[發明專利]一種基于實測數據的公路橋梁隨機車流模擬方法

有效

• 申請號: 201510075950.5
• 申請日: 2015-02-12
• 公開（公告）號: CN104933284A
• 公開（公告）日: 2015-09-23
• 發明（設計）人: 韓萬水;武雋;趙士良;馬麟;王濤;肖強;吳柳杰
• 申請（專利權）人: 長安大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京名華博信知識產權代理有限公司 11453
• 代理人: 李中強

1.一種基于實測數據的公路橋梁隨機車流模擬方法，其特征在于：所述的公路橋梁隨機車流模擬方法的具體步驟如下：

1).進行公路橋梁隨機車流調查，獲取隨機車流樣本數據：

利用交通荷載信息采集裝置和動態稱重系統進行數據測量，全面采集斷面隨機車流數據信息，并通過現場人工實地調查識別出車輛的具體類型，根據交通荷載信息采集裝置提供的車輛圖像及視頻信息對動態稱重系統所記錄的斷面隨機車流數據進行校核，獲取準確可靠的實測數據作為隨機車流樣本數據；

2).對獲取的斷面隨機車流數據進行隨機車流參數分析，找出與各項實測數據最接近的分布類型及分布參數：

通過分布假設檢驗，針對未知的總體分布或參數，根據樣本或經驗提供的有關分布或參數的信息，對分布或參數提出假設，對抽取的樣本進行正態、對數正態、極值Ⅰ型、威布爾及伽馬五種分布類型的分布假設檢驗，尋找出與實測數據最接近的分布類型及分布參數，為下一步隨機車流仿真方法的實現提供數據支持，并建立車時距、車重、車速和橫向位置分布函數；

3).結合實測的車輛參數分布類型，進行隨機車流仿真模擬，其具體步驟為：

首先，模擬車輛生成：

①.根據各車型的比例，由均勻分布隨機數與實測車型比例數的區間進行比較產生下一步將要進入交通流的車輛的車型；

②.根據該車型的橫向位置分布的比例，由均勻分布隨機數與實測橫向位置比例數的區間進行比較產生該車輛所在的行駛車道；

③.根據其行駛的車道，調用該車道車時距的分布函數，計算出隨機車時距，通過在時間數列上排序，當排列數的時間間隔等于車流時距樣本的時距時，該時間點就生成該輛車；

其次，生成該輛車之后，同時調用該車型的車重、車速和橫向位置分布函數，隨機生成各項參數，加載車輛屬性，隨機生成各項車輛屬性參數；

最后，通過時間計數，確定每一個時刻車輛在橋上的位置，最后通過在時間上的連續，動態顯示車輛的運行狀態，從而建立基于濾過泊松過程的隨機車流仿真模型。

2.根據權利要求1所述的一種基于實測數據的公路橋梁隨機車流模擬方法，其特征在于：在步驟1)中，獲取隨機車流樣本數據包括車型分類、車型構成比例、車流量、車道分布、車速參數、車時距參數、橫向位置參數、車重參數、車質量參數。

3.根據權利要求1所述的一種基于實測數據的公路橋梁隨機車流模擬方法，其特征在于：在步驟2)中，利用K-S檢驗方法對抽取的樣本進行正態、對數正態、極值Ⅰ型、威布爾及伽馬五種分布類型的分布假設檢驗，尋找出與實測分布最接近的分布類型及分布參數，其具體檢驗步驟如下：

對于給定樣本容量為N的樣本空間，假定樣本點符合某一分布，此分布的分布函數為F_X(x)，可以根據樣本值很方便地計算出樣本經驗分布函數曲線呈階梯狀，而假定的分布函數曲線F_X(x)為平滑曲線：

將所有樣本點處F_X(x)與的最大差值稱為K-S檢驗的統計值D，在和處，D＝0；

如果對兩個不同樣本空間的經驗分布函數的分布假設進行檢驗，則K-S檢驗的統計量觀測值為：

對于給定的顯著性水平α，查K-S分布臨界值表得到D_n,α，比較統計量觀測值D與相應臨界值D_n,α：如果D≤D_n,α，則認為樣本符合假定的分布；否則，認為樣本拒絕假定的分布；對不服從以上任何一種假設分布的數據進行最小二乘非線性擬合的方法，尋找出與實測分布最接近的分布類型及分布參數，為下一步隨機車流仿真方法的實現提供數據支持。

4.根據權利要求2所述的一種基于實測數據的公路橋梁隨機車流模擬方法其特征在于：在步驟3)中，在進行隨機車流仿真模擬時，利用Monte-Carlo法產生隨機的時距矩陣，給每個時距矩陣賦予隨機車輛。

5.根據權利要求2所述的一種基于實測數據的公路橋梁隨機車流模擬方法其特征在于：在步驟3)中，在進行隨機車流仿真模擬時，根據實測車輛橫向位置分布類型，通過對分布函數進行Monte-Cralo隨機抽樣，將隨機抽樣值作為橫向位置屬性賦予車輛，據此橫向位置繪制車輛在結構上的位置。

6.根據權利要求1所述的一種基于實測數據的公路橋梁隨機車流模擬方法其特征在于：在步驟1)中，在車速參數的統計時，以小類即12種車型為單位進行統計分析；在步驟3)中，在進行隨機車流仿真模擬時，當具體給各車型賦予車速時，可以按照每種車型各自的車速分布類型來隨機賦予車速,當某個車型的車速服從多個分布時，以具體檢驗時最接近的那個分布類型來代表其分布。