CN112069636B - 一种路网仿真输入模型构建方法、装置及存储介质 - Google Patents
一种路网仿真输入模型构建方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112069636B CN112069636B CN202010928911.6A CN202010928911A CN112069636B CN 112069636 B CN112069636 B CN 112069636B CN 202010928911 A CN202010928911 A CN 202010928911A CN 112069636 B CN112069636 B CN 112069636B
- Authority
- CN
- China
- Prior art keywords
- flow
- lane
- road
- simulation input
- theoretical
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路网仿真输入模型构建方法、装置及存储介质,所述方法包括:根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型;计算仿真输入估计模型各流量交换点的理论进出流量;根据各流量交换点的理论进出流量及预限定的约束条件,标定仿真输入估计模型的参数直到仿真输入估计模型能够满足所有约束条件,并得到交通流活动强度的最优值;根据交通流活动强度的最优值,修正仿真输入估计模型各流量交换点的进出流量,得到路网仿真输入模型。本发明能够快速获得路网仿真输入模型,将相邻路侧检测设备提供的宏观时空数据与微观仿真模型结合,为干线公路网监测点建设规模及布局、加强干线公路网运行监管力度提供更多动态信息。
Description
技术领域
本发明涉及一种路网仿真输入模型构建方法、装置及存储介质,属于智能交通技术领域。
背景技术
我国公路交通信息化经历了准备发展阶段、起步发展阶段、支撑发展阶段,现已步入融合发展阶段,形成了较为完善的公路信息化基础工程体系,为实现干线公路网“可视、可测、可控、可服务”水平以及路网管理与服务智能化程度奠定了的基础。以江苏省的交通调查站点为例,根据《江苏省普通公路网运行监测设施布局规划(试行)》(2019-2030年),在交调站点的建设与调整后,全省普通干线公路交调站点的建设规模约为400个,全部为自动化、连续式交调站点。交调数据采集主要通过连续式交调站点实时将路侧检测数据上传到公路局,存入省交调数据库。据统计,目前连续式交调站点实时上传在线率保持在85%上下,省交调数据以每5分钟为间隔向省数据中心上传,日均上传数据超过20万条,每月数据以1.75G的增量在快速增长。
准确、可靠、数量稳定的路侧检测数据会进一步带动公路数字化、智能化路网管理能力的提升。但由于路侧检测设备平均观测里程按照20公里左右,空间上间隔较远,因此仅能提供稀疏的时变交通流量与交通组成等宏观交通流信息,缺乏对干线公路上车辆跟驰、变道等微观交通流状态的描述,同时不能刻画共线段、流量变化点、进出口匝道等处的交通流状况,难以满足日益增长的公路业务管理、出行信息服务需要。
因此,为在路网管理与应急指挥决策上充分利用路侧检测数据,解决其空间覆盖不足、缺少微观交通流信息等问题,可利用路侧检测设备提供的宏观时空数据驱动微观仿真模型,重建单个车辆的真实运动,最后输出与路侧检测设备得到的原始交通流相一致的二维交通流,基于此获得路段速度、行程时间、排队长度等有效微观交通流信息。这种微观宏观相结合方法具有很好的灵活性和更低的计算成本,能在数据覆盖不足的区域动态补全缺失的数据,细致刻画干线交通流的运行状态,为干线公路网监测点建设规模及布局、加强干线公路网运行监管力度提供更多信息支撑。
目前,国内外对于之类微观路网输入方面的研发和应用主要集中于利用概率论的方法推导OD矩阵,基于推断出的OD矩阵得到微观路网各个流量变化点的输入。但是,现有方法在基于路侧检测数据的微观路网输入估计问题上存在不足,具体表现在:(1)多数方法基于研究假设研究车辆的进入和离开必须在同一个研究时间段内,但这一假设不适用于更新频率较高(通常为5分钟)且两个相邻输入间距离较长(通常为20公里)的路侧检测数据;(2)同时,现有的基于概率的微观路网输入估计方法求解复杂,通常应用于交通小区间的OD交通流估计或者对于某个流量变化点的转向车流求解,而相邻路侧检测设备间的距离通常在十几公里,中间可能包括多个流量变化点,涉及多个可能的OD对,因此现有方法在于大规模复杂路网的交通流求解困难。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种路网仿真输入模型构建方法、装置及存储介质,能够解决现有技术动态性差、求解复杂、难以适用于大规模复杂路网的技术问题。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种路网仿真输入模型构建方法,所述方法包括如下步骤:
根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型;
计算仿真输入估计模型各流量交换点的理论进出流量;
根据各流量交换点的理论进出流量及预限定的约束条件,标定仿真输入估计模型的参数直到仿真输入估计模型能够满足所有约束条件,并得到交通流活动强度的最优值;
根据交通流活动强度的最优值,修正仿真输入估计模型各流量交换点的进出流量,得到路网仿真输入模型。
结合第一方面,进一步地,所述建立仿真输入估计模型的方法包括如下步骤:
定义两个相邻的路侧检测设备间的干线公路为研究路段,将各流量交换点按顺序编号,根据流量交换点处进出口道的数量构建仿真输入估计模型的框架;
将道路几何特征和路侧检测数据导入,构建仿真输入估计模型。
结合第一方面,进一步地,所述计算各流量交换点理论进出流量的方法包括如下步骤:
根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值;
根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量;
根据车道流量调整量,调整理论车道流量,计算得到各流量交换点的流量。
结合第一方面,进一步地,所述约束条件包括:
流量非负约束:各流量交换点的进出口流量均大于等于0;
流量守恒约束:路段各流量交换点进口流量的总和与各流量交换点出口流量的总和的差值,恒等于该路段的流量变化值;
微观交通流合理性约束:路段左右转概率、主线流量、支线流量需要在合理的范围。
结合第一方面,进一步地,所述标定仿真输入估计模型的参数是通过网格搜索法进行标定的。
结合第一方面,进一步地,所述交通流活动强度取值范围为α∈[0,1]。
结合第一方面,进一步地,所述修正仿真输入估计模型各流量交换点进出流量的方法包括如下步骤:
当路段上各流量交换点的交通量间存在显著差异时,即路段上各流量交换点道路等级不同或车道数不同时,利用偏移量An对各流量交换点的流量进行修正;当路段上各流量交换点的交通量不存在显著差异时,不需要修正。
结合第一方面,进一步地,偏移量An>0,使调整后的流量交换点进出口流量的平均值接近理论通行能力。
第二方面,本发明提供了一种路网仿真输入模型构建装置,所述装置包括:
建模模块:用于建立仿真输入估计模型,预设估计模型的参数;
计算模块:用于计算估计模型各流量交换点的理论进出流量;
标定模块:用于标定估计模型的参数;
修正输出模块:用于修正估计模型各流量交换点的进出流量,输出路网仿真输入模型。
第三方面,本发明提供了一种路网仿真输入模型构建装置,所述装置包括处理器及存储介质:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据前述任一项所述方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面任一项所述方法的步骤。
与现有技术相比,本发明实施例所提供的一种路网仿真输入模型构建方法、装置及存储介质所达到的有益效果包括:
本发明根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型,再根据各流量交换点的理论进出流量及预限定的约束条件,标定仿真输入估计模型的参数,能够快速获得路网仿真输入估计模型,将路侧检测数据提供的宏观时空数据结合成为仿真输入估计模型的一部分,能够重建单个车辆的真实运动;
本发明的流量交换点的理论进出流量能够通过公式计算,便于通过电脑编程获得,求解迅速;后期能够使用仿真软件验证初始解的合理性,便于进一步调整,具有调整性强的特点;
本发明的仿真输入估计模型中的参数如:交通流强度以及偏移量等参数都是可解释性强的实际参数,便于工作人员理解;
本发明获得的仿真输入估计模型能够为干线路网监测点建设规模及布局、加强路网运行监管力度提供更多动态信息。
附图说明
图1是本发明实施例一提供的一种路网仿真输入模型构建方法的流程图;
图2是本发明实施例一中使用的路侧检测数据采集与数据传输的示意图;
图3是本发明实施例一建立的一般路网的仿真输入估计模型示意图;
图4是本发明实施例一提供的典型平交口和一般流量交换点的实景、微观仿真模型和仿真输入估计模型的框架;
图5是本发明实施例二中的S342阳山-胜丰段路段的实景、微观仿真模型和仿真输入估计模型的框架;
图6是本发明实施例二中对S342阳山-胜丰段路段建立的路网仿真输入估计模型进行参数标定后得到的仿真输入估计模型;
图7是本发明实施例二中根据S342阳山-胜丰段路段估计得到的路网仿真输入模型。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
如图1所示,本发明实施例提供了一种路网仿真输入模型构建方法,所述方法包括如下步骤:
根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型;
计算仿真输入估计模型各流量交换点的理论进出流量;
根据各流量交换点的理论进出流量及预限定的约束条件,标定仿真输入估计模型的参数直到仿真输入估计模型能够满足所有约束条件,并得到交通流活动强度的最优值;
根据交通流活动强度的最优值,修正仿真输入估计模型各流量交换点的进出流量,得到路网仿真输入模型。
所述建立仿真输入估计模型的方法包括如下步骤:
定义两个相邻的路侧检测设备间的干线公路为研究路段,将各流量交换点按顺序编号,根据流量交换点处进出口道的数量构建仿真输入估计模型的框架;
将道路几何特征和路侧检测数据导入,构建仿真输入估计模型。
具体地,利用图2的路侧检测数据,实现基于交通仿真对宏观路侧检测数据进行的微观交通运行机理研究。各流量交换点包括平交口、立交、进出匝道等,根据流量交换点处进出口道的数量,各流量交换点的相关变量按顺序编号可以参考表1。将道路几何特征和路侧检测数据导入,构建仿真输入估计模型。本实施例中针对一般路网构建的仿真输入估计模型如图3所示。对于标准平交口和一般流量交换点的路网,实景图、仿真输入估计模型的框架和构建的仿真输入估计模型如图5所示。
表1变量声明
计算各流量交换点理论进出流量的方法包括如下步骤:
根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值;
根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量;
根据车道流量调整量,调整理论车道流量,计算得到各流量交换点的流量。
具体地,步骤1:根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值的步骤如下:
假设同一路段上流量交换点各进口道的重要程度相近,在各车道的基本流量、各车道的交通流强度一致的情况下,理论单车道流量为αQ,此时即可计算理论上该路段的流量变化值。可通过如下公式计算得到:
在公式(1)中,各变量的定义如表1所示。
具体地,步骤2:根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量的步骤如下:
实际上该路段的流量变化值为V2-V1,对车道流量进行调整,各流量变换点进出流量调整值之和通过下式计算得到:
在公式(2)中,各变量的定义如表1所示。
根据前述的假设:同一路段上流量交换点各进口道的重要程度相近,将总调整量分配到各车道上即为单车道流量调整值,如下式计算可得:
在公式(3)中,各变量的定义如表1所示。
需要说明的是,按照如下法则对车道流量进行调整:
如果ΔQ>0,即理论变化流量小于实际变化流量,需要增大理论变化流量。如果(V2-V1)>0,即实际上在研究时间内有更多的车辆进入研究路段,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq;如果qout=αQ-Δq,即实际上在研究时间内有更多的车辆离开研究路段,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq。
如果ΔQ<0,即理论变化流量大于实际变化流量,需要减少理论变化流量。如果(V2-V1)>0,即实际上在研究时间内有更少的车辆进入研究路段,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq;如果(V2-V1)<0,即实际上在研究时间内有更少的车辆离开研究路段,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq。
具体地,步骤3:根据车道流量调整量,调整理论车道流量,计算得到各流量交换点的流量如下:
所述约束条件包括:
流量非负约束:各流量交换点的进出口流量均大于等于0;
流量守恒约束:路段各流量交换点进口流量的总和与各流量交换点出口流量的总和的差值,恒等于该路段的流量变化值;
微观交通流合理性约束:路段左右转概率、主线流量、支线流量需要在合理的范围。
具体地,流量非负约束可以表示为:
在公式(4)中,各变量的定义如表1所示。
具体地,流量守恒约束可以表示为:
在公式(5)中,各变量的定义如表1所示。
具体地,路段左右转概率、主线流量、支线流量需要在合理的范围,根据经验值,其中路段左右转概率的范围为0.1-0.3,主线流量和支线流量小于理论饱和流量,具体的取值根据路网的实际情况的不同而调整。
根据实际需要,所述标定仿真输入估计模型的参数是通过网格搜索法进行标定的。所述交通流活动强度取值范围为α∈[0,1],例如可取0.1,0.2,0.3,……,1。
所述修正仿真输入估计模型各流量交换点进出流量的方法包括如下步骤:
当路段上各流量交换点的交通量间存在显著差异时,即路段上各流量交换点道路等级不同或车道数不同时,利用偏移量An对各流量交换点的流量进行修正;当路段上各流量交换点的交通量不存在显著差异时,不需要修正。
结合第一方面,进一步地,偏移量An>0,使调整后的流量交换点进出口流量的平均值接近理论通行能力。
实施例二:
本实施例是基于实施例一提供的一种路网仿真输入模型构建方法的具体应用场景,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
以无锡市S342阳山-胜丰段为例:该路段的实景、微观仿真模型和仿真输入估计模型的框架如图5所示,利用2020年6月的路侧检测数据,构建路网仿真输入模型。
该路段建立仿真输入估计模型的参数如表2所示,根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型如图6所示。
表2研究路段建立的路网仿真输入估计模型参数
变量名 | 描述 |
路段进入流量 | V<sub>1</sub>=1458 |
路段流出流量 | V<sub>2</sub>=1482 |
路段内流量交换点数目 | N=3 |
第n流量交换点的进口道数量 | I<sub>1</sub>=0,I<sub>2</sub>=3,I<sub>3</sub>=2 |
第n流量交换点的出口道数量 | O<sub>1</sub>=2,O=0,O<sub>3</sub>=0 |
各车道的基本流量 | Q=200 |
各车道的交通流强度 | α=0.7 |
计算仿真输入估计模型各流量交换点的理论进出流量:
步骤1-根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值:
假设同一路段上流量交换点各进口道的重要程度相近,在各车道的基本流量、各车道的交通流强度一直的情况下,理论单车道流量为αQ=0.7×200=140,可计算理论上该路段的流量变化值如下:
在公式(6)中,各变量的定义如表2所示。
步骤2-根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量的步骤如下:
实际上该路段的流量变化值为V2-V1=24,对车道流量进行调整,各流量变换点进出流量调整值之和为:
在公式(7)中,各变量的定义和参数如表2所示。
根据前述的假设:同一路段上流量交换点各进口道的重要程度相近,将总调整量分配到各车道上即为单车道流量调整值为:
在公式(8)中,各变量的定义和参数如表2所示。
按照法则对车道流量进行调整:
ΔQ=-396<0,即理论变化流量大于实际变化流量,需要减少理论变化流量。
因为V2-V1=24大于0,即实际上在研究时间内有更少的车辆进入研究路段,则此时进入车道流量调整为qin=αQ-Δq=140-56=84,离开车道流量调整为qout=αQ+Δq=140+56=196。
根据各流量交换点的理论进出流量及预限定的约束条件(守恒约束、流量非负约束和微观交通流合理性约束),标定仿真输入估计模型的参数直到仿真输入估计模型能够满足所有约束条件,并得到交通流活动强度的最优值。
具体为:在满足三个基本约束的情况下,各车道基本流量和交通流强度可通过网格搜索法进行标定,已知各车道的交通流强度α∈[0,1],例如可取0.1,0.2,0.3,……,1,计算在不同交通流强度下的流量交换点流量,如表3上述。
表3参数标定结果表
α | Δq | 主线 | 变化点1 | 主路 | 变化点2 | 主路 | 变化点3 |
0.1 | 5.142857 | 1482 | 29.71429 | 1452.286 | 44.57143 | 1407.714 | -50.2857 |
0.2 | 13.71429 | 1482 | 52.57143 | 1429.429 | 78.85714 | 1350.571 | -107.429 |
0.3 | 22.28571 | 1482 | 75.42857 | 1406.571 | 113.1429 | 1293.429 | -164.571 |
0.4 | 30.85714 | 1482 | 98.28571 | 1383.714 | 147.4286 | 1236.286 | -221.714 |
0.5 | 39.42857 | 1482 | 121.1429 | 1360.857 | 181.7143 | 1179.143 | -278.857 |
0.6 | 48 | 1482 | 144 | 1338 | 216 | 1122 | -336 |
0.7 | 56.57143 | 1482 | 166.8571 | 1315.143 | 250.2857 | 1064.857 | -393.143 |
0.8 | 65.14286 | 1482 | 189.7143 | 1292.286 | 284.5714 | 1007.714 | -450.286 |
0.9 | 73.71429 | 1482 | 212.5714 | 1269.429 | 318.8571 | 950.5714 | -507.429 |
1 | 82.28571 | 1482 | 235.4286 | 1246.571 | 353.1429 | 893.4286 | -564.571 |
根据定性约束和定量约束选择最优的交通流强度α=0.7。根据经验,Q的推荐取值在100-200之间,α的推荐取值在0.6-0.8之间。
根据交通流活动强度的最优值,修正仿真输入估计模型各流量交换点的进出流量,得到路网仿真输入模型。
具体地,当路段长度较长,认为路段内流量交换点流量存在显著差异时,可利用偏移量An对各流量交换点流量进行修正。修正后的第n流量交换点的进入流量为修正后的流出流量为得到的流量交换点的进入流量因为路段较短,可认为流量交换点交通流活动相近,即A1=A2=A3=0,估计得到的路网仿真输入模型如图7所示。
实施例三:
本发明实施例提供一种路网仿真输入模型构建装置,包括如下模块:
建模模块:用于建立仿真输入估计模型,预设估计模型的参数;
计算模块:用于计算估计模型各流量交换点的理论进出流量;
标定模块:用于标定估计模型的参数;
修正输出模块:用于修正估计模型各流量交换点的进出流量,输出路网仿真输入模型。
实施例四:
本发明实施例还提供一种路网仿真输入模型构建装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
实施例五:
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种路网仿真输入模型构建方法,其特征在于,所述方法包括如下步骤:
根据路网拓扑结构、道路几何特征和路侧检测数据建立仿真输入估计模型;
计算仿真输入估计模型各流量交换点的理论进出流量;
根据各流量交换点的理论进出流量及预限定的约束条件,标定仿真输入估计模型的参数直到仿真输入估计模型能够满足所有约束条件,并得到交通流活动强度的最优值;
根据交通流活动强度的最优值,修正仿真输入估计模型各流量交换点的进出流量,得到路网仿真输入模型;
其中,计算各流量交换点的理论进出流量包括:
根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值;
根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量;
根据车道流量调整量调整理论车道流量,计算得到各流量交换点的流量;
其中,所述理论上该路段的流量变化值通过公式(1)计算获取:
式中:表示为第n流量交换点的进入流量,表示为第n流量交换点的流出流量,In表示为第n流量交换点的进口道数量,On表示为第n流量交换点的出口道数量,α表示为各车道的交通流强度,Q表示为各车道的基本流量,N表示为路段内流量交换点数目;
所述车道流量调整量Δq通过公式(2)计算获取:
式中:ΔQ表示各流量变换点进出流量调整值之和;
式中:V2为路段流出流量,V1为路段进入流量;
所述根据车道流量调整量调整理论车道流量的方法包括:
如果ΔQ>0,增大理论变化流量;如果V2-V1>0,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq;如果qout=αQ-Δq,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq;
如果ΔQ<0,减少理论变化流量;如果V2-V1>0,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq;如果V2-V1<0,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq;
所述计算得到各流量交换点的流量的方法包括:
2.根据权利要求1所述的路网仿真输入模型构建方法,其特征在于,所述建立仿真输入估计模型的方法包括如下步骤:
定义两个相邻的路侧检测设备间的干线公路为研究路段,将各流量交换点按顺序编号,根据流量交换点处进出口道的数量构建仿真输入估计模型的框架;
将道路几何特征和路侧检测数据导入,构建仿真输入估计模型。
3.根据权利要求1所述的路网仿真输入模型构建方法,其特征在于,所述约束条件包括:
流量非负约束:各流量交换点的进出口流量均大于等于0;
流量守恒约束:路段各流量交换点进口流量的总和与各流量交换点出口流量的总和的差值,恒等于该路段的流量变化值;
微观交通流合理性约束:路段左右转概率、主线流量、支线流量需要在合理的范围。
4.根据权利要求1所述的路网仿真输入模型构建方法,其特征在于,所述标定仿真输入估计模型的参数是通过网格搜索法进行标定的。
5.根据权利要求1所述的路网仿真输入模型构建方法,其特征在于,所述交通流活动强度取值范围为α∈[0,1]。
6.根据权利要求1所述的路网仿真输入模型构建方法,其特征在于,所述修正仿真输入估计模型各流量交换点进出流量的方法包括如下步骤:
当路段上各流量交换点道路等级不同或车道数不同时,利用偏移量An对各流量交换点的流量进行修正;否则,不需要修正。
7.一种路网仿真输入模型构建装置,其特征在于,所述装置包括:
建模模块:用于建立仿真输入估计模型,预设估计模型的参数;
计算模块:用于计算估计模型各流量交换点的理论进出流量;
标定模块:用于标定估计模型的参数;
修正输出模块:用于修正估计模型各流量交换点的进出流量,输出路网仿真输入模型;
其中,计算估计模型各流量交换点的理论进出流量包括:
根据路段内各流量交换点的道路几何特征,计算理论车道流量和理论上该路段的流量变化值;
根据理论上该路段的流量变化值与路侧检测数据中该路段的实际流量变化值的差值,计算车道流量调整量;
根据车道流量调整量调整理论车道流量,计算得到各流量交换点的流量;
其中,所述理论上该路段的流量变化值通过公式(1)计算获取:
式中:表示为第n流量交换点的进入流量,表示为第n流量交换点的流出流量,In表示为第n流量交换点的进口道数量,On表示为第n流量交换点的出口道数量,α表示为各车道的交通流强度,Q表示为各车道的基本流量,N表示为路段内流量交换点数目;
所述车道流量调整量Δq通过公式(2)计算获取:
式中:ΔQ表示各流量变换点进出流量调整值之和;
式中:V2为路段流出流量,V1为路段进入流量;
所述根据车道流量调整量调整理论车道流量的方法包括:
如果ΔQ>0,增大理论变化流量;如果V2-V1>0,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq;如果qout=αQ-Δq,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq;
如果ΔQ<0,减少理论变化流量;如果V2-V1>0,则此时进入车道流量调整为qin=αQ-Δq,离开车道流量调整为qout=αQ+Δq;如果V2-V1<0,则此时进入车道流量调整为qin=αQ+Δq,离开车道流量调整为qout=αQ-Δq;
所述计算得到各流量交换点的流量的方法包括:
8.一种路网仿真输入模型构建装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~6任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928911.6A CN112069636B (zh) | 2020-09-07 | 2020-09-07 | 一种路网仿真输入模型构建方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928911.6A CN112069636B (zh) | 2020-09-07 | 2020-09-07 | 一种路网仿真输入模型构建方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112069636A CN112069636A (zh) | 2020-12-11 |
CN112069636B true CN112069636B (zh) | 2022-12-06 |
Family
ID=73663839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010928911.6A Active CN112069636B (zh) | 2020-09-07 | 2020-09-07 | 一种路网仿真输入模型构建方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069636B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927513B (zh) * | 2021-03-02 | 2022-11-22 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种实时在线交通仿真方法及*** |
CN113532449B (zh) * | 2021-06-21 | 2023-11-21 | 阿波罗智联(北京)科技有限公司 | 智能交通路网获取方法、装置、电子设备及存储介质 |
CN115481531B (zh) * | 2022-09-06 | 2023-07-11 | 苏州大学 | 基于sumo的路网交通流实时孪生方法及*** |
CN115438516B (zh) * | 2022-11-07 | 2023-03-24 | 阿里巴巴达摩院(杭州)科技有限公司 | 仿真地图生成方法、电子设备及计算机存储介质 |
CN117542189A (zh) * | 2023-10-10 | 2024-02-09 | 北京市市政工程设计研究总院有限公司 | 区域交通负荷计算方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763776A (zh) * | 2018-05-30 | 2018-11-06 | 苏州大学 | 一种城市快速路网时变交通状态仿真方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866654B (zh) * | 2015-05-06 | 2017-10-13 | 广州市交通规划研究院 | 一种一体化城市动态交通仿真平台的构建方法 |
CN110942625B (zh) * | 2019-11-06 | 2021-03-26 | 深圳市城市交通规划设计研究中心有限公司 | 基于现实路径流量回溯调节的动态od估计方法及装置 |
-
2020
- 2020-09-07 CN CN202010928911.6A patent/CN112069636B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763776A (zh) * | 2018-05-30 | 2018-11-06 | 苏州大学 | 一种城市快速路网时变交通状态仿真方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112069636A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069636B (zh) | 一种路网仿真输入模型构建方法、装置及存储介质 | |
Tajalli et al. | Network-level coordinated speed optimization and traffic light control for connected and automated vehicles | |
Ye et al. | A survey of model predictive control methods for traffic signal control | |
Day et al. | Computational efficiency of alternative algorithms for arterial offset optimization | |
CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
CN106485359A (zh) | 一种基于列车运行时刻表的城市轨道交通断面客流推测方法 | |
CN111653088A (zh) | 一种车辆出行量预测模型构建方法及预测方法和*** | |
CN103390196B (zh) | 复杂约束条件的高速列车运行计划编制优化方法与*** | |
CN103593535A (zh) | 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 | |
CN110544010B (zh) | 影响轨道交通***全局效能涌现的关键要素的辨识方法 | |
CN114266406B (zh) | 一种基于联邦学习的大范围路网交通流状态预测方法 | |
Pham et al. | Learning coordinated traffic light control | |
CN107919016A (zh) | 基于多源检测器数据的交通流参数缺失填补方法 | |
Zhou et al. | Integration of regional demand management and signals control for urban traffic networks | |
CN109765801A (zh) | 基于vissim仿真的车联网设计速度调整的实现方法 | |
Kouvelas et al. | Linear-parameter-varying approximation of nonlinear dynamics for model predictive flow control of urban multi-region systems | |
DE102005044888B4 (de) | Verfahren, Anordnung und Simulationseinheit für ein Verkehrszustands-Schätzsystem | |
Yan et al. | Effects of iterative learning based signal control strategies on macroscopic fundamental diagrams of urban road networks | |
CN113628442B (zh) | 一种基于多信号灯强化学习的交通组织方案优化方法 | |
CN111210088A (zh) | 一种基于时空因素的交通状态指数预测方法 | |
Taale et al. | Network-wide traffic management with integrated anticipatory control | |
Shahriar et al. | Intersection traffic efficiency enhancement using deep reinforcement learning and V2X communications | |
Estrada et al. | MOSTRO: A multi-objective system for traffic optimization | |
Lombardi et al. | Dealing with a multiple access congested suburban freeway using a dynamic toll pricing approach | |
Portilla et al. | Decentralized model-based predictive control for urban traffic control |
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 |