基于微观仿真的高速公路交通事件影响范围的预测方法
【技术领域】
[0001] 本发明涉及交通事件影响范围的预测技术领域，尤其涉及一种基于微观仿真的高 速公路交通事件影响范围的预测方法。
【背景技术】
[0002] 高速公路交通事件是影响平安交通的重要因素，一旦发生容易导致二次事故，并 会引起交通拥堵大范围的传播，快速蔓延至路段上游甚至相邻国省道，严重影响路网交通 正常运行。因此在交通事故发生后及时获取交通事故信息并对事故后的交通状态，特别是 事件引起的拥堵影响范围进行快速准确的预测，是高速公路管理人员制定科学合理的处置 与管控方案的前提。
[0003] 交通事件影响范围预测的研宄一直是国内外的前沿与热点。Morales[l]于1986 年提出了利用到达率和离开率的曲线来估计事故引起的排队长度的确定型排队论模型。但 是该模型假设到达率和离开率是事先确定不变的固定值，更多用来对交通流状况进行离线 的分析，而不是进行实时的估计与预测。Michalopoulos[2]于1981年提出基于流体动力 学基本原理来估计偶发性交通拥堵扩散范围的交通波模型，该模型通过分析交通波在传播 过程中引起交通流密度的变化，以寻求交通流的流量、密度与交通波传播速度之间的关系， 从而描述排队的形成与消散过程。该模型相对确定型排队论模型更能真实描述交通流的状 态，但在建模过程中需要采集大量的密度数据，难以实际应用。Newel 1[3]于1993年提出 了以波动理论为基础完全基于实际数据建立了累积流量、占有率到达、离开曲线模型以及 累计流量-占有率模型，对高速公路的交通运行状态进行估计。但该模型只能对交通运行 状态进行定性分析，无法进行定量分析。Lawson [4]于1997年通过对I/O模型进行改进，通 过追踪队尾车辆的方法估计瓶颈路段车辆排队的时空扩散范围，但是该模型也需要假设到 达率和离去率曲线不变，而且不能描述事故路段通行能力的动态变化，不适用于在线预测。 Sheu[5]于2001年提出了随机排队预测模型，但是该模型不能描述事故路段通行能力的复 杂变化，并且预测的排队长度有上限值。国内研宄主要是基于国外研宄的思路与方法：郭冠 英[6]于1998年基于交通波理论建立了估计事故引起的阻塞排队长度的模型，但是同样假 设到达率和离开率在研宄时间段内固定不变。臧华[7]于2003年建立了基于交通波理论 的事故条件下车辆排队长度估计模型。
[0004] 目前对高速公路交通事件影响范围预测的方法主要基于交通波理论，通过估计事 件断面上下游的交通密度，对交通事件影响下的车辆排队后溢过程进行估计。该方法主要 基于流量、速度、密度参数的方程，计算简单，但是缺少对车辆拥堵排队行为的精细化描述， 会导致短时拥堵排队长度的估计值与实际严重不符合的情况。此外，现有方法都是基于现 状车流量进行预测，都没有考虑未来车辆的到达情况，即预测影响范围并不是基于预测的 交通需求，这会导致预测的影响范围与实际存在偏差。
[0005] 本发明【背景技术】中涉及到的参考文献如下：
[0006] [l]Morales M J. Analytical procedures for estimating freeway traffic congestion[J]. Public Road, 1986, 50(2):55-61.
[0007] [2]Michalopoulos P G1Pishaody V B.Deriation of delays based on improved macroscopic traffic models[J]. Transportation research part B, 1981, 15:299-317.
[0008] [3]Newell G F. A simplified theory of kinematic waves in highway traffic, Part II:Queueing at freeway bottlenecks[J]. Transportation research part B, 1993:289-303.
[0009] [4] Lawson T ff, et a I. Using the input-output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck[J]. Transportation Research Record 1572, TRB,National Research Council, Washington, D. C. , 1997.
[0010] [5]Sheu J B,Chou Y H. Stochastic modeling and real-time prediction of incident effects on surface street traffic congestion[J]. Applied Mathematical Modeling, 2004(28):445_468.
[0011] [6]郭冠英.用集散波计算道路交通阻塞长度[J].上海公路，1998:39-41.
[0012] [7]臧华，彭国雄，高速道路异常状态下车辆排队长度的预测模型[J].交通与计 算机，2003, 21 (3) :10-12.
【发明内容】
[0013] 本发明的目的在于提供一种基于微观仿真的高速公路交通事件影响范围的预测 方法，从而解决现有技术中存在的前述问题。
[0014] 为了实现上述目的，本发明采用的技术方案如下：
[0015] -种基于微观仿真的高速公路交通事件影响范围的预测方法，包括如下步骤：
[0016] 步骤1，获取未来交通需求数据；
[0017] 步骤2,将所述未来交通需求数据加载入微观交通仿真平台的交通需求矩阵中，得 到未来交通需求矩阵；
[0018] 步骤3,获取待预测影响范围的交通事件的信息；
[0019] 步骤4,将所述交通事件的信息解析为所述微观交通仿真平台可调用的文件； [0020] 步骤5,利用微观交通仿真模型和步骤4中得到的可调用的文件，对所述交通事件 进行微观模拟，得到微观模拟的交通事件；
[0021] 步骤6,利用所述微观交通仿真模型、所述微观模拟的交通事件和步骤2中得到的 所述未来交通需求矩阵，对所述交通事件影响下的微观交通过程进行模拟，得到所述交通 事件影响下的微观模拟交通过程；
[0022] 步骤7,在所述微观交通仿真模型中，布设虚拟的车检器，利用所述虚拟车检器测 量所述交通事件影响下的微观模拟交通过程中的车辆排队长度；
[0023] 步骤8,根据步骤7中所得到的车辆排队长度，获取所述交通事件影响下的车辆排 队长度；
[0024] 步骤9,根据所述交通事件影响下的车辆排队长度，结合所述交通事件的位置和信 息，获取所述交通事件的影响范围。
[0025] 其中，步骤1具体为：基于历史交通需求数据与实时交通需求数据，利用卡尔曼滤 波算法，获取未来交通需求数据。
[0026] 具体地，通过统计进入高速公路相同时间段内，进入/离开相同高速公路收费站 的数据，获得分时段的交通需求数据，所述历史交通需求数据，为，当前时刻某段时间内的 交通需求数据；所述实时交通需求数据，为，当前时刻的交通需求数据；所述未来交通需求 数据，为，当前时刻某段时间后的交通需求数据。
[0027] 优选地，所述历史交通需求数据，为，当前时刻两小时内的交通需求数据；所述未 来交通需求数据，为，当前时刻半小时后的交通需求数据。
[0028] 其中，步骤2,具体