部隊(duì)摩托化機(jī)動微觀交通仿真模型參數(shù)校正

邵曉飛，劉 興

(1.軍事交通學(xué)院 研究生管理大隊(duì)，天津 300161； 2.軍事交通學(xué)院 國防交通系，天津 300161)

?

部隊(duì)摩托化機(jī)動微觀交通仿真模型參數(shù)校正

邵曉飛1，劉 興2

(1.軍事交通學(xué)院 研究生管理大隊(duì)，天津 300161； 2.軍事交通學(xué)院 國防交通系，天津 300161)

部隊(duì)摩托化機(jī)動是一種嚴(yán)密組織、高速流動的特殊交通流，在對其進(jìn)行微觀仿真研究時，需進(jìn)行部隊(duì)交通流參數(shù)校正，才能提高仿真結(jié)果置信度。主要對部隊(duì)交通流生成模型和部隊(duì)車輛跟馳模型進(jìn)行參數(shù)校正，提出應(yīng)用高階愛爾朗分布擬合部隊(duì)汽車流車頭時距分布,結(jié)合部隊(duì)駕駛行為特性利用SPSA算法對VISSIM中Wiedemann99跟馳模型參數(shù)進(jìn)行校正。最后，以部隊(duì)在青藏公路上機(jī)動為實(shí)例，驗(yàn)證校正參數(shù)后的仿真模型置信度。

VISSIM；交通仿真；部隊(duì)機(jī)動；跟馳模型

路網(wǎng)是未來大規(guī)模聯(lián)合作戰(zhàn)部隊(duì)投送和后勤保障的重要物質(zhì)基礎(chǔ)。評價(jià)路網(wǎng)通行能力，對于制定部隊(duì)作戰(zhàn)和后勤補(bǔ)給方案、發(fā)現(xiàn)路網(wǎng)結(jié)構(gòu)問題、加強(qiáng)基礎(chǔ)交通設(shè)施建設(shè)等都具有重要意義。目前，我軍對于路網(wǎng)保障能力的研究還以數(shù)學(xué)解析計(jì)算、最大流方法、調(diào)查統(tǒng)計(jì)、案例研究為主，難以適應(yīng)復(fù)雜路網(wǎng)環(huán)境下大規(guī)模部隊(duì)多徑路機(jī)動的路網(wǎng)通行能力評價(jià)。計(jì)算機(jī)交通仿真憑借其操作成本低、可重復(fù)實(shí)驗(yàn)、數(shù)據(jù)易采集且準(zhǔn)確性高等優(yōu)點(diǎn)，成為路網(wǎng)通行能力研究的有效方法。因?yàn)榻煌髂Ｐ蛥?shù)的準(zhǔn)確性直接影響到通行能力的仿真效果，所以模型參數(shù)校正是交通仿真研究中的基礎(chǔ)環(huán)節(jié)。

1 微觀交通仿真模型參數(shù)

VISSIM中的仿真模型通過大量的參數(shù)來描述交通系統(tǒng)運(yùn)行、交通流特性以及駕駛員行為，實(shí)現(xiàn)了路網(wǎng)與交通流的結(jié)合。交通流的仿真運(yùn)行結(jié)果可直接應(yīng)用于道路網(wǎng)評價(jià)，這些參數(shù)的取值對仿真結(jié)果有很大的影響。美國聯(lián)邦公路局指出，在仿真參數(shù)設(shè)置上，13%的平均差異會導(dǎo)致仿真結(jié)果中行程車速69%的差異。VISSIM模型是根據(jù)德國道路交通條件開發(fā)的。國內(nèi)的交通構(gòu)成、駕駛習(xí)慣、行駛規(guī)則、交通組織管理方法等與國外有很大不同，所以直接應(yīng)用軟件默認(rèn)參數(shù)往往不能準(zhǔn)確表現(xiàn)國內(nèi)交通路網(wǎng)狀況。同時，部隊(duì)機(jī)動交通流因其特殊的車輛構(gòu)成和車頭時距分布與部隊(duì)駕駛員行為，部隊(duì)通行能力與地方日常的通行能力存在明顯差異，差異率最高可達(dá)到70%。可見，在對部隊(duì)交通流建模仿真時，參數(shù)校正尤為重要。

參數(shù)可以分為易于測量和難以實(shí)際測量兩種。一般易于實(shí)測獲得的參數(shù)，如車輛特性數(shù)據(jù)，包括車輛長、寬和最大加、減速度，經(jīng)過調(diào)查并計(jì)算平均值，統(tǒng)計(jì)其分布特征的方法直接獲得校正，其效果可靠而準(zhǔn)確。但還有部分仿真參數(shù)難以實(shí)際測量或測量成本高，如駕駛員冒險(xiǎn)性、期望加速度、期望減速度、期望速度和車輛瞬時加、減速度及車道變換時間等。此時就需要應(yīng)用數(shù)學(xué)解析的方法校正參數(shù)以逼近通行能力、行駛速度等校準(zhǔn)指標(biāo)。雖然此方法的精度不及實(shí)測的高，但也能使校準(zhǔn)指標(biāo)與仿真結(jié)果差異減小，提高仿真置信度。

部隊(duì)摩托化機(jī)動交通流的特殊性主要體現(xiàn)在部隊(duì)交通流生成與車輛跟馳兩方面。部隊(duì)交通流生成模型中參數(shù)可以通過實(shí)地測量統(tǒng)計(jì)分析，直接確定取值或縮小取值范圍。而跟馳模型中很多參數(shù)是難以實(shí)測的，并且默認(rèn)值的可信度未知，所以有必要對其進(jìn)行數(shù)學(xué)解析校正來建立更為準(zhǔn)確的部隊(duì)機(jī)動交通流仿真模型。

2 部隊(duì)交通流生成模型參數(shù)校正

部隊(duì)交通流生成模型主要包括部隊(duì)車輛構(gòu)成與車頭時距分布研究兩部分。該模型就是為了真實(shí)反映部隊(duì)摩托化機(jī)動交通流進(jìn)入仿真路網(wǎng)的頻率、車速以及車型數(shù)量與比例等要素[1]。

2.1 部隊(duì)車輛構(gòu)成特性

車輛構(gòu)成特性主要是指交通流中不同型號車輛的數(shù)量比及各車型的期望速度分布屬性。在我國公路交通流中，小型車數(shù)量比重大，因此其在JTGB01—2014《公路工程技術(shù)標(biāo)準(zhǔn)》中被用作道路線性設(shè)計(jì)、安全評價(jià)的標(biāo)準(zhǔn)車型。而部隊(duì)摩托化機(jī)動時，大型車和中型車占多數(shù)，且包含一些技術(shù)規(guī)范中尚未規(guī)定的特種輪式裝備。大、中型車的車速普遍較低，間接影響到路段的通行能力。部隊(duì)機(jī)動的編組對象往往是指揮車、運(yùn)輸車、牽引車、通信車和特種輪式裝備等。其車輛裝備型號復(fù)雜，最高行駛速度、對道路條件和路網(wǎng)環(huán)境的靈敏適應(yīng)性都有較大差別?；赩ISSIM仿真建模時，需要根據(jù)部隊(duì)車隊(duì)的梯隊(duì)編組情況，新建車輛裝備構(gòu)成；同時根據(jù)部隊(duì)機(jī)動實(shí)測速度，在軟件中構(gòu)建每種車型的期望車速分布。

2.2 部隊(duì)車頭時距分布

在部隊(duì)摩托化機(jī)動中，梯隊(duì)指揮機(jī)構(gòu)能夠按照方案嚴(yán)密組織行軍，梯隊(duì)在應(yīng)對高海拔、雨天、冰雹等不良天氣條件以及復(fù)雜路況時，必須保持秩序良好，車隊(duì)運(yùn)行連貫，車速、車距控制得當(dāng)。行軍中，指揮人員根據(jù)交通狀況和車隊(duì)動態(tài)，及時發(fā)出調(diào)整車速、車頭時距的指令。車頭時距是前、后兩輛車通過車行道上某一點(diǎn)的時間差，用車輛上具有代表性的點(diǎn)來測量，是影響通行能力的重要因素之一[2]。描述這一現(xiàn)象的分布，稱為連續(xù)分布，常用形式有負(fù)指數(shù)分布、移位負(fù)指數(shù)分布以及更通用的分布形式，如Weibull分布、對數(shù)正太分布等。

愛爾朗分布是較為通用的描述車頭時距、速度等交通流參數(shù)分布的概率分布模型。愛爾朗分布的概率密度函數(shù)為

式中：P(h>t)為到達(dá)車頭時距h大于t秒的概率；λ為車流的平均到達(dá)率，veh/s；l為觀測數(shù)據(jù)的車頭時距均值m的平方及其方差s2估計(jì)：

當(dāng)l=1時，車頭時距分布為負(fù)指數(shù)分布；當(dāng)l→∞，則表示車流均勻到達(dá)，車頭時距相同，此時說明車輛相互制約程度較大。隨著l的增大，駕駛員的行駛自由度降低。因此，l值粗略表示車頭時距分布的隨機(jī)性[2]。參數(shù)l的增大可模擬地方車輛行駛從暢行車流到擁擠車流的各種車流運(yùn)行狀態(tài)，應(yīng)用在部隊(duì)摩托化機(jī)動情況中，可模擬部隊(duì)車隊(duì)保持固定車距的非自由流狀態(tài)。

針對部隊(duì)機(jī)動特性，本文采用高階愛爾朗分布擬合部隊(duì)摩托化機(jī)動中近似等車頭時距的跟馳行駛。根據(jù)概率論與數(shù)理統(tǒng)計(jì)中隨機(jī)抽樣樣本容量的測定方法，在某一路段分別測量出3個部隊(duì)梯隊(duì)和地方車流的車頭時距有效樣本各50個。對這些樣本統(tǒng)計(jì)分析得出車頭平均間距及其方差(見表1)。由表1可見各類別道路車頭時距規(guī)律：l值偏大，m趨于均值，說明車頭時距離散程度小，較好地模擬了駕駛員盡量保持車頭時距固定。將統(tǒng)計(jì)樣本畫出分布曲線(如圖1所示)，部隊(duì)摩托化機(jī)動車頭時距呈明顯的愛爾朗分布。

表1 車頭時距愛爾朗分布參數(shù)

圖1 多組車頭時距分布曲線

通過圖1車頭時距分布曲線可以確定交通流生成模型中車輛產(chǎn)生的頻率范圍，取分布函數(shù)20分位數(shù)到80分位數(shù)中間值。在VISSIM中可應(yīng)用“公交線路”模塊的“發(fā)車間隔”生成符合部隊(duì)車頭時距特性的汽車流。

3 部隊(duì)跟馳模型參數(shù)校正

車輛跟馳是車隊(duì)行進(jìn)過程中，駕駛員根據(jù)其從周邊交通中察覺和接受到的刺激來控制自身車輛的速度，與前車保持一定安全距離的行為。部隊(duì)摩托化機(jī)動往往成單線縱隊(duì)前進(jìn)，一般不允許超車，車輛跟馳模型就是用來描述無法超車的同一車道中前、后車輛間的相互作用及關(guān)系。跟馳模型參數(shù)校正的準(zhǔn)確確定，直接關(guān)系到通行能力仿真效果。

3.1 參數(shù)校正流程

1998年，Helinga發(fā)表關(guān)于仿真參數(shù)校正流程的文章后，世界各國研究人員在此基礎(chǔ)上展開了深入的研究。本文以孫劍等[3]提出的仿真參數(shù)校正流程作為參考，確定流程如下(如圖2所示)。

圖2 模型校正流程

(1)確定仿真模型的參數(shù)校正目標(biāo)。

(2)根據(jù)參數(shù)靈敏度分析，選出對仿真結(jié)果影響較大的參數(shù)。因?yàn)槿魧γ恳粋€參數(shù)的每一個取值都做相應(yīng)的實(shí)驗(yàn)，試驗(yàn)次數(shù)過多并且沒有必要。比如有9個參數(shù)需要校正，每個參數(shù)有4種取值，則需要49次，即262 144次試驗(yàn)。

(3)對選定的校正參數(shù)以及模型輸出參數(shù)進(jìn)行實(shí)地測量。

(4)選取優(yōu)化算法，進(jìn)行參數(shù)尋優(yōu)。

(5)經(jīng)多次迭代，根據(jù)仿真結(jié)果與實(shí)測數(shù)據(jù)的誤差分析，確定模型參數(shù)。若模型驗(yàn)證通過后，終止校正。

3.2 默認(rèn)參數(shù)評價(jià)

VISSIM中參數(shù)默認(rèn)值是基于德國交通狀況設(shè)計(jì)的，仿真軟件參數(shù)默認(rèn)值運(yùn)行得到的模型指標(biāo)與實(shí)測的校準(zhǔn)目標(biāo)(見表2)有相當(dāng)大的差距，說明默認(rèn)值不可接受，我國交通運(yùn)行系統(tǒng)需要有與其相適應(yīng)的參數(shù)設(shè)置。

表2 模型輸出結(jié)果

3.3 標(biāo)定目標(biāo)函數(shù)

標(biāo)定目標(biāo)函數(shù)就是仿真有效性判斷，常用方法有擬合優(yōu)先度檢驗(yàn)、假設(shè)檢驗(yàn)和仿真結(jié)果分布結(jié)構(gòu)檢驗(yàn)。本文使用車輛速度均方根誤差(RMSE)為收斂函數(shù)來判定迭代是否結(jié)束。

3.4 參數(shù)選取

VISSIM參數(shù)集中參數(shù)數(shù)量較多，不可能對全部參數(shù)進(jìn)行校正，所以利用SPSS參數(shù)靈敏度分析，選取對仿真結(jié)果影響較大的參數(shù)(見表3)。

3.5 算法基本原理

SPSA算法改進(jìn)了Spall[4]的隨機(jī)逼近算法。在每次梯度逼近中只利用目標(biāo)函數(shù)兩個估計(jì)值，與維度無關(guān)，適用于VISSIM高維參數(shù)標(biāo)定[5]。

優(yōu)化目標(biāo)函數(shù)為

z(x)=L(x)+ε

式中：L(x)為目標(biāo)函數(shù)的平均估值；ε為影響估計(jì)目標(biāo)函數(shù)值的噪聲，若能夠得到目標(biāo)函數(shù)的精確估計(jì)值，則ε=0。

表3 參數(shù)初選

4 模型實(shí)例驗(yàn)證

本文以部隊(duì)在青藏公路拉薩至格爾木段摩托化機(jī)動為例，對其進(jìn)行交通流數(shù)據(jù)統(tǒng)計(jì)。青藏公路格拉段全長1 156 km，全線平均海拔4 500 m，全線二級公路，路基寬度10 m，路面寬7 m，坡度小于7%，設(shè)計(jì)行車時速為80 km/h，最大行車速度為60 km/h?？紤]山區(qū)路段的路網(wǎng)特征和數(shù)據(jù)調(diào)查的可行性、有效性，以通行能力作為系統(tǒng)校準(zhǔn)指標(biāo)。按照前兩節(jié)設(shè)置參數(shù)后，進(jìn)行通行能力仿真校驗(yàn)(見表4)。仿真值為20次的平均值。流量偏差控制在1%以內(nèi)，仿真置信度較高(見表5)。

表4 參數(shù)校準(zhǔn)結(jié)果

表5 模型校準(zhǔn)結(jié)果

5 結(jié) 語

本文針對部隊(duì)交通流的車輛構(gòu)成、車頭時距分布以及駕駛行為等三方面特性進(jìn)行參數(shù)校正，提出應(yīng)用高階愛爾朗分布擬合部隊(duì)汽車流車頭時距分布,結(jié)合部隊(duì)機(jī)動特性對VISSIM中Wiedemann99跟馳模型進(jìn)行參數(shù)校正，建立更為準(zhǔn)確的部隊(duì)機(jī)動交通流仿真模型，為路網(wǎng)仿真評價(jià)和部隊(duì)作戰(zhàn)機(jī)動建模打下基礎(chǔ)。

[1] 魏赟,韓印,范炳全,等.基于多智能體和元胞自動機(jī)的微觀交通仿真系統(tǒng)建模[J].上海理工大學(xué)學(xué)報(bào),2009,31(3):242-246.

[2] 王殿海,嚴(yán)寶杰.交通流理論[M]. 北京:人民交通出版社,2002：13-14.

[3] 孫劍,楊曉光,劉好德.微觀交通仿真系統(tǒng)參數(shù)校正研究[J].系統(tǒng)仿真學(xué)報(bào),2007,19(1):48-51.

[4] SPALL J C.Implementation of the simultaneous perturbation algorithm for stochastic optimization[J].Transactions on Aerospace and Electronic Systems,1998,34(3):817-823.

[5] 章玉,于雷,趙娜樂,等.SPSA算法在微觀交通仿真模型VISSIM參數(shù)標(biāo)定中的應(yīng)用[J].交通運(yùn)輸系統(tǒng)工程與信息,2009,10(4)：44-49.

(編輯：閆曉楓)

Calibration of Microscopic Traffic Simulation Model Parameter in Military Motorized Mobility

SHAO Xiaofei1, LIU Xing2

(1.Postgraduate Training Brigade, Military Transportation University, Tianjin 300161, China; 2.National Defense Traffic Department, Military Transportation University, Tianjin 300161, China)

Since military motorized mobility is a special well-organized traffic flow with high speed, we should calibrate the traffic flow parameter to improve the confidence of the simulation result. Firstly, the paper mainly calibrates traffic flow generation model and car following model. Then, it calibrates following model parameter of Wiedemann99 with SPSA algorithm according to driving characteristics in army by using Erlang distribution and headway distribution. Finally, it verifies the confidence of the simulation model with mobility on Qinghai-Tibet highway as an example.

VISSIM; traffic simulation; mobility of troops; following model

2016-05-17；

2016-07-07．

邵曉飛(1991—)，男，碩士研究生；

劉 興(1972—)，男，博士，教授，碩士研究生導(dǎo)師．

10．16807/j.cnki.12-1372/e.2016.11.004

E234

A

1674-2192(2016)11- 0013- 05