林曉輝，徐建閩，魏文鈺，梁逸龍，蔡立椿

LIN Xiaohui1, XU Jianmin2, WEI Wenyu1, LIANG Yilong1, CAI Lichun1

（1. 廣東交通職業(yè)技術(shù)學(xué)院 軌道交通學(xué)院，廣東 廣州510650；2. 華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州510640）

(1. Institute of Rail Traffic, Guangdong Communication Polytechnic, Guangzhou 510650, China; 2. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510640, China)

0 引 言

近年來，隨著WAVE、DSRC、5G 以及WiMAX 等通信技術(shù)的不斷發(fā)展，在不久的將來，城市中的大部分車輛將相互連接，形成“交通實(shí)體”與“信息主體”緊密結(jié)合的超級(jí)網(wǎng)絡(luò)，即車聯(lián)網(wǎng)環(huán)境[1-2]。車聯(lián)網(wǎng)將大大地提升城市交通的安全性和通行效率[3]，是各國智能交通發(fā)展路線圖中的關(guān)鍵環(huán)節(jié)。目前車聯(lián)網(wǎng)的研究主要集中在車聯(lián)網(wǎng)技術(shù)體系、車聯(lián)網(wǎng)信息交互技術(shù)、車聯(lián)網(wǎng)與交通工程交叉領(lǐng)域理論和技術(shù)問題、車聯(lián)網(wǎng)環(huán)境下基于虛擬現(xiàn)實(shí)技術(shù)的交通流演化分析方法等4 個(gè)方面[4]，但車聯(lián)網(wǎng)尚處于實(shí)驗(yàn)研究階段，通過搭建真實(shí)車聯(lián)網(wǎng)環(huán)境來驗(yàn)證各種實(shí)驗(yàn)研究的難度較大且成本較高。鑒于此，本文選取廣州市實(shí)際路網(wǎng)作為實(shí)驗(yàn)區(qū)域，利用Vissim 交通仿真軟件，給出了車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)的具體搭建過程。

另一方面，由于Vissim 軟件的模型默認(rèn)參數(shù)是依據(jù)德國道路交通條件來設(shè)置的，不一定適合我國道路交通運(yùn)行情況，因此，有必要對(duì)車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)的模型參數(shù)進(jìn)行校正。目前用于仿真模型參數(shù)校正的算法有正交試驗(yàn)法[5]、遺傳算法（Genetic Algorithm，GA）[6-8]、同步擾動(dòng)隨機(jī)逼近算法（Simultaneous Perturbation Stochastic Approximation，SPSA）[9-10]、人工螢火蟲算法（Glowworm Swarm Optimization，GSO）[11]、人工蜂群算法（Artificial Bee Colony Algorithm，ABC）[12]等。上述算法均有優(yōu)缺點(diǎn)，比如正交試驗(yàn)算法簡捷、易用，但校正參數(shù)過多時(shí)，操作起來比較繁瑣。簡單遺傳算法消耗時(shí)間長，收斂速度慢，容易陷入局部最優(yōu)，部分學(xué)者利用群體智能算法改善簡單遺傳算法局部搜索效率低的問題，但這類混合算法局部尋優(yōu)計(jì)算相對(duì)復(fù)雜，較大限制了參數(shù)優(yōu)化效率[13]。SPSA 算法對(duì)大規(guī)模數(shù)據(jù)搜索時(shí)具有優(yōu)勢(shì)，對(duì)于仿真模型參數(shù)校正而言，其校正參數(shù)個(gè)數(shù)有限，其優(yōu)勢(shì)反而未能充分發(fā)揮。GSO 算法需要計(jì)算大量個(gè)體之間的距離，會(huì)影響其運(yùn)行速度。人工峰算法易陷入“過早”收斂，得到局部最優(yōu)解。因此，本文結(jié)合本平臺(tái)的實(shí)際情況，將采用正交試驗(yàn)法對(duì)車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)的模型參數(shù)進(jìn)行校正。

1 車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)搭建

1.1 路網(wǎng)基礎(chǔ)數(shù)據(jù)

（1） 路網(wǎng)布局情況

實(shí)驗(yàn)區(qū)域?yàn)閺V州市天河區(qū)核心路網(wǎng)交叉口群，其路網(wǎng)平面布局圖通過百度地圖放大后，直接截圖拼接，形成高清的路網(wǎng)布局圖。各路段車道數(shù)通過查看百度街景地圖后，確定各路段車道數(shù)，形成各路段車道數(shù)統(tǒng)計(jì)表。取城市道路標(biāo)準(zhǔn)車道寬度3.25m 作為仿真平臺(tái)的單車道寬度。同樣通過查看百度街景地圖后，統(tǒng)計(jì)得到交叉口平面布局。

（2） 路網(wǎng)交通流量數(shù)據(jù)

以廣州SCATS 交通信號(hào)控制系統(tǒng)在某個(gè)早高峰小時(shí)所檢測(cè)交通數(shù)據(jù)為主，人工調(diào)查的個(gè)別交叉口早高峰小時(shí)流量為輔，經(jīng)統(tǒng)計(jì)得到各交叉口的流量情況，經(jīng)整理后得到路網(wǎng)的邊界入口流量。

（3） 交叉口信號(hào)控制方案

大部分交叉口信號(hào)控制方案由廣州市智能交通指揮中心提供，個(gè)別交叉口信號(hào)方案采用實(shí)地人工調(diào)查所得，最后經(jīng)數(shù)據(jù)整理得到路網(wǎng)的各交叉口信號(hào)控制方案情況表。

1.2 仿真實(shí)驗(yàn)平臺(tái)搭建流程

依上述路網(wǎng)基礎(chǔ)數(shù)據(jù)，利用Vissim4.3 交通仿真軟件搭建車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)，其具體步驟如下：（1） 導(dǎo)入廣州天河區(qū)核心路網(wǎng)交叉口群布局圖；

（2） 選擇某條路段，將其放大至最大，按車道寬度設(shè)置比例尺；

（3） 按照車道布局情況、交叉口布局情況，繪制路網(wǎng)拓?fù)浣Y(jié)構(gòu)；

（4） 在路網(wǎng)邊界路段設(shè)置駛?cè)虢煌髁浚瑢⑷寇囕v定義為浮動(dòng)車，即構(gòu)建了車聯(lián)網(wǎng)環(huán)境。為了模擬路網(wǎng)從低峰到高峰的整個(gè)過程，定義仿真時(shí)刻32 400s 為高峰時(shí)刻，每隔1 小時(shí)，按13.5%遞減路網(wǎng)邊界駛?cè)虢煌?，直? 600s。

（5） 依據(jù)所調(diào)查的交叉口信號(hào)控制方案和交通流量高峰、平峰、低峰的變化，設(shè)置各交叉口多時(shí)段信號(hào)控制方案，無信號(hào)交叉口設(shè)置減少讓行控制。

（6） 在轉(zhuǎn)彎處設(shè)置減速度，在各交叉口設(shè)置停車排隊(duì)檢測(cè)器、旅行時(shí)間檢測(cè)器、在各路段中間設(shè)置數(shù)據(jù)采集檢測(cè)器。

（7） 為了獲取各路段的交通數(shù)據(jù)，在Evaluation—Files—link Evaluation—Configuration 中設(shè)置路段參數(shù)，如采集數(shù)據(jù)時(shí)間間隔（Simulation Time）、路段編號(hào)（Link Number）、路段速度（Speed）、路段密度（Density）、路段起訖點(diǎn)XY 坐標(biāo)、路段長度（Length） 等，如圖1 所示。

通過設(shè)置各路段的檢測(cè)區(qū)域，可獲取路段參數(shù)。雙擊每條路段，彈出對(duì)話框Link Data，點(diǎn)擊按鍵Other→Evaluation，然后彈出對(duì)話框Link Evaluation，將路段實(shí)際長度輸入到Segment Length（路段評(píng)價(jià)長度） 中，如圖2 所示。

圖1 仿真模型中獲取路段參數(shù)設(shè)置

圖2 設(shè)置各路段評(píng)價(jià)長度

仿真結(jié)束后，在*.str 文件中得到各路段相關(guān)交通數(shù)據(jù)，其各列數(shù)據(jù)代表意義如表1 所示。

（8） 通過數(shù)據(jù)采集檢測(cè)器可獲取各路段的交通參數(shù)，在Vissim4.3 中選擇Evaluation—Files—Data Collection—Configuration功能，在彈出的對(duì)話框中，點(diǎn)擊Auto（Groups），然后將各數(shù)據(jù)檢測(cè)器所屬的編號(hào)修改為所在的路段編號(hào)，如圖3 所示。

仿真結(jié)束后，在*.mes 文件中可得數(shù)據(jù)采集器數(shù)據(jù)， 其各列數(shù)據(jù)代表意義如表2 所示。

（9） 通過Evaluation—Files—Vehicle Record—Configuration 功能，可模擬車聯(lián)網(wǎng)環(huán)境。每輛聯(lián)網(wǎng)車狀態(tài)數(shù)據(jù)獲取間隔時(shí)間為15s，狀態(tài)數(shù)據(jù)包括Simulation Time（采集時(shí)間）、Vehicle Number（車輛編號(hào)）、Link Number（所在路段編號(hào)）、Speed（速度）、World Coordinate FrontX（車頭X坐標(biāo)位置）、World Coordinate FrontY（車頭Y坐標(biāo)位置），如圖4 所示。

仿真結(jié)束后，在*.fzp 文件中可得到每輛聯(lián)網(wǎng)車狀態(tài)數(shù)據(jù)，其各列數(shù)據(jù)代表意義如表3 所示。

最終搭建車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)，如圖5 所示。

表1 *.str 文件的數(shù)據(jù)格式及意義

表2 *.mes 文件的數(shù)據(jù)格式及意義

表3 .fzp 文件的數(shù)據(jù)格式及意義

圖3 數(shù)據(jù)檢測(cè)器所在路段編號(hào)設(shè)置

圖4 聯(lián)網(wǎng)車狀態(tài)數(shù)據(jù)設(shè)置

圖5 車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)

2 車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)參數(shù)校正

2.1 參數(shù)校正流程

本文將采用基于正交試驗(yàn)法的仿真模型參數(shù)標(biāo)定方法[5]，對(duì)車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)參數(shù)進(jìn)行校正，其具體流程如圖6 所示。

（1） 確定參數(shù)校正目標(biāo)

選擇路網(wǎng)各邊界入口實(shí)際流量和仿真流量的平均絕對(duì)相對(duì)誤差（Mean Absolute Percent Error，MAPE） 最小為校正目標(biāo)，MAPE越小，則仿真模型的效果越好，反之，效果越差，其公式如下：式中：n為路網(wǎng)邊界入口總數(shù)；i為仿真路網(wǎng)的第i個(gè)邊界入口；為仿真路網(wǎng)的第i個(gè)邊界入口實(shí)際交通流量，為仿真路網(wǎng)的第i個(gè)邊界入口仿真流量交通，veh/h。

圖6 仿真模型參數(shù)校正流程

（2） 確定待校正參數(shù)及步長

研究表明，前方可觀察車輛數(shù)、平均停車間距、安全距離附加部分、安全距離倍數(shù)部分、最小車頭空距和消除前的等待時(shí)間等6 個(gè)參數(shù)是影響仿真模型結(jié)果的主要參數(shù)[5]。因此，選擇此6 個(gè)參數(shù)作為待校正參數(shù)，其默認(rèn)值及取值范圍如表4 所示。

6 個(gè)參數(shù)依據(jù)取值范圍和步長，可分別劃分為5 個(gè)取值，如前方可觀察車輛數(shù)的取值，可用a1,a2,a3,a4,a5表示。

（3） 設(shè)計(jì)合適的正交表

依據(jù)正交試驗(yàn)法，不考慮各參數(shù)之間交互作用，將各參數(shù)隨機(jī)安排在正交表各列上，如表5 所示。

（4） 仿真試驗(yàn)，并記錄仿真結(jié)果

依據(jù)試驗(yàn)方案表，修改仿真模型的參數(shù)，分別運(yùn)行各試驗(yàn)方案，并將每套試驗(yàn)方案的仿真結(jié)果（即路網(wǎng)邊界入口的MAPE值） 記錄在表5 中，如Y2表示采用第2 套試驗(yàn)方案后，仿真路網(wǎng)各邊界入口的MAPE值。

編號(hào) 參數(shù)名稱 默認(rèn)值 取值范圍 步長 編號(hào) 參數(shù)名稱 默認(rèn)值 取值范圍 步長a 前方可觀察車輛數(shù) 2.0 1～5 1.0 d 安全距離倍數(shù)部分 3.0 2～4 0.5 b 平均停車間距 2.0 1～3 0.5 e 最小車頭空距 0.5 0.5～2.5 0.5 c 安全距離附加部分 2.0 1～3 0.5 f 消除前的等待時(shí)間 60.0 30～90 15.0

方案號(hào) a b c d e f Y 方案號(hào) a b c d e f Y 1 a1 b1 c1 d1 e1 f1 Y1 14 a3 b4 c1 d3 e5 f2 Y14 2 a1 b2 c2 d2 e2 f2 Y2 15 a3 b5 c2 d4 e1 f3 Y15 3 a1 b3 c3 d3 e3 f3 Y3 16 a4 b1 c4 d2 e5 f3 Y16 4 a1 b4 c4 d4 e4 f4 Y4 17 a4 b2 c5 d3 e1 f4 Y17 5 a1 b5 c5 d5 e5 f5 Y5 18 a4 b3 c1 d4 e2 f5 Y18 6 a2 b1 c2 d3 e4 f5 Y6 19 a4 b4 c2 d5 e3 f1 Y19 7 a2 b2 c3 d4 e5 f1 Y7 20 a4 b5 c3 d1 e4 f2 Y20 8 a2 b3 c4 d5 e1 f2 Y8 21 a5 b1 c5 d4 e3 f2 Y21 9 a2 b4 c5 d1 e2 f3 Y9 22 a5 b2 c1 d5 e4 f3 Y22 10 a2 b5 c1 d2 e3 f4 Y10 23 a5 b3 c2 d1 e5 f4 Y23 11 a3 b1 c3 d5 e2 f4 Y11 24 a5 b4 c3 d2 e1 f5 Y24 12 a3 b2 c4 d1 e3 f5 Y12 25 a5 b5 c4 d3 e2 f1 Y25 13 a3 b3 c5 d2 e4 f1 Y13

（5） 極差分析

通過極差分析，得到同一模型參數(shù)的不同取值對(duì)評(píng)價(jià)指標(biāo)的影響程度及各參數(shù)的影響程度主次順序，從而確定最優(yōu)參數(shù)組合，如表6 所示。

參數(shù) a b c d e f 參數(shù) a b c d e f K1 ΣYa1 ΣYb1 ΣYc1 ΣYd1 ΣYe1 ΣYf1 K 2 m ΣYa2 1 1 m ΣYb2 1 m ΣYc2 1 m ΣYd2 1 m ΣYe2 1 m ΣYf2 K2 ΣYa2 ΣYb2 ΣYc2 ΣYd2 ΣYe2 ΣYf2 K 3 m ΣYa3 1 1 m ΣYb3 1 m ΣYc3 1 m ΣYd3 1 m ΣYe3 1 m ΣYf3 K3 ΣYa3 ΣYb3 ΣYc3 ΣYd3 ΣYe3 ΣYf3 K 4 m ΣYa4 1 1 m ΣYb4 1 m ΣYc4 1 m ΣYd4 1 m ΣYe4 1 m ΣYf4 1 K4 ΣYa4 ΣYb4 ΣYc4 ΣYd4 ΣYe4 ΣYf4 m ΣYa5 1 m ΣYb5 1 m ΣYc5 1 m ΣYd5 1 m ΣYe5 1 m ΣYf5 K5 ΣYa5 ΣYb5 ΣYc5 ΣYd5 ΣYe5 ΣYf5 R Ra Rb Rc Rd Re Rf K 5 K 1 m ΣYa1 1 1 m ΣYb1 1 m ΣYc1 1 m ΣYd1 1 m ΣYe1 1 m ΣYf1

在表6 中，Ki表各參數(shù)的第i個(gè)取值對(duì)應(yīng)的評(píng)價(jià)指標(biāo)之和。比如c參數(shù)的K2表示c參數(shù)取值c2時(shí)，對(duì)應(yīng)的Y之和，即

R表示某個(gè)參數(shù)的極差，即某個(gè)參數(shù)的最大值與最小值之差，其公式如下：

極差反映了評(píng)價(jià)指標(biāo)的變化幅度，依據(jù)極差，可以判別各參數(shù)變化對(duì)評(píng)價(jià)指標(biāo)的影響程度。極差越大，說明該參數(shù)變化對(duì)評(píng)價(jià)指標(biāo)的影響越大，該參數(shù)越重要。

（6） 確定參數(shù)主次及最優(yōu)取值

（7） 校驗(yàn)最優(yōu)參數(shù)組合

依據(jù)最優(yōu)參數(shù)組合，設(shè)置仿真模型參數(shù)，重新進(jìn)行仿真，驗(yàn)證評(píng)價(jià)指標(biāo)是否滿足精度要求（≤5%），若滿足精度要求，則結(jié)束參數(shù)校正，否則返回第2 步驟，重新設(shè)計(jì)參數(shù)取值表和正交方案表，繼續(xù)進(jìn)行參數(shù)校正，直到滿足精度要求。

2.2 參數(shù)校正結(jié)果

依據(jù)正交試驗(yàn)算法，對(duì)車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)參數(shù)進(jìn)行校正，其具體流程如下：

（1） 默認(rèn)參數(shù)仿真結(jié)果分析

采用默認(rèn)參數(shù)，進(jìn)行仿真，得到0～3 600s 時(shí)仿真路網(wǎng)邊界入口的仿真流量，與路網(wǎng)各邊界入口的實(shí)際流量做對(duì)比，得到MAPE值，如表7 所示。默認(rèn)參數(shù)下路網(wǎng)邊界入口的MAPE超過5%，不滿足精度要求，因此需要對(duì)仿真模型的參數(shù)進(jìn)行校正。

表7 默認(rèn)參數(shù)仿真結(jié)果分析（0～3 600s）

（2） 確定參數(shù)取值表

依據(jù)表4 中各參數(shù)的取值范圍和步長，將各參數(shù)劃分為5 個(gè)取值，確定參數(shù)取值如表8 所示。

表8 車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)參數(shù)取值表

（3） 設(shè)計(jì)正交試驗(yàn)方案表

依據(jù)表5 內(nèi)容，設(shè)計(jì)本平臺(tái)的正交試驗(yàn)方案，如表9 所示。

表9 車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)正交試驗(yàn)方案

（4） 列出試驗(yàn)結(jié)果

依據(jù)表9 的25 套試驗(yàn)方案，分別設(shè)置仿真模型參數(shù)，然后運(yùn)行仿真平臺(tái)，依據(jù)仿真數(shù)據(jù)可整理得到各試驗(yàn)方案的路網(wǎng)邊界入口流量的MAPE，如表10 所示。

（5） 極差分析，確定最優(yōu)解

依據(jù)表6 計(jì)算得到車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)的參數(shù)極差分析表，如表11 所示。按照極差值從大到小，確定參數(shù)主次排序：febcad。以各參數(shù)的取值為X坐標(biāo)，對(duì)應(yīng)的為Y坐標(biāo)，繪制各參數(shù)與的趨勢(shì)圖，如圖7 所示。選擇誤差最小的對(duì)應(yīng)參數(shù)值為最優(yōu)參數(shù)值，得到最優(yōu)參數(shù)組合為f1,e3,b4,c4,a4,d3，即f=30，e=1.5，b=2.5，c=2.5，a=4，d=3。

（6） 驗(yàn)證最優(yōu)組合

表10 各正交試驗(yàn)方案下路網(wǎng)邊界入口流量的MAPE 值 單位：%

表11 試驗(yàn)數(shù)據(jù)極差分析結(jié)果

依據(jù)最優(yōu)組合，設(shè)置仿真平臺(tái)參數(shù)，進(jìn)行仿真，得到0～3 600s 時(shí)仿真路網(wǎng)邊界入口的仿真流量，與路網(wǎng)各邊界入口的實(shí)際流量做對(duì)比，得到MAPE值，如表12 所示。最優(yōu)組合參數(shù)下路網(wǎng)邊界入口的MAPE小于5%，滿足精度要求。說明校正后的仿真結(jié)果與實(shí)測(cè)數(shù)據(jù)接近，誤差在可接受范圍之內(nèi)，由此可見，所采用的最優(yōu)參數(shù)組合是有效的，能真實(shí)再現(xiàn)路網(wǎng)的交通運(yùn)行狀況。

3 結(jié)束語

針對(duì)通過搭建真實(shí)車聯(lián)網(wǎng)環(huán)境來驗(yàn)證各種實(shí)驗(yàn)研究的難度較大且成本較高問題，本文以廣州實(shí)際路網(wǎng)為實(shí)驗(yàn)區(qū)域，利用Vissim 交通仿真軟件，給出了車聯(lián)網(wǎng)仿真實(shí)驗(yàn)平臺(tái)的具體搭建過程，并給出了基于正交試驗(yàn)法的模型參數(shù)具體校正過程，校正結(jié)果表明所采用的最優(yōu)參數(shù)組合是有效的。但該平臺(tái)通過讀取車輛信息文件，模擬車聯(lián)網(wǎng)環(huán)境，未能實(shí)時(shí)跟蹤車輛狀態(tài)，要實(shí)現(xiàn)真正的車聯(lián)網(wǎng)環(huán)境，需通過Vissim COM 接口進(jìn)行二次開發(fā)，此外，由于正交試驗(yàn)法是在一定范圍內(nèi)窮舉了若干套組合方案，不一定是最優(yōu)方案，因此，后續(xù)還需研究自動(dòng)標(biāo)定參數(shù)的方法。

圖7 各參數(shù)與的趨勢(shì)圖

表12 最優(yōu)組合參數(shù)仿真結(jié)果分析（0～3 600s）