CN114462233A - 微观交通仿真方法、计算机装置和存储介质 - Google Patents
微观交通仿真方法、计算机装置和存储介质 Download PDFInfo
- Publication number
- CN114462233A CN114462233A CN202210097926.1A CN202210097926A CN114462233A CN 114462233 A CN114462233 A CN 114462233A CN 202210097926 A CN202210097926 A CN 202210097926A CN 114462233 A CN114462233 A CN 114462233A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- simulation
- road network
- road section
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000003044 adaptive effect Effects 0.000 claims abstract description 13
- 238000011144 upstream manufacturing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000005094 computer simulation Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000013480 data collection Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000011664 signaling Effects 0.000 description 8
- 230000007704 transition Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001417517 Scatophagidae Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种微观交通仿真方法、计算机装置和存储介质,微观交通仿真方法包括获取可计算路网数据、车辆出行记录数据和信号灯灯态数据,将可计算路网数据转换成适配路网数据,将车辆出行记录数据转换成有向子路段序列路径数据;将信号灯灯态数据和可计算路网数据,计算得到信号控制方案数据,运行仿真软件,根据适配路网数据、有向子路段序列路径数据和信号控制方案数据进行仿真。本发明具有更高的仿真准确性、仿真精度以及对现实交通状态的还原度,可以避免人工仿真建模时操作疏忽造成的问题,可以自动实现仿真结果数据收集和计算,最终以多种形式提供直观的评估结果,实现微观交通仿真对交通工程的服务。本发明广泛应用于交通控制技术领域。
Description
技术领域
本发明涉及交通控制技术领域,尤其是一种微观交通仿真方法、计算机装置和存储介质。
背景技术
交通仿真是利用计算机技术对道路交通运行状况进行时空再现和预演,由于很多实际交通问题的方案实施成本太高,甚至有些场景无法进行真实的测试,交通仿真技术能够解决这一难题,有较高的实用价值和较好的应用前景。
目前应用较为广泛的微观交通仿真商业软件在建模时大都需要人工手动绘制和创建适应特定软件甚至特定软件版本的路网,手动绘制路网会耗费建模人员大量的时间,建模人员手动创建的路网在细节上会因人而异,且微观交通仿真对路网细节极为敏感,这种建模方式的数据输入也会耗费大量时间,且路网和输入数据不易修改,更无法适应较大规模的路网建模,不利于标准化和多场景对比。
发明内容
针对在无法取得定位数据的情况下无法对车辆进行追踪等至少一个技术问题,本发明的目的在于提供一种微观交通仿真方法、计算机装置和存储介质。
一方面,本发明实施例包括一种微观交通仿真方法,包括:
获取可计算路网数据、车辆出行记录数据和信号灯灯态数据;
将所述可计算路网数据转换成适配路网数据;所述适配路网数据适配于仿真软件的输入格式;
将所述车辆出行记录数据转换成有向子路段序列路径数据;
将所述信号灯灯态数据和所述可计算路网数据,计算得到信号控制方案数据;
运行所述仿真软件,根据所述所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据进行仿真。
进一步地,所述将所述可计算路网数据转换成适配路网数据,包括:
从所述可计算路网数据提取得到子路段表、车道表、节点表、交叉口表和车道连接器表;
将所述子路段表、所述车道表和所述节点表转换为第一文件;
将所述节点表和所述交叉口表转换为第二文件;
将所述车道连接器表转换为第三文件;
将所述第一文件、所述第二文件和所述第三文件合并转换为所述适配路网数据。
进一步地,所述将所述车辆出行记录数据转换成有向子路段序列路径数据,包括:
设定目标时空范围;
筛选出满足所述目标时空范围的所述车辆出行记录数据;
对所述车辆出行记录数据中的路段按照相应的车辆进入路段时间进行排序,获得路段序列路径数据;
对所述路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段;
以未经拆分的路段和拆分所得的各子路段组成所述有向子路段序列路径数据。
进一步地,所述对所述路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段,包括:
当所述路段序列路径数据中的任两个相邻的路段中,在前的路段不是在后的路段的上游,则确定在后的路段不具有空间连续性,将在后的路段拆分为多个子路段;
当所述路段序列路径数据中的任两个相邻的路段中,在前的路段对应的车辆离开时间与在后的路段对应的车辆进入时间不同,则确定在后的路段不具有时间连续性,将在后的路段拆分为多个子路段。
进一步地,所述将所述信号灯灯态数据和所述可计算路网数据,计算得到信号控制方案数据,包括:
根据灯态表绿灯开始时间字段筛选选定时间段的记录,约束交叉口编号字段的查询范围,从信号灯灯态数据查询得到信控参数;
将所述信控参数按交叉口为单位进行分离,为每个交叉口独立计算每个周期内每个相位的绿灯时间和黄灯,将每个周期作为独立的控制方案,向每个周期分配一个与交叉口关联的方案id,根据周期开始结束时间编写得到切换计划数据;
从所述可计算路网数据提取得到信控信息表和每个信控交叉口的车道组,读取交叉口的连接器对应的信控索引编号,通过车道组与所述信控索引编号匹配,获取所述信控索引编号对应的车道组,组合每个相位的放行规则数据;
将所述切换计划数据和所述放行规则数据合并得到所述信号控制方案数据。
进一步地,所述运行所述仿真软件,根据所述所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据进行仿真,包括:
合并所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据,获得合并数据;
设置所述仿真软件的仿真参数;
运行所述仿真软件,调用所述合并数据进行仿真,输出仿真结果文件。
进一步地,所述微观交通仿真方法还包括:
根据所述仿真结果文件,进行多个交通状态运行指标的统计;
根据所述交通状态运行指标的统计结果,对所述交通状态运行指标按点线面进行全面评价,输出仿真报告。
进一步地,所述仿真软件为SUMO仿真软件。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的微观交通仿真方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的微观交通仿真方法。
本发明的有益效果是:实施例中的微观交通仿真方法,使用全自动化程序将城市交通高精度可计算路网转换为仿真软件适配的路网数据,无需人工干预,仅需在可计算路网中框选指定仿真建模区域即可,快速高效创建仿真路网,相对于手工绘制路网可节省大量时间且修改方便;以个体车辆的身份检测数据为基础,将全时全量的车辆个体级出行数据作为仿真软件的交通输入需求,相对于传统建模仅使用扩样后的路段流量和转向比作为需求输入,准确性和仿真精度更高;通过将全域城市信号灯实时灯态数据作为仿真软件的信控输入,对现实交通状态的还原度更高;在仿真软件完成自动转换后,另一个程序会自动完成基于现有路网创建覆盖所有路段的车道级虚拟检测器,并不需要传统建模那样手动创建,且可以避免由于建模人员疏忽造成的检测器布设遗漏等问题,也便于根据不同需求修改;基于多类虚拟检测器和评估算法进行交通运行状态评估,可以自动实现仿真结果数据收集和计算,最终以多种形式提供直观的评估结果,从而能够根据评估结果进行决策,实现微观交通仿真对交通工程的服务。
附图说明
图1为实施例中微观交通仿真方法的流程图;
图2为实施例中可计算路网数据的结构以及处理过程的示意图;
图3为实施例中对路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段这一步骤的原理图;
图4为实施例中检测区域的边界方向的示意图;
图5为示例研究范围可计算路网路段层的示意图;
图6为示例研究范围可计算路网车道层和车道连接器层的示意图;
图7为示例研究范围转换后的SUMO路网的示意图;
图8(a)为示例信控交叉口的默认转换结果中路口几何和第一相位通行规则的示意图;
图8(b)为示例信控交叉口的默认转换结果中相位配置的示意图;
图9(a)为示例信控交叉口替换为实际灯态转换的某个方案中路口几何和第一相位通行规则的示意图;
图9(b)为示例信控交叉口替换为实际灯态转换的某个方案中相位配置的示意图。
具体实施方式
本实施例中,参照图1,微观交通仿真方法包括以下步骤:
S1.获取可计算路网数据、车辆出行记录数据和信号灯灯态数据;
S2.将可计算路网数据转换成适配路网数据;适配路网数据适配于仿真软件的输入格式;
S3.将车辆出行记录数据转换成有向子路段序列路径数据;
S4.将信号灯灯态数据和可计算路网数据,计算得到信号控制方案数据;
S5.运行仿真软件,根据适配路网数据、有向子路段序列路径数据和信号控制方案数据进行仿真。
步骤S1-S5可以由计算机执行。本实施例中,所使用的仿真软件为SUMO(Simulation of Urban MObility)仿真软件,以SUMO的使用为例对微观交通仿真方法中的各步骤进行说明,可以参照SUMO的使用方式,使用其他类型的仿真软件执行本实施例中的微观交通仿真方法进行仿真。
在执行步骤S1-S5之前,可以先确定仿真建模区域。具体地,根据实际需求确定建模区域后,可筛选目标范围内的所有逻辑对象数据集,作为后续路网自动转换的输入。
步骤S1中,计算机获取可计算路网数据、车辆出行记录数据和信号灯灯态数据。其中,参照图2,可计算路网数据的基本逻辑对象包括节点、有向路段、有向子路段、车道和车道连接器;精细化的个体车辆出行记录数据的主要字段包括车辆ID、车辆类型、进入路段时间、离开路段时间、当前路段ID、上游路段ID、下游路段ID等;信号灯灯态数据字段主要包括路口ID、进口道方向、车道组转向、绿灯开始时间、绿灯结束时间、方案编号、相位序号等。
计算机在执行步骤S2,也就是将可计算路网数据转换成适配路网数据这一步骤时,具体执行以下步骤:
S201.从可计算路网数据提取得到子路段表、车道表、节点表、交叉口表和车道连接器表;
S202.将子路段表、车道表和节点表转换为第一文件;
S203.将节点表和交叉口表转换为第二文件;
S204.将车道连接器表转换为第三文件;
S205.将第一文件、第二文件和第三文件合并转换为适配路网数据。
步骤S201中,参照图2,计算机从可计算路网数据提取得到子路段表、车道表、节点表、交叉口表和车道连接器表等数据。图2中,SUMO的路网架构是两层,分别为路段(edge)和车道(lane),对应于可计算路网的有向子路段层和车道层。
步骤S202中,进行路段(edge)转换。本实施例中采用可计算路网子路段层的几何形状来表示SUMO中路段的几何,端点表示连接关系,读取每个子路段包含的车道集合的id、类型等其他属性,包括车道是否允许特定车辆类型、车道限速、是否可以向左或向右换道等特殊设置,其中是否允许特定车辆类型换道对应现实交通规则中的白实线功能,将可计算路网的子路段、车道、节点三张表经过相应程序转换为edges.edg.xml文件,edges.edg.xml文件为执行步骤S202转换得到的第一文件。
步骤S203中,进行节点(node)转换。由于可计算路网的节点仅仅表示子路段的端点,不一定是SUMO路网概念中的道路交叉口,所以还需使用专门表示道路交叉口的交叉口表的相关信息,使用两张表的信息将其转换为SUMO的独立nodes.nod.xml文件,nodes.nod.xml文件为执行步骤S203转换得到的第二文件。
步骤S204中,进行连接器(connection)转换。由于SUMO中的连接器(connection)和可计算路网中的车道连接器概念是完全一致的,都表示不同车道的一对一连接关系,车道连接器表经过简单处理即可得到conns.con.xml文件,conns.con.xml文件为执行步骤S204转换得到的第三文件。
得到以上第一文件、第二文件和第三文件这三类独立的SUMO路网元素.xml文件后,步骤S205中,计算机可执行转换程序调用SUMO内置的netconvert程序,将第一文件、第二文件和第三文件这三个文件转换为能够适配于仿真软件的输入格式的适配路网数据,具体地,适配路网数据可以是demo.net.xml路网文件。转换程序还可以配置一些可选的参数,如no-internal-links(是否建立交叉口内的连接路段)、roundabouts.guess(是否通过内部算法推测建立环岛)等关键参数,转换过程中信控交叉口会自动产生默认的信控方案,如果与实际不相符,可以经过后续步骤修改。
转换后的路网文件的路段、车道、交叉口形状等几何特性不会发生变动,可以基于此创建覆盖全路网的检测器。edges.edg.xml文件中的车道和转换后的demo.net.xml中的车道长度可能是不一致的,需要通过SUMO的sumolib接口来读取demo.net.xml的车道长度等信息,以便完成在合适的车道位置创建虚拟检测器,最终检测器会被写成一个detectors.add.xml的SUMO附属文件中。
本实施例中,计算机在执行步骤S3,也就是将车辆出行记录数据转换成有向子路段序列路径数据这一步骤时,具体执行以下步骤:
S301.设定目标时空范围;
S302.筛选出满足目标时空范围的车辆出行记录数据;
S303.对车辆出行记录数据中的路段按照相应的车辆进入路段时间进行排序,获得路段序列路径数据;
S304.对路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段;
S305.以未经拆分的路段和拆分所得的各子路段组成有向子路段序列路径数据。
使用的个体车辆出行记录数据是基于有向路段级的到离时间记录,步骤S301中设定目标时空范围,步骤S302中,根据确定的仿真建模范围以及时间段,可筛选目标时空范围的出行数据。
步骤S303中,精细化的个体车辆出行记录数据的主要字段包括车辆ID、车辆类型、进入路段时间、离开路段时间、当前路段ID、上游路段ID、下游路段ID等,对车辆出行记录数据中的路段按照相应的车辆进入路段时间进行排序,获得路段序列路径数据。具体地,将每辆车的所有记录按进入时间排序后组合成多个序列,包括进入时间序列、离开时间序列、上游路段序列和当前路段序列,因此所获得的路段序列路径数据中包括进入时间序列、离开时间序列、上游路段序列和当前路段序列等序列。
计算机在执行步骤S304,也就是对路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段这一步骤时,具体执行以下步骤:
S30401.当路段序列路径数据中的任两个相邻的路段中,在前的路段不是在后的路段的上游,则确定在后的路段不具有空间连续性,将在后的路段拆分为多个子路段;
S30402.当路段序列路径数据中的任两个相邻的路段中,在前的路段对应的车辆离开时间与在后的路段对应的车辆进入时间不同,则确定在后的路段不具有时间连续性,将在后的路段拆分为多个子路段。
步骤S30401-S30402的原理如图3所示。参照图3,对路段序列路径数据中的各个路段进行遍历,在图3所示的一个循环中,“当前路段”与“前一路段”是相邻的两个路段,其中“当前路段”为在后的那个路段,“前一路段”为在前的那个路段。先判断“当前路段”是否具有空间连续性,具体地,如果在前的路段不是在后的路段的上游,那么可以确定在后的路段不具有空间连续性,在确定在后的路段不具有空间连续性后,将“当前路段”也就是在后的路段拆分为多个子路段;再判断“当前路段”是否具有时间连续性,具体地,如果在前的路段对应的车辆离开时间与在后的路段对应的车辆进入时间不同,那么可以确定在后的路段不具有时间连续性,将“当前路段”也就是在后的路段拆分为多个子路段,如果同一“当前路段”在步骤S30401中已经被拆分为多个子路段,步骤S30402中可以对这个“当前路段”拆分得到的各个子路段再次拆分,每个子路段被分别拆分成多个次级的子路段。
在执行步骤S304完成对路段序列路径数据中路段的拆分之后,参照图3,对于已被拆分成为子路段的路段,则只保留子路段(相当于用拆分所得的子路段代替拆分前的路段),步骤S305中,以未经拆分的路段和拆分所得的各子路段组成有向子路段序列路径数据。
在执行完步骤S301-S305之后,还可以对起始子路段进行修正。由于行程记录不可能全是从路网边界进入和离开,对于是从边界进入和离开的车辆行程不需要处理,其余情形都应进行修正,防止仿真过程车辆在交叉口进入和离开路网,造成死锁。修正的原理是:将不是从边界进入车辆的进入位置在当前路段上向前移动一定距离,并根据数据库中当前路段当前时段的平均车速,将出发时间也推迟,假设这个过程是匀速运动。相似地,不是从边界离开路网的车辆结束行程不应该是交叉口进口末端,需要进行相应的提前一定距离该修正过程中行程进入和离开路网的距离偏移量,由两个比例参数进行控制,该参数由可计算路网的基础数据根据路段上的开口计算而得到。
在执行完步骤S301-S305之后,还可以编辑其他属性与需求文件。由于SUMO的需求数据需要写到.rou.xml文件,除了车辆行程记录属性外,.rou.xml文件还包括了不同车辆类型的属性数据,该属性数据可以控制在仿真过程中的车辆驾驶行为,主要为跟驰模型和换道模型的各类参数,该类数据可以按基本预设参数写入。
本实施例中,计算机在执行步骤S4,也就是将信号灯灯态数据和可计算路网数据,计算得到信号控制方案数据这一步骤时,具体执行以下步骤:
S401.根据灯态表绿灯开始时间字段筛选选定时间段的记录,约束交叉口编号字段的查询范围,从信号灯灯态数据查询得到信控参数;
S402.将信控参数按交叉口为单位进行分离,为每个交叉口独立计算每个周期内每个相位的绿灯时间和黄灯,将每个周期作为独立的控制方案,向每个周期分配一个与交叉口关联的方案id,根据周期开始结束时间编写得到切换计划数据;
S403.从可计算路网数据提取得到信控信息表和每个信控交叉口的车道组,读取交叉口的连接器对应的信控索引编号,通过车道组与信控索引编号匹配,获取信控索引编号对应的车道组,组合每个相位的放行规则数据;
S404.将切换计划数据和放行规则数据合并得到信号控制方案数据。
参照图4,步骤S401中,计算机根据灯态表绿灯开始时间字段筛选选定时间段的记录,同时约束交叉口编号字段的查询范围,从而从信号灯灯态数据查询得到信控参数。
步骤S402中,对步骤S401查询到的信控参数按交叉口为单位分离后进行处理,每个交叉口独立计算每个周期内每个相位的绿灯时间和黄灯,将每个周期作为独立的控制方案,并分配一个与交叉口关联的方案id,根据周期开始结束时间编写切换计划数据。
步骤S403中,从可计算路网读取每个信控交叉口的车道组和信控信息表,并通过SUMO提供的sumolib接口读取交叉口的连接器对应的信控索引编号,通过车道组与之匹配,获取信控索引对应的车道组,用于组合每个相位的放行规则数据。
经过以上步骤的处理获得了SUMO路网逻辑下的信控方案基本数据,包括切换计划数据和放行规则数据。步骤S404中,将切换计划数据和放行规则数据等信控方案基本数据按SUMO的专有格式写入SUMO,每个周期对应xml文件元素tlLogic,最终得到signal.add.xml文件,signal.add.xml文件为步骤S404中的信号控制方案数据。
通过步骤S401-S404中使用信号灯灯态数据和可计算路网的车道组信控信息表来计算每个周期的定时周期控制方案,可以精确到秒级的灯态控制,仿真启动时刻和信控方案开始时间的偏移量也是准确无误的。而传统建模方法仅使用少量固定配时方案,无法准确还原SCATS等动态变化的控制方案,本实施例中步骤S401-S404中的转换方案可以解决传统建模遇到的这些问题。
本实施例中,计算机在执行步骤S5,也就是运行仿真软件,根据适配路网数据、有向子路段序列路径数据和信号控制方案数据进行仿真这一步骤时,具体执行以下步骤:
S501.合并适配路网数据、有向子路段序列路径数据和信号控制方案数据,获得合并数据;
S502.设置仿真软件的仿真参数;
S503.运行仿真软件,调用合并数据进行仿真,输出仿真结果文件。
步骤S501中,将适配路网数据(路网文件demo.net.xml)、有向子路段序列路径数据(需求文件demand.rou.xml)以及信号控制方案数据(检测器和信控方案附加文件)合并为一个附加文件得到合并数据add_all.add.xml。
步骤S502中,可以将合并数据add_all.add.xml配置到.sumocfg文件的input元素内,其余日志log、碰撞后是否将车辆移出等参数可以按需配置。
执行完步骤S502配置好demo.sumocfg文件后,即可执行步骤S503运行SUMO仿真,运行仿真可以按实际需求,选择有用户操作界面的sumo-gui命令和无界面的静默命令sumo。
执行完步骤S501-S503之后,SUMO输出的仿真结果文件全部存储为.xml文件,.xml文件中包括各类检测器的检测结果、全量的车辆轨迹等,在仿真结束后,程序自动读取.xml文件中的数据并转换为数据库表格式,存储到数据库中。
执行完步骤S1-S5之后,计算机已获得了表示SUMO的仿真结果的.xml文件,计算机可以继续执行以下步骤:
S6.根据仿真结果文件,进行多个交通状态运行指标的统计;
S7.根据交通状态运行指标的统计结果,对交通状态运行指标按点线面进行全面评价,输出仿真报告。
步骤S6中,结果数据存在数据库中后,通过统计程序完成各项指标的统计,如交通流量、平均车速、通行效率、排队长度、交叉口停车次数、停车率等,其中基于可计算路网路段层的结果需要使用到可计算路网的逻辑匹配关系。
步骤S7中,根据选定的交通状态运行指标,按“点-线-面”层次进行全面评价,输出相应的报告,支持多种格式的导出,如excel数据表、csv等文本文件,也会在数据库中存储统计结果,便于其他程序读取。
本实施例中的微观交通仿真方法,使用城市交通高精度可计算路网和精细化的融合数据实现全自动化的快速仿真场景建模和交通运行状态评估,所使用的仿真软件可以是开源的微观交通仿真软件SUMO(Simulation of Urban Mobility)等交通仿真器,具有应用成本低的优点。本实施例中的微观交通仿真方法相对于现有仿真建模技术有以下优势和特点:
(1)本实施例中的微观交通仿真方法使用全自动化程序将城市交通高精度可计算路网转换为SUMO路网,无需人工干预,仅需在可计算路网中框选指定仿真建模区域即可,快速高效创建仿真路网,相对于手工绘制路网可节省大量时间且修改方便;
(2)本实施例中的微观交通仿真方法以个体车辆的身份检测数据(例如卡式电警检测到的车辆数据)为基础,融合出租车、网约车、其他运营和非营运车辆的GPS记录,提取每辆车的完整出行路径,包括路径上每条路段的进出时间等完整丰富的出行记录,将全时全量的车辆个体级出行数据作为SUMO的交通输入需求,相对于传统建模仅使用扩样后的路段流量和转向比作为需求输入,准确性和仿真精度更高;
(3)考虑到交通信号灯对于交通状态的影响极为关键,传统建模方法大多是将基于短时调查数据的定周期方案作为信控输入方案,同一时刻信号灯灯态和实际车辆到达的偏差较大,且无法真实还原SCATS类动态调节的控制方案,本实施例中的微观交通仿真方法将全域城市信号灯实时灯态数据作为SUMO的信控输入,对现实交通状态的还原度更高;
(4)本实施例中的微观交通仿真方法中,在SUMO路网完成自动转换后,另一个程序会自动完成基于现有路网创建覆盖所有路段的车道级虚拟检测器,并不需要传统建模那样手动创建,且可以避免由于建模人员疏忽造成的检测器布设遗漏等问题,也便于根据不同需求修改;
(5)本实施例中的微观交通仿真方法中,基于多类虚拟检测器和评估算法进行交通运行状态评估,自动实现仿真结果数据收集和计算,最终以多种形式提供评估结果。
为了验证本实施例中的微观交通仿真方法的技术效果,选取的示例研究范围为某地区的实际路网,其中可计算路网路段层如图5所示,车道层和车道连接器层如图6所示,转换后的区域SUMO路网如图7所示。图8和图9分别是同一示例交叉口转换后的几何形状和信控方案配置,其中图8是路网转换阶段的默认信控方案,显然是不合实际的,因为该路口右转全部不受控,而参照图8(b)所示的相位,图8(a)显示南进口的右转在第一相位是禁止的,如图9(a)和图9(b)所示,用灯态数据得到的信控方案和实际一致。
以图5中矩形框内的路段双向通道为校核目标,仿真的结果东向西行程时间为161.58s,西向东217.49,实测行程时间东向西为170.18s,西向东215.87s,东向西方向误差为5.05%,西向东方向误差小于1%,各个交叉口一小时转向车流量误差也控制在10%以内,说明该发明误差控制良好,仿真精度较高。该案例的整体处理流程耗时约2分钟(包括仿真模块本身的运行时间),在更大规模上的多个路网测试均不超过5分钟。
通过图5-图9所示的验证过程可知,本实施例中的微观交通仿真方法计算效率达到了实时评估和预演的应用要求,能够获得良好的应用效果。
可以通过编写执行本实施例中的微观交通仿真方法的计算机程序,将该计算机程序写入至计算机装置或者存储介质中,当计算机程序被读取出来运行时,执行本实施例中的微观交通仿真方法,从而实现与实施例中的微观交通仿真方法相同的技术效果。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种微观交通仿真方法,其特征在于,所述微观交通仿真方法包括:
获取可计算路网数据、车辆出行记录数据和信号灯灯态数据;
将所述可计算路网数据转换成适配路网数据;所述适配路网数据适配于仿真软件的输入格式;
将所述车辆出行记录数据转换成有向子路段序列构成的路径数据;
将所述信号灯灯态数据和所述可计算路网数据,计算得到信号控制方案数据;
运行所述仿真软件,根据所述所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据进行仿真。
2.根据权利要求1所述的微观交通仿真方法,其特征在于,所述将所述可计算路网数据转换成适配路网数据,包括:
从所述可计算路网数据提取得到子路段表、车道表、节点表、交叉口表和车道连接器表;
将所述子路段表、所述车道表和所述节点表转换为第一文件;
将所述节点表和所述交叉口表转换为第二文件;
将所述车道连接器表转换为第三文件;
将所述第一文件、所述第二文件和所述第三文件合并转换为所述适配路网数据。
3.根据权利要求1所述的微观交通仿真方法,其特征在于,所述将所述车辆出行记录数据转换成有向子路段序列路径数据,包括:
设定目标时空范围;
筛选出满足所述目标时空范围的所述车辆出行记录数据;
对所述车辆出行记录数据中的路段按照相应的车辆进入路段时间进行排序,获得路段序列路径数据;
对所述路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段;
以未经拆分的路段和拆分所得的各子路段组成所述有向子路段序列路径数据。
4.根据权利要求3所述的微观交通仿真方法,其特征在于,所述对所述路段序列路径数据中不具有空间连续性或时间连续性的路段进行拆分,得到多个子路段,包括:
当所述路段序列路径数据中的任两个相邻的路段中,在前的路段不是在后的路段的上游,则确定在后的路段不具有空间连续性,将在后的路段拆分为多个子路段;
当所述路段序列路径数据中的任两个相邻的路段中,在前的路段对应的车辆离开时间与在后的路段对应的车辆进入时间不同,则确定在后的路段不具有时间连续性,将在后的路段拆分为多个子路段。
5.根据权利要求1所述的微观交通仿真方法,其特征在于,所述将所述信号灯灯态数据和所述可计算路网数据,计算得到信号控制方案数据,包括:
根据灯态表绿灯开始时间字段筛选选定时间段的记录,约束交叉口编号字段的查询范围,从信号灯灯态数据查询得到信控参数;
将所述信控参数按交叉口为单位进行分离,为每个交叉口独立计算每个周期内每个相位的绿灯时间和黄灯,将每个周期作为独立的控制方案,向每个周期分配一个与交叉口关联的方案id,根据周期开始结束时间编写得到切换计划数据;
从所述可计算路网数据提取得到信控信息表和每个信控交叉口的车道组,读取交叉口的连接器对应的信控索引编号,通过车道组与所述信控索引编号匹配,获取所述信控索引编号对应的车道组,组合每个相位的放行规则数据;
将所述切换计划数据和所述放行规则数据合并得到所述信号控制方案数据。
6.根据权利要求1所述的微观交通仿真方法,其特征在于,所述运行所述仿真软件,根据所述所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据进行仿真,包括:
合并所述适配路网数据、所述有向子路段序列路径数据和所述信号控制方案数据,获得合并数据;
设置所述仿真软件的仿真参数;
运行所述仿真软件,调用所述合并数据进行仿真,输出仿真结果文件。
7.根据权利要求6所述的微观交通仿真方法,其特征在于,所述微观交通仿真方法还包括:
根据所述仿真结果文件,进行多个交通状态运行指标的统计;
根据所述交通状态运行指标的统计结果,对所述交通状态运行指标按点线面进行全面评价,输出仿真报告。
8.根据权利要求1-7任一项所述的微观交通仿真方法,其特征在于,所述仿真软件为SUMO仿真软件。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述的微观交通仿真方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项所述的微观交通仿真方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022100566894 | 2022-01-18 | ||
CN202210056689 | 2022-01-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114462233A true CN114462233A (zh) | 2022-05-10 |
Family
ID=81410721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210097926.1A Pending CN114462233A (zh) | 2022-01-18 | 2022-01-27 | 微观交通仿真方法、计算机装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462233A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080638A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真的多源数据融合分析方法、电子设备及存储介质 |
CN115310278A (zh) * | 2022-07-28 | 2022-11-08 | 东南大学 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
CN115512548A (zh) * | 2022-11-22 | 2022-12-23 | 南京大学 | 一种路侧检测单元布设与道路交通稀疏感知方法及*** |
CN116306037A (zh) * | 2023-05-19 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种计算交叉口行人过街时间方法、电子设备及存储介质 |
-
2022
- 2022-01-27 CN CN202210097926.1A patent/CN114462233A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080638A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真的多源数据融合分析方法、电子设备及存储介质 |
CN115310278A (zh) * | 2022-07-28 | 2022-11-08 | 东南大学 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
CN115310278B (zh) * | 2022-07-28 | 2024-06-11 | 东南大学 | 一种大规模路网在线微观交通的仿真方法及其验证方法 |
CN115512548A (zh) * | 2022-11-22 | 2022-12-23 | 南京大学 | 一种路侧检测单元布设与道路交通稀疏感知方法及*** |
CN116306037A (zh) * | 2023-05-19 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种计算交叉口行人过街时间方法、电子设备及存储介质 |
CN116306037B (zh) * | 2023-05-19 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种计算交叉口行人过街时间方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114462233A (zh) | 微观交通仿真方法、计算机装置和存储介质 | |
CN110795818B (zh) | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 | |
US11235774B2 (en) | Road condition predicting method and apparatus, computer device and readable medium | |
CN107844635B (zh) | 实现bim信息与交通仿真信息集成***及其集成方法 | |
CN106846818B (zh) | 基于Simulink仿真的路网动态交通流预测方法 | |
CN106198049A (zh) | 真实车辆在环测试***和方法 | |
KR101815511B1 (ko) | 교통 시뮬레이션을 위한 프레임워크 및 이를 이용한 시뮬레이션방법 | |
CN109711026B (zh) | 一种基于卡口数据的Paramics精准交通仿真场景构建方法 | |
CN111680377A (zh) | 一种交通态势仿真方法、***和电子设备 | |
CN111752258A (zh) | 自主车辆的操作测试 | |
Park et al. | Optimization of time-of-day breakpoints for better traffic signal control | |
Hewage et al. | Optimization of traffic signal light timing using simulation | |
CN112560236B (zh) | 一种生成路口连接道路的方法及相关装置 | |
Wei et al. | An improved road network partition algorithm for parallel microscopic traffic simulation | |
CN110021161B (zh) | 一种交通流向的预测方法及*** | |
Chen et al. | Generating autonomous driving test scenarios based on openscenario | |
CN112418574A (zh) | 基于人工智能的城市轨道交通运营仿真***及方法 | |
CN111983934B (zh) | 一种无人车仿真测试用例生成方法及*** | |
CN105574243A (zh) | 基于进入车道时间的高性能中观交通仿真方法 | |
CN117197296A (zh) | 交通道路场景模拟方法、电子设备及存储介质 | |
Milne et al. | Realising massively concurrent systems on the SPACE machine | |
CN115080388B (zh) | 一种面向自动驾驶***的仿真测试场景生成方法 | |
CN115937352A (zh) | 矿山场景仿真方法、***、电子设备及存储介质 | |
CN115543809A (zh) | 自动驾驶功能的测试场景库构建方法及装置 | |
CN114185320B (zh) | 一种无人***集群的测评方法、装置、***及存储介质 |
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 |