[發明專利]基于遺傳算法的交通流模擬方法

在審

• 申請號: 201710859604.5
• 申請日: 2017-09-21
• 公開（公告）號: CN107657106A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 楊鑫;栗帥;尹寶才;張強;魏小鵬
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/12
• 代理公司: 大連理工大學專利中心21200
• 代理人: 溫福雪,侯明遠

技術領域

本發明涉及計算機圖形學技術領域，尤其涉及基于數據驅動的真實交通流模擬方法。

背景技術

交通系統的有效性對于現代工業化社會至關重要。隨著工業化的迅速發展，車輛呈現出快速增長的趨勢，隨之帶來了諸多挑戰，比如交通擁擠、交通網絡的設計、信號優化等。這些挑戰對經濟、能源和環境都造成了一定影響，如何去解決這些問題已經成為一個全球化的難題。幸運的是，交通模擬在計算機技術的輔助下已經成為一個有效的解決工具。而且，隨著可視化技術的發展，交通模擬在娛樂產業也有了很大的應用。

交通模擬已經有60多年的歷史了。這個期間，全球各地的科學家們相繼提出并拓展了很多交通模型，試圖能夠真實的描述車輛的交通行為或解釋一些特殊現象，比如交通擁擠、走走停停的現象。最近幾年，計算機可視化的迅速發展使得研究者可以直觀的看到交通流模擬的效果?？偟膩碚f，交通流模擬模型可以分為三類：微觀模擬，宏觀模擬和中觀模擬。

宏觀模型力圖以車的平均密度ρ(x,t)、平均速度v(x,t)及流量θ(x,t)等宏觀量來刻畫交通流。宏觀模擬將車流看作一維連續的流，將每條車道分成大小相等的包體，每個時刻用物理方程更新包體的速度。每輛車的速度是由連續的包體決定的。宏觀模型一般用來模擬大型的交通網絡，關注點更多在交通流的整體行為，不能很好地體現車輛個體的交通軌跡。

微觀模擬旨在為每個車輛的行為建模，希望能夠用一系列復雜的規則去描述車輛的動態交通行為。每個車輛都是一個智能體，能夠對周圍車輛的交通狀態和周圍交通環境做出反應，制定駕駛策略。

中觀模型是介于微觀模型和宏觀買模型之間的一種交通模型。中觀模型用玻爾茲曼類型的方程去模擬交通流的動態過程。此外，有研究者用混合模型來進行交通模擬。Sewall在其著作的論文中提出了一種將微觀模型和宏觀模型相結合的混合模型，并采用實時算法來模擬大規模的交通流。

交通車輛在人們日常生活中的普及使得更多的關注點轉移到交通行為模型和交通可視化技術上。在計算機圖形學領域，交通方面的研究基本集中在兩個話題：傳統的交通模擬和交通重建。交通模擬的核心問題是交通模型的設計。給定一個交通網絡、一個交通行為模型和初始車輛的狀態，這個交通流將如何演進本文研究的是基于微觀的交通模型。微觀模型主要關注一輛車是如何受周圍其它車輛影響來改變自己的行為的。傳統的交通模型一般采用數學方程式來根據周圍車輛的狀態計算當前車的加速度，方程式的設定是基于一定的假設的，并且涉及到的參數也是根據人的經驗值確定的。利用這種交通模型模擬出來的交通流并不能體現復雜多變的真實交通流的特性，因為這種基于數學方程的模型并沒有利用真實的交通軌道數據。當假設不夠精確時，模擬出來的交通流與實際的就有很大差別。所以傳統交通流模擬方法主要存在一下不足：

(1)在模擬過程中沒有真車的概念，每輛車都是虛車，這種方法模擬出來的交通流比較平穩，沒有體現真實世界中變化多端的交通流。

(2)傳統模擬方法采用的是傳統微觀模型，比如智能駕駛模型。這些模型中涉及到的參數是認為根據經驗所設定的，不能很好的體現真實世界中司機的駕駛特點。

真實的交通場景是非常復雜的，司機的駕駛行為是很多不斷變化的因素綜合作用的結果。在很多情況下，司機在駕駛過程中，周圍車輛不斷變化，道路狀況也在發生變化，司機會根據不同的交通環境做出不同的決策，所有這些都導致司機的駕駛行為變化非常劇烈，也意味著控制司機行為的參數也在不斷的發生變化。

發明內容

本發明內容提供一種基于遺傳算法的交通流模擬方法，來克服傳統交通流模擬方法的局限性，交通流模擬系統分為線下學習和線上模擬兩部分。

本發明的技術方案：

基于遺傳算法的交通流模擬方法，步驟如下：

首先收集訓練集，利用遺傳算法從訓練集中學習車輛駕駛模型，然后將訓練好的交通模型應用到交通流模擬系統中，來指導車輛之間的交互行為；

(1)利用遺傳算法線下學習車輛駕駛模型

1)訓練集的提取

訓練集中每個樣本都包含前中后三輛車的交通信息；

2)遺傳算法工作原理