买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于智能网联环境的城市路网混合交通流逐日演化预测方法，首先获取路网拓扑与出行需求数据，根据突发事件的类型与位置，将其对交通网络的影响反应至拓扑数据当中，根据路网的路段数据与起讫点数据得到所有起讫点间可行路径数据，将车辆的出行需求分配至路网，进行交通网络流量演化逐日预测，人工驾驶车辆与智能网联车辆的路径感知成本，对不同类型车辆分别求解当日总感知成本最小方程，将求解结果作为演化方向，按流量转化率将前一日流量分布向演化方向移动，得到当日演化结果，实现人工驾驶车辆与智能网联车辆分类预测，迭代执行直至达到预测期限，得到每日的流量结果。本发明能够快速预测突发事件后混合流交通流量演化过程。

主权项：1.一种基于智能网联环境的城市路网混合交通流逐日演化预测方法，其特征在于，包括如下步骤：S1、获取目标路网拓扑数据和车辆出行需求数据；获取突发事件的类型和位置；S2、根据突发事件的类型与位置对交通网络的影响调整路网拓扑，得到新路网拓扑；S3、根据新路网拓扑、起讫点数据得到路网可行路径数据，然后将不同类型车辆出行需求分配至路网，获得分配结果，并形成混合流交通网络流量分布，所述分配结果作为演化过程的初始状态；S4、根据新路网拓扑的前一日网络流量分布数据，结合分配结果进行交通网络流量演化逐日预测，在前一日网络流量状态下通过路段通过成本分别计算人工驾驶车辆与智能网联车辆的路径感知成本；S5、对人工驾驶车辆、智能网联车辆分别求解当日总感知成本最小方程，将求解结果作为演化方向，按流量转化率将前一日流量分布向演化方向移动，得到当日演化预测结果，实现人工驾驶车辆与智能网联车辆分类别预测；S6、将当日演化预测结果作为对下一日预测过程的参考数据，即前一日网络流量分布数据，返回执行步骤S4至S5，直到达到预设期限，获得路网混合交通流逐日演化预测结果；其中，步骤S2包括以下子步骤：S2.1、调整路网拓扑如下式：GN,A→G'N',A'Qa→Qa'a∈A式中G表示调整前路网，N,A分别表示路网中节点集合与路段集合，→表示路网调整过程，G'表示受突发事件影响后的路网拓扑，N',A'分别表示受突发事件影响后的路网节点集合与路段集合，Qa,Qa'分别表示受突发事件影响前后路段a的道路通行能力；S2.2、检验调整后路网拓扑结构的连通性：若存在有出行需求起讫点间无通路连接的情况，则根据实际位置将该起讫点需求移动至起点距离与终点距离之和最小的起讫点需求中，如下式：dw'＝dw'+dw式中,w为无通路起讫点对，w'为起点终点分别距离起讫点w最近的承接起讫点，dw'为承接起讫点w'的出行需求，其中w'满足； 其中ω∈W，W为路网起讫点集合，表示起讫点w在起点位置的横纵坐标，表示起讫点w在终点位置的横纵坐标，该式表示w'与起讫点w起点直线距离与终点直线距离之和最短；步骤S3包括如下子步骤：S3.1、基于广度优先原则，逐个寻找所有起讫点可行路径：从起点开始，根据路网拓扑数据不断向下搜索路段，搜索过程中保留部分绕行路径用于在将路网拓扑结构由路段转为路径过程中，保持交通网络的韧性不变，并避免出现闭环绕路，得到路段路径转化矩阵Δ；S3.2、根据起讫点，将不同类型车辆出行需求分配至交通网络中，并保证人工驾驶车辆分配结果符合基于Logit巢式交叉均衡条件，智能网联车辆分配结果符合用户均衡条件；具体包括以下子步骤S3.2.1至S3.2.5：S3.2.1、计算流量为零时道路通过成本，将起讫点需求按该成本进行全有全无分配，需求全部分配至起讫点内成本最小路径，分配结果作为流量分配初始状态，分配结果符合下式： 式中表示起讫点w中可行路径k的流量，表示该路径初始状态流量；S3.2.2、将路径流量分配结果转化为路段流量，如下式： 式中va为路段a的流量；通过路段流量va分别计算人工驾驶车辆与智能网联车辆的路径感知成本，计算方法如下式： 式中为智能网联车辆在起讫点w之间通过路径k所需要的实际成本，为智能网联车辆在起讫点w之间通过路径k所需要的感知成本，为人工驾驶车辆在起讫点w之间通过路径k所需要的实际成本，μ,θ为巢式交叉Logit模型中的参数，为人工驾驶车辆感知成本误差，是流量需求的对数，表示为： 式中为路径k属于巢m部分的大小权值，μ为嵌套系数，0＜μ≤1,通过下式计算得到： 式中，lm为路段的长度，为起讫点w中路径k的长度，为路段路径转换矩阵的元素，当路段m在路径k中，则反之实际路径出行成本通过BPR函数计算路段通行成本并累加得到，如下式： 式中，cava为路段a在流量为va时的路段通行成本，ca0为路段a在流量为零时的通行成本，χ,β为BPR函数的参数，Qa为道路a的通行能力；S3.2.3、根据计算得到的不同类型车辆路径感知成本，确定流量变化方向，如下式： 式中表示在路径流量向量为fn时路径g的路径感知成本，为路径流量向量为fn时路径k上人工驾驶车辆的流量变化方向，为路径流量向量为fn时路径k上智能网联车辆的流量变化方向，+表示括号内部分大于等于零，则输出括号内计算结果，若括号内部分小于零，则输出结果为零；S3.2.4、将当前流量向流量变化方向移动，移动步长为σ，0＜σ≤1，表示为：fn+1＝fn+σΦfn式中n为流量分配迭代次数；S3.2.5、将fn+1作为新的路径流量，重复步骤S3.2.2至S3.2.4直至符合预设迭代要求I，将得到的路径流量结果分配至路段上，迭代结束要求I计算方式如下： 式中z为车辆类别，z∈Z，Z＝{H,C}为车辆类别集合，为Z类别车辆在起讫点w中最小路径感知成本；步骤S5包括以下子步骤：S5.1、求解下式方程，该方程为基于第m日的人工驾驶车辆感知成本进行全有全无分配，将得到的结果作为人工驾驶车辆逐日演化方向： 式中，为人工驾驶车辆第m日的实际出行成本，求解结果为第m+1日的流量演化方向，m+1日演化结果按照下式计算得到： 式中第m日人工驾驶车辆流量，为第m+1日路网演化流量，ηH为人工驾驶车辆流量演化系数；S5.2、求解下列方程，该方程为基于第m日的智能网联车辆路径感知成本进行全有全无分配，将得到的结果作为智能网联车辆逐日演化方向： 式中，为智能网联车辆第m日的实际出行成本，求解结果为第m+1日的流量演化方向，第m+1日演化结果通过下式计算得到： 式中第m日人工驾驶车辆流量，为第m+1日路网演化流量，ηC为人工驾驶车辆流量演化系数；S5.3、通过步骤S5.1步骤S5.2得到每日人工驾驶车辆流量与智能网联车辆流量相加得到各路径逐日总流量如下式，然后将路径流量分配至路段获得各路段逐日总流量；

全文数据：

权利要求：

百度查询： 东南大学 一种基于智能网联环境的城市路网混合交通流逐日演化预测方法