CN113268855B - 一种环形交叉口微观交通仿真模型的标定方法 - Google Patents
一种环形交叉口微观交通仿真模型的标定方法 Download PDFInfo
- Publication number
- CN113268855B CN113268855B CN202110418191.3A CN202110418191A CN113268855B CN 113268855 B CN113268855 B CN 113268855B CN 202110418191 A CN202110418191 A CN 202110418191A CN 113268855 B CN113268855 B CN 113268855B
- Authority
- CN
- China
- Prior art keywords
- parameters
- model
- calibrating
- simulation model
- road network
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 230000000284 resting effect Effects 0.000 claims description 5
- 230000008676 import Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种环形交叉口微观交通仿真模型的标定方法,包括如下步骤:采集环形交叉口的基础数据,利用基础数据搭建微观交通仿真模型;对微观交通仿真模型进行整体路网参数标定;对微观交通仿真模型进行交织区局部参数标定;环形交叉口微观交通仿真模型验证。本发明在环形交叉口整体路网参数标定的基础上,对交织区局部也进行参数标定,使仿真模型中交织区的运行特性更加符合实际的运行特征,从而提高仿真模型的模拟精准度,使环形交叉口的整体交通流运行特征以及各个车辆的驾驶行为更贴合实际情况。
Description
技术领域
本发明涉及交通模型参数标定领域,特别涉及一种环形交叉口微观交通仿真模型的标定方法。
背景技术
近年来,微观仿真技术在交通领域应用广泛,微观交通仿真模型在模拟车辆行驶和分析交通情况方面起着重要作用。目前交通仿真模型的标定方法主要针对单一模型参数进行标定,即只能针对路网整体进行参数标定,对于环形交叉口这类交叉口,交织区的运行特性对交通仿真模型的准确度起较大影响,而现有的标定方法对交织区局部的标定研究较少。
发明内容
发明目的:针对以上问题,本发明目的是提供一种环形交叉口微观交通仿真模型的标定方法,通过对环形交叉口交织区局部进行参数标定,提高仿真模型的准确度,使仿真模型更贴合实际交通情况。
技术方案:本发明的一种环形交叉口微观交通仿真模型的标定方法,包括如下步骤:
(1)根据待测环形交叉口实际交通情况,采集环形交叉口的基础数据,利用基础数据搭建微观交通仿真模型,输出仿真结果;
(2)对微观交通仿真模型进行整体路网参数标定,将进口道、出口道、环道以及环岛作为统一路段进行标定,对跟驰模型和换道模型这两个模型中涉及的参数进行优化,达到优化目标时输出涉及参数的取值;
(3)对微观交通仿真模型进行交织区局部参数标定,对跟驰模型和换道模型这两个模型中涉及的参数进行优化,达到优化目标时输出涉及参数的取值;
(4)利用步骤(2)的输出参数对步骤(1)中的仿真结果进行修正标定,再通过步骤(3)输出的参数对修正后的仿真结果进行修正标定,当满足标定条件时结束标定。
进一步,步骤(2)标定包括:
(21)对跟驰模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F1为Vs的目标函数,Vs代表模型输出结果中整体路网的车辆平均速度,Vr代表实测整体路网的车辆平均行驶时间,以Vs及Vr的偏差最小为优化目标,用min(F1)表示,通过调整参数使输出偏差最小,确定参数取值;
涉及的参数包括期望速度Vf、最大加速度G、加速度指数l、安全时间间隔T、舒适减速度绝对值b、静止安全距离s0以及系数s1;
(22)对换道模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F2为Ms的目标函数,Ms代表模型输出结果中整体路网中的总车辆换道次数,Mr代表实测整体路网中的总车辆换道次数,以Ms及Mr的偏差最小为优化目标,用min(F2)表示。
涉及的参数包括利他因子ρ、最大减速度绝对值b、换道非对称规则的附加参数abias。
进一步,步骤(3)标定包括:
(31)对跟驰模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F3为V's的目标函数,V's代表模型输出结果中整体路网的车辆平均速度,V'r代表实测整体路网的车辆平均行驶时间,以V's及V'r的偏差最小为优化目标,用min(F3)表示;
涉及的参数包括期望速度Vf、最大加速度G、加速度指数l、安全时间间隔T、舒适减速度绝对值b、静止安全距离s0、系数s1;
(32)对换道模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F4为M's的目标函数,M's代表模型输出结果中整体路网中的总车辆换道次数,M'r代表实测整体路网中的总车辆换道次数,以M's及M'r的偏差最小为优化目标,用min(F4)表示;
涉及的参数包括利他因子ρ、最大减速度绝对值b、换道非对称规则的附加参数abias。
进一步,步骤(4)包括:
(41)微观交通仿真模型的仿真结果为A={ai,i=1,2,3...},ai为步骤(1)仿真输出的各项指标,包括平均排队长度、车均延误和行程时间,利用步骤(2)得到的最优的路网整体参数值对步骤(1)的微观交通仿真模型进行修正标定,输出仿真结果B={bi,i=1,2,3...},bi为步骤(2)仿真输出的各项指标,包括平均排队长度、车均延误和行程时间,将两组结果内的各元素分别与实测数据Y={yi,i=1,2,3...}进行对比,yi为实际观测得到的各项指标数据,包括平均排队长度、车均延误和行程时间,若本步骤结束,反之则重复步骤(2);
(42)利用步骤(3)得到的最优的交织区局部参数值对步骤(2)得到的微观交通仿真模型进行修正标定,输出仿真结果C={Ci,i=1,2,3...},Ci为步骤(3)仿真输出的各项指标,包括平均排队长度、车均延误和行程时间,将结果B、结果C分别与实测数据Y进行对比,若本步骤结束,反之则重复步骤(3)。
进一步,步骤(1)基础数据包括道路几何数据和交通数据,道路几何数据包括进口道车道数量n1、出口道车道数量n2、进口道车道宽度w1、出口道车道宽度w2、环形交叉口的环道数量n3、宽度w3、中心岛半径R;交通数据包括交通流量Q、车辆速度V、各车型比例β、交织区交织流量比p。
进一步,步骤(2)标定参数包括固定参数和变化参数,固定参数指在模型运行过程中不产生变化的参数,包括道路几何数据和仿真步长,在微观交通仿真模型开始运行前输入固定参数的定义及数值;变化参数指在模型运行过程中,参数的不同值会对模型仿真效果产生影响,包括车辆加速度g、安全距离s和加速度指数l。
有益效果:本发明与现有技术相比,其显著优点是:本发明在环形交叉口整体路网参数标定的基础上,对交织区局部也进行参数标定,使仿真模型中交织区的运行特性更加符合实际的运行特征,从而提高仿真模型的模拟精准度,使环形交叉口的整体交通流运行特征以及各个车辆的驾驶行为更贴合实际情况。
附图说明
图1为本发明流程图;
图2为参数验证流程图;
图3为环形交叉口示意图。
具体实施方式
如图1,本实施例所述的一种环形交叉口微观交通仿真模型的标定方法,流程图如图1所示,步骤如下:
(1)根据待测环形交叉口实际交通情况,采集环形交叉口的基础数据,利用基础数据搭建微观交通仿真模型,输出仿真结果;
采集国内某非信号控制四路环形交叉口处的2个工作日同一时间段各1小时的进口道车道数量n1、出口道车道数量n2、进口道车道宽度w1、出口道车道宽度w2、环形交叉口的环道数量n3、宽度w3、中心岛半径R、交通流量Q、车辆速度V、各车型比例β、交织区交织流量比p,该环形交叉口结构如图3所示,在断面1、2、3、4范围内采集整体路网的数据,在断面5、6范围内采集交织区局部的数据;取其中一个工作日的部分数据作为实测数据Y,如表1所示。利用另一个工作日的数据搭建环形交叉口微观交通仿真模型。
表1实测数据Y
平均排队长度(米) | 行程时间(秒) | |
东进口道 | 15.5 | 63.7 |
西进口道 | 12.0 | 54.6 |
南进口道 | 13.5 | 58.4 |
北进口道 | 21.0 | 75.9 |
(2)对微观交通仿真模型进行整体路网参数标定,将进口道、出口道、环道以及环岛作为统一路段进行标定,对跟驰模型和换道模型这两个模型中涉及的参数进行优化,达到优化目标时输出涉及参数的取值;
步骤(2)标定参数包括固定参数和变化参数,固定参数包括道路几何数据和仿真步长,在微观交通仿真模型开始运行前输入固定参数的定义及数值;变化参数包括车辆加速度a、安全距离s和加速度指数l。
选取的模型有IDM跟驰模型和MOBIL换道模型,标定IDM跟驰模型的参数为例进行说明,IDM跟驰模型的表达式如下
需要标定的参数有期望速度Vf、最大加速度G、加速度指数l、安全时间间隔T、舒适减速度绝对值b、静止安全距离s0、系数s1,根据采集的基础数据,表2为模型中各参数的初始取值范围。
表2跟驰模型初始参数取值范围
标定参数 | 取值范围 |
G | [1,5] |
Vf | [15,40] |
l | [0,2] |
s0 | [3,8] |
s1 | [0,0] |
T | [0,4] |
b | [0,10] |
在初始取值范围内生成随机数进行仿真,输出仿真结果A如表3所示。
表3仿真结果A
平均排队长度(米) | 行程时间(秒) | |
东进口道 | 27.5 | 54.9 |
西进口道 | 15.0 | 60.6 |
南进口道 | 12.5 | 63.1 |
北进口道 | 30.1 | 78.7 |
(2)接着利用遗传算法对整体路网参数进行优化标定,交叉概率CXPB为0.75,变异概率MUTPB为0.05,以Vs及Vr的偏差最小即min(F1)为优化目标,参数标定结果如表3所示。
表3整体路网参数标定结果
标定参数 | 取值 |
G | 2.0 |
Vf | 30.0 |
l | 1.0 |
s0 | 3.7 |
s1 | 0 |
T | 0.8 |
b | 1.0 |
整体路网参数标定后,输出仿真结果B如表4所示。
表4仿真结果B
平均排队长度(米) | 行程时间(秒) | |
东进口道 | 22.0 | 74.9 |
西进口道 | 17.0 | 57.2 |
南进口道 | 8.0 | 63.1 |
北进口道 | 12.5 | 61.8 |
图2为验证流程图,分别对比结果A、B与实测数据Y的偏差,结果如表5所示。
表5结果A、B与实测数据Y的偏差值
(3)利用遗传算法对交织区局部参数进行标定,交叉概率CXPB为0.75,变异概率MUTPB为0.05,以V's及V'r的偏差最小即min(F3)为优化目标,参数标定结果如表6所示,并进行仿真输出仿真结果C如表7所示。
表6交织区局部参数标定结果
标定参数 | 取值 |
G | 2.4 |
Vf | 28.0 |
l | 1.0 |
s0 | 3.2 |
s1 | 0 |
T | 0.7 |
b | 1.3 |
表7仿真结果C
(4)分别比仿真结果B、C与实测数据Y的偏差,结果如表8所示,可知结果C与实测数据偏差最小,参数标定结束。
表8结果B、C与实测数据Y的偏差
Claims (3)
1.一种环形交叉口微观交通仿真模型的标定方法,其特征在于,包括如下步骤:
(1)根据待测环形交叉口实际交通情况,采集环形交叉口的基础数据,利用基础数据搭建微观交通仿真模型,输出仿真结果;
(2)对微观交通仿真模型进行整体路网参数标定,将进口道、出口道、环道以及环岛作为统一路段进行标定,对跟驰模型和换道模型这两个模型中涉及的参数进行优化,达到优化目标时输出涉及参数的取值;
(3)对微观交通仿真模型进行交织区局部参数标定,对跟驰模型和换道模型这两个模型中涉及的参数进行优化,达到优化目标时输出涉及参数的取值;
(4)利用步骤(2)的输出参数对步骤(1)中的仿真结果进行修正标定,再通过步骤(3)输出的参数对修正后的仿真结果进行修正标定,当满足标定条件时结束标定;
步骤(2)标定包括:
(21)对跟驰模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F1为Vs的目标函数,Vs代表模型输出结果中整体路网的车辆平均速度,Vr代表实测整体路网的车辆平均行驶时间,以Vs及Vr的偏差最小为优化目标,用min(F1)表示,通过调整参数使输出偏差最小,确定参数取值;
涉及的参数包括期望速度Vf、最大加速度G、加速度指数l、安全时间间隔T、舒适减速度绝对值b、静止安全距离s0以及系数s1;
(22)对换道模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F2为Ms的目标函数,Ms代表模型输出结果中整体路网中的总车辆换道次数,Mr代表实测整体路网中的总车辆换道次数,以Ms及Mr的偏差最小为优化目标,用min(F2)表示;
涉及的参数包括利他因子ρ、最大减速度绝对值b、换道非对称规则的附加参数abias;
步骤(3)标定包括:
(31)对跟驰模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F3为V's的目标函数,V's代表模型输出结果中整体路网的车辆平均速度,V'r代表实测整体路网的车辆平均行驶时间,以V's及V'r的偏差最小为优化目标,用min(F3)表示;
涉及的参数包括期望速度Vf、最大加速度G、加速度指数l、安全时间间隔T、舒适减速度绝对值b、静止安全距离s0、系数s1;
(32)对换道模型中涉及的参数进行优化,利用以下公式进行遗传算法:
式中F4为M's的目标函数,M's代表模型输出结果中整体路网中的总车辆换道次数,M'r代表实测整体路网中的总车辆换道次数,以M's及M'r的偏差最小为优化目标,用min(F4)表示;
涉及的参数包括利他因子ρ、最大减速度绝对值b、换道非对称规则的附加参数abias;
步骤(4)包括:
(41)微观交通仿真模型的仿真结果为A={ai,i=1,2,3...},利用步骤(2)得到的最优的路网整体参数值对步骤(1)的微观交通仿真模型进行修正标定,输出仿真结果B={bi,i=1,2,3...},将两组结果内的各元素分别与实测数据Y={yi,i=1,2,3...}进行对比,若本步骤结束,反之则重复步骤(2);
(42)利用步骤(3)得到的最优的交织区局部参数值对步骤(2)得到的微观交通仿真模型进行修正标定,输出仿真结果C={Ci,i=1,2,3...},将结果B、结果C分别与实测数据Y进行对比,若本步骤结束,反之则重复步骤(3)。
2.根据权利要求1所述的环形交叉口微观交通仿真模型的标定方法,其特征在于,步骤(1)基础数据包括道路几何数据和交通数据,道路几何数据包括进口道车道数量n1、出口道车道数量n2、进口道车道宽度w1、出口道车道宽度w2、环形交叉口的环道数量n3、宽度w3、中心岛半径R;交通数据包括交通流量Q、车辆速度V、各车型比例β、交织区交织流量比p。
3.根据权利要求1所述的环形交叉口微观交通仿真模型的标定方法,其特征在于,步骤(2)标定参数包括固定参数和变化参数,固定参数包括道路几何数据和仿真步长,在微观交通仿真模型开始运行前输入固定参数的定义及数值;变化参数包括车辆加速度g、安全距离s和加速度指数l。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110418191.3A CN113268855B (zh) | 2021-04-19 | 2021-04-19 | 一种环形交叉口微观交通仿真模型的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110418191.3A CN113268855B (zh) | 2021-04-19 | 2021-04-19 | 一种环形交叉口微观交通仿真模型的标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268855A CN113268855A (zh) | 2021-08-17 |
CN113268855B true CN113268855B (zh) | 2024-01-30 |
Family
ID=77228975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110418191.3A Active CN113268855B (zh) | 2021-04-19 | 2021-04-19 | 一种环形交叉口微观交通仿真模型的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268855B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470363B (zh) * | 2021-08-31 | 2022-02-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种计算道路通行能力的方法和装置 |
CN114049764B (zh) * | 2021-10-27 | 2022-09-23 | 东南大学 | 一种基于卷积长短时记忆神经网络的交通仿真方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077275A (zh) * | 2013-01-06 | 2013-05-01 | 东南大学 | 高速公路匝道仿真模型的参数标定方法 |
CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
CN108171361A (zh) * | 2017-12-11 | 2018-06-15 | 东南大学 | 考虑交通冲突指标分布问题的交通仿真模型标定方法 |
CN110136457A (zh) * | 2019-05-15 | 2019-08-16 | 青岛市城市规划设计研究院 | 基于微观交通仿真的城市交叉口群协调优化方法 |
EP3789983A1 (de) * | 2019-09-06 | 2021-03-10 | Siemens Aktiengesellschaft | Zentralisierte regulierung eines verkehrsflusses |
-
2021
- 2021-04-19 CN CN202110418191.3A patent/CN113268855B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077275A (zh) * | 2013-01-06 | 2013-05-01 | 东南大学 | 高速公路匝道仿真模型的参数标定方法 |
CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
CN108171361A (zh) * | 2017-12-11 | 2018-06-15 | 东南大学 | 考虑交通冲突指标分布问题的交通仿真模型标定方法 |
CN110136457A (zh) * | 2019-05-15 | 2019-08-16 | 青岛市城市规划设计研究院 | 基于微观交通仿真的城市交叉口群协调优化方法 |
EP3789983A1 (de) * | 2019-09-06 | 2021-03-10 | Siemens Aktiengesellschaft | Zentralisierte regulierung eines verkehrsflusses |
Non-Patent Citations (1)
Title |
---|
基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证;王雪松;朱美新;;中国公路学报(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113268855A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268855B (zh) | 一种环形交叉口微观交通仿真模型的标定方法 | |
CN104866654B (zh) | 一种一体化城市动态交通仿真平台的构建方法 | |
CN104533701B (zh) | 一种水轮机调速系统控制参数的自动整定方法 | |
CN114235111B (zh) | 一种基于模型优化的超声波水表流量校准方法 | |
CN108537383A (zh) | 一种基于模型融合的室内空气预测方法 | |
CN106126860B (zh) | 一种考虑加工误差的高超声速机翼鲁棒优化设计方法 | |
CN103761138A (zh) | 一种交通仿真软件的参数校正方法 | |
CN116595345B (zh) | 一种自动化次洪划分与退水修正方法及系统 | |
CN104616508A (zh) | 一种基于混沌人工鱼群算法的关联交叉口信号控制方法 | |
CN112818495A (zh) | 一种新型管道压降测算算法参数的动态修正方法 | |
CN115691138A (zh) | 一种路网子区划分及子区边界流量控制方法 | |
CN116822180B (zh) | 一种模拟河渠输水过程的积分时滞模型参数辨识方法 | |
CN110196987A (zh) | 基于代理模型的风道结构尺寸优化方法 | |
CN114485865B (zh) | 一种基于香农熵的超声波水表流量校准方法 | |
CN116933631A (zh) | 一种基于神经网络优化算法的爆破块度预测方法 | |
CN107563669B (zh) | 一种基于学习模型的公路养护决策分析方法 | |
CN114170794B (zh) | 基于vissim仿真的城市快速路交织区动态影响范围计算方法 | |
CN113255101B (zh) | 一种交叉口进口道车辆换道仿真模型标定方法及装置 | |
CN107665581B (zh) | 考虑汇入车流的干道车队判别方法 | |
CN116147724A (zh) | 一种适用于超声水表的计量方法 | |
CN113361146B (zh) | 一种基于改进粒子群算法的锰铜分流器结构参数优化方法 | |
CN109086245B (zh) | 一种基于替代模型的vic参数多目标方法 | |
CN114021254A (zh) | 一种基于多车道元胞传输模型的基本路段交通仿真方法 | |
CN111288016B (zh) | 轴流压气机基元叶型造型方法 | |
CN109241585B (zh) | 一种高低压涡轮过渡流道型面反问题设计方法 |
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 |