一种预测和估计城市网络交通需求的组合方法外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

一种预测和估计城市网络交通需求的组合方法

托比亚斯bull;波尔曼*，伯恩哈德bull;弗里德里希

德国布伦施维格工业大学交通与城市规划研究所，雷本林31,38106布伦施维格

关键词：预测；交通需求估计；信息最小化模式

摘 要

本文提出了一种用于城市网络中检测器计数的短期预测和随后的交通需求估计的组合方法，该方法使用预测的计数作为约束来估计起点-终点（OD）流量、路线和链路量。该方法拟用于连续优化间隔为15分钟的自适应交通控制策略框架中。该方法连续估计可作为优化输入数据的未来交通需求。预测采用当前和参考的探测器计数时空模式。参考模式来自于过去收集的数据。当前模式包括最后四个时间间隔的所有检测器计数。采用一种简单而有效的模式匹配进行预测。后续的需求估计基于信息最小化模型，该模型被集成到一个具有重复交通分配和矩阵估计的迭代过程中，直到找到一个稳定的解决方案。实现了约束条件的改进、约束条件的冗余消除以及基于细胞透射模型的宏观仿真的出行时间估计。本文以德国汉诺威的一个实际子网为例，采用Aimsun NG进行了微仿真，对该方案的总体方法、模块和性能进行了评估。

第1章 介绍

自适应交通控制策略（ATCS）对于交通信号设置的在线优化高度依赖于对网络中当前或未来交通需求的精确估计。一般来说，这些应用程序不断优化网络范围内的交通信号设置，以应对下一次间隔时间的到来。因此，他们需要一个始终更新的估计交通需求，可以用作优化的输入数据。

本文提出了一种连续时间间隔连续估计城市子网交通需求的方法。该方法将用于新开发的ATCS的框架中。然而，本文的重点仅在于需求估计。该方法估计OD矩阵，更精确地估计待优化子路网中所有可选的、合理的路线和所有链路上的通信量。估计所述数据所需的唯一可用信息是信号交叉口的检测器计数。常见的ATCS使用的优化间隔可能只有1分钟或几分钟到半小时甚至更长。在这项工作中，每个优化间隔的持续时间被设置为15分钟，在此期间的交通需求假设为静态的。选择的持续时间为15分钟，这是由于在较短的优化间隔、ATCS优化信号设置所需的计算时间和不应该经常发生的信号计划转换的负面影响之间进行权衡。

该方法由两个主要模块组成。第一个模块基于福斯特（2008）的方法预测探测器计数。它使用所谓的时空模式的探测器计数。这个模块以及一些小的修改和一些初步的结果在第3节中介绍。

第二个模块基于预测的计数来估计上述OD矩阵和流量。它是基于王（2008）和弗里德里希（2006）和王（2008）的研究，分别以范祖伊bull;伦和威廉姆森（1980）为基础。他们的方法已被采用、审查和改进，以进一步修改在线控制策略。第4节介绍了改进的方法、步骤和一些结果。

为了生成可用于测试整个方法及其模块的人工数据，已经使用了大量的微模拟。在对该方法及其模块进行详细描述的前提下，第二部分首先对仿真研究的设置进行了概述。一方面，示例网络有助于更好地理解模块的正确应用。另一方面，在介绍模块的性能时，将在第3节和第4节中引用人工创建的数据。因此，我们应该清楚这些数据是如何产生的

本文最后在第5节中描述了整体方法的实现性能，并在第6节中给出了一些结论。

---------------------------------------------------------------------------------------------------------------------------------

第2章 通过微模拟生成人工测试数据

使用Aimsun NG（5.1.8版本）微模拟软件生成了测试预测和需求估计及其模块所需的数据。从德国汉诺威的一个城市子网，选择了8个信号交叉口，2个行人信号灯和2个非信号交叉口，并进行了建模。其图形如图1所示。

图1 德国汉诺威的网络图

带有循环检测器的链接用粗体高亮显示。在交通信号前的车道上总共安装了55个检测器。由于存在多个转弯的混合车道和非信号交叉点，因此无法检测到一些转向车流。该网络有9个起点和终点。在71条合理的OD关系之间选择了108条合理的备选路线。在信号交叉口建立了实际的固定时间信号规划模型。

研究中使用的交通需求是半虚构的。根据现场实测数据，分别推导出上午15分钟和下午15分钟的OD矩阵。OD对之间的备用路由的使用百分比是手动设置的，这样在将OD矩阵分配给网络时，它们看起来是合理的，同时也尽可能地重现了真实的测量值。研究的总交通需求包括56个连续的15分钟间隔，从早上6点开始，到晚上8点结束。这些间隔的OD矩阵是上述上午和下午峰值矩阵的线性组合，以可接受的方式反映现场观测到的时间剖面。

模拟了30次不同随机种子的复制，每隔15分钟生成平均探测器计数、平均OD流量、平均路线和链路容量。此外，每个复制的数据都是单独存储的。这样，我们就可以用人工数据对下面几节中描述的方法进行深入的测试。

---------------------------------------------------------------------------------------------------------------------------------

第3章 探测器计数预测

3.1 方法

在估计下一个优化区间的交通需求之前，必须对作为估计过程约束的检测器计数进行预测。用于这一目的的预测技术是福斯特（2008）提出的方法的一个稍微修改过的版本。他使用二维参考空间-时间模式的平均检测器计数来预测子网络中所有检测器的流量计数，预测周期相对较短，为20分钟。参考模式来自于过去收集的可用数据。在几个星期或几个月的某个时间段内，每天收集子网络中每个检测器j的，时间间隔为i，时间间隔为20分钟（=72）。数据被分成几个相关的组（例如不同的工作日、周日、节假日），每个组包含K天的数据。每组的参考模式由质量值组成，质量值是某一特定探测器j在某一特定时间间隔i内所有被计数值的平均值，即：

（1）

因此，每个参考模式包含乘以的参考值。一旦模式被导出，它们可以在未来用于预测检测器计数。通过不断地更新最近的统计数字，同时排除过时的统计数字，保持参考模式的最新无疑是明智的。

为了预测即将到来的时间间隔的计数，在当前结束的时间间隔i =和之前的N个时间间隔到中观察到的实际检测器计数被用作当前流量计数，该数字具有N 1乘以的值。所有引用模式都将被扫描，以寻找与当前计数模式最匹配的相同大小的子模式。福斯特使用相关系数（最好是高的）或均方误差MSE（最好是低的）来识别参考模式中的最佳匹配子模式时，为了减少系统对流量计数的高估或低估，在这项工作中结合使用了这两种方法。在一段时间间隔内，当该方法未能找到合适的子模式时，可以偶尔观察到这些系统错误。关于这种效应及其起源的细节可以在波尔曼和弗里德里希（2009）中找到。在三个最高的子模式中，改编版本选择最低的子模式。

一旦找到包含时间间隔到的最佳参考子模式，则取该子模式之后的时间间隔的值，并确定预测值如下：

（2）

3.2 模块性能

为了评估所述预测技术的质量，包括确定最佳匹配子模式的改进方法，使用了上述模拟生成的人工数据。对于每个复制，每个时间间隔都记录了所有检测器计数。与Forster（2008）相反，使用的是15分钟间隔而不是20分钟间隔。即使在每次模拟运行中，向网络中输入相同的流量需求，但由于微模拟器的随机行为，检测器计数也会在一定范围内变化。因此，记录的检测器计数可以解释为某个工作日的每日流量需求的K=30个样本。根据这些样本建立了一个参考模式。

人工数据可以用来分析每次模拟运行的“真实”探测器计数的预测效果。根据Forster（2008）的建议，将之前的时间间隔数量N设置为3，即当前的检测器计数模式总共包含4个时间间隔。不仅对下一个区间T 1进行了预测，而且对下一个区间T 2也进行了预测。后者特别有趣，因为复杂的ATCS优化算法需要一些计算时间来生成新的参数设置。当它运行时，下一个时间间隔已经启动。因此，不仅要预测下一个时间间隔的交通需求，还要预测下一个时间间隔后的交通需求。

图2显示了使用任意选择的模拟运行的记录数据对区间T进行预测的结果。它包括所有55个探测器的预测计数和52个间隔（N= 3，前4个间隔不能预测）。左边是预测计数和相应的“实际”计数的比较。参考模式由以来的平均数量,因此预测数量可能接近这些由于方法的左边部分的性质图2比较了预测计算的平均数量相应的时间间隔通过考虑所有30模拟运行。可以清楚地看到，该方法可以很好地估计下一个预后间隔的平均检测器计数，而与特定复制运行期间观察到的实际计数进行比较，可以发现预测计数的质量下降了，但仍然可以接受。

与平均计数的良好相关性不应掩盖这样一个事实，即在所有重复中不能完全避免系统的过高或过低估计。但是，与最初识别参考子模式的方法相比，这种效果可以显著降低。

表1概述了所有52个时间间隔和所有30次重复的预测计数的质量，即考虑的质量标准、均方根误差(标准误差)和相对均方根误差(标准误差)已确定每个n = 30times;52 - 1560个间隔基于各自间隔的55个预测探测器计数。再一次，实际计数和平均计数都被用作参考，并对前面的一个和两个区间进行了预测。虽然标准误差和相对均方根误差的良好平均值已经在所有1560个区间内得到了实现，但各自的最大值表明，某些区间的预测计数存在精度损失。标准误差超过10 veh/h的音程百分比在0.38%到2.24%之间，这取决于参考文献和向前看的音程数目。在所有的区间中，相对均方根误差超过0.2的区间为0.26-3.66%。

该表显示，仍有一些不准确之处，必须予以接受。稍后将在5.2节中说明作为需求估计的约束条件的不完全精确的预测计数是如何影响需求估计的。

图2 对于任意选择的复制，预测的质量很重要

表1 预测的总体质量对所有的重复都很重要

---------------------------------------------------------------------------------------------------------------------------------

第4章 交通需求评估

4.1 信息最小化模式

一旦预测了下一个优化区间的检测器计数，它们就可以用来估计这个区间即将到来的流量需求（即OD流、路由和链路卷）。为此，本文采用信息最小化（IM）模型作为基础方法。它由范祖伊bull;伦和威廉姆森（1980）提出。网络必须被建模为一个由链路a（cp.图1）组成的有向图。IM模型使用这些链路上的可用流量计数作为估计的约束条件。此外，假设从起点i到终点j通过链路a的行程的部分是已知的。根据这个输入数据和从一个历史矩阵中取出的流量，所有的当前流量为在所有的起点和终点之间，利用以下方程进行迭代估计：

（3）

在每个迭代步骤中，每个链接的流量计数的比例因子X根据实际流量计数和估计流量计数之间的差值a进行调整，直到两者都匹配作为约束的所有链接为止。

4.2 改善约束条件

在这项工作中，信号交叉口探测器的预测计数被用作IM模型的约束条件。这些计数必须分配给图的相应链接。为了获得最佳的估计结果，约束条件应该尽可能详细。最详细的信息将是所有路口的所有入口的转弯流量（左、右、右）。然而，并不是所有交叉口处的转向流量都是单独测量或根本不测量。通常交叉道和转弯道是混合车道，也就是说只有这两种车道

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[240804]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于换乘网络的公交接驳线网优化外文翻译资料
• 公路综合运输系统设计与开发研究外文翻译资料
• 然而，由于问题的复杂性，他们的模型只能由启发式解决方法，得到次优解。外文翻译资料
• 安吉川达集装箱码头后方堆场布局仿真优化设计外文翻译资料
• 3.1 基于EPQ模型无缺货延迟策略分析外文翻译资料
• 三峡库区船舶交通流分析及预测外文翻译资料
• O.R.运输规划在货运代理公司的创新应用tabu搜索算法的综合业务运输规划问题外文翻译资料
• 应急物流规划的稳定优化:人道主义救援供应链中的风险缓解外文翻译资料
• 一种预测和估计城市网络交通需求的组合方法外文翻译资料
• 基于GIS和数据包络分析的考虑社会优先级的城市公交路线运输系统效率评估的多模态数据建模外文翻译资料