动态交通系统

《动态交通系统》由会员分享，可在线阅读，更多相关《动态交通系统（9页珍藏版）》请在金锄头文库上搜索。

1、请问，建立一个动态系统，首先是采集全城路网的交通流数据，这个交通流应该是 平衡的，如果，新建一条路，那么平衡就打破了，其他受影响的道路的交通流就变化了， 这样一个动态系统能够反映这种变化。我就想问问，国内是否有这种类似的系统，关键 是要比较直观的。如果是有这样的系统，请问是用什么软件或者模型构建的。 这类系统有的是是城市交通管理系统的一部分，也有某些城市的交研部门自己建立 的，算法是关键，软件仅仅是一个评估和人机接口，例如某些交管平台是有交通在线或 离线仿真需求的，新增道路对现有路网状况的影响也是其建设目的之一，但仅仅只是之 一而已。就个人所知，一般都是用商业软件进行二次开发，但效果并不理想。

2、 我先说下这个事情的来龙去脉吧，希望论坛里的各路大侠能够给些建议。 我所在单位是一个以市政道路设计为主的设计院，希望能建立这样一个交通流预测 系统，就是说，主要就是为了给具体道路，桥梁建设工程的可行性提供依据。比如说， 所在城市的一条主干道已经非常饱和了，到底是增加一条道路分流好，还是拓宽好，两 种方案分别会对其他道路上的交通流产生怎样的影响，是否会引起其他路段的堵塞。目 前，道路工程项目的前期研究非常薄弱，就算是用了交通流预测分析，但是，这条路对 其他道路的交通影响并没有包含在工程可研中，所以，我们想建立这样一个系统，解决 以上问题。很好的想法！这样做市政道路设计算是跟国际接轨了。个人观点，

3、以后的道路设计 肯定会和动态的路网交通分析结合起来做，这种趋势在美国已越来越明显；国内慢一些， 但也会很快跟进，先掌握这种分析技巧的单位将会更有竞争实力。2007年，Minneapolis的一座桥塌了，每天路过这座桥的大约10万辆车需要改道。 联邦公路局(FHWA)的官员很快打电话给亚利桑那大学的Yi-Chang Chiu教授，请他用 软件工具DynusT(基于仿真的动态交通分配软件定量分析塌桥对交通出行选择模式和 路网交通流的影响，以便在塌桥修复之前，更有效地疏导交通。因为从塌桥之前的均 衡的路网交通状态过渡到塌桥后的另外一种均衡状态需要数天甚至几个星期的调整，驾 驶员才能将自己的出行时间和

4、出行路线大致固定下来。分析这种行为其实很复杂的，计 算量也很巨大。对于大路网的仿真分析，为了接近路网均衡状态，仿真迭代24小时的 路网交通，计算时间甚至需要几天。具体的分析技术主要包括动态0D矩阵的获取或者估计，day-to-day出行选择行为 分析（出行时间、路径等的选择模型）、具有现实性的快速路段交通流仿真模型（主要 采用中观交通模型，包括速-密关系和交叉口、瓶颈处的容量模型等）、利用集合化的 流量和速度数据标定这些模型参数等。国外的主流系统包括DynaSmart-P/DynusT, DynaMIT-P,这两套系统主要是研究 型的，其中DynusT的图形用户界面要方便一些。北京交通发展研究

5、中心在用DynaMI T-P 分析北京的路网动态交通流，主要是做研究，可能人机接口用起来不太方便。国内的DynaCHINA是类似系统，大的技术路线与上述系统差不多，理论上说可以 用来做此事。但由于DynaCHINA的定位主要是做动态交通管理（优化信号控制和出行 诱导策略等），强调快速和仿真结果的可信，没有花太多精力在离线的分析和评价上。 由于尚未实现并行计算功能，如果路网规模在500个交叉口， 100个小区以下，可以进 行尝试。首先采集部分典型道路的路段流量，标定速度-密度模型参数和交叉口的饱和 容量，最好有路口信号控制器的配时方案，然后就可以反推OD并估计路径选择模型参 数，最后比较不同的道

6、路设计方案对路网整体性能的影响并得到定量的分析结果。与国外系统比较，DynaCHINA的人机接口和数据接口相当不错，参数标定自动化 程度很高，模型和算法的先进性也差不多少，呵呵。加拿大INR0公司的动态交通分配系统dynameq能够离线的分析新建一条路，打破平 衡后，其他受影响的道路的交通流的变化。但没有动态OD矩阵的获取或者估计。我的理解是这里所说的动态交通模型就是之前我们理解的中观模型在INRO的Dy nameq 的应用，个人认为，新建道路走向，基础道路通行能力，这些规划类工作应该 是宏观模型的主要工作，而中观模型或者动态交通模型是基于宏观规划情况下的道路设 计，比如匝道设计，而更微观的是

7、交叉口管理，停车，标志线，交通影响评估这类管理 工作，更需要微观仿真模型来协助。因为我们之前的主要工作更多的集中在宏观这一块， 所以对于中观模型，研究不深，还希望与大家多交流学习。宏观模型可以进行道路规划方面的工作，但是由于宏观模型的基础,0D矩阵是不 会发生改变，因而宏观模型的工作更关注全日全网的早晚高峰这个时段，也就是交通供 需关系最为恶劣的时间段内的情景，是静态的工作。但是很多设计内容，需要按照更精 确的动态0D来进行分析。而以动态0D分配矩阵为代表的中观模型，它应该是更针对 局部地区的交通流情况，不仅仅是交通的紧急情况，任何交通情况都可以进行更细致的 分析。由于涉入不深，我初步了解的就

8、是有关INRO的dynameq,我这里有些只是有 两张图片格式的内容，是我以前的交通模型师给我培训使用的。供大家参考。因为时间 久远了，所以我具体的内容机记不清楚了，但是大概理解是按照时间流把做0D动态分 配，可以做连续一个小时或者一天的0D分配+路径选择，然后比较不同设计下的服务 水平和通行能力。图例所列就是对两种不同的道路设计，在动态0D分配情况下的分配 的平均速度（代表通行能力）与排队长度所代表的服务水平之间的比较。此主题相关图片如下 dynameq 1.jpg：在道路选线或者设计阶段还不需要动态仿真那么细致，应该是诱增交通量和转移交通量的问题。danameq、DynaSmart-P/D

9、ynusT, DynaMIT-P和 dynachina这些多是不错的工具，用来做道路选线感觉走错了方向，毕竟中观层次的模型对数据的要求更高。个人认为最重要最难得的数据在0D。现有的很多微中宏观系统都能模拟出城市路网的 各种交通场景和状态，也支持动态输入各种交通流参数和数据，增路、修路、管制措施 对交通流影响的研究也有很多，只要将这些整合起来，弄一个城市级的仿真分析预测系 统是可以做到的。但关键是需求数据无法准确获取，以致即使你有一个很好的模拟分析 系统，缺少了最重要的输入，相当于有“工具和配料”，但缺乏最重要的材料，做不出好 菜。国外由于技术发展成熟，可以获得可用的出行需求信息，在这方面做了很

10、不错的工 作。国内数据获取及整合度差一点，要做覆盖几百交叉口的这种大型系统实用性不敢恭 维，但做局部分析感觉还是可以的。DynaSmart-P/DynusT, Dynameq, DynaMIT-P等系统主要是作为宏观的用于交通规划的软件系统如Visum和微观交通仿真系统如Vissim之间的桥梁，或者说之间的空挡需要中观模型的软件来填补。FHWA当年对于实时交通估计与预测系纯TrEPS）立项 后不久，就决定将动态网络分析的技术用于交通规划，所以有了P”版本。Dynameq也 是主流的动态交通分配系统，本人比较喜欢Dynameq的界面；Mahut博士和他的导师 Florian教授设计的模型和算法严

11、谨简洁，比较欣赏。由于以前未看到Dynameq中动态OD矩阵分析的功能，因此未向楼主推荐。最近读了一篇PartC上的论文，有学者利 用Dynameq来帮助分析动态0D矩阵，0D估计方法上有点小改进。传统“四阶段”法中的交通分配阶段可以考虑采用这种系统来做，以获得具有时间特 性的网络交通分析结果，比如交通流量在高峰期和非高峰期的差别，一些路段在交通高 峰期是否会过于拥堵，路网流量逐日如何动态调整最后趋于稳定或者均衡状态的。如果 有几种道路设计方案，采用宏观分析的结果（可能是以“年”为时间单位）都差不多，那 可以考虑在更细致的时间粒度上做动态分析，道路设计方案可以得到优化，甚至可以减 少交通管理层

12、面的工作负荷。当然，即使在美国，做这种分析的数据要求也不易满足， 建模和数据分析仍较复杂，运行时间太长，模型和算法还需要多做介绍和培训，这类系 统才能更快被接受。楼上有谈到0D矩阵的问题，先说点题外话。去年看过美国自然基金会组织的一个 有关交通控制和诱导的讨论会的视频。包括Hani Mahmassani, Pitu Mirchandani, T erry Friesz 在交通分配、信号控制、网络分析、拥挤定价等方向上的大牛，也有横跨无 线传感网络、控制、经济学和交通方向的UC Berkeley的Pravin院士，IBM Watson 研究院负责ITS研发的Laura Wytner和一些优秀学者

13、、政府、产业界的人员。总的感 觉，这个方向仍有许多问题有待研究，难题甚多。据说Pravin分析问题的数学功力很 少有人能够企及，他说交通预测是非常困难的事情。Laura Wytner谈到了如何把动态 交通分配的一些想法与IBM的基于统计的交通预测方法结合起来做等。做高速路匝道 控制的学者，有的总想回避OD矩阵估计问题，因为这个问题太难搞定。Mahmassani 是讨论会上的明星，他做总结时谈到，动态0D矩阵是做交通控制和诱导无法回避的问 题。我自己的想法，如果一个交通网络的动态OD矩阵都不清楚，那就是说一个网络的 交通需求未知，那么控制和诱导对于缓解拥堵的极致作用仍是相当有限的oMIT的一位

14、教授于 2008年在 Nature上发表了一篇论文Understanding individual huma n mobiHty patterns。通过分析大量手机信号，得到的结论是，人类的出行模式 非常有规律，预测这种模式的精度可以达到90%以上。我相信这个结论，与工作、购物、 休闲等相关的活动其实大部分人是非常有规律的。也就是说，交通出行需求模式实际上 规律性很强。这个想法对高速公路动态交通需求未必适合，因为我分析过一条300多公 里的高速公路一个星期的收费记录，相邻两天内的动态OD变化幅度其实很大。举个很简单的例子，A-B-C是一个交通网络，A, B, C是路网节点，也是小区质 心。如果

15、针对某个10分钟的出行间隔，实际的0D需求是：A-C的0D流量为100， 其中车辆的出发时间服从均匀分布；B-C的0D流量为0。那么，我可以说，这100 辆车中，前5分钟有50辆汽车从A-B并在B节点处脱离路网；而后5分钟有50辆 汽车从B进入路网并前往C节点。也就是说，这两种0D模式对于路网交通状态来说， 加载结果完全一样。做交通控制来说，没有必要去区分这种0D模式的差别，路网交通 状态一样就行了。对于诱导系统来说，有其他约束条件，或许也可以有相应的等效OD” 这种概念，未必需要完全真实的0D。此外，在做0D估计时，有大量的约束条件。比如交通规划阶段的结果，得到的0 D 大致会反映出一个城市

16、的交通需求状况，结合一些交通需求在时间上分布的经验，可 以获得动态0D需求的大致估计，再结合一些实时检测量,做动态0D估计是有可能的。 针对交通控制或者交通诱导，对动态0D数据的要求可以是不同的，要么精确复现路网 状态、要么满足路径流量加载结果等效， etc.我自己倾向MIT对交通研究的路线，非常重视运筹优化技术的运用。交通模型很难 精确反映实际的交通流特性，运用优化和检测技术不断调整模型参数甚至进行补偿，使 之不要偏离太远感觉更可行。对于楼上大部分观点，非常专业并表示认同。也非常同意你的通过RFID或者以及 其他的数据采集方式来calibrate交通流以反推优化0D。与您不同的观点在于治理拥堵。因为我在美国机构工作， WB, GEF, ITDP, Berker ley以及MIT都是我们在中国的合作伙伴。因此据我所知包括美国在内的业界基本已经 达成共识，美国的小汽车主导发展的城市交通模式是失败的，就是解决小汽车的拥堵基 本是非常困难