（模式识别与智能系统专业论文）微观交通仿真中发车模型的研究.pdf

摘要 摘要 交通生成模型是交通系统仿真的基本模型之一。传统的交通生成模型是基于 样本数目趋于无穷大的渐进理论建立的，而实际路网中采集到的样本信息通常是 有限的，本文引入了在解决小样本问题中表现出全局收敛和较强泛化能力的支持 向量机( s v m ：s u p p o n v e c t o r m a c l l i n e s ) 进行发车模型建模，提出了基于支持向量 机概率密度估计的发车模型，利用有限的支持向量对实际路口的交通流的统计分 布进行回归估计，以描述具有一般意义上的发车规律，得到和实际路网交通流信 息更加相符的交通生成模型。本文以城市道路交通微观仿真建模和相应的仿真软 件系统开发为研究重点，论文主要工作如下： 1 分析现有的交通生成模型，结合国内交通流的特点，由于我国交通组成 的复杂性，导致传统的交通流生成模型不能准确地描述我国的交通流状况，利用 支持向量机在解决小样本问题中的优越性，将基于支持向量机的概率密度估计的 方法应用到交通生成模型中，进行发车建模，得到了与实际路网交通信息更加符 合的交通流输入模型。 2 在基于多线程构建的仿真器中，实现车辆线程的定义和功能设计，以及 车辆类和驾驶员类的相关定义，通过分析驾驶员类和车辆类分开定义可能存在的 问题，提出了改进的方法和实现过程。 3 通过研究多车道之间的交通流相关性，基于支持向量机条件概率估计的 方法对仿真器中的多车道发车模型进行建模，得到了与实际较为符合的发车模 型。 最后，总结了全文的工作，并指出理论和应用上有待进一步研究的问题。 关键词：微观交通仿真发车模型支持向量机概率密度估计多车道 中国科学技术大学学位论文原创性和授权使用声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作 所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任 何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究 所做的贡献均已在论文中作了明确的说明。 本人授权中国科学技术大学拥有学位论文的部分使用权，即：学 校有权按有关规定向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅，可以将学位论文编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 保密的学位论文在解密后也遵守此规定。 作者签名：匿麴 加8 年f 月习日 第1 章绪论 1 1 研究背景和意义 第1 章绪论 近年来，随着经济的发展和城市化进程的加快，城市交通需求迅速增长， 道路通行能力与使用者需求之间的矛盾日益突出，交通问题已经成为制约城市 经济和社会发展的棘手问题，由此引发的交通拥堵、交通事故、环境污染以及 能源浪费等问题日益严重。直接影响了人们的生活质量和经济的高速发展。由 于城市的扩建道路交通基础设备所增加的交通容量远远不能满足日益剧增的交 通需求，传统的交通规划方法和管制系统应用数学分析的方法在解决交通系统 这种复杂的随机系统方面，已经不能适应其需求，我们可以利用系统仿真对现 有系统或为了系统的行为进行再现以实现系统分柝。 目前，解决城市交通问题的途径可概括为两类，一类是从城市土地利用规 划和交通规划入手，运用现代城市交通规划理论和方法，一方面减少交通需求， 另一方面根据交通需求，规划交通设施，改善交通条件，排除交通瓶颈。另一类 是从交通管理入手，用现代化的管理手段和交通法规对交通流进行有效地控 制、诱导、调度和指挥。在长期的实践中，人们逐渐认识到，仅仅依靠单纯地 修建、扩建道路，无法满足日益增长的交通压力。特别是在交通闯题严重的市 区，由于建筑格局比较固定，不可能进行大的道路扩容建设。因此，以现代计 算机技术、通信技术、电子技术、优化控制技术为核心的智能交通系统( i n t e l i i g e n t t r a n s p o r t 砒i o ns y s t e m ，简称i t s ) 的研究和应用己成为人们寻求解决城市交通问 题的必然选择。交通系统仿真作为智能交通系统的核心研究内容之一，将其应 用到实际的交通问题中将产生巨大的社会效益和经济效益。 伴随着计算机技术的飞速发展，利用系统仿真方法研究交通问题已经成为 国内外交通工程界的研究热点。交通系统仿真作为仿真学科在交通领域的分支， 利用计算机对交通系统的结构、功能、行为以及参与交通的控制者的思维过程 和行为特征进行较为真实的模仿，采用计算机数字和图像来再现复杂的交通现 象，揭示交通流状态变量随时间和空间变化的分布规律及其与交通控制变量之 间的关系，从而实现对现有系统或未来系统的行为进行再现或预先把握，已经 成为交通参数分析和交通控制优化的有力工具。因此，交通系统仿真技术已经 广泛地应用于道路通行能力、交通事故、交通规划与设计、交通评价与决策、 交通控制与管理、交通方案优化与比选等方面的研究，尤其在交叉口信号控制 和交通事故与交通拥挤机理分析方面特别具有应用价值，对于推动道路交通科 第l 章绪论 ( f h ，a ) 的c o r s i m 、苏格兰q u a d s t o n el i m i t e d 公司的p a r a m i c s 等。由于 各国的国情不同，城市规划、交通设施各方面的标准也都不一样，我们不能完 全依赖于国外的技术，需要结合我国的实际情况开发适合我国实际交通状况的 模型、理论和方法。 1 3 微观交通仿真研究现状 1 3 1 微观交通仿真在国外的发展概况 国外交通仿真研究凭借其先进的计算机技术取得了重大成效，从2 0 世纪 6 0 年代开始出现交通仿真以来，纵观其整个发展过程，大致经历了6 0 年代， 7 0 至8 0 年代，8 0 年代末以来三个较为明显的发展阶段( 刘运通，石建军，2 0 0 2 ； 王殿海，2 0 0 2 1 。 第一阶段2 0 世纪4 0 年代末至6 0 年代初，为诞生期。 这一时期是国外交通仿真的起步阶段，其工作主要以优化城市道路交通信 号控制为主要目的，因而宏观交通仿真模型被广泛使用，但模型的灵活性和描 述能力都较为有限，加上当时计算机性能较低，所以仿真结果的表达也就不够 理想。 在这个阶段，最具代表性的当属英国道路与交通研究所( t r r i ) 的d l 罗伯逊于1 9 6 7 年开发的道路交通流仿真软件n u n s y t ，它主要用于确定定时 交通信号参数的最优值；g e r l o u 曲在1 9 6 3 年建立的用于道路网络信号配置的 h n s 模型；美国联邦公路局( f h w a ) 1 9 5 6 一1 9 6 6 年研制的s i g o p 仿真系 统，但是，这些模型由于受到当时计算机发展水平的影响，仿真效果并不是很理 想。 第二阶段2 0 世纪7 0 年代至8 0 年代。为发展期。 这阶段由于计算机的迅速发展，计算机仿真模型的精度也得到了提高，功 能也更加多样化了。同时，交通系统仿真技术也得到了迅速的发展，大量的论 文和专著在此阶段诞生，开发出了许多交通系统仿真应用软件，这些软件可以 分为两种类型：一类以宏观交通仿真模型为基础，另一类则以微观交通仿真模 型为基础。 这期间的典型代表是美国联邦公路局开发的描述单个车辆运动、应用时间 扫描法的网络微观交通仿真模型，即t r a f n e t s i m 模型。耵认f _ n e t s i m 模 型经过多次版本升级，其功能日趋强大，广泛应用于交通控制和管理系统方案 优化、交通设计方案优化以及交通工程相关领域的理论研究方面；1 9 7 1 年， 4 第l 章绪论 e b l i e f e 硼a n 建立了用以描述个别车辆运动的u t c s l 模型；1 9 7 4 年，日本 科学警察研究所开发了m i s t r a n 模型，用以研究左右转车辆与横穿道路的步 行者之间的相互影响；1 9 7 6 年，英国利兹大学开发了用于平面交叉口交通信号 控制的s a t l 宏观模型。 第三阶段2 0 世纪8 0 年代初至今，为成熟期。 由于早期计算机性能及发展水平限制，当时开发的交通仿真模型主要用在 大、中型计算机以及图形工作站上，而且几乎都是采用面向过程的传统的软件 开发方法，大多数都是采用f o r t r a n 语言或专用的仿真语言为开发工具，仿真 模型也很难真正体现复杂的交通现象，系统的通用性、交互性、可维护性、扩 展性都较差。随着计算机技术的迅速发展，软件开发技术的进步，2 0 世纪8 0 每 代末以来，i t s 成为了国外研究的热点，世界各国都展开了以i t s 为应用背暑 的交通仿真软件的研究与开发，从而出现了一大批评价和分析i t s 系统效益创 仿真软件。 这一时期，交通系统仿真技术的发展更为迅速，系统建模开始突破微观移 型与宏观模型的界限，出现了混合模型，仿真软件开始向大型化、综合性方i 刍 发展，研究重点从软件开发逐渐转向了系统模型的改进，与此同时，由于新创 计算机技术开始应用于交通系统仿真，使得仿真界面更加友好，人机交互更期 方便。 1 3 2 微观交通仿真在国内的发展概况 国内交通仿真技术由于受诸多因素的影响，上世纪9 0 年代之后才逐渐发厅 起来，国内交通工程界才逐渐意识到道路交通系统仿真研究的重要性并予以重 视，研究单位开始进行探索性的研究并取得了一定的成果，大多集中于高等庠 校和一些科研机构，主要有同济大学、浙江大学、天津大学、山东大学、清掣 大学、吉林工业大学、东南大学、上海交通大学、北方交通大学、北京工业 学、西安交通大学、交通部公路科学研究所等。比如对多车道通行能力的仿善 研究、高速公路入口匝道范围的交通仿真、信号交叉口的组织优化、动态交运 仿真、交通诱导仿真等等。 交通系统仿真技术在我国的应用只有十几年的历史，在探索性工作的同印 逐步应用到实际中，迄今为止并没有一个被普遍认可的用来解决实际问题的勇 统仿真软件，国外已经成熟的软件也不能针对我国的国庆得到满意的结果。d 于交通工程技术人员计算机应用水平不高，计算机专业人员缺乏交通工程学女 识，我国交通流中机动车与非机动车相互混合行驶使混合交通的系统仿真建程 变得十分困难，同时由于交通基础资料的匮乏导致仿真模型参数的确定也有彳l 第1 章绪论 大的难度，这些原因导致了交通系统仿真在我国发展较为缓慢。总的来说，目 前国内交通系统仿真研究较为零散，往往局限于单个问题，总体上尚处于应用 进口软件系统阶段，还未形成普遍为人们接受的真正意义上的商业软件，开发 国产化交通仿真软件已是必然的趋势( 魏明，杨方廷，曹正清，2 0 0 3 ) 。 1 4 交通生成模型 目前交通系统仿真技术已经广泛的应用于交通规划与设计、交通评价与决 策、交通控制与管理等方面，通过研究交通流状态变量随时间和空间的变化分 布规律及其与交通控制变量之间的关系，从而对现有系统或未来系统的交通行 为进行再现或预测。在设计新的交通设施或管制方案时，需要预测某些具体的 交通特性，同时希望使用现有的数据或假设的数据进行预测。交通生成模型是 交通系统仿真中的最基本模型，主要解决交通流的输入问题。 在交通系统仿真中，交通生成模型是最基本的模型之一，实现仿真区域的 交通流断面输入。由于车辆的到达在某种程度上具有随机性，描述这种随机性 分布规律的方法有两种：一种是以概率论中描述可数事件统计特性的离散型分 布为工具，研究一定的时间( 或距离) 间隔内车辆到达的波动性；另一种是以连 续型分布为工具，研究车头时距、车速、可穿越空档等交通流参数的统计分布 特性( 刘运通，2 0 0 2 ) 。 国内外学者通过大量的实验工作，对车头时距分布进行了实地观测，在概 率统计的基础上建立了车头时距的分布模型( 刘灿齐，1 9 9 5 ：罗霞，2 0 0 1 ) 。 已有的模型主要分为以下几个方面： 一是建立在车辆随机到达的概率分布模型。主要有负指数分布、移位负指 数分布、韦布尔分布和爱尔朗分布模型。 其次是基于自由交通流和强制交通流而发展起来的概率分布模型。这种分 布模型非常适用进行城市道路系统的交通流仿真，但是模型的参数比较复杂。 这类模型有聚束指数分布、双倍移位负指数分布以及一些其它的分布模型。 三是建立在驾驶员、车辆行为与车头时距之间关系上的分布模型。这类模 型由于收集数据比较烦琐，处理数据的工作量巨大，因此只适用于一些特殊目 的的研究工作中。 现有的发车模型是建立在不同的交通条件和研究目的的基础上的，不同的 模型适用于不同的交通流情况。 6 第l 章绪论 1 5 研究内容和论文组织 1 5 1 主要研究内容 交通生成模型是交通系统仿真的基本模型之一。传统的交通生成模型是基 于样本数目趋于无穷大的渐进理论建立的，而实际路网中采集到的样本信息通 常是有限的，本文引入了在解决小样本问题中表现出全局收敛和较强泛化能力 的支持向量机( s v i l ：s u p p o r tv e c t o rm a c h i n e s ) 对单车道及多车道进行发车模 型建模，提出了基于支持向量机概率密度估计的发车模型，利用有限的支持向 量对实际路口的交通流的统计分布进行回归估计，以描述具有一般意义上的发 车规律，得到和实际路网交通流信息更加相符的交通生成模型。主要研究内容 包括： 1 基于支持向量机的概率密度估计及条件概率估计问题； 2 利用基于支持向量机概率密度估计的方法，对单车道的发车模型进行建 模： 3 在基于多线程的仿真系统中，通过对车辆类和驾驶类的设计，完成发车 模块的设计； 4 基于支持向量机条件概率估计的多车道发车模型的建模。 如何通过小样本对实际道路中的交通流信息进行预测，从而再现车头时距 是本文的研究重点。 1 5 2 论文组织 第一章论述选题的背景和意义，介绍国内外交通系统仿真发展概况以及交 通生成模型在交通仿真中的意义。最后介绍本文研究的主要内容和各章节的安 排。 第二章介绍与本文研究相关的一些相关理论知识，包括支持向量机概述， 随机数发生器的产生，同时给出了本文需要用到的概率密度估计的基础理论知 识。 第三章对交通仿真中发车模型进行分析，针对离散型和连续型交通流参数 的统计分布，对不同交通流状况的发车模型进行分析。考虑了车辆进入仿真区 域的不确定性，对影响车辆初始化的到达时间、车辆类型、期望速度和驾驶员 个性分别进行分析，同时介绍了采用经验性的离散分布的方法来产生车辆目的 地的随机分配以及交通流分配的两种方法。 第四章采用基于支持向量机概率密度估计的方法，对单车道发车模型进行 第1 章绪论 建模，并且介绍了基于多线程构建的仿真器中车辆线程的定义和功能，阐述了 发车模型的生成流程以及车辆类和驾驶员类的相关定义。通过分析驾驶员类和 车辆类分开定义可能存在的问题，提出了改进的方法和实现过程。 第五章研究多车道之间的相关性，使用基于支持向量机条件概率估计的方 法对仿真器中的多车道发车模型进行建模，得到了与实际较为符合的分布。 第六章总结与展望。 第2 章相关理论介绍 叶斯分类器、径向基函数( r a d i a lb a s i cf u n 吐i o n 或r b f ) 方法、多层感知器网络 等许多现有学习算法。 2 3 2 支持向量机的应用 统计学习理论从七十年代末诞生，到九十年代之前都处在初级研究和理论 准备阶段，近几年才逐渐得到重视，其本身也趋向完善，并产生了支持向量机 这。将这种理论付诸实现的有效的机器学习方法。目前国际上支持向量机在理 论研究和实际应用两方面都正处于飞速发展阶段，s v m 算法在模式识别、回归 估计、概率密度函数估计等方面都有应用。例如，在模式识别方面，对于手写 数字识别、语音识别、人脸图像识别、文本分类、生物序列分析和生物数据挖 掘等问题，s v m 算法在精度上已经超过传统的学习算法或与之不相上下。 国际上对这一理论的讨论和进一步研究逐渐广泛，丽我国国内尚未在此领 域开展研究，因此我们需要及时学习掌握有关理论，开展有效的研究工作，使 我们在这一有着重要意义的领域中能够尽快赶上国际先进水平 虽然s v m 方法在理论上具有很突出的优势，但与其理论研究相比，应用 研究尚相对比较滞后，目前只有较有限的实验研究报道，且多属仿真和对比实 验，s v m 具有很好的应用前景。 2 4 概率密度估计问题 密度估计是统计学中的一个全能的问题，知道了密度就可以解决各种问题。 估计密度一般来说是一个不适定问题，因此需要大量观测才能较好地解决。 目前的概率密度估计方法主要分为参数估计和非参数估计两大类。 参数估计是先假定研究的问题具有某种数学模型，如正态分布、二项分布， 再用已知类别的学习样本估计里面的参数，又称作基于模型的方法。非参数估 计则不需要假定数学模型，直接用已知类别的学习样本的先验知识直接估计数 学模型，又称作模型无关方法。较参数估计有更为广泛的应用。 传统理论研究的主题是从一个范围较窄的密度集合中估计密度，如从+ 个 由有限个参数决定的密度集合即所谓密度的参数集合中进行估计，使用的是一 种理所当然的推理方式。为了从范围宽的集合即非参数集合中估计密度，必须 采用某种新的推理方式，其中利用了正则化技术。在6 0 年代，人们提出了集中 非参数算法，如p a r z e n ，7 0 年代中期则发现了创建此类算法的一般途径，它是 建立在解决不适定为题的标准做法基础上的。密度估计的非参数方法带来了新 的统计学算法，可以克服传统体系的缺陷，使得人们可以从一个较宽范围的函 第2 章相关理论介绍 数集来估计函数了。然而使用该方法进行概率密度估计需要所有的训练样本支 持，当训练样本数很大时，其计算量和存储量都增大很多。 2 5 基于支持向量机的概率密度估计 2 5 1 概率密度的定义 设孝是一个随机变量，随机事件 ，( 力= 尸皓 工) 的概率称作随机变量善的概率分布函数。随机向量掌是随机变量概念的一个推 广，而函数 ，( 工) = ，( f x ) 被称作随机向量孝的概率分布函数。如果存在一个非负函数p ( x ) ，使得对所有 x ，等式 f ( x ) = p ( 一净 都成立，那么我们说随机变量f ( 随机向量善) 存在一个密度。 函数p ( z ) 称为随机变量( 随机向量) 的概率密度。根据定义，要从数据估计 一个概率密度，我们需要在一个给定的密度集p ( x ，搿) ，口a 上得到积分方程 p ( x ，口7 = ，( x ) ( 2 6 ) 的解，求解的条件是分布函数f ( z ) 未知，但是给出了依照f ( x ) 得到的随机独 立样本五，薯，根据这些样本构造对分布函数f ( x ) 的逼近，即所谓经验分布 函数： 巧( x ) ：；圭鼬一薯) ( 2 7 ) 其中， 坼，= 爱拦 2 5 2 基于支持向量机的概率密度估计方法 用支持向量机方法来估计概率密度，就是从概率密度的定义出发，直接求 第2 章相关理论介绍 w ，咖剐爿馕意刊吲+ y 砉霹 = 1 ll “、j， “ 记 蛐) = 筹 因此可以用我们熟悉的形式把问题重新描述为： 在函数集 ，o ，w ) = 配舞= ( w 中( 嘞 中最小化泛函 彤( ，f ) = 喜( 1 4 ( w 垂( r ) ) b ) + ，( w 。w ) 其中，记 w = ( q ，) ( r ) = ( 哦( r ) ，九( f ) ，) 也即在函数集中寻找目标函数，通过算子a 把函数集( 2 1 0 ) 式映射到导函数集 f ( x ，w ) = 4 厂( f ，w ) = q 触p ) = 畔竹( 砷= ( w 甲( ) ，l l，_ l 它在另一个特征空间i 壬，( f ) = ( 仍o ) ，吼o ) ，) 中是线性的，其中， 竹o ) ：触( r ) 要在函数集，( f ，w ) 中找到方程( 2 8 ) 的解，即找到系数向量w ，我们可以 在函数f ( 毛w ) 的空间中( 即像空间中) 最小化泛函 jt d ( ，) = c 宅( i ，( 一，w ) 一鼻l 。) + ( w - w ) ，豇= 1 ，2 ， 然后用所得到的参数定义解( 2 1 0 ) 式。为了实现这一思想，我们与核函数一 起使用所谓的交叉核函数( c r o s s k c r n e lf i m c t i o n ) 。 定义像空间中的生成核为( 假设该式右边对任意固定的葺和x ，都收敛) 置( ，t ) = 体( ) 纯( _ ) “ ( 2 1 1 ) 定义交叉核函数为( 假设算子爿使得该式右边对任意固定的五和r 都收敛) 第2 章相关理论介绍 定义交叉核函数为( 假设算子使得该式右边对任意固定的蕾和f 都收敛) r ( 一，f ) = 作( 薯) 蛾( f ) 胆 ( 2 1 2 ) 显然，寻找算子方程的解( 寻找对应的系数向量w ) 的问题与在像空间中利 用观测( 一，层( 蕾) ) ，( 耳，e ( 墨) ) 寻找线性回归函数( 2 1 1 ) 式的向量w 的问题是 等价的。 利用二次优化支持向量技术来求解该回归问题，即用核( 2 1 1 ) 式求出支持 向量耳，f = l ，和相应的系数研一q ，它们定义了支持向量回归逼近的向量 w ： w = ( 西一q ) 、王，( 薯) n 1 ( 2 1 3 ) 由于同样的系数毋定义了对算子方程的解的逼近，我们可以把这些系数代 入到表达式( 2 1 0 ) 中，从而得到线性算子方程的解( 张熠，张素，2 0 0 5 ) ： ，( f ，口，口) = ( 彰一q ) ( 、王，( 薯) 中( f ) ) = ( 西一a ，) 茁( ，f ) 5jf 4 ( 2 1 4 ) 也就是，利用交叉核函数在支持向量上的展开，找到了所研究的求解算子方程 问题的解决方案。 用支持向量方法求解线性算子方程的步骤如下： l 定义在像空间中相应的回归问题。 2 构造用支持向量方法求解这个回归问题的核函数世( 一，) 。 3 构造对应的交叉核函数r ( 薯，f ) 。 4 采用支持向量方法，用核函数r ，f ) 求解回归问题( 即找到支持向量 t ，f _ 1 ，和相应的系数层= z q ，= 1 ，) 。 5 利用这些支持向量和相应的系数关系确定解 ( f ) = 肚( t ，) ，i l 在此5 个步骤中，构造回归问题、构造像空间中的核函数以及构造对应的 交叉核函数3 个步骤考虑了问题中的奇异性，即它们是依赖于算子a 的，而后 面的用s v m 求解回归问题和构造对所求问题f l 勺解是常规的。用支持向量技术求 解算子方程的主要问题在于，对给定的算子方程，要得到在像空间中核函数的 显示表达式和对应的交叉核函数的显示表达式( 张学工，1 9 9 9 ) 。 6 第2 章相关理论介绍 2 6 随机数发生器的构建 在仿真任意一个系统或过程中，如果其中存在着某些随机变量，在建立模 型进行仿真时，需要通过某些方法来得到随机数。对含有随机变量的系统进行 仿真的时候，必须首先确定该随机变量的概率分布，以便在仿真模型中对这些 分布进行取样从而得到需要的随机变量。产生随机变量的基础是产生 o ，1 区问 上均匀分布的随机变量，亦称作随机数发生器，在交通仿真软件的发车模型中， 需要得到车头时距分布的时间序列，选取合理的随机数发生器是一个重要的环 节。产生均匀分布随机数的基本方法有以一f 三种： 1 表格法： 将一组随机数填入计算机存储器中，在仿真时顺序调用。该方法要求大量 的内存和复杂的准备随机数过程。 2 物理法： 利用物理随机发生器，通过变换来产生均匀分布的随机数，然后通过采样 计算得到希望的随机数。 3 数学方法 通过计算机程序来产生给定范围( 通常是0 一1 ) 的均匀分布随机数列。但是， 在计算机上用一程序产生永不重复的随机数序列是不可能的。由于计算机程序 产生的数列会出现重复，通常称其为伪随机数。计算机仿真通常产生具有伪随 机性质的均匀分布的随机数。 利用数字机本身的数字计算功能来产生伪随机数的方法既不需要占用很多 内存，又能重复产生，它是目前较为广泛采用的方法。能重复产生出完整一致 的随机数列可以使计算机程序的调试更加方便，同时，在不同的仿真运行中重 复使用相同的随机数列，可以比较仿真输出的精度。当前应用的大多数随机数 发生器都是各种线性同余发生器，它在1 9 5j 年由l e h m e r 提出，根据下面的递 推公式产生0 到一l 之间的整数序列置，置，。 置+ l = ( z + c ) ( m o d 所) ( z 1 5 ) 即： 戥。= 池+ c ) 确t f 譬b ( 2 1 6 ) f h ， 其中i n t 表示取整，初始值蜀称为种子，口为常数，乘数c 为增量，所为 模。对口，o ，m 及五的选取强烈影响随机数的统计性质和周期长度。 在( 2 1 5 ) 中，当c o 时，称为混合同余法i 当c = o 时，称为乘同余法。乘 同余法在混合同余法产生前已经研究得比较彻底。由于近年来对混合同余法所 第3 章交通生成模型的分析与研究 式中，一最小车头时距： z 一衰减常量； 口一自由车流的比例。 且 a ：旦 l g 其中，4 是主车流流量。 m 3 分布适合用于不允许超车的单车道情况，或当交通较拥挤时，出现了 部分车辆成车队的行驶状态( 邵长桥，2 0 0 3 ) 。 3 2 城市道路的交通仿真中交通流的生成 交通生成模型按模型试验要求生成符合给定概率分布的交通实体人车 单元，为其制定满足要求的各项参数。交通生成模型作用于被描述路段的起始 断面，它向交通仿真系统提供人车动态模型、车头时距、驾驶员特性、车辆类 型等符合用户给定的随机分布。 传统的确定性交通模型中，通常是把交通流视为遵循简单的速度流量关系 的队列，以交通流流体力学理论、振动波理论为基础，难以正确表达交通流的 实际动态行为，无法描述由于各种随机现象造成的系统性能变化，也即是说不 能反映单个车辆运行的随机特性，也不能反映不同性格的驾驶员在车道变换、 路径选择等方面的个人偏好和交通流中车辆类型构成不相同时的交通特性。不 能预测性能指标的分布情况。 本文把交通生成中可能存在的不确定因素考虑在其中，分析各种不确定的 情况，描述交通流生成的随机性。车辆的进入仿真区域具有不确定性，这种不 确定性主要体现在4 个方面的内容： l ，车辆到达的时刻是随机； 2 车辆的类型( 大型、中型、小型车) 的不确定性； 3 期望速度是随机的； 4 驾驶员特性的不一致性。 要真实地再现车辆的运动过程，首先必须解决如何能够比较准确地描述这 些不确定性。 3 2 1 到达时间 车辆到达交通仿真系统入口处的时刻是随机的，也即是在某一固定时段内 第3 章交通生成模型的分析与研究 f ( x ) = 0 a a + 岛 a + 仍+ 岛 z 0 o x l 1 x 2 2 x 3 假设甜为o 。l 之间的随机数，则车辆类型分配规则为： 3 2 3期望速度 o “ia a 研 髓+ 见 p l + n 圳s a + 见+ 见 a + 见+ p 3 o ，则其生成方式如下：为每辆从 点出发的车生成一个( 0 ，1 ) 均匀分布的随机数，如果 f ( 札，) = 一。苫k皇e；z 第4 章单车道发车模型构建与算法实现 4 3 仿真器发车模型的实现 我们设计和实现的交通仿真系统是面向不同的用户，不但要求有强大的功 能，而且需要有直观、友好的界面，并且系统还要便于维护。因此选择好的程 序设计语言和软件开发环境是非常重要的。 仿真系统使用的语言可以采用专业的仿真语言，也可以采用计算机通用语 言。每种语言一般都有一个如何面向现实世界的情况，可以分为面向事件、面 向过程和面向对象三种情况。随着计算机硬件和编程技术的发展计算机仿真已 朝着面向对象的程序设计发展。 由于微观交通仿真系统中的模型复杂、多样，并且随着相关科学的发展而 不断发展，在实现微观交通仿真器时，必须尽量使得模型相互独立，减少模型 之间的耦合，方便模型的修改、替换。本文所参与研究的微观交通仿真系统设 计是基于v c + + n e t 平台，使用多线程的结构，运用动态链接库( d i j ) 来实现人 车实体的行为模型，用c + + 类对其它交通实体进行封装，模型之间通过接口进 行通讯。使用面向对象的方法使得模型的调整只局限在本模块中，如果重新建 立了模型，只要进行模块的替换即可。 4 3 1车辆线程 本文参与研究的仿真系统采用多线程的结构，包括主线程、公交车线程、 自行车线程、行人线程、车辆线程、动画显示线程、自适应控制算法线程和数 据保持线程。下面将对与本文相关的车辆线程( v e h i c l e t h r e a d ) 给出详细的介绍。 车辆线程的功能是：从文件读取静态搜索路径，调用车辆行为库( d 1 1 ) ，跟踪调 整车辆行为，并计算车辆位置信息。 车辆线程的流程图如下： 第4 章单车道发车模型构建与算法实现 其算法描述如下： s t e dl 用地感线圈所检测到的样本，构造经验分布函数； s t e p2 定义在像空间中相应的回归问题； s t e p3 构造核函数和交叉核函数； s 卸4 利用二次优化支持向量技术来求解该回归问题； s t 印5 将这些系数代入到表达式( 2 1 0 ) 中，从而得到线性算子方程的解； s t e p6 选取多项式核函数； s t e p7 对该随机变量的概率密度函数求积分得到其分布函数： s t e p8 对分布函数求解其关于f 的反函数，得到车头时距f 的表达式。 本文选取宁波市第10 1 路口( 如图4 2 ) 四个方向的s c a t s 流量数据进行实 验分析，以中山西路东西向的四个车道为研究对象，以每天0 ：o o 至2 4 ：0 0 ， 2 4 个小时的交通流量进行分析，对车道中检测器l 、2 、3 、4 所采集的数据进 第4 章单车道发车模型构建与算法实现 厂= ： 昌_ 日日一侣 图4 1 1 交通流的生成流程 随机数产生模块：用来产生符合均匀分布、正态分布等分布的随机数，以 满足程序处理的需要，例如需要通过该模块生成的随机数来确定车辆的种类和 驾驶员的性格类型。 车辆初始化模块：车辆的产生对于交通流微观仿真而言十分重要，它为微 观仿真提供了处理的对象。此外，车辆的产生与客观实际是否相符也直接影响 仿真的结果。车辆的产生关键是要处理好不确定因素的问题。该模块用来产生 车辆到达时间、车辆类型、驾驶员个性类型、车辆进入路网的初始速度、车辆 期望速度及其它需要初始化的数据。 ， 发车楼头整体流程 、 堕勺 图4 1 2 发车模块流程图 4 3 2车辆类和驾驶员类 在本节中，将对车辆类和驾驶员类的功能和定义作出详细的介绍。 本文建立的仿真系统模型中，驾驶员- 车辆实体的构造理念是完全基于对象 第4 章单车道发车模型构建与算法实现 的，即从驾驶者和车辆两个角度把车辆建模分为执行机建模和决策机建模两个 部分，执行机在逻辑上作为决策机的操作对象，也属于决策桃的一部分。其中 车辆的执行机模型是基于车辆动力论，决策机从路网和周围交通参与者等外界 环境接受刺激，在动态库( d 1 1 ) 中寻找相应的解决方案，并根据相应的解决方案 做出反应输出转向角、加速度给执行机，执行机再根据动学公式决定车辆下一 时刻的速度和加速度等状态，计算出车辆新的位置并在仿真平面上输出，实现 车辆在系统仿真区域的移动。这种建模思路的优点在于：当因为考虑更多的车 辆驾驶行为和行驶状态，决策机模型要作变动更改时，执行机模型几乎不作什 么修改就可以实现决策机和执行机的对接，从丽提高了模型的可维护性积建模 的层次感。 图4 1 3 类图介绍 车辆模块主要包括两个类： 车辆( v 曲i c l e ) ：基类，派生出b u s 和c a r 。 驾驶员( d r i v e r ) ；驾驶车辆，控制车辆行为。 其定义如表4 ，l 所示。 表4 1 车辆类和驾驶员类的定义 对象类名称 对象类属性 对象类方法 车辆类型，长度，宽度，获取自身及周末相关车辆当 高度，颜色，a b s ，最大制 前时刻的运行状态信息，接收驾驶 车辆类动加速度，最大加速度，最 员输出参数，根据动学公式决定 大速度，安全问距、行驶状 车辆下一时刻的位置、速度和加速 态( 当前速度) ，空间位置 度等状态 妻嚣“写磊强舅 嚣奏萋蓥篷主 奎孽i 铤娄x 莒羹型荩雾墓& 塑羹囊澎鬟裔犍黯萎嚣蓥夭挪簇蔷 鬈鬻鍪 塑茎。甏塌i 训：2 姒 ，堡囊萎蠢鬟窘型| 薯 w ：薹一囊 墓嚣j 喜 堡；， 秦制髻羹鬟蒋苯衙铬；引 鼙蓊驯妻蔫j 地囊荦忑篓掣 爸傍但 羹岛霎鬟姥奏襄嬲妻蓑鬟娶 羹盘磊裂篙擗：群粥融旺登一毫邕 黯群性怪蛭墨爹；錾髫黧黛霪铡矍 麓。培! 旦! 毫堪噬。赢氢嘤薰翼麓鞠 召死靼确酗承型珥高粪；南掣 ；鞫鲞羯巍吼普离鋈崔蕊嚣鞠 x 器辅蒋置岳二l l ! ； 甄雹烈喜硇带峪萎霞裂娄黍墓霎“ 目l 墓鍪羹篓霎f 鱼i i ； l l ；镕嚣自，g g 霉3 ：= l 鎏蕴臻霎噍醪! i i ；矗l | ； | # l 酱；萎t t l i 目l ；l ；j j j ；| | 矧彭雾登蠹 嚣喜喜耋军鼍；j ：三i 垂囊羹囊；主蕉蓁垂薹童妇篓知趣昴篇梨孬 9 i i 荤囊墓l ! ；嚣拿出耋 程中 存在着一些问题： i 驾驶员和车辆要保持不断的通讯，导致两个类之间需要有很多的通讯函 数来实现信息的传递。 2 决策机在决策的同时，需要保存当前执行机的所有的动态属性的数据， 这样导致了数据的不必要的传输和存储的浪费。 3 对象存储的对候也存在着阕题，驾驶员和车辆这两个对象应该是一起产 生、一起销毁的，两者之间的关系非常的紧密，如果分开存储的话会使程序变 复杂。 第4 章单车道发车模型构建与算法实现 的车辆对象。改进之后可以避免上述问题，使得车辆类的修改也不会对驾驶员 类产生影响，实现了车辆类和驾驶员紧密联系之间的相对独立。 具体实现流程如图4 1 4 所示： m o t o r v e h i c l e 类 车辆的静态属性 车辆的动态属性 操作方法； s e t v e h i c i e n e n 叫n o “蚰g l c 脚t o c c d 竹8 t i o 咄 传递驾驶员斑策的结果 v o l dc a l m o t o r n c ) c t s i a k ( a c c i v e m o 洲e k c l e s l c m 0 【o r v e h k k 蝴据车辆的加速度和信向角 计算车辆的下一十位置 s e t m o l o m p d s b t j c m m o r ve l l ；c j e s 口6 c m o t 州e h k l 时设置车辆的娄犁等静态属性 v o i ds ec d c ( c d pp d c ) ，w 设篮显示的d c o 耐s h o w m o r v e h i c l 的洲实现车辆的根据自己的位 置在台适的位置面上自己 通过m a h d 钟嘶佣( ) = 返回 加速度霸l 转向角 d r i v e r a j l d m o t o r 类 向前车的指针 c m o m f v e h i c k 叽_ c 岫州l v 吐i c k ；， 的掇作对象 m t n l 认j m l 肌e w 目的车道 c p ”可m p f 曲幽艄线 ：；篇裟盎嚣 v o i df r c c c l l 札d ： 篙羔糕等黠竺氅州。晰j s i 伽r u n m 吐e d e d g i 州k 驾驶员千亍为库删 用模糊拄删来完 成 图4 1 4 车辆类和驾驶员类设计的改进方案 其中，所有和行车执行相关的操作都在m o t o r v e h i c l e 类完成。并且 m o t o r v c h i c l e 类还完成了根据自己的位置和上一个位置信息，在相应的位置画 出自己，并且删除以前的位置的车辆。考虑到，如果一帧一帧的显示的话，屏 幕的刷新速度太快这样，屏幕会抖动效果不好。d r i v e r a n d m o t o r 类只要是读取 m o t o r v e h i c l e 类的信息然后作出决定，返回加速度和转向角。其它相关的执行 的由车辆对象完成即可。 4 5 本章小结 交通流统计分布函数的形式具有多样性，选择把数据套用到一个合适的分 布上去通常是困难的，因此，寻求一种简便的产生概率密度函数的统一方法是 十分必要的。运用基于支持向量机概率密度估计的方法可以仅利用少量的支持 向量对交通流的分布作出估计，通过与实际交通流的比较表明该方法是合理有 效的。在本章中详细介绍了基于多线程构建的仿真器中车辆线程的定义和功能， 阐述了发车模型的生成流程以及车辆类和驾驶员类的相关定义。通过分析驾驶 员类和车辆类分开定义可能存在的问题，提出了改进的方法和实现过程。 第5 章多车道发车模型的研究 坷 ( m ，葺) ，( m ，而) 的情况下进行的。同样。我们可以用经验分布函数 1 r 耳( x ) = 护( x 一而) ，i j 逼近f ( x ) ，用经验分布函数 巧( y ，x ) = ；喜口( y 一片) 口( ) ( 5 3 ) ( 5 4 ) 逼近f ( ”x ) 。于是，问题转化成在概率分布函数未知、但可以用 ( 舅， ) ，坼) 的数据构造逼近巧( z ) 和巧( ，x ) 的情况下，在函数集 儿( y i x ) ，口a 中得到对积分方程( 5 1 ) 的解的逼近。条件密度p ( y k ) 中包含了 关于给定z 下随机值) ，的行为更多的信息。从条件密度可以容易地得到回归函 数。根据定义，回归函数为( 张学工，2 0 0 0 ) ： 7 ( x ) = i ) p ( y 卜陟 ( 5 5 ) 5 2 2 多车道发车模型的构建 对于到达交通仿真系统入口处的车辆，如果入口为多车道的时候，还必须 在其它的描述车辆特征的参量中给出车道选择。传统的仿真器中是按照预先指 定的各个车道的车流量比例，对产生的车辆随机分配出发车道。本文充分利用 支持向量机在解决小样本问题中展现的优势，结合基于支持向量机的条件密度 估计的方法对多车道发车模型进行建模。 首先利用基于支持向量机的概率密度估计方法对地感线圈所采集到的某一 车道的数据进行回归处理，得到改车道的车辆到达随机变量的概率密度分布情 况，再通过条件密度估计的方法对其它车道的分布进行处理，得到多个车道的 车辆到达分布。 本文中以四个车道的路段为例进行分析。模型建立流程如下： 第5 章多车道发车模型的研究 一悃 图5 1 多车道交通生成模型建立流程 本文以如下的一个四车道的路段为例进行分析。 iane2- iane3- l a n e 4 争 图5 2 四车道示意图 采用第四章介绍的基于支持向量机的概率密度估计问题先对车道2 的数据 进行分析和处理，从概率密度的定义出发，求解线性算子方程的解： ，( f ，口，“) = ( 西一) ( 甲( 葺) m ( f ) ) = ( 西一q ) r ( ，f ) z l，- l 采用同样的方法，选取多项式核函数k ( ，f ) = ( 薯f + 1 ) 4 ( d ) ，在此取 d = 2 ，于是得到，o ，口，瑾) = ( 彳一q ) ( f 蕾+ 1 ) 2 对该随机变量的概率密度函数求积分，得到车道2 上车辆到达概率的分布 函数如下： f c o = ，c 。西= 粪c z q 垣c 2 中+ z 一r + ，矽= 善c 西一q ，每尸+ 一r ，2 “+ “， 即f ( o ：p ( o ：兰( 彳一q ) ( 车“蕾f 2 + f + “)即f ( o = p ( o = ( 彳一q ) ( f _ f 3 + 蕾，2 + f + “) 其算法描述如下： s t c p1 用地感线圈所检测到车道2 的样本，构造经验分布函数 s t c p2 定义在像空间中相应的回归 第5 章多车道发车模型的研究 s t c p3 构造核函数和交叉核函数； s t e d 4 利用二次优化支持向量技术来求解该回归问题； s t e p5 将这些系数代入到表达式( 2 1 0 ) 中，从而得到线性算子方程的解； s t e p6 选取多项式核函数； s t e p7 对该随机变量的概率密度函数求积分得到车道2 的车辆到达密度分 布函数： s t e d8 通过条件概率估计分别求取其它单个车道的车辆到达密度分布函 数。 图5 f 3 中的实线部分为原始的离散样本经过傅立叶变换处理后得到的平滑 曲线，点线为采用第四章介绍的方法处理得到的实验结果。 m e 图5 3 车道2 仿真结果 将本文所研究的发车模型得到的车道1 的车辆到达分布与地感线圈实测值 进行比较，可以看出该模型得到的估计值与实测值的误差相对较小，可以比较 真实的在交通仿真系统中再现路网中的交通流情况。 s为嗣麓俘侣住协8 口节兰e葛k丘e7z 第5 章多车道发车模型的研究 笃 3 0 卫 旦 兰2 5 售 e2 0 z 1 5 o o - 5 o 4 0 o3 5 o3 0 廿0 2 5 鼙o f 2 0 0 1 5 0 1 0 o0 5 o 0 0 图5 6 车道4 仿真结果 o2 04 0 8 08 01 0 01 2 01 4 0 时问( s ) 图5 7 车道3 的车头时距分布 从四个不同的车道来看，我们可以发现，实际上在城市路网中，对于某一 路段中的不同车道的交通流状况是不一致的，若在仿真输入时简单采用传统的 某一种模型作为交通流的输入，并不是最优的选择。利用实际采集的交通流信 息作为依据，对某一特定的路网进行仿真，保留了该路刚的交通流状况，才能 够最为真实地再现该路网的各种交通行为。 5 3 本章小结 本文通过研究多车道之间的相关性，使用基于支持向量机条件概率估计的 第5 章多车道发车模型的研究 方法对仿真器中的多车道发车模型进行建模，得到了与实际较为符合的分布 可以应用在交通仿真系统的发车模块中，具有一定的可行性。 第6 章总结与展望 6 。1 研究工作总结 第6 章总结与展望 随着社会和经济的发展导致了交通需求的急剧增长，而科学技术的进步正 在推动着智能交通的发展。实际交通系统的复杂性、随机性和不可重复性，使 得越来越多的交通研究不得不依靠仿真来进行分