（力学专业论文）基于仿真的动态网络交通分析与优化关键技术研究.pdf

中山大学博士后出站报告 基于仿真的动态网络交通分析与优化关键技术研究 摘要 实时交通仿真系统是智能交通系统( i t s ) 中先进的交通管理系统( a i m s ) 和先进的出行 者信息系统( a t t s ) 的核心组成部分，用于在线仿真评估、预测和帮助优化动态交通管理方 案与信息发布策略的性能发达国家和地区历时1 5 年以上，长期坚持研究和发展，已有 多个系统进入到实际应用阶段d y n a c h i n a 是作者等人在借鉴国外相关研究成果的基础 上，经过多年高强度的研发并逐渐形成特色的国产实时交通仿真系统由于d y n a c h i n a 是一个长期的研究项目，本文针对该系统当前面临的几个关键技术问题开展研究，同时相 关研究成果也将充实到软件系统中，推动d y n a c h i n a 逐渐进入到可实际应用阶段 该报告的主要工作和贡献可归纳为以下几个方面： 1 ) 系统阐释d y n a c h i n a 的理论框架、系统结构及软件设计方面的一些思路，包括交通 需求模型与仿真、交通供给模型与仿真、路径生成与路径存储的数据结构设计，生成 一致性交通状况估计的连续平均算法( m s a ) 、系统的软件结构及程序实现方面的考虑 2 ) 将可用于大规模随机系统优化的同步扰动随机逼近( s p s a ) 算法引入到交通网络系统的 几个优化问题当中，可有效并且高效率的予以求解。 3 ) 建立了一套“组合式”的动态o d 矩阵估计方法，利用带约束的递推广义最小二乘法通 过路段交通流量获得动态o d 矩阵的估计并作为同时扰动随机近似算法( s p s a ) 的先验 信息，后者可以融合几乎任何形式的交通检测数据来估计动态o d 流量，从而获得准 确度更高的网络加载( 分配) 结果。定义了动态o d 估计系统的篇一能观性”和第二能 观性”，用于区分不同应用场合对动态o d 估计结果的要求，包括是需要准确的动态 o d 流量或者仅需要可靠的动态o d 网络加载结果。大量仿真试验表明，现实中绝大部 分路网在没有任何历史o d 数据的情况下，仅利用包括流量、速度在内的交通检测数 据只能估计出众多可能的动态o d 模式中的一种，但能够获得足够准确的网络加载结 果，并可用于交通信号控制系统、基于当前路况的全程实时交通诱导系统和面向小范 围用户提供预测式交通诱导等场合。 4 ) 对于现有的交通仿真系统，动态o d 流量的网络加载过程通常不针对具体应用为车辆 发车时刻的分布建模并做参数标定，导致仿真系统在不少场合难于准确估计路网中一 些拥挤路段的交通流平均速度将动态o d 估计过程的每个估计时间段细分为若干等 长度的更小时间间隔，采用“直方图逼近动态o d 流量沿着这些子时段变化的轨迹， 并假定动态0 1 3 流量在各子时段内部的发车间隔服从均匀分布，建立了车辆发车时刻 模型和该模型参数的估计模型由于待估计参数向量的维数大于动态o d 流向量维数， 导致参数估计困难，为此采用同步扰动随机近似( s p s a ) 算法对估计模型进行优化求 解s p s a 算法的计算效率与优化向量维数无关，仅取决于网络规模和交通仿真系统的 摘要 运行效率，因此可应用于大规模网络优化问题中针对美国加州1 8 0 5 号高速公路上一 段拥挤的网络进行测试，表明本文的方法是十分有效和高效率的 5 ) 为优化区域交通网络中各信号控制器的配时方案，利用递推最t 、- - 乘算法s ) 和同时 扰动随机近似( s p s a ) 算法由检测器流量估计d y n a c h i n a 动态网络交通仿真与分析系 统的动态o d 矩阵输入并标定各路段的速度密度模型参数和饱和流量，获得网络状态 的准确估计，包括各路段的速度、密度、流量、队列长度等；在此基础上，利用s p s a 算法优化各信号控制器配时参数，包括各信号控制器的周期、相位差和绿信比，使得 网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优。针对实际路网 的测试表明，本文的参数标定方法可以获得准确的检测器流量估计，结果明显优于 a 昱h o kk 的动态o d 矩阵与检测器流量估计方法；与现有的基于s y n o h r o 信号配时优化 软件获得的结果相比较，该方法可较大幅度缩短车辆在路网中的平均旅行延误，并可 推广应用于更复杂的区域路网的信号控制参数优化等场合。 o ft h e mh a v eb e e np u ti n t oo p e r a t i o n d y n a c h i n ai sar e a l t i m et r a f f i os i m u l a t i o ns y s t e ma n d t h er e s u l to fs e v e r a ly e a r so fi n t e n s er e s e a r c ha n dd e v e l o p m e n tb y1 1 8i nc h i n a , w h i o hi s e h a r a o t e r i z e db ys o m ec h i n e s et r a f f i of l o wd y n a m i o s a si ti sal o n gt e r mr e s e a r o hp r o j e o t , i nt h i s t h e s i s ，s e v e r a lk e yt e e h n i o a lp r o b l e m so o n f r o n t i n gd y n a c h i n ao u r r e n t l ya r ep r e s e n t e da n d s t u d i e d , a n ds o m eo ft h er e s e a r q hr e s u l t sw i l le n r i c ht h i ss y s t e m , i no r d e rt op r o m o t ei t s a p p l i o a t i o n si na o t u a l i t y t h em a i nw o r k sa n do o n t r i b u t i o n st os t a t eo ft h ea r to f t h i st h e s i sa r ea s f o l l o w s ： 1 ) t h et h e o r yf r a m e w o r k , s y s t e ms t r u c t u r e ，a n ds o m ei d e a so fs o f t w a r ed e s i g na r ee x p o u n d e d , i n o h d i n gt h ed e m a n dm o d e l i n ga n ds i m u l a t i o n , t h et r a f f i os u p p l ym o d e l i n ga n ds i m u l a t i o n , p a t h s e t g e n e r a t i o np r o c e s s a n di t s s t o r a g ed a t as t r u o t u r e ，t h em s a u s e dt oa t t a i nt h e o o n s i s t e n tt r a f f i ce s t i m a t i o n , s o f t w a r es t r u c t u r e ，a n ds o m et h o u g h t s c o n c e r n i n g t h e p r o g r a m m i n go f d y n a c h i n a 2 ) t h es p s aa l g o r i t h mw h i c hc a nb eu s e di no p t i m i z i n gl a r g e - s o a l es t o o h a s t i os y s t e m s ，i s i n t r o d u c e dt os e v e r a lo p t i m i z a t i o np r o b l e m so ft r a f f i on e t w o r ks y s t e m s ，i no r d e rt h a tt h e y o a nb es o l v e de f f e o t i v e l ya n d e f f i o i e n t l y 3 ) as e to fo o m b i n e dd y n a m i oo r i g i n d e s t i n a t i o n ( o d ) f l o w se s t i m a t i o nm e t h o d sa r ee s t a b l i s h e d b yu s i n gt h er e o u r s i v el e a s ts q u a r e6 t l s ) a l g o r i t h mw i t hc o n s t r a i n t s ，t h em e t h o d s0 8 1 1 o b t a i nt h ed y n a m i oo df l o w se s t i m a t i o no n l yt h r o u g ht h es u r v e i l l a n c ef l o w sa n d p r o v i d et h e s p s a - b a s e de s t i m a t i o na l g o r i t h mw i t ht h en e o e s s a r ya p r i o r io di n f o r m a t i o n , a n dt h el a t t e r i sa b l et of u s ea l m o s ta l lt y p e so ft r a f f i os u r v e i l l a n c ed a t at oe s t i m a t et h eo df l o w sa n da t t a i n m o r ea o o u r a t en e t w o r kl o a d i n g ( 鹪8 追n m e n t ) r e s u l t s m o r e o v e r , t h ed e f m i t i o no ft h e t i r s t o b s e r v a b i l i t y a n dt h e s e o o n do b s e r v a b i l i t y o fd y n a m i oo de s t i m a t i o ns y s t e m so 觚b e u t i l i z e dt od i s t i n g u i s hf r o mt h er e q u i r e m e n t so fv a r i a b l ea p p l i c a t i o ns i t u a t i o n s ，i n o h d i n g w h e t h e rt h ec g a o to df l o w so ro n l yt h er e l i a b l en e t w o r kl o a d i n gr e s u l t sa r ew a n t e dg i v e n t h e s ee s t i m a t e do df l o w s t h r o u g hag r e a tn u m b e ro fs i m u l a t i o nt e s t s ，i ti sr e v e a l e dt h a tf o r a l m o s ta l lo ft h ea o t u a lt r a f f i on e t w o r k s ，o n l yo n eo ft h ev a r i o u so dd i s t r i b u t i o nm o d e so a n b ee s t i m a t e dm e r e l yu s i n gt h es u r v e i l l a n c ed a t as u o ha sf l o w s ，s p e e d s ，a n ds oo n h o w e v e r , b yt h i sm e a l 强，t h ea o o 硼a t cn e t w o r kl o a d i n gr e s u l t so a nb ea o h i e v e d , a n di t0 a nm e e tt h e n e e d so ft r a f f i os i g n a lo o n t r o ls y s t e m s ，o u r r e n tr o a do o n d i t i o n sb a s e da l l - t r i pt r a f f i og u i d a n c e a b s t r a c t s y s t e m sf o ra l lo ft h et r a v e l e r si nan e t w o r k , a n dt h o s ep r o v i d i n gp r e d i c t i o nb a s e dt r i o g u i d a n c ef o rs m a l lp r o p o r t i o no f d r i v e r s 4 ) f o rs o m es p e c i f i ca p p l i c a t i o n s ，m o d e l i n gv e h i c l ed e p a r t u r et i m ed i s t r i b u t i o na n dc a l i b r a t i n g i t sp a r a m e t e r si nt h ed y n a m i co df l o wb a d i n gp r o c e s sa r es c a r p , f l yt a k e ni n t oa c c o u n tb y p r e v i o u sr e s c a t c h , i ti s t h e r e f o r ed i f f i c u l tf o rm o s to ft h ee x i s t i n gt r a f f i cs i m u l a t o r st o e s t i m a t ea c c u r a t e l yt h ea v e r a g et r a v e ls p e e d so ns o m ec o n g e s t e dl i n k so ft r a f f i cn e t w o r k s i n t h i st h e s i s ，e a c ho de s t i m a t i o ni n t e r v a li ss u b d i v i d e di n t os o m es h o r t e rt i m es p a n sw i t h s a m el e n g t h , a l o n gw h i c he a c ho df l o wc u r v ew i t ht i m ec a nb ea p p r o x i m a t e du s i n gas e r i e s o fh i s t o g r a m s b yt h ea s s u m p t i o nt h a tf o ra n yo dp a i t , v e h i c l ed e p a r t u r et i m ei nt h es h o r t s p a n sw h i c h a r e c o m p r i s e di n t h ee s t i m a t i o ni n t e r v a l s a t i s f y u n i f o r md i s t r i b u t i o n c h a r a c t e r i s t i c s ，t h ev e h i c l ed e p a r t u r et i m em o d e la n di t sp a r a m e t e re s t i m a t i o no n ea e s t a b l i s h e d h o w e v e r , t h ei m m e n s ed i m e n s i o no ft h ee s t i m a t e dp a r a m e t e r si sm u c hg r e a t e r t h a nt h a to fo df l o wv e c t o ri t s e l f , w h i c hm a yc a u s et h ed i f f i c u l t yi ne s t i m a t i n gt h e m e f f i c i e n t l y s o ，t h es p s aa l g o r i t h mi sa d o p t e d t os o l v et h ep a r a m e t e ro p t i m i z a t i o np r o b l e m , c o n s i d e r i n gi t sc o m p u t a t i o ne f f i c i e n c yi s i r r e l e v a n tt ot h ed i m e n s i o no ft h ep a r a m e t e rv e c t o r t ob ee s t i m a t e d , b u to n l yd e p e n d e n to nt h et r a f f i cn e t w o r ks c a l ea n dt h ee f f i c i e n c yo ft r a f f i c s i m u l a t o r s b e c a u s eo ft h i s ，t h ea l g o r i t h mh a st h ep o t e n t i a lt ob ee x t e n d e dt ol a r g e - s c a l e n e t w o r ka p p l i c a t i o n t h ea o t u a lt e s tu s i n gt h et r a f f i cd e t e c t o rd a t ao f1 8 0 5f r e e w a yi n c a l i f o r n i ao ft h eu s s h o w st h a tt h em e t h o dp r o p o s e di nt h i st h e s i si sv e r ye f f e c t i v ea n d e f f i c i e n t 5 ) i no r d e rt oo p t i m i z et h es i g n a lc o n t r o l l e rt i m i n gs c h e m e si na r ta r e at r a f f i cn e t w o r k , t h e r e c u r s i v el e a s ts q u a r e ( r l s ) a l g o r i t h ma n dt h es i m u l t a n e o u sp e r t u r b a t i o ns t o c h a s t i c a p p r o x i m a t i o n ( s p s a ) a l g o r i t h ma r ee s t a b l i s h e d , w h i c hc a nu t i l i z et h es u r v e i l l a n c ef l o w st o e s t i m a t et h ed y n a m i co r i g i n d e s t i n a t i o nm a t r i xi n p u ta n dc a l i b r a t et h es p e e d - d e n s i t ym o d e l p a r a m e t e r sa n d s a t u r a t i o nf l o wf o re a c hr o a ds e g m e n ti nt h ed y n a c h i n ad y n a m i cn e t w o r k t r a f f i cs i m u l a t i o na n da n a l y s i ss y s t e m t h r o u g ht h i sa p p r o a c h , t h en e t w o r kt r a f f i cs t a t e sc a n b ee s t i m a t e da c c u r a t e l y , s u c h 鹬t h es p e e d , d e n s i t y , 日o wq u e u el e n g t ha n ds oo n , f o re a c h r o a ds e g m e n to ft h en e t w o r k b a s e do nt h er e l i a b l et r a f f i ce s t i m a t i o n ，t h es p s aa i g o r i t l u ni s p r o p o s e dt oa d j u s tt h es i g n a lc o n t r o l l i n gp a r a m e t e r si nan e t w o r k , i n c l u d i n gt h es i g n a lc y c l e s ， o f f s e t sa n ds p l i t s ，s ot h a tt h en e t w o r kp e r f o r m a n c ei n d e x , s u c h 嬲a v e r a g ev e h i c l et r a v e l d e l a y , q u e u el e n g t h s ，i n t e r s e c t i o nt h r o u g h p u t sa n ds oo n , c a nb eo p t i m i z e di nad y n a m i c n e t w o r k 缸疵s i m u l a t i o ns y s t e m f r o mag r e a tn u m b e ro ft e s t sf o ra c t u a ln e t w o r ka n du s i n g t h e l ds u r v e i l l a n c ed a t a , i ti sc o n c l u d e dt h a tt h ep r o p o s e dm e t h o dc a no b t a i nm o l e a c c u r a t ee s t i m a t i o no f s u r v e i l l a n c ef l o w st h a nt h a to f a s h o kk sd y n a m i co r i g i n - d e s t i n a t i o n m a t r i o ea n ds e n s o rf l o we s t i m a t i o nm e t h o d , a n di tc a l lr e d u c eg r e a t l yt h ea v e r a g et r a v e l d e l a yo f v e h i c l e sa o r o s st h en e t w o r k , i nc o m p a r i s o nw i t hs y n c h r os i g n a lt i m i n go p t i m i z a t i o n s o f t w a r ew h i c hi sn o w w i d e l yu s e db yt r a f f i ce n g i n e e r s f u r t h e r m o r e , t h em e t h o dp r o p o s e d v p o s t d o c t o r a lp r o p o s e dr e s e a r c h 托p 矾o fs u ny a t - 6 c nu n i v e r l i t y i nt h i st h e s i so a na l s ob ee x t e n d e dt ot h ea p p l i c a t i o nf o rm o r eo o m p l i c a t e da n dl a r g ea r e a t r a f f i on e t w o r k s 目录 目录 第一章绪论。1 1 1 引言1 1 2 实时交通仿真系统简介2 1 2 1 实时交通仿真系统应用领域3 1 2 2 实时交通仿真系统用户3 1 2 3 d y n a s t 与d y n a s m a r t - x 比较4 1 2 4 实时交通仿真系统简评4 1 3 本报告的主要研究工作4 第二章d y n a c h i n a 理论框架。7 2 1d y n a c m n a 基本原理7 2 2d y n a c h i n a 系统结构1 0 2 3 需求仿真1 0 2 3 1 概述1 1 2 3 2 仿真流程1 1 2 3 3 历史o d 矩阵获取1 4 2 4 供给仿真1 6 2 4 1 概述1 6 2 4 2 路网模型1 7 2 4 3 中观交通仿真模型1 9 2 4 4 中观仿真流程2 2 2 5 路径生成与路径存储数据结构2 6 2 5 1 路径产生2 7 2 5 2 路径拓补结构描述2 8 2 6 连续平均算法0 v f s a ) 2 8 2 7 软件架构与程序设计考虑2 9 2 7 1 软件架构。2 9 2 7 2 程序设计考虑3 l 第三章s p s a 算法与交通系统仿真优化3 2 第四章动态o d 矩阵估计与能观性分析。3 4 4 1 递推广义最d - - 乘( r g l s ) 估计3 4 4 2 基于s p s a 算法的动态o d 矩阵估计3 6 4 3 能观性分析3 7 中山大学博士后出站报告 4 4 仿真实例3 9 4 5 结语4 l 第五章动态o d 流量加载中车辆发车时刻分布参数估计4 3 5 1 车辆发车时间与分布参数估计模型4 3 5 1 1 定义。4 4 5 1 2 发车时间模型4 5 5 1 - 3 发车时间分布参数估计模型4 5 5 2 发车时间分布参数离线估计算法4 6 5 3 实例分析4 7 5 4 结语5 0 第一章绪论 1 1引言 第一章绪论 随着我国经济社会的快速发展，汽车保有量逐年大幅度增加，各大中城市交通拥挤问 题日渐突出在现有的路网供给能力下，如何利用交通和信息技术，最大程度的满足持续 增长的交通需求，均衡路网负荷，提高道路运输系统的效率和服务质量，是一个十分具有 现实意义的重要课题智能交通系统( i t s ) 中先进的交通管理系统( a t m s ) 和先进的出行者 信息系统( a t i s ) 通过协调并优化路网中各信号控制器的控制方案、实时发布当前和未来一 段时间范围的动态交通信息等途径，实现路网交通需求和供给能力在时间和空间尺度上的 匹配，从而均衡网络流量、缓解交通拥挤借助a t m s a t i s ，也有潜力大幅度缩短事件导 致的大批车辆的出行延误、预防路网中出现大面积的交通拥堵为实现这些目标，需要一 个交通仿真系统用于评估、比较并帮助优化各种交通控制和信息发布策略的性能；同时由 于其直接服务于实时动态交通管理，因此要求这类系统能做在线仿真，以数十甚至数百倍 于物理时钟的速率模拟并准确估计、预测实际交通系统的运行过程 在美国的国家i t s 体系结构中，认为i t s 的成功实施依赖于在交通规划和运作层面运 用先进的交通分析工具去估计和预测网络交通状况并分析网络性能【l 】许多i t s 子系统， 如先进的交通管理系统( a t m s ) 、先进的出行者信息系统( a t i s ) 、先进的公共交通系统 ( a p t s ) 、商用车辆运营系统( c v o ) 、紧急事件管理系统( e m s ) 等，均依赖于当前和即将出 现的大范围内的交通状况的及时和准确估计因此，迫切需要一个交通估计与预测系统 ( t r a f f i oe s t i m a t i o na n dp r c d i g t i o ns y s t e m t r e p s ，或称作“实时交通仿真系统1 来提供这些 系统所需要的信息，并帮助评价i t s 中各种交通管理方案和信息发布策略的性能t r e p s 的主要作用是估计当前的交通状况，并产生准确的覆盖路网全程的实时交通预测，以便交 通管理中，c , , ( t m c s ) 0 肇够实时执行有预见性的动态交通管理实际上，t r e p s 是i t s 的信息 中枢，位于交通管理中心( n 江c ) ，并为i t s 各子系统( 如a t m s 、a t i s ) 提供实时信息服务； 通过直接、或者协同i t s 其他子系统，减少交通网络中的拥挤与延误，从而提高个人的机 动性、竞争力、效率，减少环境影响，提升交通安全，改善生活质量【l 】t r e p s 于1 9 9 5 年 由美国联邦公路局( f i - i w a ) 立项，是一项长期的研究计划，面临着现代交通科学技术领域 许多复杂而艰深的研究课题；两套系统d y n a m i t 和d y n a s m a r t d y n u s t 平行发展，f h w a 投入经费超过1 7 0 0 万美元，会聚了美国和欧洲许多一流的交通研究人员，历时超过1 5 年， 已取得很大进步并逐渐进入到实际应用阶段；当前，这两套系统仍在持续发展中 鉴于实时交通仿真系统在智能交通研究与应用中的重要意义，同时国内外学者在该研 究方向上已获得大量研究成果，通过充分借鉴国外的先进理念与技术，紧密结合国内交通 的实际情况，开发可实际应用的具有自主知识产权的实时交通仿真系统，对于i t s 在我国 的快速与健康发展具有重大现实意义 中山大学博士后出站报告 1 2 实时交通仿真系统简介 国内外学者在实时交通仿真系统研究中已做了大量工作，包括美国联邦公路局的两套 实时交通估计与预测系统d y n a m i t t 2 1 、d y n a s m a r t x 1 3 ，德国p t v 公司的v i s u m o n l i n e 4 1 ， 台湾地区交通运输研究所支持的d y n a t a i w a n 卯，以及作者等人开发的d y n a c h i n a l 6 等这些系统共同之处在于均基于历史的或先验的动态o d 矩阵、当前时间段的现场交通 检测数据( 流量、平均速度、浮动车数据等) ，实时推估和预测动态o d 流量，并将其加载 到中观交通仿真器上，实时仿真车流在路网中的路径选择、沿路段的传播、对交通信号和 事件的响应等行为，从而获得覆盖整个路网的交通状态的估计与预测，并用于帮助路网交 通流的在线分析与优化 如图1 1 ，实时交通仿真系统位于交通管理中心，其输入为历史数据( 历史的动态o d 流量，路段交通流量、密度、速度等) 、交通检测系统提供的实时数据( 路段流量、平均速 度、浮动车旅行时间、事件信息等) 、交通信号控制器的参数设置，以及来自于其他的 a t m s a t i s 支持系统的信息实时交通仿真系统对输入信息进行实时处理，提供如下功能 1 )为交通控制和管理系统估计并预测短期内的交通o d 需求 2 )网络状况的实时估计，如各路段的行程时间、排队长度、车流密度等 3 )对各种交通控制方法和信息发布策略作出响应，滚动预测网络状况 、 i 够7 模拟用户 对预测信息的反应 评估预测信息是否改善交通状况”，直至达到迭代次数上限或者对路 网络状况 诱导信息产生 出行前需求仿真 燃惮 出行方式l ，- 一一 出行路径l 动态o d 矩阵预测 网络状态预测 网络状况 一致吗? 佰 诱导信息发布 否 交通控制 图2 3 基于预测信息的交通诱导 中山大学博士后出站报告 况的改善程度达到要求此时，预测的路况信息才最终发布给路网中的实际用户使用 通过上述复杂的仿真迭代过程，目的是产生真正有效的交通预测信息；或者说，交通 预测是有先见之明”的，是在考虑用户对这些预测有何不同反应的基础上来制定的，这样 可以避免预测路况实际发布后可能导致的铽度反应”现象，即如果相当一部分驾驶员知道 未来一段时间某些路段会拥堵，则可能会转移到预测的较畅通的替代路径上，从而导致原 先预测的拥堵路段变得畅通，而预测的畅通路段却被转移车流堵塞了 2 2 d y n a c h i n a 系统结构 d y n a c h i n a 实时交通仿真系统的系统结构见图2 4 2 3 需求仿真 本文的“需求”主要指出行前的动态交通需求，由出行起点、迄点、出行时间、出行方 式及出行路径表征需求的定量描述是一个很复杂的过程首先，交通需求必须与已有的 交通调查和检测数据兼容；另外，系统作为一个诱导信息生成器，必须能够描述出行者对 诱导信息的响应行为因此，需求的离散化表征是需要的，即根据每个出行者的社会经济 特征( 如年龄、性别、收入、汽车拥有情况、出行目的等，可从人1 ：3 普查和交通调查数据 离线标定 ( r g l s ，s p s a ) 在线标定 ( 未实现) 丽丽 i - - _ _ - - - _ _ - 一 给仿 一圃ol 节点。节点连接线，节段，车道组，车遗车道连接， 转弯禁止，交通小区，交通检测器，信号控制 离线动态o d 矩阵估计( s p m 。- l s ) 实时动态o d 矩阵估计和预测( k f 。s p l r i o - l $ ) 出行选择行为模型 ( m n l ，n t e i d - l o g 屯p s - l o g i t , c - l o g i t i c l ) 珊m m n 速度密度模型 各向异巨申观交通模型( 怂僻) 信号控制交叉口容量模型 事件容量模型 交通回流模型 图2 4d y 柚c h i n a 系统结构 - l o - 囤丽鲎 第二章d 3 删i c h 附a 理论框架 o w n ) 、能否接收到诱导信息，以及其它的一些行为数据为其建立行为模型然而，对于 全部的出行人群，要想在个体层次上搜集这些历史的或实时的数据至少在当前是不可行 的因此，除了这些离散化的需求描述外，系统应能接收时变的o d 矩阵作为种更集合 化的交通需求描述 2 3 1 概述 假定历史的时变o d 矩阵存在( 可利用离线o d 矩阵估计算法得到，如c a s o c t t a 提出 的两种基于广义最小二乘模型的离线动态o d 矩阵估计算法p 1 ) ，则我们可对历史o d 数据 进行修正而得到更接近实际的时变o d 矩阵，可分为如下两步： 1 ) 使用一组行为模型估计和预测出行者对实时诱导信息的响应这些模型用于描述出行 时间的改变、出行方式和出行路径的选择以及途中更换行车路径的交通行为 2 ) 对日常的一些交通需求波动，尽管不能明确建模，但却必须考虑基于实时路段交通 量的检测值，利用动态o d 矩阵估计与预测算法对o d 矩阵再一次进行调整，以便在 交通需求中包含这些波动信息 上述两个过程是需求仿真的关键最后，还应注意到有些需求是完全不能被描述的， 假定在建模和估计过程中可以忽略，用一个随机量表示即可 由上所述，实际的交通需求( 即动态o d 矩阵) 为 d = d 打妇幻，) ，+ c i ，咖+ k k r + s ( 2 1 ) 其中，d 日衄幻仲为历史交通需求；d z , 研- o 描述诱导信息对需求的影响；其它的如特定事件、天 气状况或个人原因等无法解释的因素造成许多出行者行为模式的改变，进而造成日常交通 需求的波动，由随机量d 砌甜+ 占描述d 胁，表示平均的日常交通需求波动，为确定性量； 误差项s 满足以0 = 0 2 3 2 仿真流程 需求仿真实际上是描述个体出行者出行决定的一个过程出行决定包括选择是否做出 从一个起点到一个终点的出行决定，也包括对出行时间、方式和路径的选择d y n a c h i n a 针对三种不同的情况为驾驶员的出行选择行为建模 1 ) 常用的或者习惯的出行选择行为，包括出行时间、方式( 小汽车或者其他出行方式) 和出 行路径； 2 ) 在离开出行起点之前，由于收到出行信息，出行者需要改变一些习惯的出行选择行 为这称作“出行前决策”； 3 ) 在出行途中，由于收到信息，决定改变当前的出行路径当前的出行路径可能是习惯 路径，或者通过出行前决定选择的路径，或者在出行途中先前所选定的路径( 由于途中 的路径选择可能会发生多次) 这称作j 金中路径选择” d y n a c h i n a 针对上述各种情况，采用了大量的离散选择行为模型( 非集计模型) 为需求 建模每个出行者都需要做出行选择，d y n a c h i n a 为每个出行者的选择行为建模，并最 终生成在交通网络中运行的车辆实际中，交通需求数据是通过集合化的o d 矩阵描述的， 1 1 然 的 间 以 者 分 后 于 惯 新 者 生 化 l 估计和预测的 ( 线离吵 io d 矩阵 实际的出行者列 表 更新的驾驶员群 一 向行为莳 体 1 = ”“儇 信息 图2 5 需求仿真 第二章d 咖a c 印n a 理论框架 存储) 此时，状态估计与预测模块基于实时交通流量的检测对这些o d 矩阵( 分时段的动 态o d 矩阵) 进行更新由于更新后的o d 矩阵实际上是个体出行决定的集合化表示，而这 些由于状态更新造成的集合化的o d 矩阵的变化必须再次离散化为等量的出行者群体中个 体数量的变化，以便最终将这些出行者个体加载到网络上这个过程可以通过从出行者群 体中随机删除掉等量的出行者个体( 更新后的o d 流量比先前对应的o d 流量更小) ；或者 以历史的出行者群体为模板，增加等量的出行者个体到出行者群体中( 更新后的o d 流量比 先前对应的o d 流量更大) 然后，这些出行者个体被加载到中观交通仿真器的网络当中需求仿真器和中观供给 仿真器互相作用以决定出行者( 车辆) 在接收到途中诱导信息后的中途路径选择行为同样 地，途中路径选择行为也是采用离散选择行