基于过车速度分布的中观仿真模型参数校准.pdfVIP

基于过车速度分布的中观仿真模型参数校准

杨昀霖;何兆成;王亦民

【摘要】通过微观仿真模型,可基于均值残差的拟合优度指标来校准模型参数,但因

模型结构和数据粒度不匹配,且校准指标缺乏对个体信息的考虑,容易误导优化算法

陷入到不合理的“最优局部”的问题,以结构更简洁的中观仿真模型作为研究对象,

提出了基于过车速度分布的拟合优度指标.然后,利用广州市内环路的实测数据,对模

型的参数进行了优化求解,并与基于传统指标的校准方法进行了对比.结果表明:新

指标在校准效果、参数合理性以及优化算法收敛效率方面明显占优,具有可行性和

推广应用的潜力.

【期刊名称】《中山大学学报（自然科学版）》

【年(卷),期】2019(058)002

【总页数】8页(P37-44)

【关键词】中观交通仿真;参数校准;过车速度分布;K-S统计量

【作者】杨昀霖;何兆成;王亦民

【作者单位】中山大学智能交通研究中心,广东广州510275;广东省智能交通系统

(ITS)重点实验室,广东广州510275;中山大学智能交通研究中心,广东广州510275;

广东省智能交通系统(ITS)重点实验室,广东广州510275;中山大学智能交通研究中

心,广东广州510275;广东省智能交通系统(ITS)重点实验室,广东广州510275

【正文语种】中文

【中图分类】U495

交通仿真是模拟道路交通流运行的有效方法，其模型的参数在投入应用之前需要利

用相关场景的交通流检测数据进行校准，以保证仿真结果的准确性和可靠性。在当

前的智能交通系统中，绝大部分场景的数据是靠视频、线圈等断面检测器来持续获

取的，其粒度可以精确到车辆个体。为了更合理高效地应用交通仿真，需要充分考

虑系统现有的数据条件，构建相匹配的仿真模型及参数校准方法。常见的交通仿真

模型，按其对交通系统的描述尺度可以分为宏观、中观和微观模型三类。对于宏观

仿真模型，如：CTM模型[1]，以车流为研究对象，利用道路基本图关系来驱动车

流的演变计算。其待定参数如：自由流车速、阻塞密度和饱和流量等，通过断面流

密基本图散点数据进行最小二乘拟合即可标定[2-3]。但，这类模型缺乏对交通管

控变化的考虑，不便于调控类的仿真应用。对于微观仿真模型，如：跟驰模型[4-

5]，以车辆个体为研究对象，通过引入反映驾驶员心理反应特性的参数去描述车辆

的跟驰行为，其结构比较复杂，需要利用轨迹数据来校准参数[6-7]。但轨迹数据

在当前的检测条件下难以大范围获取，模型的应用受阻。因此，有不少学者利用宏

观交通流数据去校准微观仿真参数，并取得了较好的研究成果[8-9]，但该方法因

模型尺度与数据粒度不匹配，容易出现参数“过拟合”的问题[10]。对于中观仿真

模型，如：车队模型[11-12]，通过对路网描述和车辆运动进行一定的简化建模，

在保留了交通流重要特征的同时，减少计算量和对校准数据的精度要求，就可利用

宏观交通数据校准模型的参数[13-14]，但这类研究只用到个体检测数据的部分特

征，如：均值，没有充分利用个体数据的全局信息。因此，针对存在断面个体检测

的道路场景，本文将选用与之匹配的中观仿真模型开展参数校准研究，并考虑个体

检测数据的分布特性构建参数的优化问题；然后，通过求解算法校准模型的运动参

数；通过与传统集计型的校准方法进行对比，验证该校准方法的可靠性和潜力。

1中观交通仿真模型

本文以车队为对象，采用基础交通流模型组合来描述车队的运行。车队是指运行在

相同的交通状态下，位置相邻的一组车辆。Yang等[15]基于车队这种群体特征建

立了MesoTS模型，已被广泛应用在交通流仿真中。研究将在此框架基础上做模

型组合，并进行了车道级运行的拓展。拓展后的框架将车队运动分为纵向运动与横

向运动(车辆换道)两部分，整体运行框架如下。

图1仿真运行框架Fig.1Flowchartofsimulationprocess

在每个计算迭代中，首先依据每个车道前后车辆的车头时距与车速的差距进行车队

划分[12]。然后，以车队为单位计算车辆的横向运动，并根据换道结果重新划分车

队，最后进行车队的纵向运动计算。

1.1车队纵向运动

车队的纵向运动可利用群体运动的特征进行简化，在本文描述的群体运动中，包括

车队边界对外部应激运动、车队内部平均运动以及外部应激向内部的传递三个过程。

由于交通流运行的前向性，即车辆主要受前车影响，故认为车队头车主要进行应激

运动，受到车队内部影响较少；与之相反，车队尾车由于距离头车最远，其运动主

要受内部平均运