基于Flexsim的城市交通路口车辆排队系统仿真模拟以中山市城桂公路长命水路口为例物流专业Word文件下载.docx
《基于Flexsim的城市交通路口车辆排队系统仿真模拟以中山市城桂公路长命水路口为例物流专业Word文件下载.docx》由会员分享，可在线阅读，更多相关《基于Flexsim的城市交通路口车辆排队系统仿真模拟以中山市城桂公路长命水路口为例物流专业Word文件下载.docx（19页珍藏版）》请在冰豆网上搜索。
我国的经济持续高速增长以及城市化进程的不断推进，结果是我国汽车保有量和城市道路占用率的不断上升，而一些城市的道路规划相对滞后，造成城市拥堵问题，同时，在城市发展过程中对城市内道路基建的更新或增设又会占用部分道路资源，在短时间内又加剧道路拥堵情况。
基于此，本文以中山市城桂公路与长命水长逸路、秀丽路交界十字路口为例，研究在市政工程建设占用道路资源的情况下会对道路运行产生什么影响，并尝试提出优化方案，对减缓市政工程建设对道路交通运行的影响的方法具有探索意义。
1.2研究现状
1.2.1国外研究状况
E.Harahap等学者在2019年进行的交通信号灯交叉口设计仿真研究中得出结论，在输入交通信号灯持续时间、车辆平均到达率、平均车辆离开数的情况下，交通信号灯交叉路口模拟器能够很好地工作。
为了获得最佳结果，有必要设置正确的交通时间。
理想的情况是，所有在红灯时停车并进入队列的车辆都可以在绿灯时离开队列，从而不留任何车辆[1]。
S.Purwiyanti等学者在2019年利用BackgroundSubtractionMethod研究交通信号灯定时器控制系统模型设计，发现若交通信号灯系统能够根据车辆队列自动调整计时器，有助于建立智能交通信号灯系统，换句话说，能够适应其所在路况的交通信号灯系统的设计有助于提高道路运行效率[2]。
ZhenyuLiu等学者通过仿真比较，研究了公交站点对交通流的影响，为公共交通规划和管理提供了科学的指导[3]。
1.2.2国内研究状况
许晨等学者在《排队模型在交通指挥灯中的应用》研究中，发现合理地设计交通灯周期，可以使交通阻塞大大降低[4]。
王付宇等学者在《城市交通路口车辆排队系统仿真及优化》研究中，利用仿真模拟软件对研究对象进行建模，并找出瓶颈，提出了针对研究对象的优化方案，证明利用计算机仿真建模能够找出道路路口的瓶颈并提出优化方案，提高道路路口的通行量，减少堵塞[5]。
唐少虎等学者通过建立实例仿真模型，验证了该文中提出的优化方法，得出了该方法能够适应降雨环境的交叉口交通信号控制，在延误时间、停车次数等指标上均有明显改善，有助于提高交叉口交通运行效率，进而缓解交通拥堵等问题[6]。
刘敏等学者在信号交叉口红绿灯配时优化的休假排队模型的研究中提出信号交叉口的配时优化与评价可分为三个步骤。
第一步是获取基础数据，统计交通流量，第二步是优化信号配时，第三步是评价交叉口的服务水平[7]。
何宁等学者结合实际，对于地铁建设周期长、对城市交通影响大的特点，提出了一种交叉延迟和排队长度的预测方法，为建设地铁等基础设施项目期间的交通组织设计提供了理论支持[8]。
李秉乾研究了VISSIM仿真软件，表明充分利用这样的软件能够实现基础路网生产与参数的自动校正，这种软件可以提供给设计者可靠的交通交叉口模块设计支持，减少进行设计方案拟定方案过程中因无法直观观测车辆交叉口运行状况而导致的设计不合理、设计不科学等问题[9]。
李若菡在《城市单交叉路口交通信号实时优化控制与仿真》研究中，根据闲散、顺畅、繁忙三种不同的交通状态，建立了仿真模型。
通过SARGA和SRGA两种算法，进行仿真分析，研究了通过交通信号实时优化以提高通行的效率的方法[10]。
韩伟莉基于一种模糊控制的交通信号优化方法，通过仿真模型研究，得出采用该种模糊控制方法能够降低等待时间[11]。
曹成涛提出了一种城市交叉口交通信号优化控制方法，通过Pareto前沿驱动引导的方法，提前对交叉口车辆进行实时监控，安排交叉口车辆排队，减少车辆排队，缓解交通拥堵压力，仿真实验表明，该方法具有较强的适用性[12]。
胡杰烽进行城市十字路口信号控制系统的总体设计，详细设计，模拟模型设计，提出了一种城市十字路口的智能交通信号控制系统[13]。
谢飞使用VISSIM模拟软件研究了城市十字路口的信号控制。
结合交通信息收集和交通信号控制技术，设计了城市十字路口信号控制的在线模拟系统[14]。
郭小丹认为城市交通信号控制系统通过其控制功能可以保证居民出行，缓解交通拥堵。
随着交通需求和压力的不断增大，我们必须充分利用各种新的理论和技术来开发交通信号控制系统[15]。
1.2.3国内外研究小结
近年来，随着仿真软件的发展成熟和计算机硬件性能的提升，不少国内外学者利用Flexsim等仿真软件对城市道路交通系统进行研究，通过仿真模型找出系统瓶颈并提出优化方案。
有学者提出，Flexsim仿真技术可以有效地模拟交叉口的交通堵塞，对改善交叉口的交通状况有较好的效果[5]。
不少学者在研究交叉路口系统的时候通过对交通灯信号控制进行优化，实现改善系统运行效率的目的。
本文的研究是基于Flexsim仿真软件，运用仿真模拟和排队相关的理论知识，对以中山市城桂公路长命水路口为例的城市交叉路口进行数据收集与分析，通过建立仿真模型找出瓶颈并提出优化方案。
本文的特点在于研究道路资源在由于城市基础设施建设时而被挤占时道路的运行状况，通过仿真模型找出瓶颈，并以交通灯周期为切入点提出优化方案。
1.3研究的主要内容
一、中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况调查，调查该路口的布局设置。
二、获取该路口交通灯周期，获取在高峰期的车辆与行人的到达、离开的时间间隔，并对相关数据进行分布拟合，供建立模型所用。
三、建立该十字路口的仿真模型，找出问题，并提出优化建议。
使用实地调研中获得的该路口的布局、交通灯周期、车辆行人到达时间间隔、车辆离开系统数量等数据对该路口建立Flexsim仿真模型，模拟该路口的运行过程，找到优化方案。
1.4研究的方法
一、实地调研法：
实地调研中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况，获得该路口的交通灯周期、车辆及行人到达率等各种参数用于建立仿真模型。
二、定量与定性分析相结合：
依据调研结果，对中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况存在的问题进行定性分析，并在定性分析的基础上结合实地调研采集的数据，建立仿真模型，并对模型进行优化。
三、模型分析法：
依据实地调研采集的数据建立中山市城桂公路与长命水长逸路、秀丽路交界十字路口的仿真模型，运行模型并找出瓶颈，然后提出优化方案，建立优化模型，运行优化模型并对比优化前后的结果。
四、Flexsim仿真：
Flexsim是由美国Flexsim公司开发的。
迄今为止，它是世界上第一个在图形环境中集成C++IDE和编译器的仿真软件。
广泛应用于制造业、物流业、交通等各种领域，该软件能够对目标系统建立仿真模型，通过在虚拟环境中运行模型以找出系统瓶颈，帮助对系统的开发与优化。
基于Flexsim软件的仿真模拟研究大致过程如下：
实地调查收集数据——建立概念模型——分析数据拟合分布函数——建立仿真模型——运行模型观察结果——提出优化方案——再次运行模型观察结果。
运用Flexsim软件进行仿真模拟的具体过程大致为：
根据概念模型初步建立仿真模型——对收集到的数据进行适用性检验——数据通过适用性检验后对其进行分布拟合获得其分布函数——根据各项数据对模型中的各个实体进行设置——运行模型观察结果——提出优化方案——再次运行模型观察结果。
2中山市城桂公路长命水路口路况分析
随着经济的发展，我国的汽车普及率逐年增高。
由此带来的，便是由于各种原因而频繁出现的堵车现象，例如由于道路设计考虑不够合理、交通事故、市政工程建设占用道路资源等原因导致的堵车，特别是近年来我国大范围进行基础设施建设，城市的基础设施推陈出新，而这些基建工程在建设过程中往往会占用道路资源，导致道路的运行效率降低。
中山市城桂公路位于广东药科大学中山校区北门前的路段，由于自2018年来中山坦洲快线的修建，位于中央两条车道需要进行围蔽施工，挤占了原有的道路资源，仅余两侧两条车道运行，而该路段又有一个近似十字的交叉路口，施工可能会对该路口的运行造成影响。
本文旨在研究在市政工程建设占用道路资源的情况下对道路运行产生的影响，并尝试提出优化方案。
2.1路况说明
本文研究的对象为城桂公路与长命水长逸路、秀丽路交界的十字路口。
根据实地调查，了解到该十字路口布局为东西-南北走向，其中南北两侧路口为四车道，南侧路口由于围蔽施工中央两条车道不能使用，目前南侧路口的东侧新开辟了一条临时车道，即南侧路口目前实际上有三条车道；
东西两侧路口均为两车道。
南北路口互相正对，形成近似直线的通路，东西路口则错开，相互斜对。
下图为该路段的大致布局。
（见图2-1）
图2-1路况布局示意图
如图2-1所示，红色的区域为围蔽施工的区域，车流不可以在此区域内通行；
黄色的区域为人行斑马线，人流通过此区域穿越马路；
黄色的区域与绿色的区域共同组成该路口系统的通行区域。
在了解到该十字路口布局的基础上开始对各路口的车流流向进行实地调查，下图为车流流向示意图。
（见图2-2）
图2-2车流流向示意图
如图2-2所示。
为了方便研究，这里将各个路口分别使用字母A、B、C、D进行表示，并将各个车道分别编号为A1、A2、B1、B2、C1、C2、D1、D2。
车流从A2、B2、C2、D2路口进入系统（即图2-1所示的通行区域），并从A1、B1、C1、D1路口离开系统。
其中，由于南北两侧路口均有多于一条车道，且A2路口两条车道基本为互相隔开状态，车辆不能在两条车道之间变道，而对于C2路口的两条车道，由于本研究收集数据的方式的特点（2.2.2节阐述），不能将其合并视作一条车道，故分别用A2_Left、A2_Right、C2_Left、C2_Right来分别表示A2、C2路口左右两侧车流进入系统所经过的车道。
对于C1路口，由于车辆从C1路口离开系统时，经常出现换道、压线等现象，难以区分车辆走哪一条车道，同时由于车辆已经离开系统，没有必要对两条车道进行区分，故统一用C1表示，不做左右车道的区分。
AB、BC、CD、DA分别表示行人到达的等待区域。
根据图2-2得出车流流向表和人流流向表。
（见表2-1、表2-2）
表2-1车流流向表
路口
流向
A2_Left
直行
C1
B2
右转
左转
D1
C2_Left
A1
B1
A2_Right
C2_Right
D2
表2-2人流流向表
行人到达区域
AB
→
BC
DA
CD
2.2数据收集
根据2.1中收集到的路况信息，可以对该路口进行红绿灯周期、车辆到达时间间隔以及人流到达时间间隔等数据的收集。
根据实地观察比较，发现该路段的高峰期大约在每天17:
00到19:
00左右，本文主要研究该路段高峰期的车辆排队情况，故只收集高峰时段的数据，由于高峰期时间较短，需分开3天进行数据收集以获得足够的样本数据。
整个路况调查以及数据收集过程耗时约5天。
收集数据的方式主要为使用秒表进行测算。
2.2.1红绿灯周期数据收集
在实地调查开始的第1、第2天内进行对该路口的布局调查，画出大致的布局图以及对该路口进行红绿灯周期的测算。
该路口的布局在2.1节已做说明，在此不赘述。
对该路口红绿灯的周期进行多次测算，结果一致。
下表为所收集到的关于红绿灯周期的数据。
（见表2-3）
表2-3红绿灯周期
类型
状态
时间
（秒）
南北向车道
红
30
黄
3
绿
77
东西向车道
80
27
南北向人行道
33
无黄灯
东西向人行道
83
根据表2-3数据可以计算得出一个红绿灯周期的时长为110秒。
2.2.2车流到达时间间隔与人流到达时间间隔数据收集
在实地调查开始的第3到第5天对车流到达时间间隔与人流到达时间间隔的数据进行收集。
对于车流与人流到达时间间隔，具体收集方法为在路口选定一个点，以该点为端点作一条垂直于车流/人流到达方向的虚拟直线，当车流/人流穿过该直线便用秒表记一次到达时间。
特别的，对于车流到达时间间隔数据的收集，在一个周期内，若车流持续通行（通常为绿灯状态），则当车流穿过上述虚拟直线时记一次到达时间；
若已形成队列（通常为红灯状态），则当后来车辆到达前一辆车后方并开始减速时记一次到达时间。
通过收集上述两项数据可以在建模阶段进行分布拟合得到车流到达时间间隔与人流到达时间间隔的分布函数用于建立模型，具体在第3.2.1节阐述。
2.2.3系统通行区域的平均通过用时与进入通行区域车辆的平均数量
通过收集车流离开各个路口的数量，可以得到通行区域的平均通过用时与进入通行区域车辆的平均数量。
车流离开各个路口的数量数据的收集方法同2.2.2。
在收集到车辆离开系统数量的数据后，对该数据进行处理：
设通行区域的平均通过用时为AS，进入通行区域车辆的平均数量为AC，通过以下等式计算出AS：
计算出AS后，可以根据利特尔法则（Little’sLaw）计算出AC：
通过收集到的数据，计算得出AS=7.42秒，AC≈7辆。
上述计算AS和AC的公式在计算单个周期时使用，文中计算得出的平均通过用时AS为各个周期的平均通过用时的总平均，得出平均每辆车在通行区域的逗留时长为7.42秒；
AC直接由总平均通过用时乘以处理率总平均计算得出，得出进入通行区域的车辆平均数量约为7辆，即同一时刻通行区域中存在的平均车辆数约为7辆。
2.2.4行人穿越马路的平均用时
用秒表计时进行数据收集，并计算得出行人穿越马路的平均用时。
（见表2-4）
表2-4行人穿越马路平均用时
人流流向
平均用时
AB-BC
8.98
AB-DA
17.36
CD-BC
13.93
CD-DA
4.08
注：
人流流向是双向的，行人穿越马路的平均用时即指行人在两等待区域之间流动的平均用时。
对表2-4中的数据进行加总平均便能得出行人通过通行区域所用的平均用时AP为：
AP=11.09秒。
行人通过通行区域的平均用时AP为11.09秒，可以看作每个行人平均在通行区域的逗留时长为11.09秒。
3建立模型
3.1建立概念模型
在建立仿真模型之前，需要首先根据在第二节收集的数据建立一个概念模型，以作为建立实际的仿真模型的参照。
根据该十字路口车辆通行系统的系统流程画出系统结构图。
（见图3-1）
图3-1系统结构图
如图3-1所示，该系统的流程为：
车辆、行人到达进入系统，在红绿灯前排列成队列，待红绿灯的状态变为绿后进入通行区，通行完毕后离开系统。
由于车辆与行人共同使用一个通行区，为了简化模型，也限于实验设备的机能限制，在此不考虑复杂的车流流向与人流流向，而是将通行区视为一个处理器，由车辆与行人共同使用，即车辆、行人进入系统，排队进入通行区，进入通行区后逗留若干时长，以此来模拟车辆、行人通过该路口的通行区域，最后从通行区中出来，离开系统。
由于同一流向的行人（例如南北流向，即AB-BC流向以及CD-DA流向）在一个红绿灯周期内的流向、等待时间（红灯状态持续时间）、可通行时间（绿灯状态持续时间）均相同，因此为了简化模型，亦是为了节约实验设备机能，在仿真模型中将同一流向的两条人行道合并视作为一条，即AB-BC和CD-DA流向的人行道合并看作一条南北流向人行道，AB-DA和CD-BC流向的人行道合并看作一条东西流向人行道，并将两种流向的人行道的排队区域抽象看作各只有一个，在仿真模型中将同一流向的人行道到达的行人发送到同一个公用的排队区域。
另外，模型中的行人到达分类中转区域不作停留，该区域的作用是判断到达的行人的流向，并发送到相应的排队区域排队，不发挥数据收集的作用。
车辆以及行人离开系统时，处理器（通行区）将根据不同类型发送到相应的接收器，表明对象实体离开系统。
3.2建立仿真模型
根据2中收集的各种数据，以及参照3.1中建立的概念模型，在Flexsim中建立实际的仿真模型。
3.2.1拟合数据获得各种数据的分布函数
在建立实际模型之前，需要首先对数据进行分布拟合，本文利用Flexsim中整合的数据拟合工具Expertfit进行数据分布拟合。
3.2.1.1进行数据适用性检验
在拟合数据之前，需要对数据进行适用性检验，对数据的适用性检验包括对数据的独立性检验、同质性检验以及平稳性检验。
独立性检验是观察散点图是否有明显的散点趋势，自相关图中的所有相关系数是否接近0，以检查数据是否相互影响，而同质性检验则通过检验频率直方图是否不存在多峰来检验数据是否服从同一分布。
由于本文仅研究该路口高峰期的状况，只涉及一个时段，故不需要进行数据平稳性检验。
经过检验，发现收集的所有数据均通过适用性检验，可以进行下一步处理。
3.2.1.2进行数据的分布拟合
在数据通过了适用性检验之后，可以开始进行分布拟合：
先用Flexsim中整合的Expertfit软件的自动拟合功能对数据自动拟合出最合适的分布类型，再对该分布类型进行拟合优度检验，本文采用的拟合优度检验的内容包括A-D检验、K-S检验以及卡方检验，三项检验均通过的分布类型即为可以运用的分布类型。
通过拟合优度检验，发现只有C2_Left路口的车辆到达时间间隔的数据和CD区域的行人到达时间间隔的数据不能通过拟合优度检验，需要运用经验分布，其余数据均通过了拟合优度检验，可以在建立模型的时候直接利用拟合出来的分布类型。
通过了拟合优度检验后，即可用Expertfit软件中的获取分布函数表达式的功能获取各个分布类型的表达式以运用到模型中。
下表为各项数据的分布函数表达式。
（见表3-1）
表3-1各项数据的分布函数表达式
数据
函数表达式
A2_left
johnsonbounded（1.027080,12.336310,2.163554,1.045594,<
stream>
）
A2_right
johnsonbounded（1.181596,50.698027,1.726118,0.714420,<
weibull（0.000000,9.741401,1.523205,<
C2_left
经验分布
C2_right
inversegaussian（0.284923,5.423258,4.21486
升级会员 