基于VISSIM的微觀交通仿真模型參數(shù)標定研究

張鹍鵬 劉鼎 謝秉磊

摘要：在仿真軟件進行交通仿真之前，必需進行模型參數(shù)的標定，以提升交通模型的適用性和交通仿真的準確性。目前國內(nèi)應(yīng)用的主流交通仿真軟件大多依托于國外交通特性開發(fā)，不能充分適用于我國實際交通運行特征。在已有研究的基礎(chǔ)上，本文借助VISSIM COM接口，以排隊長度、最大排隊長度、旅行時間、出行延誤為評價指標，借助遺傳算法的智能尋優(yōu)功能，利用C#語言開發(fā)了模型參數(shù)標定工具，實現(xiàn)了29種模型參數(shù)的自由組合以及自動化和便捷化標定，并且用深圳市實際案例驗證了模型算法的有效性。本研究提供了一套通用性強、操作便捷的模型標定方法，可為實際模型標定工作提供支持。

Abstract： It is necessary to calibrate parameters to improve the applicability of traffic models and accuracy of traffic simulation before conduction of the traffic simulation. At present， most of traffic simulation software applied in China is mostly developed by the foreign traffic characteristics， but it cannot adapt to the actual traffic operation characteristics of China. On the basis of the existing researches， with the help of VISSIM COM interface， this paper takes the queuing length， maximum queuing length， travel time and travel delay as the evaluation indexes， and uses the intelligent optimization function of genetic algorithm. Then the calibration tool of model parameters is developed by using C# language， which realizes the automatic and convenient calibration of 29 model parameters. The model algorithm is verified by the actual case in Shenzhen. This study provides a set of universal and convenient calibration method for driving behavior model， which can provide support for the actual model calibration work.

關(guān)鍵詞：交通仿真;VISSIM;參數(shù)標定;遺傳算法;標定工具

Key words： traffic simulation;VISSIM;parameter calibration;genetic algorithm;calibration tool

中圖分類號：U491?????????????????????????????????????? 文獻標識碼：A????????????????????????????????? 文章編號：1006-4311（2020）28-0189-05

0? 引言

在實際重大工程建設(shè)、片區(qū)交通改善、重點活動交通組織等項目中，常利用Vissim、Tansmodeler、PARAMICS等微觀交通仿真軟件進行方案評估，旨在對方案實施前后的效果、交通影響進行量化分析，輔助比選設(shè)計方案，以提升決策的科學(xué)性。然而這些微觀交通仿真軟件均從國外引進，其軟件參數(shù)默認值反應(yīng)了國外交通特性，不符合我國國情。同時在實際工程應(yīng)用中，交通仿真人員又常常輕視模型的參數(shù)標定工作，導(dǎo)致仿真結(jié)果可靠性、準確性較差。同時，目前常用的參數(shù)標定方法是有經(jīng)驗的工程師依據(jù)現(xiàn)狀觀測值手動進模型參數(shù)調(diào)試，存在參數(shù)標定時間長、人員專業(yè)性要求高等缺陷，故而亟需建立一套面向工程應(yīng)用的、通用性強、操作簡便的微觀交通仿真模型標定方法。

楊洪利用多情景實驗分析，對比仿真結(jié)果與規(guī)范值，來確定合理的參數(shù)取值范圍。Ciuffo B提出利用流量和速度校正模型。孫劍采用遺傳模擬退火啟發(fā)式算法建立了VISSIM仿真模型校正算法。成衛(wèi)提出微觀交通參數(shù)及動態(tài)路徑選擇的校正設(shè)計流程。Ciuffo B利用遺傳算法為校準算法，建立了全局參數(shù)敏感性闡發(fā)方法對高峰時間段的模型進行校準。朱林波利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)研究模型中各參數(shù)對主-輔路行程時間這一評價指標的影響。盧守峰借助流量速度圖，以最小化流量速度圖的實測值與仿真值的差異為優(yōu)化目標來標定Wiedemann74模型參數(shù)。Punzo V提出了一種混合交通流下仿真模型校正的方法。楊艷芳借助SOGA算法，優(yōu)化了染色體編碼、適應(yīng)度函數(shù)等算法流程，提高了標定效率和準確性。孫惠芳從乘客屬性、心理特征、行為特征、設(shè)施環(huán)境、其他行人影響等方面分析不同群體的交通特性差異性。

2.3 模型標定實現(xiàn)

C#是微軟公司發(fā)布的一種面向?qū)ο蟮?、運行于.NET Framework和.NET Core（完全開源，跨平臺）之上的高級程序設(shè)計語言。

研究中利用C#調(diào)用VISSIM COM接口，同時編寫遺傳算法求解程序，借助高效的桌面端應(yīng)用開發(fā)功能，實現(xiàn)模型參數(shù)標定的可視化，標定界面如圖2所示，具備微觀交通仿真基礎(chǔ)參數(shù)設(shè)置、評價指標選取、遺傳算法優(yōu)化、待標定參數(shù)選取以及最優(yōu)化標定結(jié)果輸出等功能。

微觀交通仿真模型參數(shù)標定的具體流程為：

Step1：初始化仿真路網(wǎng)，設(shè)置仿真時間、仿真精度、隨機種子等仿真參數(shù);

Step2：選取平均排隊長度、最大排隊長度、旅行時間、車輛延誤中的一個或多個作為交通仿真評價指標;

Step3：設(shè)置遺傳算法收斂條件、選擇概率、交叉概率、變異概率等參數(shù);

Step4：從跟馳模型和車道變換模型中選擇需要標定的模型參數(shù);

Step5：點擊運行，通過VISSIM COM接口將參數(shù)傳入VISSIM軟件中，仿真運行結(jié)束后，通過COM接口調(diào)用交通仿真評價指標的取值，計算適應(yīng)度值。檢查是否滿足收斂要求，若是，轉(zhuǎn)到Step7;若不是，轉(zhuǎn)到Step6;

Step6：對種群中的每個染色體代表的參數(shù)序列，進行選擇、交叉和變異操作，生成新的種群，轉(zhuǎn)到Step5;

Step7：模型參數(shù)標定結(jié)束，輸出最優(yōu)化參數(shù)序列。

3? 模型標定算法驗證

為驗證模型標定方法的有效性，利用VISSIM搭建深圳市某交口的仿真環(huán)境，交叉口位于兩主干路相交處，早晚高峰流量很大，項目采集到2019年6月4日7：00-9：00的流量、信號配時、交通構(gòu)成、交叉口轉(zhuǎn)向等數(shù)據(jù)，同時在VISSIM設(shè)置了檢測器，采集排隊長度、出行時間、延誤時間等信息。

遺傳算法參數(shù)設(shè)置：種群數(shù)量為30，進化代數(shù)為10，選擇概率為0.9，交叉概率為0.5，變異概率為0.05。以平均排隊長度和最大排隊長度與實測值差的絕對值作為適應(yīng)度評價函數(shù)，當(dāng)程序運行到最大迭代次數(shù)時，將停止運算輸出最優(yōu)化的參數(shù)標定結(jié)果。

本次實驗中選用跟馳模型的安全距離折減系數(shù)、安全距離的附加部分、安全距離的倍數(shù)以及換道模型的平均停車間距、最小車頭空距、最大減速度（跟車）、最大減速度（自身）、協(xié)同剎車最大減速度、慢車道超車最小時間間距等9項參數(shù)作為待標定參數(shù)，點擊開始進行模型參數(shù)標定，模型標定參數(shù)選擇和設(shè)置情況及運行結(jié)果如圖3和圖4所示，目標函數(shù)值和參數(shù)標定結(jié)果取值情況如表3和表4所示。

從表3可知，利用VISSIM軟件默認參數(shù)進行仿真時，排隊長度和最大排隊長度與實際觀測值的誤差分別為16.90%、11.32%，利用優(yōu)化后參數(shù)進行仿真的誤差分別為7.46%、8.11%，與實際情況的擬合程度分別提升了9.44%、3.21%，表明標定后的模型能夠更好的再現(xiàn)實際交通運行狀況。

4? 結(jié)論

本次研究實現(xiàn)了微觀仿真模型參數(shù)的自動標定。通過借助VISSIM COM接口，以排隊長度、最大排隊長度、旅行時間、出行延誤為評價指標，借助遺傳算法的智能尋優(yōu)功能，利用C#語言實現(xiàn)了29種模型參數(shù)標定的自動化和便捷化。同時利用實測數(shù)據(jù)驗證了模型算法的有效性和合理性，能夠為微觀交通仿真工作提供支撐。

在后續(xù)研究中，可考慮應(yīng)用到更大范圍的路網(wǎng)上，以進行分路段、分片區(qū)的微觀交通仿真模型的參數(shù)標定。此外，同時也可結(jié)合檢測器、卡口等設(shè)備的實時交通流量、排隊長度、速度等據(jù)，可以來進行實時仿真情景下的模型參數(shù)標定研究。

參考文獻：

[1]楊洪，韓勝風(fēng)，陳小鴻.Vissim仿真軟件模型參數(shù)標定與應(yīng)用[J].城市交通，2006（6）：22-25.

[2]Ciuffo.B， V.Punzo， V. Torrieri. A Framework for the Calibration of Microscopic Traffic Flow Models [C]. Transportation Research Board Annual Meeting， Washington， D.C.， Jan2007.

[3]孫劍，楊曉光，劉好德.微觀交通仿真系統(tǒng)參數(shù)校正研究[J].系統(tǒng)仿真學(xué)報，2007（1）：48-50.

[4]Manjunatha， P.， Vortisch， P. and Mathew， T.V. Methodology for the Calibration of VISSIM in Mixed Traffic. Transportation Research Board 92nd Annual Meeting， 2013： 13-3677.

[5]成衛(wèi)，袁滿榮，陳輝.基于Q-paramics的微觀交通仿真模型參數(shù)校正[J].系統(tǒng)工程，2013（02）：46-50.

[6]成衛(wèi)，金成英，袁滿榮.基于遺傳模擬退火算法的TRANSMODELER仿真模型參數(shù)標定研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2014，38（03）：478-482.

[7]盧守峰，王麗圓.宏觀標定方法在Wiedemann駕駛行為閾值研究中的應(yīng)用[J].公路交通科技，2014，31（9）：115-119.

[8]Punzo V， Montanino M， Ciuffo B. Global sensitivity analysis techniques to simplify the calibration of traffic simulation models. Methodology and application to the IDM car-following model[J]. IET Intelligent Transport Systems， 2014， 8（5）： 479-489.

[9]朱林波，羅霞.基于人工神經(jīng)網(wǎng)絡(luò)的微觀交通仿真模型參數(shù)靈敏度分析[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2014（2）：426-430.

[10]孫惠芳.城市軌道交通車站通道行人步行微觀參數(shù)實測分析[J].交通科技與經(jīng)濟，2017，19（6）：33-38.

[11]楊艷芳，秦勇，努爾蘭 木漢.基于SOGA的VISSIM仿真模型參數(shù)標定方法[J].交通運輸系統(tǒng)工程與信息，2017（3）：91-97.

[12]吳嬌蓉，辛飛飛.交通系統(tǒng)仿真及應(yīng)用[M].上海：同濟大學(xué)出版社，2012.

[13]盧守峰，劉喜敏.微觀交通仿真[M].長沙：中南大學(xué)出版社，2016.

[14]PTV. VISSIM 6 USER MANUAL [Z] .German： Transport Verkeher AG 2014.

[15]胡婷.面向快速路交織區(qū)的微觀交通仿真模型標定研究[D].北京：北京交通大學(xué)，2010.

[16]王雪松，朱美新.基于自然駕駛數(shù)據(jù)的中國駕駛?cè)顺鞘锌焖俾犯Y模型標定與驗證[J].中國公路學(xué)報，2018，31（9）：129-138.

[17]尹俊淞.基于道路速度-排隊長度的VISSIM參數(shù)標定建模與算法[J].交通運輸工程與信息學(xué)報，2019（3）：144-151.

[18]李美影.基于改進遺傳算法的微觀交通仿真模型參數(shù)標定方法研究[D].濟南：山東大學(xué)，2019.

[19]劉媛媛.面向C#程序的異常處理系統(tǒng)的設(shè)計與應(yīng)用[D]. 西南交通大學(xué)，2016.

基金項目：教育部科技發(fā)展中心產(chǎn)學(xué)研創(chuàng)新基金“多源城市大數(shù)據(jù)驅(qū)動的居民出行時空模式分析與建?！保?018A01025）;深圳市哲學(xué)社會科學(xué)規(guī)劃課題“多源城市大數(shù)據(jù)驅(qū)動的粵港澳大灣區(qū)交通網(wǎng)絡(luò)一體化協(xié)調(diào)發(fā)展研究”（SZ2019C004）;國家自然科學(xué)基金項目“基于交通行為的道路網(wǎng)絡(luò)脆弱性識別及改善策略研究”（71473060）。

作者簡介：張鹍鵬（1981-），男，河南鶴壁人，教授級高級工程師，博士在讀，研究方向為軌道交通規(guī)劃、交通信息化等。