基于3S理论技术的实时交通信息系统研究学位论文

基于3S理论技术的实时交通信息系统研究学位论文 博士学位论文 基于3S理论技术的实时交通信息系统研究 作者姓名: 姚学恒 学科专业: 地图制图学与地理 信息工程 学院(系、所): 地球科学与信息物 理学院 指导教师: 杨敏华 教授 湛飞并 教授 中 南 大 学 2011年 10月 分类号VDC 密级 博士学位论文 基于3S的实时交通信息系统研究 Research on Real-Time Traffic Information System Based on 3S 作者姓名: 姚学恒 学科专业: 地图制图学与地理 信息工程 学院(系、所): 地球科学与信息物 理学院 指导教师: 杨敏华 教授 湛飞并 教授 论文答辩日期 答辩委员会主席 中 南 大 学 年 月 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名: 日期: 年 月 日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即:学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。 作者签名: 导师签名 日期: 年 月 日 摘 要 城市交通的拥堵问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 一直是困扰世界上各大城市发展和影响城市正常生活的难题，尤其在当今快速城市化中的中国。为此世界各国均在城市交通优化中投入了巨大的财力物力，实时交通信息系统RTTIS(Real-Time Traffic Information System)因此诞生和发展。在近三十年,RTTIS的软、硬件水平伴随信息、通讯、3S(GPS、GIS、RS)、电子等技术的发展得到了不断的改进和完善,其中3S技术理论已成为RTTIS的主要支撑理论技术之一，然而3S理论技术本身也在不断发展和完善，而其在RTTIS中的应用也需要不断研究和提升。 论文基于3S理论与技术将广泛代表城市路网结构特征的三类抽象路网应用于RTTIS交通系统效率分析中，并在RTTIS不同装备比例条件下使用基于多智能体交通仿真技术对交通系统效率进行了全面的剖析和研究。研究表明:当车辆装备了实时交通信息系统(RTTIS)的比例增大时，装备了RTTIS和没有装备RTTIS这两类车辆的运行状态在一定条件下都会得到有效改善，但是，装备RTTIS的使用效果要因道路路网结构而定;在平行结构路网中，当车辆RTTIS的使用比例高0%并少于30%时，所有车辆和交通在系统运行水平上都得以提高，超过30%优化效果下降，当RTTIS的使用比例高于90%以上时，交通系统和车辆的运行状态最差，且相比没有植入RTTIS交通系统效率几乎下降了26%;在格状结构和环状结构路网中，RTTIS的使用比例越高越能提高装备RTTIS和没有装备RTTIS这两类车辆的运行水平，在装备比例达到100%时两类车辆的交通效率几乎一致，这说明RTTIS对个人和系统优化的一致性。 交通系统均衡在交通配流中获得广泛应用和研究，但是对于交通系统中均衡状态的存在研究却不多，从经验角度来看均衡状态通常能够被人们所接受，论文对植入和没有植入RTTIS的交通系统是否能够收敛于均衡状态做了仿真的测定，发现在这两种情形下基于三种抽象路网运行下的交通系统均能收敛于均衡状态，但是均衡状态并不能作为系统优化的指标，RTTIS的比例变化能使系统收敛于不同的均衡状态，有些均衡状态能够优化系统有些却不能。 I 最后，论文对RTTIS系统应用框架作了分析，提出在数据采集阶段引入GPS、RS，并更新和提升了RTTIS应用系统框架。针对交通系统就多光谱遥感影响数据挖掘提出了基于K阶中心矩遥感影像数据融合方法，使用该方法产生的图像是遥感图像所有波段均值向量特征向量间的差异图，当 k值处于低水平时，与各波段图像相比，图像信息获得明显的增强，伴随k值增加，图像信息量减少，差异性增强，同时图像内容被简化。针对RTTIS在交通领域应用中的数据表式和挖掘的特点，论文提出了基于张量的时空数据模型，该模型具有数据冗余小，信息量丰富、计算方便等特点。 论文基于3S理论技术力图推进RTTIS在交通领域的优化研究与应用。通过论文的研究工作，进一步明晰了RTTIS在交通系统中的作用和表现，优化了RTTIS系统。其成果在该领域具有重要的借鉴和参考价值。 关键词:实时交通信系统(RTTIS)，3S(RS,GIS,GPS)技术理论，交通系统优化，交通均衡，时空数据模型，多光谱遥感数据挖掘 II Abstract The traffic congestion have always been a big problem to harass cities’ development and people’s life everywhere in the world. Especially in China, quick urbanization processing makes the problem worse. In order to tackle this problem, each country has spent a lot of money in urban traffic optimization, hence the RTTIS(Real-Time Traffic Information System) was born and developed. In recent thirty years, with the developments in the fields of information, communication, 3S(GPS、 GIS、RS) and electronic technology, the software and hardware of RTTIS have been greatly improved. Among these technologies, 3S has provided the RTTIS with great support. However, the theory and technology of 3S are keeping updating nowadays, so it is necessary to improve the application of 3S in RTTIS accordingly. In the thesis, based on theory and technology of 3S, three kinds of abstract road networks which widely typify features of city roads are used to study the efficiency of traffic system with RTTIS, and comprehensive analyses of traffic system efficiency through traffic simulation based on mulit-agent on are made in different proportion of RTTIS. The study results show: 1. When the proportion of vehicles equipped with RTTI grows, the performancs of both kinds of vehicles with RTTIS and those without have improved effectively, but the practical effects of RTTIS application depend on the structure of road networks; 2. In the parallel road networks, though at first, the performance of every vehicle and whole traffic system is enhanced when the proportion of vehicles with RTTIS is more than 0% and less than 30%, when the proportion is more than 30%, the optimization effect of traffic performance declines, and when the proportion of RTTIS is more than 90%, vehicles and the traffic system perform worst, which is less 26% than the effect of the traffic system performance without RTTIS III at all; 3. In the grid and ring road networks, the more RTTIS is used, the higer the performance of vehicles both with and without RTTIS, and the efficiencies of traffic performance of these two kinds of vehicles are nearly the same when the proportion of RTTIS is 100%, that is to say, RTTIS benefits not only individuals but the whole traffic system as well. IV 目 录 第一章 绪论 .............................................................................................................1 1.1课题研究背景及意义 .....................................................................................1 1.1.1 选题背景 ............................................................................................1 1.1.2 研究目的及意义 .................................................................................3 1.2国内外RTTIS研究应用现状 ...........................................................................4 1.2.1现有应用产品介绍...............................................................................4 1.2.2 评估RTTIS所用的方法...................................................................... 12 1.2.3 RTTIS研究中的交通网络 .................................................................... 14 1.2.4 RTTIS研究的主要发现........................................................................ 15 1.2.5 研究中尚未解决的问题 ..................................................................... 16 1.3研究内容及技术路线 ................................................................................... 17 1.4 论文的主要工作与创新点 ......................................................................... 101 1.5 小结 .......................................................................................................... 18 第二章 RTTIS研究关键理论方法.............................................................................. 19 2.1交通理论模型 ............................................................................................. 19 2.1.1 交通出行发生 ................................................................................... 19 2.1.2 交通出行分布 ................................................................................... 21 2.1.3交通均衡配流模型............................................................................. 25 2.2多智能体理论技术 ...................................................................................... 27 2.2.1 智能体概念 ...................................................................................... 27 2.2.2多智能体概念.................................................................................... 28 2.2.3多智能体交通中的应用...................................................................... 29 2.3交通仿真技术 ............................................................................................. 33 2.3.1现存交通仿真软件............................................................................. 33 2.3.2交通仿真软件模型............................................................................. 37 2.3.3交通模型校准.................................................................................... 39 2.4 RTTIS中的博弈............................................................................................ 42 2.4.1 经典博弈论 ...................................................................................... 42 2.4.2Nash均衡........................................................................................... 43 2.4.3Cournot均衡 ...................................................................................... 44 2.4.4Stackelberg均衡 ................................................................................. 45 2.5小结 ........................................................................................................... 46 第三章 RTTIS与交通系统效率 ................................................................................. 47 4.1 RTTIS效用评估的重要性.............................................................................. 47 4.2效率评价仿真建模 ...................................................................................... 49 4.2.1 路网设计 .......................................................................................... 49 4.2.2 模型参数选择 ................................................................................... 52 4.2.3 模型及参数的校准 ............................................................................ 53 4.2.4 交通效率评价指标 ............................................................................ 54 4.3 实验结果与分析 ......................................................................................... 55 4.3.1平行路网仿真结果............................................................................. 55 4.3.2 格状路网仿真结果 ............................................................................ 57 4.3.3 环状路网仿真结果 ............................................................................ 59 4.3.3 结果分析 .......................................................................................... 61 4.4 结论 .......................................................................................................... 63 4.5 小结 .......................................................................................................... 63 第四章 RTTIS与交通系统均衡 ................................................................................. 64 5.1 交通系统中的均衡 ..................................................................................... 64 5.2植入RTTIS后系统的均衡............................................................................. 65 5.3 RTTIS作用下的交通均衡仿真设计................................................................ 67 5.3.1 路网结构 .......................................................................................... 68 5.3.2 模型与算法 ...................................................................................... 68 5.3.3 参数与模型的校正 ............................................................................ 71 5.3.4 评估参数选择与设置 ........................................................................ 71 5.4实验结果与分析 .......................................................................................... 72 5.4.1 不同网络下的均衡状态 ..................................................................... 72 5.4.2 不同的均衡状态下的交通效率 .......................................................... 73 5.5 结论 .......................................................................................................... 75 5.6小结 ........................................................................................................... 76 第五章 基于3S理论技术的RTTIS .......................................................................... 77 3.1现有RTTIS体系结构及存在的问题............................................................... 78 3.1.1现有RTTIS应用框架 .......................................................................... 78 3.1.2现有RTTIS存在的问题....................................................................... 78 3.2 GPS 在RTTIS 中的应用扩展 ........................................................................ 81 3.2.1GPS导航系统与RTTIS中数据互动 ...................................................... 81 3.2.2隐私保护问题.................................................................................... 82 3.3 多光谱遥感在交通中的应用 ....................................................................... 82 3.3.1图像增强方法.................................................................................... 83 3.3.2实验结果与对比分析 ......................................................................... 84 3.3.3分析与结论 ....................................................................................... 88 3.4 面向对象的交通时-空数据张量模型 ............................................................ 89 3.4.1 现有交通时-空数据模型对比............................................................. 91 3.4.2 张量和张量运算 ............................................................................... 92 3.4.3 时-空对象的建立 .............................................................................. 93 3.4.4 张量时-空数据模型........................................................................... 96 3.4.4.1 张量时空数据模型 .................................................................. 96 3.4.4.2应用举例 ................................................................................. 97 3.4.5结语.................................................................................................. 98 3.5基于3S的 RTTIS应用框架 .......................................................................... 98 3.6小结 ........................................................................................................... 99 第六章 总结与展望 ............................................................................................. 101 中南大学博士学位论文 第一章 绪论 第一章 绪论 1.1课题研究背景及意义 1.1.1 选题背景 今天的中国，城市化进程的提速带来了城市发展日新月异。在1990,2000年城市化进程以年均1%速度增长，而2000,2004年则达到1.5%，而这一增长速度在最近几年丝毫没有放慢的迹象。随之而来的是城市规模不断扩大，形成了对城市交通的巨大压力。北京、上海、广州等大城市交通更是不堪重负。中央电视台焦点访谈栏目曾经报道中，对北京普通出行者做的抽样调查中发现在北京平均每天人们花在上下班出行时间在3-4个小时左右，这个时间花费明显已经超出人们的容忍极限。虽然这并不是一个全面而精准的调查报告，但是至少从一个侧面反映出北京的交通现状,大城市交通出行已经成为一个难解热题。其中，现阶段最为主要的矛盾是人们日益增加的交通需求(城市人口的急剧增长、频繁的商业活动、高效快捷的工作方式、家用车辆保有量的快速增长等)与有限的交通资源(交通道路、停车场、交通系统承载力等)的矛盾。城市的高速发展致使交通形势不断恶化和交通效率不断下降，交通堵塞日益严重导致交通出行代价的不断攀升，严重的制约了城市的发展和人们正常的生活。由于城市发展中，交通硬件设施的提高是极其有限的，只有通过不断挖掘交通系统的潜力来优化交通系统的效率，从而提高硬件设施的利用率达到扩充交通容量的目的。 各大城市都在提高现有交通资源的运行效率上投入了大量财力物力，比如:北京路边全程设置监控摄像装置并安装路磁感应线圈收集实时交通和历史交通数据;建立交通信息中心;路边安置可变信息显示牌来发布前方路段的实时交通信息;错峰上下班规定的出台;建设交通广播电台等等。实时交通信息被用于优化交通出行策略、避开交通拥堵路段、减少出行中汽车油耗，缩短旅行时间等有着近二十年的历史。随着城市的不断发展实时交通信息系统即RTTIS(Real-time Traffic Information System)在现代交通生活中得到越来越广泛 1 中南大学博士学位论文 第一章 绪论 的运用。通讯、电子、控制、计算机科学技术的高速发展，使实时交通信息的采集、传输、分析、发布技术得到了空前的发展和完善，涌现出一大批应用系统和工具，比如:应用系统有美国的ATIS(Advanced Traveler Information System)[1]，欧洲的TMC(Traffic Message Channel)，日本的VICS(Vehicle Information and Communication System)等;信息发布平台有城市交通广播，路边可变信息显示牌VMS(variable message sign)[2]，新一代GPS车辆导航系统，基于互联网技术的交实时交通信息交通图等。人们可以通过很多途径方便的接受到实时交通信息并规划和调整自己的行程。在政府管理机构和商业运作的推动下，实时交通信息地应用得到了极大的推广和普及。 在大力发展和推广RTTIS的同时，有一个关键的问题需要也需要得到进一步的研究，那就是当每个驾驶员都能便捷地接受到实时交通信息之后，交通系统能够像我们想象的一样获得很大的提高么,诚然这不是一个新的问题，在1989年Arnott在文―Does providing information to drivers reduce traffic congestion?‖中提出[3]。这个问题在近二十受到很多争论和研究，然而越来越多的研究结论支持实时交通信息系统的运用提高了交通系统的运行效率。更有不少研究对实时交通信息在交通中驾驶员的使用比例作过系统的研究[4]。结论是:在在平行交通网络中在使用RTTIS的出行者比例在0-60%时，交通系统能够被优化;在30%-50%能够最大限度的提升交通效率，而超过这一比例系统效率会逐渐下降。这就是说RTTIS的推广和普及达到一定程度后应该受到限制，控制装备的比例，否则就可能出现花钱滥用RTTIS对交通系统造成负面影响的现象。对此结论我们认为仅仅基于先前的研究环境和条件得出的结论还不够充分和准确。 有关RTTIS技术发展是永无止境的，在近二十年，GIS(Geography Imformation System)、RS(Remote Sensing)、GPS(Global Positioning System)3S技术迅速崛起与发展为智能交通系统的发展提供了强有力的支持,其中实时交通系统的数据采集、储存、挖掘、表达个环节获得了极大的收益。然而3S技术在其中的应用还远远不够，没有最大的发挥它的潜力，这需要我们相关科技工作者的不断努力和创新提升系统性能，为广大出行者提供更好的设施和服务。 RTTIS的广泛应用和推广，使得RTTIS在交通使用中的比例变得难以控制。尤其是商业模式的加入之后，使得每个生产厂商因为逐利和竞争而不断加大推广力度和市场占有率。我们是否存在滥用RTTIS技术,显然前人研究结果给出的结论也不能回答我们现在所面临的这个问题。使用最新3S技术理论对RTTIS做出更进一步的定性、定量研究是非常有必要的。 2 中南大学博士学位论文 第一章 绪论 1.1.2 研究目的及意义 在上述背景下本文研究目的在于推进RTTIS在城市交通优化中的应用，力图为解决目前城市交通拥挤难题做出贡献。为此我们需要进一步定性及定量地明确RTTIS在系统优化中的作用及实施框架，引入最新的3S理论和技术对RTTIS系统框架进行优化和提高。从而为RTTIS进一步发展及在交通系统中的应用提升提供理论和技术上的参考支持。 在城市交通优化的强烈需求和RTTIS商业蓬勃发展之际，我们迫切需要进行所需的相关理论研究来指导和推动城市交通的革新和提高。这样不但能够合理快速的提高城市交通效率，而且能够避免盲目发展所带来的时间和资源的浪费。在美国的ATIS推出之前就曾作过大量的研究调查，曾一度因为研究结论的支持不够充分而一度被搁浅。他们发展RTTIS谨慎态度是值得我们借鉴的。 在交通实时信息的收集、整理、分析和发布的技术理论框架更新和提高具体研究方面，我们认为:GPS在RTTIS中的应用需要扩展;在实时交通信息的时-空数据模型方面的研究还需要进一步深入;而遥感在RTTIS中的应用由于成本和技术原因还没有得到普遍的接受和认可，但其应用前景已受到广泛的关注，研究价值巨大。 Wardrop[5]提出交通均衡理论之后，这一理论在交通领域受到了广泛的应用，但在多数情况下Wardrop均衡理论被用于交通的配流。从均衡理论的角度来看，在一个交通系统中植入RTTIS会对整个系统产生一个什么样的影响,能够帮助系统更快的达到交通均衡还是朝相反的方向发展,如果能够得到交通均衡，那么这种交通均衡是不是能够优化了交通系统,这些问题的回答和理解无疑是对更好优化管理交通系统是至关重要的。 在以往的研究中常常忽略了交通路网结构的影响和作用，而在短时间内对每个具体城市的的路网建立模型进行研究和分析是不现实的，通过使用GIS理论技术对城市交通路网结构的叠加分解，我们将具有普适性的抽象路网结构应用于RTTIS对交通系统效率的影响研究。这样使得研究结论具有更大的普适性和推广性。 总而言之，城市交通优化是一个非常复杂的问题，而每次的投入又是巨大的，经验告诉我们决策要慎之又慎。要搞清楚在城市交通优化中，在交通系统中植入RTTIS后会对系统到底会有多大程度的优化,多少比例的出行者装备RTTIS系统效率能够获得最大的提高,交通的网络结构会不会影响RTTIS使用效果,这些问题 答案 八年级地理上册填图题岩土工程勘察试题省略号的作用及举例应急救援安全知识车间5s试题及答案 需要大量的定性、定量研究。 3 中南大学博士学位论文 第一章 绪论 1.2国内外RTTIS研究应用现状 在近三十年RTTIS的研究和争论从来就没有间断过，Arnott在1989提出发布交通实时信息能否减少交通阻塞之后，这方面的研究被推上高潮。RTTIS从20世纪八十年代开始受到强烈的关注和广泛研究，下面我们就从评估主要方法、使用的交通路网结构和主要成果结论做出评述。 1.2.1 现有应用产品介绍 在经历几十年的研究和发展，目前各类型的RTTIS在世界各国已经得到广泛应用，图1-1图解了目前RTTIS的应用原理，首先各地分布各种传感器将数据采集并传送回信息中心，在信息中心数据经过处理、挖掘、可视化处理后发送至终端用户接受装备上面。 通信传输通信传输可变信息显示牌实时交通信息数据信息接收、处理、发送车载导航装置采集终端用户接收装置无线移动通信高空 信息 采集 C 摄像机磁感应线圈 固定磁感应线圈 公路交通状况视频信息管理中心采集摄像机车载导航装置C 航空数据采集装置 N 图1-1 实时交通信息工作示意图 4 中南大学博士学位论文 第一章 绪论 图1-2(a)美国休斯敦ATIS 5 中南大学博士学位论文 第一章 绪论 图1-2(b)谷歌实时电子地图 而图1-2(a,b)是基于互联网技术的两个美国休斯敦地区交通时是信息终端界面，在图中用户通过路段上不同颜色对交通状态的表述来传送各区域交通状况，而用户也可以直接通过路段上设置的摄像枪直接观察路面交通状况自己判定路面交通状况，然而我们不得不说这种方式的信息会给用户自己带来较大困难和工作，因为每一位用户并不是交通方面的专业人士，他们的判断往往不可靠，同时给他们的出行带来更大的负担。下面我们看看世界各国在RTTIS方面的研究和应用现状和进展。 1) 美国的研究情况 智能交通系统ITS(Intelligent Traffic System ) 先进的交通管理系统(ATMS,Advanced Traffic Management Systems) 先进的性出行者信息系统(ATIS,Traveler Information System) 先进的公共交通系统(APTS一Advanced Public Transportation Systems) 先进的乡村运输系统(ARTS,Advanced Rura1 Transportation Systems) 商业车辆运营(CVO,Commercial Vehicle Operations) 自动公路系统(AHS,Automated Highway System) 先进的车辆控制和安全系统(AVCSS,Advanced Vehicle Control & Safety Systems) 图1-3美国智能交通组成 在智能交通系统ITS(Intelligent Traffic System ) 的概念提出之前，欧洲的RTI(Road Transport Informatics)、ATT(Advanced Transport Telematics)、美国的IVHS(Intelligent Vehicle,Highway Systems)都是ITS雏形。在美国，ITS的研究由7个子系统构成[6]，如图1-3。其中的ATIS主要面向普通出行者，为出行 6 中南大学博士学位论文 第一章 绪论 者在出行前或者在旅行途中不断接受目的地的有关的实时交通信息，使得他们能够规划出行、选择最优路线、避开交通拥挤、减少出行时间。 ATIS通过通信系统将信息中心的信息发布到诸如:车载动态路径诱导系统、可变信息板、Internet的Web页面上等出行者能够方便接受的观察的终端设备上，以便出行者能够方便的获取所需要的信息。ATIS提供多种交通方式的相关信息，出行者可以根据自身需要选择自己认可的出行方式。ATIS在美国有着广泛的用户群体，并取得了很大的成功。下面我们就以ATIS为例介绍下RTTIS 应用现状。 ATIS在美国已经有多年的研究和应用，在对出行者的接收交通信息后受益程度进行研究调查差的过程中发现，人们对所提到的ATIS系统都具有极大的兴趣，其中有60%的出行者在出行前或出行中会收听实时交通信息广播 [7]。 ATIS的信息发布通道可分成五类[8]: (l)区域性的地方广播系统，如各地方交通有线电视频道、广播电台、交通数据专用电台RDS,TMC(Radio Data System,Traffic Message Channel)、交通数据传呼。 (2)地理上局部小范围的路边信息发布平台，如路边可变信息牌、HAR(Highway Advisory Radio)。HAR的发射功率相对区域性地方广播系统而言小，只会在很小的局部地方可以收、发广播的信息，而信息的内容只是有关该局部范围的交通状况信息; (3)双向无线通信系统，例如:GSM或CDPD移动数据通信系统; (4)基于Internet的web技术的信息发布平台，如谷歌、必应(Bing)等。 (5)专线电话或信息台，利用电话系统向出行者提供交通信息咨询服务。 从通信系统的分类来看，ATIS在信息可覆盖范围几乎能够到达每一个人为活动区域。表1-1例举了美国90年代在RTTIS方面研究的主要项目，在这一时期美国在RTTIS研究方面是一个高潮时期。事实证明这些研究的成果在现在的系统得到了应用发展。 2) 日本的研究情况 日本是汽车主产大国，其国土面积小，居住密集度大，交通优化是长期被重视和发展的，日本在RTTIS系统的研发和应用方面均居于世界领先地位。从1995年起日本建立VICS中心之后，陆续在各大城市建立交通信息广播电台，表1-2列举了电台建立时间、地点及数量。 其实，早在1973年日本就进行了CACS(Comprehensive Automobile Traffic Control System)的项目，该项目的通讯系统基于RF射频，该项目对个体进行 7 中南大学博士学位论文 第一章 绪论 动态路径诱导实验，得出实时交通诱导可以减少13,的行程时间的论断，但是在市场发展的前景在当时却不被看好，所以此次试验后，类似项目并没有继续。 表1-1 90年代美国RTTIS研究主要项目 研究项目名时间 文献实验主要内容 结论 称 来源 Pathfinder 1995 [9] 利用静态路径诱导系统Bosch 该系统能够帮助驾驶 Travelpilot对车辆进行路径诱导，提供员进行路径选择 给驾驶员拥挤路段信息。 ADVANCE 1997 [10] ADVANCE使用车辆交通探测实施交该系统缺乏数据的有 通状况，在实验中由于装备效性，但是能够对出 ADVANCE车辆不多，主要的实时交行者有正面的意义 通数据来自历史数据和其他信息源。 ADVANCE中心与车辆之间的通信使 用Motorola的RF信道双向无线数据 电台。 TravTek 1995 [11] 与高级交通管理系统相结合，高级交该实验证明，单独的 通管理系统的无线通讯系统根据装备出行者从实时交通信 有TravTek传回中心的信息，为息中获得收益，减少 TravTek其他车辆每隔一分钟更新一了旅行时间。 次交通实施信息。 SWIFT 1998 [12] 该项目市在西雅图美国当时最大的结果证明，实施交通 ATIS试验项目，共有690接受、参与系统是一个值得对光 实验调查，调查的目的主要是考评实和普及的系统 时交通信息系统的可行性和市场发展 的前景。 MAYDAY 1998 [13] 该项目由美国联邦高速公路委员会在该项目丰富和完善了 1994年提出，测试车辆可以与信息中ATIS的研究和发展 心进行时事通讯，除了提供实时交通 信息之外 ，用户还可以通过该系统向 中西提出紧急救援请求。 8 中南大学博士学位论文 第一章 绪论 在八十年代日本又进行了RACS和AMTIC两项研究，短波信标通信、调频FM副载波和移动数据蜂窝电台三种通信方式被列入发展 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 。1990年，VICS(Vehicle Information Communication Systems)在前期项目的基础上在日本建立了世界上首个交通信息服务系统。VICS1993年试运行，1996年正式提供信息服务，其覆盖区域包括主要高速公路和东京等大城市。 VICS播发的实时交通信息的内容主要有:地点间的平均行程时间、交通拥挤状况、广域最忧路径选择、道路施工状况、事故、停车场信息和天气情况等。 表1-2 90年代日本为VICS建立电台情况表 时间 地点 数量 1996年4月 Tokyo, Kanagawa, Saitama, Chiba , 1996年9月 Osaka 5 1997年4、11月 Aichi,Kyoto 7 1998年1、3月 Hyogo, Nagano 9 1999 Fukuoka, Hiroshima, Miyagi, Hokkaido, Shizuoka, 15 Gunma 2000 Okayama, Fukushima, Okinawa, Miyazaki, Gifu, Mie, 23 Yamaguchi, Ibaraki 2001 Wakayama, Shiga, Nara, Tochigi, Yamanashi, Niigata, 34 Ishikawa, Ooita, Kagawa, Ehime, Kumamoto 2002 Saga, Nagasaki, Kagoshima, Tokushima, Couch, Fukui, 45 Toyama, Yamagata, Akita, Aomori, Shimane 2003年1、2月 Tottori, Iwate 47 强化的城市交通管理系统UTMS(Urban Traffic Management Systems)目前也正在日本部署，并与VICS相兼容，路段行程时间的采集采用红外信标进行。日本 VICS中心是24小时全天候工作的，VICS车载机被装备在汽车上面，用户可以通过它接受实时交通信息。对于个人来说VICS所提供的信息可以帮助驾驶员选择最短路径、减缓交通阻塞路段的交通压力、更短时间找到停车场。对于社会来讲，VICS系统能能够优化交通系统执行效率，减少燃油使用从而降低环境污染。自2002年起，日本的VICS中心逐渐开始向手机、PC机、IPOD等终端提供有偿服务，拓宽VICS系统的服务终端的范围。 9 中南大学博士学位论文 第一章 绪论 3) 欧洲的研究情况 欧洲的RTTIS项目也是向出行者提供实时交通信息，信息的主要内容包括:当前及预报的天气条件、交通状况、停车场车位信息、备选交通方式(如:公 )提高交通交〕及旅馆和饭店的地理位置信息等。这些项目研究的重点是:(1信息质量:(2)提高通讯效率和质量;(3)改进路径诱导系统。 欧洲11国英国、德国、意大利等联合制定ALERT-C协议，开通交通数据专用电台RDS一TMC的广播，能够向用户提供实时交通信息。基于红外信标通信，德国和英国联合开发出:LISB系统和Autoguide系统，但是二者都是基于历史数据对车辆进行诱导，其中Autoguide使用交通面控系统的环形检测线圈所监测的数据进行最优路径计算时。而后英国推出了最早的商用车载路径诱导系统TrafficMaster(该系统已经演化为具有提供语音信息功能的Trafficmate)，提供甚至包括延误原因、车辆行驶速度等细节性信息。基于LISB，德国西门子公司开发了Ali,Scout系统(也称为Euro-Scout)，它不但销售、安装到德国柏林等欧洲城市，也卖给美国密歇根州的奥克兰，系统基于红外信标通信方式，由中心给出自由路径的路径诱导系统，因为需要大量安装路边的红外信标，投资很大。柏林交通部门认为大量投资在短期之内难以收回，在商业推广上有问题，遂停止了安装该系统。基于红外信标和RDS一TMC交通广播系统，德国斯图 Program for an 加特的STORM项目开发了双模式路径诱导系统。PROMETHEUS(European traffic with Highest Efficiency and unprecedented Safety)中的DMRG(Dual Mode Route Guidance)将静态的自主导航和RDS,TMC广播联合构成动态路径诱导系统，扩展的部分可以用GSM代替RDS-TMC系统。下面就以TMC为例，叙述下欧洲RTTIS系统的研究应用情况。 RDS-TMC的优势在于它在欧洲有着20多年的发展历史,运行的商业模式非常成熟。RDS-TMC能够覆盖系统的各个部分，用密布的感应器、摄像装置连续地监控车流，传回数据中心，经过中心设备、人员的处理后再以地图标示或文字信息的形式发送给出行者。TMC的信息传输可以使用无线通信技术(FM无线调频系统、GSM/GPRS、数字广播等)，帮助终端驾驶员更好的选择、规划路径。驾驶员实时接收交通信息并随时修正行驶路线尽可能的避免交通堵塞，实现最优的交通出行。 在欧洲，RDS-TMC为消费者提供服务模式的选择也很灵活，既有免费也有收费服务。其中，免费的业务已经覆盖多达14个国家，而收费业务目前仅仅只在英、法、德三个国家实行。收费业务相对免费业务拥有更加详尽和高效的信息。目前，应用比较成熟并受到市场广泛认可的产品有导世通的TrafficSam，它 10 中南大学博士学位论文 第一章 绪论 将个人导航软件集成在导世通中，接受实时交通信息，用户既可以选取系统给出的优化路径，也可自行在导航设备上查看实时路况信息，按个人喜好自行选择路径。导世通一次性收取60多欧元费用后，不再另外在通讯上收取其他费用。这个收费方式使得它受到市场消费者的极大欢迎。 4) 我国的RTTIS研究 我国的实施交通信息系统研究起步较晚，处于对国外现有RTTIS研究、引进、学习、消化和应用阶段。国家―九五‖规划期间，―城市交通流诱导系统理论模型和方法研究‖ (国家自然科学基金重点项目)是我国最早有关RTTIS科研项目。该项目的研究怎样以现有城市交通控系统资源为基础，针对我国混合交通的实际情况，在对时动态交通信息深入研究之后，开发能够可使用的出行者信息或动态路径诱导系统，该系统包括动态交通分配、实时交通预测和为出行者提供交通诱导的功能[14]。2008年由武汉大学测绘遥感信息工程国家重点实验室交通研究中心牵头的―863‖课题―基于动态信息的智能导航软件与应用系统‖在武汉大学通过检验。 在2008年奥运会期间，基于北京严峻的交通形势，，北京在交通方面做了大量的工作。其中包括:在路边设置可视交通信息显示牌;在主干道快速路上每隔500左右安装了固定探测器，用于交通流的数据采集。采集技术包括:微波、视频、牌照识别、环形图检测和超声波检测等技术。除了可变显示牌之外还通过交通广播电台、交通信息服务网站，甚至有针对个人的手机短信方式发布实时交通信息。这些措施在一定程度上缓解了交通压力。 5) 应用总结 中国和美国、欧洲和日本存在诸多差异性，如果将国外的模式照搬进来显然也是不合适的，比如国内数字广播技术起步晚，地方上专用RDS广播电台的规模和质量上都无法和国外相比。在发达国家汽车的普及在先，而车载通讯导航设备的发展也是先于手机的发展。在中国，因为历史的原因，汽车的普及才刚刚开始，而手机却已完全同步与西方发达国家。所以在中国手机的导航发展还快于车载导航系统的发展。 中国手机用户已达世界第一，所以导世通在国内推广TMC，将目光投向GPRS终端。在2006年第一届北京国际交通信息应用与服务论坛上，导世通与本土TMC信息服务供应商世纪高通联合宣布，将在国内率先搭建TMC平台。随后导世通和世纪高通合作开展一系列研发和测试，因地制宜借鉴欧洲市场的技术和应用。2007年6月6日，北京市交通委、北京移动及北京2008奥组委联合举办的发布会，导世通和世纪高通展示了测试版的TMC。 11 中南大学博士学位论文 第一章 绪论 作为RTTIS信息发布的核心环节之一的通信，直接关系到RTTIS现实的作用范围和传送信息类型的质量，从中国国情来看，中国无线移动通信的最大运营商中国移动、中国联通的网络覆盖面积几乎涵盖所有的有人活动的区域，其传输质量也非常稳定，目前中国的3G、4G通信的发展非常迅速，这为其以后在高速大容量数据传输提供了基础。使用无线移动通信作为RTTIS通信承载无疑是有着非常美好的发展前景。 1.2.2 评估RTTIS效率所用的方法 1) 宏观和微观尺度的相关研究 宏观尺度上的研究忽略许多细节，如:不同车道之间的交通车辆的相互影响、不同种类交通工具的差异性、交通地理因素的影响等等，主要从宏观角度对RTTIS进行研究。这种尺度上的研究便于把握宏观主体结构，简化研究手段、建模和计算复杂度，能够快速的抓住问题的主要矛盾。各个不同的科研机构提供了许多相关的宏观仿真软件包:DYNAMIT, FREFLO和NETCACI。 Jayakrishnan就使用DYNASMART研究ATIS的应用怎样减少交通阻塞[15]。 Uno使用宏观仿真研究交通信息和旅行时间稳定性进行了研究[16]。 相反从微观尺度上来对RTTIS进行研究，能够细致的考虑到现实中每个细节对研究结果的影响。更能够反映系统真实运行状况，便于发现每个微观尺度上因子对系统运行所产生的影响。随着计算机技术的不断发展和更新，其强大的计算能力随着摩尔定律的不断刷新纪录，微观仿真被越来越多的研究者所选用。其中受到广泛应用的软件有 VISSIM, MITSIM, PARAMICS 和 CORSIM等等。Rickert使用 TRANSIMS 来研究动态当系统装备RTTIS时交通的配流问题[17]。 刘天亮应用基于元胞自动机模型的微观仿真方法研究驾驶员在不同交通信反馈策略下的变道行为[18]。 2) 静态和动态研究的对比 静态研究实在有条件的情况下忽略了交通的动态性，静态研究简化了交通变化形式，容易建立数学推导模型并得到与其相应的研究结果。Arnott使用的就是静态研究方法来研究实时交通信息对交通系统和每个交通单元影响[3]。Emmerink使用经济均衡模型研究驾驶员在交通中获得交通信息支持后的受到的影响[19]。 动态方法在今年被越来越多的应用在交通系统研究中，这是因为其更符合交通系统是一个快速演化的动态过程这一现象。尤其在交通仿真技术日益成熟， 12 中南大学博士学位论文 第一章 绪论 计算机功能和运算能力空前强大的今天，使得仿真软件在交通状态变化中的动态跟踪、监控、纪录变得十分便利。这为RTTIS的研究更上一个台阶提供了良好的基础条件。Ben-Elia采用动态研究方法对在RTTIS与驾驶员经验联合影响下驾驶员路径选择行为进行了研究[20]。 3) 分析方法和仿真方法 分析方法注重使用数学模型来求定量解。分析方法通常使用为微分方程式来构建模型如:排队模型[21]、驾驶员随机行为模型[22]、瓶颈模型[3]等等。然而由于交通的复杂性和动态性，交通的连续动态现象始终难以通过方程式来予以捕捉。 仿真方法建立了RTTIS、交通系统和车辆多智能体之间动态规则，使得交通状态之间的变化通过模型运算得到再现。Wahle就运用基于Agent技术的仿真技术研究在平行路网中的实时交通系统进行研究[23]。仿真方法使得研究人员能够观察和得到连续结果和场景，易于在感性和理性上对系统进行研究。交通仿真方法在交通研究中被大量采用，如Jayakrishnan年对交通通阻塞的研究就是采用仿真方法[15]。 4) 独立和混合模型 独立模型主要将用于独立时间的研究，比如:交通行人路径选择模型、跟随模型、车辆行为模型等等。这样的模型使用主要能够是研究这将一些与其他因素相关性较小或者暂不考虑其他因素的干扰绕的情况下对交通问题进行研究。这个方法能够简化研究问题，深入研究单独的问题。Hall使用排队模型研究RTTIS的市场占有率对交通系统的影响[22]。Chootinan使用Lindsey的瓶颈模型研究实时交通在交通阻塞方面的影响[24]。而混合模型的使用恰恰相反，能够将更多的相互关联的因素考虑在一起，能够最大限度的接近事物的本来面目(我们知道在这个世界上没有完全孤立的事物，从哲学上来讲事务具有普遍联系的性质)，但是混合模型的使用使得研究变得更加复杂，研究这不仅仅只需要考虑单个模型的设计和优化，而且要将所有使用模型从系统的角度来进行研究使用。当研究一个复杂的交通问题时，交通出行者的路经过选择行为、交通灯、交通网络等各因素需要整合考虑。在交通研究中，混合模型被大量采用。 Abdalla采用线性混合模型研究交通出行旅行时间变化问题[25]。Jayakrishnan 使用CONTRAM 和DYNASMART模型结合研究如何RTTIS减少交通阻塞[15]。 5) 方法总结 在上述方法中，每种方法都有自己的优点和缺点及适用的的范围。根据不同的研究目的和对象，采用相对应的研究手段和方式才能够更好的进行研究。 13 中南大学博士学位论文 第一章 绪论 从上述方法对比分析中我们可以看出，宏观尺度上的研究已于简化研究问题，把更多的资源配置在宏观现象的研究上，而当宏观方法进行研究之后，需要对局部细节研究时，微观尺度上的研究就更适于进行进一步的研究。静态方法易于列出方程式求解，但是面对连续演化的交通问题，只能采用动态研究手段。分析方法更多地从数学角度来对问题进行分析建模，而仿真方法着重于对现象的重现于演化，二者是互相补充的。最后独立和混合模型问题上，独立模型相对混合模型更具有针对性，混合模型能够能够博众家之长于一身，对于解决复杂问题的建模、仿真等更具有适应性。对于RTTIS的动态评估，出行者基于实时交通信息动态选择路径，是一个非常复杂的系统演化过程，它需要以上方法综合运用，才能够很好的建立研究问题的模型。 1.2.3 RTTIS评估研究中的交通网络 在以往的研究中，在研究实时交通信息时主要使用两种不同的类型的网络:一种是基于图论的抽象路网;而另外一种是基与真实世界某一的指定路网。在使用抽象路网时，为了简化研究的复杂度，易于建立数学抽象模型，交通路网的具体地理要素(路网宽度、地理空间的特征、实际距离等)被忽略或被同一转化为路径阻抗因素。路网结构因素也被简化为简单的平行网络结构，这种路网结构下进行实时交通信息研究的占据了多数。而对于真实路网，其所有数据均来自特定的相对应地区，这样使得研究的结论普适性下降。 Arnott使用的就是简单的平行路网结构的抽象路网[3]。Jayakrishnan使用10条平行的路径[4]，其中使用三条横向路径(与10条相垂直将)将10条路径相连通的路网来进行研究交通路径优化选择研究，不过它使用的路网是基于图论的路网，路段本身没有任何地理意义。Ziegelmeyer使用平行路网研究公共交通信息对交通系统的影响[26]。 Davis应用三相模型也运用平行路网研究植入RTTI后系统的均衡状态[27]。简单的平行路网由一条主道和一条辅道共同构成。 相对简单平行路网，使用真实路网的来进行研究的少了许多。Abdalla 使用真实路网构造了25个节点和40与节点相连接通路的路网[25]。在这路网结构下，使用给出行者装备不同类型的RTTIS。Wise在报告中称虽然使用真实路网来研究交通实时信息使其研究结果更接近于真实情况，但是这种研究方法所得到的结论很难推行和应用到其他具体的地方，因为每个地方的情况都有差别[28]。 没有研究使用多样性的路网结构来对实时交通信息和交通效率做过具体的研究。Arnott也曾经建议使用更多和更加复杂的路网结构来对实时交通信在交通 14 中南大学博士学位论文 第一章 绪论 系统中所起的作用进行进一步的研究[3]。Ge也指出路网容量的提高不仅仅与实时交通信息有关，同时和路网的特征有关[29]。在本文中，我们将充考虑路网结构对实时交通信息系统效果的影响，并引入基于城市通用到道路结构的抽象路网(平行、格状、环形路网)来做研究，同时赋予每种路网的地理要素(路宽，长度、方向等)，也就是说他们不是图论中的抽象路网，每种路网的地理要素也同时被考虑在内。 1.2.4 RTTIS评估研究的主要发现 现有的文献主要的研究结论是以下三个方面: 第一个方面，是有关RTTIS对交通效率影响，这方面的研究在Arnott 提出实时交通信息介入交通系统是否提高了整个交通系统和每个出行者的交通效率之后，受到广泛关注和研究。Arnott在他本人的研究中指出，实时交通信息只对每一个装备RTTIS的出行者有益，但是对整个交通系统的影响是不好的，反而降低了整个交通系统的效率[3]。然而，Chorus在他们的两篇文章中均赞同RTTIS对整体交通系统和个体出行者均有益的结论[30, 31]。 Abdalla在研究得出在收到实时交通信息和交通管理者的建议之后，出行者能节约44.7%的旅行时间[25]。Ben-Elia在他的研究报告中也肯定了出行者的实时交通信息获取的正面作用，他进一步指出尤其对于不熟悉旅行路线中路网状况的人更能够获得收益[20]。Ziegelmeyer对比了两个是有关公共交通信息的实验研究，他发现出行者会因为接受实时交通信息之后会使得他们的出行到达时间分布在一个更加宽广的时间范围内，这样使得他们能错开交通高峰期和避开交通阻塞时段出行，减缓了交通压力，节约了出行者的旅行时间[26]。Davis在试验中模拟在实施交通信息的作用下交通系统均衡状态，在实时交通信息系统中加入基于历史数据的交通预测信息，他的到了一个近似的交通均衡状态[32]。总而言之，在众多的有关实时交通信息系统的研究应用中，提供交通实时信息能够提高出行者和交通系统的效率占据了压倒性的多数。但是有是有很多问题没有明确的答案，比如说是不是所有的出行者都从这个系统获得收益呢(包括没有装备实施交通信息系统的出行者),装备实施交通系统的出行者的收益有没有建立在损害没有装备这个系统的出行者的利益上面呢,而受益者自身和整个系统的收益到底是多少呢,与装备RTTIS的比例有没有关系呢,这些问题都还没有明确的答案。 第二点 ，很多研究者提出，在某些情况下，提供实时交通信息会使得出行者的群体性感应，选择相同或相近的路径和出行方式造成了新的交通堵塞。在 15 中南大学博士学位论文 第一章 绪论 有些文献中将这一现象成为交通波动。有许多研究者在实验中观察到这一现象并试图解释产生这一现象的原因。Ben-Akiva在试验中观察到很多的出行者对同一实时交通信息做出了相同或相近的反映，造成了备选路径上的出现了新的交通阻塞[33]。Stern在他的论文中指出提供实时交通信息该驾驶员能够提高整个系统的运行效率，但是这也会造成在备选路径上出现新的交通堵塞[34]。Selten表示在交通仿真中这种出现在主要同行路段和备选路段上的交通波动使得交通仿真无法收敛到稳定状态[35]。Wahle也发现车流量的波动出现在装备RTTIS系统之后，他将这一现象归结为两点: (1) 交通出行者被RTTIS告知在某一路段出现交通堵塞，并选择统一替换路径，从而造成这一路段的车流量急剧增加，制造了新的交通堵塞。(2) 就是交通实时信息的延迟，造成了人们不能及时更新交通信息，影响了路径的及时修正，使得系统反应迟钝，出现交通堵塞时不能减少车辆向这一区域的聚集，而路段畅通是也不能及时更新，造成后续车辆还是继续放弃该路段[23]。 第三点，研究者们在对是否要大量普及RTTIS及RTTIS装备比例不断的上升是否能够线性的连续提高交通系统的效率，存在争议和疑问。他们希望能能够找出具体的装备比例，既要装备多少比例的RTTIS系统能够达到最优化,。Jayakrishnan的研究结论认为连续增加RTTIS的装备比例能够自动持续的提高系统运行效率，他们进一步指出在一个平行网络中最高能够提高20%到30%[36]。但是在后来的研究中， Jayakrishnan在1993又进一步得出了持续增加RTTIS的装备比例能够连续提高交通系统效率，但是如果RTTIS的装备比例超过50%，那么交通系统的效率就反而出现下降的现象[15]。Hall在1996年在他所做的实验中却证明RTTIS市场占有率的持续提供高至少不会对交通系统网络造成伤害[37]。Stern在1996年在其研究中建议将RTTIS提供给部分的出行者比给所有出行者对系统优化程度更高些[34]。 最后，很多文献都聚焦在RTTIS系统的时间迟滞(time lag)，研究者们认为RTTIS在信息采集、处理、发送、驾驶员的回应这一过程中存在时间迟滞。并认为交通信息系统时间的迟滞是产生交通波动的原因之一。Stern在1996年的试验研究论文中提出交通信息系统存在时间迟滞[34]。Engleson在2003在他的研究论文中指出交通流的波动就是系统时间迟滞所导致的[21]。 1.2.5 研究中尚未解决的问题 在上述研究中存在着一个很大的问题，那就是研究者们忽略的路网的空间 16 中南大学博士学位论文 第一章 绪论 结构，上述所有的成果基本上是建立在简单平行路网结构上。而部分基于真实路网的研究，它的结果不具有普适性。从研究问题的思路，将复杂现象抽象为简单问题的研究思路上来看采用简单平行网络无疑是非常明智的的方法，可是却忽略的交通承载路网结构的特性。在RTTIS日益普及的今天，RTTIS过高装备比例会恶化交通系统执行能力这一研究结论如果成立，那么是不是会意味着我们花更多的钱来恶化交通呢,显然这是很矛盾的，为此这个问题急需要进一步研究并确认。 Wordrop均衡被大量用于交通配流及交通能够优化过程中，但是人们却很少研究在系统中是否真真存在这一均衡，而在系统的优化中交通均衡往往是优化者追求的目标重要目标之一。交通那个系统中植入RTTIS后，其均衡状态状况是一个值得研究的问题，并且它与系统优化之间的关系也需要进一步明确。 除了上述RTTIS效率研究中的所提到的问题之外，3S理论与技术在RTTIS中的应用目前还需要进一步的加强和优化。其中，GPS的应用还具有很大的扩展潜力，动态OD矩阵的确定一直是交通研究的中的难题，而这一问题往往是交通优化的与预测的核心数据，实时交通信息通常被认为是信息提供者，其作为信息服务的强大优势，如果在终端用户和信息服务中心之间形成信息的互动，那么RTTIS将在数据采集的成本和精确度上获得质的提升，并可能采集到很多难以采集到的实时交通数据，GPS就可以成为其中的核心设备之一。GIS为RTTIS提供的时-空数据模型也需要进一步的提升，在扩大信息容量的基础上减少数据冗余。 1.3研究内容和思路 基于3S最新研究成果，论文力求对RTTIS应用系统架构及其中关键技术作出一定的工作,其中包括:GPS在RTTIS中的信息采集环节应用的扩展;RS技术在RTTIS中的应用;实时交通时-空数据模型;基于3S技术对RTTIS系统架构进行升级和改进。 本文的章节安排: 第一章绪论中，介绍了论文研究背景、应用背景、对先前研究状况作出了论述，从RTTIS应用现状及评估研究现状两个方面对RTTIS的研究应用状况作出回顾和评论总结，以此确立本文的研究目标和内容。 第二章介绍了研究RTTIS所涉及的关键理论方法，其中包括交通的理论模型，研究的工具如:多智能体技术和理论及其在交通领域的应用;交通仿真理 17 中南大学博士学位论文 第一章 绪论 论与应用。最后对交通中博弈理论作了简要概述。 第三章中我们使用基于Mult-Agent技术的微观仿真方法来对不同RTTIS装备比例在城市三类抽象交通路网下对交通系统及出行者交通效率的影响进行进一步微观层面的定量仿真研究。 第四章就交通系统中植入RTTIS后交通系统的均衡问题基于多智能体体仿真技术在三类抽象路网中进行研究。 第五章基于3S技术对RTTIS系统架构进行了分析总结，分别GPS、RS、GIS在RTTIS中的应用作出研究，并提出对RTTIS应用框架的更新和升级。 第六章对全文做出回顾总结和展望。 1.4 小结 本章介绍了论文的选题背景和RTTIS应用现状，对RTTIS评估研究方法和研究成果做出了分析和总结，在此基础上提出了论文研究内容和思路，并陈述了论文的主要工作和创新点。 18 中南大学博士学位论文 第二章 RTTIS与交通系统效率 第二章 RTTIS研究关键理论方法 2.1交通理论模型 2.1.1 交通出行发生 (1) 交通出行分类 人类的各种社会经济活动产生了交通出行，交通出行的构成要素主要有:交通出行主体(人)、交通工具(车辆)、出发点(起点)、路径、节点、出行目的地(讫点)构成。 我们可以从各个不同的角度对交通出行做出归类，比如:按出行的目的可以分为上班、上学、娱乐、购物等;也可以按出行的区域划分，城市内部的交通、城市与城市间的交通、省际交通、国际交通等。 (2) 出行的发生的表示方法 出行的发生(trip-generation)分为两种量化:出行产生量，出行吸引量。出行的产生量由出行的产生点(producing point)产生，如居住点。而出行的吸引量由吸引点(abstracting point)产生，如工作地点、商场等构成。一个地区的交通产生量等于该区域内单位时间内所有出行产生点的交通产生量之和。而一个区域的交通吸引量等于该区域内单位时间内所有吸引点产生的交通吸引量之和。单位时间可以根据计量目的不同而不同，如年、月、日、时等。 (3) 交通出行预测 交通出行量预测的有两种常用方法:类型分析法和回归分析法。 首先我们阐述类型分析法。类型分析法是基于家庭分析、分类的基础上，因为人们晚上一般都要回自己居住地点，而早上都要离开，所以居住地点就是最主要的核心点。基于对家庭的分类之后，同类的家庭的出行次数和相关因素被认为是相同或者相近的。在类型分析法中将各类家庭一定时间内平均出行时间作为出行率。出行率被确定后，他将作为出行预测的重要指标来对出行作出预测。家庭的分类是以该家庭的人口、收入、车辆拥有量作为划分标准。 类型分析法能够直观解释和表达交通产生量，使用解析方法来对问题进行 19 中南大学博士学位论文 第二章 RTTIS与交通系统效率 分析，但是这个方法的忽略了商业出行等其他出行方式的出行产生量。如果基于地理区域划分来预测出行产生量会更加全面些。回归分析法就是基于交通区域特性来预测出行产生量。回归分析方法具体可以分三步来建立模型: 首先要选取模型的变量，对影响出行量的因素进行抽象得到变量因子，但是这些变量因子要进行主成份的分析，将独立变量提取出来用于建立模型。我们以线性回归模型为例，在假设非线性关系都一转化为线性关系的条件下，可以建立线性模型: (2-1) PaaXaXaX,，，，,,,，，,01122nn P是某一交通区域出行产生量; (k=0,1,…,n) 是待定系数; ak (k=0,1,…,n)被提取的自变量; Xk 是残差项，用以平衡误差和其他影响因素。 , 然后标定参数，回归模型(2-1)中的参数标定过程如下: ak 选取部分m个目标分区作为样本，得样本，由此定义(;,,),1,2,,pxxim,,,,,,,iiin1 矩阵: 1xx,,,p，，，，111n1,,,,1xx,,,p212n2,,,,X,P,， (2-2) ,,,,,,,,,,,,,,,,？ ,,,,1xx,,,pmmn1，，m，， 有矩阵运算得到: bb，，，，00,,,,bb11TT,1TT,1,,,,BXXXP,,()BXXXP,,() (2-3) ,,,,？？ ,,,,bbmm，，，，， 最后在进行模型检验，模型要进行初步和统计检验并进行预测效果测定。初步检验主要从常识的角度，对模型进行大致的检测，比如系数是不是过大等;统计检验主要是从统计角度对模型进行显著性、相关性的检验;而模型的预测效果测定主要是讲历史数据代入模型，观测预报结果是否能够大致吻合。 交通出行是产生量预测实时交通信息系统数据分析部分重要环节，有许多新的算法被应用于出行量的预测，如神经网络[38]，遗传算法[39]，贝叶斯方法[40]等被引入交通出行量预测中，使得对于非线性特征的出行量预测模型获得极大地丰富和完善。 20 中南大学博士学位论文 第二章 RTTIS与交通系统效率 2.1.2 交通出行分布 交通出行产生量解释的交通出行量的点问题，而交通出行分布解决的是交通出行量的面分布问题。交通出行量分布是指交通区域间单位时间内平均出行量，可以使月、年、日为单位的，也可更具研究需要定义交通高峰期时段。出行量是相互的，也就是说位于不同区域内的两点A和B之间交通流量，既有A到B的，也有B到A的，交通流是双向的。 如图2-1在格状交通路网结构中，出行分布矩阵每个区域都有交通出行和吸引点(起点、讫点)，那么在这些点之间的交通分布如何用数学方式表达出来呢,让我们来看与图2-1相对应的表1-1。 起点讫点起点讫点 讫点起点讫点起点 起点讫点起点讫点 讫点起点讫点起点 起点讫点起点讫点 讫点起点讫点起点 起点讫点起点讫点N 讫点起点讫点起点 图2-1格状交通区域划分 表2-1 交通出行分布矩阵 出行产生、吸引点 1 2 … n 小计 1 qq… qD11 12 1n 1 2 qq… qD21 22 2n 2 ？？ … … … … n qq… qDn1 n2 nn n 小计 OO… OQ 1 2 n 21 中南大学博士学位论文 第二章 RTTIS与交通系统效率 在表2-1中，每个出行和吸引点使用数字符号来标示，它们之间的交通出行量分别有对应的数字序号来表示，这个表可以看成一个矩阵来进行运算，也称之OD(Origin-Destination)矩阵。与上一节所涉及的出行吸引量相比，交通出行分布量是一个带有方向的量，而出行、吸引量只是一个标量。交通出行研究中，OD矩阵估计是非常重要的，它是交通建模的核心环节之一。交通OD矩阵估计分为静态和动态两种方式。 (1) 静态OD矩阵估计模型 增长率法相对比较简单，给予不同的增长函数有很多具体模型，但是基 本思路是一致的。下面我们将计算步骤列出如下: 000步骤1. 设置变量，—现状出行分布量;—现状产生量;—吸引量，qDOjiji 令k=0。 00步骤2. 各分区产生增长率、吸引增长率F分别为: Fdjoi DOj00i，; (2-4) F,F,oidj00ODij 00fFF(,)步骤3. 取函数为增长函数，k+1次的预测值可以计算得到: oidj kk，100qqfFF,,(,); (2-5) ijijoidj k，1k，1D步骤4:计算交通出行产生、吸引量、: Oji kk，，11kk，，11Oq,，; (2-6) Dq,,,iijjijji 求k+1次产生增长率和吸引率: DOjk，1k，1i,,，; (2-7) FFoidjk，1k，1ODij 允许计算结果在一定的误差范围内，也就是说产生、吸引率约等于1的情况 下可以停止计算，否则转到第三步继续计算。 下面介绍几种常用的增长函数: Oi(,)a. 常增长率法: (2-8) fFF,coidj0Oi 1fFFFF(,)(),，b. 平均增长率法: (2-9) poidjoidj2 22 中南大学博士学位论文 第二章 RTTIS与交通系统效率 Dj0DOjic. Detroit法: (2-10) (,)fFF,,Doidj0DO,jij0D,jj kkDO1jkkkkid. Frator法: (2-11) fFFFF(,)(),,,，Foidjoidjkkkk2qFqF,,,,ijdjijojji 引力模型法来源于牛顿的万有引力思想，在引力模型中考虑了交通阻抗因素的影响。引力模型为: ,,OD,ij (2-12) qG,,ij,Rij 分区间出行分布量; qij k，1k，1G交通出行产生、吸引量、D;、、、是待定系数; ,O,,ji R则是对应路段交通阻抗。 (2) 动态OD矩阵估计中由于交通的需求是这人们每天的社会活动而变化的，是一个动态的过程，静态的OD矩阵估计方法不能够反映出这种动态性的，其主要用途是用于交通规划研究。而对于交通优化问题、实时交通信息系统研究、交通管理等需要的是实时的动态交通流变化，因此动态的OD矩阵估计研究被提了出来，并在近20年获得了迅速的发展，其中根据每个路段的交通流量和路网结构来反推OD矩阵方法被大量使用和参考。这个方法主要依据是OD分布量与路段上流量基本关系式: a (2-13) VOq,,(),aijijij —路段编号; a V—对应路段的流量; aa aP—交通出行i，j分区间选择路段出行选择率; aij aO—对应交通产生量; ij q分区间出行分布量。 ij— 其代表性的方法有: a. 极大似然法，该算法模型是由Spiess1987年提出来[41]，具体模型如下: 23 中南大学博士学位论文 第二章 RTTIS与交通系统效率 ,r2，，()qKPOR,,ijijij,r (2-14) minln()fdKPOR,,，,,,ijij,rqijcKPOR(),ij,,,ijij，， a (2-15) stPqV..,,,ijija,ij —对应交通产生量; Oj —对应路段的流量; Vaa 分区间出行分布量; qij a—交通出行i，j分区间选择路段出行选择率; Paij d其中(K、、、)为待定参数。 ,c 这个模型经过简化整理，可得下面两个式子: 1,,rrda (i、j=1,2,…,n) (2-16) qKPORcKPORP,,，,,(),ijijijijijaij2a 1arrdab,,，， (a=1,2,…,m) (2-17) PKPORVcKPORPP,,,,,()(),,,ijijijabijijijij，，2,,ijbij 式中、分别为Lagrange系数，其余表达式与2-15同。 ,,ab dK式2-16和2-17可以作为互相补充，当参数(、,、、)已知，由2-16c Kqq可得有关,的方程组，求解得。如果,、已知反过来通过2-16求出参数(、ijijaa d,、、)。 c b. Kalman滤波算法: Kalman滤波方法是在近年应用研究最多的地动态OD矩阵估计算法之一[42, 43]，其特点就是通过量测值和预测值间的距离的最小化来实现动态OD矩阵的估计。在使用Kalman滤波方法上，首先要建立的是系统状态转移和量测方程: NN,，, ttt,,11 (2-18) t YANV,，tttt (2-19) t表示时间间隔; N为t时间间隔起点到讫点间车辆流动的总数量; t 24 中南大学博士学位论文 第二章 RTTIS与交通系统效率 为零均值正态白噪声序列; ,t,1 为时间间隔t内路段上的车流量; Yt t为影响因子; At 为误差量，统计特性服从零均值正态白噪。 Vt 可以根据以上状态空间模型计算得Kalman递推方程，计算步骤如下: Nt 步骤1:预测值: ˆˆ NN,ttt，1 (2-20) 步骤2:预测方差矩阵: ZZP,，tttt，1 (2-21) 步骤3:增益矩阵: NN，，，,1111ttt KZAAZAU,，[]，，，，，，，，，11111ttttt，，11tttt (2-22) 步骤4:最有滤波值: t，1ˆˆˆ NNKYAN,，,()tttttt，，，，1111 (2-23) 步骤5:滤波误差: t，1 ZIKAZ,,()ttt，，，111tt，1 (2-24) ˆ为t时间Kalman滤波估计值; Nt Z为t时间滤波误差协方差矩阵; t K为增益矩阵; t，1 2.1.3交通均衡配流模型 1952年Wardrop提出:在每个出行者都能够知道两点间每条路径的出行费 用，并在出行时选择出行代价最小路径，出行费用小的会被大量选用，最后导 致相应的路径出行费用上升，最后状态时每条路径上的路径出行费用都相等且 是最小的，是交通系统达到一种均衡状态，而这个状态被称之为Wardrop用户均 衡即Wardrop第一原理[5];当交通网络中的交通量按照系统总阻抗最小原则分 25 中南大学博士学位论文 第二章 RTTIS与交通系统效率 配时，Wardrop的均衡状态被称为系统最优原理即Wardrop第二原理。第一原理 反映了交通的实际情况，而第二原理则反映了交通管理者的系统整体优化目标。 系统最优的很容易使用数学规划方法表达出来。 a. Beckmann提出的用户最优数学规划模型: vimin:'()()FXtxdx, ,i,0i (2-25) rs stfqrs,,,,:,,,krsk (2-26) rs frsk,,0,,,k (2-27) rsrs vfi,,,,,,,,ikik,rsk (2-28)b. 而系统最优模型: min:()()FXvRv,,iiii (2-29) rs stfqrs,,,,:,,,krsk (2-30) rs frsk,,0,,,k (2-31) rsrs vfi,,,,,,,,ikik,rsk (2-32)c. 随机用户(SUE)最优均衡模型: virs min:()[()]()()ZXqScXxtxtxdx,,，,,,,rsiiii,0i,rsii (2-33) rsrsrsScXECcX[()][min()],,,kk (2-34) 式2-34是出行者感知交通阻抗的数学期望; rsrs cXcX()(,(),),,,,,,, 是各路径实际阻抗组成的向量; rs Ck第k条路径感知阻抗; E是数学期望符号; 我们对公式中的变量、参数含义: R:路段i的交通阻抗; i v:路段i上的交通流量，其向量组成形式为vv,,,,,,,(,,); ii 26 中南大学博士学位论文 第二章 RTTIS与交通系统效率 :以流量为自变量路段i的阻抗函数; Rx()ii rsrs:两点(r,s)间第k条路径的交通流量，向量形式; ff,,,,,,,(,,)fkk :r,s间OD交通量; ()qrs 1,,irsk路段在()间的第条路径上,rsrs: ,,,ak,ak,0,否则,。 2.2多智能体理论技术 2.2.1 智能体概念 智能体的概念从80年代被提出来后智能体技术的发展与应用迅速扩展，智能体理论技术是人工智能的重要分支。智能体概念思想源于对现实世界不明确任务计算实体，这些实体可以感知周围的环境，并做出一些相应的反应。智能体可以是基于物理的实体，如爬虫机器人等，也可以是软件中的计算实体。无论是物理的还是软件实体，它的作用范围是局部的。通过很多不同的智能体间的相互作用，可以模拟现实中的很多现象，比如交通现象。 定义1:智能体是具有一定智能行为的单位计算实体，他能够感知环境和其他智能体之间进行通讯，并对相应的环境作出一定规则的反应。 从人工智能的角度来讲，智能体是具有一定的―智能‖，那么它具有以下几点特性: (1) 能够进行简单的机器学习，智能体的学习能力是其基本特征之一，智能体能 够根据周围环境做出反应并与环境进行互动，在这一过程中环境的反馈信号 被智能体感知并记忆。这些信息将被保留在智能体内部用于对环境的适应和 知识的更新。 (2) 具有一定的进化能力，进化能使得智能体能够根据以前的历史经验来产生和 调整控制模块、行为规划模块和选择模块。进化能力使得智能能够变得更加 适应环境和任务。 (3) 具有行为准则，智能体内部有自己的固有的体系结构，这个结构决定了智能 体的行为准则，比如与外界及智能体之间的通讯方式，智能体的计算结构等。 27 中南大学博士学位论文 第二章 RTTIS与交通系统效率 一旦智能体被定义，智能体的行为准则就被确定。 2.2.2多智能体概念 在智能体应用当中，面对人类社会问题的复杂性，智能体往往不是单独使用来解决问题的，多个智能体联合使用来供共同完成任务是非常常见的。这就出现了多智能体系统的概念和运用。 定义2:多智能体(Multi-Agent)系统是多个智能体按一定结构组成的的智能体系统，他能够通过约束机制模拟大而复杂的系统，智能体之间相互作用、协调通讯完成固有的运算动作。多智能体的特征及性能[44]: 1) 智能体系中的的每一个智能体都具有一定的信息或者解决问题的能力，但是 这种能力是有限的。 2) 智能体之间是对等、独立的，也就是说在系统中不存在一个总控制中心对每 一个智能体进行全局控制。 3) 智能体数据是分布式存储的。 4) 智能体的计算是分布式、异步计算。 在多智能体系统中，智能体一旦被构造成功，它与其它智能体或者环境的相互作用关系就会被确定。他们可以用图2来表示出来[45]: (a)链状连接 (b)邻接连接 (c)全连接 图2-2智能体互动关系图 如图2-2所示，每个角的顶点代表一个智能体，在图2(a)中智能体之间的连接首尾相连的环状，每个只能进与其相邻的智能体相互作用;而在图2(b)中智能体不但与其相邻的智能体相互作用而且与相隔的智能体也能相互作用;在图(c)中所有智能体之间均能够互相作用。 28 中南大学博士学位论文 第二章 RTTIS与交通系统效率 2.2.3多智能体交通中的应用 研究者们都认为智能体代表了软件面向对象设计发展的最重要的新模式[46]，智能体的技术理论已经被广泛应用于用于制造、实时控制系统、电子商务、网络管理、交通系统、信息管理、科学计算等方面。这些方面的应用成功与智能体固有的属性密不可分，智能体能够按照研究对象的自然属性将其分解为多个相互作用智能体来求解整体目标，如果被研究的对象在问题域在地理上是分布式的，且子系统存在于一个动态环境中，而子系统之间需要弹性的相互作用，那么智能体就能够有效地提高设计和分析效果。交通和交通运输是非常符合这个特征的，在地理上它们是分布式的，而且分布的个体单元独立相互作用。智能体能够自我优化而不需要人或其他因素的直接干涉，这个性质可以运用到自主交通控制和管理系统中去。在多智能系统中之间能够互相通讯实现协作共同完成一个目标，同时它们能够动态感知其所在环境作出相应的回应。下面从三个方面使用三个表来描述述智能体在交通领域的应用[47]: (1) 基于智能体的交通控制和管理平台 多智能系统同时支持动态和静态智能体，一个智能体系统能够提供智能体管理机制，而一个以东的智能体系统提供另外的机制支持智能体移动和执行任务。在智能体系统中，智能体是安装在网络系统中每个节点的主要构建模块，为了能过方便通讯和交互操作，智能体系统中的智能体在设计时必须遵守统一的标准。 表2-2 基于多智能体交通控制平台研究 项目名称 研究团队 应用领域 主要工作 TRACK-Garcia-Serran等[48]，交通管理 使用国际标准FIPA设计智能体R智能体 西班牙马德里技术TRACK-R，通过传统的本体论技术和 大学 FIPA相结合设计智能体，具有快速、高 效、兼容性好的特点 Tomas等[49]，西班气象交通意提出了针对非城市道路气象交通事件管 牙海梅一世大学 外管理 理的FIPA跟从多智能体系统，在文章中 定义了该智能体本体、智能体类型、通 讯协议等 Mobile-C Chen等[50]，美国加交通监测和FIPA跟从多智能系统，支持静态和移动 利福利亚大学 交通管理 智能体，混合控制结构 InTRS, Hernandez等[51]，西交通管理 对集中和非集中交通管理系统结构进行 29 中南大学博士学位论文 第二章 RTTIS与交通系统效率 TRYSA2 班牙马德里技术大了对比研究 学 aDAPTS Fei-Yue Wang[52],亚交通控制和对系统应用和硬件作了描述，并在真实 利桑纳州大学，中国交通管理 交通控制的环境中运用了智能体技术 科学学院 Van Katwijk等， 荷道路交通管提出了不同策略下的动态多智能交通管 兰大夫特工业大学理中的多智理系统的运用和检测平台 [53] 能体控制系 统测试平台 (2) 智能体在交通运输中的应用 智能体在交通运输中的应用主要在于线路和时间优化、交通控制、分布式决策等方面。 表2-3 智能体在道路交通运输中的应用 项目名称 研究团队 应用领域 主要工作 CARTESIULogi和Ritchie等交通阻塞两个基于知识的交通管理智能体来评判和S [54]，美国加州大学 和管理 管理交通阻塞 IDTMIS/URoozemon等[55]，城市交通提出了一个理论上基于智能路口信号智能TC 荷兰代夫特工业大路口控制 体、路段智能体和专家智能体的城市交通控 学 制模型 Guo等[56]，中国清城市交通三层城市交通控制模型概念 华大学 控制 Choy等[57]，新加交通信号分级多智能体构架，嵌入式模糊神经决策模 坡国立大学 控制 块，在线学习能力 Zhao等[58]，美国公共汽车通过公共汽车智能体和停车智能体之间的 南加州大学 停车控制 协商达到公共汽车发车的动态协调 CORBA-A Zhang等[59]，中国交通数据分布式多智能体系统架构，是基于CORBA 清华大学 管理 和智能体的联合运用 TRYSA2 Ossowski等[60]，西城市交通运用TRYSA2系统为城市交通控制提供分 班牙，雷伊胡安卡控制决策布式决策支持 洛斯马德里大学 支持 Srinivasa和交通信号单层协作多智能体构架，单智能体协作区域 30 中南大学博士学位论文 第二章 RTTIS与交通系统效率 Choy[61], 新加坡，控制 可以更新和动态分配 新加坡国立大学 aDAPTS Wang[62],中国科学城市交通城市交通控制分级三层智能体平台。该平台 院 控制和管整合了移动智能体概念和多智能体系统 理 ACTAM Chen等[63]，台湾交通信号适应协作式交通信号智能体的单元设计 国立交通大学 控制 HUTSIG Kosonen[64],芬兰交通信号允许在线仿真，此仿真基于实时检测数据建 赫尔辛基大学 控制 立交通形式模型 Moreno等[65]，西的士车 顾客能通过他或她的掌上电脑运行 班牙依维尔基里大JADE-LEAP智能体中的个人智能体召唤的 学 士 NTuCab Seow等[66]，新加的士派车 提出一种的士派车系统，该系统试图把乘客 坡国立大学 总共等车的时间最少化 Ossowski等[67]，西决策支持为多智能体决策支持系统的抽象构架进行 班牙雷伊胡安卡洛系统 界定。用两例交通管理领域的实例说明了抽 斯马德里大学 象构架中各智能体的功能。 SATIR Balbo和Pinson[68], 决策支持提出一个叫ESAC(Environment as Active 法国巴黎第九大学 系统 Communication Support)互动模型，该模型 允许智能体直接相互作用，直接通过发送、 接收和拦截逻辑过滤器发送和接收信息 SATIR Balbo和Pinson[69],扰动建模存储在汽车传感器中的有关网络动态的信 法国巴黎第九大学 和决策支息包含在扰动建模和决策支持系统之中 持系统 (3) 智能体在交通建模和仿真中的应用 智能体在交通建模和仿真中的应用最为广泛，尤其是交通仿真，为交通的发展做出了重要贡献。 表2-4交通建模和仿真中的智能体应用 项目名研究团体 应用领域 主要特征 称 Burmeister等[70]，德交通仿真 驾驶员,车辆元素被视为自主和智能化的 31 中南大学博士学位论文 第二章 RTTIS与交通系统效率 国戴姆勒,奔驰研究智能体予以建模，每个智能体由5个类型的 系统技术中心 单元构成:传感器，效应器，通讯，动机和 认知 MARS Fischer等[71]，德仿真工具 提出了一种基于智能体仿真工具，该工具通 国人工智能研究过协商能提供不同的协作方法，可用于解决 中心 交通领域的调度问题 Extension Rossetti等[72]，巴驾驶员行为使用BDI(Beliefs,Desires,和Intentions)智of 西，建模 能体和智能体支持的构架评定驾驶员的决DRACULA PPGC/UFRGS,情策行为 报学研究所 Dai[73],澳大利驾驶员行为根据实际拥挤交通中驾驶员的行为调查构 亚，昆士兰大学 建模 建动态驾驶员行为模型 Whale等[74]，德驾驶员行为使用两层智能体构架结合驾驶员的反应研 国，格哈德,墨卡建模 究动态信息对交通系统的影响 托大学 CTMRGS Adler等[75]，美国 协作式交通在多智能体系统和有原则性的协商整合基 管理和路线础上探讨了协作式交通管理和路线引导系 引导 统 SAPIENT Sukthankar等策略性驾驶 根据当地对策略性情形的估计使用一组分 [76]，美国，卡耐布的推理智能体独立地对驾驶决策作出建 基梅隆大学 议 SITARS Hidas[77 ],澳大利车道变更建基于自主智能体概念探讨了车道变更模型 亚，新南威尔士大模 并在应用于ARTEMiS 交通仿真器中 学 ITSUMO Da Silva等[78]，城市机动性探讨了一种能执行模拟如驾驶员行为，交通 巴西 仿真 灯协调和交通堵塞预测等操作的仿真工具 COTSCS Li等[79]，英国，城市交通问针对城市交通问题探讨了一种协作式交通 爱丁堡大学 题 调度和管理系统 Liu等[80]，中国，公共汽车需设计模型和领域模型的分离使得领域专家 上海交通大学 求仿真 和 系统使用者能参与系统设计 UDMLA Salim等[80]，澳交叉路口安探讨了对巧妙的软件智能体与对交叉路口 大利亚，莫纳什大全性模型 监控，撞车警告和避免多处信息流提取的整 学 合 32 中南大学博士学位论文 第二章 RTTIS与交通系统效率 FEDFLOW Kukla等[81]，英行人建模 探讨了行人动向微观模型 国，纳皮尔大学 PLATFORGambardella等铁路/公路探讨了由联合运输交通规划人员和仿真系M [82]，瑞士 混合交通规统组成的软件平台。该平台中，基于智能体 划 的规划者为派遣联合运输交通组件组织交 通规划。而由公路仿真，铁路仿真和终端仿 真模型组成的仿真系统证实了这些规划的 可行性并对他们的运作进行评估 ATFMGC Li等[83]，巴西，空中交通流把网格计算与多智能体协作合并来提高空 巴西利亚大学 量管理 中交通流量管理计算效率 Halle等[84]，加拿协作式驾驶 把集中的和分散的排协作做比较 大 MAS-T2er Rosset等[85]，人工交通控探讨了由交通系统的JADE应用，微观交通 University of Porto 制系统 仿真和控制策略感应器组成的构架 2.3交通仿真技术 2.3.1现存交通仿真软件 交通仿真通过在计算机中建立模型动态的表述真实交通状况随时间变化规律，为交通能够的研究发展最出了重大的贡献。它节约了研究成成本;能够对很多在现实世界不能够获得或者花费巨大代价获得的非再生现象是用模型进行研究;它能够动态的显示交通状态以及和其相关的各项参数。 计算机仿真起源于1955年，D.L. Gerlough 的论文:―Simulation of freeway traffic on a general-purpose discrete variable computer‖，此后，计算机仿真技术在交通研究邻域作为一个研究工具被不断推广和发展。随着计算机硬件和软件高速发展，交通仿真技术出现了日新月异的局面。 道路交通是一个将人和货物通过物力道路有效移动的问题，而交通系统的控制和优化一直是交通系研究的主要难题，交通系统是个典型的人-机系统，在交通实时信息的作用下，人-人和人-机的互动变得非常复杂。 交通仿真的分类:可以从研究尺度上被分为微观、中观和宏观三类;亦可以 33 中南大学博士学位论文 第二章 RTTIS与交通系统效率 从时间形式上分为连续和离散两种;还可以根据研究问题的分布范围分为节点、路段、网络仿真;从研究内容上看有交通安全，交通信息系统、交通控制系统仿真还有最近出现的通过微观仿真来进行交通需求估计等。 -5总结了目前主要的仿真软件及特征功能: 表2 表2-5一些不同种类仿真模型与其主要特征和功能 名称 模型尺度 架构 主要特征和功能 CORSIM 微观 地面道路，高速公路，感应信号，交织区，交通事件， 可变信息标志，2-D动画 Simtraffic 微观 地面道路，感应信号，行人，环状交叉路，3-D动画 AIMSUN 微观，分布式计算地面道路，高速公路，感应信号，动态交通分配，可 技术 变信息标志，3-D动画，信息通讯技术 VISSIM 微观 地面道路，高速公路，匝道控制，行人，公交运营， 3-D动画 PARAMICS 微观，分布式计算地面道路，高速公路，公交运营，3-D动画，环状交 技术 通分配，网络拥堵 INTEGRATI 中观 地面道路，高速公路，交通配流，智能交通系统，收ON 费广场，车辆排放，HOV DynaMIT 中观，实时计算机高级旅行者信息系统操作(ATIS)和高级交通管理系 系统 统(ATMS)，网络状态动态估计，多样化实时情景， 每次旅行仿真 MITSIMLab 微观 ATIS和ATMS CORFLO 宏观 地面道路，高速公路 SATURN 微观 个体单节点，交通配流 Micmac 混合 SITRA B+(微观模型)和SIMRES(宏观模型)联合， 两模型同步器被序列化 Hystra 混合 组合宏观和微观模型，两模型建立在 (Lighthill-Whitham-Richards)LWR 交通流理论 KRONOS 宏观 高速公路车道变更，合并，分离和交织，队列同步发 展和高速公路和其匝道上堵塞扩展 KWaves 宏观，离散，确定高速公路，吞吐量，瓶颈，队列，匝道控制，交通事 性 件管理 34 中南大学博士学位论文 第二章 RTTIS与交通系统效率 表2-6对不同仿真软件研究应用进行对比: 表2-6 不同仿真软件的对比研究 作者 比较软件 发现 Rakha， TRANSYT， INTEGRATION与TRANSYT相比能够检测更为复杂的信号Van INTEGRATION 时间问题。 Aerde [86] Taori， NETSIM, 从交通网络固定信号控制模型评估上来看，NETSIM产生的Rathi[87] NETFLO I， 速度值是最低的;NETFLO II是最高的;NETFLO I产生的 NETFLO II 值介于前两者之间。另外发现NETSIM的运行时间比另外两 个长。 Wang， INTEGRATION, 这些模型都能够提供高速公路和主交通干道路网运营方真并PrevedourTSIS/CORSIM, 提供可比较的结果。但是只有INTEGRATION能够模拟U形转os WATSim 弯，TSIS/CORSIM对模拟变道行为方面能做得最好;WATSim[88] 对于模型校准的要求较低，但是它的仿真效果相对较差。 MiddletonCORSIM 这些模型主要用于高速公路交通阻塞仿真，在非阻塞条件下， Cooner (FRESIM 所有的模型运行相对较好，但是在面对精确模拟阻塞条件它[89] component), 们的不是太协调。 FREQ ， INTEGRATION PrevedourINTEGRATION, 文中采用大范围现场数据和网络错位软件输入数据，仿真能os CORSIM, 够很好的再现车流。INTEGRATION需要广泛的修改去接近，Wang WATSim 复杂信号时间规划，而WATSim几乎不需要任何的修改，[90] WATSim和CORSIM速度非常接近。 BloomberCORSIM ， 通过主干路上竞争优化来比较来比较两软件模型，实验发现g，Dale VISSIM 量软件模型得到一致的结果，而且在初始代码上面都具有相[91] 同的友好性。 Boxill， CORSIM, 研究基于对ITS仿真对软件模型作出了对比评估。AIMSUN和Yu[92] INTEGRATION, PARAMICS在ITS的仿真方面有着很好的潜能，但是在仿真过 AIMSUN and 程中需要对模型进行验证和校正，CORSIM和INTEGRATION PARAMICS 相对会跟好些，如果能够在仿真中很好的验证和校正模型。 35 中南大学博士学位论文 第二章 RTTIS与交通系统效率 PrevedouroINTEGRATION, INTEGRATION对所有交通条件所产生的结果是可是可接受s， Li [93] KRONOS and 的，除了它的车道变换复制不够真实。KRONOS几乎不需要 KWaves 修改就可达到满意的结果，除了对在高速路中加入车道益处 作了过高的估计。Kwaves98对重负荷的高速公路仿真是有限 的。 Barrios等CORSIM,VISSI根据仿真工具的图形表现(动画)功能特别是公交车的仿真[94] M,PARAMICS，操作，对它们进行评价。对每个模型中与公交有关的可视化 SimTraffic 能力进行了回顾，该研究认为VISSIM因为它的3-D功能而 选择了它。 Trueblood CORSIM，较少车辆和中等流量的主干道模型没有什么区别。该研究强[95] SimTraffic 调使用者对模型的熟悉的重要性，并需要合理验证，最后比 较了各模型的能力以便更精确地对高速公路交换进行仿真。 Choa等CORSIM,PARA根据此研究结果，由于简单的编码和它对个体方式控制延迟[96] MIC，VISSIM 的计算能力，CORSIM优于其他软件。PARAMICS和VISSIM 的仿真与它们的3-D功能更加贴切的反映了实际情况。 KosmanVISSIM，当采用合适的有效性时，用于估计输入对项目级排放分析时等[97] CORSIM 的平均速度时，两个模型都可以表现的很好。 Jones等CORSIM, 研究发现，与这两种软件相比，运行很好，并且它拥有对于[98] SimTraffic,AIMS建立大型城市和地区网络非常有用的特征。它的动态交通配 UN 流能力是SimTraffic或CORSIM软件无法匹敌的，不足的是 AIMSUN须要繁琐的编码。 Panwai, AIMSUN,PARA这三种软件对已提及的交通仿真器中的车辆跟车行为进行评Dia [99] MICS, 估，研究发现，应用在AIMSUN软件中基于Gipps模型误差 VISSIM 值更低，VISSIM和PARAMICS中的心理间距模型也有着相 似的误差值。 Xiao等AIMSUN 和研究发现，这两个仿真器都能够包含交通建模过程中大部分[100] VISSIM 的标准特征。这两中仿真器的精确度非常相似。 Hadi等CORSIM,VISSI这三个模型都必须要校准模型参数才能把交通事故带来的功[101] M,AIMSUN 能上的损失达到可接受的程度。对于AIMSUN和VISSIM, 需要具体交通事故的时间校准参数的介入。 36 中南大学博士学位论文 第二章 RTTIS与交通系统效率 2.3.2交通仿真软件模型 AIMSUN是一个比较有特色的仿真软件，其整合了三种类型的交通模型(交通配流模型，中观仿真器模型，微观仿真器模型)于一体。微观仿真模型是和很多微观仿真软件(如:CORSIM)一样建立在跟车，变道，可接受间隙算法上。而其中观仿真器模型和微观仿真器模型相似，但是在某种程度上简化了模型校准等部分，通过将路网中每个路段所有的自由交通流和排队部分建立模型，中观仿真器将注重对―事件‖的研究。这样简化了计算提高了软件的运行效率。 SimTraffic是一个微观仿真器，它使用SYNCHRO程序语言来建立街道模型，SimTraffic对车辆和行人的模拟具有很强的直观性，并且在屏幕上直接动态显示和操作数据集。 VISSIM建立在离散、随机、时步交通微观模型上， Paramics可实时动态显示三维界面、能够对单一车辆进行计算仿真、具有并行计算能力，还有功能强大的应用程序接口。Paramics功能强大的并行路阻计算能力是其重要的特点，该模块使其能够支撑庞大的路网(100万个节点(nodes)、400万个路段(links)和32000个区域(zones))计算，为其微观仿真功能奠定了强大的基础。Paramics的系统构成如图所示: Paramics系统构成 编建估分处监 程模计析理视 器器器器器器(programmer)(modeller) (Estimator) (analyser) (processor) (monitor) 图2-3 Paramics系统架构图 其中:建模器是整个仿真软件中最为基础和关键的部分，它能够建立交通仿真模型、进行仿真的3D可视化和输出相关统计数据等功能，用户可以通过用户界面(GUI)来进行这些功能的实现;处理器是仿真简化仿真的模块，用户可以用批处理进行仿真计算，并输出统计数据。这种方式不会在用户界面显示仿真过程，简化了计算，从而缩短了仿真时间;分析器提供了仿真结果输出的分析 37 中南大学博士学位论文 第二章 RTTIS与交通系统效率 制表功能，它是仿真结果的处理程序;编程器则是软件对用户的功能扩展，用户可以根据自己的特定研究目的使用编程语言编写应用程序;监视器是仿真软件Paramics提供给用户信息窗口，通过这个窗口用户可以对运行于仿真器上的研究任务进行监控、调整视角等操作;估计器主要是针对微观层面OD矩阵的设计的，它通过提供开放和可视化界面，使得交通工程师能够将自己的知识、经验用于建立估计器的系统内核，简化了OD矩阵估计的复杂性。 ACTSIM是一个动态微观模型，在模型中通过群体行为分配模拟独立车辆，模型随着交通密集度、停车场附近、人行道横道和交通网络连续画面而变化。统计数据也可以提供一段时期的总体交通状况概览。每个车辆的参数有车速、车辆尺寸、期望最大速度、目标地点、逗留时间和可接受最小间距都由随机的车辆特征变量设计生成。ACTSIM由 车流模型、车道变换、停车、行人穿越和乘客可上下车子模型构成。 CORSIM是一个微观、随机、连接节点、周期扫描基于高速公路、城市街道、匝道或者路网的交通仿真程序。主干道和高速公路联合仿真模型构成了CORSIM的一个有效的交通工程分析模型，这个模型允许所有在主干道和高速公路上的元素作为一个整体系统来分析和仿真。CORSIM随机决定每个车辆的属性，比如车辆的长度、驾驶员的行为特性、车辆的加速性能、最小间距、最大速度等等。 TRANSYT作为一交通绿信比优化工具在1968年被Robertson提出来[102]，后演化出很多个版本如:TRANSYT7、TRANSYT-GN等。它是目前世界上非常流行的交通优化工具之一。Chiou在2010使用该仿真软件进行交通信号配置研究交通均衡配流算法[103]。通过同TRANSYT可以实现对交通能够信号的最优配置，实现最大绿信比。 KRONOS是一个基于Lighthill–Whitham–Richards(LWR)车流理论宏观高速公路优化仿真软件，它能够描述加速、减速、车道变化、合并等。 KWaves98是一个建立在高速公路Newell运动波理论的高速公路评价宏观模型，主要的参数如:车流率、车流密度、车流速度、和延迟来源于累计需求和实际累计车流。 MICMAC是一个由宏观模型SIMERS和微观模型SITRA B+混合模型以便能能够符合某些研究条件，如需要对局部环境进行微观仿真，即需要微观仿真模型也需要使用宏观模型对大尺度数据进行研究测试。SIMERS使用离散单元建立道路模型，这样能够使得车流量、车流密度和车流速度的计算能够在每个时间步进行。而微观模型SITRA B+car又由智能跟随模型 (IDM)和源于IDM.连续模型 38 中南大学博士学位论文 第二章 RTTIS与交通系统效率 构成[104]。 DynaMIT 包括对交通中的旅行需求、行为、网络提供及复杂的互动关系进行详尽而复杂的建模，系统能够提供实时观测系统、当前网络条件估计、短期交通预测功能和互动界面，主要用于ATIS优化研究，辅助驾驶员进行路径和出发时间优化，并能够用于交通管理如:提供紧急呼救回应等功能[105]。 2.3.3交通模型校准 交通仿真中模型的校准是一个研究的热点问题，因为仿真的目的就是能建立动态真实世界模型，来最大程度的接近真实假想条件来进行研究的。在仿真的时候怎样选择参数能够最大限度地保证研究结果的可信度，是一个非常复杂的问题。交通模型的校准问题也因此在近些年受到广泛的关注，研究成果也非常的丰富，尤其在微观模型校准方面。 模型修改 失败 模型的核实 模型设计者 成功 失败 模型的验证 成功 模型使用者 模型的校准 失败 图2-4 交通仿真模型修正过程 交通仿真模型被设计出来之后会在应用中不断被修正，因为这样才能不断改进和完善。而交通仿真模型的校准是交通仿真模型修正中的一个重要环节。从图2-4中描述了交通仿真模型修正的三个步骤[106]。在这个交通仿真模型的修正过程中有以下几个概念: 39 中南大学博士学位论文 第二章 RTTIS与交通系统效率 模型的核实:验证计算机中的模型设计是否符合模型机制描述的逻辑这个过程成为模型的核实，比如说我们要我们定义A=B+C，那我们要验证这个式子是不是被计算机代码忠实的表述出了，和我们的原逻辑相符合。 模型的验证:模型的验证就是模型产生的基本变化规律符合相关理论的描述，比如说跟车、车道变换、可接受间隙规律模型符合交通理论中相关理论。 模型的校准:模型的校准是检验模型参数设置是否能够真实的反映实验者的真实意图，符合客观规律的过程。 其中交通模型的核实、验证是模型设计者的任务，而在使用模型建模仿真过程中交通模型的校准就是唯一的一个模型修正环节。图2-5是一个简单的交通仿真模型校准过程示意图，其中的步骤[107]: (1) 首先要做的是根据研究目的来选取所需要的模型和数据并制定相应结果评 判标准。当然这个过程是相对复杂的，根据研究目的和要求的不同差异性很 大，简单的可以根据研究目的直接建立模型并选取需要的数据，而复杂的就 需要建立新的模型参数选择模型(如优化模型)来选取适当的参数建立模型; 定义研究 定义研究目地和研究目标 评判标准 制定评价尺度 选取仿真模型 选取所需要的数据 初步矫正: 运行仿真程序 网络数据 车流量数据 对比输出结果 评估 交通需求数据 标准 车辆数据 … 再次模型校准 模型初步矫正输出 方真模型应用 图2-5 仿真模型校准示意图 (2) 在初步选取模型和参数后根据实际情况做出初步的校准; 40 中南大学博士学位论文 第二章 RTTIS与交通系统效率 (3) 制定结果评价尺度和评判标准; (4) 运行仿真程序得出输出结果并与评估; (5) 如果符合定义标准输出仿真模型。 以上仿真模型矫正过程是在模型复杂度并不高仿真实验中可以适用，但是对于多则几十个甚者上百的参数，这个方法的效率就会明显下降。 在交通方针应用中根据方针目的不同选取适当的参数来进行模型校准，这无疑会大大提高模型校准的效率，交通模型校准参数可被划分为以下几类: (1) 非常容易被直接观察或者测量的参数，如:平均车辆的长度、每位乘客上车 时间、车辆类型等。 (2) 在前期研究中曾经使用过的参数设置，这个设置能够适用于当前时间和地点 模型中。 (3) 找出能够被忽略输出影响的参数，这些参数可以通过在一定范围不断变化其 取值同时固定其他参数取值来确定。 (4) 因为输入数据的属性限制并不适合调节和校准的参数，比如:来自高速公路 的采集数据不能够被公共汽车的参数所使用。 (5) 除去上述参数之外的参数额可以归为一类。 通过以上对被校验参数的分类，我们在遇到相对复杂的交通模型校准中可按照下列原则步骤进行: (1) 预校准，可以首先考虑提高模型的行为解释功效，从而减少对模型参数校准 的依赖; (2) 划定问题的范围，如果模型倾向于使用可用的数据集来解决多种问题，那么 就按照模型本身提供的方法即将问题分解:将模型校准问题分解成为子问 题，如果某些参数具有局部特征属性，或者由不同的尺度方法更适合不同模 型参数的校准;如果所有子问题相对源问题是独立的，那么被分解的问题就 能够替代原来整个模型校准的问题，否则，所有子问题也需要分别进行校准; (3) 校准参数的选择，有如下参数时不需要校准的:能够直接使用观察手段确定 的参数;先前的实验研究曾经使用过的相同地点和时间的参数;对输出影响 可以忽略的参数; (4) 尽量校准剩下的的所有参数。选择对最有参数值的评价标准，对大量参数选 择自动校正优化模型算法，这样可以节约大量的人力物力，并且在以往的实 验过程证明是可行的。在这一过程中注意要对参数取值范围进行约束。 (5) 对特定参数参数进行手工校准，这里所指的手工校准式在自动校准无法实现 的复杂的高一级校准方式，仅仅只能针对少数参数进行。 41 中南大学博士学位论文 第二章 RTTIS与交通系统效率 (6) 对仿真校准的运行次数进行定义，某些参数需要多次迭代运行求取统计数值 来校准。 (7) 对结果进行统计检验。 交通能够模型的校准过程是以庞大而复杂的过程，它直接关系到仿真结果的可信度，我们必须充分重视，但是我们也采用合理科学的手段来进行校准工作。在预校准的步骤中，有些研究者并没有认识到其重要性，其实如果在这一步能够充分地做好工作，有很多的繁杂的参数校准过程就能过被省略。 2.4 RTTIS中的博弈 2.4.1 经典博弈论 博弈论(Game Theory)，也被称为―赛局理论‖、―对策论‖。博弈论将激励结构间的相互作用公式化，使得争斗或竞争性质现象以数学公式演化、推算的形式表现出来。其中优化策略研究是博弈论研究的重点，个体的预测行为和实际行为在博弈论中都被充分考虑，它也因此成为运筹学的重要研究工具。 在博弈论中，双方平等的对局个体以对方策略为依据来制定自己的对抗策略，以获得取胜。其实这个思想在历史上被运用的例子很多，如《孙子兵法》、围棋、象棋棋谱等。但是将这个思想提升到数学高度，还是近代1928年始于策墨洛，波雷尔及冯?诺伊曼的研究[108]。经过多年的研究应用，今天博弈论已发展相对比较完善，在交通理论、经济学、军事战略、计算机学科中得到广泛应用。。 首先我们看看博弈论中的几个基本概念 : (1) 决策人:在博弈中率先采取行动的一方，这一方往往依据自身的策略集和对 方的策略集合采取有利于自身的行为。 (2) 对抗者:在博弈二人对局中后与决策人采取行动的那个人，对抗着要采取与 决策人对立的策略决定，并且他的动作在时间持续上是滞后的、默认的、被 动的，但他以最终占优为目的，他的策略针对决策人策略选择的。 (3) 局中人:在一场博弈中，每一个参与决策和博弈的人。根据局中人的不同可 将博弈分为两人博弈和多人博弈。 (4) 策略集:博弈中，每个局中人都有选择实际可行的完整策略集X[x,x,x]。 12…n(5) 得失:博弈结局时的结果就是得失。博弈过程所选取的策略构成的函数，为 42 中南大学博士学位论文 第二章 RTTIS与交通系统效率 支付函数。 (6) 次序:博弈过程局中人对策略的选择次序。 在博弈论中涉及到的最大问题之就是均衡问题，在博弈过程中，局中人的任何一方都无法通过 改变策略而改变自身的状态，就是Nash均衡状态。 博弈的分类根据不同的基准也有不同的分类。一般认为，博弈主要可以分为合作博弈和非合作博弈。合作博弈和非合作博弈的区别在于相互发生作用的当事人之间有没有一个具有一定的协同与合作，如果有，就是合作博弈，如果没有，就是非合作博弈。 从行为的时间特性上，博弈论也可以分为动态博弈、静态博弈两类:静态博弈是指在博弈中，参与人选择但后行动者并不知道先行动者采取了什么具体行动或同时选择;动态博弈是指在博弈中，参与人的行动按先后顺序进行，且后行动者能够完全观察到先行动者所选择的行动。 按照参与人对其他参与人的对信息了解程度分为完全信息博弈和不完全信息博弈。完全信息博弈是指在博弈过程中，每一位参与人对其他参与人的特征、策略空间及收益函数有准确的信息。 不完全信息博弈是指如果参与人对其他参与人的特征、策略空间及收益函数信息了解的不够准确、或者不是对所有参与人的特征、策略空间及收益函数都有准确的信息，在这种情况下进行的博弈就是不完全信息博弈。 2.4.2Nash均衡 Fudenberg1991年他所著书‖Game theory‖ 中对Nash均衡做出来了定义[109]: *―混合策略组合是一种Nash均衡，如果对于多有参与人i有: , ***‖ (2-35) uussS(,)(,),,,,,,iiiiiiii,, 在这个式子中我们可以通俗的理解为:在一个多人博弈过程中，当每个人都不能通过改变策略的方式来优化自己的行为结果，也就是说每个参与者在博弈中达到一种力量的均衡，这种均衡就是Nash均衡。 交通中的用户均衡在某些情况下就是一种非合作博弈Nash均衡[110]。 静态Nash均衡的定义: *****在N个出行者博弈中，策略组合中的是出行者i对于其hhhh,,,,(,,,)hni12 *****他N-1个出行者的策略组合(,,,,,,)hhhhh,,,,,,最优策略，即: iiN,，1211 43 中南大学博士学位论文 第二章 RTTIS与交通系统效率 ******* UhhhhUhhhh(,,,,,)(,,,,,),,,,,,,,,,,,,iiNiiN1212 (2-36) 或者: ******* UhhhhUhhhh(,,,,,)max(,,,,,),,,,,,,,,,,,,iiNiiN1212,hHii (2-37) 静态Nash均衡是最简单博弈方式之一，在博弈过程中并不具有次序性。在交通Nash均衡研究中，以往的研究建立在OD矩阵不随时间发生变化的情况下产生的均衡现象，但是我们知道在现实世界里，OD矩阵往往是随着一天中的时间不同而不同，并且在每周、每月、每季和每年都会发生变化。对于动态OD矩阵环境下的Nash均衡再近些年也有不少的研究[111, 112]。由出行者对信息的掌握程度将Nash均衡分为纯策略Nash均衡和混合策略Nash均衡[113]，对于纯策略Nash均衡，出行者拥有完全信息，等价于用户均衡。而对于混合策略 Nash均衡，出行者对实际路径费用并不精确，出行者的判断依据只是出行者自己感知的费用，这时候Nash均衡等价于随机用户均衡。 2.4.3Cournot均衡 Cournot均衡属于交通管理者与交通出行者之间发生的策略博弈，交通管理者以系统最优为目标对交通出行者进行交通诱导，而交通出行者往往只关心个体出行代价最小化，这样在交通管理者和交通出行者之间也构成博弈。这个博弈的均衡状态就称之为Cournot均衡[114]。 Cournot均衡的数学定义: PGHZghZgh,{,,(,),(,)}在出行者与交通管理的二者博弈中，如果gh ****hCournot均衡存在既有策略组合是Cournot均衡，交通流对控制策略(,)ghg **h的是最优策略，同时交通管理者对交通流的控制策略是最优策略，即: g ******ZghZghZghZgh(,)(,),(,)(,),, gghh (2-38) 或: ****max(,)max(,)ZghandZgh gh,,gGhHii (2-39) 交通控制和交通分配联合求解: t,,mrsrsmin()()Zhtctdt,,,gtG() ， ,,,npi, (2-40)0,nrsp 44 中南大学博士学位论文 第二章 RTTIS与交通系统效率 T*rsrsrsrs，，， ,,htH()Ethhtdt()()0,,,,npnnpnpnp,0，， (2-41),rsp **得策略组合是Cournot均衡。 (,)gh 2.4.4Stackelberg均衡 Stackelberg均衡相对Cournot均衡不同点是:在Cournot均衡中，交通出行 者和管理者在决策时都不知道对方所选策略;而在Stackelberg均衡中，交通管 理者能够在决策之前知晓出行者的行为遵守Nash均衡，交通管理者在进行决策 时将出行者响应也考虑在策略选取中[115]。 交通中的 Stackelberg均衡是一个信息不对称的博弈过程，在博弈过程中， *管理者先确定控制策略g，出行者根据管理者所提供的策略求取最优路径，并h 且要使得: max(,)Zgh h,hH (2-42) **得到最优解管理者再通过调整控制策略g来调整，使得路径效用hg()hg() 函数: * max(,())Zghgg,gG (2-43) 我们可以看到这个博弈过程是有严格的次序性。博弈过程如图: * 交通出行者 h交通管理者 控制策略g 选择最优路径 图 Stackelberg均衡博弈过程示意图 对Stackelberg均衡的定义如下: **交通管理者与交通出行者的博弈策略组合同时满足条件: (,)gh *max(,)Zghmax(,())Zghg; hg,hH,gG (2-44) 这个博弈就是Stackelberg均衡，即: t,,rsrsmin()()Zhtctdt, ,,,gnp,0g,nrsp (2-45) 45 中南大学博士学位论文 第二章 RTTIS与交通系统效率 m约束条件: gtG(),i T*rsrsrsrs，，,,htH()， Ethhtdt()()0,,npn,,npnpnp,0，， (2-46),rsp Stackelberg均衡 2.5小结 在本章中对研究RTTIS的相关理论和方法作出了概述，其中交通理论模型是RTTIS研究的重要基础理论;多智能体与交通仿真作为交通研究的和优化有着重要的地位;而交通中的博弈在近年是RTTIS研究的核心理论之一，对于交通诱导与解释诱导效果有着广泛的应用。 46 中南大学博士学位论文 第三章 RTTIS与交通系统效率 第三章 RTTIS与交通系统效率 3.1 RTTIS效用评估的重要性 随着3S理论技术、信息、通讯、控制、计算机技术的发展，RTTIS从软件到硬件获得前所未有的提升，许多从前的疑难问题问题都得到了很好的解决，如:实时交通信息的实时性，由于先前技术的的限制，交通实时信息从收集到加工到出行者收到信息是有时间延迟的，这个时间延迟很容易造成交通的波动，而现在的相关技术可以使得这一延迟时间大大缩短，缩短到可以以忽略的地步。从而为近年的RTTIS的普及创造了良好的物质基础，随着商业上对导航系统的不断推广普及和城市交通状况改善要求日益强烈，RTTIS的普及程度已经非常高了，人们可以通过导航系统、Internet网络、城市无线电广播系统等接受实时交通信息数据[28]。 实时交通信息的发布多大程度的提升了交通效率这个问题在近几十年出现过很多的研究。从最先开始的时候人们怀疑发布实时交通信息给所有出行者会恶化交通状况，从而降低了交通系统效率，到人们普遍接受实时交通信息的发布能够提高系统及个人效率，已经有非常多的研究成果。但是现有的成果人不能解决该领域最新发展的需求。在RTTTIS日益被普及和推广的今天，我们有一个非常基本的问题就是:实时交通信系统的装备在出行者中的装备比例是不是越高越好呢,RTTIS是不是仅仅只提高装备该设备的出行者的交通效率而损害了未装备该系统的出行者效率呢,前期的研究多数建立在平行路网结构上的，只有少数采用真实的路网数据和结构，那么前期研究能够适用于所有城市的路网结构么,这些问题是我们目前所面临的紧迫问题，如果像本文第一章中所述，前期研究认为当装备比例超过60%时系统变得比没有使用RTTIS更加糟糕，那么我我们现在的商业行为和政府的导向是不是就存在了问题呢,那我们不是正在作与系统优化相反的工作呢,这些问题都是迫切需要解决和回答的问题。 通过传统的数学分析和宏观仿真方法很难对现实环境中的微观互动行为产生的宏观效应作出准确的观察查分析[116]。在我们的试验中将采用基于微观多智能体交通仿真技术来研究、解决我们所提出来的问题。在实验中，和以往的 47 中南大学博士学位论文 第三章 RTTIS与交通系统效率 研究不同，我们采用三种能够广泛代表城市地理特征抽象路网结构的路网—平行、格状路网、环状路网来研究上述问题，以解决研究结论的普适性问题。在我们的研究中，与前人研究相比主要侧重于以下三个方面:(1) 使用多种给予城市路网结构抽象路网结构;(2)分别对装备和没有装备RTTIS的出行者效率同时作出研究和对比;(3) 详细地按装备RTTIS比例增长分别对三种路网环境中两个群体(装备RTTIS，没有装备RTTIS)交通效率作出研究。 尽管多数研究支持RTTIS的装备会提高交通效率，但是多大比例的装备会提高能过最大限度体的提高交通能够效率了, Arnott是最早从事RTTIS研究的人员之一，在他的论文―Does providing information to drivers reduce traffic congestion?‖指出RTTIS仅仅对装备RTTIS的个体出行者有益，能够提高他们旅行效率，但是对整个交通系统和没有装备RTTIS的出行者的作用却是相反的，也就是降低他们效率[117]。随着研究数量和深度的不断增加这结论很快就被修改，如:Chorus在研究中得出结论 RTTIS 在提高个体旅行者的交通效率同时也提高了个体所在的整个交通系统的效率[1, 118]。Abdalla和Abdel-Aty的研究表明高质量的实时交通信息能使接受该信息的个体旅行节约多达44.7% 的旅行时间[119]。此外，很多先前研究表明不同出行者在装备同一RTTIS中的表现也不同，Ben-Elia发现缺乏长期旅行经验的人的交通效率在装备RTTIS后与其他的旅行者相比旅行效率能够获得更多的提高[20]。Ziegelmeyer等指出使用RTTIS的驾驶员在一个更广的时间范围内到达目的地。他们指出能够在一个更广的时间范围内到达的原因是因为驾驶员为了避免交通堵塞尽量不在同一时间出行[26]。Selton 与其他学者把RTTIS的有效性与驾驶员对交通信息的反应所采取的措施联系起来。他们的研究表明驾驶员对实时信息采取背道而驰的方法比直接从RTTIS获取信息做出反应更为受益[35]。该结果与Abdalla 和Abdel-Aty [119] 的研究结果不谋而合，再次强调了驾驶员对从RTTIS获取的信息采取主动的出行和路线选择的重要性。 研究者一直对整体交通效率的提高是否跟驾驶员使用RTTIS的比例有关这个问题充满兴趣。也就是说，驾驶员应该使用RTTIS的比例是否有一个导向性的―神奇数字‖确实提高交通效率的整体水平, Jayakrishnan和Mahmassani 指出连续提高驾驶员RTTIS的使用比例能自动提高交通系统的运行这种观念是错误的[120]。他们进一步指出，当20% 至30%的驾驶员使用RTTIS, 平行网络能达到最佳的运行状态。在之后的研究中，Jayakrishnan 等做出结论:当装备ATIS的驾驶员上升到50%时，交通系统运行效率连续提高，但是当装备ATIS的驾驶员超过50%，装备RTTIS的效果则下降[4]。 同样， Stern 和其他研究者指出， 48 中南大学博士学位论文 第三章 RTTIS与交通系统效率 把实时交通信息传达给部分驾驶员比把实时交通信息传达给全部驾驶员会更好地提高交通运行效率[121]。但是，Hall等学者也有不同意见。他们发现RTTIS的市场占有率的提高，也就是公众采用RTTIS的比率的提高，不会损害交通系统的运行效率[37]。 在先前的这些研究存在有个非常重要的问题，就是这些研究都是采用两条路径的简单平行网络，除了极少数的研究是基于某真实地域路网。这是因为在人们的思维惯性所导致的一个问题，在过去在研究中由于受到实验条件的的各种客观限制(模型计算速度、容量、等)研究人员在设计研究 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 时力求将研究问题简化，而将精力集中在所关注的焦点问题上，这种思维方式从研究方法角度来看无疑是非常正确的，但是交通系统是一个纷繁复杂且各要素普遍关联的系统，忽略交通网络结构得出的结论具有普适性么,所以很有必要引入不同类型交通路网结构来对RTTIS进行研究，我们因此引入在城市路网中较为常见的平行、格状、环状路网，我们主要侧重于以下三个问题的研究:(1)RTTIS使用比例的连续增加是否能够持续提高交通系统的效率;(2)交通系统在引入RTTIS后，没有装备RTTIS的群体能否同时受益，且有多大程度的收益;(3)路网结构是否会影响RTTIS在交通系统中的运行。这些问题是我们发展研究RTTIS中迫切需要解决问题。 3.2效率评价仿真建模 从上一节的论述中我们设计了在三种不同路网结构下建立仿真模型，这些模型是基于VISSIM软件包的。 3.2.1 路网设计 在路网的设计中，我们采用了能够代表大多数城市的抽象路网结构，人如图4-2所示，很多城市路网可由这三种路网通过变形、叠加、拼接等方法得到。如图4-1中分别代表三种典型结构的交通网络，但是它们还包括了其他网络类型叠加，如图4-1(a)对应平行网络结构，而在平行主干道内还有格状路网作更底层交通连接;图4-1(b)对应的格装路网，者也是城市交通中最常见的路网结构;图4-1(c)对应环状路网，这个在中国的很多老、大城市仍然非常普遍。 49 中南大学博士学位论文 第三章 RTTIS与交通系统效率 拉斯维加斯 长沙 北京 图 3-1城市路网地图 在图3-1(a)设计的平行路网中，有16各路段、20个节点所组成和一个OD对所组成，在不断分支的路段中，路段随着节点的递增和分支的增加通行能力也在不断减小，每次的分支是上一路段通行能力的二分之一，当分支增加到8个以后，路段通过节点不断汇集，于之前递减相反，每次汇聚后通行能力增加一倍，直到汇集到终点。每一级路段的长度风别为800，200， 200， 200， 100， 100，200，100，100，200，100，100，200，200，200，和 800米长度。 50 中南大学博士学位论文 第三章 RTTIS与交通系统效率 图3-2 城市抽象路网 我们设计的格状路网中，图3-2(b)，分别由5条平行的东西和南北走向的路段交叉构成，共有25个交叉节点，54个OD对构成，在路网的最外围的半封闭区域，每个区域只拥有一个交通产生点和一个交通吸引点，而相对中心的路段与交叉节点构成16封闭区域中，每个区域内有两个交通产生点和两个交通吸引点(箭头所指的方向向内指向吸引点，向外背相产生点)。在每个交叉节点都设置了以绿波控制原则优化控制的交通灯。每对交叉节点间的距离设置为 800米长，为了模拟车道变换所产生的影响，路段设置为双向16车道。有为了表现交通车流的复杂性，每个区域间都相互存在OD对。 图3-2(c)是环状路网，在这个以中心向四周扩散的网络中，由于几何原因中心的交通压力承受最大的压力，车道的设置和箭头的含义与上两个类型的路网相同，同时也在交叉路口配置了优化的红绿灯。最大环的半径为1.5公里。 为了能够动态模拟交通流的真实变化，我们采用了动态OD矩阵，矩阵的每一对OD间的车流量随时间的变化而变化。变化曲线如图3-3所示，横轴为车流(单位:辆/小时)，纵轴为时间变量(单位:分钟)。在平行路网中，仅在网络的两端口设置了一对OD，车流从东流向西。 51 中南大学博士学位论文 第三章 RTTIS与交通系统效率 图 3-3 网络车流量波动图 3.2.2 模型参数选择 基于多智能体技术的VISSIM微观仿真软件包能够提供丰富的和便捷的仿真建模接口和方法，其中每个对象都可以作为一个智能体来建立模型，如:道路包括道路类型、通行能力、限速智能体等;车辆包括小汽车、公交车、卡车、自行车智能体等;交叉路口的红绿灯智能体。不论车辆智能体的类型，所有车辆根据实验目的被分为两个群体，第一个是装备了RTTIS的群体，第二个是没有装备RTTIS的群体。而在整个系统中装备RTTIS的比例按照10%的间隔从0递增100%(0%,，10%， 20%， 30%， 40%， 50%， 60%， 70%， 80%， 90%， 100%)。而实时交通信息的接受贯穿旅行的整个过程，在出行途中，装备RTTIS的智能体会根据实时交通信息动态选择路径。在迭代仿真过程中，智能体(车辆)会定期评估所它通过路径的交通费用，如果发生堵车现象也会将记录，这些信息被系统记录下来提供作为实时交通信息提供给相关的其它智能体，在第一次迭代仿真过程中，并没有相关的数据记录，因此智能体收到的信息是不完全或者没有经过平滑处理过的信息。 假设所有的旅行者都遵循用户最优原则，他们在基于实时交通信息选择交通费用最少的路段通行，这些路径的探索也是由智能体完成的，在反复的迭代运行中，一个最有路径库形成了，所有的智能体从这个路径库中搜索最优路经，这个路径分为实时更新和迭代更新两部分，只有装备RTTIS系统的车辆才能够从最新的路径库中选择路径。而路径选择函数是基于Logit的随即路径选择函数。 最优路径构造方法: 路径效用评估函数: 52 中南大学博士学位论文 第三章 RTTIS与交通系统效率 1U, (3-1) jCj 其中， U 代表第 j条路径效用，C 带路径j的总体费用。jj 路径选择模型 Logit 函数: k,,,loglogkUkCjjUeej (3-2) (),,,pRjkUkC,,,loglogkiiUee,,,iiii k其中， p(R) 代表路径j的被选概率，U是路径 j的效用, k 是函数的敏感系数jj (>0)。 指数平滑方法: 如果我们得到了一组新的计算数据，我们可以计算其平滑的行程时间，通 过考虑以下两个部分的加权值: ? 旧的已经平滑过的值(从前面迭代计算中得到) ? 新得到的计算值(从当前迭代中得到)。 该平滑计算后得到的值是下一次迭代仿真的期望行程时间。其形式为: nknknk,1,,, TTTO,,,，,(1),,iii (3-3)其中:,为仿真时段的评价时间间隔索引; n 为交通分配的迭代过程的索引; i为通路的索引; nk,为仿真时段,，迭代仿真过程n，通路i 上的行程时间; TOi nk,= 仿真时段,，迭代仿真过程n，通路i 上的期望行程时间; Ti α 为恒定的平滑系数(自定义)。 3.2.3 模型及参数的校准 参考第二章钟仿真参数校准原则方法步骤，在实验设计阶段，我们从第二章中可知我们可以通过在实验的设计阶段采用分析手段可以大大减低参数校准的工作强度和系统仿真的可靠性。所以在本实验中我们在实验设计阶段就从上述角度考虑了参数校准环节的问题。本章实验的研究目的是为了测定在不同网络环境和RTTIS装备比例下系统效率。考虑到实验结果的普适性我们在网络结构、不同类型的的车辆比例等诸多参数上均采用能够适用多数城市交通的值。 53 中南大学博士学位论文 第三章 RTTIS与交通系统效率 在网络结构的选取和设计上，我们参考了现有城市路网选取了8个平行路径、格状路网、环状路网这三种类型的路网来建模，这三种网络结构能够很好覆盖现有的城市路网类型，具有广泛的代表性。这三种路网结构是抽象出来的，但是我们赋予它实际地理交通空间数据，这样我们既能够充分模拟真实世界各要素，又能够最大限度使实验能够接近真实世界多样形态，具有较好的普适性，减少对模型校准参数的数量和工作量。而对于每个车道及路口上的的通行能力我们采用计算和实际迭代仿真方式不断校准。力求能够得到通行上限设置，这样能够最大限度的测定优化潜力。 而对于通过直观方式能够观察到的譬如:车辆的颜色、类型、大小、发动机排量、车辆加速度等，我们通过模型的默认参数进行设定。针对目前国内的家用小车比例及家用机动车辆的拥有率我们对公共交通车辆、家用车辆、货运车辆、自行车辆的的比例进行了设定。 对RTTIS的关键参数，交通系统评估间隔参数(RTTIS信息更新速度)，我们参考了现行RTTIS更新频率和仿真观察测定的方法，通过在反复的的大量重复迭代仿真，我们发现将实时评估间隔设置为3分钟是合适的，因为太短会严重影响系统运行速度，太长会造成实时信息的延误。 对于系统的收敛性系统提供了三个判断参数:路径上的行程时间、每对相邻节点间通路上的行程时间和交通量，这三个参数由用户自己在0-100%范围内的设置参数，当系统的这三个参数在相邻迭代变化范围落在用户设定条件内时系统可以停止运行，确认系统已达到用户收敛设置条件。通过反复迭代观察试验，我们发现经过平滑处理后的仿真系统会降低RTTIS的影响力，因此我们讲收敛条件中的每个参数设定在15%范围内。 3.2.4 交通效率评价指标 在实验结果中我们选取了6个指标来对交通的效率变化作出评价，他们依次是: 平均延迟:每辆车在单独通过该路段或节点过程中的平均时间与车辆仿真过程中通过相同路段与节点的平均时间之间的差。该指标量测了车辆当前交通能够状态相对于理想最优状态的时间费用差。 平均延误的标准偏差:该指标对车辆平均延误的差异性做出了量测，该指 54 中南大学博士学位论文 第三章 RTTIS与交通系统效率 标间接的反映了系统的稳定性。 在节点位置的平均排队长度:该指标对每个路口节点处车辆的排队长度做了记录，并求出均值，该指标是出行者最关心的指标之一。 车辆的平均速度:该指标记录了车辆在路网中的平均速度。 车辆平均停车次数及停车的延迟(不包括公交车正常的站点停车，仅为交通拥堵及红绿灯引起的停车现象):该指标记录车辆由于交通阻塞和通过路口时排队引起的停车次数及等待时间。 在平行网络中由于网络结构简单，并只设定了一对OD，我们采用单位时间内通过该路网的的车辆数目作为该路往的交通效率评价指标之一。 3.3 实验结果与分析 3.3.1平行路网仿真结果 RTTIS使用比例的提高并不一定总是给在平行结构路网中使用或不使用RTTIS的旅行者带来明显的益处。图2表示了当不同比例的出行者(智能体)使用RTTIS时，平行结构路网中交通车辆的平均延迟和平均延迟的标准偏差变化。如图所示，当10%的车辆使用RTTIS时，整体交通延迟大大降低。当RTTIS的使用比例高于10%时，交通延迟出现了上升趋势，RTTIS的使用率少于60%时，上升趋势较为平缓。我们注意到十分重要的一点:当60%或更多的旅行者智能体使用RTTIS时，随着RTTIS的使用比例上升，平均交通延迟上升速度比以前都要快，此时的交通延迟时间比没有提供RTTIS服务的交通延迟时间更长。平均延迟的标准偏差变化和交通平均延迟完全一样，它在一定程度上反映了交通系统的不稳定性。 55 中南大学博士学位论文 第三章 RTTIS与交通系统效率 图3-4 平行路网中不同RTTIS装备比例下车辆平均延迟及标准偏差变化 表3-1中记录了交通系统在不同RTTIS装备比例时平均速度、单车平均延迟、单车平均停车次数和停车延迟的归依化表，我们通过观察可以看出其变化呈现出与图3-1一致。 表3-1 平行网络中不同RTTIS装备比例下车辆运行情况对比 平均速度 单车平均延迟 单车平均停车次数 单车平均停车延迟 RTTIS 装备 没有装备装备 没有装备 装备 没有装备 装备 没有装备装备比例 RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS 0% 1.13 1.13 1.19 1.17 10% 1.59 1.24 1.00 1.00 1.00 1.00 1.00 1.03 20% 1.56 1.23 1.03 1.00 1.03 1.00 1.04 1.03 30% 1.52 1.22 1.05 1.02 1.05 1.03 1.01 1.00 40% 1.49 1.21 1.07 1.04 1.08 1.07 1.03 1.04 50% 1.46 1.18 1.10 1.07 1.14 1.12 1.07 1.11 60% 1.44 1.19 1.12 1.06 1.17 1.10 1.13 1.14 70% 1.41 1.14 1.15 1.11 1.20 1.17 1.31 1.38 80% 1.34 1.08 1.23 1.17 1.29 1.24 1.58 1.64 90% 1.23 1.00 1.35 1.29 1.39 1.37 1.99 2.10 100% 1.00 1.67 1.61 3.08 56 中南大学博士学位论文 第三章 RTTIS与交通系统效率 表3-2记录了平行路网在RTTIS不同装备比例下相同仿真时间内通过该路网的平均车辆数目，我们可以看到，在30%RTTIS装备比例下，通过的车辆数目为最大，而超过60%的时候车辆的通过数目比系统没有装备RTTIS时更低。 表3-2 单次仿真时间通过平行网络车辆数目 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% RTTIS 装备比例 7968 7973 8155 8294 8186 7870 7791 7847 7723 7429 5697 车辆数目 通过仿真实验的结果，对于平行结构路网中的交通效率，我们可以看出以下几点:1. 通过单位时间间隔内通过该路网中车辆数量测量，100%的车辆使用RTTIS实际上会导致最差的交通系统的运行效率。此时的交通效率比只有10%的RTTIS使用率时最好的交通效率差71%。2. 车辆RTTIS的装备似乎没有给个体驾驶员在旅行速度和避免任何延迟带来明显的好处，因为最好的车辆运行效率是当RTTIS只有10%的使用率时(表3-1)。 3. 根据平均速度、每辆车辆的延迟、每次停止的延迟、每辆车辆的停止时间、相同时间内车辆的通行数量的数据表明，当RTTIS的使用率从10%提高至30%时，没有装备RTTIS的车辆运行各指标变化平缓，或者说基本没有变化，但是超过60%以上的出行者使用RTTIS时，这种运行状态受到了明显的恶化，系统的交通效率下降明显。基于以上几个观点，我们完全有理由认为, 在平行结构路网中，高于30%的车辆使用RTTIS比例并不一定使装备RTTIS和没有装备RTTIS这两方的出行者运行效率获得有效地提高。 3.3.2 格状路网仿真结果 在格状结构路网中，RTTIS的使用率的提高使使用RTTIS和没有使用RTTIS这两方的旅行者的运行效率都得以提高。图3表明随着使用RTTIS车辆比例的上升，格状结构路网中车辆平均延迟及其标准偏差的变化。随着系统中更多车辆装备RTTIS，交通平均延迟和它的标准偏差降低。交通平均延迟和它的标准偏差从最高点降低至最低点下降幅度分别是33%和37%。但是，当50%以上的车辆装备RTTIS时，平均延迟和标准偏差的变化趋于稳定。 57 中南大学博士学位论文 第三章 RTTIS与交通系统效率 图3-5 格状路网中不同RTTIS装备比例下车辆平均延迟及标准偏差变化图 表3-4中记录的各参数变化均与图3-3一致，这进一步证明了评估准确性。 表3-3 格状路网中不同RTTIS装备比例下车辆运行情况对比 RTTIS 平均速度 单车平均延迟 单车平均停车次数 单次停车延迟 装备比例 装备 没有装备装备没有装备装备没有装备装备没有装备 RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS RTTIS 0% 1.00 1.96 1.90 1.91 10% 1.05 1.40 1.26 1.44 1.33 1.40 1.23 1.38 20% 1.05 1.35 1.24 1.49 1.22 1.50 1.21 1.42 30% 1.00 1.33 1.31 1.54 1.33 1.50 1.29 1.48 40% 1.01 1.41 1.24 1.42 1.33 1.40 1.21 1.37 50% 1.09 1.49 1.10 1.14 1.11 1.10 1.09 1.11 60% 1.10 1.55 1.08 1.15 1.11 1.10 1.07 1.13 70% 1.09 1.52 1.23 1.17 1.11 1.20 1.09 1.15 80% 1.12 1.61 1.05 1.07 1.11 1.00 1.04 1.06 90% 1.16 1.70 1.00 1.00 1.00 1.00 1.00 1.00 100% 1.13 1.07 1.11 1.07 表3-4记录了RTTIS中最被关注的车辆路口排队状况，我们可以发现其变化 58 中南大学博士学位论文 第三章 RTTIS与交通系统效率 趋势上述参数高度一致。 表3-4 格状路网排队长度对比 RTTIS装备比例 最大排队长度 95%队列长度 平均队列长度 标准偏差 0% 1.49 1.56 1.71 1.62 10% 1.28 1.29 1.45 1.31 20% 1.34 1.34 1.47 1.38 30% 1.34 1.31 1.46 1.35 40% 1.28 1.26 1.41 1.29 50% 1.25 1.2 1.13 1.2 60% 1.10 1.15 1.16 1.15 70% 1.06 1.1 1.15 1.11 80% 1.06 1.08 1.09 1.08 90% 1.00 1.00 1.00 1.00 100% 1.21 1.1 1.11 1.11 为了估计格状结构路网中交通运行状态，研究结果如表3-4所示。在格状结构路网中的系统层面上来说，当系统的运行状态被交通中车辆的队列长度来衡量时，相对于交通系统最好的运行状态时车辆装备的RTTIS的比例是90%。总的来说，当车辆装备RTTIS的比例越大，格状结构路网中装备和没有装备RTTIS这两类车辆的平均速度越快。并且，随着车辆装备RTTIS的比例越大，这两类车辆的各项指标如平均延迟、平均停车次数、每次停车的平均延迟数值均呈下降趋势，各项指标都得以改善。此外，没有装备RTTIS的车辆比已装备RTTIS的车辆这些指标数值的下降趋势更明显，指标的改善幅度更大。因此，已装备和没有装备RTTIS车辆在运行时的区别随着装备RTTIS的比例的增大变得越来越小;当装备RTTIS的车辆比例达90%时，这两类车辆显示出相似的交通运行水平。这些发现表明提供RTTIS能同时提高装备和没有装备RTTIS这两类车辆的运行效率。 3.3.3 环状路网仿真结果 在环状结构路网中，与格状结构路网相似，RTTIS的使用比例越高，越能提高装备RTTIS和没有装备RTTIS两类车辆的运行状态。图3-6表明了在环状结构路网中不同车辆RTTIS使用比例时平均交通延迟的动态情况。图中表明，与格状结构路网非常相似，当更多车辆装备RTTIS时，整体交通系统运行状态得 59 中南大学博士学位论文 第三章 RTTIS与交通系统效率 以改善。当60%以上的车辆装备RTTIS时，平均延迟变化非常小。平均延迟从最高点下降到最低点，降幅达40%。这比平行结构路网中的降幅多25%，比格状结构路网中的的降幅多7%。这个结果表明，在环状结果路网中，RTTIS的装备能最大程度提高交通效率。 图3-6 环状路网下平均车辆延误与标准偏差 表3-5环状路网中不同RTTIS装备比例下车辆运行情况对比 RTTIS 平均速度 单车平均延迟 单车平均停车次数 单次停车延迟 装备比装备 没有装装备没有装装备没有装备装备没有装备 例 RTTIS 备RTTIS RTTIS 备RTTIS RTTIS RTTIS RTTIS RTTIS 0% 1.00 1.55 1.42 1.63 10% 1.02 1.06 1.18 1.47 1.06 1.32 1.27 1.55 20% 1.13 1.25 1.03 1.26 1.00 1.21 1.05 1.28 30% 1.00 1.14 1.18 1.36 1.25 1.37 1.18 1.37 40% 1.09 1.32 1.03 1.15 1.06 1.11 1.04 1.16 50% 1.09 1.41 1.01 1.08 1.06 1.05 1.02 1.08 60% 1.10 1.46 1.00 1.03 1.06 1.00 1.00 1.03 70% 1.09 1.46 1.01 1.02 1.06 1.00 1.01 1.03 80% 1.07 1.47 1.03 1.01 1.06 1.00 1.03 1.02 90% 1.08 1.50 1.01 1.00 1.06 1.00 1.01 1.00 60 中南大学博士学位论文 第三章 RTTIS与交通系统效率 100% 1.05 1.06 1.13 1.06 表3-6环状路网排队长度对比 RTTIS装备比例 最大排队长度 95%队列长度 平均队列长度 标准偏差 0% 1.14 1.19 1.51 1.15 10% 1.10 1.12 1.41 1.10 20% 1.06 1.08 1.25 1.08 30% 1.10 1.14 1.46 1.14 40% 1.04 1.05 1.14 1.05 50% 1.05 1.02 1.10 1.04 60% 1.01 1.00 1.04 1.01 70% 1.00 1.01 1.04 1.02 80% 1.00 1.02 1.01 1.01 90% 1.02 1.01 1.00 1.00 100% 1.04 1.02 1.05 1.04 如表3-6所示，在环状结构路网中，与格状结构路网相似，当系统运行水平用车辆的队列长度来衡量时，交通系统最好的运行状态时车辆使用的RTTIS的比例是90%。随着RTTIS的装备比例的提高，装备RTTIS的车辆和没有装备RTTIS的车辆这两类车辆的系统水平各项指标如平均延迟、平均停车次数、每次停车平均延迟越小，各项指标得以明显改善。从个体车辆层面上来说，当装备RTTIS的车辆比例从0%上升到90%时，没有装备RTTIS的车辆旅行速度能提高50%。另外，仿真结果显示，在环状结构路网中，装备RTTIS车辆比例的提高能同时将装备RTTIS的车辆和没有装备RTTIS的车辆这两类车辆的运行效率提高。 3.3.3 结果分析 表3-7记录了不同路网结构中车辆的运行情况，根据平均行驶速度总结了个体车辆在不同路网结构中的运行状态。如表所示，平均行驶速度越快，个体车辆的运行状态越好。根据表2显示的结果，我们看出以下两点:1、在平行结构路网中RTTIS的使用比例高于30%时，装备了RTTIS和没有装备RTTIS这两类车辆的平均车辆速度并没有得以明显提高，但是在格状结构路网和环状结构路网中却刚好相反;2、在三种路网结构中，RTTIS的使用比例越高，没有装备RTTIS 61 中南大学博士学位论文 第三章 RTTIS与交通系统效率 的车辆越受益，特别是在格状和环状结构路网中，当装备RTTIS的车辆比例从0%上升到90%的时，没有装备RTTIS车辆的平均行驶速度在格状结构路网中提高了70%，在环状结构路网中提高了50%。但是，在格状结构路网和环状结构路网中，根据最高平均速度与最低平均速度的比率，装备了RTTIS的车辆的平均速度的提高程度并不显著。在不同RTTIS的使用比率范围内，最高平均速度与最低平均速度的比率少于20%。(表3-3) 表3-7 在不同路网环境中车辆平均速度对比 % of Vehicles with RTTIS 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% High/Low ratio Average vehicle speed on a parallel network (km/h) With RTTIS Speed 17.78 17.4 16.97 16.68 16.25 16.10 15.69 14.92 13.72 11.16 1.59 Ratio 1.00 0.98 0.95 0.94 0.91 0.91 0.88 0.84 0.77 0.63 Without Speed 16.15 17.72 17.64 17.45 17.23 16.81 16.95 16.29 15.45 14.30 1.24 RTTIS Ratio 0.91 1.00 1.00 0.98 0.97 0.95 0.96 0.92 0.87 0.81 Average vehicle speed on a parallel network (km/h) With RTTIS Speed 10.38 10.34 9.89 10.03 10.75 10.92 10.81 11.09 11.52 11.16 1.16 Ratio 0.90 0.90 0.86 0.87 0.93 0.95 0.94 0.96 1.00 0.97 Without Speed 6.72 9.40 9.10 8.93 9.46 10.02 10.42 10.19 10.79 11.45 1.70 RTTIS Ratio 0.59 0.82 0.79 0.78 0.83 0.88 0.91 0.89 0.94 1.00 Average vehicle speed on a parallel network (km/h) With RTTIS Speed 6.89 7.60 6.73 7.32 7.36 7.41 7.32 7.18 7.29 7.04 1.13 Ratio 0.91 1.00 0.89 0.96 0.97 0.98 0.96 0.94 0.96 0.93 Without Speed 5.04 5.35 6.30 5.74 6.67 7.09 7.35 7.35 7.39 7.57 1.5 RTTIS Ratio 0.67 0.71 0.83 0.76 0.88 0.94 0.97 0.97 0.98 1.00 62 中南大学博士学位论文 第三章 RTTIS与交通系统效率 3.4 结论 (1) 当车辆装备了实时交通信息系统(RTTIS)的比例增大时，装备了RTTIS和没有装备RTTIS这两类车辆的运行状态都得以改善，但是，装备RTTIS的使用效果要因道路路网结构而定。 (2) 在平行结构路网中，当车辆RTTIS的使用比例高于0%并少于30%时，个体车辆和交通在系统水平上都得以提高;当RTTIS的使用比例高于90%以上时，交通系统和个体车辆的运行状态最差。此结果与前面第一部分提到的前人研究的结果一致。 (3) 在格状结构和环状结构路网中，RTTIS的使用比例越高越能提高装备RTTIS和没有装备RTTIS这两类车辆的运行水平。 (4) 在以上三种不同的路网结构中，没有装备RTTIS的车辆从装备RTTIS在交通系统中的使用过程中同时获得了巨大的收益。这种情况在格状和环形结构路网中尤为突出，当RTTIS使用比例的越高，没有装备RTTIS车辆的运行状态总是得以相应的提高。 3.5 小结 本章节引入广泛代表抽象城市路网特征的三类路网,基于多智能交通仿真技术,对不同RTTIS装备比例下的实时交通信息系统效率进行了为全面的仿真研究，得出了与前任不同的研究结论，并解释了其中的原因。 63 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 第四章 RTTIS与交通系统均衡 4.1 交通系统中的均衡 在第二章中，我们提到过由于交通中存在着各类不同策略博弈，然存在博弈那么是不是存在博弈均衡问题呢,答案是肯定的。交通系统中存在着广泛的博弈均衡，如:出行者之间的对等博弈产生的Nash均衡;交通管理者和出行者之间对等博弈产生的Cournot均衡;还有交通管理者与出行者之间的非对称博弈产生的Stackelberg等。 在交通能领域也存在对均衡的定义，Wardrop 在1952 [5] 发表的论文中指出:交通网络中的出行者都试图选择最短路径，而最终是被选择的路径的阻抗相同且为最小，从而达到一种均衡状态，这种状态被称为―用户均衡状态‖，而这个原理又称用户最优原理(Wardrop第一均衡原理);而从交通管理者的角度出发，每位出行者的出行路径分配遵循使系统总阻抗最小的原则，通俗地说就是系统的交通分配使所有出行者的平均旅行时间最小(Wardrop第二均衡原理)。 那么Wardrop均衡和博弈均衡有什么样的关系呢,我们通过用户均衡的定义不难发现，其实Wardrop均衡就是一种博弈均衡。根据Wardrop均衡描述，交通网络中的交通出行者都试图选择最小通行费用的路径，而最小通行费用路径并不是固定不变的，随着每一位出行者都选择费用最小路径，那么该路段的车流量会急剧上升，从而导致通行时间费用持续增加，与此同时其他路径的的车流量减少通行费用下降产生了新的最小通行费用路径。这一过程显然是动态的，每一位参与者如果现在这个博弈过程中取得更大的利益那么信息快速更新是决定性的。也许正是这种博弈的需求催生了实时交通信息的产生，RTTIS真好能够满足人们的这迫切需求。 从Wardrop均衡的定义角度来看实时交通信息系统能够帮助系统更快的达到交通均衡状态，从而使得同一起讫点之间不同路径的交通费用相等。也就是说RTTIS起到了一个博弈策略和信息提供平台的角色，这个系统是基于现代化技术建立的，它完全能够提供各种类型的信息和策略，在这个平台下，博弈方可以在博弈信息对等或不对等的状况下进行博弈。E. Ben-Elia的研究表明在交通 64 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 系统中引入RTTIS后，基于Wardrop均衡理论出行者之间的非合作博弈将会使系统演化得到一个纳什均衡[122]。而在Davis的实验表明在简单的一个平行路网中(一条为主干道，一条备选辅道)，基于不同的条件(在备选道路上限制交 ]，结果却表明如果简单的在系统中植入RTTIS不能通车辆的数量和不限制)[32 够使系统建立Wardrop均衡，但是，如果在辅道上设限制车辆流量条件，系统能够达到近Wardrop均衡状态。 在交通系统均衡状态中，用户均衡状态是系统最常见的和最初级的均衡状态。我们知道在交通系统的系统最优解，也就是遵循Wardrop第二均衡原理交通分配的解可以通过数学方法求得，但是在现实世界的交通环境中几乎无法实现或者说要付出巨大代价才可能实现的。因为每一位出行者的合法交通行为是交通管理者不能指定的，而每一位出行者都会基于自身的交通需求选取最优路线。这使得用户最优均衡条件最容易达到。基于交通的公平原则，交通管理者有义务向每一个出行者提供相应的公开信息，如果交通管理者出于系统最优配流原则向不同用户提供不对等信息，那么就会有违上述原则，从而失去公信力度，那么信息的提供也不会成为人们参考的对象，这样可能会使得交通系统更加不可控。 有很多研究者基于博弈论对交通均衡问题作出研究[114, 123, 124]，在先前的研究中，对于交通均衡问题的研究主要集中在利用交通均衡原理来进行交通配流，而很少有人来研究现实社会中是否真的存在交通均衡现象，没有面向复杂系统仿真再现用户均衡的存在。也没有用仿真手段在复杂网络条件下研究证明在交通系统中植入RTTIS后系统能够达到某种交通均衡状态，并且这种状态使得系统能够得到优化。 4.2植入RTTIS后系统的均衡 RTTIS被认为是一种提高交通效率减少交通阻塞有效的技术手段。系统收集、分析、发布实时交通数据，如道路的关闭、流量甚至天气对道路通行能力影响等等[125]。在实时交通信息的支持下，车辆驾驶者相信能够更好的在出发前和旅行中选择最优的路线从而实现旅行成本(时间和金钱)降低，同时也减少了燃油的消耗，降低了对环境的危害。在美国有评估报告称超过60%的出行者都会在出发前或者旅行中收听交通实时信息[7]。 65 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 当交通系统中植入RTTIS之后，整个系统会发生什么样的变化呢, 综合前人研究来看，多数研究结果支持交通在交通系统中提供交通实时信息能够提高整个交通系统效率。但是诚如我们上一节所分析的，RTTIS的植入为交通博弈提供了一个更加快捷的信息支持，但是RTTIS的引入在现实世界中是情况是非常复杂的。这些博弈中的局中人由于不同的目的和条件可以分为三类群体—装备RTTIS的交通出行者、没有装备RTTIS的交通出行者、交通管理者。装备RTTIS与否的出行者一般均以自身交通费用代价最小目标资助或不自主地参与博弈，而交通管理着往往以整个交通系统优化为目标参与博弈。 首先，交通管理者在RTTIS的设计、使用、管理等各方面与普通的出行者相比拥有绝对的主动权，如上一节我们分析中所述，出于种种原因，通常情况下交通能够管理者是不直接参与对出行者个体的博弈，其能够保证所提供信息的真实性，但是管理者与出行者群体间是存在着博弈的—管理者从系统优化目的出发调整交通系统的控制和信息发布，而出行者力图获得最新有效信息获得个人通行费用最小。其次，出行者之间的博弈也是复杂的:装备RTTIS的出行者和没有装备RTTIS的出行者之间存在博弈;装备RTTIS的出行者之间存在博弈;没有装备RTTIS的出行者之间存在博弈;装备RTTIS群体与没有装备该系统的群体间的博弈。 在以上的博弈中，管理者与出行者之间的是非对称博弈，而装备RTTIS和没有装备RTTIS的出行者之间也是非对称，在这些博弈中谁是最受益群体、次受益群体、受益最少、不受益、甚至受到了损害的群体呢,这些博弈会不会使系统达到一种动态均衡状态呢,而均衡状态是不是就代表系统就能获得效能提升呢,这些是很值得研究的问题，本章将通过实验结果回答这个问题。 在研究中人们还发现，当交通系统引入RTTIS后，在路网中出现了交通―震荡‖或者某种交通流的波动(oscillation)。有研究者认为这是由于提供实时交通信息会使驾驶员们产生相同或类似的反应，即同时选择一条备选路线，这样会导致新的交通堵塞。而这一现象在网络中不断反复被复制，重复出现。Ben-Akiva 通过分析认为如果太多比例的驾驶员从RTTIS中接受相同信息或建议后会同时选择备选路径，从而产生这一现象[33]。Stern也有类似的结论，在他的研究中称提供实时交通信息能够提高交通系统的运行效率，但同时会产生更多的交通阻塞[121]。 Selten在研究中发现，这种交通波动使他得的实验无法收敛[35]。Wahle指出他们在交通系统中引RTTIS后也观察到交通的波动现象[23]。但是这一现象似乎并没有引起研究这个足够重视，他们在研究中仅仅只是通过简单的分析说明论述了这一现象，而更多的精力侧重于关注RTTIS对交通系统的负面 66 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 影响。他们将这一现象归结于以下两点 :(1)当受到某一路段交通阻塞信息后，驾驶员的选择具有趋同性，也就是受他们同时选择了相同的备选路径，这样造成了备选路径很快出现车流量过多的现象，从而产生了新的交通堵塞;(2)交通的实时信息存在时间延误(Time Lag)。 前人的研究为了简化研究问题，除了极少数使用真实交通网络，大多数研究均使用简单的平行结构网络。而真实路网的使用仅仅只是在某些个例当中，平行路网也仅仅只能代表局部路网特征，在进行研究时，简化化问题确实起到很好的作用，但是它们的结果缺乏普适性。上述研究结果是否能够够适应各种类型的网络仍然是个疑问。我们的问题是:在当系统运行在Wardrop第一原则下，交通系统植入RTTIS后是否有用户均衡状态存在;驱使系统达到用户均衡状态是否能够优化整个系统效率，也就是说―用户最优‖和―系统最优‖之间是否存在一致性。考虑到城市交通路网的复杂性，我们仍然选择三种抽象路网来进行实验。 4.3 RTTIS作用下的交通均衡仿真设计 Wardrop均衡理论建立在两个假设上面: 第一条是交通出行着能够获得准确交通路网和路径交通费用的信息;第二条是所有交通出行者都会选择费用最小的路径。由于RTTIS的植入，使得第一个条件能够好的被满足，而条件二在系统中也会被严格设置。基于先前的研究，我们的仿真设计目的主要有三个: (1) 在交通系统植入RTTIS后是否有交通用户均衡存在; (2) 交通均衡状态下交通的效率能否得到提高;(3) 更进一步的了解RTTIS在交通优化中所起的作用。我们在地理空间上均匀分布的构建OD(出行起讫点)矩阵。这样的设计使得交通流量更容易在地理空间上均衡分布。所以路径选择成为引起交通扰动的唯一因素。这个设计在静态上最大的接近Wardrop均衡最终形态条件。下面我们解释交通仿真建立的物理条件、模型、参数、交通路网、交通效率、交通均衡的评估参数和方法。 有三种抽象路网在仿真中被使用，如图1a、b、c所示，交通信号灯设置在每个路口，交通工具有小汽车、卡车、公共汽车等，这些车辆均为智能体。而代表每个交通出行者的智能体被分为两类:装备RTTIS和没有装备RTTIS。装备有RTTIS的车辆会在出行前和路途中获得动态实时交通信息。在每次迭代仿真过程中，路径中的每个路段的旅行时间都会被记录下来。当发生交通阻塞时，智能体的等待时间也会被记录下来。已备后来的智能体选择路径参考使用。 67 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 4.3.1 路网结构 在路网结构上我们依然选用在效率评估仿真实验中的所使用的三种抽象路网，如图1所示。图4-1(a)中为平行网络结构, 图4-1(b)为格状路网结构, 图4-1(c)是环状路网结构。其参数设置校正也均与第四章相同。 图4-1 仿真路网结构: (a) 平行路网; (b) 格状路网; (c) 环形路网 4.3.2 模型与算法 在仿真试验中首先我们要构造博弈的策略函数和策略集，然后根据均衡模型设定均衡条件: a. 策略函数的构造 在仿真软件VISSIM中, 智能体之间的博弈是通过策略集来实现的，从一个策略集中选择最优策略来实现通行费用最小。我们在这一步面临的第一个问题是智能体博弈原则，即路径选择的策略。在日常城市交通出行费用中我们一般最关心的三个要素为旅行时间、道路收费、路径长度。出行者的策略选择通常是以总体通行费用最小为原则，我们可以建立以下模型来实现路径选择原则: 首先，三要素所形成的通行费用评价函数: 68 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 CTSM,,，,，,,,, CS其中，为总体通行费用;为行程时间;为出行距离;为经济费用;α，TM β，γ为相关系数。 路径的评价的效用函数: 1U (4-1) =jCj 路径选择模型函数和上一章节相比并没有发生太多的改变，智能体的路径选择模型还是使用Logit 函数: kkU,log,,kClogjJUeej(4-2) (),,,pRJ,,,loglogkUkCkiiUee,,,iiii 在本章的实验中，为了提高博弈特征其中模型的敏感系数k 被提高了，在这种参数设置下，智能体的选择都以自身利益最大化来进行路径选择。如上模型构成了智能体策略函数。 b. 策略集的构造: 有了路径选择函数也就是在目标规划中的目标确定以后，可选择略策略(策略集)如何构造的呢,和上一章节中使用的方法相同，在定时路经评估中，每个智能体所完成路段行驶后将其所经历的路段的费用记录下来，而系统根据这个记录选出―最优路径‖存放在―最优路径‖子集中。在反复的迭代演化中，由于交通流量的不断变化，―最优路径‖子集被不断被丰富和更新。这个子集便成为后续智能体的最优路径策略库(策略集)，它在装备RTTIS的交通系统中是被动态更新的。而对于没有装备RTTIS的车辆，这个策略库只再每一次迭代之后根据历史集进行平滑更新。因为第一次迭代中，―最优路径‖子集并没有形成，所以在第一次迭代中智能体对路径的选择依据为路径的实际地理长度。 对于装备RTTIS的车辆，为了行程时间建模多次迭代仿真的之后具有经验学习性，行程时间在本次试验中使用指数平滑函数对多次迭代仿真行程时间进行平滑处理，函数如下: nknknk,1,,,TTTO,,,，,(1),,(4-3) iii k仿真时段的评价时间间隔索引;n动态交通分配的迭代仿真过程索; N用户定 n,k义值;i通路索引; TO为仿真时段k，迭代仿真过程n，通路i上的得到的(―观i n,k察到的‖)行程时间;T仿真时段k，迭代仿真过程n，通路i上的期望行程时i 间;恒定平滑系数。 , c. Wardrop 均衡和Nash均衡条件: 69 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 Wardrop (1952)均衡理论, Friesz 建立Wardrop均衡的数学公式条件[126]: 在公式中一个路径流向量 是一个用户优化模式当如果且仅当满足下列ff条件时: , (4-4) f,0 (4-5) fT,,,uU,,pu,pPu , (4-6) fccjP,,,,,0min{:},p,P,,uU,ppujuw , (4-7) ccjPf,,,,,,min{:}0p,P,,uU,pujupw 是一个向量 (…,,…); ffp U 是路径上的交通流量;是OD矩阵集合; fp uU, 是OD对的索引, ; u 是路径索引, ; 连接OD对的路径集合; ppP,Puuu 是个体旅行费用在路径旅行费用;间是OD对之间的最小旅行费用; cp,upu T 是向量 (…, , …); Tu u 是OD对间的交通需求函数。 Tu 在第二章我们有对静态Nash均衡的定义: *****在N个出行者博弈中，策略组合中的是出行者i对于其hhhh,,,,(,,,)hni12 *****他N-1个出行者的策略组合最优策略，即: (,,,,,,)hhhhh,,,,,,iiN,，1211 ******* UhhhhUhhhh(,,,,,)(,,,,,),,,,,,,,,,,,,iiNiiN1212 (4-8) 或者: *******UhhhhUhhhh(,,,,,)max(,,,,,),,,,,,,,,,,,, iiNiiN1212,hHii (4-9) 和上述定义的Nash均衡状态不同，在我们的实验中，交通流的变化是实时动态变化的，博弈局中人也是实时变化的，而出行者仅仅只能拥有自己的策略集(最优路径库)，并不能够知晓其他个体博弈者的策略选择，是不完全信息下的多用户动态博弈。但是我们评价Nash均衡的关键是式4-7，也就是说在静态和动态博弈有着一个共同特点，就是没有又博弈参与者能通过改变自己策略的方式 70 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 来使自己获得更优的交通效率。 4.3.3 参数与模型的校正 在上一章节的实验中我们在实验参数校准方面已经作过大量的工作，根据第二章中的的参数校准原则，我们可以将上一章节中可以使用的多数参数设定照搬过来继续使用，而不需要重复校准。需要调整和重新校准的参数如下: 系统收敛性的条件定义，在上一章的仿真试验中我们在测试RTTIS对出行者的影响时，并没有对收敛条件提出严格的要求，对迭代次数也有限制，因为如果迭代次数过多，路径费用经过平滑后会降低RTTIS的影响力，从而影响对RTTIS的评估。而在本章实验中，对于收敛条件是严格定义的，系统也要经历多达几十次的以上的迭代过程才能进入某一个均衡状态。收敛条件的定义经过反复校正，如果过于苛刻可能永远无法达到收敛，而过于宽松，那么对均衡接近程度不够。我们基于Wordrop均衡条件和系统均衡判定条件将路径上的行程时间和每对相邻节点间通路上的交通量设置条件不做设定，仅设定通路上行程时间变化<5%，作为系统收敛的条件。 路径选择函数敏感性系数，不断提高敏感系数可以使得出行者的选择策略略对于路径费用的敏感性，在本章实验中我们提高了这个参数值。 4.3.4 评估参数选择与设置 在本章中采用交通效率由车辆的平均速度和延时来进行评价，而各路口的平均排队长度、最大排队长度、95%的排队长度和排队平均长度的标准差作为系统效率描述的进一步说明。 在实验中交通路径网络结构是不发生变化的，而改变路径费用的唯一因素就是通路上行程时间变化，也就是说通路上行程时间大通行费用就高，通路上行程时间少通行费用就小。如果通路上行程时间恒定不变，那么交通费用也就不再发生变化。由此我们得出近交通均衡状态收敛条件:由Wardrop均衡条件和Nash均衡条件的数学表达式(4-4)、(4-5)、(4-6)、(4-7)得出由Wardrop均衡的判断条件是:当车辆在每条路径的旅行时间的波动小于5%时，我们可以判定交通状态进入了某一均衡状态。 71 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 4.4实验结果与分析 4.4.1 不同网络下的均衡状态 图4-1 交通波动状态图, (a) 600仿真秒时交通状态; (b) 1100仿真秒时交通状态 图4-3 RTTIS信息发布时间延迟示意图 在平行路网中，交通系统在没有植入RTTIS时能够收敛到均衡状态，而当系统直入RTTIS后，系统中的出行者在有超过30%的装备RTTIS情况下，有强烈的交通波动出现在整个系统中。这个现象可以在仿真窗口直接观察到，如图4-2(a)、(b)所示，这两个图分别在不同的仿真时段先后截取的，图中的小点 72 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 就是智能体(车辆)，在一条路径出现交通堵塞时，很多智能体根据报告选择了另外的同一条备选路径，造成了新的交通堵塞，这个现象交替出现在不同的路径上，形成了车流的震荡现象。这一现象却无法在其他两个路网中观察到。这是一个非常有意思的现象，在这不停的车流震荡现象下，每条通路的通路上行程时间变化小于5%，也就是说系统达到一个动态均衡，数据表明这个现象对系统的影响是负面的。 在先前研究中，有关平行路网结构的交通流波动问题在前面论述中已多次提到，而在文献中没有研究对交通波动形成的原因做出更进一步的研究。我们在图4-3中对引起这一现象的的原因作了图解，除了先前研究中的分析总结引起这一现象的原因(诸如:出行者对信息反映的过度一致等)之外，最根本的问题在于实时交通信息系统的时域限制，实时交通信息给与出行者的是当前交通状况信息，而交通的状态是时变的，如图5-3当出行者得知所选路径状态为畅通(绿色为畅通、黄色为拥挤、红色为堵塞)，可是在出行者到达途径的各通道时交通状态已发生了变化(红色)，这好比成语中的刻舟求剑道理，在简单平行路网中由于备选路径的单一性，交通出行者在发生变化时能够调节的备选方案有限，出行者的一致性无法得到分散，因此强烈的交通流波动变得非常频繁。 表4-1中每种路网结构下的交通状态收敛的状况。通过表1可以知道尽管在平行网络结构中植入RTTIS出现强烈的交通波动，但是这并没有影响交通系统达成用户均衡状态。基于最小费用路径选择原则，智能体的路径选择趋于一致性，造成交通强烈波动。没有智能体能够通过某种选择能够改变这一显现，也就是说这一显现达到某种相对稳定程度，就是均衡状态。 表4-1 不同网络结构下的收敛状态 交通网络类型 平行网络 格状网络 环状网络 RTTIS装备状态 装备 无 装备 无 装备 无 收敛状态 收敛 收敛 收敛 收敛 收敛 收敛 4.4.2 不同的均衡状态下的交通效率 在图4-4(a)中纵坐标是智能体的平均速度，横坐标是网络结构。而图4-4(b)中纵坐标是智能体的平均延误时间，而横坐标相同。而这些数据都是在系统达到用户均很状态之后得到的。结构表明:在平行路网中平均速度，完全植入RTTIS后与没有植入RTTIS后的系统相比智能体的平均速度和平均延时分别 73 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 被降低50%和增加了100%; 而在格状路网和环状路网中，完全植入RTTIS却截然不同。在环状路网结构中，完全植入RTTIS后与没有植入RTTIS后的系统相比智能体的平均速度和平均延时分别被提高了33%和减少了71%;在环状路网中，植入RTTIS后与没有植入RTTIS后的系统相比智能体的平均速度和平均延时分别被提高了33%和减少了50%。 100020 无RTTIS800 15 装备RTTIS600无RTTIS 10 平均延误/(s)400平均速度(km/h) 装备5RTTIS 200 0 0平行路网格状路网环状路网 平行路网格状路网环状路网网络类型网络类型 图4-4 平均速度与延时在不同网络中的对比: (a) 平均速度对比 (b) 平均延误时间 表4-2 在三种不同路网结构中排队长度指标变化表,米, 网络结构类装备RTTIS最大排队长95% 队列长度平均排队长度标准偏差/(米) 型 状态 度/(米) /(米) /(米) 平行路网 装备 10539.3 7782.0 2836.4 2665.7 无 6655.5 3866.8 1990.0 1168.1 格状路网 装备 49670.5 36276.2 10751.6 12812.6 无 51749.5 39869.4 17178.8 14239.8 环状路网 装备 38160.8 28453.8 8224.1 10334.6 无 39920.5 31453.6 15040.9 11800.3 表4-2记录了三种网络结构下的各类排队长度状况。对于平行路网中完全植入RTTIS后与之前相比，参数指标―最大排队长度‖、―95%路口排队长度‖和―排队长度标准偏差‖ 分别增加了58%、 101%、 42% 和 128% 。对于格状路网和环状路网，这些指标都出现不同程度下降。格状路网中植入RTTIS比没有植 74 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 入前个指标分别下降了4%, 9%, 37% 和10%。而环状路网为 4%, 9%, 45% 和12%。 通过实验结果我们可以发现，在三种不同抽象路网中，交通系统都能够收敛到交通均衡状态。完全植入或不植入RTTIS，用户均衡实际上就是完全或非完全信息对称博弈下的Nash均衡，而按比例植入RTTIS则是混合策略下的Nash均衡[127]。 严格意义上的Wardrop均衡条件[128-130] 在进行上百次迭代后依然无法得到，在实验中我们仅仅得到的是一种近似的Wardrop均衡。基于Wardrop 条件的数学条件表达式(6)和(7)如果每条路径的通行时间相等且最小那么系统就达到了均衡状态。 我们发现不论装备RTTIS与否和网络结构变化，交通系统均能收敛于均衡状态，但是均衡状态并不是意味着系统是优化的，在系统达到均衡状态后，系统通路上的交通平均时间变化变得非常微小。而系统是否达到Wordrop均衡状态也不能作为优化的的一个指标，不过在理想状态下，我们仍然基于用户均衡原则通过RTTIS装备比例调节可以将系统有一个均衡状态驱动到下一个均衡状态，通过这种方式可以将系统进行优化。这个结果表明，对交通系统优化影响的最主要的因素是RTTIS装备比例和交通路网结构。 4.5 结论 (1) 交通系统无论是否植入RTTIS系统均能建立用户均衡状态，在达到这种状态后各路径之间的交通费用波动范围在0%-5%之间。 (2) 在系统植入RTTIS后，网络的结构对对系统的效率有着影响。在平行网络结构中系统效率被降低了。而在格状和环状路网中，系统效率得到了很大的提高。 (3) RTTIS是一种交通优化的优秀工具，能够不断的将系统从某一交通均衡状态中转换到另一种均衡状态，从而实现对交通系统的优化。基于Wardrop 第二原则,系统最有原则,系统的最优交通配流能够计算获得。但是我们知道，系统最优在现实世界是很难实现的，因为每个交通者都会选择对于自己最优的路径。所以RTTIS能够在在用户最优原则下实现对系统优化，并在现实社会中易于实现。 75 中南大学博士学位论文 第四章 RTTIS与交通系统均衡 4.6小结 本章节首先分析了交通中博弈形式既有其产生的均衡状态，并对植入RTTIS的交通系统内的博弈及均衡作出了分析，使用基于多智能交通仿真技术证明其存在性和优化性能。 76 中南大学博士学位论文 第六章 总结与展望 第五章 基于3S理论技术的RTTIS 有关3S与智能交通的关系李德仁院士等2008年在《3S与智能交通》一文中指出3S理论技术与智能交通是密不可分的[131]，文中从3S技术与现代交通的关系、地球信息理论对ITS的支撑、地球信息技术在ITS的中的应用、3S技术在交通领域的应用及发展前景五个方面对3S技术理论在智能交通中的应用及前景做出了论述。下面我们分别从GPS、RS、GIS在交通领域中的应用来分析当前应用成果和前景: (1) 关于GPS理论技术在交通领域中已得到广泛的应用，技术成熟，普及程度高，在目前比较成熟的应用有静态方面的应用，交通道路、桥梁及其他交通设施的定位和形变监测;在动态方面的应用有移动车辆的动态定位和导航。 (2) 有关RS在交通中的应用由于成本、技术等因素的限制相对比较少。首先从技术指标上来讲，目前的遥感卫星在空间和时间分辨率还不能够达到实时交通动态采集要求。其次，航空遥感由于使用成本的考虑普及程度也比较低，很多发达国家使用高清度CCD成像设备动态监控城市交通状况，但是从传感器、数据处理和系统管理方面来讲还属于低层次的简单应用。这些并不能代表遥感在交通应用中没有发展前景，从静态角度来讲遥感成像是交通地图数据的重要来源。从动态方面来看其应用更为广阔，它的数据采集范围宽广并具有多光谱采集成像功能，应用潜力巨大，李德仁院士在《3S与智能交通》一文中的―基于多传感器的动态信息采集‖这节中就提到使用航空、航天遥感来实现城市交通动态数据采集，包括交通堵塞、交通事故、全局交通状态等的动态监测。 (3) 有关GIS在交通领域的应用的最为广泛，技术发展快速，目前静态应用方面来看，交通数据的统计、相关性分析、和RS相结合的交通地图制作与更新等都非常常见;而在动态应用方面，交通动态数据存储、挖掘、动态路搜索、与GPS、RS相结合的车辆运行轨迹回放等。 在实际应用中，GPS技术的发展和应用的普及使得这一技术日益成熟并将使用成本大大降低，在车上装备GPS导航系统，不但能够为车辆提供定位导航且能够接受实时交通信息，它成为很多个人和企业交通的必要装备。GIS也在智能交通的发展和应用也受到了极大的青睐，交通数据的存储、挖掘和可视化都离不开GIS，由于各大商家和政府的推动，GIS也从原来学术专业范围走出来被人们广为所知。而遥感技术在交通方面的应用相对比较薄弱了，由于使用成本 77 中南大学博士学位论文 第六章 总结与展望 和遥感技术的限制，遥感在交通领域的应用和研究相对比较少，但是通过不少的实际应用，如谷歌遥感电子地图等，人们对它的认知程度也逐渐提高了。GPS、RS、GIS的实际应用中不是相互孤立的，它们是相互交叉和联系的，比如在交通导航形同中，GPS和GIS紧密结为用户实时提供定位，并根据定位信息通过与GIS的互动动态显示和计算路径。 总而言之，3S技术在交通领域中的应用是广泛的，潜力是巨大的，并且与交通理论技术之间的整合日益加强，尤其是GPS、RS、GIS之间的相互结合在交通领域的应用更为明显。在本章中我们将尝试通过3S在RTTIS中的应用功能的拓展，进一步推动3S技术的在交通领域的应用。 5.1现有RTTIS体系结构及存在的问题 5.1.1现有RTTIS应用框架 现有RTTIS应用系统框架可见下一页的图5-1。 5.1.2现有RTTIS存在的问题 我们在应用框架中发现，RTTIS主要由数据的采集、数据传输、数据挖掘、数据可视化与表达四个主要环节组成。在数据采集方面，现有的RTTIS采用主要采取在路口埋设磁感应线圈和安装专用摄像枪来采集路段交通实时路况信息，主要量测每个路口的车流量、车流密度、流速数据、交通阻塞等数据。但是我们从传感器中不能直接得到这些参数的结果，这些参数结果是通过加工、计算、甚至人为参与才能够获得。 对于安装磁感应线圈及与其类似的检测传感器方法有如下弊端: (1) 在许多城市中，已建成的道路上多数并没有安装磁感应线圈和与其 类似传感器，如果安装这些设施要重新在道路上进行施工，会影响正常的交 通秩序，另外在北京、上海、广州等这类超大城市中，路口众多，每个路口 埋设磁感应线圈需要投入大量的人力物力，且需要建设每个装置与控制中心 的通讯线路。 (2) 采集数据不能覆盖整个路段，每个磁感应线圈只能采集路段的某一 个截面，比如:某路段磁感应线圈在某时段所采集的数据为零，即没有车流 量通过该路段，但是我们无法判断在此路段上是发生交通堵塞引起车流速度 78 中南大学博士学位论文 第六章 总结与展望 数字通数字通 实时交通数据采集 实时交通数据挖实时交通信息可视化与表讯 讯 掘 达 传道影文数语互无无 感路像字字音联线线导器管数信传信网广、 航数理据息感号络播有 系据系挖挖器识终接线 统 统掘掘信别端收电 数号接装话 据挖收置 掘装 置 GPS 道 专其图语数语语语路用他 像义字义音 音磁摄识识信判、信 感像别别号定图 息 应枪 处文 线理数 圈 据 道天道公其 路气路路他 收状管、桥 费况理等状输信 设况入息 施 输输开入入 关 闭 状 况 输 入 图5-1 现行RTTIS应用框架图 79 中南大学博士学位论文 第六章 总结与展望 为零还是这个路段在该时段没有车辆通过，因为这两种状况都会是的检测传 感器得到相同的数值。由于磁感应线圈的这种数据采集方式，我们无法准确 的判断整个路段车流量密度、平均车速、路段局部车流状态等。 (3)无法采集动态OD数据，安装路口感应装置无法得到OD矩阵，虽然我们检测了每辆车，但是我们无法判断他的起讫点，也无法从数据中的推测出或者预测出OD矩阵，而Od矩阵有时我们进行交通管理和诱导的关键核心数据。 对于路口安装摄像枪的采集方式，它有着与磁感应线圈相似的问题，路口摄 像枪数据采集器存在的弊端: (1)同样有着区域性的弊端，由于受到地形的限制，每个摄像枪所采集的数据都受到视界的限制。 (2)视频采集受到天气的影响，在恶劣天气状态下，如:暴雨、雪、大雾等数据的质量都要下降。 (3)数据的冗余度很大，视频数据的容量是巨大的，它的传输、处理都是一个非常棘手的问题，很多情况下都是要人工处理，效率低下。我们要从视频数据中要获取的信息往往是很简单的，比如车流量密度、车速、有无交通堵塞等，但是视频信号中的汽车色彩、形状、大小、路面的形状、大小甚至天空、建筑等很多信息被不断重复采集并传输回指挥控制中心，这些信息冗余度巨大，这给数据传输、处理、存储造成了很大的负担。 由于现有RTTIS传感器种类众多，所得数据差异性大，这对于数据传输与处 理存在巨大的阻碍。数据中心需要分别对不同的数据单独进行处理，这不利于 数据的联合分析。对于数据采集的差异性如下: (1)摄像枪采集的采集的影像数据和磁感应线圈等采集的数据内容存在差异性，摄像枪采集的为连续影像数据，而磁感线圈所采集的是数字信号。 (2)数据文件格式存在很大的差异性，影像文件和数字信号的传输存储格式完全不同。 (3)传输、存储数据容量存在差异性，影像数据文件容量巨大，往往是磁感应线圈采集数据的几百甚至上千倍，它们对存储速度和容量的要求也不一样。 (4)处理方式不同，磁感应线圈采集的数据往往不具有直接的可视性。所以要通过专用数字信号处理算法进行加工处理，而影像数据往往是具有可视性的，有的RTTIS中可不加加工直接交给用户自行判别。 80 中南大学博士学位论文 第六章 总结与展望 数据传输、存储、挖掘环节的问题: 在图5-1中，GPS在RTTIS中仅仅出现在应用终端环节，其作用是为车辆自身提供定位信息，而导航系统通过出行者提供的到达目的地为出行者提供可选路径信息。实际上这种方式忽略了信息中心和出行者之间的信息互动，RTTIS在这种模式下的工作仅仅相当于一个信息提供者的角色，是被动的。为了改变这种应用模式的弊端，我们可以将出行者的位置信息和目标地点的动态信息通过导航系统终端采集传送回信息中心。但是这又产生一个新的问题:出行者愿不愿意将自己的信息传送给公共的信息指挥中心,中心如何保证个人隐私的安全,这是我们改进系统所必须面临解决的问题。 有采集数据的差异性，信息中心需要分别对不同的数据采取不同的软硬件来处理，数据也很难进行联立挖掘。比如:我们要获取一个交通路口的实时交通状况，那么我们首先要观察车流量、流速、密度，但是这些数据往往不能通过一个传感器得到，除了观察磁感应线圈所传回的数据，我们还要观察影像数据，综合得到路况信息。这个过程很难自动实现，需要专业人员的参与，这样降低系统的工作效率，在有些系统中，信息中心直接将路口影像传输给出行者，有出行者自行判断。 5.2 GPS 在RTTIS 中的应用扩展 5.2.1GPS导航系统与RTTIS中数据互动 GPS可以作为RTTIS系统核心构件之一的条件已经成熟，首先从技术上来说，目前市场上所装备的GPS导航设施已经发展到第三代了，并拥有实时交通信息接受和显示的功能，其技术成熟，产品完善，且稳定性较高;其次，从市场占有率和投入成本上来讲，目前的GPS导航系统市场占有率大(大部分新购置车辆均装备该系统)，价格低廉。 在上一节中所举RTTIS局部传感器的弊端可以通过GPS导航系统与RTTIS整合，完全能够克服。从而实现个人GPS导航系统与控制中心信息资源共享合实现交通系统与出行者最优的高度统一。如下整合方法能够实现: (1)GPS可以动态采集车辆地理空间位置信息并实时记录; (2)通过GPS的路径查询选择功能，可以动态记录并构建车辆OD矩阵。这 一点是非常重要的，这个数据会使得交通管理、协调有质的飞跃; (3)通过周期性定时采集车辆位置变化信息，可以计算出车辆移动速度、车 流量密度、车辆拥堵的准确信息; 81 中南大学博士学位论文 第六章 总结与展望 5.2.2隐私保护问题 在GPS导航系统大量装备车辆之后，如果其能够和交通指挥控制中心建立合作和信息共享关系，其空间位置信息及移动路经被实时记录下来。这就出现了个人隐私保护问题。这个问题将会受到社会的严重关注，如果解决不好，将成为新一代系统推广的强大阻力。在这个问题上可以借鉴谷歌的思路，将个人标志性的信息隐藏，比如说车辆的具体特外观特征、车牌号等。 5.3 多光谱遥感在交通中的应用 城市交通交通空中监测已经在国内外很多城市得到应用.但是在这些应用中,多数使用的是高清晰CCD成像技术，对于多光谱遥感的应用非常少。多光谱遥感技术在多年的卫星遥感中技术手段已非常成熟，随着传感器的光谱分辨率、空间分辨率和时间分辨率的不断提升和航空遥感不断完善，交通领域引入多光谱遥感技术监测城市交通已具备成熟的条件。而多光谱遥感在交通领域应用中，最为关键的理论技术就是遥感数据的融合了，因为这也是交通数据挖掘中最终将观测结果呈现的必要条件。 多光谱遥感图像数据融合被广泛应用于遥感应用领域。通过对遥感原始数据进行数据融合，遥感应用水平获得了大幅度的提高。长期以来，遥感图像数据融合获得了大量深入研究并且提出了很多技术方法，例如: RGB、PCA、HIS等[132]。 这些方法被广泛用于各个领域。但是面对不同具体领域，基于每个领域的特点，遥感数据处理方法都有特定的要求[133]。随着遥感的广泛应用，以上所列方法无法满足不同领域的日益增长需求。 在这些方法中，数值统计方法一般使用四则运算，这种手段过于简单，难以获得更复杂的要求结果。而PCA法相对更为复杂，广泛用于数据压缩、图像分析、数据融合等领域[134]，并取得了良好的效果。此种方法也存在一些不足之处[132, 135]，例如遥感数据中的弱信号再次处理后将大部丢失。RGB假彩色合成方法是基于成像原理的可视化技术[136]，往往和数值统计方法联合用以数据挖掘。此种方法的局限性在于只能融合三个通道图像。考虑到PCA 、RGB等方法的不足之处，针对交通领域的需求，我们在本章提出了一种新的方法用于数据挖掘和多波段遥感图像数据信息融合。 此种方法基于所有波段平均向量和单波段向量差异性，通过计算k阶中心 82 中南大学博士学位论文 第六章 总结与展望 矩，非线性的放大这些差异性，然后将放大后的差异性用于一系列图像的重建。这种方式能够构建一系列新图像并且有效地增强或简化新图像的信息容量，这个两个相反方向变化的趋势是此方法的重要特征。该方法也可应用于农业灾害、森林火灾、环境污染监测方面，检测与周边环境变异较大区域或遥感分割、分类、微小差异性检测。 5.3.1图像增强方法 在多波段遥感数据中，每个空间点所对应各波段的灰度值构成了遥感特征向量，在特征向量空间中，欧氏空间距离是这个向量空间的一个重要度量[134]，通过计算K阶中心矩可以度量特征向量空间差异性。多光谱遥感影响K阶中心矩的求解数学公式如下: kT，， 5-1 Dymymym(,)()(),,,xxx，， 其中，k为矩的阶数;x为对应点的序列号;为均值向量;D为k阶中mx 心矩;y为单波段对应像素灰度值。 求解公式: mx j1mx, 5-2 ,xiN,1ij 其中，j为特征向量维数; N为目标图像所含像素总数目。 增强后图像输出公式: 1ZDym,(,) 5-3 Dxd 其中，Z为图像输出灰度值;d为图像反演参数。 D 作为多波段遥感数据图像，每个波段都可独立成像，困难的是构建一幅包含所有波段信息的图像。基于可视性的高维数据转换理论[137]，对应于遥感图像像素灰度值特征向量的高向量空间数据可以压缩为低维数据。在计算这些向量的K-TH阶中心矩后，可以用两维数据构建新图像。采用不同的k值水平，融合图像将表现不同特征。这些重建图像可用于不同用途。基于上述思路，我们构造了K阶中心矩算法，图5-1描述的是多光谱遥感影像K阶中心矩方法算法流程示意图，各波段遥感影像I、I、I…在计算机中以矩阵的形式将各波段影123 响读入内存中，通过公式5-2计算均值向量，然后再由公式3-1计算差异性矩阵，并同时放大，最后通过公式5-3，将放大后的差异性矩阵还原为灰度图像矩阵。随着k值增加,D值将会急剧增大，公式5-3中可将D值限制在0-255。D值用于评价各波段对应向量差异和均值向量。为了获得直接视觉效果，使用Z作为灰D度值显示在图像中，这样我们可以获得观测景象差异图。 83 中南大学博士学位论文 第六章 总结与展望 I3… jI2 1 mx,,xiN,1iI1 j kT ，，Dymymym(,)()(),,,xxx，， 可视化影像 1ZDym,(,)Dxd 图5-2. 遥感图像数据处理流程 5.3.2实验结果与对比分析 1) 影像对比 在实验中，为了方便对比，我们所选用来自eCongniton软件的样例中典型区域的Landsat卫星遥感影像数据。所选区域的RBG假彩色合成图像，红外波段图像，eCongnition软件分类结果图像被选定为重建图像的对比图像。其中:图5-3(a)是红、绿、蓝三个波段进行了假彩色合成后的增强影像;图5-3(b)是使用eCongnition图像分类软件进行了彩色的图像分割后的图像，四类物体被显著表示(河流、天地、林地、城市建筑);图5-3(c)是红外波段的灰度图像;图5-3 (d~i)是本文中所探讨方法处理后的新建图像。将图5-3(d)与图 5-3(a)、 5-3(c)对比，在三幅图的红色椭圆区域内，河流支流仅在图5-3(d)中清晰显示。在图5-3(b)， 可以观察到同样现象。随着k值的增大，图像越来越近似于二进制图象。主要差异依然保存的同时许多细节被增强显示。这将导致图像中异常区的边缘清晰化。同时可以发现随着k值的增加，图像的差异性显著增强。通过图像对比我们发现，在低k值的时候，图像是被显著增强的，随着k值得不断增加图像的变化是由繁到简的过程。这样的变化性质为其应用提供了美好的前景。 84 中南大学博士学位论文 第六章 总结与展望 (a)合成图像 (b)易康分类图像 (c) 单波段影像 (d) k=1 85 中南大学博士学位论文 第六章 总结与展望 (e) k=2 (d)k=4 g. k=12 h. k=25 86 中南大学博士学位论文 第六章 总结与展望 i. k=50 图5-3 图像处理结果对比 2) 直方图的变化 将通过柱状图和熵估计实验结果[138]，柱状图的变化可以帮助我们理解k值增加时灰度值的变化。而熵可以帮助我们度量每幅图的信息量。 a. k=1 b. k=2 c. k=4 87 中南大学博士学位论文 第六章 总结与展望 d. k=12 e. k=25 f=50 图5-4. 直方图对比 直方图5-4 (a-e) 对应于图 2 (d~i)图像。通过图 3可以观察到以下结果:当k =1，图像灰度值分布于0~0.9 (a) ; 当k =2，图像灰度值分布于0~1 (b) ; 随着k值的不断增加，灰度直方图的纵向分布越来越窄。这表明灰度值向中等灰度集中。实验结果表明，随着k值的增大，直方图越来越近似于二进制图像。 3) 图像信息熵的变化 信息熵的计算如下: n1HXp 5-4 ()log,iap,1ii 如表1所示，随着k值的不断增加，图像的信息熵也越来越小。融合之后k=1时的信息熵是7.2383，与红波段的4.7202相比，信息量增加84.57%。随着k值的不断增加，包含的信息量趋向减少。这对遥感图像融合很有价值，因为随着k值的不断增加，图像的差异性将更为明显，这正是我们所需要的。它可以用于检测遥感图像中的弱信息。 表3-1 图像信息熵 对应图像 k=1 k=2 k=4 k=12 k=25 k=50 红波段 信息熵 7.2383 6.6109 5.7670 3.0173 2.0698 1.6358 4.7202 5.3.3分析与结论 通过图像、直方图、信息熵的对比可知本文所提出的方法可以产生一系列性能与特征不同图像:在k值较低的时候，本文所提出的方法具有很强的图像 88 中南大学博士学位论文 第六章 总结与展望 增强效果，在图像直观、直方图、信息熵对比实验结果中我们均可以得到支持;而在随着k阶数的不断提高，本算法所产生的一系列图像被简化，直方图趋向二值图像，信息熵衰减显著。本文所提的基于k阶中心矩的方法能够通过k阶数变化实现由图像增强到简化的一系列影像变化。 此方法与易康面向对象的方法相比操作简单，图像性质分布广泛。与RGB、单波段图像信提取方法相比低阶k值时图像得到明显增强，随k值增加所得简化影像地理特征保留显著。与传统的遥感影像加减乘除运算、主成分分析不同，本文所提出的方法所产生的图像有相对比较丰富的特征变化并且变化性质稳定明确，可以作为遥感影像数据融合方法的丰富和补充。 通过基于K-TH阶中心矩的多波段遥感影像数据融合方法可以获得许多优质图像，相对原始图像清晰度被增强，信息容量也可以根据需要增强或简化，更好应用于图像分割或分类。这种新的影像数据融合相比于现有的方法具有以下特点: (1)产生的图像是遥感图像所有波段均值向量特征向量间的差异图。 (2)当 k值处于低水平时，与各波段图像相比，具有较高的图像信息量。 (3)伴随k值增加，图像信息量减少，差异性增强，同时图像内容被简 化。 此文所探讨的遥感图像融合新方式的优点适合用于广泛领域，丰富了现有遥感应用技术理论和方法。强烈推荐其应用于检测农业灾害、森林火灾、环境污染等领域。本算法如果能够得到应用领域的支持，可在在不断应用中发展和完善。 5.4 面向对象的交通时-空数据张量模型 ITS(Intelligent Transport Systems)的提出使得交通系统的现代化和效率提高发生了质的飞跃。而GIS的引入使得智能交通系统得到更进一步的发展和完善。GIS被引入交通领域后，被广泛应用于各类交通问题的研究分析，如:交通数据的时间序列分析、空间路段车流量相关性分析、交通阻塞的预测和分析等。典型的应用有:交通导航地图建立与可视化、路径分析、最短路径寻找等。由于交通数据复杂性，并具有空间和时间属性，在管理和描述上非常困难，如果将交通数据是用简单的文字或图片描述的形式给出，将使得读者非常难于理解。除此之外，交通数据的存储、管理、分析也无法离开GIS技术的支持，而GIS的 89 中南大学博士学位论文 第六章 总结与展望 先天性优势却都能够很好的解决这一问题，它能够有效的存储、管理、分析、提取和显示时空信息在动态变化的交通路段和交通设施的运行情况[139]。 对于RTTIS，实时交通信息的挖掘是数据采集环节的重要部分，如何快速采集、处理和挖掘有用信息是个难题。RTTIS的最新发展，对数据的要求提出了新的要求。近年国内研究者纷纷提出交通协同诱导的想法，这种想法的出发点是基于系统优化思想。希望交通管理者能够通过RTTIS对出行者的路径选择加以约束和管理，使得交通出行者能够按照交通管理者的意志来选择路径、出行时间、出行方式等，从而实现交通系统优化的目的。这个想法是很好的，但是我们知道往往出行者会选择对自己最优或者自己喜好的方式出行，他们对RTTIS所给出的建议会一定采纳么,有的研究者甚至提出交通博弈论，这会使出行者增加对RTTIS的不信任和增加交通出行者的负担，试想如果出行者在出行时要和其他出行者或者交通系统进行博弈，那是多么辛苦的一件事情。所以原原本本的给出最有效的交通实时信息才是能够对出行者提供帮助的最佳方式。交通实时信息应当遵从客观性原则是毋庸置疑的。内容要简洁、可视化程度高、时效性高、智能化程度高。实施交通信息应该包括基于现在交通状况对未来的预测信息，为什么实时交通信息系统中要包含预测信息呢,这个问题我们将在第四章回答。这个预测信息是基于实时信息作出的预测信息，是对实时交通信息的数据挖掘，它的基础还是实时交通信息，他会随着交通形势的改变而不断作出修正，也就是它和实时交通信息一样具有实效性，所以我们认为它属于实时交通信息的一部分。给出实时交通信息，每位出行者也会基于实时信息作出对将来的交通形势的预测和对出行作出一个预规划。对于这部分工作，交通出行者往往只能凭主观意愿作出简单的判断，所以这部分工作交给实时交通信息系统来完成是刻不容缓的，它将极大减轻出行者的负担，并提高决策的质量有着很大的帮助。 而满足所有这些要求，数据的采集、处理和挖掘是核心。有交通数据的复杂性，在很多情况下时空数据很难建立模型，本文引入张量构造时空数据新模型。 智能交通系统ITS(Intelligent Transport Systems)的应用使得交通系统的现代化和效率发生了质的飞跃，而GIS的引入使得智能交通系统又得到更进一步的发展和完善。GIS-T(GIS for Transportation)[140]被广泛应用于各类交通问题的研究分析，如:交通网络车流量相关性分析、交通阻塞的预测、交通时空数据表示等。尤其在交通导航地图建立与可视化、路径分析、最短路径寻找等方面的应用发展非常的迅猛[141]。由于交通数据复杂性，并具有空间和时间两个不同空间属性，在管理和描述上非常困难。而GIS的先天性优势为交通信息的有效的存 90 中南大学博士学位论文 第六章 总结与展望 储、管理、分析、提取和显示提供了良好的支持[139]。 实时交通信息系统RTTIS(Real-time Traffic Information)作为ITS的核心组成部分对其研究与应用在近年也受到了很大的关注[142]，而实时交通信息的数据挖掘是RTTIS建立高质量数据源的关键环节，虽然GIS-T已经提供了许多时空数据模型[143]，但是如何建立一个高效的时空数据模型仍然是个难题[144]。RTTIS的最新发展，对数据的要求提出了新的要求。要求交通GIS能够与ITS更好的结合，提供的时-空信息数据模型能够尽量完整地保留时空信息，减少数据冗余，且能够进行代数运算，以便能够方便的被现有数据挖掘工具使用。然而现有的GIS-T时空输数据模型对RTTIS的支持是不够的。 为满足新的要求，本文引入张量和张量代数，基于面向对象的方法对交通时空数据的特征和内在联系作了充分的分析后，提出了交通张量时空数据新模型。在本文的第一小节中介绍了张量的概念与张量代数，第二节里分别对交通中的时间对象和空间对象进行分析，在第三节构造出张量数据模型，并举例，最后在结语中对本文做出总结。 5.4.1 现有交通时-空数据模型 Hagertrand在1970年就提出了时空立方体模型[145]，时空立方体限定由三维空间组成(时间维、空间二维坐标)。其构造简单易于理解，但是这也是其应用上的弊端，首先是怎样确定时间维度的大小问题，其次是空间平面二维的构造也很难确定，如果仅仅选取平面地理坐标(x,y)来建立模型，将会产生庞大冗余的数据，且无法将空间相关性信息表达出来。序列快照模型，快照使源于数据库快照概念，那么就会出现数据更新后，以前的数据会丢失，而其又很难建立时空对应关系，这个模型很难实用。除此之外还有基态修正模型、时空符合模型、面向对象的时空数据模型、基于图轮的时空数据模型等。 2005年佘江峰对时-空数据模型研究作了评述[146]，在文中他将时空数据模型建模方法划为面向过程、面向时间点、面向对象、面向时-空推理四类时-空数据建模方法，并对它们的优缺点作了评述。面向过程的时-空数据建模方法能能够很好的描述事物的变化过程，但是却缺乏对事物本来属性的描述。面向时间点的数据建模方法着重于对事物因果关系的描述，但是缺乏时间序列特征的描述。面向时-空推理的建模方法中，将时间划分为点或者时间段，而划分原则并不是基于时间的序列顺序原则的，它侧重于静态的逻辑推理，缺乏动态时序性。 91 中南大学博士学位论文 第六章 总结与展望 面向对象的方法既囊括了上述建模方法得优点，也同时解决了上述建模方法的缺陷:解决了面向过程建模方法中缺乏对事物本来属性的描述、划分问题，从人们思考和认识事物习惯出发来进行建模，同时将时间变化序列也作为对象来处理，这样也解决了面向时间点建模方法的弊端，通过时-空对象的演化，事物逻辑推理过程也能动态的表达出来，因此面向对象的时-空建模方法逐渐成为目前时空数据建模方法的主流。 5.4.2 张量和张量运算 (1) 张量的概念 张量的概念源于高斯(Gauss)、黎曼(Riemann)等的微分几何学，它是向量与矩阵应用的推广。一阶张量就是向量，是二阶张量可以被看成矩阵，三阶张量构成一个数据立方体，高阶张量类似数据挖掘中的高维数据立方体。张量有着严格的数学定义和运算规则[147]。这些运算规则为张量的应用提供了基础，可以同通过计算实现不同需求下算法的要求。 (2) 张量运算 a. 张量的和与差: lll，，,,,，hhh，，,,,，kkk，，,,,，12i12i12iBU,CU, 同阶张量能够进行加减运算，若，， 就A 有: AB,C= (5-5) hhh，，,,,，12ikkklll，，,,,，，，,,,，1212ii b. 张量的外积: 不管阶数是否相同张量之间都能相乘，乘法称为外乘，乘积称为外积(outer product)也是一个张量，所得积的阶数是相乘因子阶数之和。如: ()ABAB,, (5-6) lll，，,,,，12illlkkkkkk，，,,,，，，,,,，，，,,,，,121212iii c. 张量的缩并: 张量的其中一个上标与一下标相等时，即将上标遍历1,2,…,n，再将这n项'''kkkkkl，，,,,，,,,,,,,ikkklll，，,,,，，，,,,，,1212'1212iiiBU,求和，这一过程称为缩并。若，AU,，则: [;(1:)(1:)]ABii, kki1 (5-7) ,,,,()()AB，，,,,，，，,,,，''',kkklll,,1212ii，，,,,，,,,kkkkkl,,,,1212'ii,,11kk1i d. 张量的范数(Frobenius): kkk，，,,,，12iAU,定义1 张量的范数， 92 中南大学博士学位论文 第六章 总结与展望 kki12 (5-8) AAAiiA,,,;(1:)(1:),,，，,,,，kkkF12i,,11kk1i 张量的范数表示该张量的大小，而其平方表示张量能量。 5.4.3 时-空对象的建立 面向对象的思想方法中，被研究事物都被转化为对象的形式存在，这样符合人们在日常生活中的思维方式，因为人在认识世界的时候往往是以对象为整体来记忆、分析、研究的。如在研究交通问题时，交通堵塞就可以作为一个对象:所有的车辆在某一时间点的前后几个时间点上车的平均车流速度低于某一值。它的由时间段、车辆密度、车流平均速度、道路空间位置等等构成。 (1) 时间对象构建 在本文中我们将时间对象由它的构成方式划分为:点、线、面和体时间对象，他们分别是时间不同组合形态。时间上的点就是某一时刻,它由一个时间点t1所构成;线是一系列点所构成一维时间向量，由一系列连续采样时间点ttt,,,,,,12n所构成;而面和体是指时间维度的二维和高维组态,由时间矩阵和高维张量 lll，，,,,，12itT,所构成。 交通数据采集中，无论是在路口安放磁感应线圈，还是通过路口摄像装置或者航空设备，记录的都是点状数据(在某一时刻交通状态)。而交通是一个随着时间连续变化的状态量，它所产生的一系列现象(对象)是在一段连续时间上状态组合。就像我们刚才提到的交通堵塞，如果没有前后数据连贯分析，我们仅凭一个时间点上的采集数据无法判断某一状态是不是交通堵塞，也无法描述他的程度和特征。一维时间点所组成的时间序列就是交通研究中最常用的形式。 时间对象的二维和高维形态有多种构成方式。在交通数据分析中，时间数据往往会随研究对象不同有着不同的组合方式。比如在交通分析中，交通状态变化在每一天的不同时间段有着不同变化规律(上、下班高峰、夜晚出行等)，而一个星期、季节和年的交通变化也有着自己的变化规律。交通研究的目的就是捕捉和研究这些规律，在研究交通问题的时候要根据研究目的不同确定研究对象。人们的活动是按时间周期来进行的，通常可选择不同的时间周期来建立模型。当然为了简化建模，通常其他的组合方式也可以通过简约的方式转化为一维时间序列。时间序列根据不同的对象特征的周期被划分成若干段，而每一段时间序列的交通变化就可以作为一个对象来处理对待。 93 中南大学博士学位论文 第六章 总结与展望 (2) 空间对象构建 a. GIS-T空间对象的点、线、面 在GIS-T领域，地图上的点通常代表路网的节点，另外也代表起点(Orinig)和讫点(Destination);线代表路段;面代表交通的产生吸引区域，这和GIS上空间的点的定义有些不一样。 在研究交通问题并建立数学模型的时候我们不能只考虑单个节点的数据变化，空间信息的相关性是必不可少的因素。那么怎么样将空间信息元素引入数学模型呢,在传统的数据表示方法里，将空间上几何二维坐标系中坐标(x,y)直接过引入数据模型当中去，这个时候再和时间因子联合建立三维数据模型(时间t，平面横坐标x，纵坐标y，这个数据模型被称为时空立方体[145]。时空立方体建立了时间和空间点之间的联系，但是在交通研究领域，以空间上的点来作为研究对象是不合适的。因为研究交通问题时，往往是以对象的方式来进行思考和表示的。具体来说，我们往往是关心某一路段或某一区域的交通状况，而不是某一个坐标点上的交通状况。注意我们这里所指路段定义: 定义1:在交通路段中，除去与该路段相连接的交通产生和吸引区之外，车辆只能从一端流入，从另一端流出，而除此之外没有第三个端口可以流入或者流出车辆。 和交通导航地图所表示路段交通状态类似，对于我们所定义的路段上的任何一个点都与该路段上的其它点有着相同交通状态性质。如图1所示A、B区域周边的路段，每个路段上行驶车辆都在两端端口流入或流出。当然在流入交通节点之后，会分别流向与节点相连接的下一个路段和区域。下面我们从交通流量形成和表现来分析交通空间信息对象。 b. 交通区域状态对象的评估 如图1所示，交通的产生和吸引区域A和B之间产生交通流是这样形成的:出行者从A区出发首先到达与A区相接的路段上，由于车辆在我国均遵循右行原则，车辆行驶方向如图1中箭头所示(任何车辆进入或离开该区域都要遵循箭头所指的方向行车)，然后通过分布在每个角上的节点流入其它交通区域，最后到达与B区相接的路段到达目的区域B。从图上看在空间上交通区域与包裹它的路段是强烈相关的要素。 94 中南大学博士学位论文 第六章 总结与展望 交通 产生交通节点相接的道路A区B区区域 A起点起点 交通能够吸引区域相接的道路讫点讫点 交通吸引区B图5-5 交通流形成原理图 再看图2，我们发现交通的表现和执行都在路段上，交通信息的描述往往是针对路段交通状态的，交通状态的产生和表现也是在路段上的，通过我们对交通路段的定义，我们知道交通路段上的所有点交通状态是相同的。在这里我们发现如果使用地理坐标点就会出现大量的信息冗余。 交通信息 时间 交通路网信息 交通路况信息 面 点 线 平均车速 节点 交通出行产生、吸引区 车流密度 ((( 路段 图5-6 交通研究对象分解图 在以往的空间关系模型中，只考虑到空间坐标，而空间坐标在地理空间上仅仅只代表一个点。而交通是交通产生和吸引区域通过连接的路段产生的交通流。使用路段作为交通描述因子更为合适。这里还有一个因子就是交通产生吸引区，它是与路段紧密相关的，如何将空间上将路段与交通产生、吸引区联系起来，并建立相应的地理空间关系数据模型是研究交通问题的关键。由上述分析我们给出: 定义2:在某一时刻在于交通产生或吸引区相接的每个路段上车流速度的和与该区域面积的比称为交通区域信息评估因子，用字母S表示。 95 中南大学博士学位论文 第六章 总结与展望 qqq，,,,，12n由定义得: (5-9) S,G n是与该区域相切的路段序数，代表第n条路上的车流速度，G是该区域qn 的实际面积。在这个定义中我们建立了交通区域(面)与交通路径(线)联系，并将这两个交通信息基本要素联合表示出来。 c. 空间对象的建立 Egenhofer将地理面和面空间关系划分为八种[148]，分别为:相离(disjoint)、相接(meet)、相叠(overlap)、相等(equal)、包含(contains)、在内部(inside)、覆盖(covers)和被覆盖(convered by)。如图3所示,在四邻域中的每个邻域都是交通产生区，同时又是交通吸引区。每个邻域的4条边(道路)就是交通吸引和产生区的承载，同时又承载其它区域的车流量。道路与所包围的区域空间上是相接的关系。从空间拓扑关系来看，4邻域的四个区域是相接关系，6邻域中的外围8个区域与中心区域是相接关系，而8邻域中的外围12个区与中心4邻域区域也是相接关系。但是8邻域东边四个南北方向首尾相接的区域与西边四个南北方向及北边四个东西方向与南边四个东西方向的区域是相离的关系，但是它们地理空间上来看它们是间接相关的，在交通上具有强烈的空间相关性。我们将交通信息区域评估因子S计算出来后，使用矩阵将R将每个邻域的空间相关性矩阵记录下来: 22，33，44，，，。这样交通区域的地理空间相关信息就被保留和RU,RU,RU,468 表示出来。 起点讫点起点讫点8邻域8邻域8邻域8邻域起点讫点起点讫点起点讫点起点6邻域6邻域6邻域起点讫点讫点起点讫点4邻域4邻域起点讫点起点讫点8邻域8邻域8邻域8邻域讫点起点讫点起点讫点起点起点讫点起点6邻域6邻域6邻域讫点起点讫点起点讫点起点讫点起点讫点8邻域8邻域8邻域8邻域讫点起点讫点起点4邻域4邻域起点讫点起点讫点起点6邻域6邻域6邻域N起点讫点起点讫点NN讫点起点讫点8邻域8邻域8邻域8邻域 讫点起点讫点起点 图5-6空间邻域关系图 5.4.4 张量时-空数据模型 (1) 张量时空数据模型 利用张量可以表示和运算高维数据的美好性质，对于时间对象我们可以根据 96 中南大学博士学位论文 第六章 总结与展望 不同的研究对象建立一维或高维张量，如:针对交通堵塞建立一维时间描述状态张量或针对某个区域的交通5年内交通堵塞演化规律建立高维张量ttt,,,,,,12n lll，，,,,，12i。 tT, 在空间对象上，我们首先采用交通区域信息评估因子来表示区域交通状况，将交通路段与交通区域这两个最受关注的对象合二为一表达出来，再依据地理空间交通区域分布拓扑关系建立空间相关性矩阵，这样交通状态信息的空间关系被完整的表示和保留下来。对于交通的邻域空间关系我们其实还可以扩展到三维或者高位空间中去,比如在交通区域于面与面的平面拓扑关系扩展到体于体的三维空间关系。在分别确立交通时间和空间对象后，我们将研究问题的时间 kkk，，,,,，12i对象与之对应空间对象联合建立时-空间对象张量数据模型。 R (2) 应用举例 下面将已交通高峰期区域交通状态演化研究为例，使用8邻域交通区域空间关系造一个三维张量的交通时-空数据模型。在交通高峰期，每个相邻区域面积的路段都会被充分利用来缓解交通压力，在这种情况下，交通是的时-空转化计算异常频繁，即出现很多以行程换取时间或以时间换取行程的驾驶行为方式。这时候出行者往往需要RTTIS能够提供及时的准确的时空转化计算。 在这个研究对象中，对象状态的演化是在短时间内完成的，我们需要连续精确采样，且时间周期不能超过15分钟，因为超越这一个时间区域那么信息对于出行者会失去时间效应。从出行者实际需求出发，交通出行者关心的是连续短时间内交通状况演化，时间为维度单一，所以我们确立时间对象的具体形式为一维时间序列。在15分钟的时间内设立连续7个间隔均匀的采样点，总共120分钟内车流量采集数据构造了8个7维时间序列向量TDDDDDDD(,,,,,,)1234567样本点。 在城市格状路网中，出行者关心的是空间相关交通区域及与之相接的路段交通状态，因为空间上邻近的交通区域是交通出行者能够及时调节出行路线的首选对象，越临近出行者的邻域，出行者越加关心，所以空间区域的相邻关系因该作为主要因素被考虑到模型中去。所以我们用城市格状路网的8邻域空间中相应每个交通子区域面积和相接路段交通车流速度构造计算评估因子 qqqq，，，1234S,，进而利用8邻域空间关系构造空间相关性矩阵G SSSS，，1234,,SSSS567844，,,RTDDDDDDD(,,,,,,)，下一步是将时间对象与空间对象=1234567,,SSSS9101112,,SSSS13141516，， 97 中南大学博士学位论文 第六章 总结与展望 447，，44，联合得到交通时-空张量数据模型，如图4所示: GR TDDDDDDD(,,,,,,)1234567时间维度 Y 轴 SSSS空间 SSSS维度 SSSSX 轴，，1234SSSSZ 轴,,SSSS5678,,,,SSSS9101112SSSS,,SSSS13141516，， 图5-7张量交通时-空数学模型 张量包含上班高峰期交通空间区域流量随时间变化的信息。这样的数据对于上班高峰车流量变化发布、预测及分析有着十分重要的作用。 5.4.5结语 本文基于对象的思想法分别对交通时间对象和空间对象进行了详细的分析，提出了使用交通空间信息评估因子来表示区域交通状况，并设计了计算方法，由此得出了4、6、8领域空间交通信息矩阵。然后联合时-空对象建立交通张量时-空数据模型。该模型比较客观的反映了人们对交通信息认识方式，消除空间立方体数据模型的数据冗余问题。该模型可基于张量代数进行运算，可作为交通时空数据挖掘数学模型之一。 5.5基于3S的 RTTIS应用框架 98 中南大学博士学位论文 第六章 总结与展望 数字通讯 数字通讯 实时交通数据采集 实时交通数据挖掘 实时交通信息可视化与表达 GPS 影语道互无无 像音路联线线数和数导数信GPS管网广、据GIS 据航据号 理络播有 系挖识系终接线定统掘别 统端收电 位数接装话 成 据收置 图 装 置 GPS多高枪其 图交语语语光清他 像通义音 音谱晰识预判、CCD信遥 别测定图 息 感 与文 决数摄 策据 像支 持 道天道公其 路气路路他 收状管、桥 费况理等状输信 设况入息 施 输输开入入 关 闭 状 况 输 入 RS图3-8 改进后的RTTIS系统应用框架 5.6小结 本章节基于3S理论与技术对现有RTTIS存在的问题进行了分析研究，提出 99 中南大学博士学位论文 第六章 总结与展望 将GPS、RS应用于RTTIS数据采集环节，并提出针对RTTIS多光谱遥感数据挖掘新算法，针对RTTIS的数据挖掘和需求提出了基于张量的时-空数据模型，更新并升级了RTTIS应用系统框架。 100 中南大学博士学位论文 第六章 总结与展望 第六章 研究总结与展望 6.1研究总结 论文首先对推进RTTIS研究与应用的必要和迫切性进行了论述，对RTTIS应用和评估研究方法及理论作出了回顾和分析，在此基础上确立了论文研究的主要内容和思路。在论文中完成的主要工作有: (1) 基于GIS城市交通能够网络分析，使用三类具有城市地理特征的抽象城市路 网，基于多智能体交通仿真技术，对不同RTTIS装备比例下的交通系统效率 进行了详细对比研究并得出相应的结论。 (2) 分析了植入RTTIS后交通系统博弈与均衡问题系，通过仿真实验证明系统均 衡存在性，并得出交通系统均衡状态存在的多样性。 (3) 基于3S理论与技术，提出了RTTIS应用新框架结构，并对多光谱遥感在 RTTIS中的应用提出了基于K阶中心矩的多光谱遥感数据挖掘的新方法。基 于RTTIS系统信息结果特点，提出了交通了新的时-空数据模型。 实时交通信息系统是一个庞大而复杂的系统，论文对其研究仅仅是基于笔者所在学科领域对其中的部分的关键问题和技术作出研究。全文力图从基本理论出发解决RTTIS发展所面临的紧要问题，为了使研究具有灵活的可操作性，研究采用了3S理论技术、多智能体、交通仿真模型领域的最新研究成果与技术。交通仿真建模的校准是一个复杂而又艰巨的过程，直接关系到成果的可信度，为此论文中的仿真研究从设计到输出结果都尽量避免特殊化的设置，在反复的对比仿真结果与理论和现实结果的差异后，最终对仿真个参数进行确定。 论文的研究结论具有比较坚实的可靠性，其成果具有一定的借鉴和推广价值。 6.2研究的创新点 论文的主要创新点如下: 101 中南大学博士学位论文 第六章 总结与展望 (1) 基于先前对RTTIS 的研究和交通GIS理论，提出使用三种具有 城市地理特征的抽象路网来对RTTIS在不同装备比例下交通系统效率 进行研究,解决了RTTIS评估研究结论普适性问题。在该实验中发现 RTTIS交通系统的效率不但与装备比例有关而且与路网结构有关。 (2) 基于实时交通信息数据采集、存储和挖掘提出使用张量来构造 时空数据模型，从GIS空间分析和面向对象的角度实现交通信息时-空 数据有效联合建模，该模型相对以往模型更有效的反应了交通实时信息 时-空数据联动特征，有效消除数据冗余。为进一步提高实时交通信息 数据挖掘能力做出铺垫，对实时交通信息分析应用提供更好地的基础。 (3) 提出了将多光谱遥感应用于交通实施数据采集，并提出了基于K 界中心矩的多光谱遥感影像数据挖掘方法，该方法可以将多光谱数据融 合称一幅差异性图像输出，图像由信息增强到简化的变化随着K值的增 大而变化发生一系列的变化。该方法将图像信息增强与简化这两种反向 需求融于一身，在交通多光谱影像融合中能够更加灵活的被应用于影像 数据挖掘。 (4) 使用基于多智能体的微观仿真模型来对植入RTTIS交通系统中 的交通博弈与均衡现象进行研究，得出交通均衡在动态系统存在的多样 性及交通均衡与交通系统优化的关系。 6.3研究展望 论文中所提及的将GPS用于动态实时数据采集，通过动态OD的收集与路径叠加在交通堵塞的预测与疏导上将会获质的飞跃，如果能在实证基础上建立进一步研究无疑会带了交通系统优化的突破性进展。 102 中南大学博士学位论文 参考文献 参考文献: [1] CHORUS C G, MOLIN E J E, VAN WEE B. Use and Effects of Advanced Traveller Information Services (ATIS): A Review of the Literature [J]. Transport Rev, 2006, 26(2): 127 - 149. [2] BASU D, MAITRA B. Stated Preference Approach for Valuation of Travel Time Displayed as Traffic Information on a VMS Board [J]. Journal of Urban Planning and Development-Asce, 2010, 136(3): 214-224, Sep. [3] ARNOTT R, DE PALMA A, LINDSEY R. Does providing information to drivers reduce traffic congestion? [J]. Transportation Research Part A: General, 1991, 25(5): 309-318. [4] JAYAKRISHNAN R, MCNALLY M, COHEN M, et al., Simulation of Advanced Traveller Information Systems (ATIS) Strategies to Reduce Non-recurring Congestion from Special Events: University of California, Institute of Transportation Studies, 1993. [5] WARDROP J G. [J]. Proceedings of the Institution of Civil Engineers II, 1952, 1(325. [6] JARASUNIENE A, YATSKIV I, KAUNAS UNIV T, Analysis of improvement of road safety using intelligent transport systems (ITS), 2007. [7] ABDEL-ATY M A, KITAMURA R, JOVANIS P P. Using stated preference data for studying the effect of advanced traffic information on drivers' route choice [J]. Transportation Research Part C: Emerging Technologies, 1997, 5(1): 39-50. [8] MARTIN P T. TRAVELER INFORMATION SYSTEMS [J]. 2005. [9] MCMURCHIE L, EBELING C, "PathFinder: a negotiation-based performance-driven router for FPGAs," 1995, pp. 111-117. [10] SARICKS C L, SCHOFER J L, S T S, et al. Evaluating effectiveness of real-time advanced traveler information systems using a small test vehicle fleet [J]. Transportation Research Record: Journal of the Transportation Research Board, 1997, 1588(-1): 41-48. [11] INMAN V, SAFETY U S F H A O O, RESEARCH T O, et al., TravTek 103 中南大学博士学位论文 参考文献 Evaluation, Yoked Driver Study: US Dept. of Transportation, Federal Highway Administration, 1995. [12] SENN L, "SWIFT ATIS: consumer reactions and marketability," pp. I26/1-I26/5 vol. 2. [13] READER N T O. Colorado Mayday [J]. 1998. [14] 杨兆升, 胡坚明, 温慧敏. 城市交通流诱导系统实施框架研究 [J]. ITS 通 讯, 2001: 18-24. [15] JAYAKRISHNAN R, MCNALLY M G, COHEN M I, et al., Simulation of Advanced Traveller Information Systems (ATIS) Strategies to Reduce Non-recurring Congestion from Special Events: University of California, Institute of Transportation Studies, 1993. [16] UNO N, IIDA Y, KAWARATANI S, "Effects of dynamic information system on travel time reliability of road network," in 3rd International Conference on Traffic and Transportation Studies, ICTTS 2002, July 23, 2002 - July 25, 2002, Guilin, China, 2002, pp. 911-918. [17] RICKERT M, NAGEL K. Dynamic traffic assignment on parallel computers in TRANSIMS [J]. Future generation computer systems, 2001, 17(5): 637-648. [18] LIU T, HUANG H, TIAN L. Microscopic simulation of multi-lane traffic under dynamic tolling and information feedback [J]. Journal of Central South University of Technology, 2009, 16(5): 865-870. [19] EMMERINK R H M, VERHOEF E T, NIJKAMP P, et al. Information provision in road transport with elastic demand: A welfare economic approach [J]. Journal of Transport Economics and Policy, 1996: 117-136. [20] BEN-ELIA E, EREV I, SHIFTAN Y. The combined effect of information and experience on drivers' route-choice behavior [J]. Transportation, 2008, 35(2): 165-177. [21] ENGELSON L. On dynamics of traffic queues in a road network with route choice based on real time traffic information [J]. Transportation Research Part C: Emerging Technologies, 2003, 11(2): 161-183. [22] HALL R. Route choice and advanced traveler information systems on a capacitated and dynamic network [J]. Transportation Research Part C: Emerging Technologies, 1996, 4(5): 289-306. [23] WAHLE J, BAZZAN A, KL GL F, et al. The impact of real-time information 104 中南大学博士学位论文 参考文献 in a two-route scenario using agent-based simulation [J]. Transport Res C-Emer, 2002, 10(5-6): 399-417. [24] CHOOTINAN P, WONG S C, CHEN A. A reliability-based network design problem [J]. Journal of Advanced Transportation, 2005, 39(3): 247-270. [25] ABDALLA M F, ABDEL-ATY M. Modeling Travel Time Under ATIS Using Mixed Linear Models [J]. Transportation, 2006, 33(1): 63-82. [26] ZIEGELMEYER A, KOESSLER F, MY K, et al. Road Traffic Congestion and Public Information: An Experimental Investigation [J]. J Transp Econ Policy, 2008, 42(1): 43-82. [27] DAVIS L. Realizing Wardrop equilibria with real-time traffic information [J]. Physica A: Statistical Mechanics and its Applications, 2009, 388(20): 4459-4474. [28] GAO. Surface Transportation: Efforts to address highway congestion through real-time traffic information systems are expanding but face implementation challenges. [J]. GAO-10-121R (Washington, D.C.: November 2009), 2009. [29] GE Y E, ZHANG H M, LAM W H K. Network reserve capacity under influence of traveler information [J]. Journal of Transportation Engineering, 2003, 129(Compendex): 262-270. [30] CHORUS C G, MOLIN E J E, VAN WEE B. Use and Effects of Advanced Traveller Information Services (ATIS): A Review of the Literature [J]. Transport Reviews: A Transnational Transdisciplinary Journal, 2006, 26(2): 127-149. [31] CHORUS C G, ARENTZE T A, TIMMERMANS H J P. Information impact on quality of multimodal travel choices: conceptualizations and empirical analyses [J]. Transportation, 2007, 34(6): 625-645. [32] DAVIS L C. Realizing Wardrop equilibria with real-time traffic information [J]. Physica a-Statistical Mechanics and Its Applications, 2009, 388(20): 4459-4474. [33] BEN-AKIVA M, DE PALMA A. Dynamic network models and driver information systems [J]. Transport Res A-Pol, 1991, 25(5): 251-266. [34] STERN E, SINUANY-STERN Z, SPHARADI Z, et al. Congestion-related information and road network performance [J]. Journal of Transport Geography, 1996, 4(3): 169-178. 105 中南大学博士学位论文 参考文献 [35] SELTEN R, CHMURA T, PITZ T, et al. Commuters route choice behaviour [J]. Game Econ Behav, 2007, 58(2): 394-406. [36] JAYAKRISHNAN R, MAHMASSANI H S, "Dynamic simulation-assignment methodology to evaluate in-vehicle information strategies in urban traffic networks," in 1990 Winter Simulation Conference Proceedings (Cat. No.90CH2926-4), 9-12 Dec. 1990, New York, NY, USA, 1990, pp. 763-9. [37] HALL R. Route choice and advanced traveler information systems on a capacitated and dynamic network [J]. Transport Res C-Emer, 1996, 4(5): 289-306. [38] FAGHRI A, "Trip generation analysis by artificial neural networks," in Microcomputer in Transportation. Proceedings of the 4th International Conference, 22-24 July 1992, New York, NY, USA, 1993, pp. 805-15. [39] ZHENGHONG P, WENTING D, JUNFENG X, "Research on trip-generation forecasting model based on neural networks and genetic algorithms," in 2010 International Conference on Mechanic Automation and Control Engineering (MACE), 26-28 June 2010, Piscataway, NJ, USA, 2010, p. 4 pp. [40] DEY S S, FRICKER J D. Bayesian updating of trip generation data: combining national trip generation rates with local data [J]. Transportation, 1994, 21(Compendex): 393-403. [41] SPIESS H. A maximum likelihood model for estimating origin-destination matrices [J]. Transportation Research Part B: Methodological, 1987, 21(5): 395-412. [42] SHOU-REN H, CHI-BANG C, "Dynamic estimation of freeway origin-destination demand and travel time using extended Kalman filtering algorithm," in 2004 IEEE International Conference on Networking, Sensing and Control, 21-23 March 2004, Piscataway, NJ, USA, 2004, pp. 1329-34. [43] LI J, LIN B, SUN Z, et al. An estimation model of time-varying origin-destination flows in expressway corridors based on unscented Kalman filter [J]. Science in China Series E: Technological Sciences, 2009, 52(Copyright 2009, The Institution of Engineering and Technology): 2069-78. [44] AGENTS A. Multi-Agent Systems [J]. New York, NY, USA. ACM: 394?C401. [45] KITTOCK J E, "Emergent conventions and the structure of multi-agent systems," 1993. 106 中南大学博士学位论文 参考文献 [46] LUCK M. Guest editorial: Challenges for agent-based computing [J]. Autonomous Agents and Multi-Agent Systems, 2004, 9(3): 199-201. [47] CHEN B, CHENG H H. A review of the applications of agent technology in traffic and transportation systems [J]. Intelligent Transportation Systems, IEEE Transactions on, 2010, 11(2): 485-497. [48] GARCIA-SERRANO A, TERUEL VIOQUE D, CARBONE F, et al., "FIPA-compliant MAS development for road traffic management with a knowledge-based approach: the TRACK-R agents," 2003. [49] TOM??S V R, GARC?ªA L A. Agent-based management of non urban road meteorological incidents [J]. Multi-Agent Systems and Applications IV, 2005: 213-222. [50] CHEN B, CHENG H H, PALEN J. Mobile?\C: a mobile agent platform for mobile C/C++ agents [J]. Software: Practice and Experience, 2006, 36(15): 1711-1733. [51] HERN??NDEZ J Z, OSSOWSKI S, GARC?ªA-SERRANO A. Multiagent architectures for intelligent traffic management systems [J]. Transportation Research Part C: Emerging Technologies, 2002, 10(5): 473-506. [52] WANG F Y. Agent-based control for networked traffic management systems [J]. Intelligent Systems, IEEE, 2005, 20(5): 92-96. [53] KATWIJK R T, KONINGSBRUGGEN P, SCHUTTER B, et al. A test bed for multi-agent control systems in road traffic management [J]. Applications of Agent Technology in Traffic and Transportation, 2005: 113-131. [54] LOGI F, RITCHIE S G. A multi-agent architecture for cooperative inter-jurisdictional traffic congestion management [J]. Transportation Research Part C: Emerging Technologies, 2002, 10(5-6): 507-527. [55] ROOZEMOND D A, "Using autonomous intelligent agents for urban traffic control systems," 1999. [56] GUO D, LI Z, SONG J, et al., "A study on the framework of urban traffic control system," pp. 842-846 vol. 1. [57] CHOY M C, SRINIVASAN D, CHEU R L. Cooperative, hybrid agent architecture for real-time traffic signal control [J]. Systems, Man and Cybernetics, Part A: Systems and Humans, IEEE Transactions on, 2003, 33(5): 597-607. 107 中南大学博士学位论文 参考文献 [58] ZHAO J, BUKKAPATNAM S, DESSOUKY M M. Distributed architecture for real-time coordination of bus holding in transit networks [J]. Intelligent Transportation Systems, IEEE Transactions on, 2003, 4(1): 43-51. 59] ZHANG H S, ZHANG Y, LI Z H, et al. Spatial-temporal traffic data analysis [ based on global data management using MAS [J]. Intelligent Transportation Systems, IEEE Transactions on, 2004, 5(4): 267-275. [60] OSSOWSKI S, CUENA J, GARC?ªA-SERRANO A. A case of multiagent decision support: using autonomous agents for urban traffic control [J]. Progress in Artificial Intelligence?ªIBERAMIA 98, 1998: 468-469. [61] SRINIVASAN D, CHOY M. Cooperative multi-agent system for coordinated traffic signal control [J]. 2006. [62] WANG F Y. Agent-based control for fuzzy behavior programming in robotic excavation [J]. Fuzzy Systems, IEEE Transactions on, 2004, 12(4): 540-548. [63] CHEN R S, CHEN D K, LIN S Y. Actam: Cooperative multi-agent system architecture for urban traffic signal control [J]. IEICE transactions on information and systems, 2005, 88(1): 119-126. [64] KOSONEN I. Multi-agent fuzzy signal control based on real-time simulation [J]. Transportation Research Part C: Emerging Technologies, 2003, 11(5): 389-403. [65] MORENO A, VALLS A, VIEJO A, et al., Using JADE-LEAP implement agents in mobile devices: Universitat Rovira i Virgili. Departament d'Enginyeria Inform??tica, 2003. [66] SEOW K T, DANG N H, LEE D H. A collaborative multiagent taxi-dispatch system [J]. Automation Science and Engineering, IEEE Transactions on, 2010, 7(3): 607-616. [67] OSSOWSKI S, HERN??NDEZ J Z, BELMONTE M V, et al. Decision support for traffic management based on organisational and communicative multiagent abstractions [J]. Transportation Research Part C: Emerging Technologies, 2005, 13(4): 272-298. [68] BALBO F, PINSON S. Toward a multi-agent modelling approach for urban public transportation systems [J]. Engineering societies in the agents world II, 2001: 160-174. [69] BALBO F, PINSON S. Dynamic modeling of a disturbance in a multi-agent 108 中南大学博士学位论文 参考文献 system for traffic regulation [J]. Decision Support Systems, 2005, 41(1): 131-146. [70] BURMEISTER B, DOORMANN J, MATYLIS G. Agent-oriented traffic simulation [J]. Trans. Soc. Comput. Simul. Int., 1997, 14(2): 79-86. [71] FISCHER K, CHAIB-DRAA B, MULLER J P, et al. A simulation approach based on negotiation and cooperation between agents: a case study [J]. Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, 1999, 29(4): 531-545. [72] ROSSETTI R J F, BORDINI R H, BAZZAN A L C, et al. Using BDI agents to improve driver modelling in a commuter scenario [J]. Transportation Research Part C: Emerging Technologies, 2002, 10(5-6): 373-398. [73] PANWAI S, DIA H. Neural agent car-following models [J]. Intelligent Transportation Systems, IEEE Transactions on, 2007, 8(1): 60-70. [74] WAHLE J, BAZZAN A L C, KL??GL F, et al. The impact of real-time information in a two-route scenario using agent-based simulation [J]. Transportation Research Part C: Emerging Technologies, 2002, 10(5-6): 399-417. [75] ADLER J L, SATAPATHY G, MANIKONDA V, et al. A multi-agent approach to cooperative traffic management and route guidance [J]. Transportation Research Part B: Methodological, 2005, 39(4): 297-318. [76] SUKTHANKAR R, BALUJA S, HANCOCK J. Multiple adaptive agents for tactical driving [J]. Applied Intelligence, 1998, 9(1): 7-23. [77] HIDAS P. Modelling vehicle interactions in microscopic simulation of merging and weaving [J]. Transportation Research Part C: Emerging Technologies, 2005, 13(1): 37-62. [78] CASTRO DA SILVA B, BAZZAN A, ANDRIOTTI G, et al. ITSUMO: an intelligent transportation system for urban mobility [J]. Innovative Internet Community Systems, 2006: 224-235. [79] LI M, HALLAM J, PRYOR L, et al., "A cooperative intelligent system for urban traffic problems," 1996, pp. 162-167. [80] LIU Z, ISHIDA T, SHENG H. Multiagent-based demand bus simulation for Shanghai [J]. Massively Multi-Agent Systems I, 2005: 309-322. [81] KUKLA R, KERRIDGE J, WILLIS A, et al. PEDFLOW: Development of an 109 中南大学博士学位论文 参考文献 autonomous agent model of pedestrian flow [J]. Transportation Research Record: Journal of the Transportation Research Board, 2001, 1774(-1): 11-17. [82] GAMBARDELLA L M, RIZZOLI A E, FUNK P. Agent-based planning and simulation of combined rail/road transport [J]. Simulation, 2002, 78(5): 293. [83] WEIGANG L, DIB M V P, DE MELO A C M. Method to balance the communication among multi-agents in real time traffic synchronization [J]. Fuzzy Systems and Knowledge Discovery, 2005: 1053-1062. [84] HALL?? S, CHAIB-DRAA B. A collaborative driving system based on multiagent modelling and simulations [J]. Transportation Research Part C: Emerging Technologies, 2005, 13(4): 320-345. [85] ROSSETTI R J F, FERREIRA P A F, BRAGA R A M, et al., "Towards an artificial traffic control system," 2008, pp. 14-19. [86] RAKHA H A, VAN AERDE M W. Comparison of simulation modules of TRANSYT and INTEGRATION models [J]. Transportation Research Record: Journal of the Transportation Research Board, 1996, 1566(-1): 1-7. [87] TAORI S, RATHI A K. Comparison of NETSIM, NETFLO I, and NETFLO II traffic simulation models for fixed-time signal control [J]. Transportation Research Record: Journal of the Transportation Research Board, 1996, 1566(-1): 20-30. [88] WANG Y, PREVEDOUROS P D. Comparison of INTEGRATION, TSIS/CORSIM, and WATSim in replicating volumes and speeds on three small networks [J]. Transportation Research Record: Journal of the Transportation Research Board, 1998, 1644(-1): 80-92. [89] MIDDLETON M D, TRANSPORTATION T D O, INSTITUTE T T, Evaluation of Simulation Models for Congested Dallas Freeways: Texas Transportation Institute, Texas A & M University System, 1999. [90] PREVEDOUROS P D, WANG Y. Simulation of large freeway and arterial network with CORSIM, INTEGRATION, and WATSim [J]. Transportation Research Record: Journal of the Transportation Research Board, 1999, 1678(-1): 197-207. [91] BLOOMBERG L, DALE J, "A comparison of the VISSIM and CorSim traffic simulation Models," 2000, pp. 3-16. 110 中南大学博士学位论文 参考文献 [92] BOXILL S A, YU L, TRAINING T S U C F T, et al., An evaluation of traffic simulation models for supporting ITS development: Center for Transportation Training and Research, Texas Southern University, 2000. [93] PREVEDOUROS P D, LI H, "Comparison of Freeway Simulation with INTEGRATION, KRONOS, and KWaves," 2000, p. 96?C107. [94] BARRIOS E, RIDGWAY M, CHOA F, "The Best Simulation Tool for Bus Operations," 2001. [95] TRUEBLOOD M, ENGINEER P E T. Should I Use CORSIM or SimTraffic? [J]. HDR Engineering Inc. [96] CHOA F, MILAM R T, STANEK D, "CORSIM, PARAMICS, and VISSIM: What the Manuals Never Told You," 2004. [97] KOSMAN K P, HALLMARK S L, POSKA S, et al., "Evaluation of Simulation Models for Project-Level Emissions Modeling," 2003. [98] JONES S L, CIVIL U O A A B D O, ENGINEERING E, et al., Traffic simulation software comparison study: Citeseer, 2004. [99] PANWAI S, DIA H. Comparative evaluation of microscopic car-following behavior [J]. Intelligent Transportation Systems, IEEE Transactions on, 2005, 6(3): 314-325. [100] XIAO H, AMBADIPUDI R, HOURDAKIS J, et al. Methodology for selecting microscopic simulators: Comparative evaluation of AIMSUN and VISSIM [J]. Methodology, 2005: 6. [101] HADI M, SINHA P, WANG A. Modeling Reductions in Freeway Capacity due to Incidents in Microscopic Simulation Models [J]. Transportation Research Record: Journal of the Transportation Research Board, 2007, 1999(-1): 62-68. [102] ROBERTSON D I, "TRANSYT. TRAFFIC NETWORK STUDY TOOL," 1968. [103] CHIOU S-W. An efficient algorithm for computing traffic equilibria using TRANSYT model [J]. Applied Mathematical Modelling, 2010, 34(11): 3390-3399, Nov. [104] BOURREL E, LESORT J. Mixing micro and macro representations of traffic flow: a hybrid model based on the LWR theory [J]. Transportation Research Board. Washington DC, 2003. 111 中南大学博士学位论文 参考文献 [105] BOTTOM J, BEN-AKIVA M, BIERLAIRE M, et al., "Investigation of route guidance generation issues by simulation with DynaMIT," 1999. [106] RAKHA H, HELLINGA B, VAN AERDE M, et al., "Systematic verification, validation and calibration of traffic simulation models," 1996. [107] HELLINGA B R. Requirements for the calibration of traffic simulation models [J]. Proceedings of the Canadian Society for Civil Engineering, 1998, 4(211-222. [108] DIXIT A K, SKEATH S, REILEY D H, Games of strategy: WW Norton, 2004. [109] FUDENBERG D, TIROLE J, "Game theory. 1991," 1991, ed: MIT Press. [110] ZHANG B, FANG S-C. A SELFISH ROUTING BASED NETWORK IMPROVEMENT PROBLEM [J]. Journal of Systems Science & Complexity, 2011, 24(1): 68-78, Feb. [111] ANSHELEVICH E, UKKUSURI S. Equilibria in dynamic selfish routing [J]. Algorithmic Game Theory, 2009: 171-182. [112] IRYO T. On the Existence of Pure Nash Equilibrium in Dynamic Traffic Assignments [J]. 2010. [113] FOTAKIS D, KONTOGIANNIS S, KOUTSOUPIAS E, et al. The structure and complexity of Nash equilibria for a selfish routing game [J]. Theoretical Computer Science, 2009, 410(36): 3305-3326. [114] HAURIE A, MARCOTTE P. On the relationship between Nash?ªCournot and Wardrop equilibria [J]. Networks, 1985, 15(3): 295-308. [115] ROUGHGARDEN T, "Stackelberg scheduling strategies," 2001, pp. 104-113. [116] CHEN X, ZHAN F B. Agent-based modelling and simulation of urban evacuation: relative effectiveness of simultaneous and staged evacuation strategies [J]. J Oper Res Soc, 2008, 59(1): 25-33, Jan. [117] ARNOTT R, DE PALMA A, LINDSEY R. Does providing information to drivers reduce traffic congestion? [J]. Transport Res A-Pol, 1991, 25(5): 309-318. [118] CHORUS C, MOLIN E, VAN WEE B. Travel information as an instrument to change car drivers travel choices [J]. EJTIR, 2006, 6(4): 335-364. [119] ABDALLA M, ABDEL-ATY M. Modeling travel time under atis using mixed linear models [J]. Transportation, 2006, 33(1): 63-82. 112 中南大学博士学位论文 参考文献 [120] JAYAKRISHNAN R, MAHMASSANI H, "Dynamic simulation-assignment methodology to evaluate in-vehicle information strategies in urban traffic networks," 2002, pp. 763-769. [121] STERN ZILA E, SPHARADI EINAR Z. Congestion-related information and road network performance [J]. J Transport Geogr, 1996, 4(3): 169-178. [122] ALTMAN E, BASAR T, JIMENEZ T, et al. Routing into two parallel links: Game-theoretic distributed algorithms [J]. Journal of Parallel and Distributed Computing, 2001, 61(9): 1367-1381, Sep. [123] FOTAKIS D, KONTOGIANNIS S, KOUTSOUPIAS E, et al. The structure and complexity of Nash equilibria for a selfish routing game [J]. Automata, Languages and Programming, 2002: 785-785. [124] ECONOMIDES A A, SILVESTER J A, "Multi-objective routing in integrated services networks: A game theory approach," 1991, pp. 1220-1227 vol. 3. [125] GAO. Surface Transportation: Efforts to address highway congestion through real-time traffic information systems are expanding but face implementation challenges [J]. GAO-10-121R (Washington, D.C.: November 2009), 2009. [126] FRIESZ T L, SHAH S. An overview of nontraditional formulations of static and dynamic equilibrium network design [J]. Transportation Research Part B-Methodological, 2001, 35(1): 5-21. [127] ALTMAN E, WYNTER L. Equilibrium, games, and pricing in transportation and telecommunication networks [J]. Networks & Spatial Economics, 2004, 4(1): 7-21, Mar. [128] CHO H J, HWANG M C. Day-to-day vehicular flow dynamics in intelligent transportation network [J]. Mathematical and Computer Modelling, 2005, 41(4-5): 501-522, Feb-Mar. [129] DENG X D, WU X C, XU J M, New Multiclass Traffic Equilibrium Assignment Model with Similarity Measure, 2009. [130] PAPPALARDO M, PASSACANTANDO M, "Equilibrium concepts in transportation networks: Generalized wardrop conditions and variational formulations," in Equilibrium Problems and Variational Models 68(P. Daniele, F. Giannessi,A. Maugeri, Eds., ed, 2003, pp. 333-346. [131] 李德仁, 李清泉, 杨必胜, et al. 3S 技术与智能交通 [J]. 武汉大学学报 (信息科学版), 2008, 4(33): 331-336. 113 中南大学博士学位论文 参考文献 [132] POHL C. Review article Multisensor image fusion in remote sensing: concepts, methods and applications [J]. International journal of remote sensing, 1998, 19(5): 823-854. [133] EHLERS M. Multi-image fusion in remote sensing: spatial enhancement vs. spectral characteristics preservation [J]. Advances in Visual Computing, 2008: 75-84. [134] SONG Y-C, ZHANG Y-Y, MENG H-D. Research based on Euclid distance with weights of clustering method [J]. Computer Engineering and Applications, 2007, 43(Copyright 2007, The Institution of Engineering and Technology): 179-226. [135] CHUANQIANG Y, XIAOSONG G, AN Z, et al., "An Improvement Algorithm of Principal Component Analysis," 2007, pp. 2-529-2-534. [136] ANASTASSOPOULOS V. Fusion and super-resolution in multispectral data using neural networks for improved RGB representation [J]. Imaging Science Journal, The, 2005, 53(2): 83-94. [137] YANCHANG Z, JUNDE S, "A general framework for clustering high-dimensional datasets," 2003, pp. 1091-1094 vol. 2. [138] SHIFTING L T C H. Contrast entropy based image enhancement and logarithmic transform coefficient histogram shifting [J]. [139] SHAO F, DENG W, ZHANG B, "Traffic Information Management and Promulgating System Based on GIS," in 2010 International Conference on Optoelectronics and Image Processing (ICOIP 2010), 11-12 Nov. 2010, Los Alamitos, CA, USA, 2010, pp. 676-9. [140] ZHANG J, XU Z, WANG Y, "An intelligent traffic information service system based on agent and GIS-T," in 2010 International Conference on Mechanic Automation and Control Engineering, MACE2010, June 26, 2010 - June 28, 2010, Wuhan, China, 2010, pp. 2791-2794. [141] LEVIN E, KUPIEC S A, FORRESTER T, et al., "GIS-based UAV real-time path planning and navigation," in Sensors, and Command, Control, Communications, and Intelligence (C3I) Technologies for Homeland Defense and Law Enforcement, 1-5 April 2002, USA, 2002, pp. 296-303. [142] HAOWEI S, WEI Z, "The dynamic traffic information collection and processing methods of ITS common information platform based on floating 114 中南大学博士学位论文 参考文献 car technology," in 2008 International Seminar on Future BioMedical Information Engineering (FBIE 2008), 18 Dec. 2008, Piscataway, NJ, USA, 2008, pp. 156-9. [143] LI Q, YANG B, ZHENG N. An integrated spatio-temporal data model for GIS-transportation and related applications [J]. Geomatics and Information Science of Wuhan University, 2007, 32(Compendex): 1034-1041. [144] SILVA J P, SANTOS M Y, "Spatiotemporal database models and languages for moving objects: A review," in 5th Iberian Conference on Information Systems and Technologies, CISTI 2010, June 16, 2010 - June 19, 2010, Santiago de Compostela, Spain, 2010. [145] H GERSTRAND T. What about people in regional science? [J]. Papers in Regional Science, 1970, 24(1): 6-21. [146] 佘江峰, 冯学智, 都金康. 时空数据模型的研究进展评述 [J]. 南京大学 学报: 自然科学版, 2005, 41(003): 259-267. [147] ABRAHAM R, MARSDEN J E, RA IU T S, Manifolds, tensor analysis, and applications vol. 75: Springer, 1988. [148] EGENHOFER M J, HERRING J, "A mathematical framework for the definition of topological relationships," 1990, pp. 803-813. 115 中南大学博士学位论文 参考文献 致 谢 116 中南大学博士学位论文 参考文献 攻读博士学位期间参与主要科研项目 117 中南大学博士学位论文 参考文献 攻读博士学位期间发表的主要学术论文 118