CN115310278A - 一种大规模路网在线微观交通的仿真方法及其验证方法 - Google Patents
一种大规模路网在线微观交通的仿真方法及其验证方法 Download PDFInfo
- Publication number
- CN115310278A CN115310278A CN202210900330.0A CN202210900330A CN115310278A CN 115310278 A CN115310278 A CN 115310278A CN 202210900330 A CN202210900330 A CN 202210900330A CN 115310278 A CN115310278 A CN 115310278A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- simulation
- time
- real
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012795 verification Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000012217 deletion Methods 0.000 claims description 7
- 230000037430 deletion Effects 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 16
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大规模路网在线微观交通的仿真方法,包括如下步骤:从区域电子地图内提取指定高速公路生成仿真路网,采用地图匹配技术实现真实世界卡口与仿真路网的匹配。采用消息队列将实时卡口数据存储在服务器内,数据预处理后为实时在线仿真系统提供定制化的仿真输入。设计相应逻辑算法建立车流量载入规则,在仿真平台内生成仿真交通流量,并根据实时数据进行仿真环境内的车辆速度控制和车辆状态更新。在仿真预热结束后,通过SUMO内置Traci接口获取仿真平台实时交通流量,与真实卡口数据流量进行对比,验证实时在线系统的仿真准确性。本发明实现了车道级实时道路交通流量重构并提供一种实时仿真准确性的验证方法。
Description
技术领域
本发明属于交通大数据应用领域,具体涉及一种大规模路网在线微观交通的仿真方法及其验证方法。
背景技术
交通仿真作为交通领域数字经济的重要载体,其实质是通过计算机数字模拟反映现实生活中复杂道路网络下交通运行态势的一种交通分析技术和手段。然而,现有的仿真工具和仿真方法存在着仿真效率低下,仿真精度不够,无法满足大规模路网的实时在线仿真等问题。具体表现为,(1)大部分仿真软件无法进行大规模路网的自动化生成和交通流量的生成,路网和车流需要手动输入,工作效率低。(2)传统的仿真车辆运行依靠仿真工具内置模型,无法根据实时数据进行车速等的动态调整。(3)数据接口单一落后,无法实现实时交通流量数据的接收和载入。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了一种大规模路网在线微观交通的仿真方法及其验证方法。
为了实现上述技术目的,本发明的技术方案为:
一种大规模路网在线微观交通的仿真方法,包括以下步骤:
S1、从各类电子地图中提取区域路网中的道路分布,通过检索各条道路的道路属性,将道路属性中除高速公路以外的低等级公路剔除生成仿真路网,将现实高速公路卡口的分布坐标系转换成仿真路网适用的坐标系,并与仿真路网进行匹配,最终生成仿真高速公路网;
S2、采集实时卡口数据存储在服务器内,并对实时卡口数据进行处理,当获取的数据字段有缺失时,剔除该条数据;最终生成仿真数据源;
S3、构建仿真平台并设计相应逻辑算法建立车流量载入规则包括车辆载入规则、车辆调整规则和车辆删除规则,将步骤S1生成的仿真高速公路网与步骤S2生成的仿真数据源导入仿真平台内生成仿真交通流量,并根据实时数据进行仿真环境内的车辆速度控制和车辆状态更新。
优选地,步骤S1中低等级道路剔除具体指:电子地图实质为xml文件,其中包含node、way和relation节点,其中way节点的tag子节点包含type和name元素即道路类型和道路名称,检索way节点下的tag子节点内元素,若type属性值不为motorway,则对该way节点进行删除。
优选地,步骤S1中卡口位置匹配具体指:
(11)以卡口位置为圆心,设定搜索半径,寻找范围内路段名;
(12)判断路段数量大于1,若是,则转入步骤(13),若否,则转入步骤(14);
(13)以匹配距离为依据对匹配结果排序,选取距离最近的路段后转入(14);
(14)查找卡口位置与路段起点的距离后转入步骤(15);
(15)输出路段和距离路段起点的长度。
优选地,步骤S2中采集实时卡口数据存储在服务器内具体指:实时卡口数据以消息队列的形式进行存储,实时在线系统仿真平台提取消息队列中的数据,以一定时间间隔tsave将数据存储为csv格式,仿真平台读取csv文件作为仿真数据源,其中,csv文件内记录的字段包括车辆牌照、车辆类型,记录时间和卡口名称。
优选地,步骤S3中车辆载入规则具体指:获取仿真开始时间t0,以Δt作为仿真步长和读取已存储数据的步长,若t0+kΔt=t0+ntsave,则读取最新的csv文件作为数据来源文件,其中,k为仿真增长系数,n为存储检测系数k,n均为整数,Δt取值为1秒;在数据源文件中,每Δt时间间隔检索当前数据源文件的“记录时间”字段,若记录时间与t0+kΔt相等,则将该条字段加入备选载入车辆集合,以Δt时间间隔实时获取仿真平台内在运行的车辆ID集合,若备选载入车辆集合内的车辆已经在以运行车辆ID集合内,则不导入该车辆,若车辆不在以运行车辆ID集合内,则根据所记录的卡口ID将其载入到对应道路,并根据卡口ID所附着的车道编号,确定当前车辆所在的车道。
优选地,步骤S3中车辆调整规则具体指:
(311):查询t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称;
(312):若该车辆已经位于仿真路网,则获取当前该车于仿真路网的位置;
(313):若仿真车辆所在位置位于真实卡口上游,则判定仿真车辆行驶车速较慢,控制仿真车辆加速,若仿真车辆所在位置位于真实卡口下游,则判定仿真车辆行驶速度较快,控制仿真车辆减速,其速度确定公式为:
其中,d2为当前卡口的位置,d1为上一卡口的位置;t2为该车辆通过当前卡口的时间,t1为该车辆通过上一口的时间;Vnew为仿真平台内该车辆新的速度;
(314):若仿真车辆所在车道与卡口记录的该车辆行驶车道不符,则控制仿真车辆在特定时间段内进行换道。
优选地,步骤S3中车辆删除规则具体指:记录t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称,更新车辆最新记录时间trecord,以Δt为时间粒度,若t0+kΔt-trecord>tgap,则证明该车辆有较长时间没有被卡口记录到,则删除该车辆;其中,tgap取值为20分钟
一种大规模路网在线微观交通的仿真方法的验证方法,通过自动化获取交通仿真网络并设计车辆载入,调整规则后,将仿真平台接入实时卡口数据运行仿真载入车辆,在仿真时间超过仿真预热时间后,将仿真的交通流量与实际卡口数据流量进行对比,验证车速准确性和路网在途量。
优选地,通过获取仿真路网车辆经过特定位置的时间和真实卡口车辆经过该卡口的时间并进行对比,进而进行仿真平台车速准确性验证具体指:
根据获取的卡口位置与仿真路网的匹配结果,在仿真路网相应位置添加道路检测器,获取仿真路网内通过该位置的车辆牌照和经过时间,将卡口数据导入仿真平台,获取每个时间间隔Δt内通过检测器的车辆时间tsim和相应的时间内真实卡口所记录的该车经过时间ttrue,在获取各个车辆的仿真运行时间和卡口记录时间后,对其进行统计分析,验证在线仿真平台准确性。其中,两者误差定义公式表达如下:
terror=|tsim-ttrue|。
优选地,路网在途量验证具体指:记录特定时刻各个路段的仿真平台道路在途量Qsim和真实路网道路在途量Qtrue,在获取各个路段特定时刻仿真平台道路在途量Qsim和真实路网道路在途量Qtrue后,计算两者误差,验证在线仿真平台准确性,其中,两者误差定义为:
Qerror=|Qsim-Qtrue|。
采用上述技术方案带来的有益效果:
本发明采用从电子地图导入生成高速路网的方法,采用基于最近邻匹配算法的卡口位置匹配技术,实现路网的快速搭建和流量输入位置的快速确定。根据实时卡口过车数据设计车辆载入和车速调整规则,实现了实时交通流量的还原,有效提高了仿真精度。
附图说明
图1是本发明的方法流程图;
图2是本发明的路网匹配算法流程图;
图3是本发明的车辆位置准确性验证结果图;
图4是本发明的道路在途量准确性验证结果图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明公开了一种大规模路网在线微观交通的仿真方法及其验证方法,如图1所示,包括以下步骤:
(1)从区域电子地图内提取指定高速公路生成仿真路网,采用地图匹配技术实现真实世界卡口与仿真路网的匹配。
(2)采用消息队列将实时卡口数据存储在服务器内,数据预处理后为实时在线仿真系统提供定制化的仿真输入。
(3)设计相应逻辑算法建立车流量载入规则,在仿真平台内生成仿真交通流量,并根据实时数据进行仿真环境内的车辆速度控制和车辆状态更新。
(4)在仿真预热结束后,通过SUMO内置Traci接口获取仿真平台实时交通流量,与真实卡口数据流量进行对比,验证实时在线系统的仿真准确性。步骤(1)中,从各类电子地图获取的区域路网包含除高速公路以外的各类低等级公路,而电子地图本质为xml格式的文件,低等级公路剔除可通过检索各条道路的道路属性实现。卡口位置与仿真路网的匹配可通过最近邻匹配算法实现。其中,过程1通过查询电子地图各条道路的属性实现低等级道路的删除。过程2实现将GCJ02坐标系与WGS84坐标系在最近邻匹配算法的基础上,实现真实世界的卡口位置与仿真路网的匹配。
过程1:低等级道路删除
电子地图实质为xml文件,其中包含node,way,relation等多个节点,其中way节点的tag子节点包含type和name元素包含道路类型和道路名称。在本发明中,可实现遍历检索way节点下的tag子节点内元素,若type属性值不为motorway(高速公路),则对该way节点进行删除。
过程2:卡口位置匹配
当前国内所提供的卡口位置数据坐标系一般为GCJ02坐标系,而OSM电子地图一般为WGS84坐标系,因此首先需要对卡口位置数据进行坐标系转换,实现GCJ02到WGS84坐标系的转换。本专利在统一卡口位置数据坐标系与地图数据坐标系的前提下,在SUMO内置的Traci接口上进行二次开发,实现卡口位置与仿真路网的匹配。其具体的流程如下:
step1:以卡口位置为圆心,设定搜索半径,寻找范围内路段名;
step2:判断路段数量大于1,若是,则转入step3,若否,则转入step4;
step3:以匹配距离为依据对匹配结果排序,选取距离最近的路段并转入step4。
step4:查找卡口位置与路段起点的距离并转入step5。
step5:输出路段和距路段起点的距离。
其算法流程如图2所示;
步骤(2)中采用消息队列将实时卡口数据存储在服务器内,实时在线系统进行信息获取与处理后,为实时在线仿真系统提供定制化的仿真输入。该步骤包括实时卡口数据处理和仿真数据源输入两个过程。
过程1:实时卡口数据处理
实时卡口数据以消息队列的形式进行存储,实时在线系统仿真平台提取消息队列中的数据,以一定时间间隔tsave将数据存储为csv格式,仿真平台读取csv文件作为仿真数据源。其中,csv文件内主要记录的字段为车辆牌照,车辆类型,记录时间,卡口名称。数据样例如表1所示。
表1实时卡口数据样例
过程2:仿真数据源输入
仿真平台在获取仿真数据源之后,设定相应车辆载入算法实现车辆的载入,由于实时卡口数据存在一定比例的数据部分字段缺失和错误问题,如车辆牌照识别错误,车辆记录时间与真实时间不符等。故需采用一定方法对异常数据进行剔除。其中,若数据部分字段缺失,则可直接剔除该条数据。车辆牌照识别错误可分为车辆牌照不是7位或车辆牌照第一个字符非汉字两种情况。
步骤(3)中,设计相应逻辑算法建立车流量载入规则,读取仿真输入,在仿真平台内生成仿真交通流量,并根据实时卡口数据进行仿真环境内的车辆速度控制和车辆状态更新主要包括如下过程。
过程1:设计车辆载入规则
获取仿真开始时间t0,以Δt作为仿真步长和读取已存储数据的步长,若t0+kΔt=t0+ntsave,其中k,n均为整数,本发明中Δt为1秒。则读取最新的csv文件作为数据来源文件。在数据源文件中,每Δt时间间隔检索当前数据源文件的“记录时间”字段,若记录时间与t0+kΔt相等,则将该条字段加入备选载入车辆集合。同样地,以Δt时间间隔实时获取仿真平台内在运行的车辆ID集合,若备选载入车辆集合内的车辆已经在以运行车辆ID集合内,则不导入该车辆,若车辆不在以运行车辆ID集合内,则根据所记录的卡口ID将其载入到对应道路,并根据卡口ID所附着的车道编号,确定当前车辆所在的车道。
过程2:设计车辆调整规则
由于真实世界驾驶员行为具有不确定性,故需要对仿真平台的车流进行动态调整。其具体的调整规则如下:
step1:查询t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称。
step2:若该车辆已经位于仿真路网,则获取当前该车于仿真路网的位置。
step3:若仿真车辆所在位置位于真实卡口上游,则证明仿真车辆行驶车速较慢,则可控制仿真车辆加速。若仿真车辆所在位置位于真实卡口下游,则证明仿真车辆行驶速度较快,可控制仿真车辆减速。其速度确定公式为:
其中,d2为当前卡口的位置,d1为上一卡口的位置。t2为该车辆通过当前卡口的时间,t1为该车辆通过上一口的时间。Vnew为仿真平台内该车辆新的速度。
Step4:若仿真车辆所在车道与卡口记录的该车辆行驶车道不符,则控制仿真车辆在特定时间段内进行换道。
过程3:设计车辆删除规则
本发明提供一种卡口仅分布在高速公路基本路段情况下的仿真平台车辆删除方法。其具体方法为
step1:记录t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称,更新车辆最新记录时间trecord
step2:以Δt为时间粒度,若t0+kΔt-trecord>tgap则证明该车辆有较长时间没有被卡口记录到,则删除该车辆。其中,本发明中thap设置为20分钟。
步骤(4)中,在仿真预热结束后,通过SUMO内置Traci接口获取仿真平台实时交通流量,并结合与真实卡口数据流量进行对比,进行在线系统仿真准确性验证,在过程1中通过设定仿真预热时间,保证仿真平台车辆与真实路网车辆尽可能相同。在过程2中,通过设置检测器统计仿真平台车辆到达某一卡口位置和真实世界该车辆到达该位置的时间,进行统计分析确定车辆行程时间的准确性。在过程3中,统计部分路段特定时刻内的车流在途量并计算真实道路在途量,可进而验证仿真车辆数量准确性。
过程1:仿真预热;
仿真中从首个车辆载入到反映真实世界的交通状态称为仿真预热,仿真预热时间可通过路段长度和车辆平均速度确定,其计算公式为
其中,s代表高速公路长度,v代表高速公路车辆平均车速,可取100km/h,t为仿真预热时间。
过程2:车速准确性验证;
此过程通过获取仿真路网车辆经过特定位置的时间和真实卡口车辆经过该卡口的时间并进行对比,进而进行仿真平台车速准确性验证。此过程包括如下步骤:
step0:根据step(1)所获取的卡口位置与仿真路网的匹配结果,在仿真路网相应位置添加道路检测器,用以获取仿真路网内通过该位置的车辆牌照和经过时间。
step1:将卡口数据导入仿真平台,获取每个时间间隔Δt内通过检测器的车辆时间tsim和相应的时间内真实卡口所记录的该车经过时间ttrue。
step2:在获取各个车辆的仿真运行时间和卡口记录时间后,对其进行统计分析,验证在线仿真平台准确性。其中,两者误差定义为
terror=|tsim-ttrue|
选取的统计学参数有,平均值,标准差,中位值等。
过程3:路网在途量验证
此过程统计仿真各个车辆到达路网特定位置的时间误差和高速公路各个路段的道路在途量误差,进而验证仿真平台路网在途量准确性。此过程包括如下步骤:
step0:根据step(1)、step(2)step(3)的卡口匹配结果和仿真数据导入算法,将历史卡口数据导入仿真平台。
step1:记录特定时刻各个路段的仿真平台道路在途量Qsim和真实路网道路在途量Qtrue
step2:在获取各个路段特定时刻仿真平台道路在途量Qsim和真实路网道路在途量Qtrue后,计算两者误差,验证在线仿真平台准确性,其中,两者误差定义为
Qerror=|Qsim-Qtrue|
选取浙江省G92高速公路2021年10月24日12:00:00到16:00:00的卡口数据进行验证。测试路段为G92宁波方向路段,测试区间起终点均设有卡口,卡口名称分别为:G92杭州湾环线_2_宁波方向_244100和G92杭州湾环线_2_宁波方向_271800,四个车道均布设有卡口,道路全长为27.70km。考虑到车辆以平均100km/h的速度行驶时,车辆从起点卡口到终点卡口所需时间约为30分钟,去除仿真预热时间,实际采样时间约为3小时30分钟。
其中,卡口位置与仿真路网匹配结果如表2所示:
表2卡口位置与仿真路网匹配结果
车辆位置准确性验证结果如图3所示;车辆仿真时间和卡口位记录时间的误差统计分析结果如表3所示:
表3车辆位置准确性验证表
统计参数 | 统计值 |
车辆数 | 7931辆 |
误差均值 | 52秒 |
标准差 | 29秒 |
最大值 | 106秒 |
中位数 | 56秒 |
路网在途量准确性验证结果如图4、表4所示:
表4路网在途量准确性验证表
统计时刻 | 道路实际在途量 | 仿真在途量 | 误差 |
12点30分 | 861辆 | 904辆 | 43辆 |
13点30分 | 821辆 | 858辆 | 37辆 |
14点30分 | 733辆 | 772辆 | 39辆 |
15点30分 | 722辆 | 757辆 | 35辆 |
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (10)
1.一种大规模路网在线微观交通的仿真方法,其特征在于,包括以下步骤:
S1、从各类电子地图中提取区域路网中的道路分布,通过检索各条道路的道路属性,将道路属性中除高速公路以外的低等级公路剔除生成仿真路网,将现实高速公路卡口的分布坐标系转换成仿真路网适用的坐标系,并与仿真路网进行匹配,最终生成仿真高速公路网;
S2、采集实时卡口数据存储在服务器内,并对实时卡口数据进行处理,当获取的数据字段有缺失时,剔除该条数据;最终生成仿真数据源;
S3、构建仿真平台并设计相应逻辑算法建立车流量载入规则包括车辆载入规则、车辆调整规则和车辆删除规则,将步骤S1生成的仿真高速公路网与步骤S2生成的仿真数据源导入仿真平台内生成仿真交通流量,并根据实时数据进行仿真环境内的车辆速度控制和车辆状态更新。
2.根据权利要求1所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S1中低等级道路剔除具体指:电子地图实质为xml文件,其中包含node、way和relation节点,其中way节点的tag子节点包含type和name元素即道路类型和道路名称,检索way节点下的tag子节点内元素,若type属性值不为motorway,则对该way节点进行删除。
3.根据权利要求1所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S1中卡口位置匹配具体指:
(11)以卡口位置为圆心,设定搜索半径,寻找范围内路段名;
(12)判断路段数量大于1,若是,则转入步骤(13),若否,则转入步骤(14);
(13)以匹配距离为依据对匹配结果排序,选取距离最近的路段后转入(14);
(14)查找卡口位置与路段起点的距离后转入步骤(15);
(15)输出路段和距离路段起点的长度。
4.根据权利要求1所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S2中采集实时卡口数据存储在服务器内具体指:实时卡口数据以消息队列的形式进行存储,实时在线系统仿真平台提取消息队列中的数据,以一定时间间隔tsave将数据存储为csv格式,仿真平台读取csv文件作为仿真数据源,其中,csv文件内记录的字段包括车辆牌照、车辆类型、记录时间和卡口名称。
5.根据权利要求1所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S3中车辆载入规则具体指:获取仿真开始时间t0,以Δt作为仿真步长和读取已存储数据的步长,若t0+kΔt=t0+ntsave,则读取最新的csv文件作为数据来源文件,其中,k为仿真增长系数,n为存储检测系数k,n均为整数,Δt取值为1秒;在数据源文件中,每Δt时间间隔检索当前数据源文件的“记录时间”字段,若记录时间与t0+kΔt相等,则将该条字段加入备选载入车辆集合,以Δt时间间隔实时获取仿真平台内在运行的车辆ID集合,若备选载入车辆集合内的车辆已经在以运行车辆ID集合内,则不导入该车辆,若车辆不在以运行车辆ID集合内,则根据所记录的卡口ID将其载入到对应道路,并根据卡口ID所附着的车道编号,确定当前车辆所在的车道。
6.根据权利要求6所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S3中车辆调整规则具体指:
(311):查询t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称;
(312):若该车辆已经位于仿真路网,则获取当前该车于仿真路网的位置;
(313):若仿真车辆所在位置位于真实卡口上游,则判定仿真车辆行驶车速较慢,控制仿真车辆加速,若仿真车辆所在位置位于真实卡口下游,则判定仿真车辆行驶速度较快,控制仿真车辆减速,其速度确定公式为:
其中,d2为当前卡口的位置,d1为上一卡口的位置;t2为该车辆通过当前卡口的时间,t1为该车辆通过上一口的时间;Vnew为仿真平台内该车辆新的速度;
(314):若仿真车辆所在车道与卡口记录的该车辆行驶车道不符,则控制仿真车辆在特定时间段内进行换道。
7.根据权利要求7所述一种大规模路网在线微观交通的仿真方法,其特征在于,步骤S3中车辆删除规则具体指:记录t0+kΔt时刻卡口所记录到的车辆牌照和所记录的卡口名称,更新车辆最新记录时间trecord,以Δt为时间粒度,若t0+kΔt-trecord>tgap,则证明该车辆有较长时间没有被卡口记录到,则删除该车辆;其中,tgap取值为20分钟。
8.一种基于权利要求1-8任意一项所述大规模路网在线微观交通的仿真方法的验证方法,其特征在于,通过自动化获取交通仿真网络并设计车辆载入,调整规则后,将仿真平台接入实时卡口数据运行仿真载入车辆,在仿真时间超过仿真预热时间后,将仿真的交通流量与实际卡口数据流量进行对比,验证车速准确性和路网在途量。
9.根据权利要求8所述一种大规模路网在线微观交通的仿真方法的验证方法,其特征在于,通过获取仿真路网车辆经过特定位置的时间和真实卡口车辆经过该卡口的时间并进行对比,进而进行仿真平台车速准确性验证具体指:根据获取的卡口位置与仿真路网的匹配结果,在仿真路网相应位置添加道路检测器,获取仿真路网内通过该位置的车辆牌照和经过时间,将卡口数据导入仿真平台,获取每个时间间隔Δt内通过检测器的车辆时间tsim和相应的时间内真实卡口所记录的该车经过时间ttrue,在获取各个车辆的仿真运行时间和卡口记录时间后,对其进行统计分析,验证在线仿真平台准确性。其中,两者误差定义公式表达如下:
terror=|tsim-ttrue|。
10.根据权利要求8所述一种大规模路网在线微观交通的仿真方法的验证方法,其特征在于,路网在途量验证具体指:记录特定时刻各个路段的仿真平台道路在途量Qsim和真实路网道路在途量Qtrue,在获取各个路段特定时刻仿真平台道路在途量Qsim和真实路网道路在途量Qtrue后,计算两者误差,验证在线仿真平台准确性,其中,两者误差定义为:
Qerror=|Qsim-Qtrue|。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900330.0A CN115310278A (zh) | 2022-07-28 | 2022-07-28 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900330.0A CN115310278A (zh) | 2022-07-28 | 2022-07-28 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310278A true CN115310278A (zh) | 2022-11-08 |
Family
ID=83859694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210900330.0A Pending CN115310278A (zh) | 2022-07-28 | 2022-07-28 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310278A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952692A (zh) * | 2023-03-10 | 2023-04-11 | 腾讯科技(深圳)有限公司 | 道路交通的仿真方法和装置、存储介质及电子设备 |
CN117272699A (zh) * | 2023-11-21 | 2023-12-22 | 杭州海康威视数字技术股份有限公司 | 数字路口的在线仿真方法、装置、存储介质和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050319A (zh) * | 2014-06-13 | 2014-09-17 | 浙江大学 | 一种实时在线验证复杂交通控制算法的方法 |
CN108335485A (zh) * | 2018-01-31 | 2018-07-27 | 夏莹杰 | 基于车牌识别数据的大事件交通动态仿真拥堵预测的方法 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
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 |
CN111241168A (zh) * | 2020-01-15 | 2020-06-05 | 中设设计集团股份有限公司 | 一种实时在线微观交通仿真方法及系统 |
CN111881557A (zh) * | 2020-07-01 | 2020-11-03 | 浙江浙大中控信息技术有限公司 | 基于道路平均速度的车流仿真方法 |
CN112818497A (zh) * | 2021-04-19 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 交通仿真方法、装置、计算机设备和存储介质 |
CN113674546A (zh) * | 2021-08-20 | 2021-11-19 | 东南大学 | 基于sumo仿真的V2X环境下的高速公路管控方法 |
CN114462233A (zh) * | 2022-01-18 | 2022-05-10 | 广州方纬智慧大脑研究开发有限公司 | 微观交通仿真方法、计算机装置和存储介质 |
CN114493038A (zh) * | 2022-02-17 | 2022-05-13 | 四川省生态环境科学研究院 | 一种全天时全路网的交通流量估计方法 |
WO2022121510A1 (zh) * | 2020-12-11 | 2022-06-16 | 多伦科技股份有限公司 | 基于随机策略梯度的交通信号控制方法、系统及电子设备 |
-
2022
- 2022-07-28 CN CN202210900330.0A patent/CN115310278A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050319A (zh) * | 2014-06-13 | 2014-09-17 | 浙江大学 | 一种实时在线验证复杂交通控制算法的方法 |
CN108335485A (zh) * | 2018-01-31 | 2018-07-27 | 夏莹杰 | 基于车牌识别数据的大事件交通动态仿真拥堵预测的方法 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
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 |
CN111241168A (zh) * | 2020-01-15 | 2020-06-05 | 中设设计集团股份有限公司 | 一种实时在线微观交通仿真方法及系统 |
CN111881557A (zh) * | 2020-07-01 | 2020-11-03 | 浙江浙大中控信息技术有限公司 | 基于道路平均速度的车流仿真方法 |
WO2022121510A1 (zh) * | 2020-12-11 | 2022-06-16 | 多伦科技股份有限公司 | 基于随机策略梯度的交通信号控制方法、系统及电子设备 |
CN112818497A (zh) * | 2021-04-19 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 交通仿真方法、装置、计算机设备和存储介质 |
CN113674546A (zh) * | 2021-08-20 | 2021-11-19 | 东南大学 | 基于sumo仿真的V2X环境下的高速公路管控方法 |
CN114462233A (zh) * | 2022-01-18 | 2022-05-10 | 广州方纬智慧大脑研究开发有限公司 | 微观交通仿真方法、计算机装置和存储介质 |
CN114493038A (zh) * | 2022-02-17 | 2022-05-13 | 四川省生态环境科学研究院 | 一种全天时全路网的交通流量估计方法 |
Non-Patent Citations (5)
Title |
---|
YUNYANG SHI: "An Integrated Traffic and Vehicle Co-Simulation Testing Framework for Connected and Autonomous Vehicles", IEEE INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE, 21 July 2022 (2022-07-21), pages 1 - 15 * |
刘博;马云龙;: "微观交通再现仿真系统研究与开发", 计算机应用与软件, no. 01, 15 January 2013 (2013-01-15), pages 176 - 179 * |
杨艳飞;席裕庚;林姝;: "城市交通网络宏观控制模型及仿真实现", 控制工程, no. 06, 20 November 2009 (2009-11-20), pages 687 - 691 * |
王祺;胡坚明;慕春棣;王易之;: "一种车路协同系统微观仿真平台的实现", 公路交通科技, no. 04, 15 April 2011 (2011-04-15), pages 118 - 123 * |
赵力萱;余志;何兆成;林科;: "基于移动通信数据的交通信息仿真系统", 中山大学学报(自然科学版), no. 04, 15 July 2009 (2009-07-15), pages 24 - 30 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952692A (zh) * | 2023-03-10 | 2023-04-11 | 腾讯科技(深圳)有限公司 | 道路交通的仿真方法和装置、存储介质及电子设备 |
CN117272699A (zh) * | 2023-11-21 | 2023-12-22 | 杭州海康威视数字技术股份有限公司 | 数字路口的在线仿真方法、装置、存储介质和电子设备 |
CN117272699B (zh) * | 2023-11-21 | 2024-02-09 | 杭州海康威视数字技术股份有限公司 | 数字路口的在线仿真方法、装置、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115310278A (zh) | 一种大规模路网在线微观交通的仿真方法及其验证方法 | |
CN101930668B (zh) | 车牌识别的道路交通od信息采集系统的处理方法 | |
CN110738855B (zh) | 一种数据稀疏时间段的道路交通流状况预测方法 | |
CN111428558A (zh) | 一种基于改进YOLOv3方法的车辆检测方法 | |
US11661067B2 (en) | Method for ascertaining driving profiles | |
CN107704531B (zh) | 一种osm地图数据中路网交叉口节点自动合并方法 | |
CN114299742B (zh) | 一种高速公路的限速信息动态识别与更新推荐方法 | |
CN105336164A (zh) | 基于大数据分析的错误卡口位置信息自动识别方法 | |
CN105574313B (zh) | 一种道路等级的确定方法和装置 | |
CN112967493A (zh) | 一种基于神经网络的车辆通过交叉口行程时间的预测方法 | |
CN114450557A (zh) | 路线偏差量化及基于此的车辆路线学习 | |
Zou et al. | The method of dynamic identification of the maximum speed limit of expressway based on electronic toll collection data | |
Vámosi et al. | Development of bus driving cycle for Debrecen on the basis of real-traffic data | |
WO2022110978A1 (en) | Method and apparatus for driving data search | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
Zhang et al. | An improved method for evaluating eco-driving behavior based-on speed-specific vehicle-specific power distributions | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
CN106297301A (zh) | 一种车辆套牌检查方法及使用该方法的车辆套牌检测系统 | |
CN116629425A (zh) | 车辆能耗的计算方法、装置、计算机可读介质及电子设备 | |
CN115718702A (zh) | 一种自动驾驶测试场景库构建方法及系统 | |
CN111968255A (zh) | 一种高速公路收费路径的拟合方法 | |
Wen et al. | Analysis of vehicle driving styles at freeway merging areas using trajectory data | |
CN113781771B (zh) | 一种ive模型的在线运行方法 | |
CN114677837B (zh) | 一种基于雷视数据的交通仿真方法、装置及电子设备 | |
Wei et al. | Trajectory reconstruction using automated vehicles motion detection data: A hybrid approach integrating wiedemann model and cellular automation |
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 |