CN113742925B - 一种信号控制路口行人流仿真方法 - Google Patents
一种信号控制路口行人流仿真方法 Download PDFInfo
- Publication number
- CN113742925B CN113742925B CN202111046752.8A CN202111046752A CN113742925B CN 113742925 B CN113742925 B CN 113742925B CN 202111046752 A CN202111046752 A CN 202111046752A CN 113742925 B CN113742925 B CN 113742925B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- model
- pedestrians
- simulation
- crosswalk
- 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
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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种信号控制路口行人流仿真方法。步骤1、确定仿真模型基本信息,步骤2、判断行人密集程度,步骤3、人员密集处行人流仿真,步骤4、非人员密集处行人流仿真。步骤3分为:将人行横道网格化处理、建立元胞更新规则、密集状态行人流仿真;步骤4分为:将人行横道网格化处理、建立元胞更新规则、非密集状态行人流仿真。通过将元胞自动机与行人的从众心理相结合,使得模型结合行人主观因素,而不仅仅依据客观影响;针对不同密度行人制定不同元胞更新规则,在行人密度超过一定范围时,加入从众参数,使得在仿真过程中行人行走形成排队现象,提高模型仿真效果,可以为智能交通系统中网联交通参与者的交通行为交互机理分析提供研究基础。
Description
技术领域
本发明涉及行人通过人行横道时行人流仿真分析领域,涉及一种基于元胞自动机技术对信号控制路口在人员密度不同的情况下的行人进行模拟仿真的方法。
背景技术
随着我国经济的快速发展,城市化进程不断加快,我国居民出行需求不断增加,这就造成了较大的交通压力。特别是在路口处,机动车、非机动车和行人共同存在,会形成车与行人之间的矛盾。这时对于信号控制路口,密度、流量和步行速度均会对行人流过街产生影响,因此,研究行人流仿真对研究行人过街安全有重要意义。当前的行人流仿真模型主要分为两类,连续型和离散型。在连续型仿真模型中,认为行人的移动空间是连续的,行人通过连续场的作用在空间上移动,主要有磁场力学模型、气体动力学模型和社会力学模型等;在离散型仿真模型中,行人的移动空间被划分成离散的网格,行人按照制定的更新规则选择位置进行移动,主要以元胞自动机模型为代表,根据元胞更新规则的不同可以分为格子气模型、地场模型等。
查阅资料发现,我国的行人流研究已经应用于各个领域,各高校的研究人员对其进行了深入的研究分析。其中,元胞自动机模型应用较为广泛。北京交通大学的岳昊建立了基于元胞自动机的行人流动态参数仿真模型,在模型中引入了方向参数、空格参数、前进参数和类别参数这四个参数,用来描述行人对自身交通条件的判断,同时定义移动收益用来描述行人对每个移动步伐的评价,根据移动收益大小选择行人的下一个位置。元胞自动机模型作为一个动力学演化模型,能够简单的体现行人的行走行为,得到不同场景下关于密度、流量、速度和通过率等之间的关系图。
以往研究中,元胞自动机模型在行人流仿真中的应用多是结合行人行走特征,忽略了行人在过街这一行为中行人自身从众心理的出现,本发明提出一种应用元胞自动机技术,并结合在行人行走过程的从众心理,对信号控制路口的行人通过人行横道时进行行人流仿真的方法。
发明内容
为了克服现有元胞自动机模型忽略了行人在过街这一行为中行人自身从众心理的出现的缺点,本发明提出一种应用元胞自动机技术,并结合在行人行走过程的从众心理,对信号控制路口的行人通过人行横道时进行行人流仿真的方法。由于行人在密集和非密集两种状态下的行走特性有差异,因此本发明针对密集和非密集两种状态分别提出了行人流仿真方法。
本发明是采用如下技术方案实现的,结合附图说明如下:
一种信号控制路口行人流仿真方法,采用如下步骤:
步骤1、确定仿真模型基本信息
确定仿真模型长度L、宽度W、仿真人数n和行人步行速度v,所述长度L和宽度W近似为人行横道的长度和宽度;所述仿真人数n指在仿真期间进入模型的总人数;所述行人步行速度v:人员密集时取v=0.8m/s2,非人员密集时取v=1.0m/s2;
步骤2、判断行人密集程度
通过人行横道的行人密度,指预通过人行横道行人总数与人行横道面积之比,若大于或等于1人/m2,则认为该次通过人行横道人员处于密集状态,执行步骤3;若通过人行横道的行人密度小于1人/m2,则认为该次通过人行横道人员处于非密集状态,执行步骤4;
步骤3、人员密集处行人流仿真,包括:步骤3.1、将人行横道网格化处理,
步骤3.2、建立元胞更新规则,步骤3.3、密集状态行人流仿真;
步骤4、非人员密集处行人流仿真,包括:步骤4.1、将人行横道网格化处理,步骤4.2、建立元胞更新规则,步骤4.3、非密集状态行人流仿真。
进一步地,步骤3.1所述将人行横道网格化处理:该仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2),将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数。此处每个行人只允许占据一个元胞空间。
进一步地,步骤3.2所述建立元胞更新规则,包括:步骤3.2.1、计算移动收益,步骤3.2.2、确定从众心理影响程度,步骤3.2.3、判断行人行走位置;
步骤3.2.1所述计算移动收益,该模型采用的计算公式为:
Pij=α(Dij+Eij)+β(Fij+Cij) 公式1
式中,Pij为移动收益,Dij为方向参数,Eij为空格参数,Fij为前进参数,Cij为类别参数,α,β为权重系数,且α+β=1;
步骤3.2.2所述确定从众心理影响程度,定义从众参数Φij,用来描述目标行人在行走过程中由于从众心理而对自己下一步位置产生影响,若目标行人平行向左,左前,正前、右前和平行向右这几处相邻位置元胞被同向行人占据至少一个,则认为目标行人存在一定从众心理,取Φij=1;否则,取Φij=0;
步骤3.2.3所述判断行人行走位置,为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置;一般选择这六种状态中总收益值最大处为目标行人的下一步位置;总收益计算公式如下:
P总ij=γPij+μΦij 公式2
其中,γ和μ为权重系数,并且γ+μ=1。
进一步地,步骤3.3所述密集状态行人流仿真,
开始进行仿真,一定数量行人进入模型,按照步骤3.2选择下一步位置,直到行人走出模型或仿真过程结束。
进一步地,步骤4.1所述将人行横道网格化处理,
仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2);将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数;此处每个行人只允许占据一个元胞空间。
进一步地,步骤4.2所述建立元胞更新规则,包括:步骤4.2.1、计算移动收益,步骤4.2.2、判断行人行走位置,
步骤4.2.1所述计算移动收益,该模型采用的计算公式为:
Pij=α(Dij+Eij)+β(Fij+Cij) 公式3
式中,Pij为移动收益,Dij为方向参数,Eij为空格参数,Fij为前进参数,Cij为类别参数,α,β为权重系数,且α+β=1;
步骤4.2.2所述判断行人行走位置,
为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置。一般选择这六种状态中移动收益值最大处为目标行人的下一步位置;
进一步地,步骤4.3所述非密集状态行人流仿真,
开始进行仿真,一定数量行人进入模型,按照步骤4.2选择下一步位置,直到行人走出模型或仿真过程结束。
与现有技术相比,本发明的有益效果是:
1、本发明将元胞自动机与行人的从众心理相结合,使得模型结合行人主观因素,而不仅仅依据客观影响。
2.本发明针对不同密度行人制定不同的元胞更新规则,在行人密度超过一定范围的情况下,加入从众参数,使得在仿真过程中行人行走形成排队现象,提高模型仿真效果。
附图说明
图1是本发明的基于元胞自动机技术对信号控制路口行人流仿真的总体流程图;
图2是本发明的行人移动空间划分的示意图;
图3是本发明的目标行人及相邻元胞示意图;
图4是本发明的目标行人前方被同向行人占据的情况示意图;
图5是本发明的目标行人前方被逆向行人占据的情况示意图。
具体实施方式
下面结合附图进一步说明本发明的详细内容及具体实施方式:
参阅图1,本发明专利所述的一种基于元胞自动机技术对信号控制路口在人员密度不同的情况下的行人进行模拟仿真的方法由四个步骤组成,下面对具体识别步骤做详细论述:
步骤1、确定仿真模型基本信息
(1)确定仿真模型长度L和宽度W,长度L和宽度W分别近似为人行横道的长度和宽度,该模型选用的人行横道长度为50m,宽度为6m;
(2)确定仿真人数n,仿真人数n指在仿真期间进入模型的总人数;
(3)确定步行速度v,根据之前学者研究发现,行人通过人行横道的步行速度与通过人行横道的行人流量有关,随着行人流量的增加,行人在通过人行横道的速度会降低,此处的仿真过程,人员密集时取v=0.8m/s2,非人员密集处取v=1.0m/s2。
步骤2、判断行人密集程度
如果通过人行横道的行人密度,指预通过人行横道行人总数与人行横道面积之比,大于或等于1人/m2,则认为该次通过人行横道人员处于密集状态,执行步骤3;如果通过人行横道的行人密度小于1人/m2,则认为该次通过人行横道人员处于非密集状态,执行步骤4;
步骤3、人员密集处行人流仿真
步骤3.1、将人行横道网格化处理
参阅图2,该仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2)。将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数。此处每个行人只允许占据一个元胞空间,行人所占空间投影在地面面积取0.4×0.4m2,仿真模型的行人移动空间被划分为15×120个元胞。
步骤3.2、建立元胞更新规则
步骤3.2.1、计算移动收益
目标行人在选择下一个位置时,不同位置移动收益不同,移动收益越大对目标行人的吸引程度越大。移动收益由公式Pij=α(Dij+Eij)+β(Fij+Cij)得到,式中,Pij为移动收益,描述下一时间步不同位置对目标行人的的吸引程度;Dij为方向参数,描述下一时间步目标行人选择位置与现在所在位置的接近程度,取0、±0.7、±1;Eij为空格参数,描述在下一时间步目标行人选择位置是否被别的行人占据,取0、±1;Fij为前进参数,描述在下一时间步目标行人选择位置的前方视野内空闲元胞位置所占的比例;Cij为类别参数,描述下一时间步目标行人选择位置的前方视野内被同类行人(移动方向相同)占据的元胞空间及空闲元胞空间之和所占的比例;α,β为权重系数,且α+β=1。
步骤3.2.2、确定从众心理影响程度
定义从众参数Φij,用来描述目标行人在行走过程中由于从众心理而对自己下一步位置产生的影响。参阅图3,若目标行人平行向左,左前,正前、右前和平行向右这几处相邻位置元胞被同向行人占据至少一个,则认为目标行人存在一定从众心理,取Φij=1;否则,取Φij=0。
步骤3.2.3、判断行人行走位置
为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置。一般选择这六种状态中总收益值最大处为目标行人的下一步位置。总收益由公式P总ij=γPij+μΦij得到,式中,P总ij为总收益,描述下一时间步目标行人选择不同位置的可能性;Pij为移动收益,描述下一时间步不同位置对目标行人的的吸引程度;Φij为从众参数,描述目标行人在行走过程中由于从众心理而对自己下一步位置产生的影响;γ和μ为权重系数,γ,μ∈(0,1),并且γ+μ=1。
目标行人选择下一位置时有如下几种情况:
(1)若目标行人前方元胞为空,则目标行人下一位置无需考虑其他元胞状态,选择前方空闲元胞。
(2)若目标行人前方元胞已被占据。参阅图4,为前方元胞被同向行人占据的几种情况;参阅图5,为前方元胞被逆向行人占据的几种情况。此时选择总收益值最大处为目标行人的下一步位置。
步骤3.3、密集状态行人流仿真
用MATLAB软件开始进行仿真,一定数量行人进入模型,按照步骤3.2选择下一步位置,直到行人走出模型或仿真过程结束。
步骤4、非人员密集处行人流仿真
步骤4.1、将人行横道网格化处理
参阅图2,该仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2)。将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数。此处每个行人只允许占据一个元胞空间,行人所占空间投影在地面面积取0.4×0.4m2,则仿真模型的行人移动空间被划分为15×120个元胞。
步骤4.2、建立元胞更新规则
步骤4.2.1、计算移动收益
目标行人在选择下一个位置时,不同位置移动收益不同,移动收益越大对目标行人的吸引程度越大。移动收益由公式Pij=α(Dij+Eij)+β(Fij+Cij)得到,式中,Pij为移动收益,描述下一时间步不同位置对目标行人的的吸引程度;Dij为方向参数,描述下一时间步目标行人选择位置与现在所在位置的接近程度,取0、±0.7、±1;Eij为空格参数,描述在下一时间步目标行人选择位置是否被别的行人占据,取0、±1;Fij为前进参数,描述在下一时间步目标行人选择位置的前方视野内空闲元胞位置所占的比例;Cij为类别参数,描述下一时间步目标行人选择位置的前方视野内被同类行人(移动方向相同)占据的元胞空间及空闲元胞空间之和所占的比例;α,β为权重系数,且α+β=1。
步骤4.2.2、判断行人行走位置
为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置。相对于密集状态,非密集状态下行人间距离较远,行人从众心理减弱,忽略从众参数,一般选择这六种状态中移动收益值最大处为目标行人的下一步位置。
步骤4.3、非密集状态行人流仿真
用MATLAB软件开始进行仿真,一定数量行人进入模型,按照步骤4.2选择下一步位置,直到行人走出模型或仿真过程结束。
Claims (6)
1.一种信号控制路口行人流仿真方法,其特征在于,采用如下步骤:
步骤1、确定仿真模型基本信息
确定仿真模型长度L、宽度W、仿真人数n和行人步行速度v,所述长度L和宽度W近似为人行横道的长度和宽度;所述仿真人数n指在仿真期间进入模型的总人数;所述行人步行速度v:人员密集时取v=0.8m/s2,非人员密集时取v=1.0m/s2;
步骤2、判断行人密集程度
通过人行横道的行人密度,指预通过人行横道行人总数与人行横道面积之比,若大于或等于1人/m2,则认为通过人行横道人员处于密集状态,执行步骤3;若通过人行横道的行人密度小于1人/m2,则认为通过人行横道人员处于非密集状态,执行步骤4;
步骤3、人员密集处行人流仿真,包括:步骤3.1、将人行横道网格化处理,步骤3.2、建立元胞更新规则,步骤3.3、密集状态行人流仿真;
步骤4、非人员密集处行人流仿真,包括:步骤4.1、将人行横道网格化处理,步骤4.2、建立元胞更新规则,步骤4.3、非密集状态行人流仿真;
步骤3.2中,所述建立元胞更新规则,包括:步骤3.2.1、计算移动收益,步骤3.2.2、确定从众心理影响程度,步骤3.2.3、判断行人行走位置;
步骤3.2.1所述计算移动收益,该模型采用的计算公式为:
Pij=α(Dij+Eij)+β(Fij+Cij) 公式1
式中,Pij为移动收益,Dij为方向参数,Eij为空格参数,Fij为前进参数,Cij为类别参数,α,β为权重系数,且α+β=1;
步骤3.2.2所述确定从众心理影响程度,定义从众参数Φij,用来描述目标行人在行走过程中由于从众心理而对自己下一步位置产生影响,若目标行人平行向左,左前,正前、右前和平行向右这几处相邻位置元胞被同向行人占据至少一个,则认为目标行人存在一定从众心理,取Φij=1;否则,取Φij=0;
步骤3.2.3所述判断行人行走位置,为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置;选择这六种状态中总收益值最大处为目标行人的下一步位置;总收益计算公式如下:
P总ij=γPij+uΦij 公式2
其中,γ和μ为权重系数,并且γ+μ=1。
2.根据权利要求1所述的一种信号控制路口行人流仿真方法,其特征在于,
步骤3.1所述将人行横道网格化处理:该仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2),将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数,此处每个行人只允许占据一个元胞空间。
3.根据权利要求1所述的一种信号控制路口行人流仿真方法,其特征在于,步骤3.3所述密集状态行人流仿真,
开始进行仿真,一定数量行人进入模型,按照步骤3.2选择下一步位置,直到行人走出模型或仿真过程结束。
4.根据权利要求1所述的一种信号控制路口行人流仿真方法,其特征在于,
步骤4.1所述将人行横道网格化处理,
仿真模型是二维平面模型,模型长度为L,宽度为W,即在该模型中行人的移动空间为W×L(m2);将此二维空间网格化处理,划分为离散空间的集合,每个小空间记为C(i,j),i为元胞所在位置的行数,j为元胞所在位置的列数;此处每个行人只允许占据一个元胞空间。
5.根据权利要求1所述的一种信号控制路口行人流仿真方法,其特征在于,
步骤4.2所述建立元胞更新规则,包括:步骤4.2.1、计算移动收益,步骤4.2.2、判断行人行走位置,
步骤4.2.1所述计算移动收益,该模型采用的计算公式为:
Pij=α(Dij+Eij)+β(Fij+Cij) 公式3
式中,Pij为移动收益,Dij为方向参数,Eij为空格参数,Fij为前进参数,Cij为类别参数,α,β为权重系数,且α+β=1;
步骤4.2.2所述判断行人行走位置,
为简化模型,在单位时间步长t内,假设目标行人的下一个位置有六种状态,分别是平行向左,左前,正前、右前、平行向右或者保持原位置,选择这六种状态中移动收益值最大处为目标行人的下一步位置。
6.根据权利要求1所述的一种信号控制路口行人流仿真方法,其特征在于,
步骤4.3所述非密集状态行人流仿真,
开始进行仿真,一定数量行人进入模型,按照步骤4.2选择下一步位置,直到行人走出模型或仿真过程结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111046752.8A CN113742925B (zh) | 2021-09-06 | 2021-09-06 | 一种信号控制路口行人流仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111046752.8A CN113742925B (zh) | 2021-09-06 | 2021-09-06 | 一种信号控制路口行人流仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113742925A CN113742925A (zh) | 2021-12-03 |
CN113742925B true CN113742925B (zh) | 2023-09-29 |
Family
ID=78736730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111046752.8A Active CN113742925B (zh) | 2021-09-06 | 2021-09-06 | 一种信号控制路口行人流仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113742925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154349A (zh) * | 2021-12-14 | 2022-03-08 | 吉林大学 | 网联交通下考虑自动驾驶车辆干扰的行人流交通仿真 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN103164581A (zh) * | 2013-03-19 | 2013-06-19 | 天津市市政工程设计研究院 | 基于元胞自动机模型的航空枢纽微观仿真框架 |
CN105701754A (zh) * | 2016-01-04 | 2016-06-22 | 北京交通大学 | 一种基于引导员位置优化的城市轨道交通车站疏散方法 |
CN105808852A (zh) * | 2016-03-09 | 2016-07-27 | 清华大学 | 一种基于元胞自动机的室内行人微观仿真方法 |
AU2018101946A4 (en) * | 2018-11-07 | 2019-01-17 | Wuhan University | Geographical multivariate flow data spatio-temporal autocorrelation analysis method based on cellular automaton |
CN109284527A (zh) * | 2018-07-26 | 2019-01-29 | 福州大学 | 一种城市路段交通流仿真的方法 |
-
2021
- 2021-09-06 CN CN202111046752.8A patent/CN113742925B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN103164581A (zh) * | 2013-03-19 | 2013-06-19 | 天津市市政工程设计研究院 | 基于元胞自动机模型的航空枢纽微观仿真框架 |
CN105701754A (zh) * | 2016-01-04 | 2016-06-22 | 北京交通大学 | 一种基于引导员位置优化的城市轨道交通车站疏散方法 |
CN105808852A (zh) * | 2016-03-09 | 2016-07-27 | 清华大学 | 一种基于元胞自动机的室内行人微观仿真方法 |
CN109284527A (zh) * | 2018-07-26 | 2019-01-29 | 福州大学 | 一种城市路段交通流仿真的方法 |
AU2018101946A4 (en) * | 2018-11-07 | 2019-01-17 | Wuhan University | Geographical multivariate flow data spatio-temporal autocorrelation analysis method based on cellular automaton |
Also Published As
Publication number | Publication date |
---|---|
CN113742925A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112216108B (zh) | 一种基于属性增强的时空图卷积模型的交通预测方法 | |
Dijkstra et al. | A multi-agent cellular automata system for visualising simulated pedestrian activity | |
Dijkstra et al. | A multi-agent cellular automata model of pedestrian movement | |
CN109493599A (zh) | 一种基于生成式对抗网络的短时交通流预测方法 | |
CN110060475A (zh) | 一种基于深度强化学习的多交叉口信号灯协同控制方法 | |
CN113223305B (zh) | 基于强化学习的多路口交通灯控制方法、系统及存储介质 | |
CN105808852A (zh) | 一种基于元胞自动机的室内行人微观仿真方法 | |
Hu et al. | A swarm intelligent method for traffic light scheduling: application to real urban traffic networks | |
Kim et al. | Modeling handicapped pedestrians considering physical characteristics using cellular automaton | |
Sarmady et al. | Modeling groups of pedestrians in least effort crowd movements using cellular automata | |
CN106650915B (zh) | 基于网格智能体的人群行为模拟方法 | |
CN107301289B (zh) | 一种基于智能博弈的交通流元胞自动机模型的实现方法 | |
CN1987906A (zh) | 土地利用变化动态预测的方法 | |
CN110795833B (zh) | 基于猫群算法的人群疏散仿真方法、系统、介质及设备 | |
Biedermann et al. | Towards TransiTUM: A generic framework for multiscale coupling of pedestrian simulation models based on transition zones | |
Zhang et al. | Multi-agent based modeling and simulating for evacuation process in stadium | |
CN113742925B (zh) | 一种信号控制路口行人流仿真方法 | |
CN115270506B (zh) | 一种人群沿楼梯上行的通行时间预测方法及系统 | |
CN112907970A (zh) | 一种基于车辆排队长度变化率的可变车道转向控制方法 | |
CN114038216A (zh) | 一种基于路网划分和边界流量控制的信号灯管控方法 | |
CN116659535A (zh) | 一种基于深度强化学习的风险感知路径规划方法 | |
Zhancheng | Research on application of deep reinforcement learning in traffic signal control | |
CN113299068B (zh) | 一种交通路网拥堵状态预测方法及系统 | |
Zhu et al. | Modeling and analyzing transportation systems based on ACP approach | |
Delin et al. | Heuristic simulated annealing genetic algorithm for traveling salesman problem |
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 |