本發(fā)明涉及智能交通系統(tǒng)技術(shù)領(lǐng)域，特別是一種基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法。

背景技術(shù)：

高速公路交通事件會降低路段通行效率，在車流量較大的情況下，可能會引發(fā)道路交通阻塞和車輛排隊的問題。交通事件的影響范圍和發(fā)展趨勢的可靠估計是制定針對性交通管控策略的前提和基礎(chǔ)，對保障高速公路的暢通運行和提高高速公路的管理服務(wù)水平具有重要的現(xiàn)實意義。

目前對高速公路交通事件影響范圍預(yù)測的方法主要基于交通波理論,通過估計事件斷面上下游的交通密度,對交通事件影響下的車輛排隊后溢過程進(jìn)行估計。該方法主要基于流量、速度、密度參數(shù)的方程,計算簡單,但是缺少對車輛擁堵排隊行為的精細(xì)化描述,會導(dǎo)致短時擁堵排隊長度的估計值與實際嚴(yán)重不符合的情況。

從近幾十年交通仿真研究來看，傳統(tǒng)交通仿真技術(shù)多是基于在歷史數(shù)據(jù)分析的基礎(chǔ)上，通過分析結(jié)果標(biāo)定仿真環(huán)境的相關(guān)參數(shù)，通過仿真系統(tǒng)內(nèi)部的數(shù)學(xué)模型進(jìn)行交通運行狀況的仿真與預(yù)測。實時測量的交通流數(shù)據(jù)不能引入仿真環(huán)境下，仿真輸出的結(jié)果難以精確的反應(yīng)真實道路實際的交通運行狀況和發(fā)展趨勢。因此需要一種可以將交通流實時數(shù)據(jù)引入仿真環(huán)境，使仿真輸出結(jié)果可以更準(zhǔn)確的反應(yīng)真實道路實際交通運行狀況的高速公路交通事件影響仿真估計方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提出基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：

本發(fā)明提供的基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法，包括以下步驟：

步驟1，獲取高速公路交通路網(wǎng)結(jié)構(gòu)數(shù)據(jù)，建立高速公路交通路網(wǎng)仿真模型，并在對應(yīng)真實車檢器布設(shè)位置處布設(shè)仿真虛擬車檢器；

步驟2，獲取待估計影響范圍的交通事件信息，包括事件發(fā)生時間、樁號范圍、行車方向和預(yù)計持續(xù)時間；

步驟3，根據(jù)步驟2中的交通事件信息，結(jié)合歷史對應(yīng)路段車檢器數(shù)據(jù)，估計事發(fā)路段對應(yīng)時間段的動態(tài)OD數(shù)據(jù)；

步驟4，結(jié)合步驟1的高速公路交通路網(wǎng)仿真模型和步驟3估計的動態(tài)OD數(shù)據(jù)，利用仿真模型初始化N個仿真線程，各個仿真線程相互獨立且同步地仿真出下一時刻的交通流信息，設(shè)各仿真粒子的堵塞初始位置為l_i,i＝1,...,N，并在堵塞位置處布設(shè)虛擬排隊長度檢測器；運行仿真到事件發(fā)生時間點的下一個數(shù)據(jù)采集周期；

步驟5，將真實道路上實時的傳感器數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行對比，計算t時刻N個仿真粒子的權(quán)重，記為w(i,t),i＝1,...,N，并進(jìn)行歸一化處理；

步驟6，計算若N_eff≤N，則轉(zhuǎn)到步驟7，否則轉(zhuǎn)到步驟8；

步驟7，重采樣，設(shè)定有效粒子數(shù)為N_th，根據(jù)粒子集中粒子權(quán)值的大小，拋棄低權(quán)值粒子，得到新粒子集，所述新粒子集有N_th個粒子，并將每個粒子的權(quán)重重置為

步驟8，設(shè)粒子i中排隊長度檢測器檢測到的排隊長度值為N_t為t時刻還存在的粒子數(shù)，輸出堵塞起始位置排隊長度值

步驟9，根據(jù)步驟7獲得的堵塞起始位置和排隊長度值，獲取所述交通事件實時的影響范圍，判斷仿真是否完成，完成則轉(zhuǎn)到步驟10，否則仿真運行下一個時間周期，轉(zhuǎn)到步驟5；

步驟10，根據(jù)步驟7獲得的堵塞起始位置和排隊長度值，獲取所述交通事件最大的影響范圍。

進(jìn)一步，所述步驟3中估計事發(fā)路段對應(yīng)時間段的動態(tài)OD數(shù)據(jù)，具體步驟如下：

S31:通過事件信息，設(shè)定周期，通過歷史數(shù)據(jù)獲取M個周期在相同t時間段事發(fā)路段上游車檢器流量的統(tǒng)計數(shù)據(jù)；

S32:按照以下公式計算t時段內(nèi)該路段輸入車流量：

$v_t=\frac{v1+v2+...+v_M}{M},$

其中，v1、v2...v_M為M個周期事發(fā)路段上游車檢器流量統(tǒng)計數(shù)據(jù)，t為采集周期；

S33:分別獲取v_t-1,v_t,v_t+1,…，建立流量輸入矩陣。

進(jìn)一步，所述步驟4中初始化N個仿真線程，具體操作步驟如下：

S41:結(jié)合VISSIM提供的COM開發(fā)接口，結(jié)合步驟1建立的仿真路網(wǎng)模型和步驟3的流量輸入矩陣，在事發(fā)路段上游車檢器位置處設(shè)置流量輸入點建立流量輸入。

S42:初始化N個仿真粒子。

進(jìn)一步，初始化仿真粒子的具體步驟如下：

S421:設(shè)事發(fā)位置樁號范圍為[l₁,l₂]，取取位置間隔為l_d，不同粒子設(shè)定事發(fā)堵塞位置分別為…,l-l_d,l,l+l_d,…；

S422:在相同堵塞位置狀態(tài)下也初始化多個仿真粒子，分別設(shè)置封道數(shù)；所述封道數(shù)包括為封單車道、封多車道和全封的封道數(shù)，模擬不同嚴(yán)重程度的事件對交通通行能力造成的不同影響程度；

S423:設(shè)獲取的預(yù)計事件持續(xù)時間為t，取時間間隔為t_d，在相同堵塞位置相同封道數(shù)狀態(tài)下初始化多個粒子，設(shè)定封道持續(xù)時間分別為…,t-t_d,t,t+t_d,…；并在堵塞位置處布設(shè)虛擬排隊長度檢測器。

進(jìn)一步，所述步驟5中將真實道路上實時的傳感器數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行對比，計算t時刻N個仿真粒子的權(quán)重，具體操作步驟如下：

S51:通過收集各粒子車檢器數(shù)據(jù)，所述粒子車檢器數(shù)據(jù)包括檢測周期內(nèi)通過的車流量、平均車速和占有率等信息，收集對應(yīng)位置實時的高速公路實際車檢器收集的信息；

S52:通過比對不同粒子對應(yīng)位置車檢器與實時高速公路車檢器數(shù)據(jù)，計算不同粒子的權(quán)重。

進(jìn)一步，計算不同粒子的權(quán)重，具體操作步驟如下：

S521:假設(shè)所測量路段的總長度為L，在路段上總共布設(shè)n個檢測器，檢測器的編號分別為D₁,D₂,…,D_n，設(shè)檢測器D_i的實際安裝位置為L_i，則兩個相鄰檢測器之間的距離為：l_i＝L_i+1-L_i，其中，i＝1，2，…，n-1；

S522：獲取發(fā)生在檢測器D_i和D_i+1之間的交通事件，并將真實道路上的實時的檢測器數(shù)據(jù)與仿真粒子進(jìn)行對比，計算t時刻N個仿真粒子的權(quán)重；

S523:按照如下公式計算仿真粒子i在t時刻的權(quán)重：

w(i,t)＝1/(S+v+o)；

$S=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{sD}}_k(i,t)-{\mathrm{sD}}_k\left(t\right)}{{\mathrm{sD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$

$V=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{vD}}_k(i,t)-{\mathrm{vD}}_k\left(t\right)}{{\mathrm{vD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$

$O=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{oD}}_k(i,t)-{\mathrm{oD}}_k\left(t\right)}{{\mathrm{oD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$

其中，

sD_k(i,t)表示i粒子在t時刻D_k位置的平均速度；

vD_k(i,t)表示i粒子在t時刻D_k位置的流量；

oD_k(i,t)表示i粒子在t時刻D_k位置的占有率；

sD_k(t)表示道路上D_k位置檢測器獲取的平均速度；

vD_k(t)表示道路上D_k位置檢測器獲取的流量；

oD_k(t)表示道路上D_k位置檢測器獲取的占有率。

進(jìn)一步，所述步驟7對仿真粒子進(jìn)行重采樣，具體步驟如下：

S71:選擇(0,1]的均勻分布取m＝0；

S72:如果滿足以下公式，則對仿真粒子m進(jìn)行u_i次復(fù)制：

其中，n_i為區(qū)間中u_i的個數(shù)；

S73:如果m≤(N-1)，m＝m+1,則返回步驟S72。

進(jìn)一步，所述步驟9中判斷仿真是否完成，具體步驟如下：判斷所有粒子中的封道是否全部清除，若封道全部清除，則仿真結(jié)束，否則返回步驟5。

由于采用了上述技術(shù)方案，本發(fā)明具有如下的優(yōu)點：

本發(fā)明提供的基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法，觀察交通仿真系統(tǒng)VISSIM的基礎(chǔ)上，結(jié)合粒子濾波數(shù)據(jù)同化方法，使仿真系統(tǒng)能動態(tài)的吸收實時的高速公路交通狀態(tài)數(shù)據(jù)，跟蹤交通發(fā)展趨勢，估計交通事件影響范圍。

本發(fā)明提供的方法通過動態(tài)數(shù)據(jù)驅(qū)動系統(tǒng)將控制論的思想引入到了仿真領(lǐng)域，仿真系統(tǒng)與實際系統(tǒng)構(gòu)成了一個動態(tài)閉環(huán)反饋，仿真系統(tǒng)運行過程當(dāng)中可以不斷同化真實數(shù)據(jù)，動態(tài)地調(diào)整仿真模型狀態(tài)。

傳統(tǒng)的仿真系統(tǒng)多是基于對歷史數(shù)據(jù)分析或經(jīng)驗值的基礎(chǔ)上進(jìn)行仿真環(huán)境和參數(shù)值的設(shè)定，建立相應(yīng)的仿真模型往往會忽略很多的隨機(jī)因素。

而在本方法中實時測量的交通流數(shù)據(jù)被引入到仿真環(huán)境中，整個仿真系統(tǒng)的運行過程是仿真與調(diào)整不斷迭代的過程，所以仿真輸出結(jié)果與真實道路實際的運行狀況不斷接近，精確度提高，對交通時間的影響范圍進(jìn)行估計時效果更好、可靠性更強(qiáng)。

傳統(tǒng)仿真系統(tǒng)往往在仿真過程結(jié)束以后，根據(jù)仿真結(jié)果的輸出進(jìn)行仿真效果的比較，進(jìn)而通過比較的結(jié)果進(jìn)行相應(yīng)初始化參數(shù)的調(diào)整。而本方法改變了這一運行方式，能夠?qū)崟r進(jìn)行數(shù)據(jù)驗證和模型的調(diào)整修正。

本發(fā)明的其他優(yōu)點、目標(biāo)和特征在某種程度上將在隨后的說明書中進(jìn)行闡述，并且在某種程度上，基于對下文的考察研究對本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點可以通過下面的說明書來實現(xiàn)和獲得。

附圖說明

本發(fā)明的附圖說明如下。

圖1示出了基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法的流程示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步說明。

實施例

本實施例提供的基于粒子濾波算法的高速公路交通事件影響范圍仿真估計方法，包括以下步驟：

步驟1，獲取高速公路交通路網(wǎng)結(jié)構(gòu)數(shù)據(jù)，所述的高速公路交通路網(wǎng)結(jié)構(gòu)數(shù)據(jù)，主要包括每個路段長度、車道數(shù)、車道連接情況，通過高速公路交通路網(wǎng)結(jié)構(gòu)數(shù)據(jù)繪制對應(yīng)的仿真路網(wǎng)結(jié)構(gòu)圖，并根據(jù)實際的車檢器布設(shè)位置信息，在仿真路網(wǎng)對應(yīng)位置布設(shè)虛擬車檢器，建立高速公路仿真模型；

步驟2，獲取待估計影響范圍的交通事件信息，包括事件發(fā)生時間、樁號范圍、行車方向和預(yù)計持續(xù)時間；

步驟3，根據(jù)步驟2中的交通事件信息，設(shè)定一周為周期，通過歷史數(shù)據(jù)獲取前四個周期相同t時間段事發(fā)路段上游車檢器流量統(tǒng)計數(shù)據(jù)分別為v1、v2、v3、v4，t取半小時為一采集周期，則t時段內(nèi)該路段輸入車流量為：分別獲取v_t-1,v_t,v_t+1,…，建立流量輸入矩陣；結(jié)合步驟1建立的仿真路網(wǎng)模型，在事發(fā)路段上游車檢器位置處設(shè)置流量輸入點建立流量輸入。

步驟4，結(jié)合步驟1的高速公路交通仿真模型和步驟3的數(shù)據(jù)，利用仿真模型初始化N個仿真線程，各個仿真線程都能夠相互獨立且同步地仿真出下一時刻的交通流信息；

設(shè)事發(fā)位置樁號范圍為[l₁,l₂](l₁、l₂為距上游車間去的距離)，取取位置間隔為l_d；設(shè)獲取的預(yù)計事件持續(xù)時間為t，取時間間隔為t_d；設(shè)事發(fā)路段為雙車道，設(shè)N＝18,則各粒子的初始化條件為：

步驟5，仿真到事件發(fā)生時間點的下一個數(shù)據(jù)采集周期；

步驟6，將真實道路上實時的傳感器數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行對比，計算t時刻N個仿真粒子的權(quán)重，記為其中，步驟6具體為，通過收集各粒子上下游車檢器數(shù)據(jù)，包括檢測周期內(nèi)通過的車流量、平均車速和占有率等信息，結(jié)合實時的高速公路實際車檢器收集的信息，假設(shè)所測量路段的總長度為L，在路段上總共布設(shè)n個檢測器，檢測器的編號分別為D₁,D₂,…,D_n，因為實際情況的局限性，檢測器的位置并不是均勻分布。設(shè)檢測器D_i的實際安裝位置為L_i，則兩個相鄰檢測器之間的距離為：l_i＝L_i+1-L_i，其中(i＝1，2，…，n-1)。

假設(shè)交通事件發(fā)生在檢測器D_i和D_i+1之間，我們將真實道路上的實時的檢測器數(shù)據(jù)與仿真粒子進(jìn)行對比計算t時刻N個仿真粒子的權(quán)重。sD_k(i,t)表示i粒子在t時刻D_k位置的平均速度，vD_k(i,t)表示i粒子在t時刻D_k位置的流量，oD_k(i,t)表示i粒子在t時刻D_k位置的占有率，sD_k(t)表示道路上D_k位置檢測器獲取的平均速度，vD_k(t)表示道路上D_k位置檢測器獲取的流量，oD_k(t)表示道路上D_k位置檢測器獲取的占有率；

粒子i在t時刻的權(quán)重計算方式如下式所示：

w(i,t)＝1/(S+v+o)

$S=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{sD}}_k(i,t)-{\mathrm{sD}}_k\left(t\right)}{{\mathrm{sD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$

$V=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{vD}}_k(i,t)-{\mathrm{vD}}_k\left(t\right)}{{\mathrm{vD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$

$O=\underset{k=1}{\overset{n}{\Σ}}\frac{{\left(\frac{{\mathrm{oD}}_k(i,t)-{\mathrm{oD}}_k\left(t\right)}{{\mathrm{oD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$

并進(jìn)行歸一化處理，

步驟7，計算若N_eff≤N，則轉(zhuǎn)到步驟8，否則轉(zhuǎn)到步驟9；

步驟8，重采樣，設(shè)定有效粒子數(shù)為N_th＝6，根據(jù)粒子集中粒子權(quán)值的大小，拋棄低權(quán)值粒子，得到新粒子集，新粒子集包含N_th個粒子，并將每個粒子的權(quán)重重置為

步驟8具體為，選擇(0,1]的均勻分布

a.取m＝0；

b.若n_i為區(qū)間中u_i的個數(shù)，

c.那么對仿真粒子m進(jìn)行u_i次復(fù)制，如果m≤5，則m＝m+1,返回b；否則結(jié)束采樣；

步驟9，設(shè)粒子i中排隊長度檢測器檢測到的排隊長度值為設(shè)各仿真粒子的堵塞初始位置為l_i,i＝1,...,N_t，N_t為t時刻還存在的粒子數(shù)，則輸出堵塞起始位置排隊長度值

步驟11，根據(jù)步驟9獲得的堵塞起始位置和排隊長度值，獲取所述交通事件實時的影響范圍，判斷所有粒子中的封道是否全部清除，若封道全部清除，則轉(zhuǎn)到步驟12，否則仿真下一個時間周期，轉(zhuǎn)到步驟6；

步驟12，根據(jù)步驟7獲得的堵塞起始位置和排隊長度值，獲取所述交通事件的最大影響范圍；

最后說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的保護(hù)范圍當(dāng)中。