數(shù)字孿生交通仿真在大型活動中的應(yīng)用
——以成都大運(yùn)會為例

文圖｜張棟 謝文斌 龔永剛

體育賽事、峰會論壇、展覽會、演唱會等大型活動期間，舉辦城市出行人數(shù)龐大，交通服務(wù)要求高，交通保障工作面臨巨大挑戰(zhàn)。2023 年7 月28 日至8月8 日，第31 屆世界大學(xué)生夏季運(yùn)動會（以下簡稱大運(yùn)會）在四川成都舉行，為做好大運(yùn)會的交通保障工作，成都市公安局交通管理局強(qiáng)化使命擔(dān)當(dāng)，科學(xué)精準(zhǔn)施策，利用數(shù)字孿生交通仿真技術(shù)實(shí)現(xiàn)了對大運(yùn)會專用車道等多項(xiàng)交通管控預(yù)案的在線推演，以數(shù)字化、智能化的方式研判管控方案實(shí)施的可行性，本文分享其工作思路及經(jīng)驗(yàn)，以期與讀者共勉。

一、大運(yùn)會交通管控難點(diǎn)分析

大運(yùn)會共計(jì)45 個賽會駐地和49 個場館，分布在成都主城區(qū)及周邊區(qū)域的各個方向。駐地與場館間的交通需要頻繁使用城市交通干道，賽事交通與城市交通大量交織。針對成都市交通出行規(guī)律，大運(yùn)會期間宏觀層面的交通特征分析、出行需求預(yù)測是制定交通管理與控制策略首先要解決的問題。

根據(jù)成都市日常交通管理經(jīng)驗(yàn)與常態(tài)化的交通出行規(guī)律，大運(yùn)會交通管控策略的制定難點(diǎn)主要集中在兩個方面：一是成都諸多主要通勤線路的通行量已經(jīng)接近飽和狀態(tài)，疊加觀賽交通流的情況下，設(shè)置賽會專用車道是否對全市交通狀況造成較大范圍的影響；二是大運(yùn)會舉辦期間恰逢暑期剛剛開始，成都是重點(diǎn)旅游城市，在管控策略的制定上，需要綜合考慮暑期與非暑期的交通流變化。

二、大運(yùn)會數(shù)字孿生交通仿真實(shí)踐思路

數(shù)字孿生是物理世界與網(wǎng)絡(luò)世界虛實(shí)之間雙向映射、動態(tài)交互、實(shí)時鏈接的關(guān)鍵途徑。通過云計(jì)算、人工智能推理可將物理世界中城市交通行為映射到虛擬世界，以動態(tài)數(shù)據(jù)驅(qū)動、數(shù)據(jù)建模、交通感知、多源數(shù)據(jù)融合等技術(shù)為手段，將交通仿真嵌入數(shù)字孿生城市系統(tǒng)中，實(shí)現(xiàn)交通仿真與實(shí)際交通運(yùn)行的相互映射。數(shù)字孿生交通仿真將離線仿真改變?yōu)樵诰€模式，實(shí)時動態(tài)呈現(xiàn)城市整體路網(wǎng)需求和交通流，并根據(jù)歷史數(shù)據(jù)預(yù)測整體路網(wǎng)需求變化和交通流變化。

在大運(yùn)會交通管控策略規(guī)劃階段，利用數(shù)字孿生仿真系統(tǒng)，對政策執(zhí)行前后的交通流仿真建模和分析，實(shí)時呈現(xiàn)交通運(yùn)行指標(biāo)。通過對政策執(zhí)行前后交通運(yùn)行指標(biāo)的變化區(qū)域進(jìn)行綜合研判，為政策方案落地提供數(shù)據(jù)支撐和技術(shù)支撐。

三、大運(yùn)會數(shù)字孿生交通仿真系統(tǒng)的搭建

基于大運(yùn)會交通管控痛點(diǎn)和難點(diǎn)，在現(xiàn)有成都智慧交通一期、二期的建設(shè)成果支撐下，通過多源異構(gòu)交通數(shù)據(jù)融合打造成都大運(yùn)會數(shù)字孿生交通仿真系統(tǒng)。系統(tǒng)架構(gòu)如圖1 所示。

圖1 大運(yùn)會數(shù)字孿生交通仿真系統(tǒng)架構(gòu)圖

（一）構(gòu)建數(shù)字孿生路網(wǎng)

將物理路網(wǎng)還原為數(shù)字孿生路網(wǎng)，以數(shù)字化的方式提供各種粒度的道路實(shí)體信息、道路拓?fù)潢P(guān)系等路網(wǎng)查詢能力，通過數(shù)據(jù)清洗完成路口、路段信息的補(bǔ)充修正。最終產(chǎn)出一套成都數(shù)字化路網(wǎng)結(jié)構(gòu)數(shù)據(jù)模型，實(shí)現(xiàn)路網(wǎng)、設(shè)施、設(shè)備、道路周邊交通相關(guān)實(shí)體的邏輯數(shù)字化，構(gòu)成車道級數(shù)字化邏輯路網(wǎng)模型及數(shù)據(jù)，提供道路、路口、路段、車道、設(shè)施、設(shè)備、道路周邊交通相關(guān)實(shí)體等多種交通實(shí)體相互拓?fù)潢P(guān)聯(lián)關(guān)系數(shù)據(jù)。

（二）多源異構(gòu)交通數(shù)據(jù)融合

交通數(shù)據(jù)融合計(jì)算模塊主要是匯聚城市基本路網(wǎng)拓?fù)湫畔?、設(shè)施信息、路口渠化、交管動態(tài)數(shù)據(jù)（包括信號機(jī)數(shù)據(jù)、卡口/視頻、線圈、微波數(shù)據(jù)等）、多源視頻結(jié)構(gòu)化數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)，對多元數(shù)據(jù)進(jìn)行治理和融合。通過交通數(shù)據(jù)底盤的建立，提供融合的、統(tǒng)一表達(dá)的、高質(zhì)量的交通參數(shù)。成都智慧交通一、二期的感知數(shù)據(jù)與互聯(lián)網(wǎng)導(dǎo)航數(shù)據(jù)、互聯(lián)網(wǎng)位置數(shù)據(jù)（LBS）等進(jìn)行融合計(jì)算，主要包括速度融合、流量融合、排隊(duì)長度融合、在途量融合、事件融合、出行方式還原、軌跡補(bǔ)全等。

（三）宏觀交通仿真模型搭建

宏觀交通仿真是基于經(jīng)典的流體力學(xué)建模道路的流量、密度和速度在時間和空間上的演化，進(jìn)而來表征路網(wǎng)在時空上的變化特征，可以分為交通出行需求預(yù)測模型和道路交通系統(tǒng)仿真模型。其中需求預(yù)測模型會根據(jù)不同的交通事件對居民出行進(jìn)行重新預(yù)測；仿真模型則基于交通流模型將OD 分配到仿真路網(wǎng)上，并通過不斷迭代優(yōu)化居民出行路徑選擇，最終達(dá)到用戶均衡。

四、賽會前后數(shù)字孿生仿真實(shí)踐結(jié)果

大運(yùn)會期間成都市公安局交通管理局制定多項(xiàng)交通保障措施，本文僅針對大運(yùn)會專用車道的仿真推演進(jìn)行詳細(xì)闡述。在仿真系統(tǒng)中，從成都繞城高速、三環(huán)路、東西軸線、解放路等主干道中設(shè)置18 條大運(yùn)會專用車道，雙向里程382.56 公里。

（一）仿真范圍與評價指標(biāo)定義

大運(yùn)會專用車道設(shè)置影響仿真推演范圍為“5+1”城區(qū)，包括錦江區(qū)、青羊區(qū)、金牛區(qū)、武侯區(qū)、成華區(qū)、高新區(qū)。

以延誤指數(shù)判斷區(qū)域擁堵和路段擁堵，標(biāo)準(zhǔn)如表1 所示。仿真時段劃分標(biāo)準(zhǔn)為：早高峰7:30 ～9:30、晚高峰17:00 ～19:00、日平峰9:30 ～17:00、晚平峰19:00 ～22:00。

表1 區(qū)域擁堵和路段擁堵判斷標(biāo)準(zhǔn)

（二）仿真評價區(qū)域

本次將仿真區(qū)域按照繞城高速、三環(huán)、繞城高速與三環(huán)間、三環(huán)以內(nèi)，劃分了四個評價區(qū)域，區(qū)域內(nèi)道路不重疊。

（三）仿真結(jié)論

1.非暑期仿真結(jié)果

如表2 所示，非暑期設(shè)置大運(yùn)會專用車道影響最大的區(qū)域是三環(huán)路和繞城高速，其中對早高峰的影響最明顯。三環(huán)路早高峰延誤指數(shù)由1.9 上升到2.15，狀態(tài)由擁堵變?yōu)閲?yán)重?fù)矶?；晚高峰延誤指數(shù)由1.77 上升到1.94，狀態(tài)由緩行變?yōu)閾矶?；午平峰延誤指數(shù)由1.42 上升到1.57，狀態(tài)由暢通變?yōu)榫徯?。繞城高速早高峰延誤指數(shù)由1.75 上升到1.88，狀態(tài)由緩行變?yōu)閾矶?；繞城晚高峰延誤指數(shù)由1.48 上升到1.59，狀態(tài)由暢通變?yōu)榫徯小Ｈh(huán)內(nèi)與繞城三環(huán)之間，受設(shè)置專用車道的影響較小。

表2 非暑期大運(yùn)會專用車道仿真結(jié)果

2.暑期仿真結(jié)果

如表3 所示，暑期設(shè)置大運(yùn)會專用車道影響最大的區(qū)域是三環(huán)路和繞城高速，其中對晚高峰的影響最明顯。三環(huán)路早高峰延誤指數(shù)由1.88 上升到2.09，狀態(tài)由擁堵變?yōu)閲?yán)重?fù)矶?；晚高峰延誤指數(shù)由2.15 上升到2.37，嚴(yán)重?fù)矶聽顟B(tài)的延誤指數(shù)上升10%；午平峰延誤指數(shù)由1.7 上升到1.89，狀態(tài)由緩行變?yōu)閾矶?。繞城晚高峰延誤指數(shù)由1.85 上升到2.01，狀態(tài)由擁堵變?yōu)閲?yán)重?fù)矶?；早高峰延誤指數(shù)由1.76 上升到1.89，狀態(tài)由緩行變?yōu)閾矶?。三環(huán)內(nèi)與繞城三環(huán)之間，受設(shè)置專用車道的影響較小。

表3 暑期大運(yùn)會專用車道仿真結(jié)果

（四）仿真結(jié)果驗(yàn)證

為驗(yàn)證本次交通仿真結(jié)果，工作人員使用高德城市交通“評診治”分析系統(tǒng)對交通態(tài)勢進(jìn)行了跟蹤。根據(jù)大運(yùn)會交通仿真政策中的限行政策，2023 年7 月31 日至8 月4 日與日常尾號限行一致，屬于在大運(yùn)會期間最接近日常交通狀態(tài)的時間段，因此本次仿真驗(yàn)證選用此時間段數(shù)據(jù)。具體校驗(yàn)流量準(zhǔn)確率、速度準(zhǔn)確率和堵點(diǎn)準(zhǔn)確率。

流量準(zhǔn)確率定義：根據(jù)卡口流量置信度選擇評價路段集，計(jì)算路段集中仿真輸出流量與卡口流量相比的準(zhǔn)確率。計(jì)算邏輯如下：

其中，acc 表示預(yù)測準(zhǔn)確率；T 表示仿真的時間段數(shù)量，一般T 等于仿真小時數(shù)；L 表示參加計(jì)算的路段的數(shù)量，l 表示具體路段；flowl,t表示路段l 在t 時間的實(shí)際流量；flowt表示所有路段在t 時間內(nèi)的實(shí)際總流量。

mape(flowl,t)表示路段l 的總體預(yù)測平均絕對百分比誤差，其計(jì)算方法為：

仿真準(zhǔn)確率定義：根據(jù)卡口流量置信度選擇評價路段集，計(jì)算路段集中仿真輸出速度與實(shí)際速度相比的準(zhǔn)確率。計(jì)算邏輯如下：

mape(speedl,t)表示路段l 的總體預(yù)測平均絕對百分比誤差，其計(jì)算方法為：

堵點(diǎn)命中率定義：擁堵延誤指數(shù)為嚴(yán)重?fù)矶潞蛽矶聽顟B(tài)的路段集合，使用仿真結(jié)果與高德實(shí)際數(shù)據(jù)進(jìn)行重疊比對。

仿真結(jié)果對比如表4 所示，以三環(huán)路與繞城高速為例。通過對重點(diǎn)關(guān)注的三環(huán)路和繞城高速路段的實(shí)際堵點(diǎn)和仿真預(yù)測的流量、速度及堵點(diǎn)進(jìn)行對比，可以看出流量和速度的預(yù)測準(zhǔn)確率均在80%以上，堵點(diǎn)的命中率在75%以上。

表4 仿真結(jié)果驗(yàn)證

五、結(jié)語

針對成都作為超大型城市舉辦大運(yùn)會期間高強(qiáng)度、高匯聚、難管控的交通特征，對數(shù)字孿生交通仿真進(jìn)行實(shí)踐探索，在成都智慧交通一、二期建設(shè)的成果上，構(gòu)建了成都數(shù)字孿生交通仿真系統(tǒng)的總體架構(gòu)，分步驟地實(shí)現(xiàn)了孿生數(shù)字路網(wǎng)、多源異構(gòu)交通數(shù)據(jù)融合、交通仿真模型等模塊。在此基礎(chǔ)上，以成都大運(yùn)會專用車道的設(shè)置與保障為場景，針對成都繞城高速、三環(huán)路、繞城高速與三環(huán)路之間、三環(huán)路之內(nèi)的路網(wǎng)運(yùn)行狀態(tài)進(jìn)行了仿真推演，評估了設(shè)置賽會專用車道對全市交通狀況的影響程度，并在實(shí)戰(zhàn)演練當(dāng)中對仿真推演的準(zhǔn)確度進(jìn)行了科學(xué)的評價。

本文雖驗(yàn)證了數(shù)字孿生技術(shù)與交通仿真技術(shù)相互融合的可行性和實(shí)戰(zhàn)價值，但此次實(shí)踐的應(yīng)用場景在交通管理工作中屬于中低頻次。下一步計(jì)劃將融合數(shù)字孿生和交通仿真，實(shí)現(xiàn)宏觀、中觀、微觀一體化推演，將交通仿真廣泛地應(yīng)用到路口精細(xì)化治理的高頻次日常交通管理工作中。