基于微觀仿真的高速公路交通事件影響范圍的預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通事件影響范圍的預(yù)測技術(shù)領(lǐng)域，尤其涉及一種基于微觀仿真的高 速公路交通事件影響范圍的預(yù)測方法。
【背景技術(shù)】
[0002] 高速公路交通事件是影響平安交通的重要因素，一旦發(fā)生容易導(dǎo)致二次事故，并 會引起交通擁堵大范圍的傳播，快速蔓延至路段上游甚至相鄰國省道，嚴重影響路網(wǎng)交通 正常運行。因此在交通事故發(fā)生后及時獲取交通事故信息并對事故后的交通狀態(tài)，特別是 事件引起的擁堵影響范圍進行快速準確的預(yù)測，是高速公路管理人員制定科學(xué)合理的處置 與管控方案的前提。
[0003] 交通事件影響范圍預(yù)測的研宄一直是國內(nèi)外的前沿與熱點。Morales[l]于1986 年提出了利用到達率和離開率的曲線來估計事故引起的排隊長度的確定型排隊論模型。但 是該模型假設(shè)到達率和離開率是事先確定不變的固定值，更多用來對交通流狀況進行離線 的分析，而不是進行實時的估計與預(yù)測。Michalopoulos[2]于1981年提出基于流體動力 學(xué)基本原理來估計偶發(fā)性交通擁堵擴散范圍的交通波模型，該模型通過分析交通波在傳播 過程中引起交通流密度的變化，以尋求交通流的流量、密度與交通波傳播速度之間的關(guān)系， 從而描述排隊的形成與消散過程。該模型相對確定型排隊論模型更能真實描述交通流的狀 態(tài)，但在建模過程中需要采集大量的密度數(shù)據(jù)，難以實際應(yīng)用。Newel 1[3]于1993年提出 了以波動理論為基礎(chǔ)完全基于實際數(shù)據(jù)建立了累積流量、占有率到達、離開曲線模型以及 累計流量-占有率模型，對高速公路的交通運行狀態(tài)進行估計。但該模型只能對交通運行 狀態(tài)進行定性分析，無法進行定量分析。Lawson [4]于1997年通過對I/O模型進行改進，通 過追蹤隊尾車輛的方法估計瓶頸路段車輛排隊的時空擴散范圍，但是該模型也需要假設(shè)到 達率和離去率曲線不變，而且不能描述事故路段通行能力的動態(tài)變化，不適用于在線預(yù)測。 Sheu[5]于2001年提出了隨機排隊預(yù)測模型，但是該模型不能描述事故路段通行能力的復(fù) 雜變化，并且預(yù)測的排隊長度有上限值。國內(nèi)研宄主要是基于國外研宄的思路與方法：郭冠 英[6]于1998年基于交通波理論建立了估計事故引起的阻塞排隊長度的模型，但是同樣假 設(shè)到達率和離開率在研宄時間段內(nèi)固定不變。臧華[7]于2003年建立了基于交通波理論 的事故條件下車輛排隊長度估計模型。
[0004] 目前對高速公路交通事件影響范圍預(yù)測的方法主要基于交通波理論，通過估計事 件斷面上下游的交通密度，對交通事件影響下的車輛排隊后溢過程進行估計。該方法主要 基于流量、速度、密度參數(shù)的方程，計算簡單，但是缺少對車輛擁堵排隊行為的精細化描述， 會導(dǎo)致短時擁堵排隊長度的估計值與實際嚴重不符合的情況。此外，現(xiàn)有方法都是基于現(xiàn) 狀車流量進行預(yù)測，都沒有考慮未來車輛的到達情況，即預(yù)測影響范圍并不是基于預(yù)測的 交通需求，這會導(dǎo)致預(yù)測的影響范圍與實際存在偏差。
[0005] 本發(fā)明【背景技術(shù)】中涉及到的參考文獻如下：
[0006] [l]Morales M J. Analytical procedures for estimating freeway traffic congestion[J]. Public Road, 1986, 50(2):55-61.
[0007] [2]Michalopoulos P G1Pishaody V B.Deriation of delays based on improved macroscopic traffic models[J]. Transportation research part B, 1981, 15:299-317.
[0008] [3]Newell G F. A simplified theory of kinematic waves in highway traffic, Part II:Queueing at freeway bottlenecks[J]. Transportation research part B, 1993:289-303.
[0009] [4] Lawson T ff, et a I. Using the input-output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck[J]. Transportation Research Record 1572, TRB,National Research Council, Washington, D. C. , 1997.
[0010] [5]Sheu J B,Chou Y H. Stochastic modeling and real-time prediction of incident effects on surface street traffic congestion[J]. Applied Mathematical Modeling, 2004(28):445_468.
[0011] [6]郭冠英.用集散波計算道路交通阻塞長度[J].上海公路，1998:39-41.
[0012] [7]臧華，彭國雄，高速道路異常狀態(tài)下車輛排隊長度的預(yù)測模型[J].交通與計 算機，2003, 21 (3) :10-12.

【發(fā)明內(nèi)容】

[0013] 本發(fā)明的目的在于提供一種基于微觀仿真的高速公路交通事件影響范圍的預(yù)測 方法，從而解決現(xiàn)有技術(shù)中存在的前述問題。
[0014] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0015] -種基于微觀仿真的高速公路交通事件影響范圍的預(yù)測方法，包括如下步驟：
[0016] 步驟1，獲取未來交通需求數(shù)據(jù)；
[0017] 步驟2,將所述未來交通需求數(shù)據(jù)加載入微觀交通仿真平臺的交通需求矩陣中，得 到未來交通需求矩陣；
[0018] 步驟3,獲取待預(yù)測影響范圍的交通事件的信息；
[0019] 步驟4,將所述交通事件的信息解析為所述微觀交通仿真平臺可調(diào)用的文件； [0020] 步驟5,利用微觀交通仿真模型和步驟4中得到的可調(diào)用的文件，對所述交通事件 進行微觀模擬，得到微觀模擬的交通事件；
[0021] 步驟6,利用所述微觀交通仿真模型、所述微觀模擬的交通事件和步驟2中得到的 所述未來交通需求矩陣，對所述交通事件影響下的微觀交通過程進行模擬，得到所述交通 事件影響下的微觀模擬交通過程；
[0022] 步驟7,在所述微觀交通仿真模型中，布設(shè)虛擬的車檢器，利用所述虛擬車檢器測 量所述交通事件影響下的微觀模擬交通過程中的車輛排隊長度；
[0023] 步驟8,根據(jù)步驟7中所得到的車輛排隊長度，獲取所述交通事件影響下的車輛排 隊長度；
[0024] 步驟9,根據(jù)所述交通事件影響下的車輛排隊長度，結(jié)合所述交通事件的位置和信 息，獲取所述交通事件的影響范圍。
[0025] 其中，步驟1具體為：基于歷史交通需求數(shù)據(jù)與實時交通需求數(shù)據(jù)，利用卡爾曼濾 波算法，獲取未來交通需求數(shù)據(jù)。
[0026] 具體地，通過統(tǒng)計進入高速公路相同時間段內(nèi)，進入/離開相同高速公路收費站 的數(shù)據(jù)，獲得分時段的交通需求數(shù)據(jù)，所述歷史交通需求數(shù)據(jù)，為，當前時刻某段時間內(nèi)的 交通需求數(shù)據(jù)；所述實時交通需求數(shù)據(jù)，為，當前時刻的交通需求數(shù)據(jù)；所述未來交通需求 數(shù)據(jù)，為，當前時刻某段時間后的交通需求數(shù)據(jù)。
[0027] 優(yōu)選地，所述歷史交通需求數(shù)據(jù)，為，當前時刻兩小時內(nèi)的交通需求數(shù)據(jù)；所述未 來交通需求數(shù)據(jù)，為，當前時刻半小時后的交通需求數(shù)據(jù)。
[0028] 其中，步驟2,具體