專利名稱：：智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及交通控制系統(tǒng)，特別是涉及一種智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法。
背景技術(shù)：
：動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)(DynamicRouteGuidanceSystem,DRGS)是智能交通系統(tǒng)的重要組成部分，是提高路網(wǎng)系統(tǒng)效能的重要手段，其主要作用是通過(guò)對(duì)交通流路徑引導(dǎo)，充分利用道路網(wǎng)的通行能力，使路網(wǎng)保持通暢，減少出行時(shí)間。DRGS提出20多年來(lái)，很多學(xué)者為其發(fā)展付出了很大的努力并取得了一些成果，其中影響最大的為交通中的最短路徑問(wèn)題，參見(jiàn)ProceedingsoftheEighthInernationalFederationofAutomaticControl(I.FAC)SymposiumonTransportationSystems.June.1997(2):551-556.(第八屆國(guó)際自動(dòng)控制聯(lián)合會(huì)智能交通系統(tǒng)會(huì)議)的文章Anewalgorithmforshortestpathsindiscretedynamicnetworks.in:Papageorgiu，M.,Pouliezos，A.(求解離散動(dòng)態(tài)網(wǎng)絡(luò)最短路的一種新算法)和基于動(dòng)態(tài)交通分配的方法，參見(jiàn)IntelligentTransportationSystems.2004(10):491-496.(智能交通系統(tǒng))的文章Integratedmodel'predictivecontrolofdynamicrouteguidanceinformationsystemsandrampmetering.(動(dòng)態(tài)路線誘導(dǎo)信息系統(tǒng)和匝道儀控的集成模型預(yù)估計(jì)控制)和IntelligentTransportationSystems.2004(10):465-470.(智能交通系統(tǒng))的Carnavigationwithrouteinformationsharingforimprovementoftrafficefficiency.(提高交通效率的共享路徑信息汽車導(dǎo)航)以及TransportationResearchPartC.2003(ll):375-388.(交通研究，PartC)'的Evaluationofareactivedynamicrouteguidancestrategy.(交互式動(dòng)態(tài)路線誘導(dǎo)策略的評(píng)價(jià)方法)等。這些方法都是以已知或預(yù)測(cè)交通需求OD矩陣為前提，給出的誘導(dǎo)信息是從出發(fā)點(diǎn)到目的地的完整路徑。由于交通流的復(fù)雜性和不確定性，對(duì)于一個(gè)實(shí)時(shí)的交通誘導(dǎo)問(wèn)題，交通需求從根本上就是不可預(yù)知的，出行者按照誘導(dǎo)系統(tǒng)給出的完整路徑信息出行時(shí)，由于時(shí)間較長(zhǎng)而交通流狀態(tài)發(fā)生了改變，導(dǎo)致誘導(dǎo)系統(tǒng)給出的路徑往往并不是最優(yōu)路徑，因此一個(gè)有效的誘導(dǎo)系統(tǒng)應(yīng)是根據(jù)當(dāng)前交通狀態(tài)給出瞬時(shí)誘導(dǎo)信息，通過(guò)多個(gè)誘導(dǎo)子系統(tǒng)將這些分散的誘導(dǎo)信息聯(lián)系起來(lái)，形成一個(gè)完整的誘導(dǎo)路徑。馬壽峰等在IEEEInteligentTransportationSystemComferenceProceedings-Oakland(CA).(智能交通系統(tǒng)國(guó)際會(huì)議.奧克蘭，美國(guó))上發(fā)表了AI-basedDynamicRouteGuidanceStrategyandItsSimulation.,USA.2001:25-29.(基于人工智能的動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)策略及仿真研究)，提出了基于機(jī)器學(xué)習(xí)的智能方法解決交通誘導(dǎo)問(wèn)題，具有較強(qiáng)的實(shí)用性，為研究DRGS尋找到了一條新途徑。從功能結(jié)構(gòu)考慮，一個(gè)智能DRGS包括若干個(gè)相互協(xié)調(diào)的誘導(dǎo)子系統(tǒng)，每個(gè)誘導(dǎo)子系統(tǒng)包含若干個(gè)誘導(dǎo)決策單元(以下簡(jiǎn)稱誘導(dǎo)單元)。誘導(dǎo)單元是DRGS的基本組成元素，圖1示意了智能DRGS組成結(jié)構(gòu)。每個(gè)誘導(dǎo)單元都有一塊安裝在靠近路口的誘導(dǎo)3信息板(Variablemessagesigns,VMS)，用以顯示到前方主干道的路徑誘導(dǎo)信息。智能DRGS的原理是應(yīng)用人工智能中的機(jī)器學(xué)習(xí)與推理來(lái)處理交通流的短時(shí)預(yù)測(cè)與交通誘導(dǎo)問(wèn)題。其系統(tǒng)框架如圖2所示。車輛實(shí)時(shí)誘導(dǎo)系統(tǒng)包括狀態(tài)提取、狀態(tài)辨識(shí)、實(shí)時(shí)誘導(dǎo)決策、效果檢測(cè)、效果評(píng)價(jià)、機(jī)器學(xué)習(xí)、知識(shí)庫(kù)和推理機(jī)制等模塊，可劃分為實(shí)時(shí)誘導(dǎo)和學(xué)習(xí)兩個(gè)回路。實(shí)時(shí)誘導(dǎo)回路根據(jù)交通流短時(shí)預(yù)測(cè)和系統(tǒng)辨識(shí)出來(lái)的誘導(dǎo)單元狀態(tài)在誘導(dǎo)信息庫(kù)中提取當(dāng)前狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息，并將該誘導(dǎo)信息通過(guò)VMS應(yīng)用于路網(wǎng)。學(xué)習(xí)回路包含兩個(gè)功能，一方面對(duì)正在學(xué)習(xí)中的預(yù)測(cè)策略、誘導(dǎo)信息檢驗(yàn)預(yù)測(cè)和誘導(dǎo)效果，搜索最優(yōu)預(yù)測(cè)數(shù)據(jù)和當(dāng)前狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息；另一方面對(duì)知識(shí)庫(kù)中保存的通過(guò)機(jī)器學(xué)習(xí)得到的誘導(dǎo)信息進(jìn)行不斷的檢驗(yàn)，以便更新知識(shí)庫(kù)中的知識(shí)。智能動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)中，為了加快誘導(dǎo)信息收斂速度并使之易于評(píng)價(jià)，需要將整個(gè)路網(wǎng)按一定規(guī)則進(jìn)行細(xì)化，劃分為不同誘導(dǎo)子區(qū)，區(qū)域內(nèi)各誘導(dǎo)子系統(tǒng)以及不同子區(qū)之間相互協(xié)調(diào)，使路網(wǎng)達(dá)到良好的誘導(dǎo)效果。
發(fā)明內(nèi)容為了解決現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供一種智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，在智能DRGS框架的基礎(chǔ)上，對(duì)DRGS中誘導(dǎo)子區(qū)內(nèi)部協(xié)調(diào)策略進(jìn)行的研究，解決了以往DRGS模型不完善，算法復(fù)雜，誘導(dǎo)信息準(zhǔn)確率低的問(wèn)題。本發(fā)明的技術(shù)方案為一種智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，包括以下歩驟1)將誘導(dǎo)子區(qū)內(nèi)相同路口誘導(dǎo)單元進(jìn)行協(xié)調(diào)，從知識(shí)庫(kù)提取最優(yōu)誘導(dǎo)信息，根據(jù)最優(yōu)誘導(dǎo)信息，結(jié)合當(dāng)前路網(wǎng)交通流狀態(tài)，重新預(yù)測(cè)連接路口的路段的飽和度；2)加入誘導(dǎo)信息后，從誘導(dǎo)子區(qū)的最上游路口開(kāi)始，根據(jù)歩驟l預(yù)測(cè)得到的連接路口的路段飽和度，重新對(duì)下游相關(guān)路口的誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整；3)如果下游路口誘導(dǎo)單元狀態(tài)不發(fā)生改變，則該兩個(gè)路口之間的協(xié)調(diào)結(jié)束；反之，對(duì)下游路口相關(guān)誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整，并重新提取的最優(yōu)誘導(dǎo)信息，依次調(diào)整該路口的下游路口誘導(dǎo)單元狀態(tài)及誘導(dǎo)信息。所述歩驟l)中相同路口誘導(dǎo)單元協(xié)調(diào)方法包括以下歩驟(1.1)對(duì)相同路口的誘導(dǎo)單元交通供給路段的交通流(由統(tǒng)計(jì)數(shù)據(jù)得到)從大到小進(jìn)行排序，得到序列化的相同路口誘導(dǎo)單元^，《,...,^《，其中A^為路口A的誘導(dǎo)單元數(shù)量。初始化/=fty'=0，f=+oo;其中/為誘導(dǎo)單元序號(hào)，/為誘導(dǎo)信息交互次數(shù)，《'為相鄰兩次誘導(dǎo)信息交互的差異。(1.2)不加入其它誘導(dǎo)單元誘導(dǎo)信息，根據(jù)上一誘導(dǎo)周期的轉(zhuǎn)彎率估計(jì)需要決策的誘導(dǎo)單元交通供給路段飽和度，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息(1.3)誘導(dǎo)信息交互次數(shù)增l，SRj:=j+l;(1.4)誘導(dǎo)單元序號(hào)增l，即/,=/+/,(1.5)對(duì)于誘導(dǎo)單元《，加入其它誘導(dǎo)單元誘導(dǎo)信息Gf"^D""-'''^Gf1''",^—",…,Gf影響后，得到新的路網(wǎng)狀態(tài)，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元^;狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息(^''，=|Gi''-Gf，其中表示誘導(dǎo)單元^第j次誘導(dǎo)信息與第j-l次誘導(dǎo)信息的差異；如果^A^，繼續(xù)；否則轉(zhuǎn)1.4;(1.6)如果￡f=2^,，/=/;/表示整個(gè)誘導(dǎo)信息交互過(guò)程中，當(dāng)前與前一循環(huán)誘導(dǎo)信息差異最小的交互序列號(hào)。，(1.7)如果戶7^或f<4^,則取<^/'',/=1，2,...,《為下一周期誘導(dǎo)信息，轉(zhuǎn)1.8;否則轉(zhuǎn)1.3;(1.8)結(jié)束。所述誘導(dǎo)子區(qū)是指路網(wǎng)中相鄰的、需要協(xié)調(diào)的、若干個(gè)誘導(dǎo)單元組成的交通區(qū)域，誘導(dǎo)子區(qū)內(nèi)各誘導(dǎo)單元采用相同誘導(dǎo)周期，并且在子區(qū)內(nèi)部進(jìn)行誘導(dǎo)方案的協(xié)調(diào)。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是在智能式DRGS框架下，本發(fā)明將誘導(dǎo)子區(qū)內(nèi)相互獨(dú)立的誘導(dǎo)單元通過(guò)誘導(dǎo)單元狀態(tài)聯(lián)系起來(lái)，能同時(shí)反映上游誘導(dǎo)單元交通流，相同路口其它誘導(dǎo)單元交通流對(duì)決策誘導(dǎo)單元的影響，通過(guò)仿真試驗(yàn)取得了較好的效果。本發(fā)明的實(shí)施步驟較為簡(jiǎn)單，沒(méi)有引證傳統(tǒng)方法中大量的矩陣運(yùn)算，易于實(shí)施，且通過(guò)仿真模型驗(yàn)證，證實(shí)了方法的有效性。圖1為本發(fā)明智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法流程圖。圖2為智能DRGS系統(tǒng)框架圖；其中l(wèi)為誘導(dǎo)信息板、2為交通流過(guò)程、3為狀態(tài)提取、4為狀態(tài)辨識(shí)、5為實(shí)時(shí)誘導(dǎo)決策、6為效果檢測(cè)、7為效果評(píng)價(jià)、8為機(jī)器學(xué)習(xí)、9為知識(shí)庫(kù)、IO為推理機(jī)制。圖3為智能DRGS組成元素示意圖。圖4為多誘導(dǎo)單元交通流示意圖。圖5為誘導(dǎo)仿真路網(wǎng)示意圖。圖6為無(wú)誘導(dǎo)子區(qū)協(xié)調(diào)下誘導(dǎo)單元Vs的狀態(tài)估計(jì)精確度圖；其中橫坐標(biāo)為誘導(dǎo)周期，縱坐標(biāo)為狀態(tài)估計(jì)準(zhǔn)確度。圖7為有誘導(dǎo)子區(qū)協(xié)調(diào)下誘導(dǎo)單元V5的狀態(tài)估計(jì)精確度圖；其中橫坐標(biāo)為誘導(dǎo)周期，縱坐標(biāo)為狀態(tài)估計(jì)準(zhǔn)確度。圖8為無(wú)誘導(dǎo)子區(qū)協(xié)調(diào)下目標(biāo)區(qū)域均衡度圖；其中橫坐標(biāo)為誘導(dǎo)周期，縱坐標(biāo)為目標(biāo)區(qū)域均5衡度。圖9為存在誘導(dǎo)子區(qū)協(xié)調(diào)下目標(biāo)區(qū)域均衡度圖；其中橫坐標(biāo)為誘導(dǎo)周期，縱坐標(biāo)為目標(biāo)區(qū)域均衡度。圖IO仿真平臺(tái)層次結(jié)構(gòu)圖；其中11為初始化模型、12為路網(wǎng)生成模型、13為車輛生成模型、14為控制誘導(dǎo)設(shè)備模型、15為仿真內(nèi)核、16為車輛行駛模型、17為控制誘導(dǎo)設(shè)備運(yùn)行模型、18為人機(jī)交互模型、19為仿真參數(shù)設(shè)定模型、20為動(dòng)態(tài)顯示模型、21為數(shù)據(jù)庫(kù)管理系統(tǒng)、22為數(shù)據(jù)庫(kù)交互接口、23為控制與誘導(dǎo)協(xié)調(diào)系統(tǒng)、24為控制與誘導(dǎo)交互接口。圖11城市微觀交通流仿真系統(tǒng)運(yùn)行流程圖。圖12目標(biāo)車道區(qū)域劃分圖；其中25為觀察信號(hào)燈區(qū)域、26為禁止超車區(qū)域、27為允許超車區(qū)域、28為路口。'圖13非目標(biāo)車道區(qū)域劃分；其中29為減速換道區(qū)域、30為允許超車和換道區(qū)域、28為路口。圖14非目標(biāo)車道上，停車等待位置示意圖；其中28為路口、31為停車等待換道元胞、32為當(dāng)前車道、33為目標(biāo)車道。圖15路口中的車道示意圖；其中34為匯入沖突、35為直行左轉(zhuǎn)沖突。圖16車輛在目標(biāo)車道中各區(qū)域流程圖。圖17車輛在非目標(biāo)車道中各區(qū)域流程圖。圖18直行左轉(zhuǎn)沖突仿真效果示意圖。-圖19車道上元胞處理順序圖；其中28為路口、36為處理順序、37為車道序號(hào)、38為高位車道、39為低位車道、40為0號(hào)元胞、41為1號(hào)元胞。圖20車輛超車過(guò)程示意圖X超車車輛；A2被超車輛；其他為影響超車車輛；42為超車前，判斷是否超車；43為超車中，加速行駛；44為超車中，換回原車道；45為原車道，46為超車車道。圖21路口生成圖；其中圖21a為用戶輸入信息，圖21b為計(jì)算各道路垂線，圖21c為根據(jù)垂線生成車道擴(kuò)充，圖21d為根據(jù)最外部車道線確定路口結(jié)構(gòu)點(diǎn)，圖21e為根據(jù)路口結(jié)構(gòu)點(diǎn)生成路口停車線，圖21f為生成后的路口。具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。誘導(dǎo)信息標(biāo)志所在路段的交通流為該誘導(dǎo)單元將要被誘導(dǎo)的交通流，一個(gè)誘導(dǎo)單元誘導(dǎo)的交通流分為多個(gè)方向，各方向的交通流的主要吸納點(diǎn)稱為該誘導(dǎo)單元交通流的目標(biāo)終點(diǎn)，一般一個(gè)誘導(dǎo)單元的目標(biāo)終點(diǎn)不超過(guò)3個(gè)。智能DRGS的目標(biāo)是路網(wǎng)交通流的均衡，使交通流均勻地分布在各路段上，從而達(dá)到充分利用道路網(wǎng)通行能力的目的。誘導(dǎo)單元力在周期戶均衡度^v計(jì)算公式為:<formula>formulaseeoriginaldocumentpage7</formula>表示誘導(dǎo)單元力的目標(biāo)區(qū)域/在周期P的飽和度；&，=5]S，/A^表示誘導(dǎo)單元力的所有目標(biāo)區(qū)域平均飽和度；A^表示誘導(dǎo)單元力的目標(biāo)區(qū)域個(gè)數(shù);q表示誘導(dǎo)單元/的目標(biāo)區(qū)域集合；7;表示將一個(gè)誘導(dǎo)周期離散后的時(shí)間段數(shù)；q為路段J的通行能力；A^^為誘導(dǎo)單元力誘導(dǎo)周期P時(shí)刻A路段J上的車輛數(shù)；Gf表示誘導(dǎo)單元力目標(biāo)區(qū)域i中路段集合。誘導(dǎo)目標(biāo)區(qū)域見(jiàn)圖3，為一個(gè)周期內(nèi)被誘導(dǎo)的車輛所能到達(dá)的區(qū)域。當(dāng)誘導(dǎo)單元誘導(dǎo)信息板所在路段的下游路口相同時(shí)，這些誘導(dǎo)單元的決策需要進(jìn)行協(xié)調(diào)。如圖4所示，D為誘導(dǎo)單元的目標(biāo)終點(diǎn)，誘導(dǎo)單元V,、V2、V:,所在的路段的下游路口都為C,，下一誘導(dǎo)周期路段R,上的交通流2由上游路段的三部分交通流構(gòu)成，分別為路段R,上交通流1右轉(zhuǎn)部分、路段R3上交通流7直行部分和路段R2上交通流5左轉(zhuǎn)部分。因?yàn)榻煌鱨、7、5在下游路段的轉(zhuǎn)彎比例是由各自路段VMS的誘導(dǎo)信息決定的，因此誘導(dǎo)單元V,、V2、V:,需要經(jīng)過(guò)協(xié)調(diào)，決策各自誘導(dǎo)信息，進(jìn)而通過(guò)VMS影響交通流1、7、5流入路段R,的比例。相同路口各誘導(dǎo)單元的協(xié)調(diào)原理實(shí)際上就是通過(guò)協(xié)調(diào)機(jī)制，將其它誘導(dǎo)單元下一誘導(dǎo)周期的誘導(dǎo)信息對(duì)交通流的影響轉(zhuǎn)化為需要決策的誘導(dǎo)單元相關(guān)路段的流入流量，從而使誘導(dǎo)單元狀態(tài)的提取只與交通流流量直接相關(guān)，不受其它誘導(dǎo)單元誘導(dǎo)信息和誘導(dǎo)周期的影響。取誘導(dǎo)單元各路段的綜合飽和度作為狀態(tài)向量的分量來(lái)描述路網(wǎng)的狀態(tài)?？紤]到誘導(dǎo)周期P結(jié)束時(shí)刻做出誘導(dǎo)決策〃(/^是對(duì)下一個(gè)誘導(dǎo)周期(p+U有關(guān)區(qū)域的交通流分配起作用的，因此決策V應(yīng)當(dāng)依據(jù)兩個(gè)方面的狀態(tài)分量一部分是反映交通需求的狀態(tài)分量，即下一個(gè)誘導(dǎo)周期(/+U將會(huì)有多少車流進(jìn)入到該誘導(dǎo)區(qū)域；另一部分是反映交通供給狀態(tài)分量，即可能接受這些車流的目標(biāo)區(qū)域在誘導(dǎo)周期(/+U將出現(xiàn)的交通流分配情況。如圖4所示，誘導(dǎo)單元V,的交通供給路段為路段2、4及其下游路段，路段2下一誘導(dǎo)周期的交通流受相同路口誘導(dǎo)單元V2、V:,誘導(dǎo)信息的直接影響；誘導(dǎo)單元V,的交通需求路段為路段1，如圖4所示，交通需求路段的交通流與相同路口其它誘導(dǎo)單元決策信息無(wú)關(guān)，因此只需考慮在有其它誘導(dǎo)單元誘導(dǎo)信息影響下的交通供給路網(wǎng)狀態(tài)。通過(guò)將同一路口各誘導(dǎo)單元的決策信息反復(fù)交互的方法，對(duì)誘導(dǎo)信息進(jìn)行決策。相同路口各誘導(dǎo)單元的相互影響中，其它誘導(dǎo)單元僅對(duì)決策誘導(dǎo)單元的交通供給路段產(chǎn)生影響，但在一個(gè)誘導(dǎo)子區(qū)范圍內(nèi)，上游誘導(dǎo)單元對(duì)下游誘導(dǎo)單元的交通需求和供給路段都產(chǎn)生影響。如圖4，如果車輛在路段R1，R7的行駛時(shí)間小于誘導(dǎo)周期，則會(huì)對(duì)誘導(dǎo)單元V6的交通需求路段R7產(chǎn)生影響，對(duì)誘導(dǎo)單元V4的交通供給路段R5，R6產(chǎn)生影響。誘導(dǎo)子區(qū)是通過(guò)以路口為單位聯(lián)系在一起的誘導(dǎo)單元進(jìn)行協(xié)調(diào)的，即先對(duì)誘導(dǎo)子區(qū)內(nèi)相同路口誘導(dǎo)單元進(jìn)行協(xié)調(diào)決策，然后將這些路口通過(guò)這些路口之間的路段聯(lián)系起來(lái)。參見(jiàn)附圖4(設(shè)周期p=800):1)對(duì)相同路口的誘導(dǎo)單元交通供給路段的交通流由統(tǒng)計(jì)數(shù)據(jù)從大到小進(jìn)行排序，得到序列化的相同路口誘導(dǎo)單元K,，其中《為路口A:的誘導(dǎo)單元數(shù)量。初始化/=0，7'=0，,'=+00;其中/為誘導(dǎo)單元序號(hào)，7'為誘導(dǎo)信息交互次數(shù)，f為相鄰兩次誘導(dǎo)信息交互的差異。本實(shí)施例對(duì)路口2，12的誘導(dǎo)單元交通供給路段的交通流由統(tǒng)計(jì)數(shù)據(jù)從大到小進(jìn)行排序，得到路口2的序列化的誘導(dǎo)單元為VpV2;路口12的序列化的誘導(dǎo)單元為V4，V5，V3;;2)不加入其它誘導(dǎo)單元誘導(dǎo)信息，根據(jù)上一誘導(dǎo)周期的轉(zhuǎn)彎率估計(jì)需要決策的誘導(dǎo)單元交通供給路段飽和度，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息G^',G'2,；本實(shí)施里設(shè)周期為800，根據(jù)周期799的轉(zhuǎn)彎率得到需要決策的誘導(dǎo)單元交通供給路段飽和度，相關(guān)路段的飽和度見(jiàn)表l:路段所屬誘導(dǎo)單元飽和度路段所屬誘導(dǎo)單元飽和度20.9334Vi,v20.733v20.4635v30.554v20.6038v30.5915v50.7239v4,v50.8516Vi.v20.5050v4，v50.47180.5752V3,v50.4319v30.7553V30.39200.6656v30.5421v2'v50.6457v4,v50.7131v50.7970V3,v50.8533v3,v50,60對(duì)路口2根據(jù)各誘導(dǎo)單元路段飽和度，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息，(^=7:3:0;=0:4:6;同理，對(duì)路口12，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息，《''=2:4:4;=3:3:4;GsM-4:3:3。3)j加l;4)i加l;5)對(duì)于誘導(dǎo)單元G，加入其它誘導(dǎo)單元誘導(dǎo)信息Gfu,Gf",..Gf1''_1,GfI''+1,Gf1''+2,...,Gf影響后，得到新的路網(wǎng)狀態(tài)，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元G狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息Gf，6，,=^''-Gf1''|，其中^,表示誘導(dǎo)單元^菊次誘導(dǎo)信息與第j-l次誘導(dǎo)信息的差異；如果/=《，繼續(xù)；否則轉(zhuǎn)4);本實(shí)施例對(duì)于誘導(dǎo)單元^，加入相同路口其它誘導(dǎo)單元V2的影響(即加入預(yù)測(cè)轉(zhuǎn)入的車輛)，得到新的路網(wǎng)狀態(tài)，根據(jù)路網(wǎng)狀態(tài)從數(shù)據(jù)庫(kù)中提取的最優(yōu)誘導(dǎo)信息為(^'=6:4:0;Gf=0:5:5，計(jì)算^,，不斷重復(fù)4、5歩驟，直到/=2;得到f《,,=3;i=lw/:w〖6)如果gf=|;^,，/=7';/表示整個(gè)誘導(dǎo)信息交互過(guò)程中，當(dāng)前與前一一循環(huán)誘導(dǎo)信息差異最小的交互序列號(hào)。本實(shí)施例因?yàn)椤闏,=3<f=4，所以i=n《,/=3;7)如果_/>/7_或^<^_,則取(/'',/=1,2,...,《為下一周期誘導(dǎo)信息，轉(zhuǎn)8);否則轉(zhuǎn)3);取Gf=6:4:0;《'2=0:5:5為路口2下一周期誘導(dǎo)信息；同上述歩驟，路口12的下一周期(周期801)的誘導(dǎo)信息分別為<^=2:4:4;《'2=3:3:4;G;'3=3:4:3;8)加入誘導(dǎo)信息后，從誘導(dǎo)子區(qū)最上游路口開(kāi)始，根據(jù)歩驟l預(yù)測(cè)得到的連接路口的路段飽和度，重新對(duì)下游相關(guān)路口的誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整；本實(shí)施例從誘導(dǎo)子區(qū)最上游路口2開(kāi)始，根據(jù)歩驟l預(yù)測(cè)得到的連接路口的路段飽和度，重新對(duì)下游相關(guān)路口的誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整；9)如果下游路口誘導(dǎo)單元狀態(tài)不發(fā)生改變，則該兩個(gè)路口之間的協(xié)調(diào)結(jié)束；反之，對(duì)下游路口相關(guān)誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整，并重新提取的最優(yōu)誘導(dǎo)信息，依次調(diào)整該路口的下游路口誘導(dǎo)單元狀態(tài)及誘導(dǎo)信息；本實(shí)施例經(jīng)過(guò)調(diào)整得到最后V"V2，V4，V5，V3的誘導(dǎo)信息分別為6:4:0;0:5:5;2:3:5;4:2:4;3:4:3。為了說(shuō)明本發(fā)明的智能DRGS誘導(dǎo)單元決策方法的有效性，本發(fā)明對(duì)誘導(dǎo)子區(qū)有無(wú)誘導(dǎo)協(xié)調(diào)進(jìn)行了多次實(shí)驗(yàn)，限于篇幅，僅給出一組具有代表性的試驗(yàn)結(jié)果及分析。仿真實(shí)驗(yàn)在我們開(kāi)發(fā)的基于元胞自動(dòng)機(jī)原理的微觀仿真平臺(tái)上進(jìn)行，車速、流量、控制信號(hào)等數(shù)據(jù)通過(guò)仿真軟件提取，誘導(dǎo)周期設(shè)為250秒，自由流速度為16米/秒，每個(gè)實(shí)驗(yàn)仿真900個(gè)誘導(dǎo)周期。仿真路網(wǎng)如下圖5，包含兩個(gè)路口共5個(gè)誘導(dǎo)單元，誘導(dǎo)單元參數(shù)見(jiàn)下表2?，F(xiàn)僅提取圖5中誘導(dǎo)單元相關(guān)的主要路段長(zhǎng)度及通行能力，見(jiàn)下表3。表2誘導(dǎo)單元參數(shù)表<table>tableseeoriginaldocumentpage10</column></row><table>表3主要路段長(zhǎng)度及通行能力<table>tableseeoriginaldocumentpage10</column></row><table>仿真實(shí)驗(yàn)結(jié)果誘導(dǎo)單元狀態(tài)估計(jì)準(zhǔn)確度比較試驗(yàn)結(jié)果誘導(dǎo)單元狀態(tài)的估計(jì)需要提取相關(guān)路段當(dāng)前飽和度、同路口誘導(dǎo)單元誘導(dǎo)信息、上游誘導(dǎo)單元誘導(dǎo)信息，因此誘導(dǎo)子區(qū)內(nèi)各誘導(dǎo)單元之間的協(xié)調(diào)實(shí)際上是通過(guò)提取誘導(dǎo)單元狀態(tài)實(shí)現(xiàn)的。誘導(dǎo)單元狀態(tài)估計(jì)的準(zhǔn)確程度需要在下一誘導(dǎo)周期得到驗(yàn)證，因此可以用誘導(dǎo)單元狀態(tài)估計(jì)的準(zhǔn)確程度反映誘導(dǎo)單元協(xié)調(diào)的有效性。誘導(dǎo)爭(zhēng)元狀態(tài)估計(jì)精確度5的計(jì)算公式為<formula>formulaseeoriginaldocumentpage10</formula>(3)其中丄表示誘導(dǎo)單元狀態(tài)向量的長(zhǎng)度，A,表示路段飽和度等級(jí)數(shù)量，.表示實(shí)際誘導(dǎo)單元狀態(tài)向量的第/:個(gè)分量的飽和度等級(jí)，表示5表示估計(jì)狀態(tài)向量的第A個(gè)分量的飽和度等級(jí)。在上述條件下對(duì)有無(wú)誘導(dǎo)子區(qū)協(xié)調(diào)的誘導(dǎo)單元狀態(tài)估計(jì)準(zhǔn)確度進(jìn)行仿真試驗(yàn)，將實(shí)驗(yàn)結(jié)果通過(guò)公式(3)計(jì)算出誘導(dǎo)單元Vs的狀態(tài)估計(jì)精確度，并將兩種條件下精確度比較，如圖6,圖7所示。目標(biāo)區(qū)域均衡度比較試驗(yàn)結(jié)果對(duì)上述條件下對(duì)有無(wú)誘導(dǎo)子區(qū)協(xié)調(diào)的誘導(dǎo)效果進(jìn)行仿真試驗(yàn)，將實(shí)驗(yàn)結(jié)果通過(guò)公式(1)、(2)計(jì)算出評(píng)價(jià)區(qū)域(圖5橢圓線部分)均衡度，并將均衡度變化進(jìn)行比較，如圖8、圖9所示。結(jié)果分析1)從圖6可以看出，在無(wú)誘導(dǎo)子區(qū)協(xié)調(diào)下，誘導(dǎo)單元Vs的狀態(tài)估計(jì)精確度較低，且波動(dòng)幅度較大；如圖7所示，在有誘導(dǎo)子區(qū)協(xié)調(diào)下，誘導(dǎo)單元Vs的狀態(tài)估計(jì)精確度明顯變高，且狀態(tài)估計(jì)較為穩(wěn)定。這是因?yàn)樵跓o(wú)誘導(dǎo)子區(qū)協(xié)調(diào)下，各誘導(dǎo)單元相互獨(dú)立，不能準(zhǔn)確預(yù)測(cè)即將進(jìn)入到誘導(dǎo)單元供給和需求路段的交通流，從而使誘導(dǎo)單元狀態(tài)估計(jì)存在較大的不確定性，而通過(guò)誘導(dǎo)協(xié)調(diào)，能夠較為精確的預(yù)測(cè)在下一個(gè)誘導(dǎo)周期內(nèi)，上游誘導(dǎo)單元進(jìn)入到下游誘導(dǎo)單元的交通流，相同路口其它誘導(dǎo)單元進(jìn)入到?jīng)Q策誘導(dǎo)單元的交通流，而誘導(dǎo)單元狀態(tài)是這些交通流在路網(wǎng)上飽和度的體現(xiàn)，所以該條件下誘導(dǎo)單元狀態(tài)估計(jì)較為準(zhǔn)確。2)從圖7可以看出，雖然存在誘導(dǎo)協(xié)調(diào)，但是仍不能完全準(zhǔn)確的估計(jì)誘導(dǎo)單元Vs的狀態(tài)，這是因?yàn)橄乱徽T導(dǎo)周期進(jìn)入到誘導(dǎo)單元區(qū)域的交通流仍存在一定的不確定性，如從路段51右轉(zhuǎn)進(jìn)入到路段39的交通流只能通過(guò)前面誘導(dǎo)周期流入情況滾動(dòng)進(jìn)行估計(jì)，存在一定的誤差，加上交通流在路口延誤等因素的影響，造成了誘導(dǎo)單元狀態(tài)估計(jì)不完全準(zhǔn)確且存在一定的波動(dòng)。3)從圖8可以看出，隨著時(shí)間的推移，誘導(dǎo)目標(biāo)區(qū)域均衡度呈上升趨勢(shì)，且均衡度波動(dòng)幅度變小，但是在接近900誘導(dǎo)周期附近，目標(biāo)區(qū)域均衡度仍然較小，且波動(dòng)幅度較大，表明即使沒(méi)有進(jìn)行子區(qū)誘導(dǎo)單元協(xié)調(diào)，仍能體現(xiàn)出誘導(dǎo)效果，但誘導(dǎo)效果不明顯。如圖9所示，存在誘導(dǎo)協(xié)調(diào)的誘導(dǎo)系統(tǒng)作用很明顯，開(kāi)始開(kāi)始均衡度波動(dòng)大，隨著時(shí)間的推移，均衡度波動(dòng)逐漸減小，經(jīng)過(guò)約400個(gè)誘導(dǎo)周期后，系統(tǒng)進(jìn)入了較為穩(wěn)定的運(yùn)行區(qū)間，均衡度高，波動(dòng)小，誘導(dǎo)效果較為理想，表明本文提出的誘導(dǎo)子區(qū)協(xié)調(diào)方法是有效的。本發(fā)明中所使用的基于元胞自動(dòng)機(jī)原理的微觀仿真平臺(tái)是我們自己開(kāi)發(fā)的城市微觀交通流仿真系統(tǒng)。下面對(duì)本基于元胞自動(dòng)機(jī)的城市微觀交通流仿真系統(tǒng)做詳細(xì)說(shuō)明。1.仿真系統(tǒng)結(jié)構(gòu)仿真系統(tǒng)主要由車輛行駛模型、初始化模型、人機(jī)交互模型以及數(shù)據(jù)庫(kù)管理系統(tǒng)組成，如圖IO。初始化模型由路網(wǎng)、車輛以及控制與誘導(dǎo)設(shè)備的生成模型組成，主要是根據(jù)人機(jī)交互模型提供的各種需求，對(duì)交通仿真主體一道路網(wǎng)絡(luò)、車輛、以及控制誘導(dǎo)設(shè)備的物理參數(shù)、幾何參數(shù)、統(tǒng)計(jì)規(guī)律等進(jìn)行定義，作為仿真內(nèi)核運(yùn)行所必須的外部參數(shù)。仿真內(nèi)核則由車輛行駛模型與控制誘導(dǎo)設(shè)備運(yùn)行模型組成，負(fù)責(zé)車輛在道路與路口的行駛，以及檢測(cè)器交通流檢測(cè)、信號(hào)燈色顯示、誘導(dǎo)顯示屏信息發(fā)布等。人機(jī)交互模型則負(fù)責(zé)用戶對(duì)仿真系統(tǒng)中各種參數(shù)的設(shè)定以及整個(gè)交通網(wǎng)絡(luò)的屏幕顯示工作的完成。數(shù)據(jù)庫(kù)管理系統(tǒng)負(fù)責(zé)用戶輸入數(shù)據(jù)等的保存與管理。2.交通流仿真設(shè)計(jì)結(jié)合VisualC++6.0程序開(kāi)發(fā)平臺(tái)，圖ll給出了該仿真系統(tǒng)的運(yùn)行流程"開(kāi)始按鈕"觸發(fā)系統(tǒng)運(yùn)行，調(diào)用消息響應(yīng)函數(shù)CTrafficView::OnRun()，在該函數(shù)中，初始化模型中的各實(shí)體首先得到初始化，隨后開(kāi)啟車輛行駛與動(dòng)態(tài)顯示兩個(gè)線程，仿真系統(tǒng)將在這兩個(gè)線程間進(jìn)行切換，從而實(shí)現(xiàn)車輛移動(dòng)與車輛顯示的功能。線程1，車輛行駛函數(shù)CSimuFun::Vehicle—Go—Ahead()包含負(fù)責(zé)誘導(dǎo)信息更新的函數(shù)、檢測(cè)器工作函數(shù)、道路及路口車輛前進(jìn)的函數(shù)。其中，誘導(dǎo)信息更新函數(shù)，負(fù)責(zé)根據(jù)誘導(dǎo)周期定時(shí)到通信緩沖區(qū)中取得誘導(dǎo)系統(tǒng)傳輸過(guò)來(lái)的最新的誘導(dǎo)數(shù)據(jù)；而檢測(cè)器則根據(jù)元胞是否被占據(jù)檢測(cè)經(jīng)過(guò)檢測(cè)器的車輛，并存入指定數(shù)組，實(shí)現(xiàn)數(shù)據(jù)的采集；通過(guò)對(duì)道路以及路口元胞的遍歷，調(diào)用CVehicle::Vehicle—at—Road和CVehicle::Vehicle_at_Cross分別實(shí)現(xiàn)兩個(gè)部分中車輛的移動(dòng)。線程2，則使用雙緩沖技術(shù)對(duì)在屏幕上畫圖。為了產(chǎn)生動(dòng)畫效果，由于，.需要對(duì)路網(wǎng)結(jié)構(gòu)與每次都發(fā)生位置變化的車輛進(jìn)行不斷重畫，如果采用直接的屏幕刷新方法，由于畫圖需要一個(gè)畫與顯示的過(guò)程，不能瞬間完成，因此路網(wǎng)的閃爍是不可避免的，尤其在使用Sle印()函數(shù)，降低仿真速度時(shí)則愈加明顯。所以，使用雙緩沖技術(shù)，在每次重畫前，先將路網(wǎng)與車輛畫在內(nèi)存中，然后將內(nèi)存中的圖片一次性貼到設(shè)備上，從而避免了畫圖中畫與顯示交織的過(guò)程，因此可以有效的避免屏幕的閃爍問(wèn)題。3.車輛在道路上行駛規(guī)則設(shè)計(jì)按車輛在道路上所處的車道將車輛行駛規(guī)則分為兩類在目標(biāo)車道上行駛規(guī)則與非目標(biāo)車道上行駛規(guī)則。這里定義目標(biāo)車道為可以通往下一條道路的車道，如車輛行駛路徑上的下一條道路為當(dāng)前道路的左轉(zhuǎn)道路，則當(dāng)前道路的左轉(zhuǎn)車道為目標(biāo)車道。下面分別對(duì)兩類行駛規(guī)則作以介紹。3.1車輛在目標(biāo)車道上行駛規(guī)則按照車輛距離路口的長(zhǎng)度，對(duì)非車輛目的地的車道進(jìn)行區(qū)域劃分，處在不同區(qū)域的車輛有著不同的行為規(guī)則。將目標(biāo)車道上的區(qū)域劃分為允許超車區(qū)域、禁止超車區(qū)域、觀察信號(hào)燈區(qū)域，如圖12(本系統(tǒng)假設(shè)已在目標(biāo)車道上的車輛不再產(chǎn)生換道意愿)。各部分流程如圖14。3.2車輛在非目標(biāo)車道上行駛規(guī)則同樣，按照車輛當(dāng)前距離路口長(zhǎng)度，對(duì)非車輛目的地的非目標(biāo)車道進(jìn)行劃分，如圖13。其中禁止換道線為道路進(jìn)入路口前禁止車輛換道的區(qū)域，進(jìn)入該區(qū)域車輛均已在目標(biāo)車道上，所以該部分算法在非目標(biāo)車道上并不存在，禁止換道線在實(shí)際的城市交通中一般用實(shí)線表示，而虛線則表示可以換道區(qū)域。各部分流程如圖17。需要注意的是各個(gè)非目標(biāo)車道的等待換道位置，由于以最小速度換道也需要一定向前的行駛速度，因此，當(dāng)車輛在非目標(biāo)車道的禁止換道線前等待換道時(shí)，其實(shí)際停止位置需要預(yù)留出換道的空間，該空間與當(dāng)前車道和目標(biāo)車道間間隔的車道數(shù)量有關(guān)，具體如圖14。4車輛在路口中行駛規(guī)則設(shè)計(jì)4.1路口路徑的確定本文采用一維元胞機(jī)模型對(duì)路口進(jìn)行描述，并且在此基礎(chǔ)上，根據(jù)車輛在路口的一般行駛路線，繪制帶有一定彎曲的車輛路口行進(jìn)軌跡并按一定大小對(duì)其進(jìn)行劃分以形成元胞。以標(biāo)準(zhǔn)四岔路口為例，生成路口車道如圖15。通過(guò)循環(huán)，找到進(jìn)入路口與走出路口的車道各一條，并按一定算法按照一定弧度計(jì)算出車輛行駛軌跡函數(shù)，并以一定長(zhǎng)度平分該曲線，平分后的各點(diǎn)坐標(biāo)即為該路口該路徑的元胞中心點(diǎn)坐標(biāo)，進(jìn)入該路徑的車輛將按照該元胞行駛。同理生成路口中其他出入路口車道間的路徑。使用彎曲軌跡的元胞在一定程度上描述了車輛^E路口行駛中的軌跡規(guī)律，是介于微觀與宏觀的較理想的車輛行駛軌跡的抽象，車輛不但可以表現(xiàn)出路口中行駛所具有的拐彎特性，而且對(duì)于繼承了一維元胞的優(yōu)點(diǎn)，便于程序的編寫。4.2路口沖突點(diǎn)的確定及車輛行駛四岔路口中存在兩類沖突點(diǎn)一、駛出路口進(jìn)入道路車道時(shí)的車輛匯入沖突，只有當(dāng)路口中存在兩個(gè)或兩個(gè)以上同道路同行駛方向的進(jìn)入路口車道時(shí)，該種沖突才存在，如某進(jìn)入路口道路有兩條左轉(zhuǎn)或直行車道時(shí)，當(dāng)這兩條車道駛出的車輛同時(shí)要進(jìn)入同一條車道時(shí)，此類沖突發(fā)生；二、直行與左轉(zhuǎn)車輛的沖突，該類沖突點(diǎn)只存在于兩相位控制的四岔路口中，四相位控制的路口并不存在此類沖突。針對(duì)不同的沖突點(diǎn)分別設(shè)計(jì)如下解決方案。4.2.1駛出路口時(shí)的匯入沖突參考目標(biāo)車道的設(shè)計(jì)原理，以匯入車道為單位，將同時(shí)匯入該車道的路口車道歸為一組，并選取中間的車道為目標(biāo)車道，將該組車道后數(shù)某個(gè)元胞人為規(guī)定為沖突點(diǎn)(物理上接近車輛沖突的位置)，在沖突點(diǎn)之前未在目標(biāo)車道上的車輛要換到目標(biāo)車道上，而到達(dá)沖突點(diǎn)且仍在非目標(biāo)車道車輛則停車等待，直到目標(biāo)車道相應(yīng)位置空閑，即換到目標(biāo)車道。這樣，.車輛在匯入某一車道前，布路口中排成一隊(duì)進(jìn)入路口，這種行為更符合真正的路口交通情況，從而很好的解決了車輛在駛出路口時(shí)的匯入沖突問(wèn)題。'4.2.2直行左轉(zhuǎn)沖突直行左轉(zhuǎn)沖突相對(duì)復(fù)雜，首先需要確定沖突點(diǎn)的位置，由于路口形狀不一且直行左轉(zhuǎn)沖突點(diǎn)較多，因此無(wú)法人為統(tǒng)一規(guī)定其位置，這里試給出尋找沖突點(diǎn)的算法如下-(以有沖突的直行車道上的元胞區(qū)分每一個(gè)沖突點(diǎn))循環(huán)每一個(gè)直行車道從前往后13循環(huán)直行車道上的每一個(gè)元胞從前往后循環(huán)每一個(gè)左轉(zhuǎn)車道循環(huán)左轉(zhuǎn)車道元胞從后往前計(jì)算元胞間距離如果小于沖突距離存入沖突點(diǎn)數(shù)組如果大于沖突距離且本次距離大于上次距離時(shí)(距離遞減趨勢(shì)、漸行漸遠(yuǎn)，因此后面的不可能沖突)退出該車道循環(huán)確定直行左轉(zhuǎn)沖突點(diǎn)后，車輛每一步的行駛都需要檢驗(yàn)沖突點(diǎn)內(nèi)是否有車。但還需要考慮一些問(wèn)題，如統(tǒng)一路口車道上兩個(gè)沖突點(diǎn)相鄰車輛如何行駛，同時(shí)等待進(jìn)入沖突點(diǎn)時(shí)，車輛的優(yōu)先級(jí)問(wèn)題等等。綜合考慮這些問(wèn)題，設(shè)計(jì)算法如下準(zhǔn)備工作路口元胞…-標(biāo)識(shí)屬于第幾個(gè)沖突點(diǎn)沖突點(diǎn)…—標(biāo)識(shí)包括哪幾個(gè)元胞；該沖突點(diǎn)是否被以被處理過(guò)1、從后往前，移動(dòng)直行車道上的車輛，直到?jīng)_突點(diǎn)(沖突點(diǎn)的車輛暫不處理)2、從后往前，移動(dòng)左轉(zhuǎn)車道上的車輛，直到?jīng)_突點(diǎn)(沖突點(diǎn)的車輛暫不處理)3、循環(huán)各個(gè)沖突點(diǎn)一以沖突點(diǎn)為研究對(duì)象如果沖突點(diǎn)有車移動(dòng)該車確定考察車道為該車所在車道如果沖突點(diǎn)沒(méi)有車確定考察車道為直行車道考察該車所在車道的下一輛車if(這輛車可以到達(dá)該沖突點(diǎn))移動(dòng)該車到?jīng)_突點(diǎn)該沖突點(diǎn)被占據(jù)標(biāo)志循環(huán)與該沖突點(diǎn)連接的其他車道if(該車道上最靠近沖突點(diǎn)的車輛在另一個(gè)沖突點(diǎn)或之前存在另一個(gè)沖突點(diǎn))不處理elseif(該車能夠到達(dá)該沖突點(diǎn))14停在沖突點(diǎn)前的第一個(gè)元胞上elseif(不能到達(dá)沖突點(diǎn))以正常速度行駛else(這輛車不會(huì)到達(dá)該沖突點(diǎn))if(該車在其他沖突點(diǎn)或該車前面存在另一個(gè)沖突點(diǎn))不處理else按該車速度移動(dòng)該車循環(huán)與該沖突點(diǎn)連接的其他車道if(該車道上最靠近沖突點(diǎn)的車輛在另一個(gè)沖突點(diǎn)或之前存在另一個(gè)沖突點(diǎn))不處理elseif(該車不能夠到達(dá)沖突點(diǎn))以目前速度行駛elseif(該車能夠到達(dá)沖突點(diǎn))判斷沖突點(diǎn)是否被占據(jù)，通過(guò)占據(jù)標(biāo)志一因?yàn)橛锌赡鼙恢把h(huán)的其他車道上的車輛占據(jù)if(占據(jù))停在沖突點(diǎn)之前一個(gè)元胞或不動(dòng)一己是之前else(沒(méi)有被占據(jù))進(jìn)入沖突點(diǎn)沖突點(diǎn)被占據(jù)標(biāo)志注意1、如果車輛進(jìn)入沖突點(diǎn)，將沖突點(diǎn)中的所有車道都表示為有車占據(jù)2、行駛優(yōu)先級(jí)跟車>直行>左轉(zhuǎn)(算法中以保證了該優(yōu)先級(jí))代碼實(shí)現(xiàn)后，仿真情況如圖18。圖中路口為兩相位控制四叉路口，來(lái)自道路R3的左轉(zhuǎn)車輛在來(lái)自R0的直行車輛隊(duì)列前停車等待。5車輛行駛動(dòng)作規(guī)則設(shè)計(jì)5.1自由行駛與跟馳行駛自由行駛與跟馳行駛是一對(duì)相對(duì)的概念，廣義的說(shuō)，車輛無(wú)非在路網(wǎng)中只有兩種狀態(tài)，即自由行駛與跟馳行駛。所謂自由行駛，顧名思義就是車輛的行駛不受其他車輛的干擾，駕駛員可以根據(jù)自己意愿自由選擇行駛速度(符合法規(guī)的條件下)；而跟馳行駛，則為駕駛員的駕駛受到其他車輛(主要指前車)的限制，無(wú)法完全根據(jù)自己意愿選擇速度，必須根據(jù)前車的行駛狀況選擇自己的行駛速度。如何區(qū)分自由行駛與跟馳行駛這兩種狀態(tài)，以及處在這兩種狀態(tài)中的車輛是如何行駛的，眾多學(xué)者已從各種角度展開(kāi)了廣泛的研究，不再贅述。在此，著重介紹自由行駛與跟馳行駛在仿真中的實(shí)現(xiàn)。15首先對(duì)這兩種狀態(tài)進(jìn)行區(qū)分，即判斷車輛處于何種狀態(tài)。車頭時(shí)距與最小安全距離往往被用于兩種狀態(tài)的區(qū)分。所謂車頭時(shí)距是指在同一車道上行駛的車輛隊(duì)列中，兩連續(xù)車輛車頭端部通過(guò)某一斷面的時(shí)間間隔；而最小安全距離則是保證車輛安全行駛的最小距離。前者是一個(gè)計(jì)算的量，而后者則是道路上的一種規(guī)定，不同的城市交通狀況以及環(huán)境有著不同的最小安全距離。本發(fā)明的仿真精度并不需要對(duì)車輛行為進(jìn)行十分細(xì)致的研究，因此經(jīng)過(guò)抽象后的判斷方法為，直接將車頭時(shí)距轉(zhuǎn)化為車輛間的元胞距離(或者將速度與時(shí)間通過(guò)計(jì)算轉(zhuǎn)化為距離，這樣更加形象)，并設(shè)定最小安全距離，如果兩連續(xù)車輛間距離小于最小安全距離，則為跟遲，否則自由行駛。自由行駛中的車輛有三種選擇加速、減速、勻速。由于駕駛員類型以及車輛類型的限制，車輛選擇加速、減速還是勻速，并且根據(jù)車輛及駕駛員類型選擇加減速度的大小，從而體現(xiàn)車輛間的差異，增加了路上車輛行為的多樣性的同時(shí)，也使得仿真更加真實(shí)。跟馳行駛的車輛速度將受到同車道前車行駛狀況影響，首先計(jì)算當(dāng)前速度和與前車距離之間的關(guān)系(前車以處理，即當(dāng)前時(shí)刻下前車已經(jīng)移動(dòng))，如果當(dāng)前速度小于其與前車距離，且車輛速度增加1仍小于其與前車距離，則車輛以一定概率選擇當(dāng)前速度加1行駛，否則保持當(dāng)前速度行駛。5.2換道換道是車輛選擇適合自己行進(jìn)路線車道所必需的行為，比如處在右轉(zhuǎn)車道上的車輛需要進(jìn)入當(dāng)前道路下面的左轉(zhuǎn)車道，此時(shí)，換道是達(dá)到該目的的唯一選擇。按系統(tǒng)對(duì)道路上元胞的循環(huán)處理順序，可將換道分為兩類。系統(tǒng)對(duì)元胞的循環(huán)處理順序，如圖19所示，首先從低到高循環(huán)各車道，然后在各車道內(nèi)從低到高循環(huán)個(gè)元胞。由于這種處理順序，車輛換道的處理存在由低車道到高車道及由高車道到低車道兩種，兩種處理方法的具體做法如下由低車道向高車道換道，高位車道上的車輛尚未處理，本車首先考察高車道(相鄰目標(biāo)車道)相同位置上的元胞是否有車輛占據(jù)，如果元胞為空，則將該車移動(dòng)該元胞位置，并推出對(duì)本車的處理，繼續(xù)低車道上其他元胞的處理，本車則根據(jù)高車道的車輛狀況，隨著高車道中車輛一同處理。由高車道向低車道換道，低車道元胞以處理(車輛已行駛)，本車首先按照行駛規(guī)則在本車道上正常行駛，在行駛結(jié)束時(shí)考察低車道(相鄰目標(biāo)車道)相同位置是否有車輛，沒(méi)有車輛則換道，否則本車不換道，退出循環(huán)。為了保證車輛在禁止換道線前的換道，增加當(dāng)前速度為0的換道，即車輛是否可以換到相鄰目標(biāo)車道的當(dāng)前相應(yīng)位置的前一個(gè)元胞處。這種對(duì)換道的處理方法，雖然經(jīng)過(guò)了一定的抽象，比如沒(méi)有考慮相鄰目標(biāo)車道中車輛速度及本車道前車速度對(duì)換道的影響，但是獲得了較大程度的處理簡(jiǎn)便，不失為大仿真系統(tǒng)中的一個(gè)較好抽象。5.3超車簡(jiǎn)單說(shuō)，超車即為增加了可能性判斷的兩次換道的組合。據(jù)此按照換道要求自然可將超車分解為超車前、超車中兩步。超車前車輛判斷是否需要超車、如果超車是否可以換道，而超車中車輛則需要加速行駛，一旦超越原車道前車，則換回原車道。首先需要在車輛的定義中增加三個(gè)屬性，即超車狀態(tài)、被超車輛以及原始車道。超車狀態(tài)，標(biāo)志著車輛是否在超車過(guò)程中，如處于超車過(guò)程中，車輛需要加速行駛，直到超過(guò)被超車輛并換回原車道；被超車輛，是本車確定的準(zhǔn)備超過(guò)的車輛，是判斷是否可以換回原車道的標(biāo)志；而原車道則記錄著車輛需要返回的起始車道。圖20描繪了車輛超車的一系列動(dòng)作。超車前，車輛X首先判斷是否超車根據(jù)概率判斷是否產(chǎn)生超車意愿；A2的速度是否足夠??；Al、Bl的速度是否夠大。所有條件均滿足則換道超車。超車中，車輛需要加速行駛(不能與超車車道前車發(fā)生沖突)，直到在超車車道上的位置超過(guò)原車輛被超車輛的位置時(shí)，車輛判斷是否可以換回原車道。換回原車道時(shí)，超車結(jié)束。5.4其他一個(gè)微觀的城市交通流仿真除了核心的車輛行為外，其他輔助模塊——如路網(wǎng)生成、車輛生成等是保證系統(tǒng)正常運(yùn)行所不可缺少的重要組成部分，本節(jié)將介紹路網(wǎng)生成、車輛生成、以及數(shù)據(jù)的存儲(chǔ)三個(gè)功能模塊。5.4.1路網(wǎng)生成為了提高用戶友好性，減少用戶輸入工作量，在較少輸入信息的條件下生成帶有不同車道數(shù)量的道路、不同道路匯集的各種形狀的路口，這些都需要一些列復(fù)雜算法。以一個(gè)較為特殊形狀的路口為例，圖21給出了由用戶輸入的路網(wǎng)結(jié)構(gòu)信息到仿真中路網(wǎng)的生成過(guò)程。5.4.2車輛生成仿真系統(tǒng)中在出入網(wǎng)點(diǎn)以及吸納點(diǎn)處產(chǎn)生新的車輛，生成算法則由車輛生成模塊負(fù)責(zé)，生成車輛時(shí)具體需要考慮如下幾點(diǎn)(1)生成車輛的時(shí)間間隔。按照埃爾朗分布產(chǎn)生車輛，并用數(shù)組記錄各車輛生成點(diǎn)產(chǎn)生車輛的剩余時(shí)間。(2)車輛終點(diǎn)及行駛路徑。按照用戶輸入各OD間產(chǎn)生車輛的時(shí)間間隔生成以該OD終點(diǎn)為目的地的車輛。確定行駛路徑的算法主要有Dijkstra和Floyd兩種算法，本文采用Dijkstm計(jì)算最短路。由于駕駛員的非理性特征，次短路或次次短路均可被作為車輛的行駛路線。(3)駕駛員類型?？纱致詫Ⅰ{駛員分為激進(jìn)、中性及保守三種類型，不同類型駕駛員在路上行為的選擇中有著不同的概率。.(4)車輛類型。不同車輛的行駛速度及加減速度特性是不僅相同的，因此，可按車輛大小將其分為大型、中型和小型車，不同車型在行駛中的行為取值是不同的。(5)登錄車道。車輛在產(chǎn)生車輛位置隨機(jī)選擇車道登錄。5.4.3數(shù)據(jù)存儲(chǔ)本系統(tǒng)選擇XML作為數(shù)據(jù)存儲(chǔ)介質(zhì)。XML具有開(kāi)放性、簡(jiǎn)單性、自我描述性、互操作性、結(jié)構(gòu)和內(nèi)容分離、可擴(kuò)展性等優(yōu)點(diǎn)。在VisualC++下對(duì)XML進(jìn)行操作需要安裝XML操作工具包msxml.msi，具體的VC對(duì)XML的讀寫操作均可在網(wǎng)絡(luò)與編程書籍中查到。XML中存儲(chǔ)的數(shù)據(jù)對(duì)象包括出入網(wǎng)點(diǎn)、路口、道路、車道、0D、路口控制器等信息。17各對(duì)象下包含有初始化路網(wǎng)所必需的屬性及其取值。需要注意的是，XML中包括的僅為初始化信息，有些信息，如路口控制器中的路口控制策略，將在程序運(yùn)行中，從與誘導(dǎo)系統(tǒng)的通信緩沖區(qū)中獲得，以實(shí)現(xiàn)實(shí)時(shí)誘導(dǎo)的百的。6仿真平臺(tái)效果依據(jù)以上分析，使用面向?qū)ο蟮?++語(yǔ)言，在Visual〔++平臺(tái)上對(duì)城市微觀交通流仿真系統(tǒng)進(jìn)行實(shí)際開(kāi)發(fā)。從連續(xù)長(zhǎng)時(shí)間的仿真中發(fā)現(xiàn)，仿真系統(tǒng)具有很好的運(yùn)行穩(wěn)定性，能夠長(zhǎng)時(shí)間的對(duì)多路口的路網(wǎng)進(jìn)行有效的仿真模擬；路網(wǎng)中車輛可以根據(jù)設(shè)計(jì)(跟馳模型、車輛特征、駕駛員特征)進(jìn)行加速、減速、超車換道等活動(dòng)；可實(shí)現(xiàn)車輛在進(jìn)入路口前的減速慢行，路口中的沿一定彎度行駛。總的來(lái)說(shuō)該系統(tǒng)可以很好的滿足多路口城市交通網(wǎng)絡(luò)的仿真模擬的需要，并為其他研究工作，如城市交通控制、誘導(dǎo)及個(gè)體出行行為等，搭建了可靠的實(shí)驗(yàn)平臺(tái)。18權(quán)利要求1.一種智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，其特征在于，包括以下步驟1)將誘導(dǎo)子區(qū)內(nèi)相同路口誘導(dǎo)單元進(jìn)行協(xié)調(diào)，從知識(shí)庫(kù)提取最優(yōu)誘導(dǎo)信息，根據(jù)最優(yōu)誘導(dǎo)信息，結(jié)合當(dāng)前路網(wǎng)交通流狀態(tài)，重新預(yù)測(cè)連接路口的路段的飽和度；2)加入誘導(dǎo)信息后，從誘導(dǎo)子區(qū)的最上游路口開(kāi)始，根據(jù)步驟1預(yù)測(cè)得到的連接路口的路段飽和度，重新對(duì)下游相關(guān)路口的誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整；3)如果下游路口誘導(dǎo)單元狀態(tài)不發(fā)生改變，則該兩個(gè)路口之間的協(xié)調(diào)結(jié)束；反之，對(duì)下游路口相關(guān)誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整，并重新提取的最優(yōu)誘導(dǎo)信息，依次調(diào)整該路口的下游路口誘導(dǎo)單元狀態(tài)及誘導(dǎo)信息。2.根據(jù)權(quán)利要求l所述的智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，其特征在于，所述步驟l)中相同路口誘導(dǎo)單元協(xié)調(diào)方法包括以下步驟—(1.1)對(duì)相同路口的誘導(dǎo)單元交通供給路段的交通流(由統(tǒng)計(jì)數(shù)據(jù)得到)從大到小進(jìn)行排序，得到序列化的相同路口誘導(dǎo)單元^,《,...，^^,其中iV纟為路口A:的誘導(dǎo)單元數(shù)量。初始化/=化/=仏f=+oo;其中f為誘導(dǎo)單元序號(hào)，7'為誘導(dǎo)信息交互次數(shù)，《'為相鄰兩次誘導(dǎo)信息交互的差異。(1.2)不加入其它誘導(dǎo)單元誘導(dǎo)信息，根據(jù)上一誘導(dǎo)周期的轉(zhuǎn)彎率估計(jì)需要決策的誘導(dǎo)單元交通供給路段飽和度，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息(1.3)誘導(dǎo)信息交互次數(shù)增l，即j:,+l;(1.4)誘導(dǎo)單元序號(hào)增l，即,=,+/,(1.5)對(duì)于誘導(dǎo)單元^，加入其它誘導(dǎo)單元誘導(dǎo)信息Gf1'1,^—1'2,..*^—1''-',^—1''",^,2,...,^^影響后，得到新的路網(wǎng)狀態(tài)，從誘導(dǎo)知識(shí)庫(kù)中提取誘導(dǎo)單元G狀態(tài)對(duì)應(yīng)的最優(yōu)誘導(dǎo)信息Gi，'，6，,=|Gf-Gf"'l，其中^,表示誘導(dǎo)單元K第j次誘導(dǎo)信息與第j-l次誘導(dǎo)信息的差異；如果^A^，繼續(xù)；否則轉(zhuǎn)1.4;(1.6)如果￡^,<^，《'=26,,，/表示整個(gè)誘導(dǎo)信息交互過(guò)程中，當(dāng)前與前i=li=l一循環(huán)誘導(dǎo)信息差異最小的交互序列號(hào)。(1.7)如果/>/7171!1)(或擴(kuò)<^^,則取0/''，/=1，2，...，《為下一周期誘導(dǎo)信息，轉(zhuǎn)1.8;否則轉(zhuǎn)l-3;(1.8)結(jié)束。3.根據(jù)權(quán)利要求1所述的智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，其特征在于，所述誘導(dǎo)子區(qū)是指路網(wǎng)中相鄰的、需要協(xié)調(diào)的、若干個(gè)誘導(dǎo)單元組成的交通區(qū)域，誘導(dǎo)子區(qū)內(nèi)各誘導(dǎo)單元采用相同誘導(dǎo)周期，并且在子區(qū)內(nèi)部進(jìn)行誘導(dǎo)方案的協(xié)調(diào)。全文摘要本發(fā)明公開(kāi)了一種智能式動(dòng)態(tài)路線誘導(dǎo)系統(tǒng)誘導(dǎo)子區(qū)協(xié)調(diào)方法，包括以下步驟1將誘導(dǎo)子區(qū)內(nèi)相同路口誘導(dǎo)單元進(jìn)行協(xié)調(diào)，從知識(shí)庫(kù)提取最優(yōu)誘導(dǎo)信息，重新預(yù)測(cè)連接路口的路段的飽和度；2加入誘導(dǎo)信息后，從誘導(dǎo)子區(qū)的最上游路口開(kāi)始，根據(jù)步驟1)預(yù)測(cè)得到的連接路口的路段飽和度，重新對(duì)下游相關(guān)路口的誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整；3如果下游路口誘導(dǎo)單元狀態(tài)不發(fā)生改變，則該兩個(gè)路口之間的協(xié)調(diào)結(jié)束；反之，對(duì)下游路口相關(guān)誘導(dǎo)單元狀態(tài)進(jìn)行調(diào)整。本發(fā)明在智能式DRGS框架下，將誘導(dǎo)子區(qū)內(nèi)相互獨(dú)立的誘導(dǎo)單元通過(guò)誘導(dǎo)單元狀態(tài)聯(lián)系起來(lái)，同時(shí)反映上游誘導(dǎo)單元交通流，相同路口其它誘導(dǎo)單元交通流對(duì)決策誘導(dǎo)單元的影響。文檔編號(hào)G08G1/00GK101465057SQ20091006760公開(kāi)日2009年6月24日申請(qǐng)日期2009年1月5日優(yōu)先權(quán)日2009年1月5日發(fā)明者劉建美,寧賈,鐘石泉,馬壽峰申請(qǐng)人:天津大學(xué)