CN113094875B - 一种城市快速路交织区微观交通仿真***标定方法及装置 - Google Patents
一种城市快速路交织区微观交通仿真***标定方法及装置 Download PDFInfo
- Publication number
- CN113094875B CN113094875B CN202110281113.3A CN202110281113A CN113094875B CN 113094875 B CN113094875 B CN 113094875B CN 202110281113 A CN202110281113 A CN 202110281113A CN 113094875 B CN113094875 B CN 113094875B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- simulation
- model
- microscopic
- lane
- 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 116
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/20—Design reuse, reusability analysis or reusability optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市快速路交织区微观交通仿真***标定方法，包括：获得城市快速路交织区的道路基本信息；提取城市快速路交织区的微观车辆运行轨迹计算城市快速路交织区的宏观交通流运行特征；构建城市快速路交织区的交通流微观仿真模型；基于微观车辆运行轨迹初步标定交通流微观仿真模型的参数；基于宏观交通流运行特征调整初步标定的交通流微观仿真模型的参数。本发明还公开了一种城市快速路交织区微观交通仿真***标定装置，本发明通过基于微观车辆运行轨迹与交织区宏观交通流运行特征结合的模型参数标定有助于更为贴切的仿真城市快速路交织区中各个车辆的具体驾驶行为，从微观角度还原城市快速路交织区交通流宏观运行特征。
Description
技术领域
本发明涉及交通仿真技术领域，特别是一种城市快速路交织区微观交通仿真***标定方法及装置。
背景技术
随着城市化进程的加快、城市人口的急剧增长，城市机动车保有量和出行需求迅速攀升，机动化出行的供需矛盾日益凸显，我国大多数城市普遍面临着频繁的交通拥堵问题。
城市快速路作为连接各城市组团的主动脉在节点区域经常发生交通拥堵。城市快速路交织区由于其交通流复杂性及自身组成的特殊性，成为城市快速路拥堵的主要交通瓶颈之一，大大制约了整个城市快速路***功能的发挥。
交通仿真技术通过计算机数字模型，反映复杂道路交通现象，为交通管理与控制研究提供安全高效的技术支持，是缓解城市交通拥堵问题中必不可少的一环。交通仿真结果的优劣与仿真***及其参数的选择直接相关。
当前的仿真***标定仅依赖于单一数据类型针对某一特殊场景进行参数标定，如基于微观车辆行驶轨迹进行了快速路路段的仿真***标定，基于宏观行程时间进行了交叉口的仿真***标定等。缺乏结合宏微观数据针对城市快速路交织区的仿真***标定方法及装置。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种城市快速路交织区微观交通仿真***标定方法及装置，本发明更为贴切的仿真城市快速路交织区中各个车辆的具体驾驶行为，从微观角度还原城市快速路交织区交通流宏观运行特征。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种城市快速路交织区微观交通仿真***标定方法，包括以下步骤：
步骤1、获得城市快速路交织区的道路基本信息；
步骤2、提取城市快速路交织区的微观车辆运行轨迹，并计算城市快速路交织区的宏观交通流运行特征；
步骤3、根据步骤1得到的道路基本信息和步骤2的微观车辆运行轨迹，构建城市快速路交织区的交通流微观仿真模型；
步骤4、基于步骤2提取的微观车辆运行轨迹初步标定交通流微观仿真模型的参数；
步骤5、基于步骤2计算得到的宏观交通流运行特征调整步骤4中初步标定的交通流微观仿真模型的参数。
作为本发明所述的一种城市快速路交织区微观交通仿真***标定方法进一步优化方案，
步骤3中的交通流微观仿真模型包括车辆生成模块、车辆行驶模块、道路模块与统计模块；其中，
车辆生成模块是根据步骤2中所得到的微观车辆运行轨迹构建的；车辆生成模块用于在交织区上游的车辆的初始位置x0处产生具有各自车辆属性的车辆并将其输入至车辆行驶模块；其中，
微观车辆运行轨迹是指每一帧车辆所在的车道编号n、位置x、速度v和加速度a；车辆属性是根据微观车辆运行轨迹中各个车辆的现实情况确定的，车辆属性包括车辆编号id、是否为头车、车长、车辆类型、车辆目的地、车辆输入至车辆行驶模块的帧数frame，x0及初始速度v0，车辆目的地分为主路与次路；
车辆行驶模块，用于根据各车道头车运行轨迹、跟驰模型、换道模型与车辆相对位置更新模型对车辆行驶模块内车辆进行n、x、v和a的更新，并删去已驶离交织区的车辆；换道模型包括自由换道模型和强制换道模型，在不同仿真区域上，车辆根据所在路段是否与目的地一致应用自由换道模型与强制换道模型；车辆相对位置更新模型负责更新车辆前车、后车、邻近车道的前车与后车的id；
道路模块是根据步骤1中所得到的道路基本信息构建的，道路模块用于将城市快速路交织区在物理上进行划分为多个仿真区域，仿真区域包括主路交织区上游路段、次路交织区上游路段、交织区主路、交织区次路、主路交织区下游路段和次路交织区下游路段；各仿真区域属性包括仿真区域编号N，路段长度，车道数量，第N个仿真区域中第n个车道内的车辆编号集合CNn＝{id1,id2…idp…},p为大于等于1的整数，其中idp为第N个仿真区域中第n个车道内的第p辆车的车辆编号；
统计模块用于计算交织区仿真指标，统计仿真结果，仿真指标包括车辆仿真轨迹、交织区内平均车速T1、车辆平均通过时间T2和各路段交通量T3。
作为本发明所述的一种城市快速路交织区微观交通仿真***标定方法进一步优化方案，步骤3中的交通流微观仿真模型的仿真过程如下：
仿真开始时，首先设置仿真的总时间步长Tsim,当前仿真步长并将城市快速路交织区各路段长度、车道数量输入至道路模块，将车辆输入信息输入至车辆生成模块，将各车道头车行驶轨迹输入至车辆行驶模块；
车辆输入信息是根据步骤2中车辆微观运行轨迹获得，车辆输入信息包括车辆输入车辆行驶模块的帧数、该车辆输入车辆行驶模块时的初始位置及初始速度、车辆目的地和车长；将各个车辆运行轨迹中第一个点对应的帧数认定为车辆输入至车辆行驶模块的帧数frame，第一个点的位置及速度认定为车辆初始位置x0、初始所在车道与初始速度v0；
第k个仿真步长中，/>第一步、首先判断在该仿真步长中车辆生成模块是否需要生成车辆输入至车辆行驶模块，若/>则将车辆属性中frame为/>的车辆输入至车辆行驶模块，并修改输入车辆所在的第N个仿真区域内第n个车道的CNn；否则执行第二步；
第二步、调用车辆行驶模块，通过车辆相对位置更新模型更新所有车辆与其周围车辆的相互位置，然后判断车辆行驶模块内的车辆是否为头车，若是头车则按照头车轨迹更新其位置，若不是头车则执行换道模型与跟驰模型；
第三步、统计模块根据当前车辆行驶模块中的所有车辆的n、x、v和a计算交织区仿真指标；最后判断是否完成了所有仿真步长的仿真，若则循环进入下一仿真步长/>若/>结束仿真,输出统计结果；
其中，执行换道模型的方法是：首先判断执行换道模型的车辆是否为头车，若为头车，则依照提取的现实运行轨迹更新其换道行为；若不为头车，判断正在行驶的道路与车辆目的地是否一致，若一致则执行自由换道模型，若不一致则执行强制换道模型；
在执行跟驰模型中：当车辆行驶路段与目的地不一致，且前车超出交织区末端时，将该类车辆的前车设置为位于交织区末端车速为0的停止车辆。
作为本发明所述的一种城市快速路交织区微观交通仿真***标定方法进一步优化方案，步骤4中交通流微观仿真模型的参数包括跟驰模型的初步参数、自由换道模型与强制换道模型的初步参数；具体如下：
步骤4中根据在步骤2中收集的车辆运行轨迹，按照道路模块中的路段区分各路段车辆；筛选各路段上垂直车道线方向速度和加速度均为0时车辆行驶的数据作为车辆跟驰行为的数据；设置跟驰模型参数取值范围，利用启发式算法，以最小化跟驰模型得出的加速度与a的绝对误差为目标，
迭代完成跟驰模型的初步参数标定；
根据步骤2中得到车辆运行轨迹，区分车辆运行轨迹中的换道行为属于强制换道或自由换道，按时间顺序排列各个车辆的行驶轨迹，将车道信息发生变化前最后一帧F1看作为整个实际换道过程的中间时刻，视F1前帧开始换道行为，t为城市交织区内车辆平均换道帧数,车辆开始换道帧数F2的数据标记为换道，/>F2前m帧数据标记为未换道；应用完成了换道标记的数据，确定各待标定换道模型的参数，以最大化换道模型得出的换道次数/>与实际换道次数nc的比值为目标，完成自由换道模型与强制换道模型的初步参数标定；
作为本发明所述的一种城市快速路交织区微观交通仿真***标定方法进一步优化方案，在步骤5中,根据步骤2中收集的车辆运行轨迹数据，统计获得描述整个城市快速路交织区交通流运行状况的宏观指标Ti，i＝1，2，3，...，Ti包括交织区内平均车速T1、车辆平均通过时间T2和各路段交通量T3；将跟驰模型与换道模型的参数作为待调整参数，设置调整参数取值范围，利用启发式算法，以最小化仿真得出的宏观指标相对误差和为目标：
迭代获得交通流微观仿真模型的参数调整结果。
基于一种城市快速路交织区微观交通仿真***标定方法的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现上述各步骤所述的一种城市快速路交织区微观交通仿真***标定方法。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本发明提供了一整套从具体城市快速路交织区数据采集，交通流微观仿真模型构建至模型参数标定完整的城市快速路交织区微观交通仿真***标定方法，具有较高的可实施性；
(2)本发明从微观角度构建了单个车辆的行驶模型，得出城市快速路交织区的交通流特征，具有有效性；
(3)本发明创新的通过基于微观的车辆运行轨迹与城市快速路交织区交通流宏观运行指标的结合进行模型参数标定，具有针对性。
附图说明
图1为本发明方法流程图。
图2为车辆轨迹提取流程图。
图3为仿真流程图。
图4为车辆换道模型流程图。
图5为换道模型参数示意图。
具体实施方式
为了使本发明的内容更容易被清楚的理解，下面结合附图和具体实施例对本发明作进一步详细的说明。
发明内容的技术方案中：步骤1中，调查人员结合可收集到的资料，通过实地考察获得交织区道路信息包括交织区长度，交织区内换道规则，交织区车道数，主路车道数，次路车道数。
步骤2中，调查人员通过无人机或在临近交织区无障碍物遮挡路面，视野开阔的高处，拍摄待仿真的城市快速路交织区车辆运行视频。通过视频读取，建立图像坐标系，车辆识别，车辆跟踪，数据平滑，坐标转换，速度及加速度计算完成车辆运行轨迹的提取，并计算城市快速路交织区的宏观交通流运行特征。
以N市某城市快速路交织区为例，如图1所示实施本发明方法，调查人员结合可收集到的资料，通过实地考察获得交织区长度200米，交织区车道数为5，主路车道数为3，次路车道数为2等交织区道路信息。
通过无人机拍摄了城市快速路交织区车辆运行视频(24帧/秒)。如图2所示，通过视频读取，建立图像坐标系，车辆识别，车辆跟踪，数据平滑，坐标转换，速度及加速度计算完成241辆车辆运行轨迹的提取和处理，部分数据如表1所示。
表1车辆运行轨迹数据
| 车辆编号 | 帧数 | 总帧数 | 时间(s) | 总时间(s) | … | 车型 | 车道 |
| 1 | 1 | 215 | 0.04 | 8.97 | … | 2 | 4 |
| 1 | 2 | 215 | 0.08 | 8.97 | … | 2 | 4 |
| 1 | 3 | 215 | 0.12 | 8.97 | … | 2 | 4 |
| 1 | 4 | 215 | 0.16 | 8.97 | … | 2 | 4 |
| … | … | … | … | … | … | … | … |
| 241 | 4378 | 17 | 182.6 | 0.71 | … | 3 | 6 |
| 241 | 4379 | 17 | 182，64 | 0.71 | … | 3 | 6 |
构建城市快速路交织区交通流微观仿真模型，仿真模型包括道路模块，车辆生成模块，车辆行驶模块与统计模块。
道路模块用于将城市快速路交织区在物理上进行划分为多个仿真区域，仿真区域包括主路交织区上游路段长50米3车道，次路交织区上游路段50米2车道，交织区主路200米3车道，交织区次路200米2车道，主路交织区下游路段50米3车道和次路交织区下游路段50米2车道。各仿真区域属性包括仿真区域编号N，路段长度，车道数量，第N个仿真区域中第n个车道内的车辆编号集合CNn＝{id1,id2…idp…},p为大于等于1的整数，其中idp为第N个仿真区域中第n个车道内的第p辆车的车辆编号；
车辆生成模块用于在交织区上游x0处产生具有各自车辆属性的车辆并将其输入至车辆行驶模块；其中，车辆属性包括车辆编号id、是否为头车、车长、车辆类型、车辆目的地、车辆输入至车辆行驶模块的帧数frame，车辆的初始位置x0及初始速度v0；
车辆行驶模块，用于根据各车道头车运行轨迹、跟驰模型、换道模型与车辆相对位置更新模型对车辆行驶模块内车辆进行n、x、v和a的更新；
统计模块用于计算交织区仿真指标，统计仿真结果，仿真指标包括车辆仿真轨迹、交织区内平均车速T1、车辆平均通过时间T2和各路段交通量T3。
仿真开始时，首先设置仿真的总时间步长Tsim＝5000帧,当前仿真步长并将城市快速路交织区各路段长度、车道数量输入至道路模块，将车辆输入信息输入至车辆生成模块，将各车道头车行驶轨迹输入至车辆行驶模块；
车辆输入信息包括车辆输入车辆行驶模块的帧数、该车辆输入车辆行驶模块时的初始位置及初始速度、车辆目的地和车长，部分数据如表2所示。
表2车辆输入数据
| id | iteration | x | len | wid | V_x | … | lane | od |
| 1 | 1 | 114.44 | 5.22 | 2.46 | 14.11 | … | 4 | 0 |
| 2 | 1 | 106.81 | 5.63 | 2.3 | 15.95 | … | 2 | 1 |
| 3 | 1 | 100.93 | 5.83 | 2.46 | 12.27 | … | 1 | 1 |
| 4 | 1 | 85.21 | 5.83 | 2.46 | 14.73 | … | 1 | 1 |
| … | … | … | … | … | … | … | … | … |
| 240 | 4359 | 5.02 | 6.45 | 3.02 | 19.93 | … | 2 | 1 |
| 241 | 4362 | 11.36 | 7.06 | 2.46 | 9.82 | … | 5 | 0 |
第k个仿真步长中，/>如图3所示，首先判断在该仿真步长中车辆生成模块是否需要生成车辆输入至车辆行驶模块，若/>则将车辆属性中frame为/>的车辆输入至车辆行驶模块，并修改输入车辆所在的第N个仿真区域内第n个车道的CNn。否则执行下一步；第二步调用车辆行驶模块，通过车辆相对位置更新模型更新所有车辆与其周围车辆的相互位置，然后判断车辆行驶模块内的车辆是否为头车，若是头车则按照头车轨迹更新其位置，若不是头车则执行换道模型与跟驰模型，；第三步统计模块根据当前车辆行驶模块中的所有车辆的n、x、v和a计算交织区仿真指标；最后判断是否完成了所有仿真步长的仿真，若/>则循环进入下一仿真步长/>若/>结束仿真,输出统计结果。
其中换道模型的执行，如图4所示，首先判断执行换道模型的车辆是否为头车，若为头车，则依照提取的现实运行轨迹更新其换道行为；若不为头车，判断正在行驶的道路与车辆目的地是否一致，若一致则执行自由换道模型，若不一致则执行强制换道模型。
跟驰模型的执行，根据IDM跟驰模型，更新车辆的速度与位置信息。
当车辆行驶路段与目的地不一致，且前车超出交织区末端时，将该类车辆的前车设置为位于交织区末端车速为0的停止车辆。
根据在步骤2中收集的车辆运行轨迹，按照道路模块中的路段区分各路段车辆；筛选各路段上垂直车道线方向速度和加速度均为0时车辆行驶的数据作为车辆跟驰行为的数据，如表3所示。
表3基于微观车辆轨迹的初始跟驰模型参数标定数据
根据所IDM跟驰模型中各个待标定参数的物理意义与具体城市快速路交织区情况设置参数的取值范围，如表4所示。
表4跟驰模型初始参数及取值范围
| 标定参数 | 取值范围 |
| A | [2,6] |
| vf | [12,40] |
| δ | [1,4] |
| s0 | [3,6] |
| s1 | [0,0] |
| T | [0.5,5] |
| b | [1,3] |
利用遗传算法，交叉概率CXPB为0.8，变异概率MUTPB为0.5，总共迭代NGEN＝1000代，每代的种群大小为100。以最小化模型计算得出的加速度与实际加速度a的误差为目标。完成跟驰模型的初步参数标定。
区分自由换道与强制换道，自由换道应用MOBIL模型，强制换道应用基于效用的logit模型。
其中换道模型变量t1，t2，t3，如图5所示，bn(n＝0，1，2，3)为待标定的参数。
根据车辆运行轨迹，区分车辆运行轨迹中的换道行为属于强制换道或自由换道，按时间顺序排列各个车辆的行驶轨迹，将车道信息发生变化前最后一帧看作为整个实际换道过程的中间时刻，城市交织区内车辆平均换道帧数t＝12帧,视F1前帧开始换道行为，F2帧的数据标记为换道，/>F2前数据标记为未换道；应用完成了换道标记的数据，确定各待标定换道模型的参数，以最大化换道模型得出的换道次数/>与实际换道次数nc的比值为目标，完成自由换道模型与强制换道模型的初步参数标定。
参数标定结果如表5所示。
表5跟驰模型参数及初始取值
| 标定参数 | 参数取值 |
| A | 2.00601 |
| vf | 28.50979 |
| δ | 1.02760 |
| s0 | 3.47457 |
| s1 | 0 |
| T | 0.53694 |
| b | 1.00165 |
| b0 | 0.83842 |
| b1 | -0.05287 |
| b2 | -0.28299 |
| b3 | -0.17987 |
根据车辆运行轨迹数据，统计获得描述整个城市快速路交织区交通流运行状况的宏观指标Ti(i＝1，2)，包括交织区内平均车速T1＝18.299m/s，车辆平均通过时间T2＝13.526s。将跟驰模型的参数作为待调整参数，根据各参数实际物理意义与基于微观车辆运行轨迹参数初步标定结果，设置调整参数的取值范围，如表6所示。
表6跟驰模型调整参数及取值范围
| 标定参数 | 取值范围 |
| A | [2,3] |
| vf | [26,32] |
| δ | [1,1.5] |
| s0 | [3,4] |
| s1 | [0,0] |
| T | [0.5,1] |
| b | [1,1.5] |
利用遗传算法，交叉概率CXPB为0.8，变异概率MUTPB为0.3，总共迭代NGEN＝1000代，每代的种群大小为100。以最小化模型宏观指标Ti(i＝1，2)相对误差和为目标。迭代获得仿真模型的参数调整结果。
参数标定结果如表7所示。
表7跟驰模型参数及取值
一种城市快速路交织区微观交通仿真***标定装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现上述城市快速路交织区微观交通仿真***标定方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。
Claims (3)
1.一种城市快速路交织区微观交通仿真***标定方法，其特征在于，包括以下步骤：
步骤1、获得城市快速路交织区的道路基本信息；
步骤2、提取城市快速路交织区的微观车辆运行轨迹，并计算城市快速路交织区的宏观交通流运行特征；
步骤3、根据步骤1得到的道路基本信息和步骤2的微观车辆运行轨迹，构建城市快速路交织区的交通流微观仿真模型；
步骤4、基于步骤2提取的微观车辆运行轨迹初步标定交通流微观仿真模型的参数；
步骤5、基于步骤2计算得到的宏观交通流运行特征调整步骤4中初步标定的交通流微观仿真模型的参数；
步骤3中的交通流微观仿真模型包括车辆生成模块、车辆行驶模块、道路模块与统计模块；其中，
车辆生成模块是根据步骤2中所得到的微观车辆运行轨迹构建的；车辆生成模块用于在交织区上游的车辆的初始位置x0处产生具有各自车辆属性的车辆并将其输入至车辆行驶模块；其中，
微观车辆运行轨迹是指每一帧车辆所在的车道编号n、位置x、速度v和加速度a；车辆属性是根据微观车辆运行轨迹中各个车辆的现实情况确定的，车辆属性包括车辆编号id、是否为头车、车长、车辆类型、车辆目的地、车辆输入至车辆行驶模块的帧数frame，x0及初始速度v0，车辆目的地分为主路与次路；
车辆行驶模块，用于根据各车道头车运行轨迹、跟驰模型、换道模型与车辆相对位置更新模型对车辆行驶模块内车辆进行n、x、v和a的更新，并删去已驶离交织区的车辆；换道模型包括自由换道模型和强制换道模型，在不同仿真区域上，车辆根据所在路段是否与目的地一致应用自由换道模型与强制换道模型；车辆相对位置更新模型负责更新车辆前车、后车、邻近车道的前车与后车的id；
道路模块是根据步骤1中所得到的道路基本信息构建的，道路模块用于将城市快速路交织区在物理上进行划分为多个仿真区域，仿真区域包括主路交织区上游路段、次路交织区上游路段、交织区主路、交织区次路、主路交织区下游路段和次路交织区下游路段；各仿真区域属性包括仿真区域编号N，路段长度，车道数量，第N个仿真区域中第n个车道内的车辆编号集合CNn＝{id1，id2…idp…},p为大于等于1的整数，其中idp为第N个仿真区域中第n个车道内的第p辆车的车辆编号；
统计模块用于计算交织区仿真指标，统计仿真结果，仿真指标包括车辆仿真轨迹、交织区内平均车速T1、车辆平均通过时间T2和各路段交通量T3；
步骤4中交通流微观仿真模型的参数包括跟驰模型的初步参数、自由换道模型与强制换道模型的初步参数；具体如下：
步骤4中根据在步骤2中收集的车辆运行轨迹，按照道路模块中的路段区分各路段车辆；筛选各路段上垂直车道线方向速度和加速度均为0时车辆行驶的数据作为车辆跟驰行为的数据；设置跟驰模型参数取值范围，利用启发式算法，以最小化跟驰模型得出的加速度与a的绝对误差为目标，
迭代完成跟驰模型的初步参数标定；
根据步骤2中得到车辆运行轨迹，区分车辆运行轨迹中的换道行为属于强制换道或自由换道，按时间顺序排列各个车辆的行驶轨迹，将车道信息发生变化前最后一帧F1看作为整个实际换道过程的中间时刻，视F1前帧开始换道行为，t为城市交织区内车辆平均换道帧数,车辆开始换道帧数F2的数据标记为换道，/>F2前m帧数据标记为未换道；应用完成了换道标记的数据，确定各待标定换道模型的参数，以最大化换道模型得出的换道次数/>与实际换道次数nc的比值为目标，完成自由换道模型与强制换道模型的初步参数标定；
在步骤5中,根据步骤2中收集的车辆运行轨迹数据，统计获得描述整个城市快速路交织区交通流运行状况的宏观指标Ti，i＝1，2，3，...，Ti包括交织区内平均车速T1、车辆平均通过时间T2和各路段交通量T3；将跟驰模型与换道模型的参数作为待调整参数，设置调整参数取值范围，利用启发式算法，以最小化仿真得出的宏观指标相对误差和为目标：
迭代获得交通流微观仿真模型的参数调整结果。
2.根据权利要求1所述的一种城市快速路交织区微观交通仿真***标定方法，其特征在于，步骤3中的交通流微观仿真模型的仿真过程如下：
仿真开始时，首先设置仿真的总时间步长Tsim,当前仿真步长并将城市快速路交织区各路段长度、车道数量输入至道路模块，将车辆输入信息输入至车辆生成模块，将各车道头车行驶轨迹输入至车辆行驶模块；
车辆输入信息是根据步骤2中车辆微观运行轨迹获得，车辆输入信息包括车辆输入车辆行驶模块的帧数、该车辆输入车辆行驶模块时的初始位置及初始速度、车辆目的地和车长；将各个车辆运行轨迹中第一个点对应的帧数认定为车辆输入至车辆行驶模块的帧数frame，第一个点的位置及速度认定为车辆初始位置x0、初始所在车道与初始速度v0；
第k个仿真步长中，/>第一步、首先判断在该仿真步长中车辆生成模块是否需要生成车辆输入至车辆行驶模块，若/>则将车辆属性中frame为的车辆输入至车辆行驶模块，并修改输入车辆所在的第N个仿真区域内第n个车道的CNn；否则执行第二步；
第二步、调用车辆行驶模块，通过车辆相对位置更新模型更新所有车辆与其周围车辆的相互位置，然后判断车辆行驶模块内的车辆是否为头车，若是头车则按照头车轨迹更新其位置，若不是头车则执行换道模型与跟驰模型；
第三步、统计模块根据当前车辆行驶模块中的所有车辆的n、x、v和a计算交织区仿真指标；最后判断是否完成了所有仿真步长的仿真，若则循环进入下一仿真步长若/>结束仿真,输出统计结果；
其中，执行换道模型的方法是：首先判断执行换道模型的车辆是否为头车，若为头车，则依照提取的现实运行轨迹更新其换道行为；若不为头车，判断正在行驶的道路与车辆目的地是否一致，若一致则执行自由换道模型，若不一致则执行强制换道模型；
在执行跟驰模型中：当车辆行驶路段与目的地不一致，且前车超出交织区末端时，将车辆的前车设置为位于交织区末端车速为0的停止车辆。
3.基于权利要求1所述的一种城市快速路交织区微观交通仿真***标定方法的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现权利要求1中各步骤所述的一种城市快速路交织区微观交通仿真***标定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281113.3A CN113094875B (zh) | 2021-03-16 | 2021-03-16 | 一种城市快速路交织区微观交通仿真***标定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281113.3A CN113094875B (zh) | 2021-03-16 | 2021-03-16 | 一种城市快速路交织区微观交通仿真***标定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113094875A CN113094875A (zh) | 2021-07-09 |
| CN113094875B true CN113094875B (zh) | 2024-04-09 |
Family
ID=76668267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110281113.3A Active CN113094875B (zh) | 2021-03-16 | 2021-03-16 | 一种城市快速路交织区微观交通仿真***标定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113094875B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470363B (zh) * | 2021-08-31 | 2022-02-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种计算道路通行能力的方法和装置 |
| CN114049764B (zh) * | 2021-10-27 | 2022-09-23 | 东南大学 | 一种基于卷积长短时记忆神经网络的交通仿真方法及*** |
| CN114220262B (zh) * | 2021-11-19 | 2023-06-23 | 东南大学 | 一种基于交通仿真的车辆换道轨迹偏差计算方法 |
| CN115116231B (zh) * | 2022-08-26 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同微观仿真***、方法、电子设备及存储介质 |
| CN116229715B (zh) * | 2023-02-13 | 2024-01-12 | 武汉理工大学 | 一种道路交织区连续流生成方法与*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030014553A (ko) * | 2001-08-11 | 2003-02-19 | 명지대학교 | 이진셀을 이용한 미시적 교통류 분석 방법 |
| CN101246514A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计***及建立设计模型的方法 |
| CN102521438A (zh) * | 2011-12-02 | 2012-06-27 | 东南大学 | 交通冲突仿真两阶段参数标定方法 |
| CN102682155A (zh) * | 2012-03-16 | 2012-09-19 | 王晓原 | 城市道路交通网络分析微观仿真*** |
| CN104866654A (zh) * | 2015-05-06 | 2015-08-26 | 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 |
| CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
-
2021
- 2021-03-16 CN CN202110281113.3A patent/CN113094875B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030014553A (ko) * | 2001-08-11 | 2003-02-19 | 명지대학교 | 이진셀을 이용한 미시적 교통류 분석 방법 |
| CN101246514A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计***及建立设计模型的方法 |
| CN102521438A (zh) * | 2011-12-02 | 2012-06-27 | 东南大学 | 交通冲突仿真两阶段参数标定方法 |
| CN102682155A (zh) * | 2012-03-16 | 2012-09-19 | 王晓原 | 城市道路交通网络分析微观仿真*** |
| CN104866654A (zh) * | 2015-05-06 | 2015-08-26 | 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 |
| CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 城市快速路菱形立交入口微观仿真模型的标定与验证;王玉杰;邵国霞;;公路交通科技(应用技术版)(第11期);全文 * |
| 拥挤快速路交织区的SUMO仿真及换车道模型优化;买买提江・吐尔逊;买买提明・艾尼;;新疆大学学报(自然科学版)(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113094875A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113094875B (zh) | 一种城市快速路交织区微观交通仿真***标定方法及装置 | |
| CN106991251B (zh) | 一种高速公路交通流元胞机仿真方法 | |
| CN111554105B (zh) | 一种复杂交通路口的智能流量识别与统计方法 | |
| CN107301289B (zh) | 一种基于智能博弈的交通流元胞自动机模型的实现方法 | |
| 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 | |
| CN114170789B (zh) | 基于时空图神经网络的智能网联车换道决策建模方法 | |
| CN113780624B (zh) | 一种基于博弈均衡理论的城市路网信号协调控制方法 | |
| CN113822278A (zh) | 一种无受限场景车牌识别方法 | |
| CN111625989A (zh) | 一种基于a3c-sru的智能车汇入车流方法及*** | |
| CN108376183A (zh) | 一种基于最大熵原理的城市ca模型构建方法 | |
| CN112747744A (zh) | 一种结合航位推算和多车道路网地图的车辆定位方法 | |
| CN104504170A (zh) | 车辆动画仿真方法及*** | |
| CN108804812A (zh) | 基于社会力的路段施工区异质交通流模型建立方法 | |
| CN109752952B (zh) | 一种获取多维随机分布及强化控制器的方法和装置 | |
| CN113903173A (zh) | 一种基于有向图结构和lstm的车辆轨迹特征提取方法 | |
| CN108961353B (zh) | 道路模型的构建 | |
| US20230281424A1 (en) | Method for Extracting Features from Data of Traffic Scenario Based on Graph Neural Network | |
| CN116620327A (zh) | 基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法 | |
| CN113506450B (zh) | 一种基于Qlearning的单点信号配时方案选择方法 | |
| CN113268857B (zh) | 一种基于多智能体的城市快速路交织区微观交通仿真方法及装置 | |
| CN116039646A (zh) | 潮汐车道识别方法、装置、车辆及存储介质 | |
| CN115081186B (zh) | 一种支持数据驱动的驾驶行为仿真***及其仿真方法 | |
| CN116767218B (zh) | 一种无人驾驶车辆强制换道决策方法、计算机设备及介质 | |
| CN111461318B (zh) | 利用网格生成器的神经网络运算方法及使用该方法的装置 | |
| CN111460878B (zh) | 利用网格生成器的神经网络运算方法及使用该方法的装置 |
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 |