如道路收费计划，在那里我们有应用对策模拟相当大的领域，包括地面街道和高速公路。

这样做的最大的原因可能来自于知道交通需求怎样产生和司机怎样选择他们在大型网络的路由非常困难。这些各种各样的数据采集问题，也可以暗示图6;即几乎三分之二的研究应用模拟简单的形状网络为每个OD对没有替代路线。模拟用户似乎是在现实中避免复杂的网络形状。我们将在随后的一节回答的OD数据采集问题。

图7节点的数目进行比较，以每个网络的所测量的大小由区域边界的近似长度构成。这是很自然的数目节点随着越来越大网络规模而变大。在网络的数学表达式中，不仅交叉点或结点，而且虚设结可以被认为是结点。

地面道路

城际高速公路

市内高速公路

地面道路 高速公路

其他

图5：模拟研究的道路类型

图8现在比较了实际交点或路口的网络数目。当网络的尺寸特别大时，节点的数目和实际交叉口的数目有着显著的区别。其中一个原因是，该网络中包含许多虚节点，连接其中产生交通量的发生区或者吸引区。另一个原因是，很多小的十字路口仍然剩余，并且交叉道路不被包含在主观网络的道路上。

增加的节点（=向链接的数量）的数量，使在模型校准中的模拟很难，因为大部分车型都有对链路容量有影响的参数。这取决于个人用户的技巧：比如如何描绘网络和如何校准模型。这可能导致一个现象，就是在是相同的情况下，不同的用户得出了不同的结果。

普通部分

单路口

覆道/ 树状图

网络

图6：网络形状的仿真研究

节点

图7：网络大小与节点数。

路口/交叉路口

边界线【千米】

图8：网络大小与十字路口数。

交通模型的交通需求

图9的计数的数据源，用户用来获得交通需求。这里有两个模型（NETSIM和VISITOK）没有纳入驾驶员路径选择的模式，因此，他们需要每网络边界的到达流速和交叉路口的转弯率数据。

其他是接受随时间变化的OD矩阵与整合路径选择的模型，但数据来源根据具体情况而不同。一些与小型网络使用OD矩阵的情况下，通过车牌直接观察匹配，其中一些与大型网络借用传统调查的结果，如交通普查。前者可以在一定程度获得精确的OD矩阵，但它是一个成本消耗大的方式。后者是具有成本效益的，但不是精确的，因为普查的采样率通常非常小。

从车辆数方面有两项“OD估计”，即简单的走廊网络和复杂的网络。对于走廊形网络中，我们可以使用转弯率来计算的OD矩阵交叉点。即使采用模拟的路径选择模型，这是完全等同于”转向比例”的情况下。

OD估计复杂的网络需要一些技巧。所有案例在这里使用的“扩展的熵最大”（Oneyama，等人，1996）估算交通计数随时间变化的OD矩阵，但这种技术没有得到实际场景中的应用。在接下来的部分中，我们将调查一些OD估计的案例。

转弯率

起终点估计（走廊）

起终点调查

人口调查/人口普查

起终点估计（网络）

没有数据来源

图9：交通需求的数据源。

交通条件的可重复性的指数

图10显示了索引被用来评价的再现性交通条件。在一般情况下，在连接一个或部分交通条件必须具有至少两个测量方式;即交通计数（TC）和旅行时间（TT），通过与队列长度（QL）。然而，由于使用有限的可用数据情况下，只有一个测量方法。对于这些的情况下，这时模拟是否真正再现了本交通状况是值得怀疑的。对于该例有两个以上的测量标准，队列长度比旅行时间流行的。这样做的原因，可以从以下事实推断，这是很难测量行程时间以足够小区间整体网络上，因为数据收集主要取决于少数浮动车。另一方面，队列长度因为队列长度的定义似乎是不清楚涉及一些不确定性因素。

可能产生怎样的用户数量估计进一步的问题重复性。一RMSE（均方根误差）或相关系数似乎是用来出于习惯，但是我们如何决定，该指数值充足与否？我们也将在下一章考虑这个问题。

交通量计数

队列计数

交通时间

交通量计数 交通时间

交通量计数 队列计数

队列计数 交通时间

交通量计数 队列计数-交通时间

没有数据

图10：交通条件的可重复性的指标。

最佳实践手册交通仿真应用

Sim@JSTE正在工作的最佳实践手册交通仿真申请，其中含有有用样本程序中的每一个问题实际案例研究。有典型的模拟的几个问题应用举例：

1）以动态交通仿真的优势与静态分析。

2）了解通过核查和验证了模型的本质

3）动态交通仿真的交通调查

4）旅行需求的估计和网络配置。

5）参数标定重现目前的交通状况。

6）敏感性，每个场景的分析。

对于每个问题，典型的技术已受聘的专家模拟进行具体说明。另外，不仅是传统的技术，先进的技术也将被列入手册。在这章中，有些内容呈现在以便掌握的轮廓手册。

了解通过验证的模型“自然验证”。

此前的案例研究，用户可能考虑哪些仿真模型可以适用于主观问题。作为一个先决条件，用户必须拥有他/她提供模型的性质适当良好的知识选择其中之一。由于本文的主要目的是过程中提到的手册将给一些知道如何核查和验证的读者在了解模型的本质有所帮助，让我们介绍验证和确认的几个结果在本节的例子。该验证过程的细节和验证进一步结果从堀口和桑原（2002）称。

交通的生成

用于模拟的实施，这是必要的，以产生通信量根据车辆的来自外部的到达分配的入口端研究领域。大多数的仿真模型似乎假定随机到达一网络边界部分，但可能有一些其他的到来的模式是通过考虑模拟研究的目标。例如，该均匀到达可以假设在某些情况下，分析的过饱和的交通状况，以避免的不良现象伪随机序列。 “标准验证流程手册”（JSTE。2001年）检查假设在模型的生成模式是否是真正实现。

结果，从差异中的规范的态度产生的阶段，只能通过在验证合格的测试来实现。它给有意义的影响，文学没有透露。对于这种情况下，一个用户仿真模型具有相同的性质TISS-NET车辆代应该认识到，他或她必须重复模拟同一网络和需求配置不同的随机种子。用户也必须小心，当选择组随机种子不是在考虑到有偏见的情况下选择的。

针对给定的需求设置产生的车辆数量。随后，每次计算后用户必须评估产生的车辆的数目的变化量。

车辆与不同随机种子数产生

交通量的产生

图11

在交通分析中的模拟法

需求设定

交通量的产生

图12：产生车辆总数

交通流特性和CF型模型容量瓶颈

如从瓶颈部凹陷或隧道内的排出流量有助于延迟再生精度造成的在瓶颈处的拥塞.瓶颈的容量应在模拟过程中再现以稳定的方式是至关重要的。

根据本说明书中描述的方法，交通流量每个CF类型的仿真模型的特性必须确定其

验证过程。下面是介绍微软交通仿真的核查（微软交通仿真的，万维网站点）和SIPA（横道，等人，1999），作为例子，这两个其中有关于驾驶行为十几模型参数和链路性能。

每个模型的主要参数列于表2的含义有些是明显的，例如最大加速度或者限制速度，但不是所有的都是很明显的。例如：如何在交通仿真的“最低进展”从目标不同进展SIPA的什么是交通仿真的“前进系数;或者是SIPA的“允许的最小进展”逆等于链路容量？

即使他们的软件手册或技术文件注明的含义参数，他们大多是概念性的解释。它仍然是影响每经瓶颈容量参数的重要因素。

表2：交通仿真的和SIPA主要模型参数

模型 驾驶习惯 链路性能

最低进展 进展中比例系数

最大加速度 最小速度

驾驶侵虐 梯度

SIPA 追求的目标进展 最小允许进展

目标速度 最小速度

最大加速度 梯度

反应延迟

我们的兴趣是了解定量关系模型参数和容量瓶颈之间的再现模拟。此外，我们想找到通过最敏感的参数验证过程，因为它是最有效的策略，以实际的交通状况参数以应用通过改变最敏感的模拟结果。

图13示出交通仿真的结果的一部分。图中的点表明有不同的主要参数观察体积密度图。该的点的形状与多样参数的排序相关联。该令人瞩目的一点是，是发现仅当在流率的下降时

瓶颈链路的距系数“是由包围1.5（点圈）;否则没有效果。这意味着，仅在变更瓶颈链路的“进展系数”确实影响到了瓶颈能力而另一些则影响较小。

图14显示了SIP A的情况下的“最低限度的进展”的结果为2.0秒瓶颈链路改变到3.0秒。从理论上讲，该最小距必须等于通行能力的倒数;作为结果如果最低进展为3.0秒时瓶颈容量必须每小时1200 PCU。然而，瓶颈容量再现中的验证是比理论值稍大。我们可能意识到，SIPA的“最低进展”类似，但在不同的参数从链路容量。

有瓶颈的能力验证的共同结果C-F型车型：

1）他们大多具有影响最小进展参数每一个环节。

2）这些参数对产能瓶颈强大的影响力，但另一些影响较小。

3）这样的参数是不完全等同于的逆产能瓶颈。

不同地块的主要参数

流

（辆/小时）

量

不断变化的参数其他地块除了“进展中比例系数”

图13：产能瓶颈和交通仿真的交通流特性。

从1）和2）中我们获得了一些影响的因素。即使我们使用所谓的微观仿真模型，我们必须相当小心校准有关车头时距比与驾驶行为的链路参数。在这个意义上说，这样的微观仿真模型基本上等同于需要链接的能力，宏观仿真模型。此外，3），SIP A的测试报告研究的影响长度的瓶颈路段。图15示出所再现的瓶颈能力时更改的瓶颈链路的长度变化。在这种情况下，瓶颈链路的每一行具有相同的流速。

流量—密度 不断变化的参数其他地块除了“进展中瓶颈链路”

图14：SIPA的瓶颈容量和交通流特性

最小的进展上的链接的价值，却有着不同的长度。该叠加曲线，在各下游端位于流量

瓶颈链路表明容量下降，作为瓶颈的长度链接变得更长。

这种现象可认为是在以下情况：当与车辆在上游部分允许的最小距进入瓶颈链路，由车辆所取得的进展并不立即转移到新最低进展。如果一个瓶颈链路的长度是如此之短，车辆通过链接之前其进展将转移到新的进展，在瓶颈链路的容量预期不会下降。不仅在SIPA对C-F用户也是适用的。因为它是最中发现型车型应该意识到这种现象模型，。

信号交叉口的饱和流率

即使在欠饱和条件地面街道，车辆可具有延误造成的信号交叉口。从路口流出

继续在饱和流量，直到在制定了车辆排队红色消失。它阐明如何饱和流量在仿真模型中关于瓶颈容量是重要的指标。

Flow rate——流量

Capacity declines as the length of the bottleneck link gets longer--容量随着瓶颈路段的长度变长而下降

Bottleneck section length——瓶颈段长度

Flow rate at each section with certain length of the bottleneck link——在每一节与一定长度的瓶颈链路的流速

到瓶颈段的距离（千米）

图15：与瓶颈部（SIPA）的长度变化的容量。

为饱和流速在信号交叉口的验证，测试仪需要显示一个信号周期内排出流量的轮廓。让我们介绍声音，，其中有结果结合流模型：跟车的高速公路（声音/速度）和排队车辆名单主干道（声音/ A-21）。前者计算根据该间隔，速度每车速（SV）的功能提供给每一个环节。对SV功能可以通过宏观识别交通流调查。另一方面，后者呈点对点队列在每个链路的下游端。每一个环节的点排队接受车

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[501992]，资料为PDF文档或Word文档，PDF文档可免费转换为Word