本發(fā)明涉及交通系統(tǒng)規(guī)劃
技術(shù)領(lǐng)域：
，特別是一種高速公路交通流元胞機仿真方法。
背景技術(shù)：
：交通流理論的研究目標(biāo)是建立一套能描述交通一般特性的交通流模型，尋找交通流動的基本規(guī)律，以揭示交通擁堵產(chǎn)生的機理。根據(jù)研究方法的不同，可以將各種交通流模型分為微觀車輛跟馳模型和元胞機模型，以及宏觀連續(xù)模型和中觀氣體動理論模型。元胞機在20世紀(jì)80年代提出，20世紀(jì)90年代得到迅猛發(fā)展。人們把元胞機理論應(yīng)用于交通流的研究，采用離散的時空和狀態(tài)變量,規(guī)定車輛運動的演化規(guī)則，并通過大量的樣本平均來揭示交通運行規(guī)律。由于交通元素從本質(zhì)上來說是離散的。用元胞機理論研究交通，避免了離散-連續(xù)-離散的近似過程，因此其具有獨持的優(yōu)越性。與其他模型相比，元胞機在保留交通這一復(fù)雜系統(tǒng)的非線性行為和其他物理特征的同時，更易于計算機操作，并能靈活地修改其規(guī)則以考慮各種真實交通條件，如路障、高速公路出入匝道、駕駛員過度反應(yīng)引起的隨機慢化等。目前的元胞機模型對于車輛初始化的仿真沒有考慮到真實流量和密度的對應(yīng)關(guān)系，多個路段情況下的車道個數(shù)變化，車輛密度變化帶來的影響；如何利用真實的交通道路的數(shù)據(jù)，去盡可能真實的反應(yīng)到元胞機模型中是目前現(xiàn)有技術(shù)中存在的問題。技術(shù)實現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，而提供一種高速公路交通流元胞機仿真方法，通過擴展元胞機的道路模型，發(fā)明了一種可以用于高速公路路況的元胞機的邊界條件，并通過仿真結(jié)果擬合的方式得到元胞機中交通流量，交通流密度，平均車速三者的關(guān)系，使得我們可以通過真實的交通流測量數(shù)據(jù)得到一個比較適合元胞機的交通流密度，使得交通流仿真結(jié)果更為精確。本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：根據(jù)本發(fā)明提出的一種高速公路交通流元胞機仿真方法，包括以下步驟：步驟一、初始化車輛規(guī)格參數(shù)數(shù)據(jù)和真實路段的參數(shù)數(shù)據(jù)；步驟二、使用元胞機位置更新規(guī)則和邊界條件規(guī)則進行仿真，以得到每一個路段的真實車輛密度；步驟三、對步驟二得到的每一個路段的真實車輛密度再次利用步驟二的元胞機位置更新規(guī)則和邊界條件規(guī)則，得到元胞機中每個路段的每一輛車的在每個時刻的位置情況；步驟四、根據(jù)步驟三得到的元胞機中每個路段的每一輛車的在每個時刻的位置情況，生成能夠表現(xiàn)出車道個數(shù)變化和路段間的數(shù)據(jù)交互的時空分布圖。作為本發(fā)明所述的一種高速公路交通流元胞機仿真方法進一步優(yōu)化方案，所述車輛規(guī)格參數(shù)數(shù)據(jù)包括車輛長度carlength、最大行駛速度carmax_velocity、隨機慢化概率carslow、慢啟動概率carslow_launch和極大巡航概率carhigh_drive，真實路段的參數(shù)數(shù)據(jù)包括每個路段的長度pathlength、車道個數(shù)pathlanes和真實車流量計數(shù)pathflow；根據(jù)初始化車輛參數(shù)數(shù)據(jù)和真實路段數(shù)據(jù)生成元胞機模型。作為本發(fā)明所述的一種高速公路交通流元胞機仿真方法進一步優(yōu)化方案，所述真實車流量計數(shù)是指單位時間經(jīng)過該路段的車輛數(shù)。作為本發(fā)明所述的一種高速公路交通流元胞機仿真方法進一步優(yōu)化方案，步驟二具體如下：(1)先隨機生成模擬的車輛密度數(shù)據(jù)pathdensity，依次元胞機位置更新規(guī)則和邊界條件規(guī)則進行仿真；其中，元胞機位置更新規(guī)則包括：首先，根據(jù)最右車道優(yōu)先的變道規(guī)則對每輛車進行車輛的變道的邏輯判斷，獲得汽車的下一次車道位置；之后，完成變道操作后，根據(jù)隨機慢化規(guī)則、慢啟動規(guī)則和極限巡航駕駛規(guī)則進行車輛的速度更新的邏輯判斷，獲得汽車的下一次的行駛速度，并根據(jù)生成的每一輛車的下一次行駛速度和一下次車道位置來更新車輛的位置；邊界條件規(guī)則包括：利用獲得的單個路段的車輛的更新后的位置，以不同路段之間作為開口邊界，路段首尾用周期性封閉邊界進行鏈接，來完成更新路段間的交互部分的車輛信息；(2)每一個不同的模擬的pathdensity都經(jīng)過仿真得到一個對應(yīng)的車流量計數(shù)數(shù)據(jù)pathflow；由此，得到一組組的(pathflow,pathdensity)數(shù)據(jù)對；由生成的每組(pathflow,pathdensity)數(shù)據(jù)對，進行使用4次多項式進行曲線擬合，得到pathdensity＝f(pathflow)的擬合函數(shù)；(3)由擬合函數(shù)pathdensity＝f(pathflow)，將每一個道路真實車輛計數(shù)作為函數(shù)的輸入，得到該路段的真實車輛密度。作為本發(fā)明所述的一種高速公路交通流元胞機仿真方法進一步優(yōu)化方案，車輛密度數(shù)據(jù)是指單位面積的車輛個數(shù)。本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：(1)使用元胞機規(guī)則進行單路段的車輛位置的更新迭代，針對高速公路的具體情況，取各個元胞機中適用于道路模型的地方，并針對高速公路的車輛行為和道路特征進行進一步拓展，使得交通流仿真結(jié)果更為精確；(2)通過擴展元胞機的道路模型，發(fā)明了一種可以用于高速公路路況的元胞機的邊界條件，并通過仿真結(jié)果擬合的方式得到元胞機中交通流量，交通流密度，平均車速三者的關(guān)系，使得我們可以通過真實的交通流測量數(shù)據(jù)得到一個比較適合元胞機的交通流密度。附圖說明圖1是交通流密度，平均速度，流量三者的關(guān)系；其中，(a)是速度和流量的關(guān)系，(b)是密度和速度的關(guān)系，(c)是密度和流量的關(guān)系。圖2是對實例路段進行車輛數(shù)據(jù)初始化的結(jié)果示意圖。圖3是單個路段的600次迭代結(jié)果時空分布圖；其中，(a)是道路編號為0的時空分布圖；(b)是道路編號為0的時空分布圖；(c)是道路編號為0的時空分布圖；三幅圖中黑色圓圈符號表示車輛變道從圓圈所在車道離開，黑色五角星代表車輛變道進入從圓圈所在車道。圖4是多個連續(xù)路段迭代60次的時空分布圖；其中，(a)是道路編號為0的時空分布圖；(b)是道路編號為0的時空分布圖；(c)是道路編號為0的時空分布圖；三幅圖中黑色圓圈符號表示車輛變道從圓圈所在車道離開，黑色五角星代表車輛變道進入從圓圈所在車道。圖5是元胞自動機的系統(tǒng)流程圖。具體實施方式本發(fā)明公開了一種融合多路段車輛密度和車道個數(shù)變化的高速公路交通流元胞機仿真方法，首先，對車輛數(shù)據(jù)和道路數(shù)據(jù)的初始化，然后在元胞機中進行迭代，最后，對結(jié)果進行可視化。以下是我們摘取美國405號公路的部分的車輛信息，作為輸入數(shù)據(jù)進行的具體執(zhí)行過程，如圖5是元胞自動機的系統(tǒng)流程圖：(1)初始化車輛規(guī)格參數(shù)數(shù)據(jù)和真實路段的參數(shù)數(shù)據(jù)：(1-1)設(shè)置車輛規(guī)格參數(shù)數(shù)據(jù)，如下表1所示：表1參數(shù)數(shù)值長度carlength4.5米+1.5米(安全距離)最大行駛速度carmax_velocity60英里/時(miles/h)隨機慢化概率carslow0.1慢啟動概率carslow_launch0.75極大巡航概率carhigh_drive0.9(1-2)真實路段的參數(shù)數(shù)據(jù)(截取部分單元),如表2所示：表2我們?nèi)≤嚨览锍虜?shù)增加的方向進行模擬，則：每個路段的長度pathlength＝pathend-pathstart，車道個數(shù)pathlanes＝pathins_lanes，真實車流量計數(shù)pathflow＝pathtotal_flow÷pathins_lanes，根據(jù)初始化車輛數(shù)據(jù)和真實路段數(shù)據(jù)可以生成元胞機模型，包括：生成每個路段的地圖矩陣pathmap和該路段擁有的車輛pathcars。(2)使用元胞機位置更新規(guī)則和邊界條件規(guī)則進行仿真，以得到每一個路段的道路車輛密度：(2-1)先隨機生成模擬的車輛密度數(shù)據(jù)(單位面積的車輛個數(shù))pathdensity，由此得到的每個路段的車輛個數(shù)，在地圖矩陣pathmap中進行車輛的初始化，初始化方案如下：初始化車輛個數(shù)pathcar計算如下：pathcar＝pathdensity×pathlength隨機得到一個合法的車輛位置：其中，carlanen代表第n輛車所在的車道編號，carplacen代表第n輛車車頭的元胞在路段中的位置；random(a,b)表示的是從a到b的范圍中，隨機獲取一個整數(shù)。合法的含義是：車輛的車道編號是在該路段中存在的；車輛車頭的元胞在路段中的位置實在該路段的長度范圍內(nèi)的同時，每一輛車輛的車道和位置必須滿足以下安全性條件：其中，代表的是第n輛車和前面的車的距離，代表的是第n輛車和后面的車的距離，n+1代表該路段中在第n輛車前面的第一輛車，n-1代表該路段中在第n輛車后面的第一輛車；以表2的第一列的數(shù)據(jù)為例進行初始化，我們?nèi)×髁繉?yīng)的較小密度可能的數(shù)據(jù)，結(jié)果如圖2所示，圖2是對實例路段進行車輛數(shù)據(jù)初始化的結(jié)果示意圖；(2-2)依次根據(jù)元胞機位置更新規(guī)則和邊界條件規(guī)則進行仿真，具體如下：(2-2-1)首先，根據(jù)以下規(guī)則進行車輛的變道的邏輯判斷，目標(biāo)是讓車輛盡可能在最右邊的車道首先進行右邊變道的決策，決策條件如下：若同時滿足以上三個條件，則決策條件滿足，否則不滿足，決策方案如下：如果不能進行右邊變道，進行左邊變道的決策，決策條件是：若同時滿足以上五個條件，則決策條件滿足，否則不滿足，決策方案如下：其中，lanen(t)代表的是t時刻，第n輛車所在的車道位置；代表的是第n輛車在t時刻與周圍的車輛的距離，f代表的是車道方向：用’l’指代其左邊的車道的車輛，’r’指代其右邊的車道的車輛；如果沒有標(biāo)志符，則代表當(dāng)前車道的車輛；s代表位置關(guān)系：用’+’代表前面的車輛，用’-’代表后面的車輛代表的是第n輛車在t時刻的速度的值，代表的是第n輛車的最大速度的值，這個數(shù)據(jù)是在初始化車輛數(shù)據(jù)的時候定好的。最后，對決策結(jié)果進行一次0-1分布實驗，即有概率p撤銷變道決策，即有概率p，使得：lanen(t)＝lanen(t-1)(2-2-2)完成變道操作后，根據(jù)以下規(guī)則進行車輛的速度更新的邏輯判斷：首先進行加速：減速(考慮了前面的車子的加速度)：其中：是對前面的車輛預(yù)計下一輪的行駛速度的最小值。隨機慢化(綜合了慢啟動和極限巡航駕駛模式的隨機慢化規(guī)則)其中，當(dāng)時，執(zhí)行的是慢啟動規(guī)則；其他情況下，執(zhí)行的是隨機慢化規(guī)則，當(dāng)執(zhí)行的是極限巡航駕駛規(guī)則，根據(jù)生成的最終速度進行位置更新：其中，xn代表的是第n號車在t時刻在地圖中的位置。我們以表2的數(shù)據(jù)為例，取第三列數(shù)據(jù)進行單路段的元胞機模擬，進行300次迭代，結(jié)果如圖3所示；圖3是單個路段的600次迭代結(jié)果時空分布圖；其中，圖3中的(a)是道路編號為0的時空分布圖；圖3中的(b)是道路編號為0的時空分布圖；圖3中的(c)是道路編號為0的時空分布圖；三幅圖中黑色圓圈符號表示車輛變道從圓圈所在車道離開，黑色五角星代表車輛變道進入從圓圈所在車道。(2-2-3)當(dāng)利用(2-2)和(2-3)的算法對所有的車輛在該路段的位置更新之后，要進行不同路段(不同里程)的邊界信息交互：每個路段的結(jié)尾是一個開口邊界，根據(jù)以下規(guī)則將離開本路段的車輛的信息移交給下一個路段：當(dāng)更新結(jié)束后，xn(t)＞pathmplace,說明該輛車已越界，變換車輛的位置信息xn(t)＝xn(t)-pathmplace后，將該輛車放入下一個路段中的，并將該車輛信息從移除。其中pathmplace代表的是第m個路段的道路長度信息；根據(jù)以下規(guī)則將本路段更新完畢后的路段信息移交給上一個路段：其中”:”代表下標(biāo)切片，比如[1:10]，代表取列表中第1號下標(biāo)到第10號下標(biāo)的部分的列表。離開最后一個路段的車輛重新回到第一個路段，形成周期性邊界閉環(huán)，以保證仿真過程中路段的綜合交通流密度不變。(2-3)每一個不同的模擬的pathdensity都能經(jīng)過仿真得到一個得到對應(yīng)的車流量計數(shù)數(shù)據(jù)pathflow，車輛的平均行駛速度pathvelocity。由此，我們能夠得到一組組的(pathimageflow,pathdensity，pathvelocity)數(shù)據(jù)對。由生成的每組(pathimageflow,pathdensity，pathvelocity)數(shù)據(jù)對，進行使用4次多項式進行曲線擬合，得到pathdensity＝f(pathflow)的擬合函數(shù)。(2-4)由擬合函數(shù)pathdensity＝f(pathflow)，我們可以把每一個道路真實車輛計數(shù)pathflow作為函數(shù)的輸入，便可以得到該路段真實車輛密度pathdensity，根據(jù)實際函數(shù)分布情況，我們使用4次多項式進行曲線擬合，得到pathdensity＝f(pathflow)的擬合函數(shù)；使用5次多項式擬合，得到pathvolume＝f(pathvelocity)的擬合函數(shù)，使用1次多項式擬合，得到pathdensity＝f(pathvelocity)的擬合函數(shù)，結(jié)果如圖1所示，圖1是交通流密度，平均速度，流量三者的關(guān)系；其中，圖1中的(a)是速度和流量的關(guān)系，圖1中的(b)是密度和速度的關(guān)系，圖1中的(c)是密度和流量的關(guān)系；由此，使用得到的擬合函數(shù)pathdensity＝f(pathflow)，經(jīng)過計算，我們的得到的表達式為：這樣，我們可以根據(jù)每一個道路真實車輛計數(shù)的pathflow數(shù)據(jù)得到其真實的道路車輛密度pathdensity，一個流量對應(yīng)兩種密度可能，一種是低暢通情況，一種是阻塞情況，需要根據(jù)使用者的需求來選擇，根據(jù)pathdensity初始化每一個路段的車輛，每一輛車對應(yīng)多個元胞，元胞個數(shù)與carlength的大小成比例。(3)再次利用(2-2)的元胞機速度位置更新規(guī)則和邊界條件規(guī)則，使用(2-4)得到的道路車輛密度數(shù)據(jù)進行真實情況的仿真:(3-1)使用的(2-2)元胞機速度位置更新規(guī)則和邊界條件規(guī)則進行元胞機的仿真，區(qū)別在(2-1)的車輛密度數(shù)據(jù)是隨機生成的，此次的車輛密度數(shù)據(jù)使用的是步驟二得到的每個路段的真實車輛密度pathdensity；經(jīng)過仿真，可以得到元胞機每個路段的每一輛車的在每個時刻的位置情況；我們使用表2的數(shù)據(jù)進行初始化，取流量對應(yīng)的較小密度：迭代60次，并聯(lián)所有的路段的最終的車輛的位置數(shù)據(jù)pathmap數(shù)據(jù)，生成能夠表現(xiàn)出車道個數(shù)變化和路段間的數(shù)據(jù)交互的時空分布圖，如圖4，圖4是多個連續(xù)路段迭代60次的時空分布圖；其中，圖4中的(a)是道路編號為0的時空分布圖；圖4中的(b)是道路編號為0的時空分布圖；圖4中的(c)是道路編號為0的時空分布圖；三幅圖中黑色圓圈符號表示車輛變道從圓圈所在車道離開，黑色五角星代表車輛變道進入從圓圈所在車道。以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認(rèn)定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替代，都應(yīng)當(dāng)視為屬于本發(fā)明的保護范圍。當(dāng)前第1頁12