面向?qū)崟r(shí)交通仿真的智慧公路運(yùn)行態(tài)勢評估與決策技術(shù)

吳嵐　張明　丁閃閃

（華設(shè)設(shè)計(jì)集團(tuán)股份有限公司，江蘇 南京 210014）

摘要 實(shí)時(shí)在線微觀交通仿真技術(shù)發(fā)展對精細(xì)化交通管控產(chǎn)生了重要的推動作用。通過構(gòu)建實(shí)時(shí)微觀交通仿真評價(jià)體系，開展路網(wǎng)交通運(yùn)行態(tài)勢動態(tài)評估及預(yù)測;同時(shí)，基于動態(tài)交通分配的路徑規(guī)劃決策算法支撐路網(wǎng)科學(xué)誘導(dǎo)、智能決策。在智慧公路實(shí)際道路場景中進(jìn)行BIM+GIS三維建模，其測試結(jié)果與該路段服務(wù)水平相近，面向?qū)崟r(shí)交通仿真的公路運(yùn)行態(tài)勢評估與決策技術(shù)助力公路出行服務(wù)效率提升、安全提升。

關(guān)鍵詞 實(shí)時(shí)在線微觀交通仿真;運(yùn)行態(tài)勢評估;智能決策;效率

中圖分類號 U495 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2022）06-0014-03

引言

基于微觀實(shí)時(shí)交通仿真技術(shù)模擬物理世界高度逼真的交通運(yùn)行環(huán)境，包括真實(shí)車輛行為、交叉口信號控制狀態(tài)等，利用路網(wǎng)態(tài)勢評估體系評價(jià)各類交通優(yōu)化方案的實(shí)施效果，為交通管理部門提供有效決策依據(jù)，有利于實(shí)現(xiàn)交通運(yùn)行管理精細(xì)化、科學(xué)化、高效化、智慧化的發(fā)展[1-2]。隨著城市擁堵問題的日漸嚴(yán)重，利用實(shí)時(shí)微觀交通仿真技術(shù)進(jìn)行交通狀態(tài)推演和管控成為趨勢，國內(nèi)在此方面進(jìn)行了大量的探索。Giuffrè[3]等研究開發(fā)了一種基于單車道環(huán)形交叉路口的交通仿真模型，并進(jìn)行真實(shí)案例分析證實(shí)其良好的匹配性;魏麗[4]等在微觀交通仿真中提出了基于期望車頭時(shí)距的跟馳模型，開發(fā)出模型程序，仿真結(jié)果更有效評價(jià)了交叉口信號控制策略。但方案研究僅限于單點(diǎn)或小范圍路段進(jìn)行試驗(yàn)，缺少針對大規(guī)模路網(wǎng)進(jìn)行驗(yàn)證。目前實(shí)時(shí)在線微觀交通仿真系統(tǒng)缺乏體系化評價(jià)，仿真對公路的實(shí)際管理效能不足，針對實(shí)時(shí)交通仿真的智慧公路評價(jià)指標(biāo)體系、智能決策的數(shù)學(xué)模型仍有待進(jìn)一步研究探索和應(yīng)用。

該文圍繞實(shí)時(shí)在線微觀交通仿真應(yīng)用場景，提出了一套完整的動態(tài)評估指標(biāo)體系和智能決策方法，推進(jìn)仿真技術(shù)在路網(wǎng)管理中的融合應(yīng)用。

1 路網(wǎng)運(yùn)行態(tài)勢評估體系

在建立交通仿真指標(biāo)前，須對實(shí)時(shí)交通模型的合理性進(jìn)行評價(jià)，保證模型誤差在規(guī)定范圍內(nèi);而后從交叉口、路段兩個(gè)層面分別進(jìn)行評價(jià)，最后在路網(wǎng)宏觀層面評價(jià)延誤與沖突，以形成微觀宏觀一體的完整評價(jià)體系。

1.1 模型合理性評價(jià)

模型合理性評價(jià)采用仿真與實(shí)測對比的方法進(jìn)行。具體地，標(biāo)定一個(gè)路段，一方面，利用VISSIM旅行時(shí)間測量模塊獲取仿真運(yùn)行過程中通過該路段的所有車輛的平均行程時(shí)間;另一方面在對應(yīng)的仿真模擬時(shí)段使用測量車，對標(biāo)定路段進(jìn)行實(shí)際行駛時(shí)間測量，最后兩者進(jìn)行對比，誤差不得超過10%。即：

式中：——仿真結(jié)果誤差值;

——在不同隨機(jī)種子下進(jìn)行仿真得出平均仿真旅行時(shí)間，s;

——在對應(yīng)仿真時(shí)段多次實(shí)測的平均行駛時(shí)間，s。

1.2 交叉口評價(jià)

交叉口評價(jià)，是根據(jù)仿真結(jié)果中交叉口整體延誤時(shí)間來判定其服務(wù)水平。在不同隨機(jī)種子下進(jìn)行模型仿真，得到多組延誤數(shù)據(jù)，整合計(jì)算，進(jìn)而得到最終的交叉口整體延誤時(shí)間;最后，通過延誤時(shí)間判斷交叉口的服務(wù)水平等級，輸出評價(jià)結(jié)果。

式中：——交叉口整體延誤時(shí)間，s;

——第i組仿真該交叉口延誤時(shí)間，s;

——第i組仿真該交叉口通過總流量，veh。

1.3 路段評價(jià)

通過評價(jià)路段服務(wù)水平，來快速有效地把控運(yùn)行效率，出現(xiàn)問題，能及時(shí)發(fā)現(xiàn)，采取控制匝道、小區(qū)流量匯入的措施，保證主路運(yùn)行通暢。按《HCM2010》劃分道路，保證每個(gè)路段只有一種類型，具體里程不作要求。根據(jù)對各路段仿真評價(jià)結(jié)果中的路段交通流量、平均速度進(jìn)行分析，獲得路段交通密度，進(jìn)而判斷路段交通服務(wù)水平。

式中：K——該路段交通流密度，veh/km;

Q——該路段仿真總流量，veh;

——該路段仿真通過車輛平均行駛速度，km/h。

1.4 路網(wǎng)延誤評價(jià)

對仿真區(qū)域內(nèi)整體路網(wǎng)延誤進(jìn)行評價(jià)，是為了最快地從宏觀層面了解整體路網(wǎng)交通運(yùn)行情況，從整體角度出發(fā)，關(guān)注全局通行能力，這有利于管理部門更有效地調(diào)整交通資源，保證管轄區(qū)域內(nèi)整體交通運(yùn)行穩(wěn)定。路網(wǎng)評價(jià)，主要依賴延誤指數(shù)，延誤指數(shù)越高，整體交通服務(wù)水平越差。

延誤指數(shù)，即道路交通實(shí)際通行時(shí)間與理想順暢狀態(tài)下通行時(shí)間的比值。一般暢通狀態(tài)下的通行時(shí)間，是仿真夜間車輛通行所獲得的。即：

式中：——延誤指數(shù);

——當(dāng)前時(shí)刻仿真路網(wǎng)內(nèi)某路段車輛行程時(shí)間;

——暢通狀態(tài)下仿真路網(wǎng)內(nèi)某路段車輛行程時(shí)間。

1.5 路網(wǎng)沖突評價(jià)

通過結(jié)合微觀交通仿真軟件與仿真沖突分析軟件SSAM（Surrogate Safety Assessment Model的簡稱），根據(jù)分析得到的仿真沖突代替歷史事故和現(xiàn)場交通沖突對交通設(shè)施進(jìn)行安全評價(jià)，從而間接進(jìn)行交通安全評價(jià)。

與現(xiàn)實(shí)情況下的交通沖突概念相類似，仿真沖突是指在仿真模型中兩輛車輛在相互沖突的軌跡上運(yùn)行，由于其中一輛車或者兩輛車同時(shí)采取了避險(xiǎn)行為而沒有發(fā)生仿真事故的事件。根據(jù)仿真沖突的形成過程特點(diǎn)，SSAM根據(jù)仿真車輛TTC（Time-to-collision的簡稱）判斷是否存在仿真沖突。TTC指轉(zhuǎn)向車輛離開沖突點(diǎn)到直行車輛保持原有車速和行駛方向到達(dá)沖突點(diǎn)的時(shí)間差。TTC閾值可在運(yùn)行SSAM前根據(jù)實(shí)際需要進(jìn)行修改，其默認(rèn)值為1.5 s，而當(dāng)TTC值大于1.5 s時(shí)，認(rèn)為兩車之間沒有發(fā)生沖突（如圖1所示）。

2 智能化決策技術(shù)研究

2.1 決策支持基礎(chǔ)——動態(tài)交通分配模型

動態(tài)交通分配是智能化決策技術(shù)的關(guān)鍵，根據(jù)不同路網(wǎng)交通承載能力將交通需求分配到最優(yōu)路徑上，實(shí)現(xiàn)不同路網(wǎng)交通優(yōu)化目標(biāo)。動態(tài)交通分配模型主要分為離線版和在線版，離線版動態(tài)交通分配通常用于優(yōu)化與評估交通規(guī)劃和交通管理方案;在線版動態(tài)交通分配更偏重于路網(wǎng)實(shí)時(shí)信息的估計(jì)和預(yù)測。

2.2 A*最短路徑規(guī)劃算法

A*最短路徑規(guī)劃算法主要采用優(yōu)先搜索算法來尋找單起始點(diǎn)單目的點(diǎn)的最短路徑。相比于Dijkstra 算法，具有更好的執(zhí)行效率。該算法通過距離和權(quán)重組成的函數(shù)來決定搜索的優(yōu)先順序。在搜索過程中，該算法優(yōu)先選擇高權(quán)重的路徑，并重復(fù)搜索，直至最短路徑出現(xiàn)為止。

2.3 基于動態(tài)交通分配的路徑規(guī)劃決策

基于動態(tài)交通分配的路徑規(guī)劃決策在路徑規(guī)劃過程中引入動態(tài)交通信息，進(jìn)行路網(wǎng)狀況與預(yù)測，使得該決策算法更具有動態(tài)性;利用微觀交通仿真軟件對車輛行駛行為進(jìn)行模擬，得以反映動態(tài)交通分配模型中不同類型車輛之間在行駛過程中的相互影響，使得該決策算法更具有全面性。因此，算法具有更實(shí)時(shí)的數(shù)據(jù)支撐和模型推演，從而獲得更準(zhǔn)確的路徑規(guī)劃結(jié)果（如圖2所示）。

3 研究成果示范應(yīng)用

案例選取S342無錫段智慧公路科技示范工程為應(yīng)用對象，該路段為已建大流量普通國省道，是江蘇省干線公路快速骨架網(wǎng)“四縱八橫”中的一部分，作為蘇南、蘇皖重要通道對支撐長三角一體化高質(zhì)量發(fā)展起到重要作用。示范路段全線位于無錫，共計(jì)52.75 km，其中與312國道共線段13 km，共線段與全國最繁忙的滬寧高速公路平行?，F(xiàn)構(gòu)建該區(qū)域的BIM+GIS實(shí)時(shí)交通仿真路網(wǎng)模型，形成動態(tài)評價(jià)指標(biāo)和決策方法，支撐路網(wǎng)應(yīng)急管控。

3.1 三維場景跨平臺呈現(xiàn)

實(shí)現(xiàn)全線微觀交通仿真與三維BIM+GIS平臺匹配，利用WebSocket通信技術(shù)打通桌面仿真軟件與Web前端的鏈路，基于WebGL可視化技術(shù)實(shí)現(xiàn)了實(shí)時(shí)三維交通仿真Web端呈現(xiàn)（如圖3所示），將交通仿真軟件中的車輛推送至三維BIM+GIS平臺，跨平臺實(shí)現(xiàn)車輛流動，Web前端應(yīng)用中加載WebGL高精度三維模型數(shù)據(jù)，建立車輛隊(duì)列管理器，依據(jù)獲取到的仿真程序輸出結(jié)果，實(shí)現(xiàn)車輛對象動態(tài)生成和移除，同時(shí)更新WebGL環(huán)境中車輛對象位置姿態(tài)，實(shí)現(xiàn)仿真計(jì)算結(jié)果的動態(tài)同步。

3.2 交通仿真評價(jià)指標(biāo)

基于實(shí)時(shí)交通仿真評價(jià)體系，對交通運(yùn)行狀態(tài)深度挖掘，由點(diǎn)及面，對節(jié)點(diǎn)、路段、路網(wǎng)等進(jìn)行剖析，分析其時(shí)間、空間上的交通規(guī)律，形成實(shí)時(shí)評價(jià)指標(biāo)（如圖4所示），包括延誤、排隊(duì)長度、通行時(shí)間等10余項(xiàng)，支撐大規(guī)模路網(wǎng)的實(shí)時(shí)交通管控。同時(shí)，結(jié)合仿真技術(shù)與預(yù)測算法，可對路網(wǎng)交通狀態(tài)進(jìn)行15/30 min短時(shí)交通預(yù)測，預(yù)測指數(shù)涵蓋宏觀路網(wǎng)、微觀路段與交叉口，有助于分析路網(wǎng)未來態(tài)勢。

3.3 智能決策誘導(dǎo)方案生成

通過智能化的路徑?jīng)Q策算法支持，針對擁堵、事故、養(yǎng)護(hù)等路網(wǎng)事件，進(jìn)行動態(tài)交通分配，通過科學(xué)的路徑誘導(dǎo)方案實(shí)時(shí)發(fā)布到平臺端，提示路網(wǎng)管理人員向路側(cè)情報(bào)板、第三方導(dǎo)航平臺等發(fā)布出行引導(dǎo)信息，平衡路網(wǎng)交通流量、提升通行效率。以望江立交-錫虞立交為例（如圖5所示），仿真系統(tǒng)對該路段態(tài)勢實(shí)時(shí)推演擁堵路段態(tài)勢，平臺智能生成決策誘導(dǎo)方案，引導(dǎo)駕駛員繞開主線。

4 結(jié)語

該文構(gòu)建了實(shí)時(shí)微觀交通仿真評價(jià)體系，提出了支撐路網(wǎng)科學(xué)誘導(dǎo)、智能決策的路徑分配算法。并利用構(gòu)建的路網(wǎng)及外場檢測器數(shù)據(jù)搭建系統(tǒng)平臺進(jìn)行實(shí)際應(yīng)用測試，實(shí)現(xiàn)了低延時(shí)、長里程的三維高精度交通仿真路網(wǎng)的實(shí)時(shí)監(jiān)測、預(yù)測和動態(tài)預(yù)警，形成了完整的公路網(wǎng)定量評價(jià)指標(biāo)體系，使交通管控具備精細(xì)的決策分析能力。未來基于該技術(shù)可構(gòu)建更復(fù)雜的實(shí)時(shí)交通仿真路網(wǎng)，結(jié)合實(shí)際業(yè)務(wù)需求科學(xué)制定基于動態(tài)決策能力的科學(xué)交通管控和誘導(dǎo)方案，提高普通國省道智慧公路管理效能、提升公路出行服務(wù)水平。

參考文獻(xiàn)

[1]王松， 黃柯棣， 楊妹. 基于動態(tài)數(shù)據(jù)驅(qū)動的交通在線決策[J]. 計(jì)算機(jī)仿真， 2019（1）：167-170.

[2]周勇， 羅佳晨， 陳振武， 等. 基于在線仿真的交通信號管控應(yīng)用模式思考： 2019年中國城市交通規(guī)劃年會[C].中國四川成都， 2019.

[3]Giuffrè， O.， Granà， A.， Tumminello， M.L.， Sferlazza， A.Calibrating a microscopic traffic simulation model for roundabouts using genetic algorithms[J]. Journal of Intelligent and Fuzzy Systems， 2018（2）： 1791-1806.

[4]魏麗， 孫俊， 商蕾. 微觀交通仿真模型建模及應(yīng)用[J]. 武漢理工大學(xué)學(xué)報(bào)， 2010（4）： 793-796+800.

收稿日期：2022-02-17

作者簡介：吳嵐（1986—），女，碩士，高級工程師，研究方向：智能感知、交通仿真、交通控制和交通安全。