CN116186994A - 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 - Google Patents
基于微观交通仿真的高速公路拥堵溯源分析及管控方法 Download PDFInfo
- Publication number
- CN116186994A CN116186994A CN202211654602.XA CN202211654602A CN116186994A CN 116186994 A CN116186994 A CN 116186994A CN 202211654602 A CN202211654602 A CN 202211654602A CN 116186994 A CN116186994 A CN 116186994A
- Authority
- CN
- China
- Prior art keywords
- road
- congestion
- traffic
- road section
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000011217 control strategy Methods 0.000 claims description 34
- 238000011160 research Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
Abstract
本发明公开了基于微观交通仿真的高速公路拥堵溯源分析及管控方法,该方法包括如下步骤:S1、获取真实路网并通过自动化手段调整矫正路网,分析卡口数据信息识别道路高峰时段流量分布,并将高峰时段车流情况还原,集计后将高峰时段流量导入仿真软件;S2、建立评价指标,确定路段最佳分割长度;S3、根据步骤S2确定的最佳分割长度,将目标路段切分为离散路段,基于行程时间交通指数算法,定位溯源拥堵路段;S4、根据步骤S3确定的拥堵路段,设置定制化可变限速及匝道管控联合的高速公路管控手段。本发明根据路段拥堵分析,对拥堵路段进行精准管控,提高了高速公路整体运行效率,实现了高速公路整体运行状体和服务水平的提升。
Description
技术领域
本发明涉及交通管理与控制技术领域,特别是涉及一种道路拥堵溯源分析及管控方法。
背景技术
截至2022年3月底,全国机动车保有量达4.02亿辆,其中汽车3.07亿辆,日益增长的汽车保有量也使得交通拥堵现象愈发严重,不仅对公众日常出行造成了不便,同时也会导致发生交通事故的概率提升,影响道路交通安全,威胁人民群众生命财产安全。其中高速公路的枢纽路段和匝道出入口处是发生交通拥堵的主要区域,交通拥堵的负面影响也凸显的尤为明显。为使高速道路营运正常、提高营运效率、减少事故与阻塞发生频率,需要对高速公路上交通拥堵路段严重的地点进行实时监控,施加路段管控措施。
目前高速公路管理部门主要通过视频监控手段辅以车辆流量检测器进行高速公路道路监控。但是一个视频监控设备的监控区域最多延伸2公里,对于动辄管辖上千公里路段的高速公路管理单位来说,监控区域局限性较大,不能实现全面性监控。同时,相邻两个汽车流量检测器的一般间距在十几公里、几十公路甚至更远,数据采集的频次和时效性、采集密度均不能达到实时监控的要求。因此,为了方便管控措施效果测试,节约研发成本,基于仿真环境的数字孪生模拟车辆运行平台成为了有效的管控测试方式。
发明内容
本发明所要解决的技术问题:提供基于微观交通仿真的高速公路拥堵溯源分析及管控方法,通过仿真推演的手段,分析研判路网拥堵情况,实施相应的管控手段,达到缓解高速公路的拥堵问题,提高路网运行状态的目的。
本发明为解决以上技术问题而采用以下技术方案:
本发明提出的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,包括如下步骤:
S1、获取真实路网并通过自动化手段调整矫正路网,分析卡口数据信息识别道路高峰时段流量分布,并将高峰时段车流情况还原,集计后将高峰时段流量导入仿真软件。
S2、依据路段子单元特点,结合路段分割的评价指标分析,确定路段分割长度。
S3、根据步骤S2确定的分割长度,将目标路段切分为离散路段,基于行程时间交通指数算法,分别提取各个路段的行程时间比,定位溯源拥堵路段。
S4、根据步骤S3确定的拥堵路段,设置定制化可变限速及匝道管控联合的高速公路管控手段,提高高速公路整体运行效率。
进一步,步骤S1具体包括以下步骤:
步骤S101、根据OpenStreetMap获取研究区域道路网络,生成仿真路网文件.net.xml和可视化配置文件.poly.xml。
步骤S102、根据卡口经纬度将卡口匹配到仿真路网中,确定卡口在路网中的位置,统计各个卡口不同时段的流量变化,获取路段高峰时段分布,将一个时间段内各个卡口的流量集计,根据卡口的时间分布特征,采用最短路径原则根据车牌号把卡口间的车辆串联起来,得到高峰时段车流分布情况,并转化为.rou.xml文件导入仿真软件。
进一步,步骤S2具体包括以下步骤:
步骤S201、在仿真模型中,研究路段每隔一定距离增设一个流量检测器,将研究路段中每隔一定距离的区域视为一个路段子单元,运行仿真模型,输出仿真路网各路段子单元的高峰小时流量数据;根据输出流量数据,分析路段子单元的流量变化和是否出现前后子单元流量差异过大的问题,为实施步骤S202做准备。
步骤S202、枚举一段范围内的分割长度,借助步骤S201中设置的流量检测器,输出每段分割长度对应的流量。检查分割后路段流量分布,符合负二项分布即可保留下来,对比不同分割长度下的评价指标情况,发现当分割长度为100m时,不同路段间的流量变化较小,没有出现骤变的情况,因此路段的最佳分割长度应大于100m,综合考虑后,选定最终分割长度。
进一步,步骤S2中所述的路段子单元特点包括其高峰时段流量、是否为立交区、收费站、匝道或者其他非主路的道路结构和道路线性;所述的评价指标体系包括路段特征展现程度、分割精度和后期处理工作量的指标。
进一步,步骤S201中,将研究路段中每隔100m增设一个流量检测器。
进一步,步骤S202中,枚举100m至1000m的分割长度。
进一步,步骤S3具体包括以下步骤:
步骤S301、针对主线部分,计算主线总长度,再结合步骤S2选定研究路段的分割长度,进而确定主线分割区段个数;
步骤S302、根据主线总长度、分割长度、主线分割区段个数三个参数在仿真路网中确定每个区段的经纬度位置,分别在各个区段布设E1检测器,测量不同区段i高峰时段内车辆平均行程速度Vi;
步骤S303、根据交通指数算法计算不同区段i基于行程速度的交通拥堵状态TSIki:
步骤S304、根据交通拥堵状态指标TSIki确定不同区段i的拥堵指数,从而确定拥堵发生区段所在的位置,随后实行步骤S4的管控策略。
进一步,根据拥堵所在位置的不同,设定不同管控策略:
(1)当拥堵所在位置处在主路时,采用可变限速管控策略和动态分车道管控策略;其中可变限速管控策略是根据步骤S3得到的交通拥堵区段统计结果,对拥堵区段实施可变限速控制策略,通过仿真反复迭代,选取道路最佳限速值;动态分车道管控策略是在一定的时间间隔Δt下,更新研究路段车道控制策略,当区段i的占有率vehOccupyi大于阈值的到时候,选择开放车道管控策略;
(2)当拥堵所在位置处在匝道时,采用匝道出入口管控策略;该策略的主要内容包括:在匝道出入口附近的车道上逐级设置阶梯式虚实线,在出入口前设置虚线允许变道,在出入口附近路段设置实现禁止车辆随意变道,使得驶入匝道的车辆提前变道,缓解匝道口附近拥堵程度。
进一步,所述的动态分车道管控策略,将时间间隔Δt设定为10min。
进一步,所述的可变限速控制策略中,路段的可变限速值计算公式及约束条件为:
Vlim=b(k)Vmax#(3)
b(k)=b(k-1)+KIeq(k)#(4)
其中:e是实时占有率与最优占有率之间的差值,通过占有率的差值大小展现当前路段的车辆分布情况及运行状态;qc(k)是控制区下游的期望流量;b(k)是可变限速系数;Vmax是道路的最高限速值。
本发明采用以上技术方案,与现有技术相比,其显著技术效果如下:
1、本发明利用仿真环境的数字孪生模拟车辆运行平台,方便管控措施效果测试,节约研发成本。并把周期性真实卡口数据导入仿真路网中,高精度还原路网真实运行状态,方便后续对拥堵的推演溯源。
2、本发明将路段分割拥堵溯源模型和交通协同管控模型融合,从而做到有的放矢的增设相应管控措施,再根据相应可变限速、匝道控制、车辆通行权限制等手段发布,达到节约交通调度资源、缓解高速公路拥堵,提高路网运行状态的目的。
附图说明
图1为本发明的整体实施流程示意图;
图2为本发明的车流量时间分布统计图;
图3为本发明的路网区段分割点位示意图;
图4为本发明的匝道出入口管控策略。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
为实现上述目的,本发明提出一种基于微观交通仿真的高速公路拥堵溯源分析及管控方法,提高了高速公路拥堵区段交通管控的效率与准确性。如图1的整体实施流程示意图所示,本发明所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,包括如下步骤:
S1、获取真实路网并通过自动化手段调整矫正路网,分析包括车牌号的车流信息、车辆途径点位、车辆类型、车辆所在车道的卡口数据信息,识别道路高峰时段流量分布,并将高峰时段车流情况还原,集计后将高峰时段流量导入仿真软件。本实施例中分析了京沪高速在东桥枢纽以南,西出入口以北范围的拥堵路段运行情况。具体步骤如下:
首先根据OpenStreetMap获取京沪高速部分路段道路网络,生成仿真路网文件.net.xml和可视化配置文件.poly.xml;随后在仿真路网文件.net.xml中得到了不同道路edge的不同道路等级type属性,根据属性筛选道路,剔除高速公路以外的冗余道路网络,同时根据CAD图纸,利用netedit编辑器增加匝道道路edge;最后根据卡口经纬度将卡口匹配到仿真路网中,确定卡口在路网中的位置,统计各个卡口不同时段的流量变化,获取如图2所示的路段高峰时段分布,将一个高峰时段内各个卡口的流量集计,根据卡口的时间分布特征,采用最短路径原则根据车牌号把卡口间的车辆串联起来,推理得出不同车辆的完整出行路径,从而获取高峰时段车流分布情况,并转化为.rou.xml车流信息文件输入仿真路网中。
S2、依据路段子单元特点,包括其高峰时段流量、是否为立交区、收费站、匝道或者其他非主路的道路结构和道路线性,结合路段分割的评价指标分析,确定路段分割长度。具体步骤如下:
步骤S201、将研究路段中每100m视为一个路段子单元,仿真路网总长约4km,因此分割出共40个路段子单元,在对应路段截面设置流量检测器。运行仿真模型,输出仿真路网各路段子单元的高峰小时流量数据。根据输出流量数据,分析路段子单元的流量变化和是否出现前后子单元流量差异过大的问题,为实施步骤S202做准备。
步骤S202、枚举100m至1000m的分割长度,检查分割后路段流量分布是否符合负二项分布,并对比不同分割长度下的评价指标情况,发现分割长度为100m时,不同路段间的流量变化较小,没有出现骤变的情况,因此路段的最佳分割长度应大于100m,综合考虑后,选定最终分割长度divideLength,并对路网进行如图3所示的分割。其中,建立针对路段分割的评价指标体系,主要指标包括路段特征展现程度、分割精度和后期处理工作量。
路段特征展示程度是指路段分割能否区分不同构造物类型、不同车道数、不同车道宽度等。在本案例中,主要考虑能否区分不同构造物类型。具体特征计算公式为:
分割精度和后期处理工作量则是相对应的两个指标,当分割长度较短时,分割出的路段较多,给后期分析带来较多工作量,但可以更精确的区分不同路段之前的拥堵情况;相反地,当分割长度较长时,研究路段相对比较长,不同路段间的差异更容易被掩盖,分析结果精度相对较低,但分析工作量较较小。指标的具体公式为:
式中,a∈A是所有枚举分割长度的集合,γ2为精确度指标,divideLengtha是指分割长度为a,Na是指分割长度为a时的路段数量。
根据交通流理论,将路段上一定时间间隔内到达车辆数作为随机数,其统计规律视情况不同可以用三类离散型分布进行描述,即自由流状态(车辆间无影响)对应泊松分布,车辆拥堵时符合二项分布,其他情况(比如受车辆高峰期影响)符合负二项分布。考虑到输出的是高峰小时的交通流量,因此需要采用负二项回归模型似然比检验分割后路段平均流量是否符合负二项分布。
最终指标的结果如表1所示,其中分割长度为500m时,精确度和工作量得到了较好平衡,结果也比较符合负二项分布,因此,选定500m为分割长度。
表1不同的分割长度与评价指标体系之间的关系
S3、根据步骤S2确定的divideLength将目标路段切分为离散路段,基于行程时间交通指数算法,分别提取各个路段的行程时间比,定位溯源拥堵路段。具体包括以下步骤:
步骤S301、针对主线部分,计算主线总长度totalLength,再结合步骤S2选定研究路段的分割长度divideLength,确定主线分割区段个数zeroNumber。
步骤S302、通过步骤S301可得出主线总长度totalLength为11500m、分割长度dtvideLength设为500m、分割区段个数zeroNumber为23个,通过这三个参数可在仿真路网中确定每个区段的经纬度位置,并分别在各个区段布设E1检测器,测量不同区段i高峰时段内车辆平均行程速度Vi。
步骤S303、根据交通指数算法计算不同区段i基于行程速度的交通拥堵状态TSIki:
根据各区段的行程速度,以10分钟为一个研究时间单位,利用基于行程速度比的方法计算各分析段的交通指数,最终获得了3小时的交通流状态结果,不同比值数值与交通状态的对应关系如表2所示。
表2不同比值数值与交通状态的对应关系
等级 | 畅通 | 较畅通 | 拥挤 | 堵塞 |
数值区间 | [0,30) | [30,50) | [50,70) | [70,100] |
步骤S304、根据交通拥堵状态指标TSIki确定不同区段i的拥堵指数,从而确定拥堵发生区段所在的位置,对同一个区段不同时间单位的交通流状态求平均,获得各研究路段的平均交通指数,如表3所示。可以看出距离东桥枢纽的高速公路主线路段存在不严重的拥挤情况,拥挤的路段长度大概为3.5公里,结合其上下游路段情况,该处是因为枢纽匝道的减速,导致通行能力降低,前后通行能力不连贯导致的拥挤,通过该结论实施相应的管控措施。
表3不同区段的平均交通指数
所处区段 | 区段编号 | 起始点 | 终止点 | 交通指数均值 |
匝道 | 区段一 | 点1 | 点19 | 31.00 |
匝道 | 区段二 | 点19 | 点23 | 32.77 |
主线 | 区段三 | 点1 | 点3 | 31.46 |
匝道 | 区段四 | 点18 | 点17 | 32.41 |
匝道 | 区段五 | 点17 | 点3 | 32.57 |
主线 | 区段六 | 点4 | 点2 | 24.86 |
匝道 | 区段七 | 点4 | 点22 | 32.54 |
主线 | 区段八 | 点18 | 点20 | 12.89 |
匝道 | 区段九 | 点20 | 点21 | 32.50 |
匝道 | 区段十 | 点21 | 点2 | 32.37 |
匝道 | 区段十一 | 点22 | 点24 | 32.71 |
主线 | 区段十二 | 点3 | 点5 | 13.98 |
主线 | 区段十三 | 点6 | 点4 | 14.43 |
主线 | 区段十四 | 点5 | 点7 | 12.98 |
主线 | 区段十五 | 点8 | 点6 | 17.98 |
主线 | 区段十六 | 点7 | 点9 | 8.35 |
主线 | 区段十七 | 点10 | 点8 | 54.35 |
主线 | 区段十八 | 点9 | 点11 | 58.67 |
主线 | 区段十九 | 点12 | 点10 | 57.25 |
主线 | 区段二十 | 点11 | 点13 | 56.38 |
主线 | 区段二十一 | 点14 | 点12 | 64.37 |
主线 | 区段二十二 | 点13 | 点15 | 57.42 |
主线 | 区段二十三 | 点16 | 点14 | 55.89 |
S4、根据步骤S3确定的拥堵路段,设置定制化可变限速及匝道管控联合的高速公路管控手段,提高高速公路整体运行效率。具体包括以下内容:
(1)当拥堵所在位置处在主路时,采用可变限速管控策略和动态分车道管控策略;其中可变限速管控策略是根据步骤S3得到的交通拥堵区段统计结果,对拥堵区段实施可变限速控制策略,通过仿真反复迭代,选取道路最佳限速值;动态分车道管控策略是将时间间隔Δt设为10min更新研究路段车道控制策略,当区段i的占有率vehOccupyi大于阈值的到时候,选择开放车道管控策略。
在可变限速管控策略中,路段的可变限速值计算公式及约束条件为:
Vlim=b(k)Vmax#(3)
b(k)=b(k-1)+KIeq(k)#(4)
其中:e是实时占有率与最优占有率之间的差值,通过占有率的差值大小展现当前路段的车辆分布情况及运行状态;qc(k)是控制区下游的期望流量;b(k)是可变限速系数;Vmax是道路的最高限速值。
本次测试所选用的部分参数如下:KI=0.0021,K'P=200,K'I=12,Vmax=33m/s。
(2)当拥堵所在位置处在匝道时,采用匝道出入口管控策略;参考图4所示,该策略的主要内容包括:在匝道出入口附近的车道上逐级设置阶梯式虚实线,在出入口前设置虚线允许变道,在出入口附近路段设置实现禁止车辆随意变道,使得驶入匝道的车辆提前变道,缓解匝道口附近拥堵程度。
通过交通指标验证上述管控策略的有效性,在施加了可变限速管控策略、动态分车道管控策略和匝道出入口管控策略之后,指标前后变化如表4所示:
表4关于实施管控措施前后指标的变化
可看出,通过此方法,可以确定高速公路匝道出入口区域的具体拥堵点位,并对用堵点实施相应协同管控策略,从而缓解路段拥堵,改善行驶状况。
以上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.基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,包括如下步骤:
S1、获取真实路网并通过自动化手段调整矫正路网,分析卡口数据信息识别道路高峰时段流量分布,并将高峰时段车流情况还原,集计后将高峰时段流量导入仿真软件;
S2、依据路段子单元特点,结合路段分割的评价指标体系分析,确定路段分割长度;
S3、根据步骤S2确定的分割长度,将目标路段切分为离散路段,基于行程时间交通指数算法,分别提取各个路段的行程时间比,定位溯源拥堵路段;
S4、根据步骤S3确定的拥堵路段,设置定制化可变限速及匝道管控联合的高速公路管控手段。
2.根据权利要求1所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S1具体包括以下步骤:
步骤S101、根据OpenStreetMap获取研究区域道路网络,生成仿真路网文件.net.xml和可视化配置文件.poly.xml;
步骤S102、根据卡口经纬度将卡口匹配到仿真路网中,确定卡口在路网中的位置,统计各个卡口不同时段的流量变化,获取路段高峰时段分布,将一个时间段内各个卡口的流量集计,采用最短路径原则根据车牌号把卡口间的车辆串联起来,得到高峰时段车流分布情况,并转化为.rou.xml文件导入仿真软件。
3.根据权利要求1所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S2具体包括以下步骤:
步骤S201、在仿真模型中,研究路段每隔一定距离增设一个流量检测器,将研究路段中每隔一定距离的区域视为一个路段子单元,运行仿真模型,输出仿真路网各路段子单元的高峰小时流量数据;根据输出流量数据,分析路段子单元的流量变化和是否出现前后子单元流量差异过大的问题,为实施步骤S202做准备;
步骤S202、枚举一段范围内的分割长度,借助步骤S201中设置的流量检测器,输出每段分割长度对应的流量;检查分割后路段流量分布,符合负二项分布即保留,对比不同分割长度下的评价指标情况,选定的最终分割长度应在不同路段间的流量变化较小且没有出现骤变的情况。
4.根据权利要求3所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S201中,将研究路段中每隔100m增设一个流量检测器。
5.根据权利要求3所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S202中,枚举100m至1000m的分割长度。
6.根据权利要求1所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S2中所述的路段子单元特点包括高峰时段流量、是否为立交区、收费站、匝道或者其他非主路的道路结构和道路线性的信息;所述的评价指标体系,主要指标包括路段特征展现程度、分割精度和后期处理工作量。
7.根据权利要求1所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S3具体包括以下步骤:
步骤S301、针对主线部分,计算主线总长度,再结合步骤S2选定研究路段的分割长度,进而确定主线分割区段个数;
步骤S302、根据主线总长度、分割长度、主线分割区段个数三个参数,在仿真路网中确定每个区段的经纬度位置,并分别在各个区段布设E1检测器,测量不同区段i高峰时段内车辆平均行程速度Vi;
步骤S303、根据交通指数算法计算不同区段i基于行程速度的交通拥堵状态TSIki:
步骤S304、根据交通拥堵状态指标TSIki确定不同区段i的拥堵指数,从而确定拥堵发生区段所在的位置。
8.根据权利要求1所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,步骤S4中,根据拥堵所在位置的不同,设定不同管控策略:
(1)当拥堵所在位置处在主路时,采用可变限速管控策略和动态分车道管控策略;其中可变限速管控策略是根据步骤S3得到的交通拥堵区段统计结果,对拥堵区段实施可变限速控制策略,通过仿真反复迭代,选取道路最佳限速值;动态分车道管控策略是在一定的时间间隔Δt下,更新研究路段车道控制策略,当区段i的占有率vehOccupyi大于阈值的到时候,选择开放车道管控策略;
(2)当拥堵所在位置处在匝道时,采用匝道出入口管控策略包括:在匝道出入口附近的车道上逐级设置阶梯式虚实线,在出入口前设置虚线允许变道,在出入口附近路段设置实现禁止车辆随意变道,使得驶入匝道的车辆提前变道,缓解匝道口附近拥堵程度。
9.根据权利要求8所述的基于微观交通仿真的高速公路拥堵溯源分析及管控方法,其特征在于,所述的动态分车道管控策略,将时间间隔Δt设定为10min。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211654602.XA CN116186994A (zh) | 2022-12-21 | 2022-12-21 | 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211654602.XA CN116186994A (zh) | 2022-12-21 | 2022-12-21 | 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116186994A true CN116186994A (zh) | 2023-05-30 |
Family
ID=86435460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211654602.XA Pending CN116186994A (zh) | 2022-12-21 | 2022-12-21 | 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116186994A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
CN117435351A (zh) * | 2023-12-20 | 2024-01-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路仿真分布式计算的负载均衡方法 |
-
2022
- 2022-12-21 CN CN202211654602.XA patent/CN116186994A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
CN117435351A (zh) * | 2023-12-20 | 2024-01-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路仿真分布式计算的负载均衡方法 |
CN117435351B (zh) * | 2023-12-20 | 2024-04-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路仿真分布式计算的负载均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116186994A (zh) | 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 | |
CN106781499B (zh) | 一种交通网络效率评价系统 | |
Muñoz et al. | Methodological calibration of the cell transmission model | |
CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
EP3753002B1 (en) | Methods and systems for generating traffic volume or traffic density data | |
Hourdakis et al. | Evaluation of ramp control effectiveness in two twin cities freeways | |
CN107766969B (zh) | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN110223502B (zh) | 一种交叉口进口道数据渠化的方法及装置 | |
CN106504533B (zh) | 基于交通事故风险仿真分析的高速公路交织区确定方法 | |
CN110634292B (zh) | 一种基于路阻性能函数的行程时间可靠性估计方法 | |
CN116168539B (zh) | 一种公路通行能力参数的预测方法及预测装置 | |
CN112950937B (zh) | 基于车辆轨迹预测道路限速值的方法、装置、设备及介质 | |
CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
CN111815953B (zh) | 一种面向交通事件的高速公路交通管控效果评价方法 | |
CN111986480B (zh) | 一种城市道路交通事件影响评价方法、系统及存储介质 | |
CN112150802B (zh) | 基于地面公交运行状态可靠性的城市道路等级划分方法 | |
CN115798189A (zh) | 一种交通拥堵指数评价方法 | |
CN114023073B (zh) | 一种基于车辆行为分析的高速公路拥堵预测方法 | |
CN116052435A (zh) | 一种城市道路拥堵影响范围界定与道路影响力计算方法 | |
CN113920727B (zh) | 一种由施工引发道路拥堵的预测方法及系统 | |
Chauhan et al. | Effect of side friction parameter on urban road traffic: under mixed traffic scenario | |
CN111680888B (zh) | 基于rfid数据确定路网容量的方法 | |
CN107248282B (zh) | 获取道路运行状态等级的方法 |
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 |