大規(guī)模動態(tài)交通模擬_在中國的機遇和挑戰(zhàn)

1、大規(guī)模城市和區(qū)域動態(tài)交通模擬和優(yōu)化：在中國的機遇和挑戰(zhàn) 主要科研成果 NeXTA DTALite累計累計下載下載40004000余次余次近近200200家家公司公司和和政府政府規(guī)劃部門規(guī)劃部門使用使用軟件Arizona 州立模型Maryland 州立模型美國用戶地圖國內(nèi)用戶：交通運輸部公路科學研究院北京城市規(guī)劃院北京市政規(guī)劃院北京市交通委員會（北京交通研究中心和北京交通信息中心）北京交通大學; 西南交通大學，蘭州交通大學，長沙理工大學.世界上唯一可做超過2千萬交通智能體（車輛，行人）的超大規(guī)模交通模擬/優(yōu)化軟件 （擁有100%自主產(chǎn)權(quán)）SeattlePortlandNevadaUtahPhoe

2、nixAtlantaIowaNorth CarolinaFloridaMarylandPhiladelphiaDelawareNeXTA/DTALite 美國用戶地圖Map Website: https:/ 壹從美國到中國從美國交通規(guī)劃的研究方向到中國的實際需求6美國SHRP-2計劃（第二個戰(zhàn)略公路研究計劃）1234Capacity 公路能力，暢通性Reliability可靠性Safety 安全性Renewal 重建和維修其他目標：高效、綠色概述 How to capture effects of traffic incidents in traffic assignment? How to

3、enable system-wide or network-wide safety planning?7擁堵的來源中美對比1：高速公路網(wǎng)中美對比1：高速公路網(wǎng)中美對比2：鐵路服務網(wǎng)北美5大鐵路公司:CSX, UP, CR, NS, BNSF美國的首都：Washington DC( (計計劃的劃的) ) 美國高速鐵路網(wǎng)美國高速鐵路網(wǎng)High-speed railway plans in China 17,000 mile national high-speed rail system will be built in 4 phases, for completion by 2030. 在Goog

4、le Earth中顯示全州路網(wǎng)覆蓋Origin-Destination Demand Origin-Destination Demand Spatial Spatial Distribution Distribution PatternPattern美國華盛頓都市圈交通規(guī)劃模型1. 大規(guī)模網(wǎng)絡動態(tài)交通分配典型網(wǎng)路舉例：2000交通小區(qū)，20000個路段，200萬-1000萬個車輛2. 網(wǎng)絡能力規(guī)劃 添加/移除 車道，為信號配時優(yōu)化（ synchro ）或微觀仿真（ VISSIM ）準備基礎數(shù)據(jù) 導出交通能力分析包（HCM高速能力、旅行時間可靠性）3. 施工區(qū)的運用道路價格的運用： 基于動態(tài)費用

5、、時間異構(gòu)值的Agent模型4. 排放研究交通安全研究15動態(tài)交通分配(DTA) 功能需求(依據(jù)2009年TRB網(wǎng)絡模型會議DTA用戶調(diào)查） 47%輸入數(shù)據(jù)量太大 35%運行時間過長 35% 模型不清晰16系統(tǒng)開發(fā)目標 運用靜態(tài)交通分配數(shù)據(jù)簡化數(shù)據(jù)輸入 運用并行計算，加快徑路選擇和仿真 Open-source 開源可視化：所見即所得直觀理解動態(tài)交通分配(DTA)存在的技術難點貳從靜態(tài)到動態(tài)從靜態(tài)分析到動態(tài)模擬分配 BPR volume-delay function (基于流量能力比的靜態(tài)路段旅行時間函數(shù)) 在靜態(tài)交通分配廣泛使用 基于高峰小時的表達方式不能很好的代表長距離上的交通擁擠情況 不能

6、模擬交通擁堵傳播，復雜的個體出行行為18從靜態(tài)分析到動態(tài)模擬分配 宏觀區(qū)域交通規(guī)劃模型 超大規(guī)模路網(wǎng) 區(qū)域經(jīng)濟，土地利用，出行者行為變化 簡單交通流模型 （BPR），不能模擬擁擠傳播 中觀動態(tài)交通分配模型 路網(wǎng)顆粒度可高可低 簡化交通流模型點，線排隊模型簡化動力波模型 較為精細的路徑選擇模型 微觀干道仿真模型 分車道，詳細交通控制，信號燈信息 簡單，路徑中觀交通仿真20擁堵傳播的動力波計算 （ l i n k T r a n s m i s s i o n , N e w e l l K i n e m a t i c W a v e ) System of conservation laws

7、 偏微分方程where q, k are flow and density, respectively, and g() is the net vehicle generation rate.),(txgtkxq路網(wǎng)層車輛模擬Band width of a link is proportional to link volume 路網(wǎng)層車流量路網(wǎng)層車流密度路網(wǎng)層車輛排隊路網(wǎng)層速度Link width represents duration of congestion (e.g. 60 min vs. 120 min)路網(wǎng)層排隊時間Size of a circle represents the t

8、otal delay at one nodeColor of a circle represents the age of congestion (to identify the congestion propagation sequence)時變瓶頸地點More traffic dynamics expected when we have complete resultsOriginDestination路徑層等速線叁從復雜到簡單從復雜的交通現(xiàn)象到簡明的多層路網(wǎng)表示30Time-varyingOD demandPattern隨時間變化的OD需求模式Link Model線模型Node Mode

9、l點模型Traffic Simulator 交通模擬器Time-dependent Shortest Path Calculation時間依賴性最短路徑計算User Decision/Traffic Assignment用戶決策/交通分配Time-varying link travel timesPath selection 路徑選擇 交通流模型在動態(tài)交通分配中的作用 Outflow capacity 路段駛出時間斷面能力 Inflow capacity 路段駛?cè)霑r間斷面能力 Storage capacity路段空間儲備能力Exit QueueOutflow CapacityInflow Ca

10、pacityEntrance ListStorage Capacity交通模擬細節(jié) Queue propagation 擁擠傳播 Inflow capacity = outflow capacity 駛?cè)肽芰?=駛出能力Outflow CapacityInflow Capacity交通流模型（路段） Distribute inflow capacity to upstream links Lane & demand-based methodsNodeAvailable Inflow Capacity80%20%交通流模型（入口匝道）入口匝道能力競爭分配 Dynamic capacity

11、 distribution Different conditions by lane First-In-First-Out (FIFO) constraint Relaxation to prevent extreme bottlenecksNode交通流模型（出口匝道）在高峰時段，有近1至5百萬輛出行者或車位于大都會區(qū) 每輛車均的旅行決策中均需要考慮多種因素1.起點、終點、離開時間和徑路2.需求類型3.Information class (Historical, Pre-trip, En-route)信息類型4.各自的實際效用函數(shù)、可靠性值、安全值5.每輛車分別執(zhí)行徑路選擇算法6.在每個迭代

12、（1天）中均可調(diào)整起始/終到/出發(fā)時間/路徑36計算效率的挑戰(zhàn)Shared memory-based parallel computing for agent-based path finding and mesoscopic traffic simulation (based on OpenMP)采用內(nèi)存共享的并行計算實現(xiàn)基于agent徑路選擇和中觀仿真37我們系統(tǒng)的計算效率38并行計算,多線程DTALite 8 Threadings39Drive aloneTransitPark&Ride Demand Type:難點1： 多模式交通出行模擬：分需求類型的出行鏈難點2：交通流模型基

13、于路段還是車道?難點3：中微觀路網(wǎng)？從數(shù)據(jù)到模型從北京的應用數(shù)據(jù)到交通流模型校正 肆431. 運用靜態(tài)交通分配數(shù)據(jù)簡化數(shù)據(jù)輸入快速導入Cube 數(shù)據(jù): 五環(huán)內(nèi)，2-4萬路段加載出行時間分布2. 運用并行計算，加快徑路選擇和仿真32-核 CPU 并行計算， 24G內(nèi)存， 6 分鐘模擬170萬輛車，早高峰3小時，20個網(wǎng)絡平衡計算循環(huán) -2小時3. Open-source 開源軟件應用方便，可持續(xù)開發(fā)，不受網(wǎng)絡大小限制4. 可視化：所見即所得； 一體化的計算核心程序，圖形化界面 ：利于直觀理解我們在北京的工作： 模型應用和深度開發(fā)Our system and Application In Chin

14、a Our system and Application In China 在在線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目動態(tài)階梯式OD校準基于DTALite交通模型的公路大路網(wǎng)動態(tài)交通管理系統(tǒng)在在線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目實時多粒度仿真過程基于DTALite交通模型的公路大路網(wǎng)動態(tài)交通管理系統(tǒng)在在線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目線仿真與離線仿真融合應用：北京世園會交通狀態(tài)評估項目動態(tài)路網(wǎng)排隊仿真預測基于DTALite交通模型的公路大路

15、網(wǎng)動態(tài)交通管理系統(tǒng)3維度顯示：高度=流量；顏色=擁擠程度48 宏觀-中觀是可行的 北京市的大城市路網(wǎng)數(shù)據(jù)質(zhì)量好 靜態(tài)需求+出行時間分布-動態(tài)需求 簡化交通模型 （點排隊，空間排隊，動力波模型） 擁堵演化取決于瓶頸能力(bottleneck capacity) 模型校正過程需要緊密合作 路口延遲(node delay) 需要合理的擬合（approximation)美國的信號燈數(shù)據(jù)較全 瓶頸能力需要適當校正 1. 最大通過路段能力+擁堵傳播 （e.g. 1800 veh/hour/lane) 2. 觀測平均路段能力 （e.g. 1400 veh/hour/lane) 考慮路徑選擇偏好 （二環(huán)，三環(huán)

16、，四環(huán)，五環(huán)） 學到的經(jīng)驗未來研究方向:基于多數(shù)據(jù)源的系統(tǒng)校正49 交通調(diào)度中心Automatic Vehicle IdentificationAutomatic Vehicle LocationLoop DetectorVideo Image Processing 多變的交通駕駛行為多變的交通駕駛行為50數(shù)據(jù)來源：NGSIM51Reaction distance/spacing Reaction time lag W = / TimeSpaceDynamic Time Warping (DTW)動態(tài)時間規(guī)整動態(tài)時間規(guī)整52 Matches points by measure of simil

17、arity 波波形，形，序序列，列，相似相似性，性，扭扭曲，曲， 時時間規(guī)間規(guī)整整Euclidean DistanceSequences are aligned “one to one”.“Warped” Time AxisNonlinear alignments are possible.累加費用距離矩陣54wijjxixrdjxixijYXYXCFLFLjiji)()()()(),(累加費用距離矩陣55 Dynamic programming （動動態(tài)規(guī)態(tài)規(guī)整整） Calculate the least cost for matching a pair of points Warp pat

18、h Least cost matching points from end to beginningSingularity應用到交通模型中56 Follower separated by leader by reaction time and critical jam spacing Algorithm finds optimal n (time lag) for best velocity match Calculate dn for all time steps along the trajectorynnnndtxtx)()(1車號 173700.511.522.533.50510152

19、025115294357718599113127141155169183197211225239253267281295309323337351365379393407421435449463477491505519533547561575589Reaction Time (seconds)Spacing (m) & Wave Speed (km/h)Critical Jam SpacingBackward Wave SpeedReaction TimeReaction Time Lag (sec)Critical Spacing (m)Backward Wave Speed (km/

20、h)Avg2.6213.3918.46St. Dev0.412.081.05動態(tài)時間規(guī)動態(tài)時間規(guī)整可視化整可視化NGSIM Data: I-80 Lane 459NGSIM Data: I-80 Lane 4: Reaction Time Distribution60-10123456700.511.522.5x 104Reaction Time (seconds)FrequencyMean = 1.48 secondsNGSIM Data: I-80 Lane 4Critical Spacing Distribution6105101520253000.511.522.5x 104Spaci

21、ng (meters)FrequencyMean = 8.06 metersNGSIM Data: I-80 Lane 4Wave Speed Distribution6205101520253035400200040006000800010000120001400016000Wave Speed (km/h)FrequencyMean = 20.55 km/hSingularities 奇異點63516051805200522052405260528053005320300350400450500550600650Time (1/10 sec)Position (ft)DTW Traject

22、ory Match (Based on Acceleration Data)解釋奇異現(xiàn)象64 1st Interpretation: Many responses to 1 stimulus 2nd Interpretation: 1 response to many stimuli 3rd Interpretation: Algorithm drawback Increases uncertainty in parameter estimates LCSS force 1-to-1 matchLCSS : Longest Common Subsequence51605180520052205

23、2405260528053005320300350400450500550600650Time (1/10 sec)Position (ft)DTW Trajectory Match (Based on Acceleration Data)Taylor, J., Zhou*, X. Rouphail, N., Porter, R.J. (2015) Method for investigating intradriver heterogeneity using vehicle trajectory data: A Dynamic Time Warping approach. Transport

24、ation Research Part B, 73, 59-80Dynamic Errorable Car-following Model容許出錯的動態(tài) 跟車模型 Przybyla, J., Taylor, J., Jupe, J., & Zhou, X.* (2015). Estimating risk effects of driving distraction: A dynamic errorable car-following model. Transportation Research Part C: Emerging Technologies. 50, 117129. IEEE ITS annual conference best