一种宏观—微观结合的环路交通可靠性仿真方法与系统的制作方法
【技术领域】
[0001]本发明涉及路网可靠性评价技术领域，特别是涉及一种宏观微观结合的评估城市道路网络可靠性的方法和系统。
【背景技术】
[0002]随着道路网络的不断发展，目前国内外评价路网可靠性的5种评价方法中，有的只能用于计算某种专门的路网可靠性评价指标，如终端可靠性评估方法和吸收马尔科夫链方法；有的则可以用于计算多种路网可靠性评价指标，如博弈论技术、蒙特卡罗方法和微观交通仿真方法。另外，针对交通事故评价，这些方法还可以根据是否需要预先知道突发事件发生的概率分为确定性方法和非确定性方法两类。其中，确定性方法不需要知道突发事件发生的概率，事件概率本身是分析结果的一部分，这也使得确定性分析方法非常易于使用，但是它只能给出概率的上下限。确定性分析方法只能用于一小部分的可靠性分析，而非确定性分析方法的应用范围更为广泛。现有的各种评价方法优缺点综述如下:
[0003]终端可靠性评估方法只能用来计算连通性，是通过应用图论的相关知识，在计算出路段可靠性的基础上计算出路网的可靠性。该方法的主要优点是需要的数据少，可以直接计算出路网的可靠性，并且只受限于路网的拓扑结构，影响因素较少。但它在计算过程中是将路网分解成串、并联网络来进行分析的，而对于庞大的路网而言，一方面很难将其分解成串、并联系统，另一方面随着路网规模的扩大，计算量也呈指数级增长，因此，它不适合大规模路网的计算。
[0004]博弈论法可以用于分析路网破坏最严重情况下的路网性能，可用来计算使用者满意度可靠性和行程时间可靠性等指标。影响该方法的因素有:道路使用者、出行者的路径选择行为，出行费用和道路使用者可获得的信息等。它的优点是充分考虑了出行者的路径选择行为和路网容量的限制。但是作为一种确定性方法，它只能给出路网可靠性的边界值。
[0005]蒙特卡罗方法是以概率统计为基础，以随机抽样为主要手段来求解复杂方程的模拟方法。该方法在路网可靠性研宄中用来计算行程时间可靠性、路网容量可靠性等评价指标。其显著优点是可以求解复杂问题的分析解，通过模拟自变量的随机行为来识别应变量的随机行为。随着各种变量对路网运行性能影响分析的深入，以及各种事件对路段通行能力和连通性影响分析的深入，在未来的路网可靠性研宄中，蒙特卡罗方法会发挥更大的作用。
[0006]吸收马尔科夫链方法主要用于计算遭遇可靠性，它可以区分在完成一次OD出行过程中遭遇路段衰退的出行者以及没有遭遇路段衰退的出行者。但由于此方法不需要严格区别路径是全部失效或部分失效，因此不能够计算行程时问和出行费用的可靠性。
[0007]相对于前述基于交通均衡分配的算法(如蒙特卡罗方法)，微观交通仿真方法能够模拟路网运行状态的动态变化，因此，在进行短期的路网运行状态的模拟方面有着无可比拟的优越性。并且因其采用微观交通仿真模型对实际路网运行状况进行的模拟，因此，能够比较真实地反映路网中各种影响因素对路网性能的影响。然而，在由于微观交通仿真模型在构建分析路网、进行模型校正以及模型输入等方面需要大量的数据，这就使得微观交通仿真模型的准确性受到现实数据的制约。
[0008]本发明在现有研宄状况的基础上，从道路网络行程时间可靠性计算的角度的提出了一种微观仿真与宏观模拟结合的方法一一首先在微观/中观层进行交通仿真，并在宏观层完成复杂网络模拟分析，二者结合完成对了网络从宏观到微观的仿真模拟；同时在数据层利用历史数据与仿真数据进行数据的交互、矫正，从而实现对交通网络可靠性的仿真与评估，完成数据融合。
[0009]专利号为200910198320的申请提出一种宏观/中观层、微观层、交互解释器、一致性维护器组成的交通系统多分辨率建模仿真系统与方法，与本发明的区别之处在于，本发明体系中强调复杂网络与数据融合比对技术来简化仿真复杂度，利用复杂网络层级划分和关键点、关键边识别的方法对网络可靠性的仿真粒度进行技术优化，大幅度提升了路网可靠度仿真模拟的可信度和准确性，有助于提升仿真算法的有效性和简洁度，在交通可靠性的相关仿真与研宄中具有重要意义。
[0010]本发明在宏观-微观各层级数据的处理上，主要借助了交通数据融合中的特征层融合与决策层融合的方式。数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。其手段分为数据层融合，即直接在采集到的原始数据层上进行的融合、在各种传感器的原始测报未经预处理之前进行数据的综合与分析；特征层融合，即中间层次的融合，它先对来自传感器的原始信息进行特征提取(特征可以是目标的界限、方向、速度等)，然后对特征信息进行综合分析和处理，优点在于实现可观的信息压缩、有利于实时处理，且由于所提取的特征直接与决策分析有关，因而融合结果能最大限度的给出决策分析所需要的特征信息。特征层融合一般采用分布式或集中式的融合体系。特征层融合可分为目标状态融合和目标特性融合两大类；决策层融合，即融合通过不同类型的交通状态量，每个数据集在本地完成基本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论，然后通过关联处理进行决策层融合判决，最终获得联合推断结果。
[0011]本发明在仿真模块完成特征层面融合，对交通量向量进行仿真、存储与提取；在宏观层则进行决策层融合，侧重提取交通向量中的可靠性参数，达到宏观与微观数据的高度融合的目的，计算可靠性；在数据层综合三种融合方式，进行数据存储和分类，实现多层矫
IHo
【发明内容】
[0012]本发明申请保护的项目主要包括下述部分:
[0013]1.一种宏观一一微观结合的环路可靠性仿真方法。该方法包括其特征在于，包括如下步骤:接受可靠性评估指令，根据该可靠性评估指令从历史数据库调用历史数据，获得路网结构信息和相关节点、路段具体交通流信息；根据各所述连接路段的可靠性系数和所述节点的可靠性系数确定各个关键瓶颈点的可靠性参数；根据所述连接路段的可靠性系数和所述关键瓶颈点的可靠性系数确定各条路径的可靠性参数。
[0014]2.根据权利要求1所述仿真系统基础上对交通环路网络节点可靠性进行评估的方法评估道路网节点可靠性，其特征在于，包括如下步骤:其特征在于，根据所述元件信息生成各节点的可靠性系数，包括步骤:根据所述道路网结构信息生成表征连接线路可靠性的邻接矩阵，通过关键节点和路段的微观仿真，生成表征所述节点、路段信息的网络可靠性的节点系数矩阵和路段权重矩阵。
[0015]3.根据权利要求2所述的评估道路网节点可靠性的方法，其特征在于，根据路网结构信息以及线路长度、地理信息确定所述邻接矩阵；根据所述线路和交叉口的类型、级别确定所述节点系数矩阵。根据权利I所述的评估道路网可靠性的方法，其特征在于，所述确定各个节点的可靠性参数包括步骤:确定最高级道路网各节点的可靠性参数；根据上一级道路网和本级道路网的连接以及本级道路网节点的连接确定本级道路网各节点的可靠性参数。
[0016]4.根据权利要求1到3之一所述的评估道路网可靠性的方法，其特征在于，在所述根据各所述连接线路的可靠性系数和各所述节点的可靠性系数确定各个节点的可靠性参数后还包括步骤:根据各节点的重要性对其可靠性参数进行映射计算得到各节点的可靠性指数。
[0017]5..一种评估道环路路网可靠性的系统。其特征在于，包括:数据存储模块，用于接收可靠性评估指令，根据该可靠性评估指令获得道路网拓扑结构信息和相关的节点与路段信息；节点域路段系数生成模块，用于根据所述道路网结构信息生成各连接线路的可靠性系数；可靠性计算模块，用于根据各所连接线路的可靠性系数和各所述节点的可靠性系数确定各个网络区域的可靠性。
[0018]6.根据权利要求5所述的评估道路网络节点可靠性的系统，其特征在于，所述节点和线路生成模块根据道路网结构信息生成表征连接线路可靠性的连接矩阵，根据所述节点和线路信息生成表征节点可靠性的节点系数矩阵。
[0019]7.根据权利要求6所述的评估道路网络节点可靠性的系统，其特征在于，所述节点和线路系数生成模块根据道路网结构信息所生成模块根据网络拓扑特征值和交通流信息、地理信息确定所述邻接矩阵