一种旅游景点周边交通预测方法、拥堵控制方法及系统

技术领域

本发明涉及城市交通规划领域，特别是涉及一种旅游景点周边交通预测方法、拥堵控制方法及系统。

背景技术

随着经济的发展，车辆的保有量越来越大，交通供需矛盾突出，一些旅游城市在节假日期间经常出现大范围的交通拥堵，尤其是位于城市内部旅游景点周边的道路，在节假日期间往往出现严重交通拥堵。目前解决交通拥堵问题普及度较高的方案有以下两种：一种是通过调节对稀缺道路空间的过度需求来解决交通拥堵问题的拥堵费政策。拥堵费在一开始可以有效减少交通量，然而价格的不弹性使得拥堵费在较昂贵的汽车整体运营成本中所占的比例相对较小，只能排除一开始那部分对收费敏感的人群，其实施往往因为公众所持的怀疑态度而存在障碍，故而存在时效性问题。另一种方法是直接且执行成本较低的限行政策。然而限行政策对交通量影响有限，这是因为该政策会刺激替代车辆的使用，或是导致违法出行比例上升和合法车辆出行强度增大。此外，车辆限行引起公共服务水平恶化，公众出行时间成本上升；一些人可以通过购入更多车辆来规避限行政策。因此，这两种方案均不能有效解决旅游景点周边交通拥堵问题。

发明内容

本发明的目的是提供一种旅游景点周边交通预测方法、拥堵控制方法及系统，以通过控制游客智能体流量有效缓解旅游景点周边交通拥堵状况。

为实现上述目的，本发明提供了如下方案：

一种旅游景点周边交通预测方法，所述方法包括：

构建景点周边的仿真路段的交通环境仿真模型；

根据仿真路段的历史交通状态，利用泊松过程确定当前仿真周期的游客智能体数量；所述交通状态包括畅行、缓行、拥堵和严重拥堵；

根据当前仿真周期的游客智能体数量和游客智能体出行方式，确定当前仿真周期的车辆智能体交通量；

以前一仿真周期的仿真结果作为当前仿真周期的初始状态，根据当前仿真周期的车辆智能体交通量，利用离散均匀分布和基于时变安全距离的跟驰模型在交通环境仿真模型中模拟车辆智能体行为，获得当前仿真周期的交通状态。

可选的，所述交通环境仿真模型包括：景点大门智能体、景点所在路段智能体和信号灯智能体；

所述景点大门智能体包括：景点大门名称和景点大门位置；

所述景点所在路段智能体包括：路段长度、车道数目和车道宽度；

所述信号灯智能体包括：信号灯位置和信号灯绿信比。

可选的，所述根据仿真路段的历史交通状态，利用泊松过程确定当前仿真周期的游客智能体数量，具体包括：

根据多个历史观测日的历史浮动车数据，确定每个历史观测日的历史交通状态；

将多个历史观测日中与当前仿真周期同一时段的历史交通状态出现几率最大的历史交通状态作为当前仿真周期的基准交通状态；

根据历史浮动车数据和历史游客流量数据，获取在基准交通状态下当前仿真周期的游客智能体参考基数；

根据由当前仿真周期倒推游客智能体前往景点的平均时间后的时间段的交通状态，确定当前仿真周期的游客智能体数量的折算系数；

将在基准交通状态下当前仿真周期游客智能体参考基数和当前仿真周期的游客智能体数量的折算系数的乘积作为泊松参数，利用泊松过程确定当前仿真周期的游客智能体数量。

可选的，所述根据历史浮动车数据和历史游客流量数据，获取在基准交通状态下当前仿真周期的游客智能体参考基数，具体包括：

若历史观测日的天数大于或等于天数阈值，则提取与当前仿真周期的交通状态相同的历史交通状态所对应的历史观测日；

将提取的所有历史观测日中出现所述基准交通状态所对应时段的游客数量的平均值作为在基准交通状态下当前仿真周期的游客智能体参考基数；

若历史观测日的天数小于天数阈值，则获取任意一个历史观测日中历史时刻的游客数量和交通状态；所述历史时刻为由当前仿真周期的开始时刻倒推游客智能体前往景点的平均时间后的时刻；

计算任意一个历史观测日中与当前仿真周期同一时段的游客数量和交通状态下游客智能体数量的折算系数相除的结果，作为折算后的客流数据；

对折算后的客流数据进行平滑拟合，获得在基准交通状态下当前仿真周期的游客智能体参考基数。

可选的，当交通状态为畅行时，利用公式

其中，c

可选的，所述根据当前仿真周期的游客智能体数量和游客智能体出行方式，确定当前仿真周期的车辆智能体交通量，具体包括：

根据当前仿真周期的游客智能体数量、游客到达景点的乘坐交通方式和每种交通方式的载客量，利用公式

根据当前仿真周期的游客智能体数量，利用公式

将旅游车辆的交通量和途径车辆的数量的和作为当前仿真周期的车辆智能体交通量。

可选的，所述根据当前仿真周期的车辆智能体交通量，利用离散均匀分布和基于时变安全距离的跟驰模型在交通环境仿真模型中模拟车辆智能体行为，获得当前仿真周期的交通状态，具体包括：

根据当前仿真周期的车辆智能体交通量，利用离散均匀分布生成当前仿真周期的每辆车到达仿真路段的时间；

在车辆到达仿真路段后，基于时变安全距离的跟驰模型刻画车辆的跟驰行为，获得车辆在仿真路段的平均车速；

根据当前仿真周期内所有车辆在仿真路段的平均车速，确定当前仿真周期的交通状态。

可选的，所述基于时变安全距离的跟驰模型为

其中，v

一种基于前述的旅游景点周边交通预测方法的旅游景点周边交通拥堵控制方法，所述旅游景点周边交通拥堵控制方法包括：

获取仿真时段内各仿真周期的游客智能体参考基数占仿真时段总游客智能体参考基数的比重；

根据所述比重，获得不同总客流量下仿真时段内各仿真周期的游客智能体数量；

根据不同总客流量下仿真时段内各仿真周期的游客智能体数量，利用旅游景点周边交通预测方法，获得不同总客流量下仿真时段内各仿真周期的交通状态；

将出现严重拥堵交通状态对应的总客流量中的最小总客流量确定为拥堵阈值；

限制仿真时段内景点的游客预约数量低于所述拥堵阈值，缓解交通拥堵。

一种旅游景点周边交通拥堵控制系统，所述系统包括：

比重获取模块，用于获取仿真时段内各仿真周期的游客智能体参考基数占仿真时段总游客智能体参考基数的比重；

游客智能体数量获得模块，用于根据所述比重，获得不同总客流量下仿真时段内各仿真周期的游客智能体数量；

交通状态确定模块，用于根据不同总客流量下仿真时段内各仿真周期的游客智能体数量，利用旅游景点周边交通预测方法，获得不同总客流量下仿真时段内各仿真周期的交通状态；

拥堵阈值确定模块，用于将出现严重拥堵交通状态对应的总客流量中的最小总客流量确定为拥堵阈值；

预约数量限制模块，用于限制仿真时段内景点的游客预约数量低于所述拥堵阈值，缓解交通拥堵。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开一种旅游景点周边交通预测方法、拥堵控制方法及系统，首先构建景点周边的仿真路段的交通环境仿真模型，然后基于游客和交通状态的交互作用，根据仿真路段的历史交通状态，利用泊松过程确定当前仿真周期的游客智能体数量，根据当前仿真周期的游客智能体数量和游客智能体出行方式，确定当前仿真周期的车辆智能体交通量，进而以前一仿真周期的仿真结果作为当前仿真周期的初始状态，根据当前仿真周期的车辆智能体交通量，利用离散均匀分布和基于时变安全距离的跟驰模型在交通环境仿真模型中模拟车辆智能体行为，获得当前仿真周期的交通状态，最后根据不同总客流量下的交通状态预测确定拥堵阈值，限制仿真时段内景点的游客预约数量低于拥堵阈值，通过控制游客智能体流量有效缓解旅游景点周边交通拥堵状况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种旅游景点周边交通预测方法的流程图；

图2为本发明提供的一种旅游景点周边交通预测方法的结构示意图；

图3为本发明提供的一种旅游景点周边交通预测方法的原理示意图；

图4为本发明提供的一种旅游景点周边交通拥堵控制方法的流程图；

图5为本发明实施例提供的城市旅游景点周边交通仿真模型图；

图6为本发明实施例提供的不同客流量下交通状态的预测图；

图7为本发明实施例提供的客流量平滑拟合图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种旅游景点周边交通预测方法、拥堵控制方法及系统，以通过控制游客智能体流量有效缓解旅游景点周边交通拥堵状况。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明提供了一种旅游景点周边交通预测方法，基于多智能体模型刻画游客和交通状态的交互作用，采用多智能体模型进行建模，从微观到宏观描述游客出行行为与景点周边交通状态的交互过程，研究游客数量变化对周边道路的影响，由此模拟对应的交通状态，如图1-3所示，方法包括：

步骤101，构建景点周边的仿真路段的交通环境仿真模型。

交通环境仿真模型包括：景点大门智能体、景点所在路段智能体和信号灯智能体。景点大门智能体包括：景点大门名称和景点大门位置。景点所在路段智能体包括：路段长度、车道数目和车道宽度。信号灯智能体包括：信号灯位置和信号灯绿信比。

步骤102，根据仿真路段的历史交通状态，利用泊松过程确定当前仿真周期的游客智能体数量；交通状态包括畅行、缓行、拥堵和严重拥堵。

对每个仿真周期的游客Agent(智能体)的数量进行生成，当前游客Agent的数量是由先前的车辆Agent的数量和行为决定的交通状态所影响的，在生成游客Agent时需对这一影响因素进行刻画。具体实现过程如下：

步骤102-1，根据多个历史观测日的历史浮动车数据，确定每个历史观测日的历史交通状态；

步骤102-2，将多个历史观测日中与当前仿真周期同一时段的历史交通状态出现几率最大的历史交通状态作为当前仿真周期的基准交通状态；

步骤102-3，根据历史浮动车数据和历史游客流量数据，获取在基准交通状态下当前仿真周期的游客智能体参考基数；

游客智能体参考基数的确定方式有两种：

第一种：若历史观测日的天数大于或等于天数阈值(数据量足够的情况)，则提取与当前仿真周期的交通状态相同的历史交通状态所对应的历史观测日；

将提取的所有历史观测日中出现所述基准交通状态所对应时段的游客数量的平均值作为在基准交通状态下当前仿真周期的游客智能体参考基数；

第二种：若历史观测日的天数小于天数阈值(数量缺乏的情况)，则获取任意一个历史观测日中历史时刻的游客数量和交通状态；所述历史时刻为由当前仿真周期的开始时刻倒推游客智能体前往景点的平均时间后的时刻；

计算任意一个历史观测日中与当前仿真周期同一时段的游客数量与交通状态下游客智能体数量的折算系数相除的结果，作为折算后的客流数据；

对折算后的客流数据进行平滑拟合，获得在基准交通状态下当前仿真周期的游客智能体参考基数。

步骤102-4，根据由当前仿真周期倒推游客智能体前往景点的平均时间后的时间段的交通状态，确定当前仿真周期的游客智能体数量的折算系数；

通过先验数据获得游客Agent前往景区的平均时间Δt，也就是由[t

设游客群体在交通出现缓行、拥堵和严重拥堵下放弃前往景区游玩以及在以上情况下均不放弃的前往景区游玩的比例分别为g

根据实际情况，可以选择不同交通状态下的游客Agent数量为参考基数，但相应的折算系数也需要相应的调整。

步骤102-5，将在基准交通状态下当前仿真周期的游客智能体参考基数和当前仿真周期的的游客智能体数量的折算系数的乘积作为泊松参数，利用泊松过程确定当前仿真周期的游客智能体数量。

在一段时间内到达景点的游客Agent数量由泊松过程描述，其参数为由对应时段的交通状态所决定的客流量。泊松过程{N(t)，t≥0}是一个计数过程，满足下列三个条件：①N(0)＝0；②N(t)是独立增量过程，即对于任意的整数n，和任意实数0＜t

步骤103，根据当前仿真周期的游客智能体数量和游客智能体出行方式，确定当前仿真周期的车辆智能体交通量。

仿真周期的车辆Agent的交通量是由上述过程获取到的游客Agent数量以及游客Agent出行方式决定的。定义游客通过小汽车、旅游大巴、公交车和非机动车到达景区的占比分别为m

其中round(·)表示四舍五入函数。假定不存在途经旅游大巴和途经公交车，且在实际道路上通过的小汽车数量是公交车数量的m

因而途经小汽车和旅游小汽车的比例如下式所示：

即途经小汽车是旅游小汽车的m

从而可得车辆Agent交通量如下式所示：

上述过程总结为：

根据当前仿真周期的游客智能体数量、游客到达景点的乘坐交通方式和每种交通方式的载客量，利用公式

根据当前仿真周期的游客智能体数量，利用公式

将旅游车辆的交通量和途径车辆的数量的和作为当前仿真周期的车辆智能体交通量。

步骤104，以前一仿真周期的仿真结果作为当前仿真周期的初始状态，根据当前仿真周期的车辆智能体交通量，利用离散均匀分布和基于时变安全距离的跟驰模型在交通环境仿真模型中模拟车辆智能体行为，获得当前仿真周期的交通状态。

车辆Agent行为包括车辆Agent到达行为和车辆Agent跟驰行为。在仿真模型中，每辆车的到达时间都是根据离散的均匀分布生成的，且车辆Agent跟驰行为是基于时变安全距离的跟驰模型进行刻画的。基于时变安全距离的跟驰模型为

其中，v

另外，为防止车辆发生碰撞或出现倒车现象，当车辆车间距y

根据当前仿真周期的车辆智能体交通量，利用离散均匀分布和基于时变安全距离的跟驰模型在交通环境仿真模型中模拟车辆智能体行为，获得当前仿真周期的交通状态，具体包括：

根据当前仿真周期的车辆智能体交通量，利用离散均匀分布生成当前仿真周期的每辆车到达仿真路段的时间；

在车辆到达仿真路段后，基于时变安全距离的跟驰模型刻画车辆的跟驰行为，获得车辆在仿真路段的平均车速；

根据当前仿真周期内所有车辆在仿真路段的平均车速，确定当前仿真周期的交通状态。

对于一个仿真时段[t

为了考察总客流量变动下交通状况的变化情况，以此实现通过游客流量控制缓解交通拥堵。首先，将总客流量按比例进行分摊，该比例设定为各仿真周期客流量参考值占整个仿真时段客流量参考值的比重，从而得到每个仿真周期里的客流量，再对交通状况进行模拟，得到每一个仿真周期的平均速度与仿真时段的总平均速度，进而确定使交通状态变动的总客流量阈值。此外，为减小仿真的随机性，可对每个总客流量都进行多次模拟。据此，可通过细化景点线上预约系统的时间设置，限定每个时段的预约参观人数低于拥堵阈值，以便更好地管控旅游景点周边路段的交通状态，达到缓解交通拥堵的目的。

对此，本发明提供了一种基于前述的旅游景点周边交通预测方法的旅游景点周边交通拥堵控制方法，如图4所示，旅游景点周边交通拥堵控制方法包括：

步骤401，获取仿真时段内各仿真周期的游客智能体参考基数占仿真时段总游客智能体参考基数的比重；

步骤402，根据比重，获得不同总客流量下仿真时段内各仿真周期的游客智能体数量；

步骤403，根据不同总客流量下仿真时段内各仿真周期的游客智能体数量，利用旅游景点周边交通预测方法，获得不同总客流量下仿真时段内各仿真周期的交通状态；

步骤404，将出现严重拥堵交通状态对应的总客流量中的最小总客流量确定为拥堵阈值；

步骤405，限制仿真时段内景点的游客预约数量低于拥堵阈值，缓解交通拥堵。

下面以厦门大学为旅游景点对本发明技术方案进行详细说明。

步骤1、仿真模型层的建立如下：

本例将建立仿真模型层，主要用于分析厦门大学群贤校门某日10:01:30至11:00:10时段游客数量变动对其周边道路交通状况的影响。

仿真模型层中的Agent由如下所示：

道路：演武路与大学路交界处至演武路与思明南路交界处靠群贤校门一侧的路段，共500米，如图5的实线部分所示；

停靠点：位于215-242米处的厦门大学群贤校门(图5的②处)和位于290-327米的处公交车站(图5的③处)；

信号点：位于193-194米处的交通信号灯(图5的①处)，其信号灯周期为160秒，即按30秒绿灯、30秒红灯、70秒绿灯和30秒红灯的频率交替闪烁；

交通工具：公交车、旅游大巴和小汽车；

游客：按泊松过程生成。

本仿真模型层包括路段agent、大门agent和信号灯agent三个不可动主体以及游客agent和车辆agent这两个活动主体。为了更好地模拟各agent的运动及交互作用，将各agent的属性列示于表1。

表1agent属性表

由于信号灯的显示周期为160秒，故本例以160秒为周期进行仿真，即l取160，从10:01:30至11:00:10共计22个仿真时段，即初始时间t

步骤2、游客Agent数量的生成如下：

游客Agent数量是受景点周边路段的交通状况所影响的。由于仿真路段属于次干路，故参考《北京城市道路交通运行评价指标体系》将交通状态作如下划分：当车速不小于6.97米/秒时，交通状态为畅行；当车速在4.17米/秒至6.97米/秒时，交通状态为缓行；当车速在2.78米/秒至4.17米/秒时，交通状态为拥堵；当车速小于2.78米/秒时，交通状态为严重拥堵。在仿真时段中，基于浮动车数据获得的真实交通状态仅有缓行、拥堵和严重拥堵这三类，因此，该案例仿真中仅考虑这三种状态。同时，在9:30-10:30这个时段中，三种交通状态的比例分别为16.67％、66.66％和16.67％，为了将数据信息的损失程度控制到最小，选取拥堵交通状态下的客流量作为参考量，即当交通状态为缓行时，根据相应的折算系数增加客流量；当交通状态为拥堵时，客流量同参考量；当交通状态为严重拥堵时，根据相应的折算系数减少客流量。具体地说，在以拥堵状态下的游客数量为参考量时，缓行和严重拥堵下的折算系数分别如公式1、2所示：

根据问卷调查结果得g

由以往的浮动车数据显示该路段在9:00-9:30时段大都为拥堵状态，故假定9:00-9:30的交通状态为拥堵以便处理客流数据。为了获得拥堵状况下的游客基准量，本例首先将调查的客流数据转换为拥堵交通状态下的客流量。拥堵状态下的客流量无需进行处理；而在交通状态为严重拥堵时，为了得到拥堵状态下的客流量，需根据严重拥堵折算系数

步骤3、车辆Agent交通量的生成如下：

车辆Agent的交通量主要由当前到达景区的游客Agent数量和游客Agent的出行方式决定，且160秒的仿真周期客流量由步骤2生成，因此，结合游客Agent的出行方式和车辆Agent中的途经车辆行为，可获得仿真周期内的车辆Agent交通量。观测视频中的其他车辆多为洒水车等功能性车辆，且占比极低，故在仿真中不考虑这类车辆。根据问卷数据可得m

由于仿真周期中的客流量超过200人出现的概率约为0，且以200人的客流量计算旅游大巴的数量为0.77，一个仿真周期内的旅游大巴为近似于1辆。从视频数据中可得每160秒约通过1辆旅游大巴，因此，此仿真过程不考虑途经旅游大巴。同时，由于厦大西村站不存在途经公交车，故此仿真仅考虑途经小汽车的数量。通过计算可知，小汽车和公交车在游客的机动车出行中占比为36.32％和49.93％，可得旅游车辆中小汽车数量为公交车数量的3.1倍；再结合视频数据中获得小汽车和公交车占比为8.2:1，即该仿真道路上通过的小汽车数量是公交车数量的8.2倍，则可得途经小汽车是旅游小汽车的1.65倍，即m

步骤4、车辆Agent行为模拟及仿真周期的交通状况：

步骤4根据步骤3所得到的交通量，通过离散均匀分布生成每辆车的到达时间，从而确定每秒到达模拟区的车辆数量，并通过基于时变安全距离的跟驰模型对当前仿真时段交通进行仿真。具体地，取车辆的最大行驶速度

为了验证上述模型的有效性，本例收集并整理9:30-11:00的记录着车辆编号、经度、纬度和接收GPS这四个时间属性的浮动车数据。根据这些属性，计算出仿真时间段内相应的平均速度，并将其作为参考数据，用以核验模型结果的准确性。具体地说，若仿真中的交通状态和浮动车数据体现的交通状态均为缓行，则仿真结果正确，否则，仿真结果不正确；其余交通状态同理。整个10:01:30至11:00:10这个时段的仿真共实施30次，以160秒为一个仿真周期，则每次仿真都有22个仿真周期，判断模型在每个仿真周期正确与否，则可获得每次仿真的准确率。经过统计，得到30个仿真结果的准确率的均值为60.61％，标准差为6.99％。更进一步，是否发生严重拥堵状态作为判断标准，则模型的准确率的均值提升至78.64％，对应的标准差为4.16％。由此可见，模型的仿真结果较为准确，且结果变化相对平稳，模型是可信的。

步骤5、获取游客流量阈值，实现游客控制：

根据步骤1到步骤4建立的仿真模型，步骤5通过模拟不同客流量下的交通状况，获得交通状态变化的客流量阈值，并结合线上预约参观制度实现游客控制以缓解交通拥堵情况。

具体地，步骤2中10:01:30至11:00:10这个时段的总客流量约为2500人，在这一客流量下会出现严重拥堵的情形，故考察总客流量从2400人逐渐减少到1700人时，该路段交通状况的变化情况。为了减小仿真随机性的影响，对每个客流量均进行5次模拟。

在每次模拟中，将总客流量根据步骤2方法计算获得的客流参考值按比例进行分摊，再对折算后的客流数据进行平滑拟合，如图7，得到每个160秒仿真周期里的客流量，再根据本文模型进行模拟。由于初始状态的车流量较大，模拟的第1个160秒内的交通状态大都为严重拥堵，但因客流量减小，交通状态主要由到达客流所新生成的车辆决定，道路的通行能力足以使得第2个周期时初始状态造成的车流量便消散。为了准确反映总客流量对交通状态的影响，此后的模型预测分析中不考虑第1个160秒的模拟结果。

从图6可以看出，随着总客流量的增加，模拟所得的平均速度逐渐下降，当总客流量为2000人至2400人时，模拟结果中出现存在严重拥堵时段的情况，直至总客流量减少到2000人以下时，严重拥堵状态才消失，平均速度所对应的交通状况由缓行变为拥堵。因此，基于这个模型，可以得到总客流量为2000人是交通状态变动为拥堵的阈值。

本发明方法在本例中给出的启示在于，若可进一步细化预约系统的参观时段，将预约时间单位从天缩小到小时甚至更短的单位，则可增强景点周边道路交通状况的可控性。例如，限定群贤校门每小时预约参观人数不超过2000人，根据模拟结果可以得到，在这种政策下，厦门大学群贤校门周边路段的交通状态可以得到极大地改善。

本发明从对车辆的控制转变为对游客流量的控制，以此缓解交通拥堵。游客出行呈现散客化、高出行率和高机动化的基本特征，对城市旅游景点周边的交通状态产生影响。反过来，与一般通勤的刚性出行不同，旅游出行属于弹性出行，景点周边交通状态又对游客出行决策产生影响。因此，游客出行行为与景点周边交通状态存在交互过程。本发明使用的Agent技术采用“由底向上”的设计方法，通过模拟不同客流量下的交通变化情况，从而获取交通状态变化的流量阈值，为实现分时段游客流量限制来缓解景点周边的交通状态提供重要参数。

本发明还提供了一种旅游景点周边交通拥堵控制系统，系统包括：

比重获取模块，用于获取仿真时段内各仿真周期的游客智能体参考基数占仿真时段总游客智能体参考基数的比重；

游客智能体数量获得模块，用于根据比重，获得不同总客流量下仿真时段内各仿真周期的游客智能体数量；

交通状态确定模块，用于根据不同总客流量下仿真时段内各仿真周期的游客智能体数量，利用旅游景点周边交通预测方法，获得不同总客流量下仿真时段内各仿真周期的交通状态；

拥堵阈值确定模块，用于将出现严重拥堵交通状态对应的总客流量中的最小总客流量确定为拥堵阈值；

预约数量限制模块，用于限制仿真时段内景点的游客预约数量低于拥堵阈值，缓解交通拥堵。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。