基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法

摘要

本发明公开了一种基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法，首先获取高速公路交通路网结构数据，建立高速公路交通路网仿真模型，并在对应真实车检器布设位置处布设仿真虚拟车检器；获取待估计影响范围的交通事件信息，结合历史对应路段车检器数据，估计事发路段对应时间段的动态OD数据；然后仿真出下一时刻的交通流信息并进行对比，计算仿真粒子的权重，以及排队长度值和输出堵塞起始位置，最后获取所述交通事件最大的影响范围。本发明提供的方法在观察交通仿真系统VISSIM的基础上，结合粒子滤波数据同化方法，使仿真系统能动态的吸收实时的高速公路交通状态数据，跟踪交通发展趋势，估计交通事件影响范围。

说明书

技术领域

本发明涉及智能交通系统技术领域，特别是一种基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法。

背景技术

高速公路交通事件会降低路段通行效率，在车流量较大的情况下，可能会引发道路交通阻塞和车辆排队的问题。交通事件的影响范围和发展趋势的可靠估计是制定针对性交通管控策略的前提和基础，对保障高速公路的畅通运行和提高高速公路的管理服务水平具有重要的现实意义。

目前对高速公路交通事件影响范围预测的方法主要基于交通波理论,通过估计事件断面上下游的交通密度,对交通事件影响下的车辆排队后溢过程进行估计。该方法主要基于流量、速度、密度参数的方程,计算简单,但是缺少对车辆拥堵排队行为的精细化描述,会导致短时拥堵排队长度的估计值与实际严重不符合的情况。

从近几十年交通仿真研究来看，传统交通仿真技术多是基于在历史数据分析的基础上，通过分析结果标定仿真环境的相关参数，通过仿真系统内部的数学模型进行交通运行状况的仿真与预测。实时测量的交通流数据不能引入仿真环境下，仿真输出的结果难以精确的反应真实道路实际的交通运行状况和发展趋势。因此需要一种可以将交通流实时数据引入仿真环境，使仿真输出结果可以更准确的反应真实道路实际交通运行状况的高速公路交通事件影响仿真估计方法。

发明内容

本发明的目的是提出基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法。

本发明的目的是通过以下技术方案来实现的：

本发明提供的基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法，包括以下步骤：

步骤1，获取高速公路交通路网结构数据，建立高速公路交通路网仿真模型，并在对应真实车检器布设位置处布设仿真虚拟车检器；

步骤2，获取待估计影响范围的交通事件信息，包括事件发生时间、桩号范围、行车方向和预计持续时间；

步骤3，根据步骤2中的交通事件信息，结合历史对应路段车检器数据，估计事发路段对应时间段的动态OD数据；

步骤4，结合步骤1的高速公路交通路网仿真模型和步骤3估计的动态OD数据，利用仿真模型初始化N个仿真线程，各个仿真线程相互独立且同步地仿真出下一时刻的交通流信息，设各仿真粒子的堵塞初始位置为l_i,i＝1,...,N，并在堵塞位置处布设虚拟排队长度检测器；运行仿真到事件发生时间点的下一个数据采集周期；

步骤5，将真实道路上实时的传感器数据与仿真数据进行对比，计算t时刻N个仿真粒子的权重，记为w(i,t),i＝1,...,N，并进行归一化处理；

步骤6，计算若N_eff≤N，则转到步骤7，否则转到步骤8；

步骤7，重采样，设定有效粒子数为N_th，根据粒子集中粒子权值的大小，抛弃低权值粒子，得到新粒子集，所述新粒子集有N_th个粒子，并将每个粒子的权重重置为

步骤8，设粒子i中排队长度检测器检测到的排队长度值为N_t为t时刻还存在的粒子数，输出堵塞起始位置排队长度值

步骤9，根据步骤7获得的堵塞起始位置和排队长度值，获取所述交通事件实时的影响范围，判断仿真是否完成，完成则转到步骤10，否则仿真运行下一个时间周期，转到步骤5；

步骤10，根据步骤7获得的堵塞起始位置和排队长度值，获取所述交通事件最大的影响范围。

进一步，所述步骤3中估计事发路段对应时间段的动态OD数据，具体步骤如下：

S31:通过事件信息，设定周期，通过历史数据获取M个周期在相同t时间段事发路段上游车检器流量的统计数据；

S32:按照以下公式计算t时段内该路段输入车流量：

$>v_t=\frac{v1+v2+...+v_M}{M},$>

其中，v1、v2...v_M为M个周期事发路段上游车检器流量统计数据，t为采集周期；

S33:分别获取v_t-1,v_t,v_t+1,…，建立流量输入矩阵。

进一步，所述步骤4中初始化N个仿真线程，具体操作步骤如下：

S41:结合VISSIM提供的COM开发接口，结合步骤1建立的仿真路网模型和步骤3的流量输入矩阵，在事发路段上游车检器位置处设置流量输入点建立流量输入。

S42:初始化N个仿真粒子。

进一步，初始化仿真粒子的具体步骤如下：

S421:设事发位置桩号范围为[l₁,l₂]，取取位置间隔为l_d，不同粒子设定事发堵塞位置分别为…,l-l_d,l,l+l_d,…；

S422:在相同堵塞位置状态下也初始化多个仿真粒子，分别设置封道数；所述封道数包括为封单车道、封多车道和全封的封道数，模拟不同严重程度的事件对交通通行能力造成的不同影响程度；

S423:设获取的预计事件持续时间为t，取时间间隔为t_d，在相同堵塞位置相同封道数状态下初始化多个粒子，设定封道持续时间分别为…,t-t_d,t,t+t_d,…；并在堵塞位置处布设虚拟排队长度检测器。

进一步，所述步骤5中将真实道路上实时的传感器数据与仿真数据进行对比，计算t时刻N个仿真粒子的权重，具体操作步骤如下：

S51:通过收集各粒子车检器数据，所述粒子车检器数据包括检测周期内通过的车流量、平均车速和占有率等信息，收集对应位置实时的高速公路实际车检器收集的信息；

S52:通过比对不同粒子对应位置车检器与实时高速公路车检器数据，计算不同粒子的权重。

进一步，计算不同粒子的权重，具体操作步骤如下：

S521:假设所测量路段的总长度为L，在路段上总共布设n个检测器，检测器的编号分别为D₁,D₂,…,D_n，设检测器D_i的实际安装位置为L_i，则两个相邻检测器之间的距离为：l_i＝L_i+1-L_i，其中，i＝1，2，…，n-1；

S522：获取发生在检测器D_i和D_i+1之间的交通事件，并将真实道路上的实时的检测器数据与仿真粒子进行对比，计算t时刻N个仿真粒子的权重；

S523:按照如下公式计算仿真粒子i在t时刻的权重：

w(i,t)＝1/(S+v+o)；

$>S=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{sD}}_k(i,t)-{\mathrm{sD}}_k\left(t\right)}{{\mathrm{sD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$>

$>V=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{vD}}_k(i,t)-{\mathrm{vD}}_k\left(t\right)}{{\mathrm{vD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$>

$>O=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{oD}}_k(i,t)-{\mathrm{oD}}_k\left(t\right)}{{\mathrm{oD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|};$>

其中，

sD_k(i,t)表示i粒子在t时刻D_k位置的平均速度；

vD_k(i,t)表示i粒子在t时刻D_k位置的流量；

oD_k(i,t)表示i粒子在t时刻D_k位置的占有率；

sD_k(t)表示道路上D_k位置检测器获取的平均速度；

vD_k(t)表示道路上D_k位置检测器获取的流量；

oD_k(t)表示道路上D_k位置检测器获取的占有率。

进一步，所述步骤7对仿真粒子进行重采样，具体步骤如下：

S71:选择(0,1]的均匀分布取m＝0；

S72:如果满足以下公式，则对仿真粒子m进行u_i次复制：

其中，n_i为区间中u_i的个数；

S73:如果m≤(N-1)，m＝m+1,则返回步骤S72。

进一步，所述步骤9中判断仿真是否完成，具体步骤如下：判断所有粒子中的封道是否全部清除，若封道全部清除，则仿真结束，否则返回步骤5。

由于采用了上述技术方案，本发明具有如下的优点：

本发明提供的基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法，观察交通仿真系统VISSIM的基础上，结合粒子滤波数据同化方法，使仿真系统能动态的吸收实时的高速公路交通状态数据，跟踪交通发展趋势，估计交通事件影响范围。

本发明提供的方法通过动态数据驱动系统将控制论的思想引入到了仿真领域，仿真系统与实际系统构成了一个动态闭环反馈，仿真系统运行过程当中可以不断同化真实数据，动态地调整仿真模型状态。

传统的仿真系统多是基于对历史数据分析或经验值的基础上进行仿真环境和参数值的设定，建立相应的仿真模型往往会忽略很多的随机因素。

而在本方法中实时测量的交通流数据被引入到仿真环境中，整个仿真系统的运行过程是仿真与调整不断迭代的过程，所以仿真输出结果与真实道路实际的运行状况不断接近，精确度提高，对交通时间的影响范围进行估计时效果更好、可靠性更强。

传统仿真系统往往在仿真过程结束以后，根据仿真结果的输出进行仿真效果的比较，进而通过比较的结果进行相应初始化参数的调整。而本方法改变了这一运行方式，能够实时进行数据验证和模型的调整修正。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

本发明的附图说明如下。

图1示出了基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法的流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例

本实施例提供的基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法，包括以下步骤：

步骤1，获取高速公路交通路网结构数据，所述的高速公路交通路网结构数据，主要包括每个路段长度、车道数、车道连接情况，通过高速公路交通路网结构数据绘制对应的仿真路网结构图，并根据实际的车检器布设位置信息，在仿真路网对应位置布设虚拟车检器，建立高速公路仿真模型；

步骤2，获取待估计影响范围的交通事件信息，包括事件发生时间、桩号范围、行车方向和预计持续时间；

步骤3，根据步骤2中的交通事件信息，设定一周为周期，通过历史数据获取前四个周期相同t时间段事发路段上游车检器流量统计数据分别为v1、v2、v3、v4，t取半小时为一采集周期，则t时段内该路段输入车流量为：分别获取v_t-1,v_t,v_t+1,…，建立流量输入矩阵；结合步骤1建立的仿真路网模型，在事发路段上游车检器位置处设置流量输入点建立流量输入。

步骤4，结合步骤1的高速公路交通仿真模型和步骤3的数据，利用仿真模型初始化N个仿真线程，各个仿真线程都能够相互独立且同步地仿真出下一时刻的交通流信息；

设事发位置桩号范围为[l₁,l₂](l₁、l₂为距上游车间去的距离)，取取位置间隔为l_d；设获取的预计事件持续时间为t，取时间间隔为t_d；设事发路段为双车道，设N＝18,则各粒子的初始化条件为：

步骤5，仿真到事件发生时间点的下一个数据采集周期；

步骤6，将真实道路上实时的传感器数据与仿真数据进行对比，计算t时刻N个仿真粒子的权重，记为其中，步骤6具体为，通过收集各粒子上下游车检器数据，包括检测周期内通过的车流量、平均车速和占有率等信息，结合实时的高速公路实际车检器收集的信息，假设所测量路段的总长度为L，在路段上总共布设n个检测器，检测器的编号分别为D₁,D₂,…,D_n，因为实际情况的局限性，检测器的位置并不是均匀分布。设检测器D_i的实际安装位置为L_i，则两个相邻检测器之间的距离为：l_i＝L_i+1-L_i，其中(i＝1，2，…，n-1)。

假设交通事件发生在检测器D_i和D_i+1之间，我们将真实道路上的实时的检测器数据与仿真粒子进行对比计算t时刻N个仿真粒子的权重。sD_k(i,t)表示i粒子在t时刻D_k位置的平均速度，vD_k(i,t)表示i粒子在t时刻D_k位置的流量，oD_k(i,t)表示i粒子在t时刻D_k位置的占有率，sD_k(t)表示道路上D_k位置检测器获取的平均速度，vD_k(t)表示道路上D_k位置检测器获取的流量，oD_k(t)表示道路上D_k位置检测器获取的占有率；

粒子i在t时刻的权重计算方式如下式所示：

w(i,t)＝1/(S+v+o)

$>S=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{sD}}_k(i,t)-{\mathrm{sD}}_k\left(t\right)}{{\mathrm{sD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$>

$>V=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{vD}}_k(i,t)-{\mathrm{vD}}_k\left(t\right)}{{\mathrm{vD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$>

$>O=\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\frac{{\mathrm{oD}}_k(i,t)-{\mathrm{oD}}_k\left(t\right)}{{\mathrm{oD}}_k(i,t)}\right)}^2}{|L_k-\frac{L_i+L_{i+1}}{2}|}$>

并进行归一化处理，

步骤7，计算若N_eff≤N，则转到步骤8，否则转到步骤9；

步骤8，重采样，设定有效粒子数为N_th＝6，根据粒子集中粒子权值的大小，抛弃低权值粒子，得到新粒子集，新粒子集包含N_th个粒子，并将每个粒子的权重重置为

步骤8具体为，选择(0,1]的均匀分布

a.取m＝0；

b.若n_i为区间中u_i的个数，

c.那么对仿真粒子m进行u_i次复制，如果m≤5，则m＝m+1,返回b；否则结束采样；

步骤9，设粒子i中排队长度检测器检测到的排队长度值为设各仿真粒子的堵塞初始位置为l_i,i＝1,...,N_t，N_t为t时刻还存在的粒子数，则输出堵塞起始位置排队长度值

步骤11，根据步骤9获得的堵塞起始位置和排队长度值，获取所述交通事件实时的影响范围，判断所有粒子中的封道是否全部清除，若封道全部清除，则转到步骤12，否则仿真下一个时间周期，转到步骤6；

步骤12，根据步骤7获得的堵塞起始位置和排队长度值，获取所述交通事件的最大影响范围；

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。