大规模动态交通模拟在中国的机遇和挑战.pptxVIP

;;;1;;;How to capture effects of traffic incidents in traffic assignment? How to enable system-wide or network-wide safety planning? ;;;;;(计划的) 美国高速铁路网;;Origin-Destination Demand Spatial Distribution Pattern;大规模网络动态交通分配 典型网路举例：2000交通小区，20000个路段，200万-1000万个车辆 网络能力规划 添加/移除 车道，为信号配时优化（ synchro ）或微观仿真（ VISSIM ）准备基础数据 导出交通能力分析包（HCM高速能力、旅行时间可靠性） 施工区的运用 道路价格的运用： 基于动态费用、时间异构值的Agent模型 排??研究交通安全研究;(依据2009年TRB网络模型会议DTA用户调查）;;BPR volume-delay function (基于流量能力比的静态路段旅行时间函数) 在静态交通分配广泛使用 基于高峰小时的表达方式不能很好的代表长距离上的交通拥挤情况 不能模拟交通拥堵传播，复杂的个体出行行为;宏观区域交通规划模型 超大规模路网 区域经济，土地利用，出行者行为变化 简单交通流模型 （BPR），不能模拟拥挤传播 中观动态交通分配模型 路网颗粒度可高可低 简化交通流模型 点，线排队模型 简化动力波模型 较为精细的路径选择模型 微观干道仿真模型 分车道，详细交通控制，信号灯信息 简单ＯＤ，路径 ;20;路网层车辆模拟;;;;;Link width represents duration of congestion (e.g. 60 min vs. 120 min);Size of a circle represents the total delay at one node Color of a circle represents the age of congestion (to identify the congestion propagation sequence);More traffic dynamics expected when we have complete results;;30;Outflow capacity 路段驶出时间断面能力 Inflow capacity 路段驶入时间断面能力 Storage capacity路段空间储备能力;Queue propagation 拥挤传播 Inflow capacity = outflow capacity 驶入能力 =驶出能力;Distribute inflow capacity to upstream links Lane demand-based methods;入口匝道能力竞争分配;Different conditions by lane First-In-First-Out (FIFO) constraint Relaxation to prevent extreme bottlenecks;在高峰时段，有近1至5百万辆出行者或车位于大都会区 每辆车均的旅行决策中均需要考虑多种因素 起点、终点、离开时间和径路 需求类型 Information class (Historical, Pre-trip, En-route)信息类型 各自的实际效用函数、可靠性值、安全值 每辆车分别执行径路选择算法 在每个迭代（1天）中均可调整起始/终到/出发时间/路径 ;Shared memory-based parallel computing for agent-based path finding and mesoscopic traffic simulation (based on OpenMP) 采用内存共享的并行计算实现基于agent径路选择和中观仿真;38;39;难点2：交通流模型 基于路段还是车道?;难点3：中微观路网？;; ;Our system and Application In China 在线仿真与离线仿真融合应用：北京世园会交通状态评估项目;在线仿真与离线仿真融合应用：北京世园会交通状态评估项目;在线仿真与离线仿真融合应用：北京世园会交通状态评估项目;;48;未来研究方向:基于多数据源的系统校正;多变的交通驾驶行为;数据来源：NGSIM;Dynamic Time Warping (DTW)动态时间规整;波形，序列，相似性，扭曲， 时间规整;累加费用距离矩阵;累加费用距离矩阵;应用到交通模型中;车号 1737;;NGSIM Data: I-80 Lane 4;NGSIM Data: I-