|
马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?注册
x
国内外有同行研究用TSIS、Paramics等商业软件做交通流实时预测,主要是针对高速公路,城市路网的新加坡有学者可能做过。这些商业软件方便易用无疑具有很大的吸引力,但仔细想想,感觉这种方法可能会有问题。
第一,微观仿真软件本身是针对方案评估而开发的,或许没有从模型和算法上进行特殊的优化设计,以方便做实时交通流预测。当然有人会说,如果担心计算效率,由于Paramics可做并行仿真,效率不是问题。只怕未必,一次交通预测要做6次以上迭代计算,数十万甚至上百万车辆同时运行,是否做过这样的实验?另外,当大量车辆都在排队时,也确实不必对每辆车仍运用微观模型去更新其位置而不考虑对模型和算法可做优化的可能。并且,动态OD分析、路径处理甚至在线参数校正也需要消耗大量的计算时间。
第二,实时交通预测的关键之一是精确。由于微观交通仿真器本质上是一个随机仿真系统,每辆车的个性特征服从特定的概率分布;因此,对某个时间区间、对某条路段而言,现实中车辆的个性特征是否与微观仿真器中对应路段上的车辆个性特征较为一致,个性特征的统计规律是否一致?只怕未必,恐怕也不大容易去有效标定这些个性特征参数。然而,车辆的一次随机换道可能造成该路段上一次显著的交通波传播,直接影响预测精度。相反,中观交通模型有希望精确估计路段入口和出口处的车流平均速度,至于路段中间的可以用交通流模型进行拟和或者插值,理论上感觉可靠一些。
第三,微观交通仿真结果对模型参数变化相当敏感,这并不是好事,因为现实中模型的参数实际上是不断在变化的,光照、天气、驾驶员情绪波动等等,只有对参数变化不甚敏感的模型才更有价值,忽略掉交通流中细小的交通波的传播和影响,只关注以数分钟为周期的交通流平均变化过程。这样,效果可能会更好。
大家一起讨论。
[ 本帖最后由 水寿松 于 2009-4-28 01:44 编辑 ] |
|