[发明专利]宏观交通仿真与短时交通预测相融合的交通状态推演方法

权利要求书

1.一种宏观交通仿真与短时交通预测相融合的交通状态推演方法，其特征在于，包括以下步骤：

步骤1、提取典型路段的交通流量，典型路段指仿真区域内的能够被稳定且持续检测到交通流量数据的路段，具体如下：

选择N个典型路段，N≥10，获取这N个典型路段中第n个路段l_n在第j个时间区间Δt_j′内的交通流量其中Δt_j′＝[t_j1′,t_j2′]，t_j1′和t_j2′分别表示Δt_j′的开始时刻和结束时刻；最后，根据Δt_j′的流量数据，统计l_n在时间切片Δt_k的交通流量Δt_k＝Δt_j′+Δt_j+1′+…+Δt_j+m′，其中Δt_j+v′为Δt_k包含的第v个基础时段，v＝1，2，3,…,m，m为Δt_k包含的基础时段总数；记Δt_k的大小为δ，即δ表示Δt_k对应的时间长度；

步骤2、根据原始数据，确定全日任意时段小时级OD矩阵；

原始数据为：按交通出行方式划分的分方式全日OD矩阵和每种交通出行方式对应的全日交通流量时段系数；不同时段的第p种交通方式对应的全日交通流量时段系数构成二维向量K^p，K^p的表示方法如下：

其中，p＝1,2,3,4,5，第1种交通方式是公交出行、第2种交通方式是小汽车出行、第3种交通方式是摩托车出行、第4种交通方式是出租车出行，第5种交通方式是货车出行；K^p中的数据依次为当日按时间从早到晚排序、每隔δ对应的第p种交通出行方式出行量占全日该交通方式出行总量的比例，即为从时刻t₀+(i-1)δ到时刻t₀+iδ的时间段内第p种交通出行方式出行量占全日该交通方式出行总量的比例，t₀为开始时刻，i＝1,2,3,…,n；n为当日包含的δ的总数；

由K^p以及分方式全日OD矩阵，计算第p种交通出行方式对应的由时刻t₁至时刻t₂的OD矩阵即分方式小时级OD矩阵，计算方法如下：

其中，t₂-t₁为1个小时；OD^p为第p种交通出行方式对应的OD矩阵，为从时刻t₁+aδ到时刻t₁+(a+1)δ的时间段对应的交通流量时段系数，a＝0,1,2,3,…,w；w为时间段t₁至t₂包含δ的总数；

步骤3、确定宏观交通仿真的分钟级结果；

3.1、根据步骤2中所获取的分方式小时级OD矩阵进行宏观交通仿真，并初步计算该小时内的各时间段的切片流量；

依托于宏观交通仿真软件，基于已构建好的仿真区域基础路网及网络参数配置，将分方式小时级OD矩阵输入宏观交通仿真软件，得到仿真区域中各个路段的每小时交通流量Q_h；然后，定义时段系数为某时段的交通量占日平均交通量的比例，根据已知的时段系数，将Q_h拆分得到Q_h所在小时内的各时间段的切片流量

3.2、确定连续时间内的加权切片流量；

依据步骤3.1中得到的各时段的切片流量，进行加权平均，求得更为准确的加权切片流量；已知起始时间t_s，则(t_s,t_s+δ)和(t_s+δ,t_s+2δ)两个时间段的加权切片流量的计算步骤如下：

3.2.1.确定时间(t_s,t_s+δ)的加权切片流量；

由宏观交通仿真得到以下g个小时段的全网各个路段的仿真流量数据，这g个小时段是指：(t_s+δ-t_h,t_s+δ)、(t_s+2δ-t_h,t_s+2δ)、…、(t_s+bδ-t_h,t_s+bδ)、…、(t_s,t_s+t_h)，其中t_h指1个小时，b＝1,2,…,g；每个小时段的仿真流量数据依次记为：Q₁、Q₂、Q₃…Q_g，然后依据步骤3.1中所示方法得到这g个小时段各自对应的每隔δ的切片流量，依据小时段(t_s,t_s+t_h)的仿真流量数据得到以下g个时间切片的切片流量，这g个时间切片是指：(t_s,t_s+δ)、(t_s+δ,t_s+2δ)、(t_s+2δ,t_s+3δ)…(t_s+(n-1)δ,t_s+t_h)；然后，由以下公式确定(t_s,t_s+δ)的加权切片流量

式中k_c第c小时中(t_s,t_s+δ)时间切片对应的交通流量与第c小时总流量的比值，Q_c为c小时的仿真流量数据，b＝1,2,…,g；

3.2.2.保留步骤3.2.1中g个小时段中的后(g-1)个小时段的路段的仿真流量数据；

3.2.3.确定时间(t_s+δ,t_s+2δ)的加权切片流量；

根据3.2.2中保留的g-1个小时段的仿真流量数据，对(t_s+δ,t_s+δ+t_h)小时段进行仿真即得到计算(t_s+δ,t_s+2δ)的加权切片流量所需的g个小时段的仿真数据，从而计算出(t_s+δ,t_s+2δ)的加权切片流量；

3.3.结合步骤3.1和步骤3.2中方法依次计算所需时间段的加权切片流量数据，加权切片流量数据即为宏观交通仿真的分钟级结果；

步骤4、确定短时交通预测的分钟级结果：步骤1中的典型路段的交通流量为短时交通预测的输入数据，基于长短期记忆人工神经网络LSTM模型进行短时交通预测，从而预测未来各个典型路段对应的切片流量数据；该步骤所得的切片流量数据在后面步骤称之为短时交通预测流量数据；

步骤5、确定宏观交通仿真与短时交通预测的一体化推演方法；具体包括：

5.1.确定交通状态推演的场景；记ω₁为典型路段对应的短时交通预测流量数据之和与典型路段对应的宏观交通仿真的分钟级结果之和的比值，ω₂为典型路段数与仿真区域总路段数的比，则调整系数α＝ω₁*ω₂；若没有突发事件及重大交通事件，则采用步骤5.2方法；若有突发事件及重大交通事件，则采用步骤5.3方法；

5.2.采用短时交通预测流量数据修正宏观交通仿真的分钟级结果，具体如下：

α与宏观交通仿真的分钟级结果中除典型路段外的路段的交通流量的乘积即为除典型路段外的路段的修正交通流量，其中，典型路段的交通流量采用短时交通预测流量数据；除典型路段外的路段的修正交通流量与典型路段的流量数据作为最终的全网络路段的修正交通流量；

5.3.采用宏观交通仿真的分钟级结果修正短时交通预测流量数据，具体如下：记τ为突发事件发生的时刻，则调整系数α为前一小时内的平均调整系数即若时段(τ,τ+δ),(τ+δ,τ+2δ),…,(τ-t_h,τ)对应的调整系数分别为α₁，α₂，…，α_g,则α_f为第f个时段对应的调整系数；然后，与宏观交通仿真流量数据中所有路段每小时交通流量的乘积即为修正交通流量。