大规模动态交通模拟_在中国的机遇和挑战

1、大规模城市和区域动态交通模拟和优化：在中国的机遇和挑战 主要科研成果 NeXTA DTALite累计累计下载下载40004000余次余次近近200200家家公司公司和和政府政府规划部门规划部门使用使用软件Arizona 州立模型Maryland 州立模型美国用户地图国内用户：交通运输部公路科学研究院北京城市规划院北京市政规划院北京市交通委员会（北京交通研究中心和北京交通信息中心）北京交通大学; 西南交通大学，兰州交通大学，长沙理工大学.世界上唯一可做超过2千万交通智能体（车辆，行人）的超大规模交通模拟/优化软件 （拥有100%自主产权）SeattlePortlandNevadaUtahPhoe

2、nixAtlantaIowaNorth CarolinaFloridaMarylandPhiladelphiaDelawareNeXTA/DTALite 美国用户地图Map Website: https:/ 壹从美国到中国从美国交通规划的研究方向到中国的实际需求6美国SHRP-2计划（第二个战略公路研究计划）1234Capacity 公路能力，畅通性Reliability可靠性Safety 安全性Renewal 重建和维修其他目标：高效、绿色概述 How to capture effects of traffic incidents in traffic assignment? How to

3、enable system-wide or network-wide safety planning?7拥堵的来源中美对比1：高速公路网中美对比1：高速公路网中美对比2：铁路服务网北美5大铁路公司:CSX, UP, CR, NS, BNSF美国的首都：Washington DC( (计计划的划的) ) 美国高速铁路网美国高速铁路网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中显示全州路网覆盖Origin-Destination Demand Origin-Destination Demand Spatial Spatial Distribution Distribution PatternPattern美国华盛顿都市圈交通规划模型1. 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2. 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）3. 施工区的运用道路价格的运用： 基于动态费用

5、、时间异构值的Agent模型4. 排放研究交通安全研究15动态交通分配(DTA) 功能需求(依据2009年TRB网络模型会议DTA用户调查） 47%输入数据量太大 35%运行时间过长 35% 模型不清晰16系统开发目标 运用静态交通分配数据简化数据输入 运用并行计算，加快径路选择和仿真 Open-source 开源可视化：所见即所得直观理解动态交通分配(DTA)存在的技术难点贰从静态到动态从静态分析到动态模拟分配 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

6、模拟交通拥堵传播，复杂的个体出行行为18从静态分析到动态模拟分配 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，路径中观交通仿真20拥堵传播的动力波计算 （ 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路网层车辆模拟Band width of a link is proportional to link volume 路网层车流量路网层车流密度路网层车辆排队路网层速度Link width represents duration of congestion (e.g. 60 min vs. 120 min)路网层排队时间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)时变瓶颈地点More traffic dynamics expected when we have complete resultsOriginDestination路径层等速线叁从复杂到简单从复杂的交通现象到简明的多层路网表示30Time-varyingOD demandPattern随时间变化的OD需求模式Link Model线模型Node Mode

9、l点模型Traffic Simulator 交通模拟器Time-dependent Shortest Path Calculation时间依赖性最短路径计算User Decision/Traffic Assignment用户决策/交通分配Time-varying link travel timesPath selection 路径选择 交通流模型在动态交通分配中的作用 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Exit QueueOutflow CapacityInflow Ca

10、pacityEntrance ListStorage Capacity交通模拟细节 Queue propagation 拥挤传播 Inflow capacity = outflow capacity 驶入能力 =驶出能力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）入口匝道能力竞争分配 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1.起点、终点、离开时间和径路2.需求类型3.Information class (Historical, Pre-trip, En-route)信息类型4.各自的实际效用函数、可靠性值、安全值5.每辆车分别执行径路选择算法6.在每个迭代

12、（1天）中均可调整起始/终到/出发时间/路径36计算效率的挑战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37我们系统的计算效率38并行计算,多线程DTALite 8 Threadings39Drive aloneTransitPark&Ride Demand Type:难点1： 多模式交通出行模拟：分需求类型的出行链难点2：交通流模型基

13、于路段还是车道?难点3：中微观路网？从数据到模型从北京的应用数据到交通流模型校正 肆431. 运用静态交通分配数据简化数据输入快速导入Cube 数据: 五环内，2-4万路段加载出行时间分布2. 运用并行计算，加快径路选择和仿真32-核 CPU 并行计算， 24G内存， 6 分钟模拟170万辆车，早高峰3小时，20个网络平衡计算循环 -2小时3. Open-source 开源软件应用方便，可持续开发，不受网络大小限制4. 可视化：所见即所得； 一体化的计算核心程序，图形化界面 ：利于直观理解我们在北京的工作： 模型应用和深度开发Our system and Application In Chin

14、a Our system and Application In China 在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动态阶梯式OD校准基于DTALite交通模型的公路大路网动态交通管理系统在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实时多粒度仿真过程基于DTALite交通模型的公路大路网动态交通管理系统在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动态路网排队仿真预测基于DTALite交通模型的公路大路

15、网动态交通管理系统3维度显示：高度=流量；颜色=拥挤程度48 宏观-中观是可行的 北京市的大城市路网数据质量好 静态需求+出行时间分布-动态需求 简化交通模型 （点排队，空间排队，动力波模型） 拥堵演化取决于瓶颈能力(bottleneck capacity) 模型校正过程需要紧密合作 路口延迟(node delay) 需要合理的拟合（approximation)美国的信号灯数据较全 瓶颈能力需要适当校正 1. 最大通过路段能力+拥堵传播 （e.g. 1800 veh/hour/lane) 2. 观测平均路段能力 （e.g. 1400 veh/hour/lane) 考虑路径选择偏好 （二环，三环

16、，四环，五环） 学到的经验未来研究方向:基于多数据源的系统校正49 交通调度中心Automatic Vehicle IdentificationAutomatic Vehicle LocationLoop DetectorVideo Image Processing 多变的交通驾驶行为多变的交通驾驶行为50数据来源：NGSIM51Reaction distance/spacing Reaction time lag W = / TimeSpaceDynamic Time Warping (DTW)动态时间规整动态时间规整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， 时时间规间规整整Euclidean DistanceSequences are aligned “one to one”.“Warped” Time AxisNonlinear alignments are possible.累加费用距离矩阵54wijjxixrdjxixijYXYXCFLFLjiji)()()()(),(累加费用距离矩阵55 Dynamic programming （动动态规态规整整） Calculate the least cost for matching a pair of points Warp pat

18、h Least cost matching points from end to beginningSingularity应用到交通模型中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车号 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动态时间规动态时间规整可视化整可视化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 奇异点63516051805200522052405260528053005320300350400450500550600650Time (1/10 sec)Position (ft)DTW Traject

22、ory Match (Based on Acceleration Data)解释奇异现象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容许出错的动态 跟车模型 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