CN103226893A - 基于二维宏观流模型描述交通流行为的方法及模拟*** - Google Patents

Abstract

本发明提供一种基于二维宏观流模型描述大规模交通流行为的方法及模拟***，其中方法包括：步骤1，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至二维路网的相应网格上；步骤2，根据二维宏观流模型计算下一时刻二维路网内各网格内的车流交通信息；步骤3，根据下一时刻二维路网内各网格内的车流交通信息更新二维路网内车辆的状态，并将其显示在三维场景中。

Description

基于二维宏观流模型描述交通流行为的方法及模拟***

技术领域

本发明涉及交通运输领域和计算机图形学领域，尤其涉及一种基于二维宏观流模型描述大规模交通流行为的方法及模拟***。

背景技术

对道路中交通流行为的数学描述，可以用于交通问题分析和交通行为的计算机模拟。在现实生活中，像北京车辆保有量已超过500万辆，北京市中心城区快速路总里程已超过310公里。并且路网内存在各种复杂的交通现象和路况，例如交通事故、立交桥，十字路口，临时交通管制等。所以数学模型不仅需要描述大规模车辆的交通行为，还必须描述车辆在复杂交通路网内的不同运动行为，如加速、减速、直行、换车道等。

现有的用于描述大规模车辆的方法主要是宏观流方法。这类方法可以很好的描述车辆的加速，减速等行为。但是，现有宏观流方法几乎都是用沿车道线的一维流体模型描述车辆在公路平面上的运动。模型对于车道间的车流交互，只能通过经验赋值给出车流何时开始流出当前车道、流出持续的时间等。所以对两车道间的车流交互只能给出粗略的计算，没办法有效计算车流何时开始流出，流出持续的时间，最终流出量等。实际交通中，路网中存在大量的匝道出入口，十字路口，车道并线，交通管制，交通事故等复杂交通路况。在这些路段处，车道间存在大量的车辆流入（流出）。无法有效模拟车道间的车流交互行为，就没有办法很好模拟这部分路段的交通情况，从而影响整个路网交通状况的模拟结果。

如何用宏观流模型有效的描述车道间的车流交互行为，使得模拟结果更贴合实际。这个问题一直没有得到解决。

发明内容

为解决上述问题，本发明提供一种基于二维宏观流模型描述大规模交通流行为的方法及模拟***，不仅能描述沿线路方向的车流运动，还能很好的描述车道间的车流运动，而且当前车道上何时有车流的流出、流出持续的时间、最终流出的流量都可以通过求解该二维宏观流模型得出，能大大增强模拟结果的可信度。

为实现上述发明目的，本发明提供一种基于二维宏观流模型描述大规模交通流行为的方法，该方法包括：

步骤1，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

步骤2，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

步骤3，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

步骤4，重复执行步骤2、3，以进行车流行为的时序模拟。

进一步的，所述二维宏观流模型中：

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

进一步的，n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

进一步的，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

为实现上述发明目的，本发明还提供一种基于二维宏观流模型描述大规模交通流行为的模拟***，该模拟***包括：

二维路网构建模块，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

模型计算模块，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

更新显示模块，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

时序模拟模块，重复执行模型计算模块与更新显示模块以进行车流行为的时序模拟。

进一步的，所述二维宏观流模型中：

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

进一步的，n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

进一步的，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

本发明的有益效果在于：

1）在二维空间(x,y)上采用二维宏观流模型描述交通流行为。当前位置的交通流状态，不仅取决于当前车道上的车流状况，还取决于周围车道上的车流状况。

2）二维宏观流模型不再是采用沿车道线方向状况

车流对当前位置车流状况的优化，而是采用当前位置车流方向上的车流状况

对当前车流状况进行优化。该二维宏观流模型不仅可以很好的描述沿线路方向的车流运动，还可以很好的描述车道间的车流运动。当前车道上何时有车流的流出、流出持续的时间、最终流出的流量都可以通过求解该二维宏观流模型得出。

3）二维宏观流模型模拟结果得到了直观的展示，增强了模拟结果的可信度。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明的路面网格剖分示意图；

图2为本发明的道路路网示意图；

图3为本发明的车流速度密度初始化示意图；

图4是本发明的基于二维宏观流模型描述大规模交通流行为的方法流程图；

图5是本发明的基于二维宏观流模型描述大规模交通流行为的模拟***示意图。

具体实施方式

本发明的目的是解决现有宏观交通流模型中无法有效描述车道间车流交互的问题。图4是本发明的基于二维宏观流模型描述大规模交通流行为的方法流程图。如图4所示，该方法包括：

步骤1，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

步骤2，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

步骤3，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

步骤4，重复执行步骤2、3，以进行车流行为的时序模拟。

进一步的，所述

二维宏观流模型中：

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

进一步的，n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

进一步的，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

图5是本发明的基于二维宏观流模型描述大规模交通流行为的模拟***示意图。如图5所示，该模拟***包括：

二维路网构建模块100，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

模型计算模块200，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

更新显示模块300，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

时序模拟模块400，重复执行模型计算模块与更新显示模块以进行车流行为的时序模拟。

进一步的，所述

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中，ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

进一步的，n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

进一步的，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

本发明所公开的描述大规模复杂交通流行为的二维宏观流模型包含以下三个部分：二维路网的构建与交通流状态初始化、路网交通流状态更新、车辆根据交通流状态更新自身状态。其中：

1）二维路网的构建与交通流状态初始化部分主要实现的是将路网拓扑结构和交通状态映射到二维交通流模型描述的信息上。该步骤做的是数据准备工作。具体包含以下步骤：

1）以二维公路平面（拥有车道线数目≥1）为基础，对路面进行网格剖分（如图1所示，图1为本发明的路面网格剖分示意图）；

2）路网内交通流状况初始化。具体指将初始时刻路网内的各点处的车流交通情况（车辆数目和速度）根据一定要求映射至每个网格；

3）根据路网内以往时间内的交通状况计算或估计出正常情况下路网内的交通流密度、行车限速、一般行驶车辆类型（车辆长度）三个参数值。

路网剖分为沿车道线切线方向的剖分和垂直于车道线的法向剖分，从而得到网格结点(j,m)。法向剖分的步长大小为车道线的宽度，切向剖分步长（设为Δx）大小根据模拟的精度要求和公式(1)的稳定性要求在一定范围内取值。

二维宏观流模型初值信息，如仿真初始时刻t=t₀时路网内各位置处的车流速度v(x,y,t₀)、密度ρ(x,y,t₀)等通过如下方式给出：根据当前时刻路网内分布的车辆所在位置以及速度情况，求得各网格处的车流速度和密度，如图2所示。实际中，车辆与车辆之间会有间距，我们采用如下方法对道路上所有位置处的车流速度、密度进行赋值：以Δx间隔，求该步长内车辆的个数以及平均车速，如图3所示，车辆a和车辆b的车长都为L，车速分别为v_a和v_b。若当前步长内（粗线区域内）包含a车辆车长的1/3，b车长的1/2，则当前步长内所有位置处的车流速度都为

密度为

若当前步长内没有车辆，则车流速度为路段最大限速，密度为0。

2）路网交通流状态更新部分主要实现的是根据当前时刻路网内各位置处的车流交通，求解下一时刻路网内各位置处的车流交通，具体包含以下步骤：

1）根据路网网格剖分的大小以及下述公式(1)稳定性约束得出当前时刻和下一时刻的最大延迟时间τ；

2）根据下述二维宏观流模型采用一定的数值计算方法，计算得到下一时刻路网内各网格内的车流交通情况（密度ρ(x,y,t+τ)和速度v(x,y,t+τ)）：

$\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.---\left(1\right)$

和以往模型中速度和密度都是在沿车道线方向的一维空间中取值不同，我们的二维宏观流模型中速度v(x,y,t)和密度ρ(x,y,t)都是在二维空间中取值。即v(x,y,t)表示t时刻二维空间(x,y)位置处车流的速度，ρ(x,y,t)表示t时刻二维空间(x,y)位置处车流的密度。二维宏观流模型中第二个方程作为优化车流状态的差分方程，ρ_j,m(t)和υ_j,m(t)表示二维空间路面上结点(j,m)处的密度和速度。ρ₀为常数，表示当前路段车流的平均密度，需要作为初始值给出。τ为延迟时间，由选取不同的数值求解方法的性质决定。V为优化速度函数，n为常数，表示前方提供信息的节点数目。以往模型中的优化速度函数都是采用沿车道线方向上的车流对当前车流进行优化的，而我们的二维宏观流模型是采用当前位置车流方向上的车流对当前位置的车流状况进行优化。其中，

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

参数n，β_l，ρ_c，v_max为常数，需要作为初始值给出。通常n取值为3，相应 ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3。ρ_c为安全车距的倒数，通常取值为0.2vel./m。v_max为当前路段最大限速，一般取值为车辆的期望速度。

对上述方程设置合适的初值信息后（即初始时刻交通流状态，各处的密度和速度），通过采用有效的数值求解方法（例如有限差分方法），对二维宏观流模型方程进行求解，可以得到后续时刻各个位置处的车流速度，密度信息，实现交通流的模拟计算。

若仿真时间内有外界车辆流入当前路网。上述二维宏观流模型通过如下方式将其转化为边界条件处理：以图路网数据为例，路网边界处若有车辆流入，假设当前边界处每条车道上平均Δt时间内流入一辆车，则当前车道每秒内的流入量为1/Δt。

3）车辆根据交通流状态更新自身状态部分主要实现的是将宏观交通流状况映射至每辆车，以达到交通状况的直观显示，具体包含以下步骤：

1）车辆根据所在网格下一时刻的状态（上一部分计算已经得到），更新自身状态；

2）将车辆更新后的位置显示在三维场景中。

该部分主要做的是模拟结果的直观显示，增强了模拟结果的可信度。车辆能够得到的信息直接和公式(1)采用的数值算法有关系。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种基于二维宏观流模型描述大规模交通流行为的方法，其特征在于，包括：

步骤1，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

步骤2，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_1{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

步骤3，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

步骤4，重复执行步骤2、3，以进行车流行为的时序模拟。

2.如权利要求1所述的基于二维宏观流模型描述大规模交通流行为的方法，其特征在于，所述

二维宏观流模型中：

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

3.如权利要求1所述的基于二维宏观流模型描述大规模交通流行为的方法，其特征在于，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

4.如权利要求2所述的基于二维宏观流模型描述大规模交通流行为的方法，其特征在于，

n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

5.一种基于二维宏观流模型描述大规模交通流行为的模拟***，其特征在于，包括：

二维路网构建模块，基于二维公路平面对路面进行网格剖分构建二维路网，将初始时刻二维路网内的车流交通信息映射至所述二维路网的相应网格上；

模型计算模块，根据二维宏观流模型 $\left\{\begin{array}{c}{\∂}_t\mathrm{\ρ}(x,y,t)+\▿\left(\mathrm{\ρ}(x,y,t)\mathrm{\υ}(x,y,t)\right)=0\\ {\mathrm{\ρ}}_{j,m}(t+\mathrm{\τ}){\mathrm{\υ}}_{j,m}(t+\mathrm{\τ})={\mathrm{\ρ}}_{0}V\left(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)\right)\end{array}\right.$ 计算下一时刻二维路网内各网格内的车流交通信息，其中ρ(x,y,t)表示t时刻(x,y)位置处车流的密度，v(x,y,t)表示t时刻(x,y)位置处车流的速度，ρ₀为当前路段车流的平均密度，ρ_j,m(t)和υ_j,m(t)表示二维路网内节点(j,m)处的密度和速度，(j_{front_l},m_{front_l})为(j,m)沿车流方向前方第l个节点，τ为延迟时间，β_l为权重函数，V为优化速度函数，n为常数，表示前方提供信息的节点数目；

更新显示模块，根据所述下一时刻二维路网内各网格内的车流交通信息更新所述二维路网内车辆的状态，并将其显示在三维场景中；

时序模拟模块，重复执行模型计算模块与更新显示模块以进行车流行为的时序模拟。

6.如权利要求5所述的基于二维宏观流模型描述大规模交通流行为的模拟***，其特征在于，所述

二维宏观流模型中：

$V(\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right),{\mathrm{\ρ}}_0)=\frac{v_{\max }}{2}[\tanh (\frac{2}{{\mathrm{\ρ}}_0}-\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\β}}_l{\mathrm{\ρ}}_{j_{\mathrm{front}\_l},m_{\mathrm{front}\_l}}\left(t\right)}{{\mathrm{\ρ}}_0^2}-\frac{1}{{\mathrm{\ρ}}_c})+\tanh \left(\frac{1}{{\mathrm{\ρ}}_c}\right)]$

其中ρ_c为安全车距的倒数，v_max为当前路段最大限速，tanh为双曲正切函数。

7.如权利要求5所述的基于二维宏观流模型描述大规模交通流行为的模拟***，其特征在于，若有外界车流流入当前所述二维路网，将其转化为边界条件处理。

8.如权利要求6所述的基于二维宏观流模型描述大规模交通流行为的模拟***，其特征在于，

n取值为3， ${\mathrm{\β}}_l=\left\{\begin{array}{cc}2/3^l& l\≠3\\ l/3^{l-1}& l=3\end{array}\right.,$ 其中l=0,1,2,3，ρ_c取值0.2vel./m，v_max取值为车辆的期望速度。

Images