CN117133130B - 一种机场道路拥堵预测仿真方法及系统 - Google Patents

一种机场道路拥堵预测仿真方法及系统 Download PDF

Info

Publication number
CN117133130B
CN117133130B CN202311395851.6A CN202311395851A CN117133130B CN 117133130 B CN117133130 B CN 117133130B CN 202311395851 A CN202311395851 A CN 202311395851A CN 117133130 B CN117133130 B CN 117133130B
Authority
CN
China
Prior art keywords
simulation
driving
congestion
running
strategy
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
Application number
CN202311395851.6A
Other languages
English (en)
Other versions
CN117133130A (zh
Inventor
彭洪
庄代文
樊长刚
周艳莉
毛伟
文登国
王泽宇
罗逸飞
杜登峰
王达
黄宇航
梁琪琛
邵帅
陈博
潘皓然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Municipal Engineering Design and Research Institute of China
Original Assignee
Southwest Municipal Engineering Design and Research Institute of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Municipal Engineering Design and Research Institute of China filed Critical Southwest Municipal Engineering Design and Research Institute of China
Priority to CN202311395851.6A priority Critical patent/CN117133130B/zh
Publication of CN117133130A publication Critical patent/CN117133130A/zh
Application granted granted Critical
Publication of CN117133130B publication Critical patent/CN117133130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种机场道路拥堵预测仿真方法及系统，可以获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列，基于行驶仿真轨迹序列，以及机场道路仿真车辆的拥堵贡献事件和机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。由此结合机场道路仿真车辆的拥堵贡献事件和机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，提高拥堵预测仿真的准确性。

Description

一种机场道路拥堵预测仿真方法及系统
技术领域
本申请涉及计算机仿真技术领域，具体而言，涉及一种机场道路拥堵预测仿真方法及系统。
背景技术
机场道路拥堵预测仿真是指利用仿真技术模拟机场道路交通状况，分析交通拥堵原因，寻找缓解交通拥堵的方法。道路拥堵仿真可以模拟实际交通状况，包括车辆的行驶速度、行驶路线、道路占有率等参数，通过仿真得出道路拥堵的原因，提出有效的解决措施，为道路交通规划、交通管理提供参考。例如，通过运用多种仿真行驶策略对各机场道路仿真车辆在一个或多个待预测仿真道路进行仿真行驶，从而分析仿真过程中的机场道路交通拥堵，为后续寻找缓解交通拥堵的方法提供理论依据。然而相关技术中的方案，难以保证拥堵预测仿真的准确性。
发明内容
有鉴于此，本申请的目的在于提供一种机场道路拥堵预测仿真方法及系统。
依据本申请的第一方面，提供一种机场道路拥堵预测仿真方法，应用于机场道路拥堵预测仿真系统，所述方法包括：
获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列；所述行驶仿真轨迹序列包含多个行驶仿真轨迹；每个所述行驶仿真轨迹包含一个机场道路仿真车辆通过使用Y个仿真行驶策略行驶一个待预测仿真道路时，所述机场道路仿真车辆针对所述Y个仿真行驶策略的行驶过程数据；Y不大于X；每个所述行驶仿真轨迹对应的行驶拥堵预测仿真数据为第一拥堵预测仿真数据或第二拥堵预测仿真数据，所述第一拥堵预测仿真数据用于反映该行驶仿真轨迹所对应的机场道路仿真车辆具有相对于对应待预测仿真道路的拥堵贡献事件，所述第二拥堵预测仿真数据用于反映该行驶仿真轨迹所对应的机场道路仿真车辆不具有相对于对应待预测仿真道路的拥堵贡献事件；
基于所述行驶仿真轨迹序列，以及所述机场道路仿真车辆的拥堵贡献事件和所述机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据。
在第一方面的一种可能的实施方式中，所述基于所述行驶仿真轨迹序列，以及所述机场道路仿真车辆的拥堵贡献事件和所述机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据的步骤，包括：
基于所述各机场道路仿真车辆分别在所述X个仿真行驶策略的每个仿真行驶策略中针对所述一个或多个待预测仿真道路的行驶变化参数、所述行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定所述X个仿真行驶策略中每个仿真行驶策略分别针对所述一个或多个待预测仿真道路的第一拥堵变化参数；
获取所述各机场道路仿真车辆中的候选仿真车辆，并获取所述各机场道路仿真车辆中所述候选仿真车辆依据所述X个仿真行驶策略实施针对所述一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆；所述候选仿真车辆是指依据其它机场道路仿真车辆发起的针对待预测仿真道路的联动事件对该待预测仿真道路具有拥堵贡献事件的机场道路仿真车辆；
基于所述候选仿真车辆、所述联动仿真车辆及每个所述仿真行驶策略各自对应的行驶变化参数，确定每个所述仿真行驶策略针对所述一个或多个待预测仿真道路的第二拥堵变化参数；
基于每个所述仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据。
在第一方面的一种可能的实施方式中，所述基于所述各机场道路仿真车辆针对所述一个或多个待预测仿真道路的行驶变化参数、所述行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定所述X个仿真行驶策略中每个仿真行驶策略分别针对所述一个或多个待预测仿真道路的第一拥堵变化参数，包括：
基于所述行驶仿真轨迹序列生成仿真行驶状态空间；所述仿真行驶状态空间中的任意一个状态节点表征由一个仿真行驶策略切换到另一个仿真行驶策略的可能性；
从所述行驶仿真轨迹序列中提取对应行驶拥堵预测仿真数据是第一拥堵预测仿真数据的行驶仿真轨迹，输出为第一行驶仿真轨迹；
基于所述仿真行驶状态空间和所述第一行驶仿真轨迹，确定每个所述仿真行驶策略在所述一个或多个待预测仿真道路的拥堵产生流程中的权重系数；
基于每个所述仿真行驶策略各自对应的行驶变化参数和权重系数，确定每个所述仿真行驶策略各自对应的第一拥堵变化参数。
在第一方面的一种可能的实施方式中，所述基于所述行驶仿真轨迹序列生成仿真行驶状态空间，包括：
获取状态节点数值初始化的基础状态空间；所述基础状态空间包括W行H列，所述基础状态空间中包含状态节点Tm，T不大于W，m不大于H，第W行对应所述X个仿真行驶策略中的第一仿真行驶策略，第H列对应所述X个仿真行驶策略中的第二仿真行驶策略，状态节点Tm用于反映由所述第一仿真行驶策略切换到第二仿真行驶策略的可能性；
获取所述行驶仿真轨迹序列中匹配所述第一仿真行驶策略的行驶仿真轨迹，输出为第二行驶仿真轨迹；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述X个仿真行驶策略的其它仿真行驶策略的第一切换频次；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述第二仿真行驶策略的第二切换频次；
基于所述第一切换频次和所述第二切换频次确定所述状态节点Tm的状态节点数值；
将匹配所述状态节点Tm的状态节点数值的基础状态空间输出为所述仿真行驶状态空间。
在第一方面的一种可能的实施方式中，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略；所述基于所述仿真行驶状态空间和所述第一行驶仿真轨迹，确定每个所述仿真行驶策略在所述一个或多个待预测仿真道路的拥堵产生流程中的权重系数，包括：
基于所述第一行驶仿真轨迹确定匹配所述目标仿真行驶策略的行驶仿真轨迹作为目标行驶仿真轨迹；
基于所述仿真行驶状态空间确定所述目标行驶仿真轨迹对应的第一拥堵可能性；
基于所述仿真行驶状态空间确定所述第一行驶仿真轨迹对应的第二拥堵可能性；
基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数。
在第一方面的一种可能的实施方式中，所述基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数，包括：
将所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定为基础权重系数；
基于所述目标行驶仿真轨迹对所述基础权重系数进行规则化转换，生成所述目标仿真行驶策略对应的权重系数。
在第一方面的一种可能的实施方式中，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略，所述候选仿真车辆匹配所述目标仿真行驶策略对应的目标候选仿真车辆；
所述联动仿真车辆包括所述目标候选仿真车辆依据所述目标仿真行驶策略实施联动事件的G级联动仿真车辆，第g级联动仿真车辆与所述目标候选仿真车辆之间的联动层级等于g，该联动层级g反映所述目标候选仿真车辆针对第g级联动仿真车辆的联动事件所传递的联动仿真车辆的数量等于g-1；g不大于G；
所述基于所述候选仿真车辆、所述联动仿真车辆及每个所述仿真行驶策略各自对应的行驶变化参数，确定每个所述仿真行驶策略针对所述一个或多个待预测仿真道路的第二拥堵变化参数，包括：
基于所述第g级联动仿真车辆的联动层级g确定针对所述第g级联动仿真车辆的拥堵影响权重；
基于所述拥堵影响权重和所述目标候选仿真车辆的车辆数量，确定所述第g级联动仿真车辆对应的目标影响数量；
基于所述目标影响数量、所述车辆数量和所述目标仿真行驶策略对应的行驶变化参数，确定所述目标仿真行驶策略对应的第二拥堵变化参数。
在第一方面的一种可能的实施方式中，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略；所述基于每个所述仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据，包括：
将所述目标仿真行驶策略对应的第一拥堵变化参数和第二拥堵变化参数的融合变化参数确定为所述目标仿真行驶策略对应的拥堵仿真参考数据；
所述X个仿真行驶策略各自对应于所述一个或多个待预测仿真道路所在的一个或多个交通规则；
所述方法还包括：
将所述X个仿真行驶策略中对应的拥堵仿真参考数据的拥堵仿真估测数值最小的仿真行驶策略作为针对所述一个或多个待预测仿真道路的建议仿真行驶策略；
将所述一个或多个待预测仿真道路的建议仿真行驶策略进行可视化展示。
依据本申请的第二方面，提供一种机场道路拥堵预测仿真系统，所述机场道路拥堵预测仿真系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该机场道路拥堵预测仿真系统实现前述的机场道路拥堵预测仿真方法。
依据本申请的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的机场道路拥堵预测仿真方法。
依据上述任意一个方面，本申请中，可以获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列；以基于各机场道路仿真车辆分别在X个仿真行驶策略的每个仿真行驶策略中针对一个或多个待预测仿真道路的行驶变化参数、行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定X个仿真行驶策略中每个仿真行驶策略分别针对一个或多个待预测仿真道路的第一拥堵变化参数。还可以获取各机场道路仿真车辆中的候选仿真车辆，并获取各机场道路仿真车辆中候选仿真车辆依据X个仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆；以基于候选仿真车辆、联动仿真车辆及每个仿真行驶策略各自对应的行驶变化参数，确定每个仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数。接着，可以基于每个仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。由此结合机场道路仿真车辆的拥堵贡献事件和机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，提高拥堵预测仿真的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以依据这些附图获得其它相关的附图。
图1本申请实施例所提供的机场道路拥堵预测仿真方法的流程示意图；
图2示出了本申请实施例所提供的用于实现上述的机场道路拥堵预测仿真方法的机场道路拥堵预测仿真系统的组件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将依据本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了依据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中销毁一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。依据本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
图1示出了本申请实施例提供的机场道路拥堵预测仿真方法的流程示意图，应当理解，在其它实施例中，本实施例的机场道路拥堵预测仿真方法其中部分步骤的顺序可以依据实际需要相互共享，或者其中的部分步骤也可以省略或维持。该机场道路拥堵预测仿真方法的详细包括：
步骤S101：获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列。
其中，各机场道路仿真车辆中的机场道路仿真车辆可以是在任意一个待预测仿真道路进行行驶仿真的车辆，可以包括多个不同类型的车辆。
为了确定各个仿真行驶策略对应的拥堵仿真参考数据，以基于该拥堵仿真参考数据进行仿真行驶策略的拥堵预测仿真，可以先获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列。其中，该行驶仿真轨迹序列可以包含多个行驶仿真轨迹；每个行驶仿真轨迹可以包含一个机场道路仿真车辆通过使用Y个仿真行驶策略行驶一个待预测仿真道路时，该机场道路仿真车辆针对Y个仿真行驶策略的行驶过程数据；X和Y为正整数，且Y不大于X；每个行驶仿真轨迹对应的行驶拥堵预测仿真数据可以包括第一拥堵预测仿真数据或第二拥堵预测仿真数据，该第一拥堵预测仿真数据可以表征该行驶仿真轨迹所对应的机场道路仿真车辆具有相对于对应待预测仿真道路的拥堵贡献事件，该第二拥堵预测仿真数据可以表征该行驶仿真轨迹所对应的机场道路仿真车辆不具有相对于对应待预测仿真道路的拥堵贡献事件。
例如，X个仿真行驶策略可以包括仿真行驶策略1、仿真行驶策略2和仿真行驶策略3，机场道路仿真车辆1(任意一个机场道路仿真车辆)首先通过使用仿真行驶策略1行驶了待预测仿真道路1(任意一个待预测仿真道路)，接着，又通过仿真行驶策略2行驶了待预测仿真道路1。因此，可以得到的一条机场道路仿真车辆1针对待预测仿真道路1的行驶仿真轨迹是：仿真行驶策略1的行驶过程数据->仿真行驶策略2的行驶过程数据。
在确定机场道路仿真车辆之后，可以进一步确定该机场道路仿真车辆行驶待预测仿真道路所使用的所有仿真行驶策略，这些仿真行驶策略的数量可以为Y。在确定这些仿真行驶策略后，再基于使用这Y个仿真行驶策略对应的使用时间段，确定该机场道路仿真车辆行驶一个待预测仿真道路的行驶仿真轨迹，该行驶仿真轨迹可以表征具有时序的仿真行驶策略使用情况。例如，假设X个仿真行驶策略包括仿真行驶策略1、仿真行驶策略2、…、仿真行驶策略X，如某一行驶仿真轨迹可以是：仿真行驶策略3->仿真行驶策略2->仿真行驶策略3->仿真行驶策略1，又如某一行驶仿真轨迹可以是：仿真行驶策略2->仿真行驶策略1->仿真行驶策略3。这些行驶仿真轨迹表征了机场道路仿真车辆行驶待预测仿真道路时，使用各个仿真行驶策略对应的次序。
其中，针对每个行驶仿真轨迹而言，该行驶仿真轨迹具有的拥堵预测仿真数据包括第一拥堵预测仿真数据或第二拥堵预测仿真数据，该拥堵预测仿真数据可以结合行驶仿真轨迹所包括的末尾仿真行驶策略的使用情况确定。例如，若机场道路仿真车辆在行驶仿真轨迹中所包括的末尾仿真行驶策略相对于对应待预测仿真道路具有拥堵贡献事件，则表示该行驶仿真轨迹具有第一拥堵预测仿真数据；若机场道路仿真车辆在行驶仿真轨迹中所包括的末尾仿真行驶策略相对于对应待预测仿真道路不具有拥堵贡献事件，则表示该行驶仿真轨迹具有第二拥堵预测仿真数据。例如，针对行驶仿真轨迹：仿真行驶策略2->仿真行驶策略1->仿真行驶策略3，若机场道路仿真车辆在仿真行驶策略3相对于对应待预测仿真道路具有拥堵贡献事件，则表示该行驶仿真轨迹具有第一拥堵预测仿真数据；若机场道路仿真车辆在仿真行驶策略3相对于对应待预测仿真道路不具有拥堵贡献事件，则表示该行驶仿真轨迹具有第二拥堵预测仿真数据。
步骤S102：基于各机场道路仿真车辆分别在X个仿真行驶策略的每个仿真行驶策略中针对一个或多个待预测仿真道路的行驶变化参数、行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定X个仿真行驶策略中每个仿真行驶策略分别针对一个或多个待预测仿真道路的第一拥堵变化参数。
一种可替代的实施例中，可以先基于行驶仿真轨迹序列确定X个仿真行驶策略中每个仿真行驶策略分别针对一个或多个待预测仿真道路的第一拥堵变化参数。其中，X个仿真行驶策略中的任意一个仿真行驶策略可以表示为目标仿真行驶策略，针对该目标仿真行驶策略而言，该目标仿真行驶策略对应的第一拥堵变化参数可以是指各机场道路仿真车辆依据该目标仿真行驶策略行驶一个或多个待预测仿真道路后进行拥堵贡献事件所产生的拥堵变化值。例如，针对该目标仿真行驶策略，可以基于各机场道路仿真车辆在该目标仿真行驶策略中针对一个或多个待预测仿真道路的行驶变化参数、行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据来确定。
一种可替代的实施例中，首先，可以基于行驶仿真轨迹序列生成仿真行驶状态空间，该仿真行驶状态空间中的任意一个状态节点可以表征由一个仿真行驶策略切换到另一个仿真行驶策略的可能性。还可以从行驶仿真轨迹序列中提取对应行驶拥堵预测仿真数据是第一拥堵预测仿真数据的行驶仿真轨迹，输出为第一行驶仿真轨迹。在得到仿真行驶状态空间和第一行驶仿真轨迹之后，可以基于该仿真行驶状态空间和该第一行驶仿真轨迹，确定目标仿真行驶策略在一个或多个待预测仿真道路的拥堵产生流程中的权重系数。在此基础上，获取该目标仿真行驶策略对应的行驶变化参数，该行驶变化参数可以是指：设定时段内各机场道路仿真车辆通过该目标仿真行驶策略对一个或多个待预测仿真道路具有拥堵贡献事件所产生的拥堵变化值。由此获取到该行驶变化参数后，可以基于该目标仿真行驶策略对应的行驶变化参数以及权重系数，确定该目标仿真行驶策略对应的第一拥堵变化参数。
步骤S103：获取各机场道路仿真车辆中的候选仿真车辆，并获取各机场道路仿真车辆中候选仿真车辆依据X个仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆。
其中，候选仿真车辆可以是指：依据其它机场道路仿真车辆发起的针对待预测仿真道路的联动事件对该待预测仿真道路具有拥堵贡献事件的机场道路仿真车辆。例如，各机场道路仿真车辆中包括机场道路仿真车辆1和机场道路仿真车辆2，机场道路仿真车辆1针对一个待预测仿真道路向机场道路仿真车辆2发起联动事件，且该机场道路仿真车辆2针对该待预测仿真道路具有拥堵贡献事件，则该机场道路仿真车辆2可以作为候选仿真车辆。
一种可替代的实施例中，各机场道路仿真车辆中的候选仿真车辆可以包括针对X个仿真行驶策略中每一个仿真行驶策略对应的候选仿真车辆。针对X个仿真行驶策略中的目标仿真行驶策略，该目标仿真行驶策略对应的候选仿真车辆可以是指：依据其它机场道路仿真车辆通过该目标仿真行驶策略所发起的针对待预测仿真道路的联动事件对该待预测仿真道路具有拥堵贡献事件的机场道路仿真车辆。例如，机场道路仿真车辆1通过目标仿真行驶策略针对一个待预测仿真道路向机场道路仿真车辆2发起联动事件，且该机场道路仿真车辆2针对该待预测仿真道路具有拥堵贡献事件，则该机场道路仿真车辆2可以作为该目标仿真行驶策略对应的候选仿真车辆。
在获取到各机场道路仿真车辆中的候选仿真车辆后，可以获取联动仿真车辆，从而可以基于该候选仿真车辆和联动仿真车辆确定每个仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数。其中，可以将各机场道路仿真车辆中候选仿真车辆依据X个仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆。并且，联动仿真车辆也可以包括针对X个仿真行驶策略中每一个仿真行驶策略对应的联动仿真车辆，则针对X个仿真行驶策略中的目标仿真行驶策略而言，该目标仿真行驶策略对应的联动仿真车辆可以是指：候选仿真车辆依据目标仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，此处的候选仿真车辆可以是指该目标仿真行驶策略对应的候选仿真车辆。例如，假设机场道路仿真车辆2为目标仿真行驶策略对应的候选仿真车辆，若该机场道路仿真车辆2通过目标仿真行驶策略向机场道路仿真车辆3发起针对待预测仿真道路的联动事件，则该机场道路仿真车辆3可以作为目标仿真行驶策略对应的联动仿真车辆。
步骤S104：基于候选仿真车辆、联动仿真车辆及每个仿真行驶策略各自对应的行驶变化参数，确定每个仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数。
下面以X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略为例进行具体说明。
一种可替代的实施例中，联动仿真车辆可以包含目标候选仿真车辆依据目标仿真行驶策略实施联动事件的G级联动仿真车辆。其中，第g级联动仿真车辆与目标候选仿真车辆之间的联动层级等于g，该联动层级g可以反映目标候选仿真车辆针对第g级联动仿真车辆的联动事件所传递的联动仿真车辆的数量等于g-1；G和g为正整数且g不大于G；目标候选仿真车辆可以包括：目标仿真行驶策略对应的候选仿真车辆。
一种可替代的实施例中，针对目标仿真行驶策略而言，可以基于该目标仿真行驶策略对应的目标候选仿真车辆、目标候选仿真车辆对应的联动仿真车辆及目标仿真行驶策略对应的行驶变化参数，确定该目标仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数，包括：
基于第g级联动仿真车辆的联动层级g确定针对第g级联动仿真车辆的拥堵影响权重。基于拥堵影响权重和目标候选仿真车辆的车辆数量，确定第g级联动仿真车辆对应的目标影响数量。例如，第g级联动仿真车辆对应的目标影响数量可以是：第g级联动仿真车辆的拥堵影响权重与目标候选仿真车辆的车辆数量之间的相乘值。
在此基础上，基于联动仿真车辆对应的目标影响数量、目标候选仿真车辆的车辆数量和目标仿真行驶策略对应的行驶变化参数，确定该目标仿真行驶策略对应的第二拥堵变化参数。
步骤S105：基于每个仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。
一种可替代的实施例中，可以基于每个仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。该拥堵仿真参考数据可以用来对各个仿真行驶策略进行拥堵预测仿真，该拥堵仿真参考数据可以与仿真行驶策略的拥堵预测仿真值正相关。
例如，可以将所述X个仿真行驶策略中对应的拥堵仿真参考数据的拥堵仿真估测数值最小的仿真行驶策略作为针对所述一个或多个待预测仿真道路的建议仿真行驶策略，将所述一个或多个待预测仿真道路的建议仿真行驶策略进行可视化展示
基于以上步骤，可以获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列；以基于各机场道路仿真车辆分别在X个仿真行驶策略的每个仿真行驶策略中针对一个或多个待预测仿真道路的行驶变化参数、行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定X个仿真行驶策略中每个仿真行驶策略分别针对一个或多个待预测仿真道路的第一拥堵变化参数。还可以获取各机场道路仿真车辆中的候选仿真车辆，并获取各机场道路仿真车辆中候选仿真车辆依据X个仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆；以基于候选仿真车辆、联动仿真车辆及每个仿真行驶策略各自对应的行驶变化参数，确定每个仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数。进一步的，可以基于每个仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。由此结合机场道路仿真车辆的拥堵贡献事件和机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，提高拥堵预测仿真的准确性。
下面介绍进一步的实施例，包括以下步骤S201-步骤S208：
步骤S201：获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列。
步骤S202：基于行驶仿真轨迹序列生成仿真行驶状态空间。
一种可替代的实施例中，可以基于行驶仿真轨迹序列生成仿真行驶状态空间，该仿真行驶状态空间中的任意一个状态节点可以表征由一个仿真行驶策略切换到另一个仿真行驶策略的可能性。
一种可替代的实施例中，该仿真行驶状态空间的生成步骤包括：
获取状态节点数值初始化的基础状态空间；所述基础状态空间包括W行H列，所述基础状态空间中包含状态节点Tm，T不大于W，m不大于H，第W行对应所述X个仿真行驶策略中的第一仿真行驶策略，第H列对应所述X个仿真行驶策略中的第二仿真行驶策略，状态节点Tm用于反映由所述第一仿真行驶策略切换到第二仿真行驶策略的可能性；
获取所述行驶仿真轨迹序列中匹配所述第一仿真行驶策略的行驶仿真轨迹，输出为第二行驶仿真轨迹；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述X个仿真行驶策略的其它仿真行驶策略的第一切换频次；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述第二仿真行驶策略的第二切换频次；
基于所述第一切换频次和所述第二切换频次确定所述状态节点Tm的状态节点数值；
将匹配所述状态节点Tm的状态节点数值的基础状态空间输出为所述仿真行驶状态空间。
步骤S203：从行驶仿真轨迹序列中提取对应行驶拥堵预测仿真数据是第一拥堵预测仿真数据的行驶仿真轨迹，输出为第一行驶仿真轨迹。
一种可替代的实施例中，第一拥堵预测仿真数据可反映该行驶仿真轨迹所对应的机场道路仿真车辆具有相对于对应待预测仿真道路的拥堵贡献事件，则可以从行驶仿真轨迹序列中提取所有对应行驶拥堵预测仿真数据是第一拥堵预测仿真数据的行驶仿真轨迹，输出为第一行驶仿真轨迹。
步骤S204：基于仿真行驶状态空间和第一行驶仿真轨迹，确定每个仿真行驶策略在一个或多个待预测仿真道路的拥堵产生流程中的权重系数。
例如，可以基于所述第一行驶仿真轨迹确定匹配所述目标仿真行驶策略的行驶仿真轨迹作为目标行驶仿真轨迹，基于所述仿真行驶状态空间确定所述目标行驶仿真轨迹对应的第一拥堵可能性，基于所述仿真行驶状态空间确定所述第一行驶仿真轨迹对应的第二拥堵可能性，基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数。
所述基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数，包括：将所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定为基础权重系数；基于所述目标行驶仿真轨迹对所述基础权重系数进行规则化转换，生成所述目标仿真行驶策略对应的权重系数。
步骤S205：基于每个仿真行驶策略各自对应的行驶变化参数和权重系数，确定每个仿真行驶策略各自对应的第一拥堵变化参数。
步骤S206：获取各机场道路仿真车辆中的候选仿真车辆，并获取各机场道路仿真车辆中候选仿真车辆依据X个仿真行驶策略实施针对一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆。
步骤S207：基于候选仿真车辆、联动仿真车辆及每个仿真行驶策略各自对应的行驶变化参数，确定每个仿真行驶策略针对一个或多个待预测仿真道路的第二拥堵变化参数。
步骤S208：基于每个仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个仿真行驶策略分别针对一个或多个待预测仿真道路的拥堵仿真参考数据。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的机场道路拥堵预测仿真系统100。
对于一个实施例，图2示出了机场道路拥堵预测仿真系统100，该机场道路拥堵预测仿真系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110，和被耦合到控制模块106的网络接口112。
处理器102可包括一个或多个单核或多核处理器，处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一些示例性的设计思路中，机场道路拥堵预测仿真系统100能够作为本申请实施例中所述网关等服务器设备。
一些示例性的设计思路中，机场道路拥堵预测仿真系统100可包括具有指令114的一个或多个计算机可读介质(例如，存储器106或NVM/存储设备108)和与该一个或多个计算机可读介质相融合被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
对于一个实施例，控制模块104可包括任意适当的接口控制器，以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块，以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为机场道路拥堵预测仿真系统100加载和存储数据和/或指令114。对于一个实施例，存储器106可包括任意适当的易失性存储器，例如，适当的DRAM。一些示例性的设计思路中，存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，控制模块104可包括一个或多个输入/输出控制器，以向NVM/存储设备108及(一个或多个)输入/输出设备110提供接口。
例如，NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为机场道路拥堵预测仿真系统100被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
(一个或多个)输入/输出设备110可为机场道路拥堵预测仿真系统100提供接口以与任意其它适当的设备通信，输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为机场道路拥堵预测仿真系统100提供接口以依据一个或多个网络通信，机场道路拥堵预测仿真系统100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入依据通信标准的无线网络，如WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。
对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如，存储器控制器模块)的逻辑加载在一起。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成系统级加载。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，机场道路拥堵预测仿真系统100可以但不限于是：机场道路拥堵预测仿真系统、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，机场道路拥堵预测仿真系统100可具有更多或更少的组件和/或不同的架构。例如，一些示例性的设计思路中，机场道路拥堵预测仿真系统100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种机场道路拥堵预测仿真方法，其特征在于，应用于机场道路拥堵预测仿真系统，所述方法包括：
获取各机场道路仿真车辆依据X个仿真行驶策略行驶在一个或多个待预测仿真道路的行驶仿真轨迹序列；所述行驶仿真轨迹序列包含多个行驶仿真轨迹；每个所述行驶仿真轨迹包含一个机场道路仿真车辆通过使用Y个仿真行驶策略行驶一个待预测仿真道路时，所述机场道路仿真车辆针对所述Y个仿真行驶策略的行驶过程数据；Y不大于X；每个所述行驶仿真轨迹对应的行驶拥堵预测仿真数据为第一拥堵预测仿真数据或第二拥堵预测仿真数据，所述第一拥堵预测仿真数据用于反映该行驶仿真轨迹所对应的机场道路仿真车辆具有相对于对应待预测仿真道路的拥堵贡献事件，所述第二拥堵预测仿真数据用于反映该行驶仿真轨迹所对应的机场道路仿真车辆不具有相对于对应待预测仿真道路的拥堵贡献事件；
基于所述行驶仿真轨迹序列，以及所述机场道路仿真车辆的拥堵贡献事件和所述机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据；
所述基于所述行驶仿真轨迹序列，以及所述机场道路仿真车辆的拥堵贡献事件和所述机场道路仿真车辆的联动事件对各个仿真行驶策略进行拥堵预测仿真，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据的步骤，包括：
基于所述各机场道路仿真车辆分别在所述X个仿真行驶策略的每个仿真行驶策略中针对所述一个或多个待预测仿真道路的行驶变化参数、所述行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定所述X个仿真行驶策略中每个仿真行驶策略分别针对所述一个或多个待预测仿真道路的第一拥堵变化参数，该行驶变化参数是指：设定时
段内各机场道路仿真车辆通过目标仿真行驶策略对一个或多个待预测仿真道路具有拥
堵贡献事件所产生的拥堵变化值；
获取所述各机场道路仿真车辆中的候选仿真车辆，并获取所述各机场道路仿真车辆中所述候选仿真车辆依据所述X个仿真行驶策略实施针对所述一个或多个待预测仿真道路的联动事件的机场道路仿真车辆，作为联动仿真车辆；所述候选仿真车辆是指依据其它机场道路仿真车辆发起的针对待预测仿真道路的联动事件对该待预测仿真道路具有拥堵贡献事件的机场道路仿真车辆；
基于所述候选仿真车辆、所述联动仿真车辆及每个所述仿真行驶策略各自对应的行驶变化参数，确定每个所述仿真行驶策略针对所述一个或多个待预测仿真道路的第二拥堵变化参数；
基于每个所述仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据。
2.根据权利要求1所述的机场道路拥堵预测仿真方法，其特征在于，所述基于所述各机场道路仿真车辆针对所述一个或多个待预测仿真道路的行驶变化参数、所述行驶仿真轨迹序列及每个行驶仿真轨迹各自对应的行驶拥堵预测仿真数据，确定所述X个仿真行驶策略中每个仿真行驶策略分别针对所述一个或多个待预测仿真道路的第一拥堵变化参数，包括：
基于所述行驶仿真轨迹序列生成仿真行驶状态空间；所述仿真行驶状态空间中的任意一个状态节点表征由一个仿真行驶策略切换到另一个仿真行驶策略的可能性；
从所述行驶仿真轨迹序列中提取对应行驶拥堵预测仿真数据是第一拥堵预测仿真数据的行驶仿真轨迹，输出为第一行驶仿真轨迹；
基于所述仿真行驶状态空间和所述第一行驶仿真轨迹，确定每个所述仿真行驶策略在所述一个或多个待预测仿真道路的拥堵产生流程中的权重系数；
基于每个所述仿真行驶策略各自对应的行驶变化参数和权重系数，确定每个所述仿真行驶策略各自对应的第一拥堵变化参数。
3.根据权利要求2所述的机场道路拥堵预测仿真方法，其特征在于，所述基于所述行驶仿真轨迹序列生成仿真行驶状态空间，包括：
获取状态节点数值初始化的基础状态空间；所述基础状态空间包括W行H列，所述基础状态空间中包含状态节点Tm，T不大于W，m不大于H，第W行对应所述X个仿真行驶策略中的第一仿真行驶策略，第H列对应所述X个仿真行驶策略中的第二仿真行驶策略，状态节点Tm用于反映由所述第一仿真行驶策略切换到第二仿真行驶策略的可能性；
获取所述行驶仿真轨迹序列中匹配所述第一仿真行驶策略的行驶仿真轨迹，输出为第二行驶仿真轨迹；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述X个仿真行驶策略的其它仿真行驶策略的第一切换频次；
基于所述第二行驶仿真轨迹确定由所述第一仿真行驶策略切换到到所述第二仿真行驶策略的第二切换频次；
基于所述第一切换频次和所述第二切换频次确定所述状态节点Tm的状态节点数值；
将匹配所述状态节点Tm的状态节点数值的基础状态空间输出为所述仿真行驶状态空间。
4.根据权利要求2所述的机场道路拥堵预测仿真方法，其特征在于，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略；所述基于所述仿真行驶状态空间和所述第一行驶仿真轨迹，确定每个所述仿真行驶策略在所述一个或多个待预测仿真道路的拥堵产生流程中的权重系数，包括：
基于所述第一行驶仿真轨迹确定匹配所述目标仿真行驶策略的行驶仿真轨迹作为目标行驶仿真轨迹；
基于所述仿真行驶状态空间确定所述目标行驶仿真轨迹对应的第一拥堵可能性；
基于所述仿真行驶状态空间确定所述第一行驶仿真轨迹对应的第二拥堵可能性；
基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数。
5.根据权利要求4所述的机场道路拥堵预测仿真方法，其特征在于，所述基于所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定所述目标仿真行驶策略对应的权重系数，包括：
将所述第一拥堵可能性与所述第二拥堵可能性之间的比较系数确定为基础权重系数；
基于所述目标行驶仿真轨迹对所述基础权重系数进行规则化转换，生成所述目标仿真行驶策略对应的权重系数。
6.根据权利要求1所述的机场道路拥堵预测仿真方法，其特征在于，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略，所述候选仿真车辆匹配所述目标仿真行驶策略对应的目标候选仿真车辆；
所述联动仿真车辆包括所述目标候选仿真车辆依据所述目标仿真行驶策略实施联动事件的G级联动仿真车辆，第g级联动仿真车辆与所述目标候选仿真车辆之间的联动层级等于g，该联动层级g反映所述目标候选仿真车辆针对第g级联动仿真车辆的联动事件所传递的联动仿真车辆的数量等于g-1；g不大于G；
所述基于所述候选仿真车辆、所述联动仿真车辆及每个所述仿真行驶策略各自对应的行驶变化参数，确定每个所述仿真行驶策略针对所述一个或多个待预测仿真道路的第二拥堵变化参数，包括：
基于所述第g级联动仿真车辆的联动层级g确定针对所述第g级联动仿真车辆的拥堵影响权重；
基于所述拥堵影响权重和所述目标候选仿真车辆的车辆数量，确定所述第g级联动仿真车辆对应的目标影响数量；
基于所述目标影响数量、所述车辆数量和所述目标仿真行驶策略对应的行驶变化参数，确定所述目标仿真行驶策略对应的第二拥堵变化参数。
7.根据权利要求1所述的机场道路拥堵预测仿真方法，其特征在于，所述X个仿真行驶策略中的任意一个仿真行驶策略表示为目标仿真行驶策略；所述基于每个所述仿真行驶策略各自对应的第一拥堵变化参数和第二拥堵变化参数，确定每个所述仿真行驶策略分别针对所述一个或多个待预测仿真道路的拥堵仿真参考数据，包括：
将所述目标仿真行驶策略对应的第一拥堵变化参数和第二拥堵变化参数的融合变化参数确定为所述目标仿真行驶策略对应的拥堵仿真参考数据；
所述X个仿真行驶策略各自对应于所述一个或多个待预测仿真道路所在的一个或多个交通规则；
所述方法还包括：
将所述X个仿真行驶策略中对应的拥堵仿真参考数据的拥堵仿真估测数值最小的仿真行驶策略作为针对所述一个或多个待预测仿真道路的建议仿真行驶策略；
将所述一个或多个待预测仿真道路的建议仿真行驶策略进行可视化展示。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1-7中任意一项所述的机场道路拥堵预测仿真方法。
9.一种机场道路拥堵预测仿真系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1-7中任意一项所述的机场道路拥堵预测仿真方法。
CN202311395851.6A 2023-10-26 2023-10-26 一种机场道路拥堵预测仿真方法及系统 Active CN117133130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311395851.6A CN117133130B (zh) 2023-10-26 2023-10-26 一种机场道路拥堵预测仿真方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311395851.6A CN117133130B (zh) 2023-10-26 2023-10-26 一种机场道路拥堵预测仿真方法及系统

Publications (2)

Publication Number Publication Date
CN117133130A CN117133130A (zh) 2023-11-28
CN117133130B true CN117133130B (zh) 2024-03-01

Family

ID=88863183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311395851.6A Active CN117133130B (zh) 2023-10-26 2023-10-26 一种机场道路拥堵预测仿真方法及系统

Country Status (1)

Country Link
CN (1) CN117133130B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000054143A1 (en) * 1999-03-08 2000-09-14 Josef Mintz Method and system for mapping traffic congestion
DE102011083677A1 (de) * 2011-09-29 2013-04-04 Bayerische Motoren Werke Aktiengesellschaft Prognose einer Verkehrssituation für ein Fahrzeug
CN110489799A (zh) * 2019-07-18 2019-11-22 讯飞智元信息科技有限公司 交通拥堵仿真处理方法及相关装置
CN110675629A (zh) * 2019-10-08 2020-01-10 苏交科集团股份有限公司 一种基于大数据的高速公路拥堵预测与主动防控方法
CN112863176A (zh) * 2021-01-06 2021-05-28 北京掌行通信息技术有限公司 交通拥堵溯源方法、装置、电子设备及存储介质
CN113808401A (zh) * 2021-09-18 2021-12-17 平安普惠企业管理有限公司 交通拥堵预测方法、装置、设备及存储介质
CN114254567A (zh) * 2021-12-29 2022-03-29 北京博能科技股份有限公司 一种基于Muti-Agent与强化学习的机场融合仿真方法
CN114662253A (zh) * 2022-03-17 2022-06-24 杭州海康威视数字技术股份有限公司 一种仿真建模方法、装置、电子设备及存储介质
CN115100848A (zh) * 2022-05-20 2022-09-23 同济大学 一种地面交通拥堵的出行溯源方法和系统
CN115273488A (zh) * 2022-07-29 2022-11-01 中国市政工程西南设计研究总院有限公司 一种基于行程时间的路段车辆停放判断方法
CN115701609A (zh) * 2021-08-02 2023-02-10 海信集团控股股份有限公司 路况仿真设备及方法
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
CN116543552A (zh) * 2023-04-27 2023-08-04 北京交通大学 基于车路协同的城市主干道缓堵策略仿真评估方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11138349B2 (en) * 2015-12-04 2021-10-05 International Business Machines Corporation System and method for simulating traffic flow distributions with approximated vehicle behavior near intersections
US11651685B2 (en) * 2020-09-23 2023-05-16 International Business Machines Corporation Traffic data analysis and traffic jam prediction

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000054143A1 (en) * 1999-03-08 2000-09-14 Josef Mintz Method and system for mapping traffic congestion
DE102011083677A1 (de) * 2011-09-29 2013-04-04 Bayerische Motoren Werke Aktiengesellschaft Prognose einer Verkehrssituation für ein Fahrzeug
CN110489799A (zh) * 2019-07-18 2019-11-22 讯飞智元信息科技有限公司 交通拥堵仿真处理方法及相关装置
CN110675629A (zh) * 2019-10-08 2020-01-10 苏交科集团股份有限公司 一种基于大数据的高速公路拥堵预测与主动防控方法
CN112863176A (zh) * 2021-01-06 2021-05-28 北京掌行通信息技术有限公司 交通拥堵溯源方法、装置、电子设备及存储介质
CN115701609A (zh) * 2021-08-02 2023-02-10 海信集团控股股份有限公司 路况仿真设备及方法
CN113808401A (zh) * 2021-09-18 2021-12-17 平安普惠企业管理有限公司 交通拥堵预测方法、装置、设备及存储介质
CN114254567A (zh) * 2021-12-29 2022-03-29 北京博能科技股份有限公司 一种基于Muti-Agent与强化学习的机场融合仿真方法
CN114662253A (zh) * 2022-03-17 2022-06-24 杭州海康威视数字技术股份有限公司 一种仿真建模方法、装置、电子设备及存储介质
CN115100848A (zh) * 2022-05-20 2022-09-23 同济大学 一种地面交通拥堵的出行溯源方法和系统
CN115273488A (zh) * 2022-07-29 2022-11-01 中国市政工程西南设计研究总院有限公司 一种基于行程时间的路段车辆停放判断方法
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
CN116543552A (zh) * 2023-04-27 2023-08-04 北京交通大学 基于车路协同的城市主干道缓堵策略仿真评估方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Uncertainty of Traffic Congestion Estimation Using Nationwide Pseudo Trip Data and Agent-Based Simulation;Aayush Tewari等;《2022 IEEE International Conference on Big Data (Big Data)》;3854-3863 *
基于大数据的大中城市交通精准管理模式研究;张莉等;71-75(第5期);71-75 *

Also Published As

Publication number Publication date
CN117133130A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
US10387770B2 (en) Spiking neural network with reduced memory access and reduced in-network bandwidth consumption
US10417555B2 (en) Data-optimized neural network traversal
CN110319845B (zh) 用于确定两点之间的可达路径的方法、装置和系统
CN103140829B (zh) 用于多处理器内核广度优先遍历的方法、装置和系统
US9588906B2 (en) Removing cached data
CN109141911B (zh) 无人车性能测试的控制量的获取方法和装置
CN113191550B (zh) 地图匹配方法及装置
JP5421949B2 (ja) 交通量予測装置、交通量予測方法およびプログラム
CN116594364A (zh) 基于预制菜生产控制系统的优化方法及系统
CN104424294A (zh) 一种信息处理方法及装置
CN117133130B (zh) 一种机场道路拥堵预测仿真方法及系统
US10509748B2 (en) Memory sharing for application offload from host processor to integrated sensor hub
CN116340889A (zh) 基于大数据平台的数据采集方法及系统
CN116797973A (zh) 应用于环卫智慧管理平台的数据挖掘方法及系统
CN111210513A (zh) 信息处理方法、装置、设备和存储介质
CN112560267B (zh) 一种斜坡单元的划分方法、装置、设备和存储介质
US9824028B2 (en) Cache method and cache apparatus
CN111461310A (zh) 处理神经网络模型的神经网络设备、神经网络系统和方法
CN111651520B (zh) 一种缓存架构访问方法、装置、介质和电子设备
CN114889624A (zh) 车速预测方法、装置、设备和存储介质
KR102475564B1 (ko) 동작 전압과 온도 코너를 조정하면서 집적 회로의 소비 전력을 예측하기 위한 방법 및 장치
CN116628231B (zh) 基于大数据平台的任务可视化发布方法及系统
WO2023272662A1 (en) Adaptive object detection
US20230197193A1 (en) Quantum computing techniques for determining gene predictors in gene regulatory networks
CN114904216A (zh) 一种用于虚拟现实跑步机的反馈增强处理方法及系统

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
CB03 Change of inventor or designer information

Inventor after: Peng Hong

Inventor after: Wang Da

Inventor after: Huang Yuhang

Inventor after: Liang Qichen

Inventor after: Shao Shuai

Inventor after: Chen Bo

Inventor after: Pan Haoran

Inventor after: Zhuang Daiwen

Inventor after: Fan Changgang

Inventor after: Zhou Yanli

Inventor after: Mao Wei

Inventor after: Wen Dengguo

Inventor after: Wang Zeyu

Inventor after: Luo Yifei

Inventor after: Du Dengfeng

Inventor before: Peng Hong

Inventor before: Wang Da

Inventor before: Huang Yuhang

Inventor before: Liang Qichen

Inventor before: Shao Shuai

Inventor before: Chen Bo

Inventor before: Pan Haoran

Inventor before: Zhuang Daiwen

Inventor before: Fan Changgang

Inventor before: Zhou Yanli

Inventor before: Mao Wei

Inventor before: Wen Dengguo

Inventor before: Wang Zeyu

Inventor before: Luo Yifei

Inventor before: Du Dengfeng

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant