上海大规模交通仿真及分析 - 城市交通Word格式文档下载.docx
《上海大规模交通仿真及分析 - 城市交通Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《上海大规模交通仿真及分析 - 城市交通Word格式文档下载.docx(7页珍藏版)》请在冰豆网上搜索。
![上海大规模交通仿真及分析 - 城市交通Word格式文档下载.docx](https://file1.bdocx.com/fileroot1/2022-10/2/5f26460f-68b0-43ea-b11c-6aa3fa5d6860/5f26460f-68b0-43ea-b11c-6aa3fa5d68601.gif)
ALargeScareTransportSimulationBasedonMATSim:
ACaseofShanghaiAbstract:
MATSimisanopensourceandmulti-agentbasedtransportsimulation.ItisusedtosimulatealargescaretransportsituationofShanghai.Thescenariocontains200thousandsyntheticpersonsandtheyaresimulationonanetworkwith50thousandlinks.Modechoice,routechoiceandactivitytimeallocationmodulesareusedtooptimizetheactivityplansofagents.Therelaxedstateofsimulationsystemisreceivedafter100iterationsofthereplanningprocedure.ThefeasibilityoftransportsimulationinShanghaibyMATSimisvalidatedaccordingtotheresultofmodespitandcountscomparisonbetweenobservationandsimulation.MATSimisalsousedtoevaluatethenetworkplanandprovidesomesuggestionoftrafficmanagement.
Keywords:
agent-basedtransportsimulation;
multi-modetrafficmodel;
MATSim;
activityplan;
Shanghaiscenario
1MATSim概述
在计算机上进行交通仿真是帮助设计、分析和评估各类交通工程、管理和规划项目可选方案的有力工具。
与西方发达国家一样,中国日益严重的交通拥堵问题促动了对应用和开发交通仿真软件的浓厚兴趣⑴。
如何应用交通仿真软件来评估交通状况,除了收集数据还需客观地评价和分析现有各种交通仿真模型软件在不同条件下的适用性,选择合适的工具并估计人的驾驶行为和环境条件的模型参数,从实际角度出发,将交通仿真与交通规划、设计结合在一起。
MATSim⑵是一个开放源平台,它不仅提供了通用的模型,使模型参数化,同时也容许用户根据自己的研究需求添加进自己的模型。
用户可以根据自己所研究的对象和范围使用适当的驾驶员行为和外在环境因素的参数和模型,提高模拟精度。
不仅如此它是一个基于agent的仿真,不同与以往集计式的宏观交通规划,它根据每个人的实际属性估计出行计划。
而作为一款宏观仿真模型,它又简化了微观交通仿真的车辆跟车模型,采用了基于事件的分布式并行算法来求解车辆在路网上的移动,从而提高了大规模交通仿真的运行效率。
2MATSim的结构及模块
2.1仿真结构
MATSim的仿真结构⑶主要由以下几个部分组成(见图1所示)。
初始需求:
对于每个代理(agent),需要生成一个初始的活动计划。
输入数据包括人口,土地利用数据和网络数据,这些可以产生初始需求。
硬盘中掌握这些代理和相关属性的数据库会读取初始计划文件,创建代理目标并加载他们的计划至内存。
因为每个代理通常只有一个计划,它被标注为“可选”,这也意味着此计划在下一阶段中被执行。
计划执行:
在计划执行阶段,沿着时间轴所选的活动计划被一一仿真。
在计划实现的过程中还需考虑那些设施的边界条件。
例如道路网络的最大存储量和最大流量或者活动设施的开放时间等。
而且活动计划要求一个代理在到达此活动之前不能离开。
计划执行的结果可以得到一连串的事件,记载了具体的时间和地点。
他们包含了代理执行活动、旅行途中、进入或离开路段时的相关信息。
这些事件将会在接下来的MATSim子阶段中进一步处理(活动评估、计划优化、分析等阶段)。
活动评估:
代理数据库从计划执行步骤中读取事件信息并把每个事件对应到各个代理。
每个代理对新选出的可选计划进行打分,而那些没有被选中的计划分数则不会被修改。
计划优化:
每个代理的初始需求仅包含一个活动计划。
每当一个代理进行重新计划时,在他的内存中将会添加另一个计划。
一个代理可以最大的拥有n个计划,加上在当前迭代中被选中重新计划的那一个。
而在下一个迭代开始的时候其中一个计划会被删除。
计划选择:
每个代理决定下个迭代中所要执行的计划,通常是以最优原则选取。
分析并输出数据:
当系统的属性满足停止条件时,迭代停止。
同时通过输出图形文件和文本文件来输出仿真的结果。
其中包含记录所有agent事件、计划的文本还有各路段的小时流量、旅行时间等统计文本和可视化文件。
2.2仿真模块
1)综合人口的产生
通过不同的数据源来得到观察值,例如通过统计数据可以得到一些地区的人口数据。
但是在此软件中需要非集计的人口数据。
居民出行数据可以提供个人的完整数据包括个人的特征属性、出行属性等。
运用IPF⑷和MC可以在获得部分人口数据的情况下生成仿真需求的综合人口数据来取代现实中的人口。
2)数据需求
起讫点数据(0D)是交通规划中不可缺少的数据,它描述了各个交通小区之间人们的出行需求,但是这一部分数据却是较难获取的。
本文采用了浮动车所采集的全天的GPS数据来生成24小时的0D矩阵。
网络是由。
penstreetmap⑸得到的,它包括道路的节点和路段,但是只能显示网络的拓扑和网络的等级信息却不能得到每个方向的车道数和路段流量。
软件通过路网生成模块可以将原本OSM格式的地图转成MATSim中XML格式的地图,并根据了道路等级来默认路段属性值。
此文中所用网络包括21290个节点和46012条路段。
活动设施反映了用地情况,同时也是各个活动执行地。
在本文中根据出行的目的将活动对应的场所分成三类:
家、工作/上学和娱乐/购物。
因为缺乏商店的数据所以将购物活动归并到娱乐中,将上学归并到工作中。
根据GoogleAPI提供的地址解析(Geocoding)功能将不同功能的设施地址转化成坐标。
路段监测数据用来同路段仿真数据进行比较,从而衡量仿真与实际之间的误差。
在本文中共选取了23个观测点来进行衡量。
3)初始需求生成
初始的需求包括综合人口的产生和初始全日活动计划两个部分。
一个全日活动计划包括这几个步骤:
活动链选择,活动时间,出行方式选择,目的地选择和路径选择。
4)交通流仿真
交通流仿真就是在给定的出发时间下将个体加载到网络上,同时个体沿着给定的路径移动并对网络中的其他个体产生影响,并且移除那些已经到达终点的个体。
利用排队模型来模拟各条路段的服务状况并得到近似的路段速度和旅行时间而不用描述具体的驾驶行为。
每个路段都似FIFO排队,最大可释放的排队数即为道路的容量。
步行和骑车的方式也可以在仿真中体现,但是他们并不在物理环境中执行,只是在出行优化模块产生路径时预估出行时间,可以说是一个“瞬间转移”的过程。
5)出行优化
出行优化是交通流仿真迭代中一个重要的环节。
其中包含路径选择、时间分配、方式选择这三个模型。
这些模型用来更新出行计划,而每一个模型都定义一个被选择的概率权重。
其中路径选择使用的是基于时间的最短路径算法模型(Dijkstra模型)。
时间分配模型就是对活动的时间和出发时间进行再规划。
在这里使用了一个简单的时间突变模型,即变化的时间符合平均分布。
方式选择模型则是随机改变每个子出行(subtour)的方式,但是同时需要考虑车辆的取回问题。
6)计划评估
对实行的计划进行评估可以比较各计划的优劣,本文采用了一个简单的效用表达式⑹来对个体的计划进行打分。
其中qsn是给定计划的效用;
九是活动的数量;
1/加小是活动i所得到的效用;
4rm叩是为了去执行活动i所花费的旅行效用;
Uwq%则是执行活动i所花费的等待时高;
Ushort>
i9"
砒)分别是对活动时间太短或者开展此活动太迟所做的惩罚效用。
3上海大规模交通仿真及分析
运用了MATSim对上海的道路交通进行仿真是此研究的目的。
之所以取上海为分析的对象是因为上海的路网规模较大,人口也较多,完全符合大规模之称。
上海的居住人口大约为2075万,土地面积为60.73平方公里。
所注册的车辆约为243万辆。
每日的居民出行总数约为4540万人次,其中公交、机动车、非机动车和步行的比例分别为25.2%、20%、28.6%和26.2%⑺。
MATSim平台采用的语言为java,输入文件的格式为XML其中包括network.xml,facilities.xml和plans.xml。
输出文档包括事件、计划文档,统计文档和可视化文件。
3.1仿真步骤
1)获取网络数据
初始的地图是从openstreetmap获取的,它包括道路网络和轨道网络。
本文中的网络主要是提取了市中心的街道网络并与其他的快速道路进行合并而成的,其中使用的坐标系统为WGS84_UTM51No
2)获取设施坐标
因为缺少公司及住宅用地的相关设施信息,所以本文采用了如下方式进行数据的搜集和处理:
①通过GPS数据得到全天的0D对;
②提取OD对的起始和终点坐标;
③运用反向地址解析得到此设施的地址及相关属性;
④通过属性对设施进行分类,主要根据人们的活动分成3类。
最后为了设施显示更为清晰,将设施的坐标精确到100*100m的矩形。
3)生成人口
上海统计年鉴上记载2009年城市居住人口为2075万,通过居民出行调查和人口普查能够得到部分人的信息包括个人属性(年龄、性别、职业、有无驾照等),家庭属性(收入,拥有车辆数、是否有孩子)和出行需求(出行次数、家庭地址、工作地址、出行方式、出发时间等)。
在仿真中采用了1%的人口,而这些人口的属性也是通过对应的分布产生的。
4)创造出行样本
根据居民出行调查可将出行链分为5个类别,针对工作人员可以简化成:
在家,工作。
在家,在家。
工作,娱乐。
在家,在家。
工作,娱乐分工作。
在家。
非工作人员的出行链可以简化成:
在家,娱乐。
娱乐。
由此可以得到1000余份出行的样本,其中包括个人ID,出行ID,起讫点等信息。
5)生成计划
将人口数据按照一定的分布分配其出行的计划。
同时调用MNL模型根据个体的特性和出行情况估计其所选择的出行方式。
6)比较交通流
为了验证仿真的结果,需要提供路段交通流。
MATSim可以对观测数据与仿真的结果进行比较,我们需要提供xml格式的每小时某路段的流量。
在上海有许多流量观测点可以提供过去的流量数据,但是需要手工的将观测点对应到仿