基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)及方法
【專利摘要】本發(fā)明涉及基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)及方法。該系統(tǒng)包括：平行仿真評價模塊，交通需求模塊，路網(wǎng)描述模塊，交通演化模塊，方案描述模塊，路網(wǎng)分析模塊。該方法包括：平行仿真評價步驟，交通需求步驟，路網(wǎng)描述步驟，交通演化步驟，方案描述步驟，路網(wǎng)分析步驟。本發(fā)明將宏觀、中觀、微觀尺度有機(jī)融合在一起，能快速地給出當(dāng)前交通狀況的評價，為城市智能交通控制系統(tǒng)提供優(yōu)化交通信號方案的科學(xué)依據(jù)。
【專利說明】基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)及方法，屬于城市交通仿真領(lǐng)域。
【背景技術(shù)】
[0002]據(jù) 申請人:了解，現(xiàn)有技術(shù)中已存在中微觀一體化車流加載技術(shù)，基于平行仿真技術(shù)的交通信號控制技術(shù)，基于元胞自動機(jī)的城市微觀仿真技術(shù)，復(fù)雜網(wǎng)絡(luò)分析技術(shù)，行人微觀仿真技術(shù)，基于GIS的宏觀交通仿真技術(shù)，基于統(tǒng)計學(xué)中觀交通仿真技術(shù)，基于多智能體的交通微觀仿真技術(shù)，以及基于宏、中、微觀仿真平臺的系統(tǒng)集成技術(shù)，等等。
[0003]以上這些技術(shù)都是當(dāng)前城市交通仿真領(lǐng)域比較前沿的技術(shù)。但是由于城市交通系統(tǒng)是在空間尺度上從微觀到宏觀高度綜合，在時間尺度上從秒級到年級高度連續(xù)的系統(tǒng)，其復(fù)雜度決定了任何一種單一的尺度都很難對交通現(xiàn)象進(jìn)行更客觀地仿真，具體表現(xiàn)為:
[0004]在城市交通的宏觀仿真分析中，網(wǎng)絡(luò)流量加載模型主要根據(jù)一個城市宏觀的歷史OD需求(0D指預(yù)設(shè)起點與終點之間的交通流量)，用統(tǒng)計的方法結(jié)合相關(guān)地理信息知識對路網(wǎng)流量進(jìn)行產(chǎn)生、吸引、迭代均衡分配加載來進(jìn)行宏觀仿真。然而，在實際路網(wǎng)中，大多數(shù)情況下網(wǎng)絡(luò)流量多處在一種非均衡狀態(tài)，即使有變化，也會有一個漸變的過渡過程，這和人的行駛習(xí)慣及路口信號控制存在著一定的關(guān)系，而在宏觀的網(wǎng)絡(luò)仿真分析中就無法考慮到這樣微小的尺度。
[0005]在城市交通的中觀仿真分析中，大量使用了參數(shù)之間的函數(shù)關(guān)系，通過數(shù)理統(tǒng)計或者數(shù)學(xué)建模的方法描述交通參數(shù)之間的變化關(guān)系，然而建模和統(tǒng)計的過程都要經(jīng)過一定的理想化假設(shè)或處理，比如在路段車流量和車速的仿真關(guān)系中，既無法描述例如路段停車、天氣、以及路段中車輛出入口等隨機(jī)具體因素的影響，也無法描述其它路段交通情況的變化對本路段車輛速度的影響，這使得中觀仿真只能仿真出一種理想化的變化趨勢，并且需要對參數(shù)進(jìn)行長期的統(tǒng)計標(biāo)定，工作量巨大以至于它的實際應(yīng)用效果并不是很好。
[0006]在城市交通的微觀仿真分析中，個體的行為往往只根據(jù)身邊環(huán)境的變化而變化，由于尺度過于微小，真實交通系統(tǒng)中各種微小的變化都會對結(jié)果產(chǎn)生影響，比如一個行人闖紅燈，一輛公交車停靠路邊，這些微觀因素都會隨時隨機(jī)地出現(xiàn)在真實壞境中，使得微觀仿真最后很難做到和真實情況相匹配的仿真效果。
[0007]在基于宏、中、微觀仿真平臺交互使用的交通仿真集成系統(tǒng)中，雖然各種仿真平臺之間的參數(shù)可以傳遞，并且數(shù)據(jù)只能從宏觀仿真?zhèn)鹘o中觀仿真，然后再由中觀仿真?zhèn)鹘o微觀仿真。但是各自仿真平臺內(nèi)部的仿真原理還是不變的，只是仿真的參數(shù)變化了。因此，這實際上只是一種多尺度的交替仿真過程，由于宏觀、中觀、微觀各自的仿真模型并沒有真正實現(xiàn)融合，以上單一仿真過程中的問題依然存在；而且，不同尺度交通仿真結(jié)果的數(shù)據(jù)融合過程也是一個非常大的問題。
[0008]目前的城市交通智能控制技術(shù)中，各種仿真系統(tǒng)過于低效和龐大，其主要原因在于目前的仿真系統(tǒng)尺度比較單一，需要經(jīng)過反復(fù)、繁冗的參數(shù)標(biāo)定才能給出比較正確仿真 結(jié)果，并且宏觀和中觀仿真都是基于一段時間的統(tǒng)計仿真，很難為路口的信號配時提供精 細(xì)的仿真支持；而基于系統(tǒng)集成的仿真技術(shù)，其集成的仿真系統(tǒng)過于龐大，也很難作為城市 智能交通信號控制的內(nèi)核，很難為城市智能交通控制系統(tǒng)提供實時的仿真評價和支持。在 這種情況下，城市交通智能控制系統(tǒng)很難知道自己給出的配時方案是否合理有效，只能從 大量的歷史配時中逐漸地調(diào)整自己的配時行為。

【發(fā)明內(nèi)容】

[0009]本發(fā)明所要解決的技術(shù)問題是:針對現(xiàn)有技術(shù)存在的問題，提出一種基于多尺度 融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)及方法，將宏觀、中觀、微觀尺度有機(jī)融合在 一起，能快速地給出當(dāng)前交通狀況的評價，為城市智能交通控制系統(tǒng)提供優(yōu)化交通信號方 案的科學(xué)依據(jù)。
[0010]為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下:
[0011]一種基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)，其特征是，包括 以下模塊:
[0012]平行仿真評價模塊，用于對目標(biāo)交通路網(wǎng)及其信號配時方案進(jìn)行聯(lián)動仿真評價， 并給出最優(yōu)信號配時方案；
[0013]交通需求模塊，用于調(diào)取目標(biāo)交通路網(wǎng)的交通流量數(shù)據(jù)，并根據(jù)歷史宏觀OD數(shù) 據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)、以及車輛檢測器的微觀實測數(shù)據(jù)來生成車輛智能體； 車輛智能體具有自主決策能力，具體包括路徑選擇、車速修改、觀察紅綠燈并作出反應(yīng)、跟 馳與變道的能力；
[0014]路網(wǎng)描述模塊，用于建立目標(biāo)交通路網(wǎng)的地理描述數(shù)據(jù)，通過分析路網(wǎng)數(shù)據(jù)給出 車輛智能體的路況信息數(shù)據(jù)；
[0015]交通演化模塊，用于模擬車輛智能體根據(jù)微觀環(huán)境因素做出反應(yīng)、根據(jù)宏觀環(huán)境 因素和中觀環(huán)境因素做出運(yùn)動決策，并將所有車輛智能體的行為融入交通路網(wǎng)中形成仿真 交通場景；
[0016]方案描述模塊，用于實時更新仿真系統(tǒng)中各路口信號配時方案數(shù)據(jù)或交通誘導(dǎo)方 案數(shù)據(jù)，并向仿真系統(tǒng)提供所需數(shù)據(jù)；交通誘導(dǎo)方案數(shù)據(jù)為交通管理部門通過交通廣播或 者路口可變信息板向車輛駕駛員提供的路況實時信息，包括:擁堵、限行、綠色通道、或交通 事故；
[0017]路網(wǎng)分析模塊，用于分析自當(dāng)前起的未來一段時間內(nèi)交通路網(wǎng)中路網(wǎng)漸變級聯(lián)的 脆弱點、線路阻抗、以及路口擁堵系數(shù)；在宏觀上分析路網(wǎng)中各交通要素的時間序列，在中 觀上統(tǒng)計車流量和行人數(shù)量；并按時間序列以順序更新的方式對路網(wǎng)中各交通要素進(jìn)行在 線仿真。
[0018]本發(fā)明系統(tǒng)進(jìn)一步完善的技術(shù)方案如下:
[0019]優(yōu)選地，交通需求模塊中，歷史宏觀OD數(shù)據(jù)為:已存入歷史記錄的交通流量數(shù)據(jù)， 具體包括目標(biāo)交通路網(wǎng)中車流起始點和終止點在空間和時間上的分布數(shù)據(jù)，車流起始點和 終止點之間的路徑數(shù)據(jù)，以及車流起始點和終止點之間的交通流量分布數(shù)據(jù)；
[0020]目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)為:針對目標(biāo)路段和路口，在其單個交通信號控制周期內(nèi)，根據(jù)從一路口駛向另一路口的交通量、各路口各個流向的駛出交通量、路段行程時間、路口車流量的到達(dá)率和轉(zhuǎn)向率得出的統(tǒng)計分析數(shù)據(jù)；具體包括:目標(biāo)路段和路口的擁擠度數(shù)據(jù)、阻抗數(shù)據(jù)、到達(dá)率數(shù)據(jù)、轉(zhuǎn)向率數(shù)據(jù)、波動數(shù)據(jù)、非機(jī)混行數(shù)據(jù)，其中波動數(shù)據(jù)為仿真系統(tǒng)給出的路口車輛駛出周期流量圖與真實路口車輛駛出周期流量圖之間的單位車輛PCU平均誤差值，非機(jī)混行數(shù)據(jù)為路口車流以單位車輛PCU計經(jīng)過停車線時在不同的行人或者非機(jī)動干擾下的通過時間，單位車輛PCU是由各種類型的汽車轉(zhuǎn)化的小汽車當(dāng)量;
[0021]車輛檢測器的微觀實測數(shù)據(jù)為:由車輛檢測器上傳的3秒到9秒級別的實時交通
量數(shù)據(jù)。
[0022]優(yōu)選地，路網(wǎng)描述模塊中，地理描述數(shù)據(jù)包括路網(wǎng)的拓?fù)浣Y(jié)構(gòu)、路段、路口、車道、停車場、公交站臺；路網(wǎng)數(shù)據(jù)包括節(jié)點度、連通度、介數(shù)、最短路徑；路況信息數(shù)據(jù)即自當(dāng)前起的未來一段時間內(nèi)交通路網(wǎng)的擁擠度數(shù)據(jù)；交通演化模塊中，微觀環(huán)境因素包括前后車、車道、路口、信號燈；宏觀環(huán)境因素包括由宏觀仿真分析獲得的交通路網(wǎng)擁堵狀態(tài)；中觀環(huán)境因素包括由中觀仿真分析獲得的路段阻抗和流量波動參數(shù)；運(yùn)動決策包括修改路徑、修改平均車速；路網(wǎng)分析模塊中，路網(wǎng)中各交通要素包括網(wǎng)絡(luò)、路段、路口、信號燈、車流、車輛、行人。
[0023]本發(fā)明還提供:一種采用前述仿真系統(tǒng)的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，包括平行仿真評價步驟:平行仿真評價模塊根據(jù)目標(biāo)交通路網(wǎng)的實時交通數(shù)據(jù)和歷史統(tǒng)計數(shù)據(jù)進(jìn)行仿真評價，給出目標(biāo)交通路網(wǎng)在給定信號配時方案下的運(yùn)行指標(biāo)PI值，根據(jù)該P(yáng)I值多次調(diào)整信號配時方案參數(shù)，并分別給出調(diào)整后的PI值，最后經(jīng)比較得到PI值最優(yōu)的信號配時方案；其中，運(yùn)行指標(biāo)PI值為目標(biāo)交通路網(wǎng)按當(dāng)前信號配時方案運(yùn)行預(yù)定時間后的總體延誤水平，總體延誤水平為目標(biāo)交通路網(wǎng)中停止車輛數(shù)在時間軸上的積累程度。
[0024]本發(fā)明方法進(jìn)一步完善的技術(shù)方案如下:
[0025]優(yōu)選地，還包括交通需求步驟:交通需求模塊根據(jù)歷史宏觀OD數(shù)據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)給出目標(biāo)交通路網(wǎng)的未來車流量，再結(jié)合車輛檢測器的微觀實測數(shù)據(jù)，在微觀環(huán)境下仿真出在連續(xù)時間內(nèi)持續(xù)運(yùn)行的車輛智能體；同時，根據(jù)歷史宏觀OD數(shù)據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)，給出各車輛智能體的運(yùn)行參數(shù)；其中，車輛智能體的運(yùn)行參數(shù)包括行駛軌跡、平均車速、安全反應(yīng)時間。
[0026]優(yōu)選地，還包括路網(wǎng)描述步驟:路網(wǎng)描述模塊的運(yùn)行過程如下:
[0027]L1.建立目標(biāo)交通路網(wǎng)的節(jié)點屬性矩陣、路網(wǎng)節(jié)點連接矩陣、路網(wǎng)節(jié)點連接屬性矩陣，并根據(jù)以上矩陣的數(shù)據(jù)構(gòu)建仿真城市交通路網(wǎng)；
[0028]L2.計算并給出目標(biāo)交通路網(wǎng)的節(jié)點度矩陣和節(jié)點度分布矩陣、介數(shù)矩陣和介數(shù)分布矩陣、各個OD對之間的路徑矩陣；0D對即車流起始點和終止點對；
[0029]L3.根據(jù)宏觀OD數(shù)據(jù)、中觀統(tǒng)計數(shù)據(jù)和微觀實測數(shù)據(jù)計算實時的和自當(dāng)前起的未來一段時間內(nèi)的路網(wǎng)擁堵數(shù)據(jù)；路網(wǎng)擁堵數(shù)據(jù)包括車流密度、行程時間；
[0030]L4.根據(jù)宏觀OD數(shù)據(jù)、中觀統(tǒng)計數(shù)據(jù)和微觀實測數(shù)據(jù)計算給出車輛智能體的路況信息數(shù)據(jù)，并將該數(shù)據(jù)加載至仿真城市交通路網(wǎng)中。
[0031]優(yōu)選地，還包括交通演化步驟:由交通演化模塊演化車輛智能體的具體行為，包括:車輛智能體根據(jù)宏觀尺度下的路網(wǎng)車流量、擁擠度數(shù)據(jù)和阻抗數(shù)據(jù)判定是否修改路徑； 車輛智能體根據(jù)中觀尺度下的當(dāng)前路段阻抗數(shù)據(jù)和車流波動數(shù)據(jù)判定是否修改平均車速； 車輛智能體根據(jù)中觀尺度下的路口非機(jī)混行數(shù)據(jù)判定駛?cè)腭偝雎房诘钠骄囁?；車輛智能體根據(jù)微觀尺度下的前后車以及信號燈情況判定是否加速、減速、停車或者變道。
[0032]更優(yōu)選地，交通演化步驟的具體過程如下:
[0033]Yl.根據(jù)路網(wǎng)車流量數(shù)據(jù)計算擁擠度數(shù)據(jù)J ;車輛智能體根據(jù)1git模型計算針對不同路徑的路徑選擇概率P，并結(jié)合該車輛智能體預(yù)設(shè)的個人心理閾值R判斷是否改變路徑，具體判斷過程如下:
[0034]若J小于R，且該車輛智能體當(dāng)前所處路徑的路徑選擇概率P為所有路徑中的最大值，則該車輛智能體不改變路徑；若J小于R，且所有路徑的路徑選擇概率P > 0.5，則該車輛智能體不改變路徑；若J小于R，且所有路徑的路徑選擇概率P〈0.5，則該車輛智能體改變路徑，并選擇路徑選擇概率P最大的路徑；若J大于R，則該車輛智能體改變路徑，并選擇路徑選擇概率P最大的路徑；
[0035]其中，擁擠度數(shù)據(jù)J表示路網(wǎng)的整體擁堵程度，按下式計算:
【權(quán)利要求】
1.一種基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)，其特征是，包括以下模塊: 平行仿真評價模塊，用于對目標(biāo)交通路網(wǎng)及其信號配時方案進(jìn)行聯(lián)動仿真評價，并給出最優(yōu)信號配時方案； 交通需求模塊，用于調(diào)取目標(biāo)交通路網(wǎng)的交通流量數(shù)據(jù)，并根據(jù)歷史宏觀OD數(shù)據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)、以及車輛檢測器的微觀實測數(shù)據(jù)來生成車輛智能體；車輛智能體具有自主決策能力，具體包括路徑選擇、車速修改、觀察紅綠燈并作出反應(yīng)、跟馳與變道的能力； 路網(wǎng)描述模塊，用于建立目標(biāo)交通路網(wǎng)的地理描述數(shù)據(jù)，通過分析路網(wǎng)數(shù)據(jù)給出車輛智能體的路況信息數(shù)據(jù)； 交通演化模塊，用于模擬車輛智能體根據(jù)微觀環(huán)境因素做出反應(yīng)、根據(jù)宏觀環(huán)境因素和中觀環(huán)境因素做出運(yùn)動決策，并將所有車輛智能體的行為融入交通路網(wǎng)中形成仿真交通場景； 方案描述模塊，用于實時更新仿真系統(tǒng)中各路口信號配時方案數(shù)據(jù)或交通誘導(dǎo)方案數(shù)據(jù)，并向仿真系統(tǒng)提供所需數(shù)據(jù)；交通誘導(dǎo)方案數(shù)據(jù)為交通管理部門通過交通廣播或者路口可變信息板向車輛駕駛員提供的路況實時信息，包括:擁堵、限行、綠色通道、或交通事故； 路網(wǎng)分析模塊，用于分析自當(dāng)前起的未來一段時間內(nèi)交通路網(wǎng)中路網(wǎng)漸變級聯(lián)的脆弱點、線路阻抗、以及路口擁堵系數(shù)；在宏觀上分析路網(wǎng)中各交通要素的時間序列，在中觀上統(tǒng)計車流量和行人數(shù)量；并按時間序列以順序更新的方式對路網(wǎng)中各交通要素進(jìn)行在線仿真。
2.根據(jù)權(quán)利要求1所述基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)，其特征是，交通需求模塊中，歷史宏觀OD數(shù)據(jù)為:已存入歷史記錄的交通流量數(shù)據(jù)，具體包括目標(biāo)交通路網(wǎng)中車流起始點和終止點在空間和時間上的分布數(shù)據(jù)，車流起始點和終止點之間的路徑數(shù)據(jù)，以及車流起始點和終止點之間的交通流量分布數(shù)據(jù)； 目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)為:針對目標(biāo)路段和路口，在其單個交通信號控制周期內(nèi)，根據(jù)從一路口駛向另一路口的交通量、各路口各個流向的駛出交通量、路段行程時間、路口車流量的到達(dá)率和轉(zhuǎn)向率得出的統(tǒng)計分析數(shù)據(jù)；具體包括:目標(biāo)路段和路口的擁擠度數(shù)據(jù)、阻抗數(shù)據(jù)、到達(dá)率數(shù)據(jù)、轉(zhuǎn)向率數(shù)據(jù)、波動數(shù)據(jù)、非機(jī)混行數(shù)據(jù)，其中波動數(shù)據(jù)為仿真系統(tǒng)給出的路口車輛駛出周期流量圖與真實路口車輛駛出周期流量圖之間的單位車輛PCU平均誤差值，非機(jī)混行數(shù)據(jù)為路口車流以單位車輛PCU計經(jīng)過停車線時在不同的行人或者非機(jī)動干擾下的通過時間，單位車輛PCU是由各種類型的汽車轉(zhuǎn)化的小汽車當(dāng)量； 車輛檢測器的微觀實測數(shù)據(jù)為:由車輛檢測器上傳的3秒到9秒級別的實時交通量數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述基于多尺度融合的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真系統(tǒng)，其特征是，路網(wǎng)描述模塊中，地理描述數(shù)據(jù)包括路網(wǎng)的拓?fù)浣Y(jié)構(gòu)、路段、路口、車道、停車場、公交站臺；路網(wǎng)數(shù)據(jù)包括節(jié)點度、連通度、介數(shù)、最短路徑；路況信息數(shù)據(jù)即自當(dāng)前起的未來一段時間內(nèi)交通路網(wǎng)的擁擠度數(shù)據(jù)；交通演化模塊中，微觀環(huán)境因素包括前后車、車道、路口、信號燈；宏觀環(huán)境因素包括由宏觀仿真分析獲得的交通路網(wǎng)擁堵狀態(tài)；中觀環(huán)境因素包括由中觀仿真分析獲得的路段阻抗和流量波動參數(shù)；運(yùn)動決策包括修改路徑、修改平均車速；路網(wǎng)分析模塊中，路網(wǎng)中各交通要素包括網(wǎng)絡(luò)、路段、路口、信號燈、車流、車輛、行人。
4.一種采用權(quán)利要求1或2或3所述仿真系統(tǒng)的城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，包括平行仿真評價步驟:平行仿真評價模塊根據(jù)目標(biāo)交通路網(wǎng)的實時交通數(shù)據(jù)和歷史統(tǒng)計數(shù)據(jù)進(jìn)行仿真評價，給出目標(biāo)交通路網(wǎng)在給定信號配時方案下的運(yùn)行指標(biāo)PI 值，根據(jù)該P(yáng)I值多次調(diào)整信號配時方案參數(shù)，并分別給出調(diào)整后的PI值，最后經(jīng)比較得到 PI值最優(yōu)的信號配時方案；其中，運(yùn)行指標(biāo)PI值為目標(biāo)交通路網(wǎng)按當(dāng)前信號配時方案運(yùn)行預(yù)定時間后的總體延誤水平，總體延誤水平為目標(biāo)交通路網(wǎng)中停止車輛數(shù)在時間軸上的積累程度。
5.根據(jù)權(quán)利要求4所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，還包括交通需求步驟:交通需求模塊根據(jù)歷史宏觀OD數(shù)據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)給出目標(biāo)交通路網(wǎng)的未來車流量，再結(jié)合車輛檢測器的微觀實測數(shù)據(jù)，在微觀環(huán)境下仿真出在連續(xù)時間內(nèi)持續(xù)運(yùn)行的車輛智能體；同時，根據(jù)歷史宏觀OD數(shù)據(jù)、目標(biāo)路段和路口的中觀統(tǒng)計數(shù)據(jù)，給出各車輛智能體的運(yùn)行參數(shù)；其中，車輛智能體的運(yùn)行參數(shù)包括行駛軌跡、平均車速、安全反應(yīng)時間。
6.根據(jù)權(quán)利要求4所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，還包括路網(wǎng)描述步驟:路網(wǎng)描述模塊的運(yùn)行過程如下:L1.建立目標(biāo)交通路網(wǎng)的節(jié)點屬性矩陣、路網(wǎng)節(jié)點連接矩陣、路網(wǎng)節(jié)點連接屬性矩陣， 并根據(jù)以上矩陣的數(shù)據(jù)構(gòu)建仿真城市交通路網(wǎng)；L2.計算并給出目標(biāo)交通路網(wǎng)的節(jié)點度矩陣和節(jié)點度分布矩陣、介數(shù)矩陣和介數(shù)分布矩陣、各個OD對之間的路徑矩陣；0D對即車流起始點和終止點對；L3.根據(jù)宏觀OD數(shù)據(jù)、中觀統(tǒng)計數(shù)據(jù)和微觀實測數(shù)據(jù)計算實時的和自當(dāng)前起的未來一段時間內(nèi)的路網(wǎng)擁堵數(shù)據(jù)；路網(wǎng)擁堵數(shù)據(jù)包括車流密度、行程時間；L4.根據(jù)宏觀OD數(shù)據(jù)、中觀統(tǒng)計數(shù)據(jù)和微觀實測數(shù)據(jù)計算給出車輛智能體的路況信息數(shù)據(jù)，并將該數(shù)據(jù)加載至仿真城市交通路網(wǎng)中。
7.根據(jù)權(quán)利要求4所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，還包括交通演化步驟:由交通演化模塊演化車輛智能體的具體行為，包括:車輛智能體根據(jù)宏觀尺度下的路網(wǎng)車流量、擁擠度數(shù)據(jù)和阻抗數(shù)據(jù)判定是否修改路徑；車輛智能體根據(jù)中觀尺度下的當(dāng)前路段阻抗數(shù)據(jù)和車流波動數(shù)據(jù)判定是否修改平均車速；車輛智能體根據(jù)中觀尺度下的路口非機(jī)混行數(shù)據(jù)判定駛?cè)腭偝雎房诘钠骄囁?；車輛智能體根據(jù)微觀尺度下的前后車以及信號燈情況判定是否加速、減速、停車或者變道。
8.根據(jù)權(quán)利要求7所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，交通演化步驟的具體過程如下:Yl.根據(jù)路網(wǎng)車流量數(shù)據(jù)計算擁擠度數(shù)據(jù)J ;車輛智能體根據(jù)1git模型計算針對不同路徑的路徑選擇概率P，并結(jié)合該車輛智能體預(yù)設(shè)的個人心理閾值R判斷是否改變路徑，具體判斷過程如下:若J小于R，且該車輛智能體當(dāng)前所處路徑的路徑選擇概率P為所有路徑中的最大值， 則該車輛智能體不改變路徑；若J小于R，且所有路徑的路徑選擇概率P > 0.5，則該車輛智能體不改變路徑；若J小于R，且所有路徑的路徑選擇概率P〈0.5，則該車輛智能體改變路徑，并選擇路徑選擇概率P最大的路徑；若J大于R，則該車輛智能體改變路徑，并選擇路徑選擇概率P最大的路徑；其中，擁擠度數(shù)據(jù)J表示路網(wǎng)的整體擁堵程度，按下式計算:
9.根據(jù)權(quán)利要求4所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，還包括方案描述步驟:方案描述模塊的運(yùn)行過程如下: Ml:輸入路段車輛檢測器的實時數(shù)據(jù)、路口信號配時方案數(shù)據(jù)和交通誘導(dǎo)方案數(shù)據(jù)；并向路網(wǎng)描述模塊提供數(shù)據(jù)；其中，路段車輛檢測器的實時數(shù)據(jù)為每3秒到60秒時間內(nèi)的單位車輛pcu數(shù)量，路口信號配時方案數(shù)據(jù)包括路網(wǎng)內(nèi)各路口的信號相位時長和相位差數(shù)據(jù)； M2:讀取路網(wǎng)描述模塊給出的車輛智能體的路況信息數(shù)據(jù)，并提供給交通演化模塊和路網(wǎng)分析模塊進(jìn)行分析，然后讀取分析所得數(shù)據(jù)以備Ml步輸入用，同時輸出各路口交通延誤和整個路網(wǎng)交通延誤的評價指標(biāo)；其中，路網(wǎng)描述模塊和交通演化模塊是平行運(yùn)行的，交通演化模塊和路網(wǎng)分析模塊是順序運(yùn)行的； M3:重復(fù)Ml、M2以進(jìn)行迭代運(yùn)算。
10.根據(jù)權(quán)利要求4所述城市交通復(fù)雜自適應(yīng)網(wǎng)絡(luò)平行仿真方法，其特征是，還包括路網(wǎng)分析步驟:路網(wǎng)分析模塊的運(yùn)行過程如下:s1.通過更新路段的實際容限來分析交通網(wǎng)絡(luò)中的級聯(lián)失效行為，如下式所示:
【文檔編號】G08G1/00GK103593535SQ201310597678
【公開日】2014年2月19日 申請日期:2013年11月22日 優(yōu)先權(quán)日:2013年11月22日
【發(fā)明者】徐偉敏, 梁作論, 沈凱健, 蔣微波, 翁浙巍 申請人:南京洛普股份有限公司