一種基于改進bml模型的城市交通擁堵預測方法
【專利摘要】本發(fā)明公開了一種基于改進BML模型的城市交通擁堵預測方法，首先構(gòu)建M?BML模型，并初始化M?BML模型；然后把真實城市交通縱橫交錯的路網(wǎng)按照一定的策略映射到M?BML模型上；并將路網(wǎng)中某個時段的車流量密度按照比例映射到M?BML模型中；最后M?BML模型按照元胞自動機的184號規(guī)則進行演化，當模型最終進入堵塞態(tài)時，得到模型上發(fā)生堵塞的網(wǎng)格點坐標值，最后通過相應的策略把模型上得到的坐標值映射到真實的交通路網(wǎng)中，得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的交叉路口。
【專利說明】
-種基于改進BML模型的城市交通擁堵預測方法
技術領域
[0001] 本發(fā)明屬于計算機科學和智能交通技術領域，設及一種基于改進BML模型的城市 交通擁堵預測方法，用于對實際的城市交通路網(wǎng)進行交通擁堵的預測。
【背景技術】
[0002] 隨著我國工業(yè)化和城鎮(zhèn)化進程的加快，城市的發(fā)展愈來愈趨向飽和，城市的經(jīng)濟 發(fā)展和人們的出行生活無疑都給城市道路交通帶來了很大的壓力，所W亟需一種能夠指導 和調(diào)度交通的交通流理論。目前基于元胞自動機的交通流建模獲得了學術界的普遍認可， 其中用于描述高速公路的交通流模型（化gel-Schreckenberg haffic model，簡稱N-S模 型）的研究已經(jīng)臻于成熟，并且已經(jīng)應用到實際交通仿真系統(tǒng)中。而用于描述城市交通路網(wǎng) 的交通流模型（Biham-Middleton-Levine traffic model,簡稱BML模型）目前主要還停留 在理論研究的階段，大多數(shù)學者的研究都是在分析BML模型的相變原理并做了相關的理論 證明。還沒有學者把BML模型應用到實際城市交通路網(wǎng)中，并進行相關的智能調(diào)度和指導。

【發(fā)明內(nèi)容】

[0003] 為了解決上述技術問題，本發(fā)明在基本BML模型基礎上進行改進，建立能夠真實描 述實際城市交通特性的M-BML模型，通過運行該模型對城市交通擁堵點進行實時預測。
[0004] 本發(fā)明所采用的技術方案是:一種基于改進BML模型的城市交通擁堵預測方法，其 特征在于，包括W下步驟：
[000引步驟1:構(gòu)建M-BML模型，并初始化M-BML模型；
[0006] 步驟2:把真實城市交通縱橫交錯的路網(wǎng)按照一定的策略映射到M-BML模型上;并 將路網(wǎng)中某個時段的車流量密度按照比例映射到M-BML模型中；
[0007] 步驟3:M-BML模型按照元胞自動機的184號規(guī)則進行演化，當模型最終進入堵塞態(tài) 時，得到模型上發(fā)生堵塞的網(wǎng)格點坐標值，最后通過相應的策略把模型上得到的坐標值映 射到真實的交通路網(wǎng)中，得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的交叉路 P。
[000引作為優(yōu)選，步驟1中所述構(gòu)建M-BML模型，是在BML模型基礎上，加入線路的概念，將 城市路網(wǎng)中的兩目的地之間的線路分別東向和北向各映射一次，模型中的元胞為東向和北 向的兩條線路的交叉部分，比如交叉口、隧道、立交橋等;每條線路上的車輛不再是隨機素 亂的，而是服從該條線路的密度分布，具體計算公式如下所示：
[0009]
[0010]其中，Μ表示模型中的所有線路條數(shù)，Ni((iy含M))表示第ith條線路包含的路段 數(shù)，和^咕.（1含j含Ni)分別表示第ith條線路上的第jth個路段的車流量密度和長度。根據(jù) 上述公式得到的線路車輛密度，對元胞中的東向車輛和北向車輛分別進行隨機初始化;給 BML模型加上標尺，得到M-BML模型。
[00川所述M-BML模型的運行規(guī)則為：
[0012] (1)模型采用周期性邊界條件，所W每條線路上的車輛數(shù)是守恒的；
[0013] (2)交叉路口處交通信號燈的規(guī)則是把時間步分為奇數(shù)時間步和偶數(shù)時間步，在 奇數(shù)時間步東向的車輛可W行使，在偶數(shù)時間步北行的車輛可W行使;在奇數(shù)時間步的時 候，東向行駛的車輛只有當右側(cè)元胞為空的情況下才能向右行駛;在偶數(shù)時間步的時候，北 向行駛的車輛同樣只有當上方元胞為空的情況下才能向上行駛；
[0014] (3)車輛速度只能在(0，1)之間取值。
[0015] 作為優(yōu)選，步驟1中所述初始化M-BML模型，是在設定的t時刻獲取整個城市的每條 道路的車輛密度值，然后根據(jù)公式1計算的相應線路的車輛密度值對M-BML模型進行初始 化。不同的初始化車流量密度會導致系統(tǒng)運行到不同的最終狀態(tài)，比如自由流狀態(tài)、中間態(tài) 或者堵塞流狀態(tài)。通過實驗仿真得出車流量密度在處于0.3到0.5之間是系統(tǒng)從自由流相轉(zhuǎn) 變?yōu)槎氯嗟呐R界區(qū)間。
[0016] 作為優(yōu)選，步驟2中所述把真實城市交通縱橫交錯的路網(wǎng)按照下面的策略映射到 M-BML模型上：
[0017] (1)選擇從某起點0到達目的地D的可選路徑集合。在不考慮掉頭行駛的情況和假 設各路段最多被選擇一次的前提下，可按W下步驟得到。首先建立W起點0為樹根、各路口 為孩子結(jié)點、具有一定拓展層次的捜索樹;其次W目的地D為終點，在捜索樹中找出所有從 樹根遍歷到終點經(jīng)過的孩子結(jié)點構(gòu)成的路徑即為可選路徑集合。
[0018] (2)對運些可行路徑進行評估，并將符合選擇標準的路徑填入關于城市路網(wǎng)對應 兩交叉路口之間路徑的對應表項中。路徑選擇標準包含車輛對某條路徑的偏好W及對應路 徑的交通狀態(tài)。車輛對某條路徑的偏好不僅僅依賴于該路徑的距離和行駛時間，還會同時 考慮其他因素，比如該路徑所包含的路段的一些客觀屬性，包括車道數(shù)、是否有人行橫道、 照明設備是否充足等，W及司機對于道路的不同主觀喜好;路徑的交通狀態(tài)是指出現(xiàn)的不 確定交通事件等。
[0019] (3)將根據(jù)上面步驟得到的每條路徑在M-BML模型的網(wǎng)格中分別東向和北向各映 射一次。
[0020] 作為優(yōu)選，步驟2中所述路網(wǎng)中某個時段的車流量密度也按照比例映射到M-BML模 型中，是通過每段路口的實時監(jiān)控器來獲取當前路段的車輛密度，并按照原來實際路線上 每段路的長度比例來將車輛密度映射到M-BML模型上。
[0021] 作為優(yōu)選，步驟3中所述通過相應的策略把模型上得到的坐標值映射到真實的交 通路網(wǎng)中，是根據(jù)網(wǎng)格點包含的線路交叉口的類型（比如十字交叉路口、隧道、立交橋、轉(zhuǎn)角 等），將M-BML模型映射到城市交通路網(wǎng)中，其規(guī)則分為W下四點：
[0022] (1)-對一映射；
[0023] 如果預測擁堵的網(wǎng)格點僅僅包含一個交叉口，則該交叉口即為真實城市交通路網(wǎng) 中發(fā)生交通擁堵的那一個；
[0024] (2)沖突點的映射；
[0025] 如果預測擁堵的網(wǎng)格點中僅僅包含交叉口且不止一個，則該網(wǎng)格點稱為沖突點； 通過聯(lián)合映射，即將同一行或同一列預測為擁堵點的網(wǎng)格點分別進行取交集運算，得到的 交叉口即為真實城市路網(wǎng)中的擁堵點；
[0026] (3)模糊點的映射；
[0027] 如果預測擁堵的網(wǎng)格點中包含立交橋、隧道或者轉(zhuǎn)角，則該網(wǎng)格點稱為模糊點;此 類情況將M-BML模型在映射到真實城市交通網(wǎng)絡時被忽略；
[002引（4)空點的映射；
[0029] 如果預測擁堵的網(wǎng)格點中沒有任何交叉口、隧道、立交橋或轉(zhuǎn)角，則該網(wǎng)格點稱為 空點;此類情況將M-BML模型在映射到真實城市交通網(wǎng)絡時被忽略。
[0030] 作為優(yōu)選，步驟3中所述得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的 交叉路口，其具體實現(xiàn)過程包括W下子步驟：
[0031] 步驟3.1:加載每條路線的車流量密度；
[0032] 步驟3.2:按照BML模型的基本規(guī)則運行K個時間步，捕捉到最初導致堵塞的路口的 標記值；
[0033] 步驟3.3:根據(jù)已經(jīng)獲得的標記值結(jié)合映射規(guī)則來分析具體是哪些實際交通路口 發(fā)生了堵塞。
[0034] 作為優(yōu)選，步驟3.3中所述根據(jù)已經(jīng)獲得的標記值結(jié)合映射規(guī)則來分析具體是哪 些實際交通路口發(fā)生了堵塞，是給網(wǎng)格上的每個點標記一個初始化為0的堵塞值，如果該點 的堵塞值越大說明該點對整個交通路網(wǎng)造成堵塞的影響越大，超過堵塞闊值的點標記為堵 塞點。
[0035] 作為優(yōu)選，所述網(wǎng)格點上的堵塞值的更新規(guī)則為：
[0036] (1)當車輛經(jīng)過網(wǎng)格點時，如果通行順楊沒有發(fā)生停滯，那么該點的堵塞值保持不 變；
[0037] (2)當車輛由于前方有車輛阻擋而停滯在網(wǎng)格點上時，此時該網(wǎng)格點被車輛占據(jù) 導致其它想通過該點的車輛無法通行，該點對于整個模型的堵塞造成了影響，那么對該點 做出懲罰，可W使該點的堵塞值增大;如果下一個時間步，車輛還是停滯在該網(wǎng)格點上，貝U 進一步加大該網(wǎng)格點的堵塞值；
[0038] (3)當車輛由停滯狀態(tài)轉(zhuǎn)為行駛狀態(tài)時，也即對應的網(wǎng)格點從堵塞態(tài)轉(zhuǎn)變?yōu)樽杂?態(tài)，那么可W對該點做出獎勵，使其的堵塞值按倍數(shù)降低。
[0039] 相對于現(xiàn)有技術，本發(fā)明的有益效果是：本發(fā)明結(jié)合真實城市路網(wǎng)結(jié)構(gòu)，對傳統(tǒng) BML模型進行改進，將BML模型簡單高效的特征應用于真實城市路網(wǎng)中交通堵塞的實時預 巧。，能夠?qū)崟r準確地預測交通路網(wǎng)中發(fā)生堵塞的交叉路口。
【附圖說明】
[0040] 圖1:本發(fā)明經(jīng)過十字路口的東向行駛的交通流到BML模型的映射圖。
[0041] 圖2:本發(fā)明城市交通路網(wǎng)圖。
[0042] 圖3:本發(fā)明M-BML模型的空間結(jié)構(gòu)圖。
[0043] 圖4:本發(fā)明M-BML模型上堵塞點到真實路網(wǎng)上發(fā)生堵塞的交叉路口的映射圖。
[0044] 圖5:本發(fā)明一對一映射的解決方案圖。
[0045] 圖6:本發(fā)明沖突點映射的解決方案圖。
[0046] 圖7:本發(fā)明模糊點映射的解決方案圖。
[0047] 圖8:本發(fā)明空點映射的解決方案圖。
[004引圖9:本發(fā)明M-BML模型預測交通堵塞流程圖。
[0049] 圖10:本發(fā)明城市交通路網(wǎng)每條道路的密度值初始化圖。
[0050] 圖11:本發(fā)明真實交通各個路段的車輛密度在M-BML模型上的映射。
[0051 ]圖12:本發(fā)明M-BML模型下的自由流態(tài)、中間態(tài)和堵塞態(tài)圖。
【具體實施方式】
[0052] 為了便于本領域普通技術人員理解和實施本發(fā)明，下面結(jié)合附圖及實施例對本發(fā) 明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0053] 目前，國內(nèi)外對于BML模型全局堵塞態(tài)分析停留在理論研究上，主要研究由自由流 狀態(tài)到堵塞態(tài)的相變及理論證明，并沒有學者把BML模型應用于實際交通指導中，運跟BML 模型自身的局限性有很大的關系。首先，BML模型中的車輛都是向一個方形行駛，在行駛的 過程中并不改變方向，運跟現(xiàn)實的交通流明顯不符。然后是在BML模型中出現(xiàn)堵塞態(tài)，運種 堵塞是由兩個方向車輛相互干擾造成的，運只能說明BML模型具備描述現(xiàn)實交通中會出現(xiàn) 堵塞態(tài)的特性，但不能指出具體的是在城市的哪個交通區(qū)域發(fā)生了堵塞，不能解決實際交 通問題。最后是BML模型在初始化時，采取東向和北向行駛的車輛數(shù)相等并且隨機分布，運 與實際城市交通狀況也不相符。
[0054] 針對上述分析中BML模型在模擬真實交通路網(wǎng)堵塞方面存在的不足，本發(fā)明通過 對基本BML模型進行改進，創(chuàng)建了M-BML模型，通過對真實城市交通路網(wǎng)的仿真來預測真實 交通路網(wǎng)堵塞交叉口的發(fā)生時間和地點。包括真實城市交通路網(wǎng)與M-BML模型的雙向映射 規(guī)則，W及M-BML模型的數(shù)據(jù)輸入和演化規(guī)則等。
[0055] 請見圖9,本發(fā)明提供的一種基于改進BML模型的城市交通擁堵預測方法，包括W 下步驟：
[0056] 步驟1:構(gòu)建M-BML模型，并初始化M-BML模型；
[0057] 構(gòu)建M-BML模型，是在BML模型基礎上，加入線路的概念，將城市路網(wǎng)中的兩目的地 之間的線路分別東向和北向各映射一次，模型中的元胞為東向和北向的兩條線路的交叉部 分，比如交叉口、隧道、立交橋等;每條線路上的車輛不再是隨機素亂的，而是服從該條線路 的密度分布，具體計算公式如下所示：
[0化引
[0059] 其中，Μ表示模型中的所有線路條數(shù)，Ni((l含i含M))表示第ith條線路包含的路段 數(shù)，，;和枯4 (1含j含Ni)分別表示第ith條線路上的第jth個路段的車流量密度和長度。根據(jù) 上述公式得到的線路車輛密度，對元胞中的東向車輛和北向車輛分別進行隨機初始化;給 BML模型加上標尺，得到M-BML模型。
[0060] M-BML模型的運行規(guī)則為：
[0061] (1)模型采用周期性邊界條件，所W每條線路上的車輛數(shù)是守恒的；
[0062] (2)交叉路口處交通信號燈的規(guī)則是把時間步分為奇數(shù)時間步和偶數(shù)時間步，在 奇數(shù)時間步東向的車輛可W行使，在偶數(shù)時間步北行的車輛可W行使;在奇數(shù)時間步的時 候，東向行駛的車輛只有當右側(cè)元胞為空的情況下才能向右行駛;在偶數(shù)時間步的時候，北 向行駛的車輛同樣只有當上方元胞為空的情況下才能向上行駛；
[0063] (3)車輛速度在(0，1)之間取值。
[0064] 初始化M-BML模型，是在設定的t時刻獲取整個城市的每條道路的車輛密度值，然 后根據(jù)公式（1)計算的相應線路的車輛密度值對M-BML模型進行初始化。不同的初始化車流 量密度會導致系統(tǒng)運行到不同的最終狀態(tài)，比如自由流狀態(tài)、中間態(tài)或者堵塞流狀態(tài)。通過 實驗仿真得出車流量密度在處于0.3到0.5之間是系統(tǒng)從自由流相轉(zhuǎn)變?yōu)槎氯嗟呐R界區(qū) 間。
[0065] 如圖1(a)所示，本發(fā)明從復雜的城市交通路網(wǎng)中選擇兩條行駛路線，它們分別是 從起始點S1經(jīng)過兩個十字路口到達終點E1的路線(路線1)和從起始點S2出發(fā)經(jīng)過兩個十字 路口到達終點E2的路線(路線2)。從圖中可W看出兩條行駛路線都不是直線，路線1經(jīng)過兩 個十字路口，轉(zhuǎn)過兩個方向，路線2也經(jīng)過兩個十字路口，轉(zhuǎn)過兩次方向，并且兩條路線有一 段道路重疊在一起。
[0066] 本發(fā)明的目標是預測分析城市交通路網(wǎng)堵塞發(fā)生在哪個交叉路口，而不考慮某段 道路發(fā)生堵塞的情況。如圖，本發(fā)明只關注兩個十字路口的堵塞發(fā)生情況，而不關注Ri路段 上由于交通事故或者道路變窄等情況引起的交通擁堵。由于BML模型自身的局限性，本發(fā)明 不能直接把運兩條路線組成的簡單路網(wǎng)直接復制到BML模型上。
[0067] 本發(fā)明用圖1(b)所示的兩條路線（S1-〉E1S2-〉E2)來模擬真實交通中的路線1和路 線2，構(gòu)建M-BML模型。如果在M-BML模型上S1-〉E1路線和S2-〉E2路線的交叉點發(fā)生了堵塞， 那可W預測在左圖中十字路口 1或者十字路口 2(左轉(zhuǎn)和直行會交叉，均右轉(zhuǎn)不會交叉)發(fā)生 了堵塞，運樣就可W通過對M-BML模型的仿真實驗來得到真實交通的堵塞發(fā)生在哪個交叉 路口。
[0068] 如圖2所示是一個簡單的城市交通路網(wǎng)結(jié)構(gòu)圖。運張圖基本反映一個城市的基本 建筑設施和路網(wǎng)結(jié)構(gòu)，從圖中可W看出城市的出行地點主要有郊外住宅、學校、火車站等， 分別W英文大寫字母A-F來標記。城市路線之間縱橫交錯，形成不同的交叉路口，從圖中可 W看出有四個Ξ岔路口分別標記為C1C2C4C9，有Ξ個十字路口分別標記為C3巧C8和兩個彎 道C6C7。
[0069] 因為本發(fā)明用M-BML模型仿真城市交通路網(wǎng)來預測堵塞將會在哪些交叉路口發(fā) 生，所W只考慮堵塞由不同方向的車輛互相制約而造成的堵塞，而不考慮由于交通事故引 發(fā)的堵塞。因此，本發(fā)明預測得到的交通堵塞點應該是C1到C9的交叉路口，而不在路段或者 出行點上。
[0070] 表1城市交通路線表
[0071]
[0073]想要通過M-BML模型來仿真真實路網(wǎng)交通的運行，首先要把真實路網(wǎng)上的線路映 射到M-BML模型上去。如圖2所示，從出行點A出發(fā)有五個目的地可W行使，到達每個目的地 又有多種路線，例如從郊外住宅A去往學校B，可W從A-C1-C2-B路線行駛，也可WA-C1-C3- C5-C2-B行駛，還可W從A-C1-C3-C7-C8-C5-C2-B運條線路行駛。運里本發(fā)明考慮司機的行 駛習慣只選擇第一條線路。如表1所示，將圖2中的所有路線抽取出來，一共有30條路線。從 表中可W看到有很多線路的起訖點相同如2號線和3號線，因為運兩條線路從司機行駛習慣 上考慮是要根據(jù)當時路網(wǎng)狀況來考慮，兩條線路的距離相差不大，如果司機發(fā)現(xiàn)2號線行駛 擁擠就有可能從3號線行駛。而上面提及的從A點到達B點，司機習慣性地選擇1號線的原因 是其它路線遠比1號線距離長。
[0074] 現(xiàn)在考慮如何把表1中的運30條路線映射到M-BML模型中，由于基本BML模型是沒 有路線的概念的，只是每個網(wǎng)格點代表一個交叉路口，模型上的車輛都是隨機分布的，只說 明由于兩個方向的車輛的行駛制約會造成堵塞?，F(xiàn)在M-BML模型對基本BML模型的改進就是 加入線路的概念，每條線路上的車輛不再是隨機素亂的，而是服從該條線路的密度分布。給 模型加上標尺，對基本BML模型進行改進，即構(gòu)建M-BML，如圖3所示。由于表1中表示的城市 路網(wǎng)有30條路線，那么映射到模型中使得模型的尺寸為30X30,即在模型中東向的線路和 北向的線路都是30條。圖中圈出來的東向14號路線和北向9路線即是表1中所對應的B-C2- (：1-〔3-〔4-(：和4-(：1-〔2-05-〔6-〔9斗兩條路線，它們的交點的坐標值為(9，14)，此時從圖中 可W看出有一輛北向的車輛停止在該坐標點上，而且處于停滯狀態(tài)，本發(fā)明可W認為此時 該坐標值所對應的交叉路口發(fā)生了堵塞現(xiàn)象。結(jié)合表1和圖2可W分析出在M-BML模型上該 網(wǎng)格點所對應的真實路網(wǎng)上的交叉路口為十字路口 C3和巧，即此時本發(fā)明可W判定C3和巧 其中一個或者兩個都發(fā)生了堵塞。
[0075] 步驟2:把真實城市交通縱橫交錯的路網(wǎng)按照一定的策略映射到M-BML模型上;并 將路網(wǎng)中某個時段的車流量密度按照比例映射到M-BML模型中；
[0076] 把真實城市交通縱橫交錯的路網(wǎng)按照下面的策略映射到M-BML模型上：
[0077] (1)選擇從某起點（0巧Ij達目的地(D)的可選路徑集合。在不考慮掉頭行駛的情況 和假設各路段最多被選擇一次的前提下，可按W下步驟得到。首先建立W起點（0)為樹根、 各路口為孩子結(jié)點、具有一定拓展層次的捜索樹;其次W目的地(D)為終點，在捜索樹中找 出所有從樹根遍歷到終點經(jīng)過的孩子結(jié)點構(gòu)成的路徑即為可選路徑集合。
[0078] (2)對運些可行路徑進行評估，并將符合選擇標準的路徑填入關于城市路網(wǎng)對應 兩交叉路口之間路徑的對應表項中。路徑選擇標準包含車輛對某條路徑的偏好W及對應路 徑的交通狀態(tài)。車輛對某條路徑的偏好不僅僅依賴于該路徑的距離和行駛時間，還會同時 考慮其他因素，比如該路徑所包含的路段的一些客觀屬性，包括車道數(shù)、是否有人行橫道、 照明設備是否充足等，W及司機對于道路的不同主觀喜好;路徑的交通狀態(tài)是指出現(xiàn)的不 確定交通事件等。
[0079] (3)將根據(jù)上面步驟得到的每條路徑在M-BML模型的網(wǎng)格中分別東向和北向各映 射一次。
[0080] 路網(wǎng)中某個時段的車流量密度也按照比例映射到M-BML模型中，是通過每段路口 的實時監(jiān)控器來獲取當前路段的車輛密度，并按照原來實際路線上每段路的長度比例來將 車輛密度映射到M-BML模型上。
[0081] 步驟3:M-BML模型按照元胞自動機的184號規(guī)則進行演化，當模型最終進入堵塞態(tài) 時，得到模型上發(fā)生堵塞的網(wǎng)格點坐標值，最后通過相應的策略把模型上得到的坐標值映 射到真實的交通路網(wǎng)中，得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的交叉路 P。
[0082] 把M-BML模型運行得到的結(jié)果即模型上發(fā)生堵塞的點映射到真實路網(wǎng)的交叉路口 上，如圖4所示，根據(jù)參數(shù)值的調(diào)整假設堵塞的范圍是左圖圈定的區(qū)域內(nèi)。從圖中可W得到 運些網(wǎng)格點的坐標值，如左下角的網(wǎng)格點的坐標值為（12，17)，說明該點是12號線路和17號 線路的交叉點，對應于真實交通網(wǎng)絡中的巧十字路口，那么就可W預測真實路網(wǎng)中巧路口 在未來的時間段會發(fā)生堵塞。
[0083] 根據(jù)網(wǎng)格點包含的線路交叉口的類型，將M-BML模型映射到城市交通路網(wǎng)的規(guī)則 分為W下四點：
[0084] (1)一對一映射
[0085] 如果預測擁堵的網(wǎng)格點僅僅包含一個交叉口，則該交叉口即為真實城市交通路網(wǎng) 中發(fā)生交通擁堵的那一個。如圖5所示，假設M-BML模型運行后最終預測擁堵的網(wǎng)格點是 (14,21)(16，19)，運兩個網(wǎng)格點對應的均為一對一映射，所^映射到真實路網(wǎng)中時得到的 發(fā)生擁堵的交叉口是C2和C4。
[0086] (2)沖突點的映射
[0087] 如果預測擁堵的網(wǎng)格點中僅僅包含交叉口且不止一個，則該網(wǎng)格點稱為沖突點。 對于沖突點一個很好的解決方案是通過聯(lián)合映射，即將同一行或同一列預測為擁堵點的網(wǎng) 格點分別進行取交集運算，得到的交叉口即為真實城市路網(wǎng)中的擁堵點。
[008引如圖6所示，假設系統(tǒng)最終確定坐標值為（14，20) (14，21)(16，19)的Ξ個網(wǎng)格點為 堵塞最嚴重的交叉路口，可W把運Ξ個坐標點聯(lián)合起來分析，運Ξ個點所對應的真實網(wǎng)絡 的路口分別為C3C4、C4和C2。網(wǎng)格點（16，19)對應于〔2路口是一對一的映射。而另外兩個網(wǎng) 格點（14,20)(14,21)處于同一列，取交集得到兩個網(wǎng)格點都對應有C4路口，因此認定C4路 口發(fā)生了堵塞。結(jié)合網(wǎng)格點（16，19)，最終得到的堵塞路口為C2和C4。
[0089] (3)模糊點的映射
[0090] 如果預測擁堵的網(wǎng)格點中包含立交橋、隧道或者轉(zhuǎn)角，則該網(wǎng)格點稱為模糊點。因 為M-BML模型主要預測的擁堵主要是因為來自方向彼此交叉的交通流造成的，而在立交橋、 隧道或者轉(zhuǎn)角處的擁堵不會被考慮在該模型中，因此將M-BML模型在映射到真實城市交通 網(wǎng)絡時被忽略。
[0091 ]如圖7所示，假設系統(tǒng)最終確定坐標值為（16，18)(17，18)(17，21)的Ξ個網(wǎng)格點為 堵塞最嚴重的交叉路口。第一個網(wǎng)格點（16,18)是一對一映射，對應交叉口 C2。而后兩個網(wǎng) 格點（17，18) (17，21)中均包含隧道C8，因此將該隧道忽略，并取交集對應有交叉口巧，因此 認定巧發(fā)生了堵塞。結(jié)合網(wǎng)格點（16，18 )，最終得到的堵塞路口為C2和巧。
[0092] (4)空點的映射
[0093] 如果預測擁堵的網(wǎng)格點中沒有任何交叉口、隧道、立交橋或轉(zhuǎn)角等，則該網(wǎng)格點稱 為空點。運對應真實城市路網(wǎng)中，同一條路線的東向和北向重疊，或者是兩條并不相交的路 線，因此在將M-BML模型映射到城市路網(wǎng)時，空點也將被忽略。
[0094] 如圖8所示，假設系統(tǒng)最終確定坐標值為（13，20) (16，18) (16，21)的Ξ個網(wǎng)格點為 堵塞最嚴重的交叉路口。前兩個網(wǎng)格點（13，20)(16，18)均為一對一映射，分別對應交叉口 C4和C2。而最后一個網(wǎng)格點（16,21)為空點，因此映射時將給擁堵網(wǎng)格點忽略。最終得到的 堵塞路口為C2和C4。
[00M]改進的BML模型與原BML模型的定義基本相似，遵循相同的交通信號燈規(guī)則，同樣 采用周期性邊界條件，車輛的速度只能在(〇，1)二者之中取值，不同點在于模型的初始化并 不是隨機的，而且東向行駛的車輛密度和北向行駛的車輛密度不再相同，而是根據(jù)實際交 通路況監(jiān)測獲得數(shù)據(jù)。
[0096] M-BML模型是對真實交通網(wǎng)絡路線的映射，它保留了 BML模型的大部分特性。不同 之處在于M-BML模型的初始化不是隨機分配的，而是在設定的t時刻獲取整個城市的每條道 路的密度值，然后把相應的密度值分配在M-BML模型中的每條路線上，運樣模型便接近真實 的交通路網(wǎng)情況。
[0097] 在圖2中，整個城市交通路網(wǎng)的線路圖包括交叉路口與交叉路口的路段和起訖點 與交叉路口之間的路段。本發(fā)明在觀測路段車流量密度數(shù)據(jù)時也需把起訖點和交叉路口的 車流量密度值測量出來。因為對于每個交叉路口的堵塞受各個方向交通流量的影響。比如， 交叉路口 C1可能由于A-C1路段和C2-C1路段的車流量值過大而發(fā)生堵塞，所W本發(fā)明要考 慮A-C1路段上的車流量密度。
[0098] 根據(jù)圖2城市交通路網(wǎng)圖為每條路段分配一個初始化的車流量密度值，如圖10所 示。從起始點D到達終點F的線路中有5個交叉路口，由于交叉路口的影響每個路段的流量密 度會相差很大，所W要分段地把每個路段的車流量映射到M-BML模型的線路上去，如圖11所 示。該路線由6個路段組成，每個路段上的車輛密度都是根據(jù)實地路況來決定的，如果在BML 模型中初始時刻隨機的分布車輛就不能體現(xiàn)真實的路網(wǎng)交通狀況，可W通過每段路口的實 時監(jiān)控器來獲取當前路段的車輛密度。已經(jīng)監(jiān)測得到每個路段的車流量密度值，來得到每 條路線的密度值分配是很容易的，如表2所示。圖11中6個路段上的密度映射到M-BML模型上 時要按照原來實際路線上每段路的長度比例來影射。
[0099] 表2城市交通路網(wǎng)每條路線的車流量密度值分配表
[0100]
[0101] 當每條路線上的每個路段的車流量都已經(jīng)確定之后，本發(fā)明根據(jù)概率隨機初始化 M-BML模型上的車輛分布，因為不可能把實際交通中每輛車的行駛狀態(tài)直接復制到模型上 來，而只能說在某一時刻模型上對應路段上的車流量密度和實際交通中路段上的車流量密 度是相等的。
[0102] 通過計算機數(shù)值仿真運行后，M-BML模型系統(tǒng)最終的狀態(tài)可能是自由流狀態(tài)、中間 態(tài)或者堵塞流狀態(tài)，如圖12所示?？紤]給網(wǎng)格上的每個點標記一個初始化為0的堵塞值，如 果該點的堵塞值越大說明該點對整個交通路網(wǎng)造成堵塞的影響越大。
[0103] 網(wǎng)格點上的堵塞值的更新規(guī)則：
[0104] (1)當車輛經(jīng)過網(wǎng)格點時，如果通行順楊沒有發(fā)生停滯，那么該點的堵塞值保持不 變。
[0105] (2)當車輛由于前方有車輛阻擋而停滯在網(wǎng)格點上時，此時該網(wǎng)格點被車輛占據(jù) 導致其它想通過該點的車輛無法通行，該點對于整個模型的堵塞造成了影響，那么對該點 做出懲罰，可W使該點的堵塞值增大。如果下一個時間步，車輛還是停滯在該網(wǎng)格點上，貝U 進一步加大該網(wǎng)格點的堵塞值。
[0106] (3)當車輛由停滯狀態(tài)轉(zhuǎn)為行駛狀態(tài)時，也即對應的網(wǎng)格點從堵塞態(tài)轉(zhuǎn)變?yōu)樽杂?態(tài)，那么可W對該點做出獎勵，使其的堵塞值按倍數(shù)降低。
[0107] 系統(tǒng)運行完之后，所有網(wǎng)格點的堵塞值都不相同，此時選出堵塞值相對比較大的 網(wǎng)格點，可W認為運些點時整個模型堵塞最嚴重的點，得出運點網(wǎng)格點的坐標值。
[0108] 應當理解的是，本說明書未詳細闡述的部分均屬于現(xiàn)有技術。
[0109] 應當理解的是，上述針對較佳實施例的描述較為詳細，并不能因此而認為是對本 發(fā)明專利保護范圍的限制，本領域的普通技術人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán) 利要求所保護的范圍情況下，還可W做出替換或變形，均落入本發(fā)明的保護范圍之內(nèi)，本發(fā) 明的請求保護范圍應W所附權(quán)利要求為準。
【主權(quán)項】
1. 一種基于改進BML模型的城市交通擁堵預測方法，其特征在于，包括以下步驟： 步驟1:構(gòu)建M-BML模型，并初始化M-BML模型； 步驟2:把真實城市交通縱橫交錯的路網(wǎng)按照一定的策略映射到M-BML模型上；并將路 網(wǎng)中某個時段的車流量密度按照比例映射到M-BML模型中； 步驟3:M-BML模型按照元胞自動機的184號規(guī)則進行演化，當模型最終進入堵塞態(tài)時， 得到模型上發(fā)生堵塞的網(wǎng)格點坐標值，最后通過相應的策略把模型上得到的坐標值映射到 真實的交通路網(wǎng)中，得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的交叉路口。2. 根據(jù)權(quán)利要求1所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，步 驟1中所述構(gòu)建M-BML模型，是在BML模型基礎上，加入線路的概念，將城市路網(wǎng)中的兩目的 地之間的線路分別東向和北向各映射一次，模型中的元胞為東向和北向的兩條線路的交叉 部分;每條線路上的車輛不再是隨機紊亂的，而是服從該條線路的密度分布，具體計算公式 如下所示：其中，Μ表示模型中的所有線路條數(shù)&(1 < i SM)表示第ith條線路包含的路段數(shù)，Ay和 < j 分別表示第ith條線路上的第jth個路段的車流量密度和長度； 根據(jù)上述公式得到的線路車輛密度，對元胞中的東向車輛和北向車輛分別進行隨機初 始化;給BML模型加上標尺，得到M-BML模型； 所述M-BML模型的運行規(guī)則為： (1) 模型采用周期性邊界條件，所以每條線路上的車輛數(shù)是守恒的； (2) 交叉路口處交通信號燈的規(guī)則是把時間步分為奇數(shù)時間步和偶數(shù)時間步，在奇數(shù) 時間步東向的車輛可以行使，在偶數(shù)時間步北行的車輛可以行使;在奇數(shù)時間步的時候，東 向行駛的車輛只有當右側(cè)元胞為空的情況下才能向右行駛;在偶數(shù)時間步的時候，北向行 駛的車輛同樣只有當上方元胞為空的情況下才能向上行駛； (3) 車輛速度在(0，1)之間取值。3. 根據(jù)權(quán)利要求2所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，步 驟1中所述初始化Μ-BML模型，是在設定的t時刻獲取整個城市的每條道路的車輛密度值，然 后根據(jù)公式1計算的相應線路的車輛密度值對M-BML模型進行初始化。4. 根據(jù)權(quán)利要求1所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，步 驟2中所述把真實城市交通縱橫交錯的路網(wǎng)按照下面的策略映射到M-BML模型上： (1) 選擇從某起點〇到達目的地D的可選路徑集合;在不考慮掉頭行駛的情況和假設各 路段最多被選擇一次的前提下，可按以下步驟得到;首先建立以起點〇為樹根、各路口為孩 子結(jié)點、具有一定拓展層次的搜索樹;其次以目的地D為終點，在搜索樹中找出所有從樹根 遍歷到終點經(jīng)過的孩子結(jié)點構(gòu)成的路徑即為可選路徑集合； (2) 對這些可行路徑進行評估，并將符合選擇標準的路徑填入關于城市路網(wǎng)對應兩交 叉路口之間路徑的對應表項中；路徑選擇標準包含車輛對某條路徑的偏好以及對應路徑的 交通狀態(tài)； (3) 將根據(jù)上面步驟得到的每條路徑在M-BML模型的網(wǎng)格中分別東向和北向各映射一 次。5. 根據(jù)權(quán)利要求1所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，步 驟2中所述路網(wǎng)中某個時段的車流量密度也按照比例映射到M-BML模型中，是通過每段路口 的實時監(jiān)控器來獲取當前路段的車輛密度，并按照原來實際路線上每段路的長度比例來將 車輛密度映射到M-BML模型上。6. 根據(jù)權(quán)利要求1所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，步 驟3中所述通過相應的策略把模型上得到的坐標值映射到真實的交通路網(wǎng)中，是根據(jù)網(wǎng)格 點包含的線路交叉口的類型，將Μ-BML模型映射到城市交通路網(wǎng)中，其規(guī)則分為以下四點： (1) 一對一映射； 如果預測擁堵的網(wǎng)格點僅僅包含一個交叉口，則該交叉口即為真實城市交通路網(wǎng)中發(fā) 生交通擁堵的那一個； (2) 沖突點的映射； 如果預測擁堵的網(wǎng)格點中僅僅包含交叉口且不止一個，則該網(wǎng)格點稱為沖突點；通過 聯(lián)合映射，即將同一行或同一列預測為擁堵點的網(wǎng)格點分別進行取交集運算，得到的交叉 口即為真實城市路網(wǎng)中的擁堵點； (3) 模糊點的映射； 如果預測擁堵的網(wǎng)格點中包含立交橋、隧道或者轉(zhuǎn)角，則該網(wǎng)格點稱為模糊點;此類情 況將M-BML模型在映射到真實城市交通網(wǎng)絡時被忽略； (4) 空點的映射； 如果預測擁堵的網(wǎng)格點中沒有任何交叉口、隧道、立交橋或轉(zhuǎn)角，則該網(wǎng)格點稱為空 點;此類情況將M-BML模型在映射到真實城市交通網(wǎng)絡時被忽略。7. 根據(jù)權(quán)利要求1-6任意一項所述的基于改進BML模型的城市交通擁堵預測方法，其特 征在于，步驟3中所述得到真實路網(wǎng)上在下個時間段內(nèi)可能會發(fā)生嚴重堵塞的交叉路口，其 具體實現(xiàn)過程包括以下子步驟： 步驟3.1:加載每條路線的車流量密度； 步驟3.2:按照BML模型的基本規(guī)則運行K個時間步，捕捉到最初導致堵塞的路口的標記 值； 步驟3.3:根據(jù)已經(jīng)獲得的標記值結(jié)合映射規(guī)則來分析具體是哪些實際交通路口發(fā)生 了堵塞。8. 根據(jù)權(quán)利要求7所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于：步 驟3.3中所述根據(jù)已經(jīng)獲得的標記值結(jié)合映射規(guī)則來分析具體是哪些實際交通路口發(fā)生了 堵塞，是給網(wǎng)格上的每個點標記一個初始化為0的堵塞值，如果該點的堵塞值越大說明該點 對整個交通路網(wǎng)造成堵塞的影響越大，超過堵塞閾值的點標記為堵塞點。9. 根據(jù)權(quán)利要求8所述的基于改進BML模型的城市交通擁堵預測方法，其特征在于，所 述網(wǎng)格點上的堵塞值的更新規(guī)則為： (1) 當車輛經(jīng)過網(wǎng)格點時，如果通行順暢沒有發(fā)生停滯，那么該點的堵塞值保持不變； (2) 當車輛由于前方有車輛阻擋而停滯在網(wǎng)格點上時，此時該網(wǎng)格點被車輛占據(jù)導致 其它想通過該點的車輛無法通行，該點對于整個模型的堵塞造成了影響，那么對該點做出 懲罰，可以使該點的堵塞值增大;如果下一個時間步，車輛還是停滯在該網(wǎng)格點上，則進一 步加大該網(wǎng)格點的堵塞值； (3)當車輛由停滯狀態(tài)轉(zhuǎn)為行駛狀態(tài)時，也即對應的網(wǎng)格點從堵塞態(tài)轉(zhuǎn)變?yōu)樽杂蓱B(tài)，那 么可以對該點做出獎勵，使其的堵塞值按倍數(shù)降低。
【文檔編號】G06Q50/30GK105825677SQ201610374904
【公開日】2016年8月3日
【申請日】2016年5月31日
【發(fā)明人】胡文斌, 嚴麗平, 杜博, 王歡, 邱振宇, 聶聰
【申請人】武漢大學