專利名稱：：中微觀一體化交通仿真車流加載方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及的是一種虛擬仿真
技術(shù)領(lǐng)域：
的方法，具體是一種中微觀一體化交通仿真車流加載方法。
背景技術(shù)：
：交通仿真是復(fù)現(xiàn)交通流時(shí)間空間變化的現(xiàn)代計(jì)算機(jī)技術(shù)，也是通過建立交通系統(tǒng)的數(shù)學(xué)模型來分析復(fù)雜交通現(xiàn)象的一種手段，屬于計(jì)算機(jī)數(shù)字仿真的范疇。交通仿真按仿真模型所描述系統(tǒng)的細(xì)致程度和側(cè)重角度可以分為微觀交通仿真、中觀交通仿真、宏觀交通仿真。宏觀交通仿真著重從全局角度來研究交通系統(tǒng)的特性；中觀交通仿真對(duì)交通流的描述往往以若干輛車構(gòu)成的隊(duì)列為單元，能夠描述隊(duì)列在路段和節(jié)點(diǎn)的流入流出行為；微觀交通仿真對(duì)交通系統(tǒng)的要素及行為的細(xì)節(jié)描述程度很高。例如微觀交通仿真對(duì)交通流的描述是以單個(gè)車輛為基本單元，車輛在道路上的跟車、超車及車道變換等微觀行為都能得到較真實(shí)的反映。結(jié)合上述三類交通仿真的特點(diǎn)，在進(jìn)行交通仿真時(shí)，可將中微觀交通仿真一體化，這樣既能分析微觀層面的排隊(duì)長(zhǎng)度和延誤等詳細(xì)交通狀態(tài)指標(biāo)，又能模擬中觀層面的交通量特性、路徑選擇行為，特別適用于大中型路網(wǎng)的交通仿真。而對(duì)交通仿真而言，生成車流是交通流模擬的第一步，也是至關(guān)重要的一步。任何一個(gè)交通仿真平臺(tái)，都是把發(fā)車作為整個(gè)仿真的起始點(diǎn)。在現(xiàn)實(shí)的交通流中，車輛的到達(dá)是隨機(jī)的，并且到達(dá)車輛的車頭時(shí)距在不同流量情況下符合不同的概率分布。目前，在交通仿真研究中交通流的生成主要是采用操作系統(tǒng)提供的隨機(jī)數(shù)函數(shù)或用單一的概率分布如負(fù)指數(shù)分布來獲取。系統(tǒng)內(nèi)的隨機(jī)數(shù)函數(shù)是一種簡(jiǎn)單的均勻分布，采用某一概率分布的隨機(jī)數(shù)也是在這種均勻分布隨機(jī)數(shù)的基礎(chǔ)上獲得的。經(jīng)過對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，雷斌等人于2005年在計(jì)算機(jī)與數(shù)字工程發(fā)表的“車輛產(chǎn)生仿真模型”；以及鄺先驗(yàn)等人于2006年在江西理工大學(xué)學(xué)報(bào)發(fā)表的“微觀交通仿真車輛隨機(jī)生成模型分析與設(shè)計(jì)”，對(duì)檢索文獻(xiàn)進(jìn)行總結(jié)，現(xiàn)有交通仿真發(fā)車方法主要有兩種，一種方法是在車輛產(chǎn)生處設(shè)定發(fā)車流量，然后在交叉口處設(shè)置車輛駛向各個(gè)方向的轉(zhuǎn)向比例。例如，在Transmodeler中，系統(tǒng)通過矩陣或車輛出行列表來描述網(wǎng)絡(luò)上或起點(diǎn)和終點(diǎn)之間的交通量，用路徑列表或路徑選擇模型來表示車流在路網(wǎng)上的分配。用戶通過設(shè)定轉(zhuǎn)彎處的交通量比例或是通過路徑生成工具人工添加行駛路徑。另一種方法是設(shè)定車輛產(chǎn)生及出現(xiàn)的位置和駛向何處是隨機(jī)的，且每輛車產(chǎn)生時(shí)就決定了它在各個(gè)路口的行駛方向。例如，在Vissim中，用戶用行駛路徑?jīng)Q策模式設(shè)定行駛路徑?jīng)Q策起點(diǎn)和行駛路徑終點(diǎn)來進(jìn)行路徑選擇，仿真運(yùn)行期間，沒有行駛路徑信息的車輛在通過設(shè)定的行駛路徑?jīng)Q策點(diǎn)時(shí)被分配到一條行駛路徑上。上述方法在小規(guī)模微觀交通仿真中具有其實(shí)用價(jià)值，但在大規(guī)模中微觀結(jié)合的交通仿真環(huán)境中存在局限性(1)上述兩種方法難以用于評(píng)估不同的路徑選擇方案；(2)上述兩種方法無法仿真對(duì)特定車輛實(shí)施的路徑誘導(dǎo)；(3)上述兩種方法難以處理突發(fā)性交通事故和擁擠問題；(4)當(dāng)仿真規(guī)模較大時(shí)，發(fā)車點(diǎn)和轉(zhuǎn)向比例的設(shè)置非常繁瑣，并且和中觀及宏觀交通仿真模型結(jié)合較為困難，不太適合于中微觀一體化的交通仿真環(huán)境。
發(fā)明內(nèi)容本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提供一種中微觀一體化交通仿真車流加載方法，通過設(shè)定交通仿真區(qū)域起點(diǎn)和終點(diǎn)，求出最短路徑并通過最小車頭時(shí)距驗(yàn)證，再配合發(fā)車的時(shí)間分布和初始車輛的速度分布，則可以產(chǎn)生供微觀和中觀交通仿真所需的仿真車輛，便于中觀交通仿真向微觀交通仿真過渡的中微觀中微觀一體化交通仿真車流加載方法。本發(fā)明是通過以下技術(shù)方案得以實(shí)現(xiàn)的，本發(fā)明包括以下步驟第一步、獲取交通流量并采用統(tǒng)計(jì)方法檢驗(yàn)樣本車頭時(shí)距是否符合概率分布，若符合概率分布則執(zhí)行第二步，否則重新計(jì)數(shù)；所述的獲取交通流量是指首先確定交通仿真區(qū)域起點(diǎn)和終點(diǎn)，通過計(jì)數(shù)獲得每組起點(diǎn)及其對(duì)應(yīng)終點(diǎn)之間的交通流量，在仿真周期內(nèi)，記錄從每一對(duì)起點(diǎn)至終點(diǎn)所發(fā)車輛的時(shí)間間隔作為樣本車頭時(shí)距作為交通流量；第二步、采用混合線性同余法產(chǎn)生在w，i]上均勻分布的隨機(jī)數(shù)，再依據(jù)每一對(duì)起點(diǎn)和終點(diǎn)之間的交通流量，采用逆變化法產(chǎn)生隨機(jī)變量，作為仿真車頭時(shí)距。所述的隨機(jī)數(shù)的個(gè)數(shù)與起點(diǎn)或終點(diǎn)的個(gè)數(shù)相同；所述的隨機(jī)變量符合每一對(duì)起點(diǎn)和終點(diǎn)間車輛發(fā)出時(shí)間間隔概率分布；第三步、對(duì)仿真車頭時(shí)距進(jìn)行異常值剔除處理，生成虛擬待發(fā)車隊(duì)列、待發(fā)車頭時(shí)距及其仿真車輛；所述的異常值剔除處理是指當(dāng)仿真車頭時(shí)距中的車頭時(shí)距與初始行駛速度不匹配，或；當(dāng)仿真車頭時(shí)距小于下限閾值時(shí)，該仿真車頭時(shí)距為異常并置于虛擬待發(fā)車隊(duì)列中。第四步、利用地理信息系統(tǒng)和全球定位系統(tǒng)獲取仿真區(qū)域的中觀交通網(wǎng)絡(luò)，并以中觀交通網(wǎng)絡(luò)中的道路為邊，交叉口為節(jié)點(diǎn)，以交通網(wǎng)絡(luò)中每個(gè)路段上的平均行程時(shí)間為權(quán)重，采用Floyd方法計(jì)算起點(diǎn)和終點(diǎn)之間的最短路徑，并將每一對(duì)起點(diǎn)和終點(diǎn)之間的最短路徑賦予到這一對(duì)起點(diǎn)和終點(diǎn)之間的車輛上，從而生成中觀行駛路徑圖；第五步、利用中觀交通網(wǎng)絡(luò)中的車道為邊，車道合流和分流處為節(jié)點(diǎn)生成微觀交通網(wǎng)絡(luò)，在車輛已知其中觀行駛路徑前提下，節(jié)點(diǎn)的間距為權(quán)重，采用Floyd方法計(jì)算微觀交通網(wǎng)絡(luò)上每?jī)蓚€(gè)節(jié)點(diǎn)之間的微觀最短路徑，然后判定當(dāng)車輛每進(jìn)入一個(gè)交叉口，則將該交叉口和下一交叉口的微觀最短路徑賦予車輛，從而生成微觀行駛路徑圖。第六步、將中觀行駛路徑圖和微觀行駛路徑圖分別賦予第三步得到仿真車輛，從而使得車流能夠選擇最適宜的車道并能夠沿道路正常運(yùn)行。本發(fā)明引入了宏觀交通仿真中OD矩陣的概念，通過一個(gè)矩陣，同時(shí)描述了路網(wǎng)上的發(fā)車流量和行駛路徑，并提供了一個(gè)中微觀一體化的交通仿真車流加載方法。為評(píng)估不同的路徑選擇方案、仿真對(duì)特定車輛實(shí)施的路徑誘導(dǎo)、處理突發(fā)性交通事故和擁擠問題等提供了基礎(chǔ)框架，并且本發(fā)明便于大規(guī)模的微觀交通仿真，同時(shí)還便于宏觀或中觀交通仿真往微觀交通仿真的過渡。圖1是本發(fā)明的車輛產(chǎn)生流程圖。圖2是本發(fā)明的車頭時(shí)距符合特性分布車輛生成的流程圖。圖3是本發(fā)明的異常車頭時(shí)距判別與處理流程圖。圖4是本發(fā)明的中觀和微觀路徑生成流程圖。圖5是本發(fā)明的中觀車輛行駛路徑示意圖。圖6是本發(fā)明的微觀車輛行駛路徑示意圖。圖7是本發(fā)明的發(fā)車加載演示圖。具體實(shí)施例方式下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。為了更好地理解本實(shí)施例提出的方法，選取上海市長(zhǎng)寧區(qū)某三路交叉口進(jìn)行中微觀一體化的車輛加載仿真分析，可應(yīng)用于不同城市的不同范圍路網(wǎng)。本實(shí)施例要求提供該交叉口的幾何線形，以GIS地圖的形式表現(xiàn)出來，以及在仿真時(shí)間內(nèi)該交叉口各個(gè)進(jìn)口道往其他出口道的交通流量和車輛出現(xiàn)的頻率。如圖1所示，本實(shí)施例包括以下步驟(1)仿真區(qū)域起點(diǎn)和終點(diǎn)間流量及起點(diǎn)和終點(diǎn)上車頭時(shí)距分布調(diào)查因?yàn)槭侨方徊婵?，所以獲得的起點(diǎn)和終點(diǎn)間流量構(gòu)成了三維方陣，其流量單位為輛/小時(shí)，具體流量數(shù)據(jù)如下<table>tableseeoriginaldocumentpage5</column></row><table>在獲取各個(gè)進(jìn)口道往其他出口道交通流量時(shí)，注意交通流中各種類型車輛的構(gòu)成比例，在仿真車輛生成時(shí)，需要將這一比例情況反映出來。將各個(gè)進(jìn)口道的車輛出現(xiàn)頻率，分別和常用的分布形式，如離散型經(jīng)驗(yàn)分布、均勻分布、正態(tài)分布、指數(shù)分布以及厄爾蘭分布等，進(jìn)行統(tǒng)計(jì)檢驗(yàn)，發(fā)現(xiàn)進(jìn)口道1和3的車輛出現(xiàn)符合k階厄爾蘭分布，而進(jìn)口道2車輛的出現(xiàn)符合指數(shù)分布。(2)仿真車頭時(shí)距生成由上述步驟一，可知本實(shí)施例中的三個(gè)進(jìn)口道的車輛出現(xiàn)時(shí)間間隔分別服從k階厄爾蘭分布和指數(shù)分布。如圖2所示，以k階厄爾蘭分布為例，采用逆變換法，可將其概率密度函數(shù)轉(zhuǎn)變?yōu)榉掀浞植嫉碾S機(jī)變量<formula>formulaseeoriginaldocumentpage5</formula>其中k為厄爾蘭分布隨機(jī)變量的階數(shù)，此處可取1；λ為k階厄爾蘭分布隨機(jī)變量均值的倒數(shù)，此處即為交通流量’為(0，1)區(qū)間上均勻分布隨機(jī)數(shù)，可由混合線性余同法產(chǎn)生，由下式得到<formula>formulaseeoriginaldocumentpage6</formula>其中，式中[]表示取整數(shù)，a、c、m均是整數(shù)。a、c、m和X(1的選取對(duì)隨機(jī)數(shù)的周期及其統(tǒng)計(jì)特性有很大影響。由上面公式得到的χ即為各個(gè)進(jìn)口道符合實(shí)際情況的仿真車頭時(shí)距。(3)異常車頭時(shí)距的判別與處理如圖3所示，將步驟2每次發(fā)出的車輛先放入一個(gè)虛擬待發(fā)隊(duì)列中，判斷該車輛的車頭時(shí)距是否大于某一閾值。該閾值可采用實(shí)地觀測(cè)各個(gè)進(jìn)口道的最小車頭時(shí)距。經(jīng)觀測(cè)，進(jìn)口道1、2和3的最小車頭時(shí)距分別為1.2秒，1.5秒和1.1秒。以這三個(gè)值為三個(gè)進(jìn)口道車頭時(shí)距的閾值下限，當(dāng)仿真車輛的車頭時(shí)距大于這一閾值時(shí)，車輛由虛擬待發(fā)隊(duì)列中取出，否則，等到下一個(gè)仿真時(shí)間，將仿真車輛的車頭時(shí)距加上仿真步長(zhǎng)間隔后，再次和閾值下限進(jìn)行比較，一直到仿真車輛的車頭時(shí)距確定大于該進(jìn)口道的閾值下限。從而保證異常車頭時(shí)距不在已經(jīng)出發(fā)的仿真車輛上出現(xiàn)。(4)中觀車輛行駛路徑生成如圖4和圖5所示，以道路為邊，交叉口為節(jié)點(diǎn)，可構(gòu)成中觀交通網(wǎng)絡(luò)。通過調(diào)查可得，進(jìn)口道1、2和3所在道路上的平均行程時(shí)間分別為17.6秒，20.5秒和15.3秒。以平均行程時(shí)間為權(quán)重，采用Flody方法計(jì)算各個(gè)進(jìn)口道之間的最短路徑，在Flody方法中，采用的權(quán)重矩陣為<table>tableseeoriginaldocumentpage6</column></row><table>其算法步驟如下a.初始化。令C=權(quán)重矩陣；對(duì)所有的節(jié)點(diǎn)i和j，令vij=i。b.對(duì)所有的交叉點(diǎn)k，作對(duì)所有的節(jié)點(diǎn)，包括交叉點(diǎn)和PA點(diǎn)i(i興k)，作對(duì)所有的節(jié)點(diǎn)j(j乒i)，k，作若cik+ckj<cij,貝cij=cik+ckj,vij=vkj。c.算法結(jié)束。則可得到各個(gè)進(jìn)口道之間的最短中觀車輛行駛路徑，圖5中綠色路徑即為進(jìn)口道1和2之間的最短中觀車輛行駛路徑。此尋找最短路徑方法適合于任何范圍大小的中觀交通網(wǎng)絡(luò)。(5)微觀車輛行駛路徑生成如圖4和圖6所示，以車道為邊，車道的合流和分流點(diǎn)為節(jié)點(diǎn)，可生成微觀交通網(wǎng)絡(luò)。以車道的長(zhǎng)度為權(quán)重，同樣采用Flody方法，在每一個(gè)中觀車輛行駛路徑下計(jì)算微觀車輛行駛路徑。圖6中灰色路徑即為從進(jìn)口道1往進(jìn)口道2的微觀車輛行駛路徑。從圖5和圖6可以看出，中觀車輛行駛路徑給出了車輛行駛的方向，而微觀車輛行駛路徑具體可指導(dǎo)車輛行駛在合適的車道上。對(duì)于較大規(guī)模的網(wǎng)絡(luò)，采用該方法對(duì)車道進(jìn)行選擇具有較高的效率。(6)交通仿真車流的生成如圖7所示，通過將(4)和(5)生成的中觀和微觀車輛行駛路徑賦予由(1)、(2)和(3)所產(chǎn)生的仿真車輛，使得車輛能夠按照一定的分布、流量和路徑進(jìn)行仿真運(yùn)行。這一仿真結(jié)果，為評(píng)估不同的路徑選擇方案、仿真對(duì)特定車輛實(shí)施的路徑誘導(dǎo)、處理突發(fā)性交通事故和擁擠問題等提供了基礎(chǔ)框架，并且本發(fā)明便于大規(guī)模的微觀交通仿真，同時(shí)還便于宏觀或中觀交通仿真往微觀交通仿真的過渡。權(quán)利要求一種中微觀一體化交通仿真車流加載方法，其特征在于，包括以下步驟第一步、獲取交通流量并采用統(tǒng)計(jì)方法檢驗(yàn)樣本車頭時(shí)距是否符合概率分布，若符合概率分布則執(zhí)行第二步，否則重新計(jì)數(shù)；第二步、采用混合線性同余法產(chǎn)生在上均勻分布的隨機(jī)數(shù)，再依據(jù)每一對(duì)起點(diǎn)和終點(diǎn)之間的交通流量，采用逆變化法產(chǎn)生隨機(jī)變量，作為仿真車頭時(shí)距；第三步、對(duì)仿真車頭時(shí)距進(jìn)行異常值剔除處理，生成虛擬待發(fā)車隊(duì)列、待發(fā)車頭時(shí)距及其仿真車輛；第四步、利用地理信息系統(tǒng)和全球定位系統(tǒng)獲取仿真區(qū)域的中觀交通網(wǎng)絡(luò)，并以中觀交通網(wǎng)絡(luò)中的道路為邊，交叉口為節(jié)點(diǎn)，以交通網(wǎng)絡(luò)中每個(gè)路段上的平均行程時(shí)間為權(quán)重，采用Floyd方法計(jì)算起點(diǎn)和終點(diǎn)之間的最短路徑，并將每一對(duì)起點(diǎn)和終點(diǎn)之間的最短路徑賦予到這一對(duì)起點(diǎn)和終點(diǎn)之間的車輛上，從而生成中觀行駛路徑圖；第五步、利用中觀交通網(wǎng)絡(luò)中的車道為邊，車道合流和分流處為節(jié)點(diǎn)生成微觀交通網(wǎng)絡(luò)，在車輛已知其中觀行駛路徑前提下，節(jié)點(diǎn)的間距為權(quán)重，采用Floyd方法計(jì)算微觀交通網(wǎng)絡(luò)上每?jī)蓚€(gè)節(jié)點(diǎn)之間的微觀最短路徑，然后判定當(dāng)車輛每進(jìn)入一個(gè)交叉口，則將該交叉口和下一交叉口的微觀最短路徑賦予車輛，從而生成微觀行駛路徑圖；第六步、將中觀行駛路徑圖和微觀行駛路徑圖分別賦予第三步得到仿真車輛，從而使得車流能夠選擇最適宜的車道并能夠沿道路正常運(yùn)行。2.根據(jù)權(quán)利要求1所述的中微觀一體化交通仿真車流加載方法，其特征是，所述的獲取交通流量是指首先確定交通仿真區(qū)域起點(diǎn)和終點(diǎn)，通過計(jì)數(shù)獲得每組起點(diǎn)及其對(duì)應(yīng)終點(diǎn)之間的交通流量，在仿真周期內(nèi)，記錄從每一對(duì)起點(diǎn)至終點(diǎn)所發(fā)車輛的時(shí)間間隔作為樣本車頭時(shí)距作為交通流量。3.根據(jù)權(quán)利要求1所述的中微觀一體化交通仿真車流加載方法，其特征是，所述的隨機(jī)數(shù)的個(gè)數(shù)與起點(diǎn)或終點(diǎn)的個(gè)數(shù)相同。4.根據(jù)權(quán)利要求1所述的中微觀一體化交通仿真車流加載方法，其特征是，所述的隨機(jī)變量符合每一對(duì)起點(diǎn)和終點(diǎn)間車輛發(fā)出時(shí)間間隔概率分布。5.根據(jù)權(quán)利要求1所述的中微觀一體化交通仿真車流加載方法，其特征是，所述的異常值剔除處理是指當(dāng)仿真車頭時(shí)距中的車頭時(shí)距與初始行駛速度不匹配，或；當(dāng)仿真車頭時(shí)距小于下限閾值時(shí)，該仿真車頭時(shí)距為異常并置于虛擬待發(fā)車隊(duì)列中。全文摘要一種虛擬仿真
技術(shù)領(lǐng)域：
的中微觀一體化交通仿真車流加載方法，通過設(shè)定交通網(wǎng)絡(luò)中的交通發(fā)生吸引點(diǎn)作為形心點(diǎn)，求出最短路徑并通過最小車頭時(shí)距驗(yàn)證，再配合發(fā)車的時(shí)間分布和初始車輛的速度分布，則可以產(chǎn)生供微觀和中觀交通仿真所需的仿真車輛，便于中觀交通仿真向微觀交通仿真過渡的中微觀中微觀一體化交通仿真車流加載方法。文檔編號(hào)G08G1/00GK101807224SQ20101013051公開日2010年8月18日申請(qǐng)日期2010年3月24日優(yōu)先權(quán)日2010年3月24日發(fā)明者倪安寧,景鵬,雋志才,高林杰申請(qǐng)人:上海交通大學(xué)