馬生濤 余 雷 楊 杰 康 緣

(長(zhǎng)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(zhǎng)安大學(xué)電控學(xué)院 陜西 西安 710000)

交通事故的發(fā)生會(huì)導(dǎo)致交通的正常運(yùn)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(duì)交通事故而導(dǎo)致交通堵塞的傳播規(guī)律進(jìn)行仿真研究，利用Anylogic仿真軟件，運(yùn)用面向?qū)ο蟮乃枷雽?duì)交通事件中車(chē)輛的行為和特征進(jìn)行微觀特性描述，針對(duì)不同的交通事故類(lèi)型，分別對(duì)交通堵塞的傳播規(guī)律進(jìn)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(shí)能夠取得評(píng)估交通運(yùn)行效率的有效參數(shù)，為駕駛員的行車(chē)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(jì)的持續(xù)快速增長(zhǎng)，交通需求也隨之增加，無(wú)論是城市道路還是高速公路都處于高負(fù)荷運(yùn)行狀態(tài)，輕微的擾動(dòng)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(duì)人們?cè)斐芍匾挠绊?，制約我國(guó)經(jīng)濟(jì)發(fā)展[2]。交通事故是導(dǎo)致交通堵塞甚至癱瘓的一個(gè)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(shí)間比事故自身的時(shí)間還要長(zhǎng)[3]。因此探索交通事故的傳播規(guī)律是非常重要的。

國(guó)內(nèi)外有很多學(xué)者研究了交通事故傳播規(guī)律，也運(yùn)用了很多模型和方法，例如排隊(duì)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(wú)法體現(xiàn)出系統(tǒng)中個(gè)體內(nèi)以及個(gè)體之間的關(guān)系。

針對(duì)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(duì)道路交通事故傳播規(guī)律進(jìn)行仿真建模，了解對(duì)象內(nèi)以及對(duì)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(guó)內(nèi)外交通堵塞傳播規(guī)律大多是從宏觀層面進(jìn)行研究，研究方法可以分為排隊(duì)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(dòng)機(jī)模型(CA)的興起促進(jìn)了交通流理論在微觀特性上的發(fā)展，交通領(lǐng)域中的車(chē)輛是一個(gè)個(gè)的離散對(duì)象，元胞自動(dòng)機(jī)正好采用離散集來(lái)描述對(duì)象，因而具有獨(dú)特的優(yōu)越性。1983年Wolfram首次提出了184號(hào)規(guī)則元胞自動(dòng)機(jī)交通模型[4]，1992年Nagel等提出了針對(duì)一維高速交通流車(chē)速大于1且剎車(chē)概率不等于0的NS模型[5]；1996年Fukui等對(duì)NS模型進(jìn)行簡(jiǎn)化，提出了FI模型[6]；但是由于實(shí)際交通的復(fù)雜性，用此模型仍然不能描述道路實(shí)際情況，針對(duì)這種問(wèn)題，許多學(xué)者提出了各種改進(jìn)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(chē)道元胞自動(dòng)機(jī)模型，不允許車(chē)輛發(fā)生超車(chē)行為，王永明[1]針對(duì)交通堵塞傳播規(guī)律中分別運(yùn)用CA模型、NS模型進(jìn)行仿真研究，提出了改進(jìn)的CACF模型(雙車(chē)道元胞自動(dòng)機(jī)模型)；楊泳[8]運(yùn)用改進(jìn)型元胞傳輸模型和動(dòng)態(tài)隨機(jī)交通流分配理論研究了交通堵塞傳播規(guī)律，薛萬(wàn)東[9]利用混合交通流元胞自動(dòng)機(jī)對(duì)環(huán)形交叉口進(jìn)行建模。元胞自動(dòng)機(jī)從動(dòng)力學(xué)的層面對(duì)交通流進(jìn)行了研究。許多學(xué)者也利用一些軟件實(shí)現(xiàn)交通微觀分析，例如楊嘉等[10]采用VISSIM仿真軟件對(duì)微觀交通流程進(jìn)行仿真和應(yīng)用。本文采用Anylogic仿真軟件通過(guò)建立智能體進(jìn)一步對(duì)交通堵塞傳播規(guī)律的微觀特性進(jìn)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(yǔ)言已經(jīng)成功應(yīng)用于對(duì)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(dòng)對(duì)象，包括Java對(duì)象；又可以使用多種方法進(jìn)行建模；在運(yùn)行環(huán)境中可以直接分析和使用優(yōu)化工具；并且當(dāng)實(shí)際系統(tǒng)發(fā)生變化時(shí)，只需通過(guò)對(duì)模型的有效維護(hù)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(guò)程

2.1 系統(tǒng)對(duì)象

本文對(duì)交通事故導(dǎo)致交通堵塞的傳播規(guī)律進(jìn)行仿真研究，并且利用Anylogic仿真軟件對(duì)整個(gè)系統(tǒng)內(nèi)的對(duì)象進(jìn)行微觀體現(xiàn)。系統(tǒng)中車(chē)是構(gòu)成整個(gè)交通事件的基本元素，車(chē)本身的行為和狀態(tài)決定車(chē)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(duì)象特性分析

確定系統(tǒng)的對(duì)象后，由于車(chē)輛本身具有自己的屬性和行為，在該系統(tǒng)模型中，每輛車(chē)都有三個(gè)狀態(tài)：停止、準(zhǔn)備行駛和行駛，車(chē)會(huì)在一定的條件下做出相應(yīng)的動(dòng)作。如果車(chē)在行駛的過(guò)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(chē)輛在交通事故中處于停止?fàn)顟B(tài)，判斷前方車(chē)輛或其他車(chē)道側(cè)前方車(chē)輛是否通行，當(dāng)條件成熟時(shí)，車(chē)本身會(huì)自動(dòng)轉(zhuǎn)換狀態(tài)，從停止轉(zhuǎn)換為準(zhǔn)備行駛，進(jìn)而開(kāi)始行駛。

2.3 交通堵塞傳播規(guī)律建模過(guò)程

Anylogic是一款面向?qū)ο蟮姆抡孳浖?，而?duì)象被封裝在類(lèi)中，類(lèi)是對(duì)象的載體。本系統(tǒng)是對(duì)交通事故引起的交通堵塞傳播規(guī)律的研究，并且是對(duì)對(duì)象及對(duì)象之間進(jìn)行微觀上的體現(xiàn)，根據(jù)對(duì)象本身具有的屬性和行為決定該對(duì)象要執(zhí)行的動(dòng)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(jìn)行仿真建模。

在對(duì)系統(tǒng)的研究思想以及系統(tǒng)中對(duì)象明確的條件下，利用面向?qū)ο蟮乃枷?，首先在仿真軟件中建立一個(gè)Car類(lèi)[12]，用于封裝對(duì)象車(chē)輛。進(jìn)而對(duì)車(chē)的屬性和行為進(jìn)行定義，定義Car類(lèi)實(shí)質(zhì)是畫(huà)一張?jiān)O(shè)計(jì)汽車(chē)的圖紙。在定義好該類(lèi)車(chē)后，即該類(lèi)車(chē)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(lèi)車(chē)具有三個(gè)狀態(tài)：停止、準(zhǔn)備行駛和行駛，并且定義車(chē)在某個(gè)狀態(tài)時(shí)會(huì)接受系統(tǒng)給它發(fā)送的信息或到達(dá)某一時(shí)刻會(huì)做出相應(yīng)的行為。利用Anylogic的面板窗口，拖動(dòng)一個(gè)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(chē)輛的各個(gè)狀態(tài)及其各自在接受到系統(tǒng)信息或到達(dá)某一時(shí)刻時(shí)的行為變遷。如圖1所示。

圖1 系統(tǒng)對(duì)象狀態(tài)圖

利用面板窗口中的演示在Car類(lèi)原點(diǎn)處畫(huà)一個(gè)小矩形并命名為car來(lái)代替車(chē)輛，點(diǎn)擊狀態(tài)圖中的“行駛”在屬性窗口的“進(jìn)入行動(dòng)”中輸入:car.setFillColor(white)；代表車(chē)輛在行駛時(shí)顯示為白色，同理定義其他兩個(gè)狀態(tài)：car.setFillColor(black)代表車(chē)輛在停止時(shí)顯示黑色；carlei.setFillColor(gray)準(zhǔn)備行駛時(shí)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(duì)上述兩種情況進(jìn)行仿真研究。(1) 假設(shè)車(chē)輛發(fā)生嚴(yán)重事故，即車(chē)輛完全堵塞，也就是說(shuō)交通事故導(dǎo)致事故點(diǎn)后面的車(chē)輛全部停止，當(dāng)事故撤銷(xiāo)時(shí)，車(chē)輛慢慢疏散；(2) 假設(shè)車(chē)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(duì)象接收到系統(tǒng)發(fā)來(lái)的消息：“嚴(yán)重交通事故”或“輕微交通事故”，此時(shí)，由于本系統(tǒng)采用面向?qū)ο蟮乃枷脒M(jìn)行仿真研究，又由于該車(chē)輛對(duì)象本身具有判斷識(shí)別消息，并具有作出相應(yīng)行為的功能。即車(chē)輛首先會(huì)判斷所接收消息的類(lèi)型，決定是否能夠變道通行；其次判斷事故車(chē)輛發(fā)生在哪一車(chē)道并作出相應(yīng)的行為動(dòng)作，該車(chē)輛會(huì)自動(dòng)對(duì)排在后面的車(chē)輛發(fā)送同系統(tǒng)給它自身相同類(lèi)型的消息；最后當(dāng)該車(chē)輛接收到“事故撤銷(xiāo)”的消息時(shí)，進(jìn)行狀態(tài)轉(zhuǎn)換，同時(shí)給排在后面的車(chē)輛發(fā)送消息，從而疏散事故。

上述是對(duì)車(chē)類(lèi)的基本屬性和行為的定義，在該類(lèi)車(chē)中，還需要幾個(gè)參數(shù)來(lái)存儲(chǔ)模型的仿真結(jié)果，或者用于描述某個(gè)隨著時(shí)間不斷變化的數(shù)據(jù)單元或?qū)ο髮傩?。Anylogic中有一般變量與集變量，通過(guò)變量可以建立兩個(gè)不同對(duì)象之間的聯(lián)系，被連接起來(lái)的變量在任意時(shí)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(chē)道，并用在公路上的車(chē)輛表示車(chē)道，該雙向三車(chē)道公路段如圖3所示。

圖3 雙向三車(chē)道公路段

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

面向?qū)ο笫且环N思想，對(duì)象封裝在類(lèi)中，而類(lèi)被主類(lèi)所調(diào)用。在對(duì)車(chē)類(lèi)進(jìn)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(duì)主類(lèi)進(jìn)行一定的配置設(shè)計(jì)。類(lèi)是用來(lái)封裝對(duì)象的，簡(jiǎn)言之，類(lèi)只是一張?jiān)O(shè)計(jì)圖紙，要在主類(lèi)中運(yùn)行就要產(chǎn)生實(shí)例對(duì)象，本設(shè)計(jì)在主類(lèi)中產(chǎn)生300輛車(chē)，命名為cars。即假設(shè)該路段的容量保持恒定不變，每一輛車(chē)是一個(gè)對(duì)象或?qū)嵗?，每輛車(chē)都具有相同的Car類(lèi)的屬性和行為。仿真啟動(dòng)后，系統(tǒng)中的實(shí)例cars都處于行駛狀態(tài)，即圖3中顯示為白色。本文通過(guò)控件給任意一個(gè)對(duì)象發(fā)送信息從而產(chǎn)生事故，并且分別對(duì)嚴(yán)重事故導(dǎo)致交通堵塞和輕微事故造成交通擁堵進(jìn)行仿真研究。事故的持續(xù)時(shí)間也是通過(guò)消息來(lái)實(shí)現(xiàn)的，事故時(shí)事故車(chē)輛接收到系統(tǒng)發(fā)送的事故撤銷(xiāo)消息或變道通行消息時(shí)，車(chē)輛慢慢疏散行駛。

為實(shí)現(xiàn)上述要求，對(duì)主類(lèi)進(jìn)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(chē)輛數(shù)量、停止車(chē)輛數(shù)量、車(chē)輛堵塞時(shí)間、堵塞長(zhǎng)度分別表示該仿真路段在發(fā)生交通事故時(shí)行駛車(chē)輛 、停止車(chē)輛的數(shù)量變化、每一輛車(chē)堵塞時(shí)間以及堵塞時(shí)造成堵塞長(zhǎng)度。carLocationX、carLocationY表示發(fā)生事故時(shí)事故車(chē)輛的位置。carsNum1、carsNum2分別表示自右向左和自左向右的每輛車(chē)的編號(hào)。由于本系統(tǒng)假設(shè)該路段車(chē)容量一定，故對(duì)車(chē)輛進(jìn)行編號(hào)，采用Anylogic軟件面板中的控件給任意車(chē)輛發(fā)送事故消息。如圖5所示。

圖5 事故消息控件及車(chē)道上車(chē)輛編號(hào)

圖中，左、右半部分別表示從左向右、從右向左行駛車(chē)輛是否發(fā)生事故及其發(fā)生事故車(chē)輛的標(biāo)號(hào)選擇。最后進(jìn)行模擬時(shí)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(shí)際1分鐘、1小時(shí)或者1天，本模型中用1秒表示實(shí)際的1秒。

3 系統(tǒng)仿真

模型的建立依賴(lài)上述建模過(guò)程，在搭建好系統(tǒng)模型后，需要對(duì)系統(tǒng)仿真結(jié)果進(jìn)行分析，模型中1秒鐘也表示實(shí)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(chē)輛數(shù)恒定不變?yōu)?00輛，車(chē)輛平均長(zhǎng)度為6米，前后車(chē)間距均為2米且速度一定平均為50千米/時(shí)。

(2) 該路段為雙向三車(chē)道，在各同向道上無(wú)任何出口、匝道以及緊急?？寇?chē)道；車(chē)輛一旦進(jìn)入給路段只能跟隨前車(chē)行駛，不能掉頭或逆向駛出。

(3) 剛開(kāi)始運(yùn)行模型時(shí)，該路段無(wú)事故，車(chē)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(chē)發(fā)送事故消息(嚴(yán)重交通事故和輕微交通事故)，此時(shí)，其余車(chē)輛處于行駛狀態(tài)。

(4) 如果某一車(chē)輛發(fā)生交通事故，后車(chē)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(huì)立刻執(zhí)行，不同的駕駛員會(huì)有不同的響應(yīng)時(shí)間，采用uniform(3,5)函數(shù)實(shí)現(xiàn)，表示駕駛員的反應(yīng)時(shí)間取3～5 s之間的任意值。

(5) 車(chē)輛進(jìn)入停止?fàn)顟B(tài)時(shí)，每一輛車(chē)會(huì)對(duì)它后面的車(chē)發(fā)送同系統(tǒng)事故類(lèi)型相同的消息。為仿真交通事故撤離傳播規(guī)律，需要對(duì)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(huì)有一定的反應(yīng)時(shí)間，采用uniform(2,5)實(shí)現(xiàn)，使車(chē)輛由停止過(guò)渡到準(zhǔn)備行駛狀態(tài)而最終行駛或直接進(jìn)入行駛狀態(tài)。

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

(1) 當(dāng)車(chē)輛發(fā)生嚴(yán)重交通事故時(shí)：假設(shè)第四車(chē)道第188輛車(chē)發(fā)生事故且完全堵塞，又在之后某一時(shí)刻交通事故撤銷(xiāo)，以下從堵塞車(chē)輛數(shù)量、堵塞長(zhǎng)度以及堵塞時(shí)間三個(gè)指標(biāo)對(duì)系統(tǒng)進(jìn)行仿真分析，如圖6-圖10所示。

圖6 第四車(chē)道第188輛車(chē)事故傳播示意

圖7 第四車(chē)道第188輛車(chē)事故撤銷(xiāo)傳播示意

圖8 事故時(shí)行駛和停止車(chē)輛數(shù)量變化曲線

圖9 事故時(shí)行駛和停止車(chē)輛堵塞長(zhǎng)度變化曲線

圖10 事故時(shí)行駛和停止車(chē)輛堵塞時(shí)間變化曲線

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

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

圖11 第四車(chē)道第188輛車(chē)事故傳播示意圖

圖12 車(chē)輛變道傳播示意圖

圖13 事故時(shí)行駛和停止車(chē)輛數(shù)量變化曲線

圖14 事故時(shí)行駛和停止車(chē)輛堵塞長(zhǎng)度變化曲線

圖15 事故時(shí)行駛和停止車(chē)輛堵塞時(shí)間變化曲線

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

4 結(jié) 語(yǔ)

本文應(yīng)用Anylogic仿真軟件對(duì)交通事故導(dǎo)致交通堵塞的傳播規(guī)律進(jìn)行仿真，模擬出了不同事故類(lèi)型下交通堵塞的傳播規(guī)律，得到了堵塞車(chē)輛數(shù)量、堵塞長(zhǎng)度以及堵塞時(shí)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(shí)能夠取得一些評(píng)估交通運(yùn)行效率的參數(shù)。針對(duì)某一無(wú)任何出口、匝道且不能掉頭路段，通過(guò)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(jìn)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(chē)輛堵塞的數(shù)量、堵塞長(zhǎng)度、堵塞時(shí)間及其有無(wú)交警正在處理等信息，告誡駕駛員是否駛?cè)朐撀范?，從而提前預(yù)防車(chē)輛過(guò)多堵塞而提高交通運(yùn)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(shí)性，鑒于此，相比實(shí)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(dòng)機(jī)的道路交通堵塞仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2010，22(9):1-2.

[2] 吳心平，趙清華.我國(guó)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(wàn)東.環(huán)形交叉口混合交通流元胞自動(dòng)機(jī)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(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)全國(guó)第八屆學(xué)術(shù)會(huì)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(yáng)：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(yùn)輸工程學(xué)報(bào)，2003,3(2)：1-2.

[14] 王建偉，匡安樂(lè)，何倩.基于Anylogic的高速公路服務(wù)區(qū)停車(chē)場(chǎng)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(guó)留學(xué)人員科研啟動(dòng)項(xiàng)目(2013C0320118)；中央高?；究蒲许?xiàng)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?？稻?，碩士生。

TP391.9

A

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