專利名稱：一種快速路短時(shí)交通流實(shí)時(shí)預(yù)測(cè)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能交通仿真與預(yù)測(cè)領(lǐng)域。
背景技術(shù)：
及時(shí)、準(zhǔn)確地預(yù)測(cè)未來(lái)短時(shí)間內(nèi)(一般認(rèn)為，不超過(guò)15分鐘，甚至小于5分鐘)的交通流狀況，是制定正確誘導(dǎo)和控制措施的一個(gè)重要前提，也是目前廣泛開(kāi)展的智能運(yùn)輸系統(tǒng)(Intelligent Transportation System, ITS)項(xiàng)目開(kāi)發(fā)研究的基本要求。從20世紀(jì)60年代開(kāi)始，人們就開(kāi)始把其他領(lǐng)域應(yīng)用成熟的預(yù)測(cè)模型用于短時(shí)交通流預(yù)測(cè)領(lǐng)域，并開(kāi)發(fā)了多種預(yù)測(cè)模型和方法。較早期的預(yù)測(cè)方法主要有:自回歸模型(AR)、滑動(dòng)平均模型(MA)、自回歸滑動(dòng)平均模型(ARMA)、歷史平均模型(HA)和Box-Cox法等等。隨著該領(lǐng)域研究的逐漸深入，又出現(xiàn)了一批更復(fù)雜的、精度更高的預(yù)測(cè)方法。大體來(lái)說(shuō)，這些模型可分成五類:基于統(tǒng)計(jì)理論的模型、基于非線性預(yù)測(cè)理論的模型、基于神經(jīng)網(wǎng)絡(luò)理論的模型、基于動(dòng)態(tài)分配理論的模型和基于微觀交通仿真的模型。統(tǒng)計(jì)理論的模型因?yàn)橐鼋y(tǒng)計(jì)分析的假設(shè)，因此未能反映交通流過(guò)程的不確定性與非線性，尤其無(wú)法克服隨機(jī)干擾因素的影響；神經(jīng)網(wǎng)絡(luò)理論的模型因其參數(shù)訓(xùn)練非常復(fù)雜，計(jì)算時(shí)間太長(zhǎng)，所需數(shù)據(jù)量大且數(shù)據(jù)平衡性要求高，不適合在線應(yīng)用；已有的動(dòng)態(tài)交通分配模型普遍存在優(yōu)化計(jì)算時(shí)間過(guò)長(zhǎng)，預(yù)測(cè)的實(shí)時(shí)性差，需要在實(shí)踐中難于做到或無(wú)法做到的動(dòng)態(tài)OD信息，而且由于采用遞推方式的計(jì)算，造成了誤差的積累，使得分配結(jié)果的可靠度降低。目前在國(guó)內(nèi)的大型城市基本都已建設(shè)了先進(jìn)的智能交通系統(tǒng)，可以通過(guò)視頻以及數(shù)據(jù)，實(shí)時(shí)地掌握隨城市的交通運(yùn)行狀況。但是，仍然無(wú)法解決高峰時(shí)段城市交通資源分配不均勻的問(wèn)題，特別是當(dāng)發(fā)生緊急交通事件的時(shí)候，交通管理者需要盡快地選擇處理的預(yù)案，這就需要我們以交通態(tài)勢(shì)信息為基礎(chǔ)，對(duì)交通態(tài)勢(shì)的仿真，預(yù)測(cè)出一段時(shí)間后各種預(yù)案的處理效果，為管理者的決策給出科學(xué)的依據(jù)。微觀交通仿真預(yù)測(cè)方法利用微觀仿真原理對(duì)未來(lái)數(shù)分鐘之內(nèi)的道路交通狀態(tài)進(jìn)行仿真，預(yù)測(cè)所仿真路段的交通流狀態(tài)，該方法能夠快速的對(duì)實(shí)時(shí)的交通狀況進(jìn)行預(yù)測(cè)。本發(fā)明基于微觀交通仿真方法，以城市快速路為研究對(duì)象，通過(guò)實(shí)時(shí)采集的交通數(shù)據(jù)，對(duì)未來(lái)的短時(shí)間內(nèi)的交通狀態(tài)進(jìn)行預(yù)測(cè)。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中的技術(shù)缺陷，本發(fā)明提供一種快速路短時(shí)交通流實(shí)時(shí)預(yù)測(cè)的方法，其特征在于，包括:a.實(shí)時(shí)采集待仿真路段的交通數(shù)據(jù)；b.根據(jù)所述交通數(shù)據(jù)選擇一車輛產(chǎn)生模型來(lái)將車輛分布到所述待仿真路段上；c.根據(jù)所述交通數(shù)據(jù)計(jì)算OD矩陣并根據(jù)所述OD矩陣分配所述待仿真路段的交通出行量；d.根據(jù)所述交通出行量和基于所述交通數(shù)據(jù)的一車輛行駛行為模型對(duì)所述待仿真路段的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行預(yù)測(cè)。優(yōu)選地，所述交通數(shù)據(jù)由分布在待仿真路段的線圈檢測(cè)獲得。優(yōu)選地，所述交通數(shù)據(jù)由分布在待仿真路段的檢測(cè)攝像頭獲得。
優(yōu)選地，所述交通數(shù)據(jù)包括以下的一個(gè)或多個(gè):車輛類型；車輛平均速度；時(shí)間占有率；流入交通量；以及流出交通量。優(yōu)選地，所述車輛產(chǎn)生模型通過(guò)如下步驟選擇:據(jù)所述交通數(shù)據(jù)將待仿真路段進(jìn)行分為暢通路段和擁擠路段；若所述待仿真路段為暢通路段，則所述車輛產(chǎn)生模型為一負(fù)指數(shù)車頭時(shí)距分布模型；若所述待仿真路段為擁擠路段，則所述車輛產(chǎn)生模型為一 M3車頭時(shí)距分布模型分布。優(yōu)選地，根據(jù)所述車輛產(chǎn)生模型確定所述車頭時(shí)距后將車頭時(shí)距離散化分布到所述待仿真路段上。優(yōu)選地，所述OD矩陣根據(jù)如下步驟計(jì)算:通過(guò)迭代算法對(duì)改進(jìn)極大熵模型求解得到所述OD矩陣，其公式如下所示:
權(quán)利要求
1.一種快速路短時(shí)交通流實(shí)時(shí)預(yù)測(cè)的方法，其特征在于，包括: a.實(shí)時(shí)采集待仿真路段的交通數(shù)據(jù)； b.根據(jù)所述交通數(shù)據(jù)選擇一車輛產(chǎn)生模型來(lái)將車輛分布到所述待仿真路段上； c.根據(jù)所述交通數(shù)據(jù)計(jì)算OD矩陣并根據(jù)所述OD矩陣分配所述待仿真路段的交通出行量; d.根據(jù)所述交通出行量和基于所述交通數(shù)據(jù)的一車輛行駛行為模型對(duì)所述待仿真路段的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行預(yù)測(cè)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述交通數(shù)據(jù)由分布在待仿真路段的線圈檢測(cè)獲得。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述交通數(shù)據(jù)由分布在待仿真路段的檢測(cè)攝像頭獲得。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述交通數(shù)據(jù)包括以下的一個(gè)或多個(gè): 車輛類型； 車輛平均速度； 時(shí)間占有率； 流入交通量；以及 流出交通量。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛產(chǎn)生模型通過(guò)如下步驟選擇: 根據(jù)所述交通數(shù)據(jù)將待仿真路段分為暢通路段和擁擠路段； 若所述待仿真路段為暢通路段，則所述車輛產(chǎn)生模型為一負(fù)指數(shù)車頭時(shí)距分布模型； 若所述待仿真路段為擁擠路段，則所述車輛產(chǎn)生模型為一 M3車頭時(shí)距分布模型分布。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)所述車輛產(chǎn)生模型確定所述車頭時(shí)距后將車頭時(shí)距離散化分布到所述待仿真路段上。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述OD矩陣根據(jù)如下步驟計(jì)算: 通過(guò)迭代算法對(duì)改進(jìn)極大熵模型求解得到所述OD矩陣，其公式如下所示: 賺化H(融I孕-況+ / jtlJaya i J 其中，a=l, 2，3...M，i, j=l, 2，3...N，M為可以通過(guò)采集獲得交通數(shù)據(jù)的待仿真路段數(shù)目，N為待仿真路段的出入口數(shù)目，Tu表示從i 口到j(luò) 口的OD量，所述OD量為所述OD矩陣中的項(xiàng)，Pi/表示Tij經(jīng)過(guò)路段a上的比例。為先驗(yàn)OD量，由用戶輸入，V；, Va分別為路段a上實(shí)際的和觀測(cè)的待仿真路段交通流量。a為置信權(quán)重。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，每次迭代使用容量限制逐級(jí)加載分配模型進(jìn)行計(jì)算和修正。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述容量限制逐級(jí)加載分配模型包括: 將OD矩陣分解成第一參數(shù)個(gè)OD子矩陣，用最短路分配模型對(duì)第一參數(shù)個(gè)OD子矩陣分配OD量； 每分配一個(gè)OD子矩陣，對(duì)所述OD量進(jìn)行修正。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述OD量根據(jù)路阻函數(shù)進(jìn)行修正，所述路阻函數(shù)指路段行程時(shí)間與路段交通負(fù)荷之間的函數(shù)關(guān)系。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛行駛行為模型包括以下的一種或多種: 換道模型；或者 跟馳模型。
全文摘要
本發(fā)明涉及一種快速路短時(shí)交通流實(shí)時(shí)預(yù)測(cè)的方法，其特征在于，包括a.實(shí)時(shí)采集待仿真路段的交通數(shù)據(jù)；b.根據(jù)所述交通數(shù)據(jù)選擇一車輛產(chǎn)生模型來(lái)將車輛分布到所述待仿真路段上；c.根據(jù)所述交通數(shù)據(jù)計(jì)算OD矩陣并根據(jù)所述OD矩陣分配所述待仿真路段的交通出行量；d.根據(jù)所述交通出行量和基于所述交通數(shù)據(jù)的一車輛行駛行為模型對(duì)所述待仿真路段的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行預(yù)測(cè)。
文檔編號(hào)G06Q10/04GK103116808SQ201310019648
公開(kāi)日2013年5月22日 申請(qǐng)日期2013年1月18日 優(yōu)先權(quán)日2013年1月18日
發(fā)明者馬云龍, 王堅(jiān) 申請(qǐng)人:同濟(jì)大學(xué)