CN116910853A - Tod立体慢行空间的行人出行仿真模拟方法及装置 - Google Patents

Abstract

本申请公开一种TOD立体慢行空间的行人出行仿真模拟方法、行人出行仿真模拟装置、电子设备及计算机存储介质，该方法包括：根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，物理模型包括各慢行空间及连接各慢行空间的慢行设施；确定物理模型中各出行类型的起终点空间位置对和指定的时间信息，生成起终点数据集；根据起终点数据集、预先确定的行人出行特征、各慢行空间以及各慢行设施，确定预设时间段内所有行人的出行属性，生成出行属性数据集；将物理模型以及出行属性数据集输入预先构建的行人出行的仿真模型中，模拟预设时间段内物理模型的运行，得到物理模型对应的行人出行仿真模拟结果，可准确评价TOD立体慢行空间的规划方案。

Description

TOD立体慢行空间的行人出行仿真模拟方法及装置

技术领域

本申请属于城市规划技术领域，尤其涉及一种TOD立体慢行空间的行人出行仿真模拟方法、行人出行仿真模拟装置、电子设备及计算机可读存储介质。

背景技术

公共交通导向型开发(Transit-oriented development，TOD)模式是当前城市发展的主流模式。随着TOD的快速发展和城市发展过程中的实际需求，许多地铁轨道站点内可直接与各类城际交通和室内交通接驳。该发展趋势带来便利的同时，导致用户在TOD站点及周边的步行需求越来越多，因此，步行空间也从单层的慢行空间转变为多层的立体慢行空间。

在立体慢行空间内，各类客流流线之间难免交叉，在早晚高峰时期，客流骤增，在该情况下交叉的流线增多，进而容易导致立体慢行空间内出现拥堵现象。虽然可以针对拥堵点对立体慢行空间进行规划设计，但对于规划设计得到的立体慢行空间，难以准确确定其是否合理。也即，目前缺乏准确评价TOD站点及周边的立体慢行空间的规划方案合理性的方法。

发明内容

本申请提供了一种TOD立体慢行空间的行人出行仿真模拟方法、行人出行仿真模拟装置、电子设备及计算机可读存储介质，能够模拟TOD立体慢行空间的运行情况，准确评价TOD立体慢行空间的规划方案。

第一方面，本申请提供了一种TOD立体慢行空间的行人出行仿真模拟方法，包括：

根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，物理模型包括各慢行空间及连接各慢行空间的慢行设施，不同的慢行空间对应不同的空间属性；

确定物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集；

根据起终点数据集、预先确定的行人出行特征、各慢行空间以及各慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集；

将物理模型以及出行属性数据集输入预先构建的行人出行的仿真模型中，模拟预设时间段内各慢行空间和各所述慢行设施的运行，得到物理模型对应的行人出行仿真模拟结果。

第二方面，本申请提供了一种TOD立体慢行空间的行人出行仿真模拟装置，包括：

构建模块，用于根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，物理模型包括各慢行空间及连接各慢行空间的慢行设施，不同的慢行空间对应不同的空间属性；

第一生成模块，用于确定物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集；

第二生成模块，用于根据起终点数据集、预先确定的行人出行特征、各慢行空间以及各慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集；

仿真模拟模块，用于将物理模型以及出行属性数据集输入预先构建的行人出行的仿真模型中，模拟预设时间段内各慢行空间和各所述慢行设施的运行，得到物理模型对应的行人出行仿真模拟结果。

第三方面，本申请提供了一种电子设备，该电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。

第五方面，本申请提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。

本申请与现有技术相比存在的有益效果是：基于建模来仿真模拟行人在TOD立体慢行空间的规划方案所对应的慢行空间中的出行情况，以得到相应的仿真模拟结果，以便于准确评估该规划方案。

具体地，可先根据规划方案构建出对应的物理模型，该物理模型包括了各慢行空间和连接各慢行空间的慢行设施，不同的慢行空间，具备不同的空间属性。为了尽可能地覆盖物理模型内不同出行类型可选的出行路径，可以先确定各出行类型的起终点空间位置对以及指定的时间信息，从而生成相应的数据集。考虑到不同的行人在选择步行出行路径时，易受到诸多因素的影响，例如容易受到自身属性、慢行空间的空间属性以及步行设施的设施属性等因素的影响；故此，为了尽可能地还原现实生活中行人的出行特征，提高仿真模拟结果的准确性，可根据影响力较大的因素生成出行属性数据集。在得到物理模型和出行属性数据集之后，可以将物理模型和两个数据集输入预先构建好的行人出行的仿真模型中，实现TOD立体慢行空间的行人出行仿真模拟，得到仿真模拟结果，从而准确评估TOD立体慢行空间的规划方案。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的TOD立体慢行空间的行人出行仿真模拟方法的流程示意图；

图2是本申请实施例提供的物理模型的结构示意图；

图3是本申请实施例提供的行人出行仿真模拟结果的可视化效果图；

图4是本申请实施例提供的行人出行仿真模拟结果的列表示意图；

图5是本申请实施例提供的慢行空间的平面示意图；

图6是本申请实施例提供的TOD立体慢行空间的行人出行仿真模拟装置的结构示意图；

图7是本申请实施例提供的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

相关名词解释：

TOD：以公共交通为导向的综合发展模式。其中，公共交通主要指的是火车站、机场、地铁以及轻轨等轨道交通或者巴士干线。TOD一般以公共交通站点为中心，以约400m-500m的距离为半径，划定一个开发范围，在该开发范围内进行高密度开发，以构建能同时满足居住、工作、购物、娱乐、出行以及休憩等需求的多功能社区，能够实现生产、生活以及生态的高度统一，是大城市常见的开发模式。

立体慢行空间：慢行空间是在慢行交通引导下，联系城市中各物理要素以及城市景观环境的总和，一般以空间的形式展现。立体慢行空间则是包括地下、地面以及空中的三维慢行空间，具有可达性的特点，能够最大限度地缓解城市地面所承载的压力。站点及周边的立体慢行空间是TOD地区的重要功能辅助空间之一，其规划设计会影响TOD地区的开发成果。

相关技术中，缺乏准确评价TOD站点及周边的立体慢行空间的规划方案合理性的方法。

为了解决该问题，本申请提出了一种TOD立体慢行空间的行人出行仿真模拟方法，能够模拟TOD立体慢行空间的运行情况，准确评价TOD立体慢行空间的规划方案。下面将通过具体的实施例对本申请所提出的确定方法进行说明。

本申请实施例提供的TOD立体慢行空间的行人出行仿真模拟方法可以应用于手机、平板电脑、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等电子设备上，本申请实施例对电子设备的具体类型不作任何限制。

为了说明本申请所提出的技术方案，下面将以电子设备作为执行主体对各个实施例进行说明。

图1示出了本申请提供的TOD立体慢行空间的行人出行仿真模拟方法的示意性流程图，该TOD立体慢行空间的行人出行仿真模拟方法包括：

步骤110、根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型。

对于任一TOD立体慢行空间，在确定其有评估的必要性时，即可根据其规划方案，先在目标区域内构建出对应的物理模型。该物理模型有助于后续实现行人出行仿真模拟，从而准确评估该规划方案的合理性。

参阅图2，该物理模型包括各慢行空间，以及连接各慢行空间的慢行设施。慢行空间是面向行人的服务空间，例如街道以及地下通道等。不同的慢行空间，其对应不同的空间属性，例如有交通信号等的慢行空间，行人需等待绿灯点亮后才可同行。

步骤120、确定物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集。

为了探究物理模型中各客流流线的拥堵情况，可以先确定出物理模型中的起终点。可以理解，起终点指的是起点的空间位置及终点的空间位置，为了描述简洁，后续将起终点来指代起点的空间位置及终点的空间位置。

不同的出行类型，其起终点有所不同，为了真实反映所有的起终点，可以先划分出行类型，而后基于划分得到的各出行类型确定所有的起终点空间位置对。其中，出行类型可以根据出行需求划分，例如可划分为三类：进站、出站以及换乘。

对于不同的出行类型，除了起终点不同，出行过程中，时间信息也有所区别。例如进站这一出行类型，其除了步行时间外，还包括上车时间和等车时间；而对于出站这一出行类型，其除了步行时间外，还包括下车时间。对于有区别的时间信息，可记作指定的时间信息。根据各出行类型的起终点空间位置对以及指定的时间信息，即可生成相应的数据集，该数据集可记作起终点数据集。

步骤130、根据起终点数据集、预先确定的行人出行特征、各慢行空间以及各慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集。

对于不同的行人，在选择出行路径时，可能会受到诸多因素的影响。例如可能会受到自身属性、慢行空间的空间属性以及步行设施的设施属性等因素影响，使得不同的行人对出行路径的选择偏好呈现出差异化的特征。为了能够尽可能地还原现实生活中行人的出行特征，可以根据影响力较大的因素生成行人的出行属性数据集，以提高行人出行仿真模拟结果的准确性。

在本申请实施例中，影响力较大的因素可包括起终点数据集、行人出行特征、各慢行空间以及慢行设施。基于这几个因素可以确定所有行人的出行属性，生成出行属性数据集。

步骤140、将物理模型以及出行属性数据集输入预先构建的行人出行的仿真模型中，模拟预设时间段内各慢行空间和各慢行设施的运行，得到物理模型对应的行人出行仿真模拟结果。

预先构建的行人出行的仿真模型，可根据接收到的出行属性数据集模仿真实行人在物理模型中的出行特征，模拟预设时间段内各慢行空间和各慢行设施的运行，以得到物理模型所对应的行人出行仿真模拟结果。该行人出行仿真模拟结果可以包括指定时刻下每个慢行空间截面的通行行人规模、空间占用面积、步行速度、行人流率、空间饱和度等各项数据，可用于准确评估TOD立体慢行空间的规划方案的合理性。

在一些实施例中，可以将行人出行仿真模拟结果可视化，以提升TOD立体慢行空间的规划方案的评估效率。仅作为示例，行人出行仿真模拟结果的可视化效果可参阅图3。

当然，还可以将行人出行仿真模拟结果以列表的形式呈现。仅作为示例，行人出行仿真模拟结果的列表可参阅图4。

本申请实施例中，通过构建TOD立体慢行空间的物理模型，为行人提供出行环境，而后通过构建行人出行属性数据集，差异化不同行人的出行特征，使得行人的出行特征更贴合现实生活，有助于行人出行仿真模拟结果。将物理模型和行人出行属性数据集输入预先构建好的行人出行的仿真模型中，即可模拟预设时间段内各慢行空间和各慢行设施的运行，得到物理模型所对应的行人出行仿真模拟结果，从而准确评价TOD立体慢行空间的规划方案。

在一些实施例中，物理模型可以通过以下步骤构建：

步骤111、将规划方案中的规划设计范围确定为目标区域。

为了提高物理模型构建的准确性，可以将该规划设计范围确定构建物理模型的目标区域。由步骤110的描述可知，并未限定TOD立体慢行空间的建设状态，即TOD立体慢行空间可以是已经建成的状态，也可以是TOD即将规划建设的未建成的状态。对于未建成的TOD立体慢行空间，其规划设计范围可以是规划设计阶段TOD立体慢行空间的预估服务范围；而对于已建成的TOD立体慢行空间，其规划设计范围不仅可以是规划设计阶段的预估服务范围，还可以是TOD立体慢行空间的实际服务范围。

其中，TOD立体慢行空间的实际服务范围可以通过调研确定，该实际服务范围一般由TOD站点内部空间、周边地块及周边的建筑物和/或构筑物组成。

步骤112、在目标区域内，根据规划方案中的各物理要素及各物理要素之间的位置关系构建各慢行空间。

在确定好目标区域后，便可以在目标区域内构建物理模型。物理模型主要包括各慢行空间和连接各慢行空间的慢行设施。其中，各慢行空间可由各物理要素组合得到。基于此，可以根据规划方案中的各物理要素和各物理要素之间的位置关系来构建各慢行空间。

其中，各物理要素包括公共交通站点、交通工具、各类建筑物和/或构筑物、各类建筑物和/或构筑物内的商铺以及购票设施等。通过这些物理要素的组合，便可以得到不同的慢行空间。每个慢行空间对应的空间属性和组成该慢行空间的各物理要素息息相关。

仅作为示例，参阅图5，图5示出了由建筑物和/或构筑物组合形成的慢行空间，该慢行空间主要包括地面层的人行到和地下层的地下通道。如果组成这类慢行空间的建筑物和/或构筑物不具有服务功能，那么正常情况下，该类慢行空间不会对行人的出行产生影响；但如果组成这类慢行空间的建筑物和/或构筑物具有服务功能，例如该类慢行空间由商铺组成，鉴于商铺会吸引部分行人停驻，那么在正常情况下，可以根据该类慢行空间内的商业规模设置行人停留时间，该停驻时间的取值范围可以5s～30s。

也就是说，对于每个慢行空间，可以根据组成该慢行空间的各物理要素确定该慢行空间的空间属性，以提高行人出行仿真模拟结果的准确性。

步骤113、基于规划方案及各慢行空间对应的空间属性生成慢行设施，以构建物理模型。

各个慢行空间可通过慢行设施连接。在构建得到各慢行空间后，便可以根据各慢行空间对应的空间属性，确定相邻的每两个慢行空间之间的慢行设施，以构建得到物理模型。

其中，慢行设施可以包括地面层的过街设施、通行设施和垂直移动设施。具体地，过街设施可以包括天桥、建筑的车行入口以及过街等候区的交通信号灯；通行设施包括站点内的安检设施和刷卡进出站的闸机等；垂直移动设施包括步行楼梯、自动扶梯及垂直电梯等。

不同的慢行设施，其具备不同的设施属性。上述三类慢行设施的设施属性可以如下：

过街设施的设施属性：天桥有上下楼梯，设定行人在上下楼梯时，出行速度变慢；车行出入口车辆进出对行人的干扰，故此可以在车行出入口模拟出入车辆(随机)，当出现车辆后，行人需等待车辆通过，再通过该车行出入口，可以理解，该情形下，可设定行人等待时间＝车辆通行时间，并设定行人在通行时间内的步行速度加快；对于设置有过街交通信号灯的过街路段，可以模拟过街交通信号灯的变换，并在不同颜色的过街交通信号灯点亮后，模拟车辆的行车；该情形下，可根据过街交通信号灯的变化设定行人等待时间，并设定通行时间内的步行速度加快；且随着等待时间的增加，当超过设定的阈值时，用户可以根据所处位置的周边的可通行路径调整过街策略。

通行设施的设施属性：行人通过该类慢行设施时，通行速度变慢；鉴于存在排队的可能性，因此还可以设定相应的排队策略。

垂直移动设施的设施属性：该类慢行设施对行人的容纳量有限制，且存在等待和排队的可能性，因此可以设置容纳量、等待时间以及相应的排队策略。

在本申请实施例中，先确定构建物理模型的目标区域，并在目标区域内现根据各物理要素生成各个慢行空间，而后基于各慢行空间的空间要素生成连接各慢行空间的各慢行设施。其中，不论是慢行空间还是慢行设施，均属于行人通行的物质环境，会对行人的出行带来不同程度的影响；基于此，为了能够尽可能地还原现实生活中TOD立体慢行空间对行人出行的影响，可以对不同的慢行空间设定不同的空间属性，对不同的慢行设施设定不同的设施属性，从而使得行人的出行特征更贴近现实生活，进而有助于提升行人出行仿真模拟结果的准确性。

在一些实施例中，在构建物理模型时，各物理要素和慢行设施均可基于计算机辅助设计(Computer Aided Design，CAD)软件绘制。相应地，TOD立体慢行空间可以绘制为相应的CAD图。对于该CAD图中的各慢行空间的空间属性以及各慢行设施的设施属性，可以通过仿真模拟软件AnyLogic来实现标记描述。

在一些实施例中，为了生成准确度较高的起终点数据集，可通过以下步骤生成起终点数据集：

步骤121、基于目标区域内交通工具的停靠点和物理模型确定各出行类型的起终点空间位置对。

以进站、出站以及换乘三种出行类型为例，对于三种出行类型的起终点空间位置对可以通过以下步骤确定：

进站：从目标区域内的各建筑出入口到达站内交通工具停靠点搭乘交通工具的过程；在该过程中，行人可选取最短路径经过慢行空间和慢行设施，到达离交通工具最近的停靠站，并在停靠站的停靠点搭乘交通工具离开，以结束该进站流程。其中，进站流程起始点为建筑出入口，终点为交通工具停靠点，也就是说，建筑物出入口-交通工具停靠点即为一个起终点空间位置对。可以理解，建筑物有多个出入口，交通工具停靠站有多个停靠点可上车，两者的相互组合，即可产生多个进站类型的起终点空间位置对。

出站：从交通工具离开到达目标区域内的各建筑出入口的过程。在该过程中，行人可根据交通工具到达、停车和驶出的时间离开交通工具，选取最短路径经过过街设施或地下通道，到达各建筑出入口，以结束该进站流程。其中，进站流程起始点为交通工具停靠点，终点为建筑物出入口，也就是说，交通工具停靠点-建筑物出入口即为一个起终点空间位置对。与进站同理，出站也对应多个起终点空间位置对。

换乘：从一交通工具停靠点下车达到另一交通工具停靠点上车的过程。为了便于说明，以两地铁列车之间的换乘为例，其中，换乘可包括站内换乘和出站换乘。对于站内换乘，行人可根据列车到达、停车和驶出的时间下车，选取最短路径经过站内通道，到另一地铁路线的列车停靠点进行换乘。对于出站换乘，行人可根据列车到达、停车和驶出的时间下车出站，选取最短路径进站，到达另一列车的停靠点。如果是从地铁换到其它交通工具，例如从地铁换乘至公交或者轻轨等，行人可根据列车到达、停车和驶出的时间下车出站，去往距离最近的其它交通工具的停靠站，并在该停靠站的相应停靠点上车。

也就是说换乘可以包括目标区域内各类公共交通站点之间的换乘，换乘流程的起始点为一种交通工具的停靠点，终点为另一种交通工具的停靠点。起始点和终点的两种交通工具可以相同，也可以不同，具体地根据目标区域内的交通站点确定。

通过上述步骤，可以确定出每种出行类型所对应的起终点空间位置对。可以理解，如果交通工具的可搭乘位置和可离开位置不相同，那么交通工具停靠点可包括搭乘停靠点以及离开停靠点。对于该情形，各出行类型所对应的起终点空间位置对中，交通工具停靠点应当根据相应需求(搭乘或离开)具体细化为搭乘停靠点以及离开停靠点，从而提高起终点空间位置对确定的准确性。

步骤122、根据交通工具的实际行驶数据，模拟交通工具停靠行为，确定指定的时间信息。

为了便于说明，交通工具以地铁列车为例进行说明。

在步骤121中进站流程的终点(上车)、出站流程的起始点(下车)、换乘流程的起始点(下车)及终点(上车)行人上下车行为存在时间限制，其取决于列车运行情况。为完善121步骤中各出行类型的上下车行为，可依据列车实际行驶数据，模拟列车的停靠行为；也即可以通过获取列车的实际行驶数据，模拟列车的停靠行为确定指定的时间信息。在本申请实施例中，指定的时间信息包括上车、下车以及等待所对应的时间信息。

其中，列车的停靠行为的定义如下：列车到站后，释放出站或换乘的行人，此时出站或换乘的行人开始行程；列车停靠时间内，进站或换乘的行人上车，此时进站或换乘行人结束行程；列车到站间隔时间内，行人不可上下车，应于停靠位置的固定等候区候车，等待下一趟列车到站。

为了获取各类出行类型的上下车及等待的时间信息，可输入运行列车的实际行驶数据，对列车运行进行仿真。

列车的实际行驶数据的示例可参见表1：

表1列车的实际行驶数据

站点名称

列车方向

首班车到达时间

停靠时间

到达间隔时间

停靠位置

车厢数

XXX

TO A

6:47:58

X分钟

12分钟

X站台

11

XXX

TO B

6:38:56

X分钟

8分钟

X站台

11

XXX

TO C

6:04:13

X分钟

6分钟

X站台

11

步骤123、基于起终点空间位置对以及指定的时间信息生成起终点数据集。

在确定出各出行类型的起终点空间位置对以及指定的时间信息后，便可以根据生成起终点数据集。仅作为示例，起终点数据集＝{建筑出入口(名称，位置)；交通工具停靠公共交通站点(名称，位置，时间)}。

在一些实施例中，对于相同的起终点空间位置对，不同的行人，其所选取的出行路径不尽相同。这是因为行人对出行路径的选择通常受出行时间成本、年龄以及出行目的等因素影响。为了能够尽可能地还原现实生后中不同行人的出行特征，本申请实施例将目标区域内行人的出行特征转化为出行属性数据集。

该出行属性数据集包括起终点空间位置对、出行规模、行人出行特征、出行速度以及路径选择偏好；出行规模为预设时间段内，行人在所有起终点空间位置对间出行的规模；出行规模基于TOD立体慢行空间的建设情况、实际运行情况以及规划要求确定；出行速度以及路径选择偏好根据行人出行特征、各慢行空间及各慢行设施确定。

在一些实施例中，为了准确确定出行规模，可先根据TOD立体慢行空间的建设情况、实际运行情况以及规划要求进行分类，而分别确定不同分类下行人的出行规模。

仅作为示例，可以将划分TOD立体慢行空间为三类，分别为第一类、第二类以及第三类，针对每个类型的定义以及该类型下行人规模的确定方法，参见下述描述：

第一类，TOD立体慢行空间已建设完成并已运行一段时间，规划要求为不改变TOD立体慢行空间内的站点及路线。鉴于无需改变站点及路线，那么此时历史客流数据可作为出行规模的确定依据，以便于对各慢行空间进行设计改造。具体地，可依据目标区域内的建筑开发量，将各公共交通站点的高峰时段内的历史上下车客流分配至所有起终点，计算所有起终点间行人的出行规模；或依据现场调研直接确定各起终点间行人的出行规模。

第二类，TOD立体慢行空间已建设完成并已运行一段时间，规划要求为改变TOD立体慢行空间内的站点及路线。鉴于可改变站点及路线，那么此时历史客流数据不可直接作为出行规模的确定依据。该情况下，可根据目标区域内新增或减少的站点或线路对出行规模所产生的影响预测行人出行情况，从而确定高峰时段所有起终点间的行人出行规模。

第三类，TOD立体慢行空间未建设或者已完成建设但未运行。鉴于该类型没有历史客流数据，因此可以根据目标区域内各公共交通路线连接的区域外的行人的出行规模进行预测，以预估高峰时段所有其中点间的行人出行规模。

在一些实施例中，行人出行特性是影响出行速度以及路径选择偏好的重要因素，故此，为了提高行人出行仿真模拟结果的准确性，可以先确定行人出行特征。经过对历史客流数据的调研，可确定高峰时段影响对行人的出行速度以及路径选择偏好影响较大的行人出行特性，例如年龄和出行目的。

在一些实施例中，出行速度包括自主出行速度以及设施出行速度；针对每个行人，其出行速度通过以下步骤确定：

步骤A10、基于行人的年龄、出行目的及慢行空间的运行状态确定自主出行速度。

自主出行速度是行人能够自行决定的出行速度，其与行人出行特征以及慢行空间的运行状态有关。因此，可以根据行人的年龄、出行目的和慢行空间的运行状态来确定自主出行速度。

在一些实施例中，自主出行速度可以细分为第一平均速度和第二平均速度，第一平均速度可以认为是整个出行过程中的平均速度；第二平均速度可以认为是在整个出行过程中，在某些特殊时段内的平均速度。这两个自主出行速度可以通过以下步骤确定：

步骤A11、基于行人的年龄确定行人所属的目标年龄段，不同的年龄段对应不同的速度值。

一般，认为青年人的步行速度相对较快，老年人的步行速度相对较慢。也就是说，对于不同年龄段的行人，其步行能达到的速度值是有区别的。基于此，可以设定不同的年龄段，然后根据该年龄段所对应的人群的步行特征，确定该年龄段所对应的速度值。

其中，对于18岁以上的年龄段，其平均值越大，其对应的速度值越小；18岁以下的年龄段，其平均值越大，其对应的速度值越大。仅作为示例，假定年龄段包括3岁～7岁、8岁～14岁、15岁～18岁、18岁～59岁和60岁以上，这几个年龄段对应的速度值分别为a、b、c、d以及e，其中a＜b＜c；d＞e。

对于行人，要确定其年龄对其第一平均速度的影响，可以先确定其年龄所属的目标年龄段，以便于后续根据年龄段与速度值之间的关系，初步确定第一平均速度。

步骤A12、将目标年龄段对应的速度值确定为第一平均速度。

在确定出目标年龄段后，即可根据该目标年龄段所对应的速度值来确定第一平均速度。

步骤A13、基于出行目的对应的目标优化倍率优化第一平均速度，不同的出行目的对应不同的优化倍率。

可以理解，步骤A12确定出的第一平均速度仅受行人的年龄影响，暂未考虑其他因素。但在现实生活中，第一平均速度不仅可能被行人的年龄影响，还可能被出行目的所影响。故此，为了得到准确率较高的第一平均速度，可以根据出行目的优化第一平均速度。

具体地，不同的出行目的，其可以对应不同的优化倍率。在确定出行人的出行目的后，可以根据出行目的与优化倍率之间的对应关系，确定出目标优化倍率，进而基于该目标优化倍率来优化第一平均速度，使得第一平均速度更贴近现实生活中该类行人在出行过程中的平均出行速度。

仅作为示例，假定出行目的包括上班、购物和其他。上班一般比较赶时间，出行速度相对较快；购物一般时间相对充裕，出行速度相对较慢；而其他则可快可慢，出行速度趋近于平均水平。因此，三个出行目的所对应的优化倍率分别为1.2、0.8以及1。假定步骤A12确定出的第一平均速度为V1，在三种出行目的下，优化后的第一平均速度分别为1.2V1、0.8V1以及V1。

步骤A14、当运行状态异常时，调整优化后的第一平均速度，得到第二平均速度，第二平均速度的持续时长基于运行状态异常的时长确定。

自主出行速度不光包括第一平均速度，还包括某些特殊时间段内的第二平均速度。例如当慢行空间的运行状态异常时，运行状态异常的时间段内，可以调整优化后的第一平均速度，得到第二平均速度。从优化后的第一平均速度调整值第二平均速度，是行人的主观能动性所导致的，通过该调整机制，能让仿真模拟过程中的行人更加人性化。

其中，运行状态指的是慢行空间的即时环境，例如当前时刻下慢行空间截面的通行行人规模和拥挤程度等。运行状态异常指的是慢行空间在未来一段时间段内拥挤程度较高，或需要行人需要适当降低优化后的第一平均速度得到第二平均速度，并在未来一段时间段内以第二平均速度出行。极端情况下，还可能需要行人排队通过慢行空间中的拥堵路段。

步骤A20、针对每个慢行设施，根据相连接的慢行空间的运行状态、行人的年龄、出行目的及慢行设施的设施属性确定慢行设施的设施出行速度。

除了自主出行速度，在行人基于不同的慢行设施出行时，还存在不同的设施出行速度。影响设施出行速度的因素至少包括与慢行设施相连接的慢行空间的运行状态、行人的年龄/出行目的以及慢行设施的设施属性。故此，可以基于这些因素来确定慢行设施的设施出行速度。

在一些实施例中，鉴于影响出行速度的因素较多，为了提高出行速度确定的准确性，除了通过上述方式确定出行速度，还可以通过及其学习或者统计建模的方法来确定出行速度。

具体地，可先设定出行速度为V，V＝f(P，E)，P为行人出行特征，E为慢行空间的空间属性以及慢行设施的设施属性，f是将P和E映射到出行速度的函数。f可以是回归模型，也可以是深度学习模型，通过大量的训练样本对其进行训练，可以得到鲁棒性较高的目标模型。在得到目标模型后，针对每个行人，可以将其P和E输入目标模型中，得到对应的出行速度。

在一些实施例中，出行路径包括慢行空间和慢行设施，基于此，对于路径选择偏好可以包括慢行空间选择偏好以及设施选择偏好，针对每个行人，其慢行空间选择偏好以及设施选择偏好可以通过以下步骤确定：

步骤B10、基于行人的年龄、对应的起终点空间位置对以及慢行空间的运行状态，确定慢行空间选择偏好。

一个起终点空间位置对之间，有多条可供选择的路径，不同的路径所包含的慢行空间有所不同。为了准确确定行人选择可能性最大的出行路径，可以先确定行人的慢行空间选择偏好。慢行空间选择偏好受诸多因素的影响，其中，行人的年龄、对应的起终点以及慢行空间的运行状态是主要的影响因素，故此，可以基于这几个因素来确定慢行空间选择偏好。

在一些实施例中，慢行空间选择偏好包括对慢行空间的第一选择偏好或第二选择偏好，第一选择偏好可以认为是出行过程中的常规的选择偏好；第二选择偏好可以认为是出行过程中特殊时间段内的选择偏好。具体地，第一选择偏好或第二选择偏好具体通过以下步骤确定：

步骤B11、基于行人对应的起终点空间位置对之间的距离确定第一选择偏好，距离与慢行空间的种类数量呈负相关。

起终点空间位置对的位置及距离都会影响第一选择偏好，其中，位置决定了可选择的慢行空间；而距离则影响慢行空间的可选种类。一般认为起始点和终点之间的距离较远，行人会选择有种类较少的慢行空间的出行路径。基于此，可以确定出第一选择偏好。

步骤B12、基于行人的年龄确定行人所属的目标年龄段，不同的年龄段对应不同的空间属性要求。

不同年龄段的行人，对慢行空间的空间属性要求有所不同。例如老年人可能倾向于选择平坦宽敞的人行道。基于此，可以划分出不同的年龄段，然后每个年龄段根据相应人群对慢行空间的空间属性偏好，设定对应的空间属性要求，以便于根据行人的年龄优化第一选择偏好。当然，在根据行人的年龄优化第一选择偏好之前，需要先确定行人的年龄所属的目标年龄段。

步骤B13、基于目标年龄段对应的空间属性要求更新第一选择偏好。暂未考虑其他因素。

可以理解，步骤B11确定出的第一选择偏好，仅受到起终点空间位置对的影响，并未考虑其他因素。但从步骤B12中不难看出，行人的年龄也会对第一选择偏好产生影响。为了提高第一选择偏好的准确性，可以通过行人的年龄所述的目标年龄段所对应的空间属性要求优化第一选择偏好。

步骤B14、当运行状态异常时，调整第一选择偏好，得到第二选择偏好，第二选择偏好的持续时长基于实时状态异常的时长确定。

慢行空间选择偏好不光包括第一选择偏好，还包括某些特殊时间段内的第二选择偏好。例如当慢行空间的运行状态异常时，运行状态异常的时间段内，使得基于优化后的第一选择偏好确定的慢行空间，无法满足行人在当前情况下的需求。为了让仿真模拟过程中的行人更人性化，可以调整第一选择偏好，得到第二选择偏好，并在运行状态异常的时间段内，基于第二选择偏好来确定慢行空间。

步骤B20、根据出行目的、运行状态以及慢行设施的设施属性确定设施选择偏好。

行人可借助慢行设施在不同的慢行空间中转换。相邻的两个慢行空间，其可能通过多个慢行设施连接，为了准确确定行人的出行路径，可以确定慢行设施选择偏好。影响慢行设施选择偏好的因素至少包括出行目的、运行状态以及慢行设施的设施属性确定设施选择偏好，故此可以基于来确定行人的慢行设施选择偏好。

以出行目的为例进行说明，出行目的由弹性出行变为刚性出行时，短距离(200米)步行情景下，步行天桥选择概率大幅下降，空中连廊选择概率小幅下降，地下通道、地面步道为主的步行出行方案使用概率上升；中长距离(400-800米)步行情景下，地下通道的选择概率减少，并随出行距离增加，减少幅度增加，其他三种慢行设施的选择倾向增加。

在一些实施例中，与出行速度相同，鉴于影响路径选择偏好的因素较多，故此，可参见出行速度的确定方式来确定路径选择偏好。具体确定方法详见上述实施例的描述，在此不再赘述。

实际应用场景中，行人出行行为选择过程为：根据出行目的、出行时间短、费用合理、安全可靠、环境舒适等目标，对比各出行方案，选择目标出行方案。同时在出行过程中，对前方路线进行有限的预测，并根据预测结果随时调整出行方案。例如，当行人看见前方排队队伍过长，可选择最近相对空闲的空间进行绕路等。此外，不同年龄、不同出行目的的行人，出行过程中选择的慢行空间也不同，如上学上班人群更倾向于能够快速到达目的地的慢行空间，因此出行路径一般是对应的起终点空间位置对间所有可选路径中距离最短的路径。

为了让仿真模拟中的行人更贴近现实生活场景中的行人，可以综合考虑不同人群的多出行目标、出行偏好等因素来构建行人出行的仿真模型。具体地，该仿真模型可以根据蚁群算法在AnyLogic模型中进行二次开发。

在一些实施例中，仿真模型可以通过以下步骤得到：

构建行人出行慢行空间选择路径。行人出行时会根据出行目标偏好选择不同慢行空间以达到出行目的，当出现不同慢行空间可选项时，行人选择该空间作为路径的概率为：

其中，i、j分别为起点和终点，η_ij为行人出行的多目标函数，τ_ij(t)为时间t时由i到j的信息素强度，allowed_k为尚未经过的慢行空间集合，α、β为两常数。

是当前慢行空间到每一个可能的下一慢行空间的概率。分子是信息素强度和多目标函数的幂乘积，分母是所有分子的和。行人根据概率选择不同的慢行空间路径。

确定多目标函数。行人出行目标决定出行偏好，进而决定基于慢行空间和慢行设施所选择的路径。出行目标包括多种，如最短出行时间、最小拥挤度、最小出行成本、最少慢行空间转换等等，同一行人可能存在多种出行目标，在此将多目标函数融合成一个综合目标函数η_ij。其中，多目标函数由出行属性数据集确定。

设计初始信息素。在初始化阶段，行人根据出行数据和慢行空间属性选择适合的慢行空间，选择初始出行路径方案，此时根据行人出行目标设置初始的信息素强度。例如，对于老年人和残疾人来说，无障碍设施是非常重要的，应该给予更高的信息素强度值。

设计信息素更新规则：在实际应用场景中，行人可根据拥堵及排队等多种情况对道路选择进行重新评估，更新信息素的强度。故此处将行人可见范围内各慢行空间及其运行状况(包括人流量、步行速度、行人流率、空间饱和度)等信息会反馈至行人的出行目标，作为信息素的更新规则，进而更新信息素强度。

重复迭代确定最优解。行人根据当前信息素浓度选择慢行空间，再根据多目标函数评估选择路径，同时更新信息素，进而更新慢行空间选择路径的概率，不断迭代直至此过程到达到设定的停止条件，确定行人的最优慢行空间出行方案。

由此即可得到仿真模型，该仿真模型可以根据接收到物理模型和出行属性数据集，模拟高峰时段物理模型的各慢行空间和慢行设施内行人的出行情况。因该行人出行仿真模拟方法充分考虑了影响行人出行的多种因素，例如年龄、出行目的以及物理模型内各位置的人流量等，能够让模拟过程中的行人更人性化，以充分还原现实生活中行人的出行特性。这样得到的行人出行仿真模拟结果的准确性更高，有助于准确评估TOD立体慢行空间的规划方案的合理性。

参照图6，该TOD立体慢行空间的行人出行仿真模拟装置1包括：

构建模块10，用于根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，物理模型包括各慢行空间及连接各慢行空间的慢行设施，不同的慢行空间对应不同的空间属性；

第一生成模块11，用于确定物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集；

第二生成模块12，用于根据起终点数据集、预先确定的行人出行特征、各慢行空间以及各慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集；

仿真模拟模块13，用于将物理模型以及出行属性数据集输入预先构建的行人出行的仿真模型中，模拟预设时间段内各慢行空间和各慢行设施的运行，得到物理模型对应的行人出行仿真模拟结果。

需要说明的是，上述装置/单元之间的信息交互和执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图7为本申请一实施例提供的电子设备的物理层面的结构示意图。如图7所示，该实施例的电子设备2包括：至少一个处理器20(图7中仅示出一个)、存储器21以及存储在存储器21中并可在至少一个处理器20上运行的计算机程序22，处理器20执行计算机程序22时实现上述任意TOD立体慢行空间的行人出行仿真模拟方法实施例中的步骤，例如图1所示出的步骤110-140。

所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，该处理器20还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器21在一些实施例中可以是电子设备2的内部存储单元，例如电子设备2的硬盘或内存。存储器21在另一些实施例中也可以是电子设备2的外部存储设备，例如电子设备2上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

进一步地，存储器21还可以既包括电子设备2的内部存储单元也包括外部存储设备。存储器21用于存储操作装置、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器21还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，上述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (11)

1.一种TOD立体慢行空间的行人出行仿真模拟方法，其特征在于，包括：

根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，所述物理模型包括各慢行空间及连接各慢行空间的慢行设施，不同的所述慢行空间对应不同的空间属性；

确定所述物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集；

根据所述起终点数据集、预先确定的行人出行特征、各所述慢行空间以及各所述慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集；

将所述物理模型以及所述出行属性数据集输入预先构建的行人出行的仿真模型中，模拟所述预设时间段内各所述慢行空间和各所述慢行设施的运行，得到所述物理模型对应的行人出行仿真模拟结果。

2.如权利要求1所述的行人出行仿真模拟方法，其特征在于，所述在目标区域内构建对应的物理模型，包括：

将所述规划方案中的规划设计范围确定为所述目标区域；

在所述目标区域内，根据所述规划方案中的各物理要素及各所述物理要素之间的位置关系构建各所述慢行空间；

基于所述规划方案及各所述慢行空间对应的所述空间属性生成所述慢行设施，以构建所述物理模型。

3.如权利要求1所述的行人出行仿真模拟方法，其特征在于，所述起终点数据集通过以下步骤生成：

基于所述目标区域内交通工具的停靠点和所述物理模型确定各类出行类型的所述起终点空间位置对；

根据所述交通工具的实际行驶数据，模拟交通工具停靠行为，确定所述指定的时间信息；

基于所述起终点空间位置对以及所述指定的时间信息生成所述起终点数据集。

4.如权利要求1所述的行人出行仿真模拟方法，其特征在于，所述出行属性数据集包括所述起终点空间位置对、出行规模、行人出行特征、出行速度以及路径选择偏好；所述出行规模为所述预设时间段内，行人在所有所述起终点空间位置对间出行的规模；所述出行规模基于所述TOD立体慢行空间的建设情况、实际运行情况以及规划要求确定；所述出行速度以及路径选择偏好根据所述行人出行特征、各所述慢行空间及各所述慢行设施确定。

5.如权利要求4所述的行人出行仿真模拟方法，其特征在于，所述行人出行特征包括年龄和出行目的，所述出行速度包括自主出行速度以及设施出行速度；所述出行速度通过以下步骤确定：

针对每个行人：

基于所述行人的所述年龄、出行目的及所述慢行空间的运行状态确定所述自主出行速度；

针对每个所述慢行设施，根据相连接的所述慢行空间的运行状态、所述行人的所述年龄、所述出行目的及所述慢行设施的设施属性确定所述慢行设施的设施出行速度。

6.如权利要求5所述的行人出行仿真模拟方法，其特征在于，所述自主出行速度包括第一平均速度或第二平均速度；

基于所述行人的所述年龄确定所述行人所属的目标年龄段，不同的年龄段对应不同的速度值；

将所述目标年龄段对应的速度值确定为所述第一平均速度；

基于所述出行目的对应的目标优化倍率优化所述第一平均速度，不同的所述出行目的对应不同的优化倍率；

当所述运行状态异常时，调整优化后的所述第一平均速度，得到所述第二平均速度，所述第二平均速度的持续时长基于所述运行状态异常的时长确定。

7.如权利要求4所述的行人出行仿真模拟方法，其特征在于，所述行人出行特征包括年龄和出行目的，所述路径选择偏好包括慢行空间选择偏好以及设施选择偏好，所述路径选择偏好通过以下步骤确定：

针对每个行人：

基于所述行人的所述年龄、对应的所述起终点空间位置对以及所述慢行空间的运行状态，确定所述慢行空间选择偏好；

根据所述出行目的、所述运行状态以及所述慢行设施的设施属性确定所述设施选择偏好。

8.如权利要求7所述的行人出行仿真模拟方法，其特征在于，所述慢行空间选择偏好包括对所述慢行空间的第一选择偏好或第二选择偏好，所述确定所述慢行空间选择偏好，包括：

基于所述行人对应的所述起终点空间位置对之间的距离确定所述第一选择偏好，所述距离与所述慢行空间的种类数量呈负相关；

基于所述行人的所述年龄确定所述行人所属的目标年龄段，不同的年龄段对应不同的空间属性要求；

基于所述目标年龄段对应的所述空间属性要求更新所述第一选择偏好；

当所述运行状态异常时，调整所述第一选择偏好，得到所述第二选择偏好，所述第二选择偏好的持续时长基于所述实时状态异常的时长确定。

9.一种TOD立体慢行空间的行人出行仿真模拟装置，其特征在于，包括：

构建模块，用于根据TOD立体慢行空间的规划方案，在目标区域内构建对应的物理模型，所述物理模型包括各慢行空间及连接各慢行空间的慢行设施，不同的所述慢行空间对应不同的空间属性；

第一生成模块，用于确定所述物理模型中各出行类型的起终点空间位置对和指定的时间信息，以生成起终点数据集；

第二生成模块，用于根据所述起终点数据集、预先确定的行人出行特征、各所述慢行空间以及各所述慢行设施，确定预设时间段内所有行人的出行属性，以生成出行属性数据集；

仿真模拟模块，用于将所述物理模型以及所述出行属性数据集输入预先构建的行人出行的仿真模型中，模拟所述预设时间段内各所述慢行空间的运行，得到所述物理模型对应的行人出行仿真模拟结果。

10.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的行人出行仿真模拟方法。

11.一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至8任一项所述的行人出行仿真模拟方法。