基于交通仿真的交通流预测方法.pdf

摘要
申请专利号：	CN201410712623.1	申请日：	2014.11.28
公开号：	CN104408921A	公开日：	2015.03.11
当前法律状态：	驳回	有效性：	无权
法律详情：	发明专利申请公布后的驳回IPC(主分类):G08G 1/01申请公布日:20150311\|\|\|实质审查的生效IPC(主分类):G08G1/01申请日:20141128\|\|\|公开
IPC分类号：	G08G1/01; G06F17/50	主分类号：	G08G1/01
申请人：	江苏物联网研究发展中心
发明人：	乔照海; 赵旦谱; 王艳军; 台宪青
地址：	214135江苏省无锡市新区菱湖大道200号中国传感网国际创新园C座
优先权：
专利代理机构：	无锡市大为专利商标事务所(普通合伙)32104	代理人：	曹祖良; 张涛
PDF下载：	PDF下载

内容摘要

本发明涉及一种基于交通仿真的交通流预测方法，其包括如下步骤：步骤1、获取所需预测路段的道路参数以及交通条件；步骤2、在交通仿真软件中绘制静态路网；步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；重复上述预测过程，以得到相应时间点的预测交通流密度。本发明通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，安全可靠。

权利要求书

权利要求书
1.  一种基于交通仿真的交通流预测方法，其特征是，所述交通流预测方法包括如下步骤：
步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；
步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；
步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；
步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；
步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。

2.  根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述步骤1中，路段的道路参数包括城市道路网基础信息、城市基础地理信息及城市交通管理信息；获取路段的交通条件后，进行统计，以得到路段内的车辆类型、各类车型的比例以及路段内的车辆平均速度。

3.  根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述交通仿真软件包括PTV-VISSIM。

4.  根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述交通仿真软件将预测交通流密度以三维动态或二维动态图表的形式输出。

5.  根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是，所述步骤3中，预测交通流密度的方法为：
m＝αx+βy
其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，α是当前交通流密度的比例因子，β是历史交通流密度的比例因子。

6.  根据权利要求5所述的基于交通仿真的交通流预测方法，其特征是，当前交通流密度的比例因子α为0.8，历史交通流密度的比例因子β为0.2。

7.  根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是，所述步骤5中，得到相应时间点的预测交通流密度的方法为：
m′＝α′x′+β′y′
其中，m′是得到的预测交通流密度，x′是当前交通流密度，y′是对应时间点的历史交通流密度，α′是当前交通流密度的比例因子，β′是历史交通流密度的比例因子；当前交通流密度的比例因子α′为0.5，历史交通流密度的比例因子β′为0.5。

说明书

说明书基于交通仿真的交通流预测方法
技术领域
本发明涉及一种交通流预测方法，尤其是一种基于交通仿真的交通流预测方法，属于交通预测的技术领域。
背景技术
随着经济社会的发展和科学技术的进步，交通运输已成为人们生活中不可缺少的重要组成部分。近几十年来，随着交通运输网络的快速发展，随之引起的交通堵塞、环境污染及交通事故等问题也越来越突出。从20世纪80年代起，不少发达国家将计算机技术和交通仿真技术相结合，研究出了许多关于交通仿真的产品，这些产品不仅可以动态、逼真地仿真交通流和交通事故等交通现象，还能再现交通流时空变化，深入分析车辆、驾驶员和行人、道路以及交通的特征，找出问题的症结。典型代表有德国的PTV-VISSIM、英国的S-Paramics、美国的CORSIM、西班牙的GETRAM/AIMSUN等。
但是，这些优秀的交通仿真软件功能都比较单一，只能再现历史交通流，而不能进行交通流的预测。如何及时、准确地预测未来短时间内的交通状况，不仅是智能交通系统(ITS)的一项重要研究课题，也是制定正确交通疏导和控制策略的重要前提之一。早在20世纪60年代，研究人员就开始把其它研究领域较为成熟的预测模型用于短时交通流预测领域，这些预测模型主要分为五类：基于统计理论的模型、基于智能理论的模型、基于非线性预测理论的模型、基于微观交通仿真的模型和混合模型方法。统计理论模型需要做统计假设，无法满足交通流域随机性强的特点，智能理论模型计算过程复杂，实时性差，非线性预测理论模型的计算精度低，使得计算结果可靠性低。而采用计算机仿真技术进行交通流预测具有经济、安全、高效的特点。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于交通仿真的交通流预测方法，其通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，安全可靠。
按照本发明提供的技术方案，一种基于交通仿真的交通流预测方法，所述交通流预测方法包括如下步骤：
步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；
步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；
步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；
步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；
步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。
所述步骤1中，路段的道路参数包括城市道路网基础信息、城市基础地理信息及城市交通管理信息；获取路段的交通条件后，进行统计，以得到路段内的车辆类型、各类车型的比例以及路段内的车辆平均速度。
所述交通仿真软件包括PTV-VISSIM。所述交通仿真软件将预测交通流密度以三维动态或二维动态图表的形式输出。
所述步骤3中，预测交通流密度的方法为：
m＝αx+βy
其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，α是当前交通流密度的比例因子，β是历史交通流密度的比例因子。
当前交通流密度的比例因子α为0.8，历史交通流密度的比例因子β为0.2。
所述步骤5中，得到相应时间点的预测交通流密度的方法为：
m′＝α′x′+β′y′
其中，m′是得到的预测交通流密度，x′是当前交通流密度，y′是对应时间点的历史交通流密度，α′是当前交通流密度的比例因子，β′是历史交通流密度的比例因子；当前交通流密度的比例因子α′为0.5，历史交通流密度的比例因子β′为0.5。
本发明的优点：在利用短期交通流预测系统进行交通流预测研究时，不仅降低了经济成本，提高了仿真实验的准确度和可信度，而且可以通过三维动态仿真软件和二维动态图表直观的观察到未来某一时间点的交通运行状况，为交通出行者带来方便，为交通管理决策者提供科学依据。
附图说明
图1为本发明的结构框图。
图2为本发明的流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1和图2所示：为了能通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，本发明所述交通流预测方法包括如下步骤：
步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；
在具体实施时，对于需要进行预测的路段，需要知道该路段的道路参数以及交通条件；由于道路施工建设属于国家承担项目，道路参数以及交通条件可以通过直接联系交通道路部门获得，此外，直接测量路段也可以得到。在得到路段的道路参数之后，将路段的集合参数单位都转化为米，并保留两位小数，对交通信号的时间长度进行校准，以减少误差。在获得路段的交通条件后，进行统计处理，以得到路段内所有时间点的车辆类型、各类车型的比例以及路段内的车辆平均速度；
步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；
本发明实施例中，以交通仿真软件采用PTV-VISSIM为例来进行具体说明，下面的表述均是以PTV-VISSIM为仿真软件的表述，具体不再赘述。PTV-VISSIM作为德国的交通仿真软件，软件中车辆的驾驶行为参数并不适合中国特殊情况，所以在使用之前需要进行参数的标定，具体参数标定为：
平均停车间距(ax)：两停车车辆的平均停车距离，变化幅度为±1m；
最大前视距离：前视距离定义了车辆前方的可视距离，从该距离开始，后车驾驶员能够对在同一路段内的前方或旁边的车辆作出反应，最大前视距离即允许的前视最大距离；
协调刹车的最大减速度：当驾驶员允许其他一个车辆变换到自己行驶的当前车道上，需要相应地协调刹车，该值是采取的一个自身最大期待的减速度。
对于交通仿真软件PTV-VISSIM中的参数标定过程为本技术领域人员所熟知，不再详述。
在绘制静态路网的过程中，除了路段的绘制和信号灯的设置外，包括道路的限速、平均速度、道路的减速区域、无信号灯路口的优先规则等都要设置，让绘制的静态路网和现实的路网结构尽可能相同。详细的静态路网绘制不属于本申请所包含范围之内，具体绘制方法参考VISSIM自带帮助文档。
步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；
在具体实施时，在PTV-VISSIM仿真软件中设置仿真速度、仿真周期长度，其中，仿真运行速度为3.0仿真秒/秒；仿真周期长度为1800秒；仿真精度为5时间步长/秒；PTV-VISSIM仿真软件中其它仿真参数设置，其中，仿真时间：9000秒，本实施案例作为一个测试案例运行5个仿真周期，如果作为正式工程运行，需要忽略仿真时间长度的设置，即没有时间长度的限制；仿真精度为5时间步/仿真秒。
在仿真周期开始时刻与仿真进行中的仿真预测有所不同，但都与路段的当前实时交通流密度以及相应时间点的历史交通流密度有关，当前实时交通流密度可以通过技术手段获得，如通过摄像头等检测得到，相应时间点的历史交通流密度可以通过步骤1中的交通条件获得。
在仿真周期开始时刻，预测交通流密度的方法为：
m＝αx+βy
其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，α是当前交通流密度的比例因子，β是历史交通流密度的比例因子；其中，当前交通流密度的比例因子α为0.8，历史交通流密度的比例因子β为0.2。
步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；
仿真周期开始后，得到相应时间点的预测交通流密度的方法为：
m′＝α′x′+β′y′
其中，m′是得到的预测交通流密度，x′是当前交通流密度，y′是对应时间点的历史交通流密度，α′是当前交通流密度的比例因子，β′是历史交通流密度的比例因子；当前交通流密度的比例因子α′为0.5，历史交通流密度的比例因子β′为0.5。当前交通流密度x′包含步骤3在仿真周期开始时得到的预测交通流密度，以及根据仿真周期开始时得到的预测交通流密度得到的其余时间点的预测交通流密度。
步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。
本发明实施例中，步骤5与步骤4的过程相同，区别仅仅在于步骤4需要利用步骤3中在仿真周期开始时的预测交通流密度，而步骤5直接利用步骤4的预测交通流密度。在仿真开始后，重复步骤5的预测过程中，从而能将所有时间点的预测交通流密度。由于仿真参数的设置，本发明实施例中，得到的是短期交通流预测。
根据设置的仿真参数，结合具体的仿真参数，来对本发明的具体仿真预测过程进行详细说明。
1)、假设仿真预测周期30分钟的每一分钟分别用0–29的30个数字标识，0时间点调用的数据是当前实时数据和历史平均数据的组合计算结果，数据交互模块每一分钟输出一次仿真预测结果，所以在1时间点的时候输出一次仿真预测结果S1，并且将结果返回给数据交互模块。
2)、根据第1)步中时间的标识，1时间点调用的数据就是刚刚得到的预测结果和历史平均数据的组合计算结果，仿真软件运行1个时间片段后，在2时间点输出一个仿真预测结果S2，并将结果返回给数据交互模块。
3)、根据第1)步的描述，在2–29时间点关于输入交通流数据的调取都类似1时间点，并且在每一时间点都要将预测结果(S3–S30)返回给数据交互模块。
4)、根据数据交换模块的运行条件，仿真运行速度是3仿真秒/秒，所以30分钟的仿真秒在10分钟的现实时间中运行完毕，30–10＝20分钟，所以本交通流预测模型的最长时间长度是20分钟。
5)、根据第1)–4)步的叙述，在29时间点输入数据后，在30时间点得到输出结果。现实时间恰好是在10分钟，这时一个仿真预测周期运行结束。从30时间点进入下一个仿真预测周期，新的仿真预测周期开始时间点数据的调用方法类似第1)步的说明，调用的数据是当前现实时间的实时数据和历史平均数据的组合计算结果，在31时间点得到第二个仿真预测周期的第一次输出结果S31，根据输入数据的来源，S31实际上是第11仿真分钟的预测结果S11’，与之前S11的仿真预测结果相比，S11’更加准确，因为该结果输出的时间点和准确数据输入的时间点的时间差更小，所以输出结果列表中用S11’代替S11。
6)、类似于第5)步，在第二个仿真预测周期的1–20时间点上得到仿真预测结果比第一仿真预测周期的第11–30时间点上的结果更加准确，所以在得到新的预测结果之后就用新的预测结果替换旧的预测结果，在第二个仿真预测周期的第21–30时间点上得到仿真预测结果是首次得到仿真预测结果，直接保存到输出结果列表中。
7)、在第二个仿真预测周期运行结束后，仿真时间是40分钟，现实时间是20分钟，所以仿真预测最大时间长度仍然是20分钟，这样就保证了仿真预测模型周期迭代运行的完备性。
8)、整个仿真运行过程中的数据输入和数据输出及结果保存都同第1)–6)步中的说明。其它周期的运行类同前两个周期。
9)、在数据展示模块部分，本模型将输出的预测结果保存到了EXCEL软件中，结果列表如下表1，根据第6)步的说明，本模型得到预测结果是不断滚动刷新的，每个时间点会得到两次预测结果，本模型保证用新的预测结果代替旧的预测结果，进一步保证了预测结果的准确性。
表1

关于数据展示模块部分中的三维动态展示部分，可以直接观察PTV-VISSIM交通仿真软件自带的三维展示模块；二维动态展示部分，可以用EXCLE自带的功能将结果列表中的数据直接转化成柱状图的效果。
在利用短期交通流预测系统进行交通流预测研究时，不仅降低了经济成本，提高了仿真实验的准确度和可信度，而且可以通过三维动态仿真软件和二维动态图表直观的观察到未来某一时间点的交通运行状况，为交通出行者带来方便，为交通管理决策者提供科学依据。
最后，需要理解的是，本发明并不局限于上述特定实施方式，本领域普通技术人员可以在权利求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

资源描述

《基于交通仿真的交通流预测方法.pdf》由会员分享，可在线阅读，更多相关《基于交通仿真的交通流预测方法.pdf（9页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 (43)申请公布日 (21)申请号 201410712623.1(22)申请日 2014.11.28G08G 1/01(2006.01)G06F 17/50(2006.01)(71)申请人江苏物联网研究发展中心地址 214135 江苏省无锡市新区菱湖大道200号中国传感网国际创新园C座(72)发明人乔照海赵旦谱王艳军台宪青(74)专利代理机构无锡市大为专利商标事务所(普通合伙) 32104代理人曹祖良张涛(54) 发明名称基于交通仿真的交通流预测方法(57) 摘要本发明涉及一种基于交通仿真的交通流预测方法，其包括如下步骤：步骤1、获取所需预测路段的道路参数以及交通条。

2、件；步骤2、在交通仿真软件中绘制静态路网；步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；重复上述预测过程，以得到相应时间点的预测交通流密度。本发明通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，安全可靠。(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书1页说明书5页附图2页(10)申。

3、请公布号 CN 104408921 A(43)申请公布日 2015.03.11CN 104408921 A1/1页21.一种基于交通仿真的交通流预测方法，其特征是，所述交通流预测方法包括如下步骤：步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得。

4、到所需下一时间点的预测交通流密度；步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。2.根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述步骤1中，路段的道路参数包括城市道路网基础信息、城市基础地理信息及城市交通管理信息；获取路段的交通条件后，进行统计，以得到路段内的车辆类型、各类车型的比例以及路段内的车辆平均速度。3.根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述交通仿真软件包括PTV-VISSIM。4.根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是：所述交通仿真软件将预测交通。

5、流密度以三维动态或二维动态图表的形式输出。5.根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是，所述步骤3中，预测交通流密度的方法为：mx+y其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，是当前交通流密度的比例因子，是历史交通流密度的比例因子。6.根据权利要求5所述的基于交通仿真的交通流预测方法，其特征是，当前交通流密度的比例因子为0.8，历史交通流密度的比例因子为0.2。7.根据权利要求1所述的基于交通仿真的交通流预测方法，其特征是，所述步骤5中，得到相应时间点的预测交通流密度的方法为：mx+y其中，m是得到的预测交通流密度，x是当前交通流密度。

6、，y是对应时间点的历史交通流密度，是当前交通流密度的比例因子，是历史交通流密度的比例因子；当前交通流密度的比例因子为0.5，历史交通流密度的比例因子为0.5。权利要求书CN 104408921 A1/5页3基于交通仿真的交通流预测方法技术领域0001 本发明涉及一种交通流预测方法，尤其是一种基于交通仿真的交通流预测方法，属于交通预测的技术领域。背景技术0002 随着经济社会的发展和科学技术的进步，交通运输已成为人们生活中不可缺少的重要组成部分。近几十年来，随着交通运输网络的快速发展，随之引起的交通堵塞、环境污染及交通事故等问题也越来越突出。从20世纪80年代起，不少发达国家将计算机技术。

7、和交通仿真技术相结合，研究出了许多关于交通仿真的产品，这些产品不仅可以动态、逼真地仿真交通流和交通事故等交通现象，还能再现交通流时空变化，深入分析车辆、驾驶员和行人、道路以及交通的特征，找出问题的症结。典型代表有德国的PTV-VISSIM、英国的S-Paramics、美国的CORSIM、西班牙的GETRAM/AIMSUN等。0003 但是，这些优秀的交通仿真软件功能都比较单一，只能再现历史交通流，而不能进行交通流的预测。如何及时、准确地预测未来短时间内的交通状况，不仅是智能交通系统(ITS)的一项重要研究课题，也是制定正确交通疏导和控制策略的重要前提之一。早在20世纪60年代，研究人员就开始把。

8、其它研究领域较为成熟的预测模型用于短时交通流预测领域，这些预测模型主要分为五类：基于统计理论的模型、基于智能理论的模型、基于非线性预测理论的模型、基于微观交通仿真的模型和混合模型方法。统计理论模型需要做统计假设，无法满足交通流域随机性强的特点，智能理论模型计算过程复杂，实时性差，非线性预测理论模型的计算精度低，使得计算结果可靠性低。而采用计算机仿真技术进行交通流预测具有经济、安全、高效的特点。发明内容0004 本发明的目的是克服现有技术中存在的不足，提供一种基于交通仿真的交通流预测方法，其通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，安全可靠。0005 按照本发明提供的技术方。

9、案，一种基于交通仿真的交通流预测方法，所述交通流预测方法包括如下步骤：0006 步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；0007 步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；0008 步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；0009 步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；说明书CN 104408921 A2/5页400。

10、10 步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。0011 所述步骤1中，路段的道路参数包括城市道路网基础信息、城市基础地理信息及城市交通管理信息；获取路段的交通条件后，进行统计，以得到路段内的车辆类型、各类车型的比例以及路段内的车辆平均速度。0012 所述交通仿真软件包括PTV-VISSIM。所述交通仿真软件将预测交通流密度以三维动态或二维动态图表的形式输出。0013 所述步骤3中，预测交通流密度的方法为：0014 mx+y0015 其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度。

11、，是当前交通流密度的比例因子，是历史交通流密度的比例因子。0016 当前交通流密度的比例因子为0.8，历史交通流密度的比例因子为0.2。0017 所述步骤5中，得到相应时间点的预测交通流密度的方法为：0018 mx+y0019 其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，是当前交通流密度的比例因子，是历史交通流密度的比例因子；当前交通流密度的比例因子为0.5，历史交通流密度的比例因子为0.5。0020 本发明的优点：在利用短期交通流预测系统进行交通流预测研究时，不仅降低了经济成本，提高了仿真实验的准确度和可信度，而且可以通过三维动态仿真软件和二维动态图表。

12、直观的观察到未来某一时间点的交通运行状况，为交通出行者带来方便，为交通管理决策者提供科学依据。附图说明0021 图1为本发明的结构框图。0022 图2为本发明的流程图。具体实施方式0023 下面结合具体附图和实施例对本发明作进一步说明。0024 如图1和图2所示：为了能通过不断校正仿真交通流，加速仿真，达到短期交通流实时预测的效果，本发明所述交通流预测方法包括如下步骤：0025 步骤1、获取所需预测路段的道路参数以及所述路段的交通条件；0026 在具体实施时，对于需要进行预测的路段，需要知道该路段的道路参数以及交通条件；由于道路施工建设属于国家承担项目，道路参数以及交通条件可以通过直接联系交通。

13、道路部门获得，此外，直接测量路段也可以得到。在得到路段的道路参数之后，将路段的集合参数单位都转化为米，并保留两位小数，对交通信号的时间长度进行校准，以减少误差。在获得路段的交通条件后，进行统计处理，以得到路段内所有时间点的车辆类型、各类车型的比例以及路段内的车辆平均速度；0027 步骤2、根据上述获取路段的道路参数以及交通条件，在交通仿真软件中绘制静态路网；说明书CN 104408921 A3/5页50028 本发明实施例中，以交通仿真软件采用PTV-VISSIM为例来进行具体说明，下面的表述均是以PTV-VISSIM为仿真软件的表述，具体不再赘述。PTV-VISSIM作为德国的交通仿真软。

14、件，软件中车辆的驾驶行为参数并不适合中国特殊情况，所以在使用之前需要进行参数的标定，具体参数标定为：0029 平均停车间距(ax)：两停车车辆的平均停车距离，变化幅度为1m；0030 最大前视距离：前视距离定义了车辆前方的可视距离，从该距离开始，后车驾驶员能够对在同一路段内的前方或旁边的车辆作出反应，最大前视距离即允许的前视最大距离；0031 协调刹车的最大减速度：当驾驶员允许其他一个车辆变换到自己行驶的当前车道上，需要相应地协调刹车，该值是采取的一个自身最大期待的减速度。0032 对于交通仿真软件PTV-VISSIM中的参数标定过程为本技术领域人员所熟知，不再详述。0033 在绘制静态路网的。

15、过程中，除了路段的绘制和信号灯的设置外，包括道路的限速、平均速度、道路的减速区域、无信号灯路口的优先规则等都要设置，让绘制的静态路网和现实的路网结构尽可能相同。详细的静态路网绘制不属于本申请所包含范围之内，具体绘制方法参考VISSIM自带帮助文档。0034 步骤3、在交通仿真软件中设置仿真运行参数，并在交通仿真软件的数据交互模块中输入路段的当前交通流密度，并结合对应时间点的历史交通流密度，以在数据交互模块中得到预测交通流密度；0035 在具体实施时，在PTV-VISSIM仿真软件中设置仿真速度、仿真周期长度，其中，仿真运行速度为3.0仿真秒/秒；仿真周期长度为1800秒；仿真精度为5时间步长/。

16、秒；PTV-VISSIM仿真软件中其它仿真参数设置，其中，仿真时间：9000秒，本实施案例作为一个测试案例运行5个仿真周期，如果作为正式工程运行，需要忽略仿真时间长度的设置，即没有时间长度的限制；仿真精度为5时间步/仿真秒。0036 在仿真周期开始时刻与仿真进行中的仿真预测有所不同，但都与路段的当前实时交通流密度以及相应时间点的历史交通流密度有关，当前实时交通流密度可以通过技术手段获得，如通过摄像头等检测得到，相应时间点的历史交通流密度可以通过步骤1中的交通条件获得。0037 在仿真周期开始时刻，预测交通流密度的方法为：0038 mx+y0039 其中，m是得到的预测交通流密度，x是当前交通流。

17、密度，y是对应时间点的历史交通流密度，是当前交通流密度的比例因子，是历史交通流密度的比例因子；其中，当前交通流密度的比例因子为0.8，历史交通流密度的比例因子为0.2。0040 步骤4、根据上述步骤3得到的当前时间点预测交通流密度以及步骤1中对应时间点的历史交通流密度，以得到所需下一时间点的预测交通流密度；0041 仿真周期开始后，得到相应时间点的预测交通流密度的方法为：0042 mx+y0043 其中，m是得到的预测交通流密度，x是当前交通流密度，y是对应时间点的历史交通流密度，是当前交通流密度的比例因子，是历史交通流密度的比例因子；说明书CN 104408921 A4/5页6当前交通流。

18、密度的比例因子为0.5，历史交通流密度的比例因子为0.5。当前交通流密度x包含步骤3在仿真周期开始时得到的预测交通流密度，以及根据仿真周期开始时得到的预测交通流密度得到的其余时间点的预测交通流密度。0044 步骤5、利用上述得到的预测交通流密度，结合相应时间点的历史交通流密度，重复上述预测过程，以得到相应时间点的预测交通流密度。0045 本发明实施例中，步骤5与步骤4的过程相同，区别仅仅在于步骤4需要利用步骤3中在仿真周期开始时的预测交通流密度，而步骤5直接利用步骤4的预测交通流密度。在仿真开始后，重复步骤5的预测过程中，从而能将所有时间点的预测交通流密度。由于仿真参数的设置，本发明实施例中，。

19、得到的是短期交通流预测。0046 根据设置的仿真参数，结合具体的仿真参数，来对本发明的具体仿真预测过程进行详细说明。0047 1)、假设仿真预测周期30分钟的每一分钟分别用029的30个数字标识，0时间点调用的数据是当前实时数据和历史平均数据的组合计算结果，数据交互模块每一分钟输出一次仿真预测结果，所以在1时间点的时候输出一次仿真预测结果S1，并且将结果返回给数据交互模块。0048 2)、根据第1)步中时间的标识，1时间点调用的数据就是刚刚得到的预测结果和历史平均数据的组合计算结果，仿真软件运行1个时间片段后，在2时间点输出一个仿真预测结果S2，并将结果返回给数据交互模块。0049 3)、根据。

20、第1)步的描述，在229时间点关于输入交通流数据的调取都类似1时间点，并且在每一时间点都要将预测结果(S3S30)返回给数据交互模块。0050 4)、根据数据交换模块的运行条件，仿真运行速度是3仿真秒/秒，所以30分钟的仿真秒在10分钟的现实时间中运行完毕，301020分钟，所以本交通流预测模型的最长时间长度是20分钟。0051 5)、根据第1)4)步的叙述，在29时间点输入数据后，在30时间点得到输出结果。现实时间恰好是在10分钟，这时一个仿真预测周期运行结束。从30时间点进入下一个仿真预测周期，新的仿真预测周期开始时间点数据的调用方法类似第1)步的说明，调用的数据是当前现实时间的实时数据和。

21、历史平均数据的组合计算结果，在31时间点得到第二个仿真预测周期的第一次输出结果S31，根据输入数据的来源，S31实际上是第11仿真分钟的预测结果S11，与之前S11的仿真预测结果相比，S11更加准确，因为该结果输出的时间点和准确数据输入的时间点的时间差更小，所以输出结果列表中用S11代替S11。0052 6)、类似于第5)步，在第二个仿真预测周期的120时间点上得到仿真预测结果比第一仿真预测周期的第1130时间点上的结果更加准确，所以在得到新的预测结果之后就用新的预测结果替换旧的预测结果，在第二个仿真预测周期的第2130时间点上得到仿真预测结果是首次得到仿真预测结果，直接保存到输出结果列表中。。

22、0053 7)、在第二个仿真预测周期运行结束后，仿真时间是40分钟，现实时间是20分钟，所以仿真预测最大时间长度仍然是20分钟，这样就保证了仿真预测模型周期迭代运行的完备性。0054 8)、整个仿真运行过程中的数据输入和数据输出及结果保存都同第1)6)步中的说明。其它周期的运行类同前两个周期。说明书CN 104408921 A5/5页70055 9)、在数据展示模块部分，本模型将输出的预测结果保存到了EXCEL软件中，结果列表如下表1，根据第6)步的说明，本模型得到预测结果是不断滚动刷新的，每个时间点会得到两次预测结果，本模型保证用新的预测结果代替旧的预测结果，进一步保证了预测结果的准确性。

23、。0056 表10057 0058 关于数据展示模块部分中的三维动态展示部分，可以直接观察PTV-VISSIM交通仿真软件自带的三维展示模块；二维动态展示部分，可以用EXCLE自带的功能将结果列表中的数据直接转化成柱状图的效果。0059 在利用短期交通流预测系统进行交通流预测研究时，不仅降低了经济成本，提高了仿真实验的准确度和可信度，而且可以通过三维动态仿真软件和二维动态图表直观的观察到未来某一时间点的交通运行状况，为交通出行者带来方便，为交通管理决策者提供科学依据。0060 最后，需要理解的是，本发明并不局限于上述特定实施方式，本领域普通技术人员可以在权利求的范围内做出各种变形或修改，这并不影响本发明的实质内容。说明书CN 104408921 A1/2页8图1说明书附图CN 104408921 A2/2页9图2说明书附图CN 104408921 A。

展开阅读全文