基于Anylogic的道路交通堵塞仿真研究

馬生濤 余 雷 楊 杰 康 緣

(長安大學(xué)電控學(xué)院 陜西 西安 710000)

基于Anylogic的道路交通堵塞仿真研究

馬生濤 余 雷 楊 杰 康 緣

(長安大學(xué)電控學(xué)院 陜西 西安 710000)

交通事故的發(fā)生會導(dǎo)致交通的正常運行效率降低，發(fā)生交通堵塞，甚至造成嚴(yán)重交通癱瘓。為了對交通事故而導(dǎo)致交通堵塞的傳播規(guī)律進行仿真研究，利用Anylogic仿真軟件，運用面向?qū)ο蟮乃枷雽煌ㄊ录熊囕v的行為和特征進行微觀特性描述，針對不同的交通事故類型，分別對交通堵塞的傳播規(guī)律進行模擬。結(jié)果顯示，該模型能夠較好地模擬出交通堵塞的傳播規(guī)律，同時能夠取得評估交通運行效率的有效參數(shù)，為駕駛員的行車路線提供誘導(dǎo)信息。

交通堵塞 建模仿真 傳播規(guī)律

0 引 言

隨著經(jīng)濟的持續(xù)快速增長，交通需求也隨之增加，無論是城市道路還是高速公路都處于高負(fù)荷運行狀態(tài)，輕微的擾動都有可能誘發(fā)交通堵塞，甚至可能導(dǎo)致交通癱瘓[1]，從而對人們造成重要的影響，制約我國經(jīng)濟發(fā)展[2]。交通事故是導(dǎo)致交通堵塞甚至癱瘓的一個極為重要的方面，且有研究表明，交通事故引起臨近路段交通紊亂持續(xù)時間比事故自身的時間還要長[3]。因此探索交通事故的傳播規(guī)律是非常重要的。

國內(nèi)外有很多學(xué)者研究了交通事故傳播規(guī)律，也運用了很多模型和方法，例如排隊模型、交通激波模型等，它們均能反映出事故傳播的一些宏觀特性，無法體現(xiàn)出系統(tǒng)中個體內(nèi)以及個體之間的關(guān)系。

針對目前智能體在交通控制領(lǐng)域的應(yīng)用不成熟，采用Anylogic仿真軟件對道路交通事故傳播規(guī)律進行仿真建模，了解對象內(nèi)以及對象之間的關(guān)系，從而更好地體現(xiàn)事故傳播的微觀特性。

1 多智能體與交通控制

縱觀國內(nèi)外交通堵塞傳播規(guī)律大多是從宏觀層面進行研究，研究方法可以分為排隊論模型和高速激波模型等，然而基于微觀層面的研究少之又少。元胞自動機模型(CA)的興起促進了交通流理論在微觀特性上的發(fā)展，交通領(lǐng)域中的車輛是一個個的離散對象，元胞自動機正好采用離散集來描述對象，因而具有獨特的優(yōu)越性。1983年Wolfram首次提出了184號規(guī)則元胞自動機交通模型[4]，1992年Nagel等提出了針對一維高速交通流車速大于1且剎車概率不等于0的NS模型[5]；1996年Fukui等對NS模型進行簡化，提出了FI模型[6]；但是由于實際交通的復(fù)雜性，用此模型仍然不能描述道路實際情況，針對這種問題，許多學(xué)者提出了各種改進的NS模型和FI模型甚至將二者結(jié)合；例如：WWH模型[7]、上述均是單車道元胞自動機模型，不允許車輛發(fā)生超車行為，王永明[1]針對交通堵塞傳播規(guī)律中分別運用CA模型、NS模型進行仿真研究，提出了改進的CACF模型(雙車道元胞自動機模型)；楊泳[8]運用改進型元胞傳輸模型和動態(tài)隨機交通流分配理論研究了交通堵塞傳播規(guī)律，薛萬東[9]利用混合交通流元胞自動機對環(huán)形交叉口進行建模。元胞自動機從動力學(xué)的層面對交通流進行了研究。許多學(xué)者也利用一些軟件實現(xiàn)交通微觀分析，例如楊嘉等[10]采用VISSIM仿真軟件對微觀交通流程進行仿真和應(yīng)用。本文采用Anylogic仿真軟件通過建立智能體進一步對交通堵塞傳播規(guī)律的微觀特性進行仿真分析。

AnyLogic是一種具有創(chuàng)新性的建模工具，可以虛擬原型環(huán)境。該建模語言已經(jīng)成功應(yīng)用于對大規(guī)模和復(fù)雜系統(tǒng)的建模，模型的主要構(gòu)建模塊是智能體。由于其能夠更快速地創(chuàng)建可視化的靈活的活動對象，包括Java對象；又可以使用多種方法進行建模；在運行環(huán)境中可以直接分析和使用優(yōu)化工具；并且當(dāng)實際系統(tǒng)發(fā)生變化時，只需通過對模型的有效維護就可以改變系統(tǒng)，從而增加模型的使用周期，Anylogic仿真軟件已經(jīng)被廣泛使用[11]。

2 Anylogic仿真建模過程

2.1 系統(tǒng)對象

本文對交通事故導(dǎo)致交通堵塞的傳播規(guī)律進行仿真研究，并且利用Anylogic仿真軟件對整個系統(tǒng)內(nèi)的對象進行微觀體現(xiàn)。系統(tǒng)中車是構(gòu)成整個交通事件的基本元素，車本身的行為和狀態(tài)決定車在一定條件下所處的狀態(tài)和所表現(xiàn)的行為。

2.2 系統(tǒng)對象特性分析

確定系統(tǒng)的對象后，由于車輛本身具有自己的屬性和行為，在該系統(tǒng)模型中，每輛車都有三個狀態(tài)：停止、準(zhǔn)備行駛和行駛，車會在一定的條件下做出相應(yīng)的動作。如果車在行駛的過程中遇到交通事故，首先判斷前方是否能夠通行，然后根據(jù)判斷的結(jié)果做出一定的行為，或轉(zhuǎn)換狀態(tài)，或繼續(xù)保持該狀態(tài)不變。如果車輛在交通事故中處于停止?fàn)顟B(tài)，判斷前方車輛或其他車道側(cè)前方車輛是否通行，當(dāng)條件成熟時，車本身會自動轉(zhuǎn)換狀態(tài)，從停止轉(zhuǎn)換為準(zhǔn)備行駛，進而開始行駛。

2.3 交通堵塞傳播規(guī)律建模過程

Anylogic是一款面向?qū)ο蟮姆抡孳浖鴮ο蟊环庋b在類中，類是對象的載體。本系統(tǒng)是對交通事故引起的交通堵塞傳播規(guī)律的研究，并且是對對象及對象之間進行微觀上的體現(xiàn)，根據(jù)對象本身具有的屬性和行為決定該對象要執(zhí)行的動作。Anylogic既是一款面向?qū)ο蟮幕贘ava的仿真軟件，又具有可視化界面建模的便利性，因此本系統(tǒng)利用面向?qū)ο蟮乃枷脒M行仿真建模。

在對系統(tǒng)的研究思想以及系統(tǒng)中對象明確的條件下，利用面向?qū)ο蟮乃枷耄紫仍诜抡孳浖薪⒁粋€Car類[12]，用于封裝對象車輛。進而對車的屬性和行為進行定義，定義Car類實質(zhì)是畫一張設(shè)計汽車的圖紙。在定義好該類車后，即該類車就具有系統(tǒng)所要求的所有的屬性和行為。

本系統(tǒng)中，定義該類車具有三個狀態(tài)：停止、準(zhǔn)備行駛和行駛，并且定義車在某個狀態(tài)時會接受系統(tǒng)給它發(fā)送的信息或到達(dá)某一時刻會做出相應(yīng)的行為。利用Anylogic的面板窗口，拖動一個智能體到圖形編輯界面并且命名為Car，在新建的Car智能體中，利用面板窗口中的狀態(tài)圖建立車輛的各個狀態(tài)及其各自在接受到系統(tǒng)信息或到達(dá)某一時刻時的行為變遷。如圖1所示。

圖1 系統(tǒng)對象狀態(tài)圖

利用面板窗口中的演示在Car類原點處畫一個小矩形并命名為car來代替車輛，點擊狀態(tài)圖中的“行駛”在屬性窗口的“進入行動”中輸入:car.setFillColor(white)；代表車輛在行駛時顯示為白色，同理定義其他兩個狀態(tài)：car.setFillColor(black)代表車輛在停止時顯示黑色；carlei.setFillColor(gray)準(zhǔn)備行駛時顯示灰色。

有研究表明，大部分的交通堵塞是由交通事故引起的，而由交通事故引起的交通事件有兩種傳播規(guī)律：完全堵塞傳播規(guī)律、部分堵塞傳播規(guī)律[13]，本文分別對上述兩種情況進行仿真研究。(1) 假設(shè)車輛發(fā)生嚴(yán)重事故，即車輛完全堵塞，也就是說交通事故導(dǎo)致事故點后面的車輛全部停止，當(dāng)事故撤銷時，車輛慢慢疏散；(2) 假設(shè)車輛發(fā)生輕微事故導(dǎo)致部分堵塞。

本文所述交通事故的嚴(yán)重性是由系統(tǒng)所發(fā)信息決定的。當(dāng)某一對象接收到系統(tǒng)發(fā)來的消息：“嚴(yán)重交通事故”或“輕微交通事故”，此時，由于本系統(tǒng)采用面向?qū)ο蟮乃枷脒M行仿真研究，又由于該車輛對象本身具有判斷識別消息，并具有作出相應(yīng)行為的功能。即車輛首先會判斷所接收消息的類型，決定是否能夠變道通行；其次判斷事故車輛發(fā)生在哪一車道并作出相應(yīng)的行為動作，該車輛會自動對排在后面的車輛發(fā)送同系統(tǒng)給它自身相同類型的消息；最后當(dāng)該車輛接收到“事故撤銷”的消息時，進行狀態(tài)轉(zhuǎn)換，同時給排在后面的車輛發(fā)送消息，從而疏散事故。

上述是對車類的基本屬性和行為的定義，在該類車中，還需要幾個參數(shù)來存儲模型的仿真結(jié)果，或者用于描述某個隨著時間不斷變化的數(shù)據(jù)單元或?qū)ο髮傩浴nylogic中有一般變量與集變量，通過變量可以建立兩個不同對象之間的聯(lián)系，被連接起來的變量在任意時刻具有相同的值，具體到本模型中[14]，建立變量表，如圖2所示。

圖2 仿真模型參數(shù)

假設(shè)某一路段為雙向三車道，并用在公路上的車輛表示車道，該雙向三車道公路段如圖3所示。

圖3 雙向三車道公路段

為方便表示，對該雙向三車道進行自上而下命名為車道1～6，車道1～3為車輛自右向左行駛，車道4～6為車輛自左向右行駛。agentLocation1、agentLocation2、agentLocation3分別表示車道1和4、車道2和5、車道3和6的事故發(fā)生車道標(biāo)號。agentStart1、agentStart2、agentStart3分別表示車道1、2、3上從右向左的最后一輛車，即該車及其以后的車都沒有進入事故的傳播范圍之內(nèi)。同樣agentEnd1、agentEnd2、agentEnd3分別表示車道4、5、6上的最后一輛車，即該車及其以后的車也沒有進入事故的傳播范圍之內(nèi)。參數(shù)timeStart、timeEnd、timeOverTake分別表示車從行駛狀態(tài)轉(zhuǎn)換為停止?fàn)顟B(tài)時的起始時刻(假設(shè)轉(zhuǎn)換狀態(tài)沒有延遲)、車從停止?fàn)顟B(tài)轉(zhuǎn)換為行駛狀態(tài)時的終止時刻以及車從發(fā)生事故導(dǎo)致車輛停止時刻到車輛行駛時所耗費的時間。

面向?qū)ο笫且环N思想，對象封裝在類中，而類被主類所調(diào)用。在對車類進行系統(tǒng)屬性和行為的配置以及仿真模型所需參數(shù)定義之后，要對主類進行一定的配置設(shè)計。類是用來封裝對象的，簡言之，類只是一張設(shè)計圖紙，要在主類中運行就要產(chǎn)生實例對象，本設(shè)計在主類中產(chǎn)生300輛車，命名為cars。即假設(shè)該路段的容量保持恒定不變，每一輛車是一個對象或?qū)嵗枯v車都具有相同的Car類的屬性和行為。仿真啟動后，系統(tǒng)中的實例cars都處于行駛狀態(tài)，即圖3中顯示為白色。本文通過控件給任意一個對象發(fā)送信息從而產(chǎn)生事故，并且分別對嚴(yán)重事故導(dǎo)致交通堵塞和輕微事故造成交通擁堵進行仿真研究。事故的持續(xù)時間也是通過消息來實現(xiàn)的，事故時事故車輛接收到系統(tǒng)發(fā)送的事故撤銷消息或變道通行消息時，車輛慢慢疏散行駛。

為實現(xiàn)上述要求，對主類進行了一定的配置如圖4所示。

圖4 仿真模型參數(shù)及數(shù)據(jù)

其中，行駛車輛數(shù)量、停止車輛數(shù)量、車輛堵塞時間、堵塞長度分別表示該仿真路段在發(fā)生交通事故時行駛車輛 、停止車輛的數(shù)量變化、每一輛車堵塞時間以及堵塞時造成堵塞長度。carLocationX、carLocationY表示發(fā)生事故時事故車輛的位置。carsNum1、carsNum2分別表示自右向左和自左向右的每輛車的編號。由于本系統(tǒng)假設(shè)該路段車容量一定，故對車輛進行編號，采用Anylogic軟件面板中的控件給任意車輛發(fā)送事故消息。如圖5所示。

圖5 事故消息控件及車道上車輛編號

圖中，左、右半部分別表示從左向右、從右向左行駛車輛是否發(fā)生事故及其發(fā)生事故車輛的標(biāo)號選擇。最后進行模擬時間設(shè)定，在模型中可以選擇mintues、hour、day分別便是模型中1秒鐘代表實際1分鐘、1小時或者1天，本模型中用1秒表示實際的1秒。

3 系統(tǒng)仿真

模型的建立依賴上述建模過程，在搭建好系統(tǒng)模型后，需要對系統(tǒng)仿真結(jié)果進行分析，模型中1秒鐘也表示實際1秒鐘，本系統(tǒng)中的一些數(shù)據(jù)如下所示：

(1) 假設(shè)該路段容納的車輛數(shù)恒定不變?yōu)?00輛，車輛平均長度為6米，前后車間距均為2米且速度一定平均為50千米/時。

(2) 該路段為雙向三車道，在各同向道上無任何出口、匝道以及緊急停靠車道；車輛一旦進入給路段只能跟隨前車行駛，不能掉頭或逆向駛出。

(3) 剛開始運行模型時，該路段無事故，車輛均處于行駛狀態(tài)。雖然交通堵塞大多數(shù)由于交通事故所引起，但是某一較短路段內(nèi)連續(xù)發(fā)生兩起及以上不同的交通事故的概率是比較低的。因此，為了仿真事故導(dǎo)致交通堵塞傳播規(guī)律，可以人為的給系統(tǒng)中某一輛車發(fā)送事故消息(嚴(yán)重交通事故和輕微交通事故)，此時，其余車輛處于行駛狀態(tài)。

(4) 如果某一車輛發(fā)生交通事故，后車根據(jù)事故的嚴(yán)重程度判斷是否停止或變道行駛，但是狀態(tài)的轉(zhuǎn)換不會立刻執(zhí)行，不同的駕駛員會有不同的響應(yīng)時間，采用uniform(3,5)函數(shù)實現(xiàn)，表示駕駛員的反應(yīng)時間取3～5 s之間的任意值。

(5) 車輛進入停止?fàn)顟B(tài)時，每一輛車會對它后面的車發(fā)送同系統(tǒng)事故類型相同的消息。為仿真交通事故撤離傳播規(guī)律，需要對系統(tǒng)發(fā)送事故撤離消息或變道通行消息。據(jù)此，駕駛員同樣會有一定的反應(yīng)時間，采用uniform(2,5)實現(xiàn)，使車輛由停止過渡到準(zhǔn)備行駛狀態(tài)而最終行駛或直接進入行駛狀態(tài)。

下面分兩種情況對交通事故導(dǎo)致交通堵塞的傳播規(guī)律進行分析：

(1) 當(dāng)車輛發(fā)生嚴(yán)重交通事故時：假設(shè)第四車道第188輛車發(fā)生事故且完全堵塞，又在之后某一時刻交通事故撤銷，以下從堵塞車輛數(shù)量、堵塞長度以及堵塞時間三個指標(biāo)對系統(tǒng)進行仿真分析，如圖6-圖10所示。

圖6 第四車道第188輛車事故傳播示意

圖7 第四車道第188輛車事故撤銷傳播示意

圖8 事故時行駛和停止車輛數(shù)量變化曲線

圖9 事故時行駛和停止車輛堵塞長度變化曲線

圖10 事故時行駛和停止車輛堵塞時間變化曲線

車輛發(fā)生嚴(yán)重交通事故造成完全堵塞，圖8為車輛堵塞時的停止、行駛車輛數(shù)量隨時間的變化圖。由圖知，由于本系統(tǒng)中規(guī)定該路段車輛容量一定且為300輛，故車輛在發(fā)生堵塞時，停止車輛數(shù)量增加，行駛車輛減少。某一時刻，事故撤銷，由于堵塞車輛規(guī)律還在傳播，且事故點車輛開始行駛，在此期間，由圖知有一小波動，表示該時間段的傳播規(guī)律，進而停止車輛減少，行駛車輛增加直至堵塞完全消除。圖9為車輛堵塞長度隨時間變化圖，在車輛堵塞時，堵塞長度急劇增加。某一時刻，當(dāng)事故撤銷時，堵塞長度在微小波動后急劇下降到零。此系統(tǒng)中車輛數(shù)一定，且每一車道最后一輛車及其之后車輛在前車發(fā)生堵塞時都不進入系統(tǒng)，因此每一車道最后一輛車及其之后車輛不發(fā)生堵塞，即堵塞時間為零。由圖10知，堵塞時間變化微小且與堵塞的時間先后關(guān)系較小。

(2) 當(dāng)車輛發(fā)生輕微交通事故時：亦假設(shè)第四車道第188輛車發(fā)生事故但有一車道依然可以通行，又在之后某一時刻接收到系統(tǒng)發(fā)送的變道通行消息。以下從堵塞車輛數(shù)量、堵塞長度以及堵塞時間三個指標(biāo)對系統(tǒng)進行仿真分析，如圖11-圖15所示。

圖11 第四車道第188輛車事故傳播示意圖

圖12 車輛變道傳播示意圖

圖13 事故時行駛和停止車輛數(shù)量變化曲線

圖14 事故時行駛和停止車輛堵塞長度變化曲線

圖15 事故時行駛和停止車輛堵塞時間變化曲線

車輛發(fā)生輕微交通事故造成部分堵塞，圖13為車輛堵塞時的停止、行駛車輛數(shù)量隨時間的變化圖，由于車輛可以變道行駛，故造成堵塞的車輛數(shù)量波動微小。圖14為車輛堵塞長度隨時間變化圖，在車輛堵塞時，堵塞長度急劇增加，變道通行時，由于駕駛員的反應(yīng)時間的不同，堵塞長度在微小波動后急劇下降到零。此系統(tǒng)中車輛數(shù)一定，且每一車道最后一輛車及其之后車輛在前車發(fā)生堵塞時都不進入系統(tǒng)，因此每一車道最后一輛車及其之后車輛不發(fā)生堵塞，即堵塞時間為零。由圖15知，堵塞時間變化較車輛完全堵塞時的波動大且與堵塞時間先后關(guān)系較小。

4 結(jié) 語

本文應(yīng)用Anylogic仿真軟件對交通事故導(dǎo)致交通堵塞的傳播規(guī)律進行仿真，模擬出了不同事故類型下交通堵塞的傳播規(guī)律，得到了堵塞車輛數(shù)量、堵塞長度以及堵塞時間等指標(biāo)。仿真結(jié)果顯示該模型能夠較好地模擬交通事故的傳播規(guī)律，同時能夠取得一些評估交通運行效率的參數(shù)。針對某一無任何出口、匝道且不能掉頭路段，通過仿真可以發(fā)現(xiàn)，堵塞程度與事故的輕重程度有關(guān)，如果事先知道事故的嚴(yán)重程度，駕駛員可以提前駛出路口或掉頭。因此，可在其路口安裝顯示屏提前進行交通誘導(dǎo)，顯示前面路段是否有事故，事故的嚴(yán)重程度，車輛堵塞的數(shù)量、堵塞長度、堵塞時間及其有無交警正在處理等信息，告誡駕駛員是否駛?cè)朐撀范危瑥亩崆邦A(yù)防車輛過多堵塞而提高交通運行效率。當(dāng)然，模型中的假設(shè)在一定程度上削弱了模型的真實性，鑒于此，相比實際的交通堵塞傳播規(guī)律還需要更多更深入的研究。

[1] 王永明.基于元胞自動機的道路交通堵塞仿真研究[J].系統(tǒng)仿真學(xué)報，2010，22(9):1-2.

[2] 吳心平，趙清華.我國城市交通堵塞現(xiàn)象淺析[J].交通論壇，2010，10(2)：1-3.

[3] Lindley J A. Urban Freeway Congestion:Quantification of the Problem and Effectiveness of Potential Solution[J].ITE Journal (S0162-8178), 1987, 57(1):27-32.

[4] Wolfram S.Theory and Application of Cellular Automata[M]. Singapore: World Scientific, 1986.

[5] Kai N, Schreckenberg M. A cellular automaton model for freeway traffic[J]. Journal De Physique I, 1992, 2(12):2221-2229.

[6] Fukui M, Ishibash Y. Traffic Flow in 1D Cellular Automaton Model Including Cars Moving with High Speed[J].Journal of the Physical Society of Japan, 1999, 65(6):1868-1870.

[7] Wang L, Wang B H, Hu B. Cellular automaton traffic flow model between the Fukui-Ishibashi and Nagel-Schreckenberg models[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2001, 63(5 Pt 2):056117.

[8] 楊泳.城市快速路交通擁堵形成、傳播規(guī)律及消散控制策略研究[D].成都:西南交通大學(xué)，2014.

[9] 薛萬東.環(huán)形交叉口混合交通流元胞自動機模型研究[D].蘭州:蘭州理工大學(xué),2014.

[10] 楊嘉，孫劍.微觀交通仿真流程及應(yīng)用[J].城市交通,2010，8(5)：79-83.

[11] 魏星，劉影，劉曉明. AnyLogic系統(tǒng)仿真環(huán)境[C]//中國航空學(xué)會信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會議論文集，2004：1-2.

[12] Grigoryev Ilya V.三天掌握多方法仿真建模[M].韓鵬,譯.沈陽：東北大學(xué)，2013：121-147.

[13] 吳正.高速交通中堵塞形成階段的交通流模型[J].交通運輸工程學(xué)報，2003,3(2)：1-2.

[14] 王建偉，匡安樂，何倩.基于Anylogic的高速公路服務(wù)區(qū)停車場規(guī)模仿真建模[EB/OL].北京：科技論文在線.[2009-03-23]. http://www.paper.edu.cn/releasepaper/content/200903-830.

SIMULATIONOFROADTRAFFICCONGESTIONBASEDONANYLOGIC

Ma Shengtao Yu Lei Yang Jie Kang Yuan

(CollegeofElectronicandControlEngineering,Chang’anUniversity,Xi’an710000，Shaanxi,China)

The occurrence of traffic accidents leads to the normal operation of the traffic efficiency, traffic congestion, and even causes serious traffic paralysis. In order to simulate the propagation law of traffic congestion caused by traffic accident, Anylogic simulation software was used to describe the behavior and characteristics of vehicles in traffic events by using object-oriented thinking. Aiming at the different traffic accident types, the propagation law of traffic congestion was simulated respectively. The results showed that the model could simulate the propagation law of traffic congestion well, could obtain some parameters to evaluate the efficiency of traffic operation and provided reference for the driving route of the drivers.

Traffic congestion Modeling and simulation Propagation law

2017-03-02。歸國留學(xué)人員科研啟動項目(2013C0320118)；中央高校基本科研項目(2014G1321039)。馬生濤，碩士生，主研領(lǐng)域：高速誘導(dǎo)。余雷，講師。楊杰，碩士生。康緣，碩士生。

TP391.9

A

10.3969/j.issn.1000-386x.2017.12.021