CN114239371A - 基于仿真的大型停车场出入口车辆延误模型参数标定方法 - Google Patents
基于仿真的大型停车场出入口车辆延误模型参数标定方法 Download PDFInfo
- Publication number
- CN114239371A CN114239371A CN202111443611.XA CN202111443611A CN114239371A CN 114239371 A CN114239371 A CN 114239371A CN 202111443611 A CN202111443611 A CN 202111443611A CN 114239371 A CN114239371 A CN 114239371A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- exit
- entrance
- vehicle
- 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.)
- Pending
Links
Images
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
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (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
本发明提供一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,所述方法包括以下步骤:选取合适的大型停车场进行外业调查,获取相关道路及停车场出入口的静态设施数据和动态车流数据;构建道路车辆自由行驶仿真环境,对道路行驶车流的跟驰模型进行参数校正;对停车场出入口动态车流数据进行分析,获取相关建模参数;构建停车场出入口完整仿真场景;通过仿真实现获取不同交通量组合下的车辆平均延误时长;构建多类型车辆平均延误模型,根据仿真实验的结果,标定多类型车辆平均延误模型参数。本发明可以简化参数标定过程,提高实践数据使用效率,是城市大型停车场不断增加背景下的出入口多类型车辆平均延误计算新手段。
Description
技术领域
本发明涉及一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,属于城市道路交通控制领域。
背景技术
随着城市开发密度的增加,土地集约化态势明显,催生出大量的大型停车场,车辆的到达和离开更为集中,出入口接驳处的交通拥堵问题亟待解决。目前对于停车场的交通影响研究多局限于单一对象,如连接道路、出入口通道或出入口与连接道路接驳处,缺乏考虑多个对象的综合评价。此外,也未能直接揭示交通量与评价指标的关系,导致模型复杂难懂、实际运用性差。
描述交通影响的评价指标有很多,如排队长度、延误、通行能力等,其中车辆延误不仅能够反映动态交通流的拥堵严重程度、油耗和出行时间损失,还能衡量交通渠化设计的合理性与可靠性。同时,驾驶员在拥堵排队时对时间的变化感知最为敏感。此外,车辆延误广泛用于交通拥堵评价、交叉口信号控制和路径诱导。考虑到延误对动态交通和静态交通均有一定评价意义,本发明选择车辆平均延误作为停车场动静态交通影响分析的评价指标。
车辆延误是指车辆的实际行程时间与理想状态下行程时间之差,一般包括固定延误、运行延误、停车延误、排队延误等。车辆平均延误模型中的参数均为不能通过直接观测与测量标定的参数,如临界间隙与跟随时间参数,采用极大似然估计法估计,需要采集大量的数据进行计算。
通过实测动静态交通量和车辆延误数据进行标定,理论上方法可行,但因标定所需数据量巨大,交通调查任务艰巨,费时费力,现实可操作性差。因此,本文提出采用仿真实验数据标定法。通过仿真软件输入交通量,获取车辆延误数据对车辆平均延误模型参数标定。
仿真实验数据标定法的优势:(1)通过仿真软件不仅可以以低成本、少费时、高准确率的获得大量的所需数据,而且可以任意进行交通量的组合,获取的数据范围广。(2)随着现代计算机运行速度的快速提升,数值计算能力的提升,通过仿真软件数据标定方法可行性得到大大提升。
因此,本发明面向大型停车场出入口多类型车辆的延误特性,提出平均延误计算模型,并通过外业调查与交通仿真相结合的方式,建立高效、准确的车辆延误模型参数标定方法,提高了模型的实用性,是当前大型停车出入口动静态交通流精细化控制与管理中亟待研究的关键技术。
发明内容
发明的目的在于提供了一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,以解决大型停车场出入口车辆延误计算复杂和模型标定困难的问题。
实现本发明目的的技术方案为:一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,其特征在于,包括以下步骤:
步骤1、根据停车场位置与规模,选取总泊位数量大于300的停车场进行外业调查,选定其周边选定与停车场出入口相连道路上最接近对向行驶车道的车道(最左侧车道)作为相关道路进行信息采集,通过实地测量和车流视频拍摄方式获取相关道路及停车场出入口的静态设施数据和动态车流数据。
步骤2、基于外业获取的相关道路静态设施数据和动态车流数据,构建道路车辆自由行驶仿真环境,对道路行驶车流的跟驰模型进行参数校正;
构建道路车辆自由行驶仿真环境:基于Vissim仿真软件,常规仿真过程;建立Vissim路网工程文件;根据调查地点静态设施属性对路网建模,输入实测道路车流量;在路段的始终点分别设置数据采集器。
步骤3、对外业获取的停车场出入口动态车流数据进行分析,对步骤1中拍摄的视频进行数据提取和统计,获取相关建模参数,建模参数包括在无道路车辆干扰下到达车辆通过入口的平均速度、离开车辆通过出口的速度平均速度、停车场到达车辆与道路交通量比例、从不同车道驶离进入停车场的各车道交通量量比例、从停车场离开驶入不同车道的比例,并通过直观视频统计标定观察路径与避免拥堵两个参数;
其中,标定路段是指与停车场离开通道和道路。观察路径与避免拥堵参数均是Vissim仿真软件中设定参数。采用直观视频统计方法标定冲突行为观察路径与避免拥堵两个参数。通过逐秒观察,统计出口通道的总冲突交通量、让行主路交通量、不让行主路交通量,主路的总冲突交通量、让行出口通道交通量、不让行出口通道交通量;对于无冲突行为的主路或者出口通道车辆不进行统计。
参数解释如下:
在冲突区域属性中,对冲突行为影响最大的当属Anticipate routes(观察路径)、Avoid blocking(避免堵塞)。两个属性参数影响着车辆平均延误模型中的临界间隙、跟随时间与通行能力修正系数值。
观察路径是指出入口通道车辆有多少比例会遵循道路优先的规则,会考虑道路车辆并计算空档决定加减速甚至停车。这是由于出口车辆驾驶员过于乐观的估算空档或者直接不遵守道路优先的规则导致本不应该进入冲突区域的时机进入,影响道路车辆的行驶。
避免堵塞是指享有优先权的道路车辆中有多少比例的车辆可能因为保守估计不能立即通过冲突区域,而选择不进入冲突区域,让出口通道车辆先行。
步骤4、基于外业获取的停车场出入口静态设施数据,构建停车场出入口完整仿真场景,设置路段参数属性、出入口属性、减速区属性,并设置道路车辆、停车场到达车辆、离开车辆行车时间检测器,即在VISSIM中即可在仿真场景中依照停车场实际情况进行设置。在仿真软件中构建的仿真场景中输入路段参数、出入口属性和减速区属性,并对照实际停车场场景在仿真场景中需要检测行驶时间的位置设置时间检测器,即在道路和停车场进出口通道的始终点)
构建停车场出入口完整仿真场景:常规仿真软件建模方式,展开来说:1、构建路网工程文件,例如可将场景的CAD底图或者高德百度地图导入到Vissim中;2、通过路段与连接器构建路网模型;3、基于步骤1中获取的静态设施属性,完成路段参数属性、出入口属性、减速区属性设置,并设置道路车辆、停车场到达车辆、离开车辆行车时间检测器;4、根据步骤3中获取的动态车流数据相关建模参数,设置输入车辆属性。
步骤5、通过VISSIM软件二次开发技术,在已经建立好的仿真场景输入不同道路车辆与停车场出入口到离车辆的交通量组合(交通量组合:道路车流量、停车场到达和离开车流量的不同组合,例如,道路车流量为500pcu/h,停车场到达车流量为100pcu/h,停车场离开车流量为200pcu/h),运行仿真实验,检测每辆车的延误时长,获取仿真实验的车辆平均延误时长
仿真实验:基于步骤4中构建的停车场出入口完整仿真场景,通过二次开发,调用Vissim的COM接口中的Simulation(仿真)、Evaluation(评价)、PcuicleInputs(车辆输入)等接口,输入交通量组合信息,执行仿真,基于行车时间检测器获取每辆车通过时间和延误时长,计算停车场到达车辆、离开车辆和道路车辆这三类车辆的平均延误时长;
步骤6、构建多类型车辆平均延误模型,根据仿真实验的输入交通量和输出车辆平均延误时长,标定多类型车辆平均延误模型参数,并通过评价指标判定是否接受标定结果,如果标定结果接受,说明车辆平均延误模型适用于当前大型停车场出入口;如果标定结果不可接受,说明车辆平均延误模型不适用于当前大型停车场出入口。
优选地,所述步骤1中相关道路及停车场出入口的静态设施数据和动态车流数据指:
相关道路的静态设施数据包括:车道数、车道宽度、车道设计速度、路段长度、交叉口位置、信号灯位置等;
相关道路的动态车流数据包括:车头时距、交通量等交通流信息等;
停车场出入口的静态设施数据包括:出入口连接道路数据,含连接道路的几何尺寸、车道数、车道宽度、车道设计速度、路段长度;出入口通道数据,含出入口通道的长度、宽度、坡度等几何尺寸数据、出口与入口距离、出入口与连接道路的角度、闸机在出入口通道的位置等。
停车场出入口的动态车流数据包括:视频拍摄的停车场出入口到达和离开车流量、相连道路的车流量和进入停车场车流量;人工计时统计的离开车辆通过闸机的停车时长和到达车辆通过闸机的停车时长。
优选地,所述步骤2中道路行驶车流的跟驰模型,采用Wiedemann 74模型,其公式为:
d=ax+bx
其中:d为两车之间的距离;ax为平均的停车间距(两停止车辆的平均停车距离,变化幅度为±1m);bx为安全距离;bx_add为安全距离的附加部分;bx_mult为安全距离的倍数部分;v是车辆速度,单位为m/s;z是介于[0,1]之间的数值,是以0.5为平均值的标准正态分布,标准差为0.15。
优选地,所述步骤2中跟驰模型的参数校正方法为:
(1)根据外业获取的道路交通量和车头时距,对实测车头时距分布进行拟合判定,例如采用移位负指数分布函数;
(2)建立Vissim路网工程文件。根据外业调查的相关道路静态设施数据对路网建模,输入实测道路车流量,在横断面位置设置数据采集器;
(3)修改跟驰模型参数。通过Matlab编写粒子群算法产生粒子群,再调用Vissim的I Driving Behavior Par Sets(驾驶行为)接口修改跟驰模型三个参数,仿真运行;
(4)获取仿真车头时距。数据采集器采集到经过横断面的各车辆的基本信息,包括车型、速度、时间等,将前后两车通过时间作差值获得车头时距;调用I DataCollectionEvaluation接口获取基础数据,计算车头时距,最后计算分布参数估计,单次仿真结束;
(5)设置10个随机种子进行仿真,消除偶然性误差;
(6)寻求最优解。计算一个粒子在10个随机种子下的分布参数估计,取其平均值,作与实测车头时距的分布参数估计的差值,即为该粒子的目标函数值;同理,再计算一个粒子种群中各粒子的目标函数值,并确定粒子群的最小目标函数值;接着一直迭代,直到满足收敛条件或者到达最大迭代次数,输出最优解。
优选地,所述步骤6中的多类型车辆平均延误模型的计算公式如下:
(1)停车场出入口到达车辆:
其中,为停车场第i个入口到达车辆的平均延误;单位为s;为停车场第i个入口到达车辆的固定延误,单位为s;为停车场第i个入口到达车辆通过入口闸机的平均延误,单位为s;为第二车道进入停车场第i个入口车辆的平均延误,单位为s;为停车场到达第i个入***通量,单位为pcu/h;为第一车道进入停车场第i个入***通量,单位为pcu/h;为第二车道进入停车场第i个入***通量,单位为pcu/h;为停车场第第i个出入口附近道路第一车道交通量,单位为pcu/h;为停车场第i个入口闸机服务率,单位为pcu/h;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道车辆穿越第一车道进入停车场第i个入口的通行能力修正系数;ni为停车场第i个出入口附近道路的车道数;i为出入口序号。
(2)停车场出入口离开车辆:
其中,为停车场第i个出口离开车辆的平均延误,单位为s;为停车场第i个出口离开车辆的固定延误,单位为s;为停车场第i个出口离开车辆通过出口闸机的平均延误,单位为s;为停车场第i个出口离开车辆驶入道路第一车道的平均延误,单位为s;为停车场第i个出口出口闸机服务率,单位为pcu/h;为停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出口第一车道交通量,单位为pcu/h;为停车场第i个出口离开车辆驶入道路第一车道的临界间隙,单位为s;为停车场第i个出口离开车辆的跟随时间,单位为s;为停车场第i个出口离开车辆驶入第一车道的通行能力修正系数;i为出入口序号。
(3)道路车辆:
其中,为停车场第i个出入口附近道路车辆的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受停车场离开车辆影响产生的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受第二车道通过产生的平均延误,单位为s;为停车场第i个出入口附近道路的第二车道车辆等待前方车辆寻找可接受间隙进入停车场的连同排队延误,单位为s;为停车场第i个出入口附近道路的总交通量,单位为pcu/h;为停车场停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为受停车场第i个出口离开车辆影响的第一车道交通量,单位为pcu/h;为受第二车道车辆影响的停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为停车场第i个出入口附近道路的第二车道交通量,单位为pcu/h;为第一车道进入停车场第i个入口的交通量,单位为pcu/h;为第二车道进入停车场第i个入口的交通量,单位为pcu/h;为第一车道车辆驶入与停车场第i个出口冲突区的临界间隙,单位为s;为第一车道车辆驶入与停车场第i个出口冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的临界间隙,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道道路车辆的跟随时间,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为进入停车场第i个入口的第二车道车辆穿越第一车道的通行能力修正系数;为第一车道驶入与停车场第i个出口冲突区的通行能力修正系数;为停车场第i个出入口附近道路的第一车道驶入与第二车道车辆通过的冲突区的通行能力修正系数;ni为停车场第i个出入口附近道路车道数;i为出入口序号。
优选地,所述步骤6中的多类型车辆平均延误模型参数标定的评价指标为R-square(决定系数),其取值范围为[0,1],一般认为R-square(决定系数)大于0.9,接受标定值。R-square(决定系数)的计算公式如下所示:
本发明与现有技术相比,其显著优点为:本发明旨在综合考虑大型停车场出入口与连接道路的多类型车辆相互影响关系,构建面向车辆延误的计算模型,提出基于仿真的参数标定方法,相比于传统的车辆延误计算和交通流参数标定方法,可大幅减少成本、提高效率、扩大适用范围、提升计算精度;
因此,通过本发明,可以为精确计算多类型车辆延误、研判大型停车场出入口动静态交通状况提供新途径和新方法,为解决大型停车场出入口与连接道路瓶颈问题提供理论依据,从而支撑大型停车场出入***通流的精细化管理与控制。
附图说明
图1为本发明的流程图。
图2跟驰模型参数校正迭代过程与误差值图。
图3速度与两车间距曲线图。
图4大型停车场西(1)和东(2)出入口仿真环境建模。
图5大型停车场西出口离开车辆延误模型拟合曲面。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,包括以下步骤:
步骤1、根据停车场位置与规模,选取总泊位数量大于300的大型停车场进行外业调查,选定其周边受换道行为影响最小的车道作为相关道路进行信息采集,测量停车场出入口及相关道路的几何数据,拍摄停车场出入口和相关道路的车流视频,获取相关道路及停车场出入口的静态设施数据和动态车流数据;
本发明实施例选取的停车场为南京市某大型商业综合体停车场,共有三层分别为B1、B2、B3,总泊位数为1800个。其主要出入口分别位于停车场的东西两侧,东出入口与城市主干道及其二车道辅道连接;西出入口与三车道的城市支路连接。东出入口的南向行驶的城市主干道最左侧车道受换道行为影响最小,作为相关道路进行信息采集。
通过实地调查,获取相关道路的静态设施数据,包括:车道数、车道宽度、车道设计速度、路段长度、交叉口位置、信号灯位置等;以及两个停车场出入口的静态设施数据,包括:出入口连接道路数据,含连接道路的几何尺寸、车道数、车道宽度、车道设计速度、路段长度;出入口通道数据,含出入口通道的长度、宽度、坡度等几何尺寸数据、出口与入口距离、出入口与连接道路的角度、闸机在出入口通道的位置等。
为获取动态车流数据,本发明实施例进行了外业调查,调查分为停车场出入口调查与相关道路调查。
对于停车场出入口,视频调查为采用五台摄像机采集数据,提前踩点,确定拍摄出入口进出车辆、道路交通量的最佳角度;其中四台架设在两个出入口的入口与出口位置,一台架设在相连主干道与辅道的中央分隔带上,视频拍摄停车场出入口到达和离开车流量、相连道路的车流量和进入停车场车流量。人工计时统计半个小时内离开车辆通过闸机的停车时长、半个小时内到达车辆通过闸机的停车时长,可得到达车辆通过闸机处的停车时间为2秒,离开车辆通过闸机处的停车时长符合均值为4秒的正态分布。考虑到商业类停车场的停放特性,视频调查时间选定为休息日的15:00-22:00,人工计时选定为休息日的19:00-19:30。
对于相关道路,调查采用视频拍摄方法,在观测断面旁的中央分隔带上架设三脚架拍摄经过观测断面的车辆。采集交通流的时间为休息日的16:00-19:00,道路交通高峰时期的数据更符合本文研究的目的。
步骤2、基于外业获取的相关道路静态设施数据和动态车流数据,构建道路车辆自由行驶仿真环境,对道路行驶车流的跟驰模型进行参数校正;
分别统计调查的三个小时内的车头时距,基于移位的负指数分布函数,在Matlab中对统计车头时距进行拟合,拟合结果如下表1所示。
表1各时段对应的拟合结果
基于Vissim构建道路车辆自由行驶仿真环境,采用粒子群算法产生粒子群,调用Vissim接口修改跟驰模型参数,获取仿真车头时距及其分布参数,计算仿真所得平均车头时距,从而获取目标函数值,即实测平均车头时距与仿真所得平均车头时距相减的绝对值。通过反复迭代,选择目标函数取值最小的参数组合,确定为基于粒子群算法的最优解。
参数校正采用18-19时的实测数据,设置20次迭代,20个粒子种群,10个随机种子,共需进行20*20*10=4000次的仿真实验。经过20次的迭代,其迭代过程与误差值如图2所示。迭代到11次之后目标函数趋于平缓,目标函数值为0.1467秒,实测数据移位的负指数分布的平均车头时距为5.4119秒,仿真实验所得平均车头时距为5.2652秒,相对误差为2.71%,判定得到最优解。最优解为平均的停车间距为1.8654米、安全距离的附加部分为1.5643,安全距离的倍数部分为2.5795。
为验证参数校正的准确性,又同时为避免大量仿真实验,利用16-17时的实测车头时距数据和17-18时的实测车头时距数据,在修改成校正参数的仿真环境下实验,得到16-17时的目标函数值为0.1752,相对误差为2.49%,17-18时的目标函数值为0.1563,相对误差为2.64%,均在可接受范围内,验证了校正参数的准确性。
Vissim中跟驰模型的三个参数默认值分别是:平均的停车间距为2米、安全距离的附加部分为2,安全距离的倍数部分为3。参数标定之后分别是1.8654,1.5643,2.5795。两车之间的距离随速度的变化曲线(z值取0.5)如图3所示。观察图3可知,校正参数后的两车间距更小,这与高峰时期交通量大,车辆间距缩小的交通特性相符。
步骤3、对外业获取的停车场出入口动态车流数据进行分析,获取相关建模参数,包括在无道路车辆干扰下到达车辆通过入口的速度、离开车辆通过出口的速度、停车场到达车辆与道路交通量比例、从不同车道驶离进入停车场的比例、从停车场离开驶入不同车道的比例等,并通过直观视频统计标定观察路径与避免拥堵两个参数;
对于无道路车辆干扰下到达车辆通过入口的速度、离开车辆通过出口的速度,统计可得:
表2停车场出入口接驳处车辆速度分布
对于停车场到达车辆与道路交通量比例,以15分钟为间隔统计东入口进入停车场的车流量与东出入口辅道车流量,两者的比例稳定在40%左右;以15分钟为间隔统计西入口进入停车场的车流量与西出入口支路车流量,两者的比例在20%上下波动。
对于从不同车道驶离进入停车场的比例,以15分钟为间隔统计可得,东西入口到达车辆从第二车道进入停车场与从第一车道进入停车场的路径比例均为1:1。
对于停车场离开驶入不同车道的比例,以15分钟为间隔统计东出口离开停车场进入辅道与进入主路车辆比例,比例在2:8上下波动。因此东出口离开车辆按照2:8设置进入主路与进入辅道的路径比例,西出口离开车辆全部驶入支路的最左侧车道。
同时经过视频统计可得出冲突行为交通量据,部分数据如下表所示:
表3停车场出入口车辆冲突行为统计
获得冲突行为参数:观察路径值为0.8,避免堵塞值为0.2。
步骤4、基于外业获取的停车场出入口静态设施数据,构建停车场出入口完整仿真场景,设置路段参数、出入口、减速区等属性,并设置道路车辆、停车场到达车辆、离开车辆行车时间检测器;
构建大型停车场出入口的仿真环境如图4所示。
步骤5、通过输入不同道路车辆与停车场出入口到离车辆的交通量组合,运行仿真实验,检测每辆车的延误时长,获取仿真实验的车辆平均延误时长;
根据调查统计的交通量数据,设施仿真交通量组合参数如下:
东出入口场景中,辅道输入100至1050pcu/h交通量,增加间隔为50pcu/h的车流量,共20个车流量;离开通道输入30至315pcu/h交通量,增加间隔为15pcu/h的车流量,共20个车流量;因此共有20*20=400个输入组合,随机种子设置为10个,共进行4000次仿真实验。
西出入口场景中,支路输入200至2100pcu/h交通量,增加间隔为100pcu/h的车流量,共20个车流量;离开通道输入30至315pcu/h交通量,增加间隔为15pcu/h的车流量,共20个车流量;因此共有20*20=400个输入组合,随机种子设置为10个,需要一共进行4000次仿真实验。
运行程序,进行批量化仿真。
步骤6、构建多类型车辆平均延误模型,根据仿真实验的输入交通量和输出车辆平均延误时长,标定多类型车辆平均延误模型参数,并通过评价指标判定是否接受标定结果。
大型停车场存在东、西两个出入口,每个出入口均存在停车场出入口到达车辆、停车场出入口到达车辆和道路车辆三类车辆的延误模型,共计六个车辆平均延误模型。
构建离开车辆延误模型如下:
经过拟合,参数标定结果如表4所示。
表4西出口离开车辆延误模型参数标定结果表
模型拟合整体性评价:SSE(模型拟合值与仿真数据点的误差平方和)值为192.7,R-square(决定系数)为0.9478。因为决定系数大于0.9,拟合效果好,因此接受参数标定结果。将参数标定结果代入公式,即得到西出口离开车辆平均延误模型。
大型停车场西出口离开车辆延误模型拟合曲面如图5所示。
通过对延误模型、仿真数据、以及拟合曲面分析可知:在当模型中其他参数不变时,停车场离开车辆平均延误随着离开车辆先平缓增加,再急剧增加。在离开车辆较少,道路总车流量对离开车辆平均延误的增加不明显,随着离开车辆增加,道路车辆会对离开车辆造成大量的延误。离开车辆平均延误随着离开交通量与道路总车流量的共同增加而急剧增加。
综上,本发明选取合适的大型停车场进行外业调查,获取相关道路及停车场出入口的静态设施数据和动态车流数据;基于外业获取的相关道路静态设施数据和动态车流数据,构建道路车辆自由行驶仿真环境,对道路行驶车流的跟驰模型进行参数校正;对外业获取的停车场出入口动态车流数据进行分析,获取相关建模参数;基于外业获取的停车场出入口静态设施数据,构建停车场出入口完整仿真场景;通过输入不同交通量组合,运行仿真实验,检测每辆车的延误时长,获取仿真实验的车辆平均延误时长;构建多类型车辆平均延误模型,根据仿真实验的输入交通量和输出车辆平均延误时长,标定多类型车辆平均延误模型参数。本发明可以简化参数标定过程,提高实践数据使用效率,为高效建立适用于大型停车场出入口的动静态交通精细化管理策略提供支撑,是城市大型停车场不断增加背景下的出入口多类型车辆平均延误计算新手段。
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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,其特征在于,包括以下步骤:
步骤1、根据停车场位置与规模,选取总泊位数量大于300的停车场进行外业调查,选定其周边选定与停车场出入口相连道路上最接近对向行驶车道的车道(最左侧车道)作为相关道路进行信息采集,通过实地测量和车流视频拍摄方式获取相关道路及停车场出入口的静态设施数据和动态车流数据;
步骤2、基于外业获取的相关道路静态设施数据和动态车流数据,构建道路车辆自由行驶仿真环境,对道路行驶车流的跟驰模型进行参数校正;
步骤3、对外业获取的停车场出入口动态车流数据进行分析,对步骤1中拍摄的视频进行数据提取和统计,获取相关建模参数,建模参数包括在无道路车辆干扰下到达车辆通过入口的平均速度、离开车辆通过出口的速度平均速度、停车场到达车辆与道路交通量比例、从不同车道驶离进入停车场的各车道交通量量比例、从停车场离开驶入不同车道的比例,并通过直观视频统计标定观察路径与避免拥堵两个参数;
步骤4、基于外业获取的停车场出入口静态设施数据,构建停车场出入口完整仿真场景,设置路段参数属性、出入口属性、减速区属性,并设置道路车辆、停车场到达车辆、离开车辆行车时间检测器;
步骤5、通过VISSIM软件二次开发技术,在已经建立好的仿真场景输入不同道路车辆与停车场出入口到离车辆的交通量组合,运行仿真实验,检测每辆车的延误时长,获取仿真实验的车辆平均延误时长;
步骤6、构建多类型车辆平均延误模型,根据仿真实验的输入交通量和输出车辆平均延误时长,标定多类型车辆平均延误模型参数,并通过评价指标判定是否接受标定结果。
2.根据权利要求1所述的一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,其特征在于,步骤1中相关道路及停车场出入口的静态设施数据和动态车流数据指:
相关道路的静态设施数据包括:车道数、车道宽度、车道设计速度、路段长度、交叉口位置、信号灯位置等;
相关道路的动态车流数据包括:车头时距、交通量等交通流信息等;
停车场出入口的静态设施数据包括:出入口连接道路数据,含连接道路的几何尺寸、车道数、车道宽度、车道设计速度、路段长度;出入口通道数据,含出入口通道的长度、宽度、坡度等几何尺寸数据、出口与入口距离、出入口与连接道路的角度、闸机在出入口通道的位置。
停车场出入口的动态车流数据包括:视频拍摄的停车场出入口到达和离开车流量、相连道路的车流量和进入停车场车流量;人工计时统计的离开车辆通过闸机的停车时长和到达车辆通过闸机的停车时长。
4.根据权利要求1所述的一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,其特征在于,步骤2中跟驰模型的参数校正方法为:
S41、根据外业获取的道路交通量和车头时距,对实测车头时距分布进行拟合判定;
S42、建立Vissim路网工程文件。根据外业调查的相关道路静态设施数据对路网建模,输入实测道路车流量,在横断面位置设置数据采集器;
S43、修改跟驰模型参数。通过Matlab编写粒子群算法产生粒子群,再调用Vissim的IDriving Behavior Par Sets(驾驶行为)接口修改跟驰模型三个参数,仿真运行;
S44、获取仿真车头时距。数据采集器采集到经过横断面的各车辆的基本信息,包括车型、速度、时间等,将前后两车通过时间作差值获得车头时距;调用I DataCollectionEvaluation接口获取基础数据,计算车头时距,最后计算分布参数估计,单次仿真结束;
S45、设置10个随机种子进行仿真,消除偶然性误差;
S46、寻求最优解。计算一个粒子在10个随机种子下的分布参数估计,取其平均值,作与实测车头时距的分布参数估计的差值,即为该粒子的目标函数值;同理,再计算一个粒子种群中各粒子的目标函数值,并确定粒子群的最小目标函数值;接着一直迭代,直到满足收敛条件或者到达最大迭代次数,输出最优解。
5.根据权利要求1所述的一种基于仿真的大型停车场出入口车辆延误模型参数标定方法,其特征在于,步骤6中的多类型车辆平均延误模型的计算公式如下:
(1)停车场出入口到达车辆:
其中,为停车场第i个入口到达车辆的平均延误;单位为s;为停车场第i个入口到达车辆的固定延误,单位为s;为停车场第i个入口到达车辆通过入口闸机的平均延误,单位为s;为第二车道进入停车场第i个入口车辆的平均延误,单位为s;为停车场到达第i个入***通量,单位为pcu/h;为第一车道进入停车场第i个入***通量,单位为pcu/h;为第二车道进入停车场第i个入***通量,单位为pcu/h;为停车场第第i个出入口附近道路第一车道交通量,单位为pcu/h;为停车场第i个入口闸机服务率,单位为pcu/h;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道车辆穿越第一车道进入停车场第i个入口的通行能力修正系数;ni为停车场第i个出入口附近道路的车道数;i为出入口序号。
(2)停车场出入口离开车辆:
其中,为停车场第i个出口离开车辆的平均延误,单位为s;为停车场第i个出口离开车辆的固定延误,单位为s;为停车场第i个出口离开车辆通过出口闸机的平均延误,单位为s;为停车场第i个出口离开车辆驶入道路第一车道的平均延误,单位为s;为停车场第i个出口出口闸机服务率,单位为pcu/h;为停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出口第一车道交通量,单位为pcu/h;为停车场第i个出口离开车辆驶入道路第一车道的临界间隙,单位为s;为停车场第i个出口离开车辆的跟随时间,单位为s;为停车场第i个出口离开车辆驶入第一车道的通行能力修正系数;i为出入口序号。
(3)道路车辆:
其中,为停车场第i个出入口附近道路车辆的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受停车场离开车辆影响产生的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受第二车道通过产生的平均延误,单位为s;为停车场第i个出入口附近道路的第二车道车辆等待前方车辆寻找可接受间隙进入停车场的连同排队延误,单位为s;为停车场第i个出入口附近道路的总交通量,单位为pcu/h;为停车场停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为受停车场第i个出口离开车辆影响的第一车道交通量,单位为pcu/h;为受第二车道车辆影响的停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为停车场第i个出入口附近道路的第二车道交通量,单位为pcu/h;为第一车道进入停车场第i个入口的交通量,单位为pcu/h;为第二车道进入停车场第i个入口的交通量,单位为pcu/h;为第一车道车辆驶入与停车场第i个出口冲突区的临界间隙,单位为s;为第一车道车辆驶入与停车场第i个出口冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的临界间隙,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道道路车辆的跟随时间,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为进入停车场第i个入口的第二车道车辆穿越第一车道的通行能力修正系数;为第一车道驶入与停车场第i个出口冲突区的通行能力修正系数;为停车场第i个出入口附近道路的第一车道驶入与第二车道车辆通过的冲突区的通行能力修正系数;ni为停车场第i个出入口附近道路车道数;i为出入口序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111443611.XA CN114239371A (zh) | 2021-11-30 | 2021-11-30 | 基于仿真的大型停车场出入口车辆延误模型参数标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111443611.XA CN114239371A (zh) | 2021-11-30 | 2021-11-30 | 基于仿真的大型停车场出入口车辆延误模型参数标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114239371A true CN114239371A (zh) | 2022-03-25 |
Family
ID=80752138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111443611.XA Pending CN114239371A (zh) | 2021-11-30 | 2021-11-30 | 基于仿真的大型停车场出入口车辆延误模型参数标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114239371A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758496A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种停车场内车辆的诱导方法、装置及存储介质 |
CN114758497A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
CN114913708A (zh) * | 2022-07-18 | 2022-08-16 | 深圳市华睿智兴信息科技有限公司 | 一种用于智能停车场的停车路径引导***及方法 |
CN114936456A (zh) * | 2022-05-18 | 2022-08-23 | 西南交通大学 | 隧道施工组织方案仿真方法、计算机装置、计算机可读存储介质 |
CN115206101A (zh) * | 2022-07-15 | 2022-10-18 | 大连海事大学 | 一种基于停车引导的停车仿真***设计方法 |
-
2021
- 2021-11-30 CN CN202111443611.XA patent/CN114239371A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758496A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种停车场内车辆的诱导方法、装置及存储介质 |
CN114758497A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
CN114758496B (zh) * | 2022-03-30 | 2023-08-04 | 同济大学 | 一种停车场内车辆的诱导方法、装置及存储介质 |
CN114758497B (zh) * | 2022-03-30 | 2023-08-29 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
CN114936456A (zh) * | 2022-05-18 | 2022-08-23 | 西南交通大学 | 隧道施工组织方案仿真方法、计算机装置、计算机可读存储介质 |
CN114936456B (zh) * | 2022-05-18 | 2023-07-11 | 西南交通大学 | 隧道施工组织方案仿真方法、计算机装置、计算机可读存储介质 |
CN115206101A (zh) * | 2022-07-15 | 2022-10-18 | 大连海事大学 | 一种基于停车引导的停车仿真***设计方法 |
CN114913708A (zh) * | 2022-07-18 | 2022-08-16 | 深圳市华睿智兴信息科技有限公司 | 一种用于智能停车场的停车路径引导***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114239371A (zh) | 基于仿真的大型停车场出入口车辆延误模型参数标定方法 | |
CN109272756B (zh) | 一种信控交叉口排队长度估计方法 | |
CN106845768B (zh) | 基于生存分析参数分布的公交车旅行时间模型构建方法 | |
CN106530749B (zh) | 基于单截面低频检测数据的信控交叉口排队长度估计方法 | |
CN111275975B (zh) | 一种交叉口转向流量数据的获取方法、装置和存储介质 | |
CN111695241A (zh) | 一种基于vissim仿真的左入匝道合流区加速车道长度确定方法 | |
CN105678036A (zh) | 公交车辆在公交站点停靠时间的测算方法及*** | |
CN113935158B (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
CN110796876A (zh) | 基于卡尔曼滤波的路段车辆总数估计方法 | |
CN113380027A (zh) | 一种基于多源数据的交叉***通状态参数估计方法及*** | |
CN114648231A (zh) | 一种车路协同路侧数据质量评价方法 | |
CN105632193A (zh) | 一种基于时空关联性的数据缺失路段速度计算方法 | |
CN105513362A (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
CN112530177A (zh) | 车联网环境下基于卡尔曼滤波的车辆排队长度估计方法 | |
CN112116813B (zh) | 状态识别模型建立方法、道路交通状态识别方法及装置 | |
Li et al. | Diagnosing and interpolating loop detector data errors with probe vehicle data | |
CN113487910A (zh) | 一种用于跟车场景的汽车数据采集***性能分析方法 | |
Wang et al. | Comparison of delay estimation models for signalised intersections using field observations in Shanghai | |
CN107886192B (zh) | 基于固定式与移动式车辆检测数据的数据与信息融合方法 | |
CN114638420B (zh) | 道路智能度评测方法及危化品车辆道路级导航方法 | |
CN112201041B (zh) | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 | |
CN112419751B (zh) | 基于单截面电警数据的信号交叉口车道排队长度估计方法 | |
CN106997678B (zh) | 快速路出口匝道上游车载指路信息优化设计方法 | |
Hui et al. | Estimation of time-varying OD demands incorporating FCD and RTMS data | |
Viti et al. | Dynamic modeling of VISSIM's critical gap parameter at unsignalized intersections |
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 |