CN111275965B - 一种基于互联网大数据的实时交通仿真分析***与方法 - Google Patents
一种基于互联网大数据的实时交通仿真分析***与方法 Download PDFInfo
- Publication number
- CN111275965B CN111275965B CN202010067038.6A CN202010067038A CN111275965B CN 111275965 B CN111275965 B CN 111275965B CN 202010067038 A CN202010067038 A CN 202010067038A CN 111275965 B CN111275965 B CN 111275965B
- Authority
- CN
- China
- Prior art keywords
- data
- simulation
- traffic
- module
- internet big
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 160
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007726 management method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 239000010410 layer Substances 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000002346 layers by function Substances 0.000 claims description 11
- 238000003012 network analysis Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000013439 planning Methods 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims 1
- 238000013480 data collection Methods 0.000 claims 1
- 238000009472 formulation Methods 0.000 claims 1
- 238000005065 mining Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通仿真技术领域,尤其涉及一种基于互联网大数据的实时交通仿真分析***与方法包括数据存储模块、数据处理模块、仿真管理模块和用户终端模块;所述数据存储模块用于互联网大数据的准备与存储,数据存储模块用于接收来自互联网大数据、检测器、人工设计的仿真方案和仿真基础数据的信息;输入的数据包括静态数据和动态数据;所述数据处理模块用于数据的预处理、数据分析、数据融合和数据转换。本发明打破了传统的OD反推、最短路求解等方法,简化了仿真过程,提高了仿真的真实性和准确性,解决现有技术中依赖历史的、离线的数据才能实现交通仿真且仿真核心模型和算法无法与大数据形成良***互的问题。
Description
技术领域
本发明涉及交通仿真技术领域,尤其涉及一种基于互联网大数据的实时交通仿真分析***与方法。
背景技术
20世纪中叶以来,随着计算机技术等信息领域各种技术的不断发展,道路交通仿真技术从无到有不断完善,对于交通研究和工程实践来说,又增添了一种强有力的综合性技术。半个多世纪以来,随着信息技术领域的快速发展以及道路交通流基本理论与模型的逐渐完善,道路交通仿真技术也得到了根本性的提高。传统的交通仿真软件不断升级完善,新的交通仿真软件不断涌现,其功能的全面性和应用的多样性为理论研究、交通规则、设计咨询等工作提供了重要支撑。因此,道路交通仿真在交通规划设计、交通组织优化等多个领域获得了广泛的应用。
近年来,当人们充分意识到大数据的价值,并进一步完善和推进计算机技术不断革新时,道路交通仿真面临着新的转折点。大数据的发展逐渐克服了交通仿真的传统瓶颈——数据制约,这为交通仿真带来了新的数据支撑。目前,交通大数据的获取已成为现实,以浮动车数据为代表的交通互联网大数据逐渐在城市交通的多个领域中发挥着重要的支撑作用。然而,现有的互联网公司侧重于收集分析历史和现状大数据,缺少对未来的科学判断;并且传统仿真中的分配算法和模型都是基于众多的假设,无法与大数据形成良性的交互关系。
因此,在当前阶段,城市交通***的分析亟待结合逐渐成熟的交通大数据采集与分析处理技术,突破传统的交通仿真的思维与技术路线。
发明内容
有鉴于此,本发明的目的是提供一种基于互联网大数据的实时交通仿真分析***与方法,本发明打破了传统的OD反推、最短路求解等方法,简化了仿真过程,提高了仿真的真实性和准确性,解决现有技术中依赖历史的、离线的数据才能实现交通仿真且仿真核心模型和算法无法与大数据形成良***互的问题。
本发明另提供了一种基于互联网大数据的实时在线交通仿真分析的***包括数据存储模块、数据处理模块、仿真管理模块和用户终端模块。
进一步,数据存储模块,负责互联网大数据等的准备与存储,数据存储服务器主要接收来自互联网大数据、各类检测器、人工设计的仿真方案和仿真基础数据等各类信息。输入的数据包括静态数据(如道路类型、路网结构)和动态数据(如需求数据、导航数据)。
进一步,数据处理模块,依靠数据处理服务器负责数据的预处理、数据分析、数据融合、数据转换等。
进一步,仿真管理模块,采用仿真服务器群的管理模式,由均衡管理器负责分配每个服务器的仿真任务,以最大化利用硬件资源,提高仿真效率。监控终端则主要负责唤醒仿真服务器群和监控整个仿真过程,记录错误信息和故障,便于管理人员监督仿真进程,并及时处理仿真故障。
进一步,用户终端模块,在监控终端发送结束指令后,将仿真结果保存到相应的数据库中,供用户观察仿真结果图表和视频,进行仿真分析等操作。
进一步,该***包括数据层、内核层、功能层和应用层共四个层次。该***以充分获取各类交通数据和信息为基础,运用内核层的多种模型,实现一系列模块的***功能,并根据用户的不同需求,控制仿真***的运行。
进一步,数据层是构建在线仿真***的依据,为***的运行提供完备的大数据支撑,供内核层调用,并贯穿整个交通仿真过程。数据管理实现数据的集中存储,建立数据字典,提供数据共享和显示服务。数据析取实现数据分析、挖掘、描述,并对各种数据进行融合与处理、数据交换,形成数据聚集和子集。数据***包括数据源和数据采集两级结构,记录了各类互联网大数据的输入。
进一步,内核层为仿真***提供基础模型,对交通仿真的数据资源和运算资源进行管理及调度,实现功能层各种模块的处理,是***运行的基础。其中,基础路网构建用于管理仿真***的底图、节点、路段和车道;交通需求融合用于整合历史和实时的交通需求,并根据不同的仿真场景设置交通需求调节倍数;交通流分配使用调整后的出行路径概率并根据路段节点传输模型将车辆分配在路网上;仿真配置与校准用来设置仿真的基本参数和开展模型校准工作;仿真结果与分析用于评价仿真结果;***维护用于保障仿真安全。
进一步,功能层由一系列的模块组成,为仿真***的分析设计、开发集成和运行评估提供支持。功能层将内核层与应用层无缝连接,根据***应用层的不同需求,支持仿真过程,是实现不同应用模式的关键。功能层具体包括:城市道路网络模块,即将矢量地图、多类型定位图层和高精地图等地图文件转换为路网结构文件;交通管制措施设置模块,用于仿真各类交通管理与控制手段;交通网络分析模块,主要包括交通需求输入模块、交通方式划分模块、出行路径选择模块和交通分配模块,通过互联网大数据可以得到驾车用户的起讫点和路径,前者可以推算得到机动车OD分布,后者可以归纳出出行路径集合和选择概率,进而可以直接应用仿真模型进行交通分配,该方法打破了传统的OD反推、最短路求解等方法,简化了仿真过程,提高了仿真的真实性和准确性;道路交通流运行状态计算模块,涵盖了路网整体特性(如:平均路网速度、平均行程距离等)、路段统计信息(如:路段平均速度、路段平均行驶时间、路段总延误等)、交叉口统计信息(如:交叉口饱和度、交叉口服务水平等)和燃油及尾气排放(如HC、CO、NOX、CO2排放指标)等指标;城市交通流实时运行参数管理模块,主要用于存储仿真***模型的各种参数;交通仿真结果展示模块,集中在路网、路段、交叉口和车辆交通状态的展示,其展现形式可分为表格、图形、主题图等。
进一步,应用层处于***最上层,根据不同应用模式的功能要求,可以进行灵活定制和重构,生成不同应用配置,组成不同应用***,为交通管理和交通政策制定提供帮助。***可以针对拥堵收费、区域限行、排放区控制等仿真场景,一方面提供给用户简便的仿真操作界面、数据查询界面,另一方面提供给用户可视化的二维、三维仿真、仿真结果、评估曲线与分析图表等。
进一步,一种基于互联网大数据的实时交通仿真分析方法具体按以下步骤执行:
S1:的交通仿真基础信息导入是指利用互联网大数据的电子地图直接进行交通仿真所需基础路网数据的导入并进行相应的修订;
S2:所述的交通需求输入是根据出行者实时产生的互联网大数据来得到交通仿真所需要的机动车OD矩阵数据等,结合不同交通仿真场景中的调节参数共同进行估计;
S3:所述的交通方式划分是利用利用互联网大数据估计出行者在行程中的路径和速度来判断交通方式划分现状,以及对未知场景中的预期变化规律进行估计;
S4:所述的出行路径选择是互联网大数据的实际检测出行路径为基础,以当前不同OD间选择概率最大的三条路径为备选集合;
S5:所述的交通分配模型是指采用不同的方法对三条备选路径集合的选择概率进行调整;
S6:所述的结果对比分析是指应用互联网大数据提供的结果,将对比现状和仿真的交通状态运行结果,对交通仿真的场景进行评价和判断。
本发明的一种基于互联网大数据的实时交通仿真分析***与方法,本发明打破了传统的OD反推、最短路求解等方法,简化了仿真过程,提高了仿真的真实性和准确性,解决现有技术中依赖历史的、离线的数据才能实现交通仿真且仿真核心模型和算法无法与大数据形成良***互的问题。
附图说明
图1是本发明的一种基于互联网大数据的实时交通仿真分析***与方法的***结构图;
图2是本发明的***逻辑结构图;
图3是本发明的在线仿真***实例分析例图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,显然,所描述的实施例仅仅只是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本实施例中,本发明的一种基于互联网大数据的实时交通仿真分析***包括数据存储模块、数据处理模块、仿真管理模块和用户终端模块;
所述数据存储模块用于互联网大数据的准备与存储,数据存储模块用于接收来自互联网大数据、检测器、人工设计的仿真方案和仿真基础数据的信息;输入的数据包括静态数据和动态数据;所述互联网大数据来源包括高德地图数据、人工录入数据和仿真基础数据;
所述数据处理模块包括数据处理服务器,所述数据处理服务器用于数据的预处理、数据分析、数据融合和数据转换;
所述仿真管理模块包括仿真服务器进和均衡管理器,所述仿真管理模块采用仿真服务器群的管理模式,由均衡管理器负责分配每个服务器的仿真任务,以最大化利用硬件资源,提高仿真效率;
所述监控终端用于唤醒所述仿真服务器群和监控整个仿真过程,记录错误信息和故障,便于管理人员监督仿真进程,并及时处理仿真故障;
所述用户终端模块在监控终端发送结束指令后,将仿真结果保存到相应的数据库中,供用户观察仿真结果图表和视频,进行仿真分析操作。
本实施例中,本***的整体架构包括数据层、内核层、功能层和应用层共四个层次;所述数据层包括数据管理、数据析取和数据***,所述数据管理实现数据的集中存储,建立数据字典,提供数据共享和显示服务;所述数据析取实现数据分析、挖掘、描述,并对各种数据进行融合与处理、数据交换,形成数据聚集和子集;
本实施例中,所述数据***包括数据源和数据采集两级结构,记录各类互联网大数据的输入,所述数据源分为动态数据和静态数据以及其他数据,所述动态数据包括高德地图导航数据、车辆GPS、定点监测数据、信号控制数据、事件事故数据以及停车场的数据,所述静态数据包括高德地图路网数据、交通管理和管理对象数据,其他的数据包括公共、铁路、轨道、货运物流、高速公路、民航和旅游交通的数据。
本实施例中,所述内核层为仿真***提供基础模型,对交通仿真的数据资源和运算资源进行管理及调度,实现功能层各种模块的处理,所述内核层包括基础路网构建、交通需求融合、仿真结果与分析、仿真配置与校准、交通流分配和***维护。所述基础路网构建用于管理仿真***的底图、节点、路段和车道,所述交通需求融合包括融合历史交通需求、实时交通流数据、基于用户的起讫点数据和需求倍数的调节;所述仿真结果分析包括仿真结果格式转换、仿真结果数据融合、绘制图表与曲线和视频的保存与现实;所述仿真配置与校准包括设置基本仿真参数、设计仿真模型、路网校准和模型校准;所述交通流分配包括出行路径集合、出行路径概率、模拟路段节点传输行为和路径概率转移;所述***维护包括用户基本信息维护、***操作权限维护、***信息维护和安全保障体系维护。
本实施例中,所述功能层包括城市道路网络模块、城市交通流实时运行参数管理模块、交通管制措施设置模块、道路交通流运行状态计算模块和交通网络分析模块。
本实施例中,所述交通网络分析模块包括交通需求输入模块、交通方式划分模块、出行路径选择模块和交通分配模块,通过互联网大数据得到驾车用户的起讫点和路径,所述交通管制措施设置模块推算得到机动车OD分布,所述交通网络分析模块归纳出行路径集合和选择概率,直接应用仿真模型进行交通分配。
本实施例中,所述应用层处于***最上层,根据不同应用模式的功能要求,进行灵活定制和重构,生成不同应用配置,组成不同应用***,支持交通管理和交通政策制定。
本实施例中,如图1所示,为了缓解城市道路交通压力,精准管控以“异地上牌本地使用”方式规避广州市中小客车总量调控政策的车辆,2018年7月1日起,广州市实施了“非广州市籍中小客车(含临时号牌车辆)驶入本市管控区域(不含高速公路、华南快速干线、东南西环城市快速路),连续行驶时间最长不得超过4天(按自然日计算),再次驶入须间隔4天以上”的交通管制措施,可简称为对中心城区的外地车实行“开四停四”政策。为了预测政策的实施效果,基于互联网大数据,通过在线交通仿真分析***,分析“开四停四”政策实施后的交通运行状态变化。
如图3所示,首先通过结合矢量地图、多类型定位图层和高精地图数据,将地图文件转换为路网结构文件,即将道路网络模块抽象为底图、路段、节点和小区,构建符合城市路网形态的仿真模型,并记录当前的交通运行状态数据。之后,准备出行起讫点数据和导航数据用于后续还原实时精确的交通需求分布和辨识现实有效的出行路径及选择概率。
本实施例中,在计算交通需求输入时,由于单一或多个导航软件的用户是有限的,因此需要考虑导航软件的使用率。同时为了简化计算,假设其余用户的交通分布的情况与所获取的交通分布相同。其次,虽然限行强制性地减少了上路的车辆数,但也会存在违章的车辆,同时带来单车使用强度增加的问题,反映在交通需求上就是OD分布量不会按照理论的比例减少,计算公式如式1所示:
式(1)中,ODi,j,restriction是起点i到讫点j限号后的OD分布量,ODi,j是起点i到讫点j在限号前的OD分布量,α是导航软件的使用率,即市场占有份额,β是允许上路的车辆比例,γ是车辆违章率,η是单车使用强度增加系数,其中η>1。
本实施例中,在交通方式划分时,由于限行政策减少了人们的小汽车出行,该场景下暂不考虑其他交通方式转移为小汽车出行,即沿用现状交通方式的划分比例。
本实施例中,在出行路径选择时,备选集合记录了当前不同OD间选择概率最大的三条路径。但由于交通需求的减少,用户更倾向于选择等级高、信号灯少的路径出行,而不愿冒险的“另辟蹊径”,因此用户的出行路径选择会更加集中,限号前最多用户选择的出行路径的概率有望增加。
本实施例中,在交通分配时,为了体现用户信息使用率的变化以及路径选择概率的转移情况,这里采用“先平方后归一”的方法。例如,对于起点i、讫点j的用户共有三条备选路径r1,r2和r3,对应的选择概率分别为p1,p2和p3,且满足p1+p2+p3=1,p1≥p2≥p3的约束。车辆限行后,三条备选路径r1,r2和r3对应的选择概率分别为p′1,p′2和p′3,且满足:和虽然路径r1的选择概率增加,但转移后的交通量不应大于原有交通量。即:
ODi,j×p1≥ODi,j,restriction×p′1 (式2)
本实施例中,在结果对比分析时,为了保证评价指标尽可能客观、全面和科学,选取“拥堵延时指数”作为城市拥堵程度的评价指标,即城市居民平均一次出行实际旅行时间与自由流状态下旅行时间的比值。该指数从交通出行者角度出发,以简单易懂的方式表达交通拥堵给出行者带来的时间成本。考虑到拥堵时城市交通中一个复杂的现象,用单个的指标难以描述所有出行者对拥堵的关注程度。因此,辅以路段的旅行速度、旅行时间和延迟时间,进一步反映最主要和最全面的信息。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (12)
1.一种基于互联网大数据的实时交通仿真分析***,其特征在于,包括数据存储模块、数据处理模块、仿真管理模块、监控终端和用户终端模块;
所述数据存储模块用于互联网大数据的准备与存储,数据存储模块用于接收来自互联网大数据、检测器、人工设计的仿真方案和仿真基础数据的信息;输入的数据包括静态数据和动态数据;所述互联网大数据来源包括高德地图数据、人工录入数据和仿真基础数据;
所述数据处理模块包括数据处理服务器,所述数据处理服务器用于数据的预处理、数据分析、数据融合和数据转换;
所述仿真管理模块包括仿真服务器进和均衡管理器,所述仿真管理模块采用仿真服务器群的管理模式,由均衡管理器负责分配每个服务器的仿真任务,以最大化利用硬件资源,提高仿真效率;
所述监控终端用于唤醒所述仿真服务器群和监控整个仿真过程,记录错误信息和故障,便于管理人员监督仿真进程,并及时处理仿真故障;
所述用户终端模块在监控终端发送结束指令后,将仿真结果保存到相应的数据库中,供用户观察仿真结果图表和视频,进行仿真分析操作;
本***的实时交通仿真分析方法,具体按以下步骤执行:
S1:基础路网建模,首先通过互联网大数据获取覆盖仿真区域的道路信息和交通运行状态信息;
S2:基于互联网大数据,将用户输入的以驾车为出行方式的起讫点数据转化为机动车的实时交通需求,获取基于真实数据的机动车OD矩阵;
S3:基于互联网大数据,通过记录出行者在OD间的路线和速度,推断出该出行者的交通方式,整合所有出行者数据计算得到各种交通方式在当前状况的划分比例,实现基于大数据的出行方式划分;
计算公式如式(1)所示:
式中,ODi,j,restriction是起点i到讫点j限号后的OD分布量,ODi,j是起点i到讫点j在限号前的OD分布量,α是导航软件的使用率,即市场占有份额,β是允许上路的车辆比例,γ是车辆违章率,η是单车使用强度增加系数,其中η>1;
S4:基于互联网大数据,根据整合在同一OD间不同出行者实际采取的出行路径,记录所有OD间选择概率最大的三条路径作为交通仿真出行路径的备选方案;
对于起点i、讫点j的用户共有三条备选路径r1,r2和r3,对应的选择概率分别为p1,p2和p3,且满足p1+p2+p3=1,p1≥p2≥p3的约束,车辆限行后,三条备选路径r1,r2和r3对应的选择概率分别为p1′,p2′和p3′,且满足:和虽然路径r1的选择概率增加,但转移后的交通量不应大于原有交通量,如式(2)所示:
ODi,j×p1≥ODi,j,restriction×p1′ (2)
S5:基于互联网大数据,对备选的出行路径选择概率进行等比例放大和为1或先平方后归一的方式进行处理,使三条路径的选择概率之和等于1且符合不同交通仿真场景的需求,进行交通分配,得到交通仿真中的路段、交叉口和路网的相关仿真结果;
S6:在效果评估方面,根据实际的互联网大数据所显示的路段、交叉口、路网运行状态数据与交通仿真得到的路段、交叉口和路网的仿真结果数据进行对比,分析在线交通仿真***的现实反映力和未来预测力,从而对交通规划与管理、交通决策与政策制定提供帮助。
2.根据权利要求1所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,本***的整体架构包括数据层、内核层、功能层和应用层共四个层次。
3.根据权利要求2所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述数据层包括数据管理、数据析取和数据***,所述数据管理实现数据的集中存储,建立数据字典,提供数据共享和显示服务。
4.根据权利要求3所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述数据析取实现数据分析、挖掘、描述,并对各种数据进行融合与处理、数据交换,形成数据聚集和子集。
5.根据权利要求3所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述数据***包括数据源和数据采集两级结构,记录各类互联网大数据的输入,所述数据源分为动态数据和静态数据以及其他数据,所述动态数据包括高德地图导航数据、车辆GPS、定点监测数据、信号控制数据、事件事故数据以及停车场的数据,所述静态数据包括高德地图路网数据、交通管理和管理对象数据,其他的数据包括公共、铁路、轨道、货运物流、高速公路、民航和旅游交通的数据。
6.根据权利要求2所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述内核层为仿真***提供基础模型,对交通仿真的数据资源和运算资源进行管理及调度,实现功能层各种模块的处理,所述内核层包括基础路网构建、交通需求融合、仿真结果与分析、仿真配置与校准、交通流分配和***维护。
7.根据权利要求6所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述基础路网构建用于管理仿真***的底图、节点、路段和车道,
所述交通需求融合包括融合历史交通需求、实时交通流数据、基于用户的起讫点数据和需求倍数的调节;
所述仿真结果与分析包括仿真结果格式转换、仿真结果数据融合、绘制图表与曲线和视频的保存与现实;
所述仿真配置与校准包括设置基本仿真参数、设计仿真模型、路网校准和模型校准;
所述交通流分配包括出行路径集合、出行路径概率、模拟路段节点传输行为和路径概率转移;
所述***维护包括用户基本信息维护、***操作权限维护、***信息维护和安全保障体系维护。
8.根据权利要求2所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述功能层包括城市道路网络模块、城市交通流实时运行参数管理模块、交通管制措施设置模块、道路交通流运行状态计算模块和交通网络分析模块。
9.根据权利要求8所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述交通网络分析模块包括交通需求输入模块、交通方式划分模块、出行路径选择模块和交通分配模块,通过互联网大数据得到驾车用户的起讫点和路径,所述交通管制措施设置模块推算得到机动车OD分布,所述交通网络分析模块归纳出行路径集合和选择概率,直接应用仿真模型进行交通分配。
10.根据权利要求2所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于,所述应用层处于***最上层,根据不同应用模式的功能要求,进行灵活定制和重构,生成不同应用配置,组成不同应用***,支持交通管理和交通政策制定。
11.根据权利要求1所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于:所述道路信息的抽象处理为由底图、路段、节点和小区四个元素组成的拓扑网络,以实现清楚地反映道路连通性的目标,对于道路网络的每一个元素,建立相应的属性数据表,记录元素恒定不变的特性以及元素在仿真运行中的运行状态变化信息。
12.根据权利要求1所述的一种基于互联网大数据的实时交通仿真分析***,其特征在于:所述运行状态信息包括路段、交叉口、路网的相关运行指标,作为在线交通仿真***的验证和对比数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067038.6A CN111275965B (zh) | 2020-01-20 | 2020-01-20 | 一种基于互联网大数据的实时交通仿真分析***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067038.6A CN111275965B (zh) | 2020-01-20 | 2020-01-20 | 一种基于互联网大数据的实时交通仿真分析***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275965A CN111275965A (zh) | 2020-06-12 |
CN111275965B true CN111275965B (zh) | 2021-02-05 |
Family
ID=71001139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010067038.6A Active CN111275965B (zh) | 2020-01-20 | 2020-01-20 | 一种基于互联网大数据的实时交通仿真分析***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275965B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881548B (zh) * | 2020-06-16 | 2022-04-08 | 广东工业大学 | 一种智能交通的计算机仿真方法 |
CN114440909A (zh) * | 2020-11-03 | 2022-05-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备及存储介质 |
CN112712591A (zh) * | 2020-12-31 | 2021-04-27 | 广州学塾加软件科技有限公司 | 基于微观交通仿真的交通信号控制实验***及方法 |
CN112906253B (zh) * | 2021-05-07 | 2021-08-20 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种铁路信号动态仿真检测方法及*** |
CN113569376A (zh) * | 2021-06-08 | 2021-10-29 | 深圳市综合交通设计研究院有限公司 | 一种多源数据驱动的交通仿真评估*** |
CN113642162B (zh) * | 2021-07-28 | 2024-04-05 | 东南大学 | 一种城市道路交通应急预案仿真综合分析方法 |
CN113643535B (zh) * | 2021-08-02 | 2023-02-21 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN114677839B (zh) * | 2022-05-29 | 2022-08-16 | 深圳市鸿华通交通设施工程有限公司 | 一种基于大数据的定制出行智能交通***及其控制方法 |
CN115148027B (zh) * | 2022-06-30 | 2023-06-13 | 长安大学 | 一种用于改善拥堵收费的交通需求管理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010090759A1 (en) * | 2009-02-06 | 2010-08-12 | Es Labs Pty Ltd. | Systems, methods, and apparatuses for managing the flow of traffic in data networks |
WO2013020611A1 (en) * | 2011-08-05 | 2013-02-14 | Telefonaktiebolaget L M Ericsson (Publ) | Generating an od matrix |
CN105046949A (zh) * | 2015-06-12 | 2015-11-11 | 中南大学 | 一种基于手机数据计算o-d流进行车源预测的方法 |
CN106504528A (zh) * | 2016-11-02 | 2017-03-15 | 浙江大学 | 一种利用手机信令大数据和动态交通分配的od标定方法 |
CN106920395A (zh) * | 2017-04-21 | 2017-07-04 | 杭州市综合交通研究中心 | 一种基于参数标定的交通阻抗计算方法 |
CN107038862A (zh) * | 2017-05-04 | 2017-08-11 | 东南大学 | 一种尾号限行条件下的交通分配修正方法 |
CN108010316A (zh) * | 2017-11-15 | 2018-05-08 | 上海电科智能***股份有限公司 | 一种基于路网模型的道路交通多源数据融合处理方法 |
CN110489871A (zh) * | 2019-08-20 | 2019-11-22 | 东南大学 | 考虑新能源汽车渗透的环境影响评估软件 |
WO2019246596A1 (en) * | 2018-06-22 | 2019-12-26 | Massachusetts Institute Of Technology | Route determination in dynamic and uncertain environments |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5673373B2 (ja) * | 2011-06-08 | 2015-02-18 | 富士通株式会社 | 交通シミュレーション装置および交通シミュレーションプログラム |
CN102508955B (zh) * | 2011-10-24 | 2014-04-23 | 中国科学院自动化研究所 | 基于工作流技术的分布式交通仿真平台及仿真方法 |
CN102393928A (zh) * | 2011-11-22 | 2012-03-28 | 广州市交通规划研究所 | 基于宏、中、微观交通仿真平台交互使用的交通仿真集成*** |
JP5946394B2 (ja) * | 2012-11-09 | 2016-07-06 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 複数種類のデータソースを用いた経路の始点・終点の統計的推測手法、コンピュータ・プログラム及びコンピュータ。 |
US9946818B2 (en) * | 2013-07-30 | 2018-04-17 | University Of Florida Research Foundation, Inc. | System and method for automated model calibration, sensitivity analysis, and optimization |
US9342982B2 (en) * | 2013-09-09 | 2016-05-17 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
CN103593535B (zh) * | 2013-11-22 | 2017-02-22 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真***及方法 |
CN104657199B (zh) * | 2015-02-10 | 2017-09-22 | 交通运输部科学研究院 | 基于微观仿真的高速公路交通事件影响范围的预测方法 |
CN105679021B (zh) * | 2016-02-02 | 2018-11-06 | 招商局重庆交通科研设计院有限公司 | 基于交通大数据的行程时间融合预测及查询方法 |
CN107705557B (zh) * | 2017-09-04 | 2020-02-21 | 清华大学 | 基于深度增强网络的路网信号控制方法及装置 |
CN109767623A (zh) * | 2019-02-25 | 2019-05-17 | 东南大学 | 基于城市交通仿真平台的人均出行机动车一氧化碳排放评价方法 |
CN110164128B (zh) * | 2019-04-23 | 2020-10-27 | 银江股份有限公司 | 一种城市级智能交通仿真*** |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真***及方法 |
-
2020
- 2020-01-20 CN CN202010067038.6A patent/CN111275965B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010090759A1 (en) * | 2009-02-06 | 2010-08-12 | Es Labs Pty Ltd. | Systems, methods, and apparatuses for managing the flow of traffic in data networks |
WO2013020611A1 (en) * | 2011-08-05 | 2013-02-14 | Telefonaktiebolaget L M Ericsson (Publ) | Generating an od matrix |
CN105046949A (zh) * | 2015-06-12 | 2015-11-11 | 中南大学 | 一种基于手机数据计算o-d流进行车源预测的方法 |
CN106504528A (zh) * | 2016-11-02 | 2017-03-15 | 浙江大学 | 一种利用手机信令大数据和动态交通分配的od标定方法 |
CN106920395A (zh) * | 2017-04-21 | 2017-07-04 | 杭州市综合交通研究中心 | 一种基于参数标定的交通阻抗计算方法 |
CN107038862A (zh) * | 2017-05-04 | 2017-08-11 | 东南大学 | 一种尾号限行条件下的交通分配修正方法 |
CN108010316A (zh) * | 2017-11-15 | 2018-05-08 | 上海电科智能***股份有限公司 | 一种基于路网模型的道路交通多源数据融合处理方法 |
WO2019246596A1 (en) * | 2018-06-22 | 2019-12-26 | Massachusetts Institute Of Technology | Route determination in dynamic and uncertain environments |
CN110489871A (zh) * | 2019-08-20 | 2019-11-22 | 东南大学 | 考虑新能源汽车渗透的环境影响评估软件 |
Also Published As
Publication number | Publication date |
---|---|
CN111275965A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析***与方法 | |
CN110705747A (zh) | 一种基于大数据的智慧公共交通云脑体系 | |
Li et al. | A dynamic simulation model of passenger flow distribution on schedule-based rail transit networks with train delays | |
CN109410577A (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
Yang et al. | Application of data science technologies in intelligent prediction of traffic congestion | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
Wei et al. | A Two‐Layer Network Dynamic Congestion Pricing Based on Macroscopic Fundamental Diagram | |
Akbardin et al. | The characteristics study of parking user behavior toward location accessibility of non-commercial activities center | |
Ugirumurera et al. | A modeling framework for designing and evaluating curbside traffic management policies at Dallas-Fort Worth International Airport | |
Bansal et al. | Impacts of bus-stops on the speed of motorized vehicles under heterogeneous traffic conditions: a case-study of Delhi, India | |
Maduranga et al. | Selection of optimum junction operation strategy for gatambe intersection using VISSIM simulation | |
Bellini et al. | Mobility and Transport Data for City Digital Twin Modeling and Exploitation | |
Kucirek | Comparison between MATSIM & EMME: Developing a dynamic, activity-based microsimulation transit assignment model for Toronto | |
Torrisi et al. | The microsimulation modeling as a tool for transport policies assessment: an application to a real case study | |
Li et al. | Capturing transportation infrastructure performance: data availability, needs, and challenges | |
Eldeeb et al. | Developing transit suitability map using GIS and analytical hierarchy process | |
Oskarbski et al. | Multi-level transport systems model for traffic management activities | |
Ding | Application of GIS technology in the construction of urban traffic sharing multimedia information platform | |
Ding et al. | Construction of urban intelligent traffic sharing information platform based on GIS | |
Celiński et al. | Sustainable development of the transport system through rationalization of transport tasks using a specialised travel planner | |
Freedman et al. | Analysis of new starts project by using tour-based model of San Francisco, California | |
Rodier et al. | How Can Automated Vehicles Increase Access to Marginalized Populations and Reduce Congestion, Vehicle Miles Traveled, and Greenhouse Gas Emissions? A Case Study in the City of Los Angeles | |
El Hamra et al. | The role of Vehicles’ Identification Techniques in transportation planning–The Qatari case study | |
Kapoor et al. | Examination of metro stations pedestrian accessibility for all using open data kit: A case study of Noida City in India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |