CN113111514A - 一种车辆微观行驶场景仿真方法及计算机可读存储介质 - Google Patents

一种车辆微观行驶场景仿真方法及计算机可读存储介质 Download PDF

Info

Publication number
CN113111514A
CN113111514A CN202110398570.0A CN202110398570A CN113111514A CN 113111514 A CN113111514 A CN 113111514A CN 202110398570 A CN202110398570 A CN 202110398570A CN 113111514 A CN113111514 A CN 113111514A
Authority
CN
China
Prior art keywords
vehicle
road
traffic
data
file
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.)
Granted
Application number
CN202110398570.0A
Other languages
English (en)
Other versions
CN113111514B (zh
Inventor
李志恒
丁诗婷
丁嘉宁
陈锦华
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.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Shenzhen International Graduate School of Tsinghua University
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 Shenzhen International Graduate School of Tsinghua University filed Critical Shenzhen International Graduate School of Tsinghua University
Priority to CN202110398570.0A priority Critical patent/CN113111514B/zh
Publication of CN113111514A publication Critical patent/CN113111514A/zh
Application granted granted Critical
Publication of CN113111514B publication Critical patent/CN113111514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种车辆微观行驶场景仿真方法及计算机可读存储介质，方法包括：通过目标区域内的车辆交通数据和道路数据得到车旅文件，车旅文件是车辆交通数据内的车辆在道路数据中所包含的目标区域内由起点行驶至终点的时间信息，时间信息包括：从起点出发的时间、抵达终点的时间；由车旅文件得到路径文件，路径文件是车辆交通数据内的车辆在车旅文件中的时间信息中从起点至终点需要经过的所有道路；通过路径文件以及道路数据通过仿真平台实现车辆微观行驶场景仿真。本发明的实际仿真结果最大程度还原现实车辆行驶需求，进而支持基于微观仿真的车辆与道路规划研究，比如进行充电桩分布研究，节省其实际实验成本与时间。

Description

一种车辆微观行驶场景仿真方法及计算机可读存储介质
技术领域
本发明涉及智能交通仿真技术领域，尤其涉及一种车辆微观行驶场景仿真方法及计算机可读存储介质。
背景技术
目前，新能源车辆产业快速发展，新能源车辆保有规模稳步提升。因此，满足日益增长的新能源车辆的充电需求，将成为新能源车辆产业健康发展的重要保障。在电动车辆仿真中，如何还原和实现现实环境中电动车辆出行的行为特征和方式是一个核心要素和关键环节。
进一步地，当前在车辆微观行驶场景仿真上，并没有相关的技术。其他常用的交通规划仿真软件如PTV Visum并没有提供车辆自定义行驶行为的功能。因此，现有技术中缺乏针对于车辆微观驾驶行为的模拟仿真的系统和方法。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明为了解决现有的问题，提供一种车辆微观行驶场景仿真方法及计算机可读存储介质。
为了解决上述问题，本发明采用的技术方案如下所述：
一种车辆微观行驶场景仿真方法，包括如下步骤：S1:通过目标区域内的车辆交通数据和道路数据得到车旅文件，所述车旅文件是所述车辆交通数据内的车辆在所述道路数据中所包含的所述目标区域内由起点行驶至终点的时间信息，所述时间信息包括：从起点出发的时间、抵达终点的时间；S2:由所述车旅文件得到路径文件，所述路径文件是所述车辆交通数据内的车辆在所述车旅文件中的所述时间信息中从起点至终点需要经过的所有道路；S3:通过所述路径文件以及所述道路数据通过仿真平台实现车辆微观行驶场景仿真。
优选地，所述道路数据包括路网数据以及交通小区信息；所述路网数据中包含所述目标区域中所有道路网络信息，包括：道路名称、车道数量、道路通行方向，路口以及充电桩分布；所述交通小区信息包含目标区域内每一条道路所归属的交通小区；所述路网数据以及所述交通小区信息交叉得到所述目标区域中每一条道路所归属的交通小区。
优选地，所述路网数据是通过OpenStreetMap获取实际所述目标区域对应的道路网络数据；用于描述车辆交通数据中车辆的行驶行为涉及到目标区域的道路特征。
优选地，所述车辆交通数据为实际收集的在所述目标区域范围内特定时间段的车辆行驶数据，包括所述目标区域每条道路上每个时间段的车流量、车辆类型、电动车辆动力类型、目标区域内不同车辆类型的比例。
优选地，所述每条道路上每个时间段的车流量是所述交通小区信息中的各个交通小区的车流量数据；其描述了从一个交通小区到另一个交通小区在一个时间段内的车流量。
优选地，所述车旅文件通过对所述车辆交通数据内所描述每个时间段内的车流信息来分配每辆车具体时间信息；其分配的方式是以正态分布进行，公式为：N(μ，σ2)。
优选地，所述路径文件是对每辆车从起点到终点所需要经过的所有道路的计算；所述计算基于Dijkstra算法最短路径进行车辆由起点至终点途径所有道路的计算，包括：车辆起点为s，D[s]为初始权值，且D[s]＝0；其权值为车辆在道路上行驶的速度；如果车辆起点s存在能够抵达车辆终点m的路线(s，m),则设车辆起点s到终点m的路线(s，m)的路线权值为路线包含的每条道路的权值之和w(s，m)，D[m]＝w(s，m)，否则D[m]＝∞；通过迭代寻找当前车辆最快能够在车旅文件中的时间信息的前提下抵达终点的路径为计算结果。
优选地，所述路径文件中所述目标区域内的每条的道路的权值初始值为随机分配而得，权值是车辆在道路上行驶的速度；每一辆车在分配好其路径后，将更新其行驶路径上途经的所有道路的权值，且新的权值会影响下一辆车辆的路径选择，通过下式进行更新：
Wt＝f*Wt-1+(1-f)*c,
其中，Wt为更新后的道路的权值；Wt-1为更新前的权值；f为自适应比重，也就是权值更新速度，且f的值为[0,1]；c为当前车辆的速度。
优选地，所述仿真平台为SUMO，结合所述路径文件以及所述道路数据生成针对每一辆车在现实驾驶场景相似的微观行驶行为仿真。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前任一所述方法的步骤。
本发明的有益效果为：提供一种车辆微观行驶场景仿真方法及计算机可读存储介质，通过利用真实车辆交通数据以及道路数据构建车辆微观行驶场景仿真方法，实际仿真结果最大程度还原现实车辆行驶需求，进而支持基于微观仿真的车辆与道路规划研究，比如进行充电桩分布研究，节省其实际实验成本与时间。
进一步地，本发明中生成的车辆需求文件即为基于实际数据生成，又可根据实验所需进行更改，灵活适应又不脱离现实，为相关实验与测试研究提供更加科学和具有参考价值的数据。
附图说明
图1是本发明实施例中一种车辆微观行驶场景仿真方法的示意图。
图2是本发明实施例中一种路网数据文件的是示意图。
图3是本发明实施例中一种以OD矩阵形式的车流量数据的示意图。
图4是本发明实施例中一种交通小区信息的示意图。
图5是本发明实施例中一种车旅文件的示意图。
图6是本发明实施例中一种路径文件的示意图。
图7是本发明实施例中一种目标区域的微观驾驶行为仿真的示意图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接既可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
如图1所示，本发明提供一种车辆微观行驶场景仿真方法，包括如下步骤：
S1:通过目标区域内的车辆交通数据和道路数据得到车旅文件，所述车旅文件是所述车辆交通数据内的车辆在所述道路数据中所包含的所述目标区域内由起点行驶至终点的时间信息，所述时间信息包括：从起点出发的时间、抵达终点的时间；
S2:由所述车旅文件得到路径文件，所述车流文件是所述车辆交通数据内的车辆在所述车旅文件中的所述时间信息中从起点至终点需要经过的所有道路；
S3:通过所述路径文件以及所述道路数据通过仿真平台实现车辆微观行驶场景仿真。
本发明提供的方法通过利用真实车辆交通数据以及道路数据构建车辆微观行驶场景仿真方法，实际仿真结果最大程度还原现实车辆行驶需求，进而支持基于微观仿真的车辆与道路规划研究，比如进行充电桩分布研究，节省其实际实验成本与时间。
进一步地，本发明中生成的车辆需求文件即为基于实际数据生成，又可根据实验所需进行更改，灵活适应又不脱离现实，为相关实验与测试研究提供更加科学和具有参考价值的数据。
在本发明的一种实施例中，步骤S1中道路数据包括路网数据以及交通小区信息；
路网数据中包含目标区域中道路网络信息，包括：道路名称、车道数量、道路通行方向，路口以及充电桩分布；
交通小区信息包含目标区域内每一条道路所归属的交通小区；
路网数据以及交通小区信息交叉得到目标区域中每一条道路所归属的交通小区。
可以理解的是，交通小区信息，是由根据区域内，在尽可能不破坏当地行政区域划分的前提下，以自然屏障如铁路、河流、山脉以及社会、经济土地的使用特性进行对路网数据内包含的道路区域进行规划而得。
进一步地，路网数据可以是通过OpenStreetMap获取实际目标区域对应的道路网络数据；用于描述车辆交通数据中车辆的行驶行为涉及到目标区域的道路特征。
在本发明的一种实施例中，步骤S1中车辆交通数据为实际收集的在目标区域范围内特定时间段的车辆行驶数据，包括所述目标区域每条道路上每个时间段的车流量、车辆类型、电动车辆动力类型、目标区域内不同车辆类型的比例。
在一种具体的实施例中，每条道路上每个时间段的车流量是所述交通小区信息中的各个交通小区的车流量数据；其描述了从一个交通小区到另一个交通小区在一个时间段内的车流量。
在本发明的一种实施例中，步骤S1中车旅文件通过对所述车辆交通数据内所描述每个时间段内的车流信息来分配每辆车具体时间信息；作为一种优选方案，时间段内的每辆车的时间信息的分配将以正态分布进行分配,公式为：N(μ，σ2)。
作为次选方案，时间段内的车辆出发时间将通过计算机随机进行分布。
在步骤S2中路径文件是对每辆车从起点到终点所需要经过的所有道路的计算；
所述计算基于Dijkstra算法最短路径进行车辆由起点至终点途径所有道路的计算，包括：
车辆起点为s，D[s]为初始权值，且D[s]＝0；其权值为车辆在道路上行驶的速度；
如果车辆起点s存在能够抵达车辆终点m的路线(s，m),则设车辆起点s到终点m的路线(s，m)的路线权值为路线包含的每条道路的权值之和w(s，m)，D[m]＝w(s，m)，否则D[m]＝∞；
通过迭代寻找当前车辆最快能够在车旅文件中的时间信息的前提下抵达终点的路径为计算结果。
在一种具体的实施例中，路径文件中目标区域内的每条的道路的权值初始值为随机分配而得，权值是车辆在道路上行驶的速度；
每一辆车在分配好其路径后，将更新其行驶路径上途经的所有道路的权值，且新的权值会影响下一辆车辆的路径选择，通过下式进行更新：
Wt＝f*Wt-1+(1-f)*c,
其中，Wt为更新后的道路的权值；Wt-1为更新前的权值；f为自适应比重，也就是权值更新速度，且f的值为[0,1]；c为当前车辆的速度。
本发明中，通过对目标区域内的车辆交通数据和道路数据进行处理和计算，得以实现基于SUMO的车辆微观行驶行为的实现仿真；结合所述路径文件以及所述道路数据生成针对每一辆车在现实驾驶场景相似的微观行驶行为仿真。
在一种具体的实施例中，以深圳福田区作为目标区域，生成道路数据；以电动车下午一点至两点作为交通数据，并且以SUMO作为仿真平台来进行。
具体地，本发明的方法主要集中在对于电动车出行的模拟仿真，对于非电动车车辆，则是以城市道路车辆数量，以及电动车与非电动车之间的比例，利用SUMO进行等比例生成，以此确保电动车辆行驶需求达到最佳效果。
一种基于SUMO的车辆微观行驶行为的实现仿真，包括以下步骤：
S1通过目标区域内的车辆交通数据和道路数据得到车旅文件，所述车旅文件是所述车辆交通数据内的车辆在所述道路数据中所包含的所述目标区域内由起点行驶至终点的时间信息，所述时间信息包括：从起点出发的时间、抵达终点的时间；
S2由所述车旅文件得到路径文件，所述路径文件是所述车辆交通数据内的车辆在所述车旅文件中的所述时间信息中从起点至终点需要经过的所有道路；
S3通过所述路径文件以及所述道路数据通过仿真平台实现车辆微观行驶场景仿真。
其中：
S1中所述道路数据包括路网数据以及交通小区信息；路网数据中包含所述目标区域中所有道路网络信息，包括：道路名称、车道数量、道路通行方向，路口以及充电桩分布；交通小区信息包含目标区域内每一条道路所归属的交通小区；路网数据以及所述交通小区信息交叉得到所述目标区域中每一条道路所归属的交通小区。路网数据是通过OpenStreetMap获取现实目标区域对应的道路网络数据；用于描述车辆交通数据中车辆的行驶行为涉及到目标区域的道路特征。得到的路网数据由SUMO的netconvert转换成适用于SUMO的格式。
如图2说示，路网数据是以SUMO可识别文件.net.xml的形式存在。
交通小区信息包含目标区域内每一条道路所归属的交通小区，每一个交通小区包含一条或以上的道路而形成的交通小区。路网数据以及交通小区信息交叉可以得到目标区域中每一条道路所归属的交通小区。交通小区信息是由根据目标区域内，在尽可能不破坏当地行政区域划分的前提下，以自然屏障如铁路、河流、山脉以及社会、经济土地的使用特性进行对路网数据内包含的道路区域进行规划而得。
如图3所示，交通小区是以taz.xml形式储存的文件，描述了每个交通小区所包含的道路。车辆交通数据为现实收集的在目标区域范围内特定时间段的车辆行驶数据，包括目标区域每条道路上每个时间段的车流量、车辆类型、电动车辆动力类型、目标区域内不同车辆类型的比例。其中，车流量数据是根据交通小区信息中划分的交通小区采集的各个小区的车流量数据，每一行描述在下午一点到两点之间从一个交通小区至另一个交通小区的车流量。车流量数据是以起始-终点矩阵(也称作origin-destination矩阵，或者OD矩阵)的文件形式进行存储。
如图4所示，为OD矩阵形式的车流量数据。文件描述了下午一点到两点之间从一个交通小区至另一个交通小区的车流量。
车旅文件是根据划分的时间段内的车流量信息来生成，其过程计算用于支撑车辆行驶行为仿真的车辆具体出发时间。时间段内的车辆出发时间将以优选方案正态分布的方式进行计算,其公式为：N(μ，σ2)。计算的过程将通过SUMO的od2trips模块进行。
如图5所示，为车旅文件所描述的车辆从起点交通小区到终点交通小区的时间信息，时间信息包括：从起点出发的时间、抵达终点的时间。
S2所描述的路径文件是基于车旅文件中的时间信息来寻找车辆能够最快抵达终点所需要经过的所有道路；本实施案例的计算方法为作为优选方案的Dijkstra算法。
在计算路径文件中描述的车辆由起点至终点最短需要行驶的道路的计算过程中，车辆起点为s，D[s]为初始路线权值，且D[s]＝0。如果车辆起点s存在能够抵达车辆终点m的路线(s，m),则设车辆起点s到终点m的路线(s，m)的路线权值为路线包含的每条道路的权值之和,w(s，m)，且D[m]＝w(s，m)，否则D[m]＝∞；通过迭代寻找当前车辆最快能够在车旅文件中的抵达终点的时间的前提下抵达终点的路径，min(D[m])。
其中，目标区域内的每条的道路的权值初始值为随机分配而得；权值是车辆在道路上行驶的速度。每一辆车在分配好其路径后，将更新其行驶路径上途经的所有道路的权值，且新的权值会影响下一辆车辆的路径选择。更新的方式则是通过Wt＝f*Wt-1+(1-f)*c,其中，Wt为更新后的道路的权值；Wt-1为更新前的权值；f为自适应比重，也就是权值更新速度，且f的值为[0,1]；c为当前车辆的速度。
通过对每一辆车的计算，得到在车旅文件中描述的所有车辆的从起点至终点的路径。
如图6所示，为车流文件中描述了在车旅文件中描述的所有车辆从起点至终点的路径；路径中的道路以编号的方式呈现。
S3中，SUMO中的sumo-gui模块将路径文件投射到路网文件中，启动车辆微观行驶行为的仿真模型界面。
如图7所示，为放大后的仿真界面，白色三角形为车辆，黑色部分为车辆行驶的道路。
本申请实施例还提供一种控制装置，包括处理器和用于存储计算机程序的存储介质；其中，处理器用于执行所述计算机程序时至少执行如上所述的方法。
本申请实施例还提供一种存储介质，用于存储计算机程序，该计算机程序被执行时至少执行如上所述的方法。
本申请实施例还提供一种处理器，所述处理器执行计算机程序，至少执行如上所述的方法。
所述存储介质可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，FerromagneticRandom Access Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，SynchronousStatic Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random AccessMemory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random AccessMemory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data RateSynchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAMEnhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，Sync Link Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (10)

1.一种车辆微观行驶场景仿真方法，其特征在于，包括如下步骤：
S1：通过目标区域内的车辆交通数据和道路数据得到车旅文件，所述车旅文件是所述车辆交通数据内的车辆在所述道路数据中所包含的所述目标区域内由起点行驶至终点的时间信息，所述时间信息包括：从起点出发的时间、抵达终点的时间；
S2：由所述车旅文件得到路径文件，所述路径文件是所述车辆交通数据内的车辆在所述车旅文件中的所述时间信息中从起点至终点需要经过的所有道路；
S3：通过所述路径文件以及所述道路数据通过仿真平台实现车辆微观行驶场景仿真。
2.如权利要求1所述的车辆微观行驶场景仿真方法，其特征在于，所述道路数据包括路网数据以及交通小区信息；
所述路网数据中包含所述目标区域中所有道路网络信息，包括：道路名称、车道数量、道路通行方向，路口以及充电桩分布；
所述交通小区信息包含目标区域内每一条道路所归属的交通小区；
所述路网数据以及所述交通小区信息交叉得到所述目标区域中每一条道路所归属的交通小区。
3.如权利要求2所述的车辆微观行驶场景仿真方法，其特征在于，所述路网数据是通过OpenStreetMap获取实际所述目标区域对应的道路网络数据；用于描述车辆交通数据中车辆的行驶行为涉及到目标区域的道路特征。
4.如权利要求3所述的车辆微观行驶场景仿真方法，其特征在于，所述车辆交通数据为实际收集的在所述目标区域范围内特定时间段的车辆行驶数据，包括所述目标区域每条道路上每个时间段的车流量、车辆类型、电动车辆动力类型、目标区域内不同车辆类型的比例。
5.如权利要求4所述的车辆微观行驶场景仿真方法，其特征在于，所述每条道路上每个时间段的车流量是所述交通小区信息中的各个交通小区的车流量数据；其描述了从一个交通小区到另一个交通小区在一个时间段内的车流量。
6.如权利要求5所述的车辆微观行驶场景仿真方法，其特征在于，所述车旅文件通过对所述车辆交通数据内所描述每个时间段内的车流信息来分配每辆车具体时间信息；其分配的方式是以正态分布进行，公式为：N(μ，σ2)。
7.如权利要求6所述的车辆微观行驶场景仿真方法，其特征在于，所述路径文件是对每辆车从起点到终点所需要经过的所有道路的计算；
所述计算基于Dijkstra算法最短路径进行车辆由起点至终点途径所有道路的计算，包括：
车辆起点为s，D[s]为初始权值，且D[s]＝0；其权值为车辆在道路上行驶的速度；
如果车辆起点s存在能够抵达车辆终点m的路线(s，m)，则设车辆起点s到终点m的路线(s，m)的路线权值为路线包含的每条道路的权值之和w(s，m)，D[m]＝w(s，m)，否则D[m]＝∞；
通过迭代寻找当前车辆最快能够在车旅文件中的时间信息的前提下抵达终点的路径为计算结果。
8.如权利要求7所述的车辆微观行驶场景仿真方法，其特征在于，所述路径文件中所述目标区域内的每条的道路的权值初始值为随机分配而得，权值是车辆在道路上行驶的速度；
每一辆车在分配好其路径后，将更新其行驶路径上途经的所有道路的权值，且新的权值会影响下一辆车辆的路径选择，通过下式进行更新：
Wt＝f*Wt-1+(1-f)*c，
其中，Wt为更新后的道路的权值；Wt-1为更新前的权值；f为自适应比重，也就是权值更新速度，且f的值为[0，1]；c为当前车辆的速度。
9.如权利要求1所述的车辆微观行驶场景仿真方法，其特征在于，所述仿真平台为SUMO，结合所述路径文件以及所述道路数据生成针对每一辆车在现实驾驶场景相似的微观行驶行为仿真。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一所述方法的步骤。
CN202110398570.0A 2021-04-12 2021-04-12 一种车辆微观行驶场景仿真方法及计算机可读存储介质 Active CN113111514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110398570.0A CN113111514B (zh) 2021-04-12 2021-04-12 一种车辆微观行驶场景仿真方法及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110398570.0A CN113111514B (zh) 2021-04-12 2021-04-12 一种车辆微观行驶场景仿真方法及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113111514A true CN113111514A (zh) 2021-07-13
CN113111514B CN113111514B (zh) 2022-05-27

Family

ID=76716606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110398570.0A Active CN113111514B (zh) 2021-04-12 2021-04-12 一种车辆微观行驶场景仿真方法及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113111514B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326641A (zh) * 2021-08-03 2021-08-31 腾讯科技（深圳）有限公司 路径规划方法、装置、计算机设备及存储介质
CN113688535A (zh) * 2021-09-02 2021-11-23 国网北京市电力公司 车辆行为仿真方法、装置、系统及处理器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120197618A1 (en) * 2011-01-27 2012-08-02 Toyota Infotechnology Center, U.S.A., Inc. Architecture and method for realistic vehicular networking and applications visualization
CN110298500A (zh) * 2019-06-19 2019-10-01 大连理工大学 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法
US20200105133A1 (en) * 2017-10-25 2020-04-02 Tencent Technology (Shenzhen) Company Limited Road segment speed prediction method, apparatus, server, medium, and program product
CN111027160A (zh) * 2019-11-20 2020-04-17 中山大学 一种基于数据转换的sumo交通仿真场景精准构建方法
CN111907522A (zh) * 2019-05-07 2020-11-10 现代摩比斯株式会社 基于复杂信息的车辆scc系统及其控制方法
CN111931968A (zh) * 2020-03-12 2020-11-13 东南大学 一种应用手机gps数据来优化公共自行车站点布局的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120197618A1 (en) * 2011-01-27 2012-08-02 Toyota Infotechnology Center, U.S.A., Inc. Architecture and method for realistic vehicular networking and applications visualization
US20200105133A1 (en) * 2017-10-25 2020-04-02 Tencent Technology (Shenzhen) Company Limited Road segment speed prediction method, apparatus, server, medium, and program product
CN111907522A (zh) * 2019-05-07 2020-11-10 现代摩比斯株式会社 基于复杂信息的车辆scc系统及其控制方法
CN110298500A (zh) * 2019-06-19 2019-10-01 大连理工大学 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法
CN111027160A (zh) * 2019-11-20 2020-04-17 中山大学 一种基于数据转换的sumo交通仿真场景精准构建方法
CN111931968A (zh) * 2020-03-12 2020-11-13 东南大学 一种应用手机gps数据来优化公共自行车站点布局的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326641A (zh) * 2021-08-03 2021-08-31 腾讯科技（深圳）有限公司 路径规划方法、装置、计算机设备及存储介质
CN113326641B (zh) * 2021-08-03 2021-12-14 腾讯科技（深圳）有限公司 路径规划方法、装置、计算机设备及存储介质
CN113688535A (zh) * 2021-09-02 2021-11-23 国网北京市电力公司 车辆行为仿真方法、装置、系统及处理器

Also Published As

Publication number Publication date
CN113111514B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN113111514B (zh) 一种车辆微观行驶场景仿真方法及计算机可读存储介质
CN110196592B (zh) 一种轨迹线的更新方法、系统、终端和存储介质
CN105528955B (zh) 生成道路网络的方法及其装置
CN108931927B (zh) 无人驾驶仿真场景的创建方法及装置
CN108871368A (zh) 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器
CN103050016B (zh) 一种基于混合推荐的交通信号控制方案实时选取方法
CN101354261A (zh) 导航系统的数据更新方法、数据更新装置及一种导航系统
CN101493329A (zh) 一种多目标点路径规划方法和装置
CN113808400B (zh) 车流迁徙情况的展示方法、装置、设备及介质
CN112669642A (zh) 一种基于通行时间和车速预测的动态路径规划算法和系统
CN105910613B (zh) 一种自适应的基于虚拟现实的步行导航方法与系统
CN113191550A (zh) 地图匹配方法及装置
CN109282825A (zh) 道路标记方法及装置
CN105910615B (zh) 一种基于虚拟现实的步行导航方法与系统
US20120197618A1 (en) Architecture and method for realistic vehicular networking and applications visualization
Zhang et al. Modeling and evaluating the impact of city block size on traffic performance
KR101877767B1 (ko) 미션 수행을 위한 경로정보 제공 방법, 이를 수행하기 위한 기록매체
Harri et al. VanetMobiSim-vehicular ad hoc network mobility extension to the CanuMobiSim framework
CN109631934A (zh) 地图应用的信息处理方法、装置、服务器及储存介质
CN109085764A (zh) 无人驾驶仿真场景的创建方法及装置
JP2015141550A (ja) 工事スケジュール作成システム及び工事スケジュール作成方法
Ware et al. An ant colony system algorithm for automatically schematizing transport network data sets
CN103167032A (zh) 地图辅助的室内定位后台服务系统
CN114383617B (zh) 基于地图神经网络导航算路方法、装置、设备及存储介质
CN105910616B (zh) 一种改进型的基于虚拟现实的步行导航方法与系统

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
GR01 Patent grant
GR01 Patent grant