B (zh) * | 2023-11-10 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 交通仿真方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8081086B2 (en) * | 2008-07-10 | 2011-12-20 | Gyora Keidar | AVI transponder with audio announcements means |
CN105574243A (zh) * | 2015-12-14 | 2016-05-11 | 北京航空航天大学 | 基于进入车道时间的高性能中观交通仿真方法 |
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 |
CN110209990B (zh) * | 2019-05-22 | 2023-04-07 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
CN110459053B (zh) * | 2019-07-29 | 2022-06-07 | 南京理工大学 | 基于智能网联车信息的高速公路混合车流速度估计方法 |
-
2021
- 2021-01-08 CN CN202110023814.7A patent/CN112861420B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112861420A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112861420B (zh) | 一种面向混合车流运行场景的中观交通仿真模型构建方法 | |
CN106355907B (zh) | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 | |
CN110119835B (zh) | 一种基于区间计算的公交动态发车调度优化方法 | |
CN108492562A (zh) | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 | |
CN110363997B (zh) | 一种有施工区交叉口信号配时优化方法 | |
CN106652458A (zh) | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 | |
CN109767625A (zh) | 一种基于电警数据的交叉口短车道排队溢出识别方法 | |
CN103116608A (zh) | 一种快速路交通流再现的方法 | |
CN111882858A (zh) | 一种基于多源数据的高速公路异常事件排队长度预测方法 | |
CN111881557A (zh) | 基于道路平均速度的车流仿真方法 | |
CN102855755A (zh) | 一种基于运行车速预测的城市干道车队离散模型的建模方法 | |
CN108615362A (zh) | 一种5g车联网环境下的道路交通流参数提取方法 | |
CN113362618B (zh) | 基于策略梯度的多模式交通自适应信号控制方法及装置 | |
Zhang et al. | Quantifying the impact of driver compliance on the effectiveness of variable speed limits and lane control systems | |
CN113753100B (zh) | 一种轨道交通车辆运营仿真方法及系统 | |
CN103529703B (zh) | 用于列车自动控制系统的限速曲线的方法 | |
CN107067723B (zh) | 一种城市道路路段旅行时间的估计方法 | |
Mitkas et al. | Evaluation of alternative Ramp Metering scenarios on freeway on-ramp with the use of microscopic simulation software Vissim | |
Chepuri et al. | Examining performance of an urban corridor using microscopic traffic simulation model under mixed traffic environment in India | |
Zhao | Railway traffic flow optimisation with differing control systems | |
CN105608315A (zh) | 公交停靠站安全服务水平定量评价方法及系统 | |
Hoque et al. | Comparison of Traffic Flow Characteristics and Environmental Impacts Between a Cross Intersection and a Roundabout Intersection: A VISSIM Simulation-based Approach | |
Lin | Evaluation of Queue Dissipation Simulation Models for Analysis of Presence Mode Full-Actuated Signal Control | |
Aronsson et al. | Female and male driving behaviour on Swedish urban roads and streets | |
Shao et al. | Setting Conditions of U-turns at Entrances of Signalized Intersections |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhu Yiting Inventor after: He Zhaocheng Inventor after: Yan Yun Inventor after: Deng Sen Inventor before: He Zhaocheng Inventor before: Zhu Yiting Inventor before: Yan Yun Inventor before: Deng Sen |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |