基于SUMO的高速路网实时微观交通仿真方法和系统技术方案

本发明专利技术涉及基于SUMO的高速路网实时微观交通仿真方法和系统，该方法包括获取多来源的路网车辆历史观测数据和实时观测数据并进行数据融合；基于历史融合数据分析交通流规律，包括车道分布规律、路径选择规律和最大期望车流速度，并建立车辆行为模型，包括车道选择概率模型、路径选择概率模型和最大期望速度模型；利用实时融合数据动态更新历史融合数据和车辆行为模型；构建仿真路网，将观测设施映射至仿真路网中的可计算节点；利用实时融合数据和所述车辆行为模型进行仿真推演，获取仿真结果。本发明专利技术的技术方案可利用实时融合数据实现交通流与车辆行为模型的动态更新，以提高模型的时间有效性，并输出单车级和交通流指标数据。据。据。

【技术实现步骤摘要】
基于SUMO的高速路网实时微观交通仿真方法和系统


[0001]本专利技术属于智慧交通信息化领域，涉及一种基于SUMO的高速路网高精度实时微观交通仿真方法和系统。

技术介绍

[0002]随着我国机动车保有量的不断提高以及交通出行需求的不断增长，高速路网交通状况愈加复杂。为实现对交通状况的实时感知，当前高速公路管理方已部署大量路侧设备（Road Side Unit，RSU），其大幅增强了公路运营管理的外场感知能力。然而，我国公路高速发展，当前RSU设备观测范围远无法覆盖路网全域，为实现对盲区的交通观测，通常需采用实时微观交通仿真方式，模拟盲区内交通运行。实时微观交通仿真是智慧交通领域对交通运行状况实时感知的重要技术，研发一套基于车辆特征与交通流规律的精准仿真系统与算法，对态势研判、主动管控、出行服务等方面影响深刻：1）在态势研判领域，精准的实时微观交通仿真，可帮助管理者高效分析观测盲区内的交通状况，并给出任意时空位置的交通流指标，包括流密速以及拥堵排队等，从而起到利用仿真技术弥补观测盲区的效果；2）在主动管控领域，基于全域的态势研判，管理者可进一步借助决策模型或专家经验等，下达管控指令对交通进行动态干预，以提升总体通行效率与安全性；3）在出行服务领域，可基于实时微观仿真系统获取路网内每辆车实时位置，结合边端设备提供交通信息伴随服务，如前方路况、事故、养护等事件的推送。
[0003]但在实际工程应用中，当前微观交通仿真存在若干问题与难点：
[0004]1、缺乏对行驶车辆行为特征的精细刻画
[0005]微观交通仿真应能模拟每个实体车辆的通行行为，这依赖精确定义参与交通行为的每辆车的行为特征，包括车道选择偏好、车辆行驶路径偏好、行驶速度偏好等。然而，当前微观仿真基于完全随机或基于某种分布，实现行为特征的刻画，无法精确体现每辆车真实的偏好，导致仿真精度较低。
[0006]2、缺乏对交通流规律研判
[0007]考虑到工程实践中，难以做到对所有车辆进行特征刻画（尤其是车辆首次出现），因此，在缺乏单车级特征的情况下，可考虑使用交通流规律。交通流规律指对交通整体态势运行的规律，包括车流的车道分配偏好、行驶路径分配偏好等。
[0008]然而，当前微观仿真并未将交通流规律研判与交通仿真充分结合，而是采用较为随机的方式对车流行为进行刻画。
[0009]3、观测数据质量较差
[0010]RSU设备类型较多，采集数据来源多样化，包括影像识别，射频通信等。当前微观交通仿真往往选择一种数据来源作为仿真系统的输入。然而，基于当前采集水平，各类数据均存在一定的问题，如影像识别易受极端天气、车牌遮挡、套牌等干扰，射频通信易受反向车道干扰；此外，观测数据还存在重复、延迟、时钟不准等共性问题。
[0011]4、模型时效性低
[0012]除了上述1、2中精准细致的模型构建外，微观交通仿真水平亦受模型的时间有效性影响，即是否及时更新车辆、交通流模型参数。然而，当前微观仿真的模型参数通过系统运行前的初始值设置，因为计算量大或工程化不完善等原因，导致无法做到随着实时数据的接收定期甚至准实时更新相关参数。
[0013]对于以上问题，在以往的业务应用中，通常进行简单的数据比对与处理后，选择单一数据源输入仿真系统进行仿真。对于车辆路径选择、车道选择，往往采用随机分配的方式；对于车辆行驶速度，往往根据通用模型以及随机参数进行控制。基于上述现状，当前基于微观仿真技术的实时交通观测系统往往在精度较低，无法真实的反映现实世界交通状况。

技术实现思路

[0014]本专利技术旨在克服现有高速路网实时微观仿真技术的不足，提供基于SUMO的高速路网实时微观交通仿真方法和系统，以从模型与数据两方面提升现有实时微观仿真精度。
[0015]为实现上述目的，本专利技术采用如下技术方案：
[0016]一种基于SUMO的高速路网实时微观交通仿真方法，包括：
[0017]获取多来源的路网车辆历史观测数据和实时观测数据并分别进行数据融合，获得历史融合数据和实时融合数据；一组观测数据包括车流身份、位置、速度、所在车道、车辆类型和时间信息；
[0018]基于历史融合数据分析交通流规律，包括车道分布规律、路径选择规律和最大期望车流速度，并建立车辆行为模型，包括车道选择概率模型、路径选择概率模型和最大期望车流速度模型；
[0019]获取路网车辆实时观测数据并进行数据融合，利用实时融合数据动态更新历史融合数据和车辆行为模型；
[0020]构建仿真路网，将观测设施映射至仿真路网中的可计算节点；
[0021]利用实时融合数据和所述车辆行为模型进行仿真推演，获取仿真结果。
[0022]作为一种优选的的实施方式，将融合数据转化为通行顺序对用于后续处理。通行顺序对指将任意车辆的观测记录按照时间从小到大排序后，其中任意一组相邻的观测记录。
[0023]作为一种优选的实施方式，所述交通流规律分析和建立车辆行为模型包括：将时间划分为以天为单位的日期时间范围，和以小时为单位的小时时间范围；
[0024]对每个观测数据，将其按照观测时间划分至不同的时间范围；
[0025]以所述日期时间范围和小时时间范围为时间单位，分车辆类型分析交通流规律及车辆行为模型构建。
[0026]作为一种优选的实施方式，所述车道分布规律基于某一时间范围内某一观测设施下某类车型交通流所选车道确定；
[0027]车道选择概率基于某一时间范围内某一观测设施下某一车辆所选车道确定。
[0028]作为一种优选的实施方式，所述路径选择规律为某类车型的交通流在某一观测设施处的下游选择概率，根据某一时间范围内某一观测设施下某类车型交通流所选下游观测设施确定；
[0029]路径选择概率根据某一时间范围内某一观测设施下某一车辆所选下游观测设施确定。
[0030]作为一种优选的实施方式，所述最大期望车流速度的确定方式为：
[0031]若某一时段某一观测设施下某一类型车流无交通流，则该类型车流的最大期望速度为设计速度，否则计算该类型车流并判断是否处于自由流状态；
[0032]交通流处于完全自由流状态时，将该时段拆分为若干个子时段，计算该观测设施下各子时段的该类型车流平均车流速度，该时段内的该类型车流的最大期望车流速度为多个平均车流速度中的最大值；否则最大期望车流速度为设计速度；
[0033]所述最大期望速度的确定方式为：
[0034]若某一时段某一观测设施下某一类型车辆无观测数据，则该类型车辆的最大期望速度为设计速度，否则计算该类型车辆车流并判断是否处于自由流状态；
[0035]交通流处于完全自由流状态时，最大期望速度为该观测设施下该时段该车辆观测速度的最大值。
[0036]作为一种优选的实施方式，所述更新历史融合数据和车辆行为模型包括：
[0037]对接收到的任一条实时融合数据，将其追加至历史融合数据并更新车辆身份和通行顺序对；并且每隔固定时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SUMO的高速路网实时微观交通仿真方法，其特征在于，包括：获取多来源的路网车辆历史观测数据和实时观测数据并分别进行数据融合，获得历史融合数据和实时融合数据；一组观测数据包括车流身份、位置、速度、所在车道、车辆类型和时间信息；基于历史融合数据分析交通流规律，包括车道分布规律、路径选择规律和最大期望车流速度，并建立车辆行为模型，包括车道选择概率模型、路径选择概率模型和最大期望速度模型；利用实时融合数据动态更新历史融合数据和车辆行为模型；构建仿真路网，将观测设施映射至仿真路网中的可计算节点；利用实时融合数据和所述车辆行为模型进行仿真推演，获取仿真结果。2.根据权利要求1所述的方法，其特征在于，将融合数据转化为通行顺序对用于后续处理。3.根据权利要求1所述的方法，其特征在于，所述交通流规律分析和建立车辆行为模型包括：将时间划分为以天为单位的日期时间范围，和以小时为单位的小时时间范围；对每个观测数据，将其按照观测时间划分至不同的时间范围；以所述日期时间范围和小时时间范围为时间单位，分车辆类型分析交通流规律及车辆行为模型构建。4.根据权利要求1或3所述的方法，其特征在于，所述车道分布规律基于某一时间范围内某一观测设施下某类车型交通流所选车道确定；车道选择概率基于某一时间范围内某一观测设施下某一车辆所选车道确定。5.根据权利要求1或3所述的方法，其特征在于，所述路径选择规律为某类车型的交通流在某一观测设施处的下游选择概率，根据某一时间范围内某一观测设施下某类车型交通流所选下游观测设施确定；路径选择概率根据某一时间范围内某一观测设施下某一车辆所选下游观测设施确定。6.根据权利要求1或3所述的方法，其特征在于，所述最大期望车流速度的确定方式为：若某一时段某一观测设施下某一类型车流无交通流，则该类型车流的最大期望速度为设计速度，否则计算该类型车流并判断是否处于自由流状态；交通流处于完全自由流状态时，将该时段拆分为若干个子时段，计算该观测设施下各子时段的该类型车流平均车流速度，该时段内的该类型车流的最大期望车流速度为多个平均车流速度中的最大值；否则最大期望车流速度为设计速度；所述最大期望速度的确定方式为：若某一时段某一观测设施下某一类型车辆无观测数据，则该类型车...

【专利技术属性】
技术研发人员：王鑫之，齐家，胡昕宇，朱磊，
申请(专利权)人：南京感动科技有限公司，
类型：发明
国别省市：