宏观交通仿真与短时交通预测相融合的交通状态推演方法

文献发布时间：2023-06-19 12:02:28

技术领域

本发明涉及交通技术领域，特别是一种宏观交通仿真与短时交通预测相融合的交通状态推演方法。

背景技术

当前，我国城市基础交通设施建设，已经取得了可喜的成绩。然而，我国城市交通系统距离一流技术、一流管理、一流服务的差距仍然很大。我国城市交通系统基础数据碎片化、交通供需不平衡、多模式网络融合分析能力弱、分析结果精度差，交通虚拟仿真平台架构乱、计算效率低，难以支撑城市多模式交通体系融合发展的决策支持。这些核心管理技术和服务水平的落后，严重制约了我国城市交通系统的快速发展。

经发明人调查研究，近年来，交通大数据、互联网以及人工智能的迅速崛起，为城市交通技术水平和管理水平的提升带来了新的生机，也为城市建设注入了新的活力。交通大数据建设愈加完善，交通行业信息传输愈加便捷，智能交通体系愈加完整。运用大数据、互联网、人工智能等新一轮科学技术手段，以提升城市交通管理水平与服务质量的城市交通大脑、公交都市计划、文明畅通工程提升计划、智慧城市建设等高科技工程成为了城市发展的标配。上述高科技工程的技术核心是对城市交通状态的准确把握和分析。具体来说，就是依托现有的交通大数据，对城市交通状态进行预测和分析，及时发现城市交通已经存在或者潜在的问题，并分析问题源头所在，从而能更好地为城市交通管理决策提供支持。

纵观国内外现有研究成果，在以下方面还存在不足：微观短时交通预测能够快速准确的预测单点交通流信息，但无法对交通环境变化做出响应；宏观交通虚拟仿真能够依托全路网交通信息，考虑环境改造的影响进行预测，但预测精度不高；现有研究对微观短时交通预测和宏观交通虚拟仿真的研究仅从时间或空间的单一层面展开，缺少由动态数据驱动的城市交通宏观交通仿真与短时交通预测相融合的交通状态推演方法的相关研究。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种宏观交通仿真与短时交通预测相融合的交通状态推演方法，本发明提升了对未来交通状态的研判精度，弥补了单一使用宏观交通仿真和短时交通预测在不同场景下的缺陷，丰富了交通状态实时推演的应用场景，增加了其实用性。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种宏观交通仿真与短时交通预测相融合的交通状态推演方法，包括以下步骤：

步骤1、提取典型路段的交通流量，典型路段指仿真区域内的能够被稳定且持续检测到交通流量数据的路段，具体如下：

选择N个典型路段，N≥10，获取这N个典型路段中第n个路段l

步骤2、根据原始数据，确定全日任意时段小时级OD矩阵；

原始数据为：按交通出行方式划分的分方式全日OD矩阵和每种交通出行方式对应的全日交通流量时段系数；不同时段的第p种交通方式对应的全日交通流量时段系数构成二维向量K

其中，p＝1,2,3,4,5，第1种交通方式是公交出行、第2种交通方式是小汽车出行、第3种交通方式是摩托车出行、第4种交通方式是出租车出行，第5种交通方式是货车出行；K

由K

其中，t

步骤3、确定宏观交通仿真的分钟级结果；

3.1、根据步骤2中所获取的分方式小时级OD矩阵进行宏观交通仿真，并初步计算该小时内的各时间段的切片流量；

依托于宏观交通仿真软件，基于已构建好的仿真区域基础路网及网络参数配置，将分方式小时级OD矩阵输入宏观交通仿真软件，得到仿真区域中各个路段的每小时交通流量

3.2、确定连续时间内的加权切片流量；

依据步骤3.1中得到的各时段的切片流量，进行加权平均，求得更为准确的加权切片流量；已知起始时间t

3.2.1.确定时间(t

由宏观交通仿真得到以下g个小时段的全网各个路段的仿真流量数据，这g个小时段是指：(t

式中k

3.2.2.保留步骤3.2.1中g个小时段中的后(g-1)个小时段的路段的仿真流量数据；

3.2.3.确定时间(t

根据3.2.2中保留的g-1个小时段的仿真流量数据，对(t

3.3.结合步骤3.1和步骤3.2中方法依次计算所需时间段的加权切片流量数据，加权切片流量数据即为宏观交通仿真的分钟级结果；

步骤4、确定短时交通预测的分钟级结果：步骤1中的典型路段的交通流量为短时交通预测的输入数据，基于长短期记忆人工神经网络LSTM模型进行短时交通预测，从而预测未来各个典型路段对应的切片流量数据；该步骤所得的切片流量数据在后面步骤称之为短时交通预测流量数据；

步骤5、确定宏观交通仿真与短时交通预测的一体化推演方法；具体包括：

5.1.确定交通状态推演的场景；记ω

5.2.采用短时交通预测流量数据修正宏观交通仿真的分钟级结果，具体如下：

α与宏观交通仿真的分钟级结果中除典型路段外的路段的交通流量的乘积即为除典型路段外的路段的修正交通流量，其中，典型路段的交通流量采用短时交通预测流量数据；除典型路段外的路段的修正交通流量与典型路段的流量数据作为最终的全网络路段的修正交通流量；

5.3.采用宏观交通仿真的分钟级结果修正短时交通预测流量数据，具体如下：记τ为突发事件发生的时刻，则调整系数α为前一小时内的平均调整系数

作为本发明所述的一种宏观交通仿真与短时交通预测相融合的交通状态推演方法进一步优化方案，步骤2中，分方式全日OD矩阵包括5方式交通方式的全日OD矩阵，分别为：全日公交OD矩阵ODBus、全日小汽车OD矩阵ODCar、全日摩托车OD矩阵ODMotor、全日出租车OD矩阵ODTaxi和全日货车OD矩阵ODTruck。

作为本发明所述的一种宏观交通仿真与短时交通预测相融合的交通状态推演方法进一步优化方案，步骤4中，使用步骤1中的典型路段的交通流量为短时交通预测的输入数据，具体为使用过去1小时内每隔Δt

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

(1)本发明考虑宏观交通仿真时间粒度大，不利于实时推演，将小时级的宏观交通仿真结果拆分并加权为分钟级的切片流量数据，通过连续宏观交通仿真将仿真结果数据划分为分钟级的时间切片数据，并使用交通流量时变系数将相关的切片数据加权，得到能够准确表征交通状态的分钟级的宏观交通仿真流量数据；

(2)本发明充分考虑宏观交通仿真和短时交通预测在不同情境下的优势和不足，将宏观分配的空间覆盖广、涵盖要素全和微观预测的单点信息全、预测精度高相结合；通过拆分得到的分钟级的宏观交通仿真流量数据，结合实时的短时交通预测数据，可快速提取和处理动态实时数据并在时间和空间双维度进行一体化交通流量预测。

附图说明

图1为本发明方法的流程图。

图2为小时级的仿真结果转化为分钟级仿真结果的示意图。

图3为RFID原始数据格式示意图。

图4为全日流量时变系数数据格式示意图。

图5为重庆市某个小时段的路段交通流量仿真结果分布图。

图6为重庆市交通状态推演结果示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。

本发明从实际应用需求出发，基于交通仿真软件的宏观交通仿真与机器学习算法的短时交通预测技术，实现了两者相融合的交通状态推演方法。本方法将宏观分配的空间覆盖广、涵盖要素全和短时交通预测的单点信息全、预测精度高相融合，可快速提取和处理动态实时数据并在时间和空间双维度进行一体化交通流量预测。本方法可自动提取有效数据并输出为标准格式，增加了预测的稳定性；优化了小时级宏观交通仿真结果的拆分算法，尽可能地减少了调用宏观交通仿真的次数，提升了运行速度；提供了多样化的参数，丰富了本方法的使用场景。

本发明方法充分考虑宏观交通仿真与短时交通预测的特征，结合不同交通场景采用合适的一体化推演方法。将宏观交通仿真流量数据巧妙地拆分为分钟级数据，并通过合理运用不同场景下宏观交通仿真与短时交通预测各自的优势，即发挥了宏观交通仿真在空间上的全局推演优势，又体现了短时交通预测在时间上的局部预测优势，提升了交通状态推演的精度和广度。

如图1所示为一路一线模式下行人过街信号协同控制方法的总体流程图。下面结合图1对本发明方法作更进一步的说明。

一种宏观交通仿真和短时交通预测相融合的交通状态推演方法，充分考虑了宏观交通仿真和短时交通预测在不同情境下的优势和不足。通过拆分得到的分钟级的宏观交通仿真流量数据，结合实时的短时交通预测数据，将宏观交通仿真和短时交通预测相融合，提升了对未来交通状态的研判精度，丰富了交通状态实时推演的应用场景，增加了其实用性。该方法包括依次进行的5个步骤：步骤1，提取典型路段的交通流量步骤、步骤2，确定全日任意时段小时级OD矩阵步骤、步骤3，确定宏观交通仿真的分钟级结果步骤、步骤4，确定短时交通预测的分钟级结果步骤、步骤5，确定宏观交通仿真与短时交通预测的一体化推演方法步骤；

步骤1为本发明的提取典型路段的交通流量步骤，可为后续步骤提供数据支持，典型路段指仿真区域内的能够被稳定且持续检测到交通流量数据的路段。

选择N个典型路段，N≥10，获取这N个典型路段中第n个路段l

2.确定全日任意时段小时级OD矩阵步骤为后续的宏观交通仿真步骤提供数据支持。本步骤需要的原始数据为：按交通出行方式划分的分方式全日OD矩阵和每种交通出行方式对应的全日交通流量时段系数；不同时段的第p种交通方式对应的全日交通流量时段系数构成二维向量K

由K

其中，t

3.确定宏观交通仿真的分钟级结果步骤具体包括：

3.1、根据步骤2中所获取的分方式小时级OD矩阵进行宏观交通仿真，并初步计算该小时内的各时间段的切片流量；如图5为某个小时段重庆市的路段交通流量仿真结果分布图。