基于计算实验的公共交通需求预测方法

陈曦; 彭蕾; 李炜

doi:10.16383/j.aas.2017.c150723

基于计算实验的公共交通需求预测方法

doi: 10.16383/j.aas.2017.c150723

陈曦^1,2,3,,
彭蕾^1,2,,
李炜^1,3, ,

1.
华中科技大学自动化学院武汉 430074
2.
华中科技大学非传统安全中心武汉 430074
3.
国家教育部图像处理与智能控制重点实验室武汉 430074

基金项目:

国家自然科学基金 71571081，91324203

详细信息

作者简介:
陈曦华中科技大学自动化学院副教授.主要研究方向为复杂系统建模与仿真,制造物联网技术,决策支持理论.E-mail:chenxi@hust.edu.cn

彭蕾华中科技大学自动化学院硕士研究生.主要研究方向为复杂系统建模与仿真.E-mail:penglei2014@hust.edu.cn

通讯作者:
李炜华中科技大学自动化学院副教授.主要研究方向是信号处理,模式识别,复杂系统建模和智能控制.本文通信作者. E-mail:liwei0828@hust.edu.cn.

计量
- 文章访问数: 2750
- HTML全文浏览量: 370
- PDF下载量: 975
- 被引次数: 0
出版历程
- 收稿日期: 2015-11-03
- 录用日期: 2016-05-31
- 刊出日期: 2017-01-01

A Computational Experiment Approach to Public Traffic Demand Forecast

CHEN Xi^{1,2,3
,},
PENG Lei^{1,2
,},
LI Wei^{1,3
, ,}

1.
School of Automation, Huazhong University of Science and Technology, Wuhan 430074
2.
Non-traditional Security Center of Huazhong University of Science and Technology, Wuhan 430074
3.
Image Processing and Intelligent Control Key Laboratory of Education Ministry of China, Wuhan 430074

Funds:

Supported by National Natural Science Foundation of China 71571081，91324203

More Information

Author Bio:
CHEN Xi Associate professor at the School of Automation, Huazhong University of Science and Technology. His research interest covers modeling and simulation for complex system, the internet of things technology and decision support theory.

PENG Lei Master student at the School of Automation, Huazhong Uni- versity of Science and Technology. Her research interest covers modeling and simulation for complex system.

Corresponding author: LI Wei Associate professor at the School of Automation, Huazhong Uni- versity of Science and Technology. Her research interest covers signal process- ing, pattern recognition, complex system modeling and in- telligent control. Corresponding author of this paper. E-mail:liwei0828@hust.edu.cn.

摘要

摘要: 一般来说，用于交通需求预测的数学模型往往缺少对出行个体微观水平上的异质性和可变交通情景的考虑.针对这些问题，本文提出了一种基于计算实验的公共交通需求预测方法.该方法主要由交通调查、基于Agent的人工交通系统（Artificial transportation system，ATS）和计算实验3部分组成.在出行个体Agent建模中引入BDI（Belief-desire-intention）模型，来推演各出行个体在出行过程中对各交通选择的决策制定过程.在人工交通系统的基础上，可以设计并执行大量的计算实验来进行交通需求预测.本文通过基于校车系统的一系列交通调查和计算实验验证了该方法的可行性和优越性，并针对各种不同交通情景进行了交通分布预测和交通方式划分预测.
- 计算实验 /
- 交通需求预测 /
- 基于Agent的建模与仿真 /
- BDI(Belief-desire-intention)模型
Abstract: Mathematical models used in traffic demand forecast usually do not consider individual heterogeneity at the micro level and changeable traffic scenes. To solve these issues, a forecast method based on computational experiment that is composed of traffic survey, agent-based artificial transportation system (ATS), and computational experiments is proposed. A BDI (belief-desire-intention) modeling method is introduced in individual passenger agent to deduce each passenger's decision-making process of traffic selection. By using a series of computational experiments on ATS, a case study on a school bus system is conducted to validate the feasibility and superiority of our method. Several computational experiments are conducted to predict the traffic distribution and the traffic mode choice under different traffic scenarios.
- Computational experiments /
- traffic demand forecast /
- agent-based modeling and simulation /
- BDI (Belief-desire-intention) model

HTML全文

图 1 基于计算实验的公共交通需求预测方法框架图

Fig. 1 Framework of traffic demand forecast method based on computational experiments

下载: 全尺寸图片幻灯片

图 2 出行个体Agent的模型结构图

Fig. 2 Structure of passenger agent

下载: 全尺寸图片幻灯片

图 3 出行个体的BDI模型结构图

Fig. 3 Structure of the BDI model of a passenger agent

下载: 全尺寸图片幻灯片

图 4 出行个体BDI模型中的信念世界、愿望世界和\\意图世界全集

Fig. 4 Belief-world,desire-world,and intention-world in the BDI model of passenger agent

下载: 全尺寸图片幻灯片

图 5 公共交通工具Agent的模型结构图

Fig. 5 Structure of public vehicle agent

下载: 全尺寸图片幻灯片

图 6 交通环境模型图

Fig. 6 Structure of traffic environment

下载: 全尺寸图片幻灯片

图 7 公共交通需求预测计算实验的循环过程图

Fig. 7 Circulation process of forecast computational experiments for public traffic demand

下载: 全尺寸图片幻灯片

图 8 研究路段和周围环境示意图

Fig. 8 The studied route and its surrounding environment

下载: 全尺寸图片幻灯片

图 9 ATS建模界面

Fig. 9 Interface of the ATS

下载: 全尺寸图片幻灯片

图 10 韵苑站至科技楼站的结果对比图

Fig. 10 Comparisons of predicted traffic flow from Yunyuan Station to Kejilou Station and that in the real world

下载: 全尺寸图片幻灯片

图 11 韵苑站至南一楼站的结果对比图

Fig. 11 Comparisons of predicted traffic flow from Yunyuan Station to Nanyilou Station and that in the real world

下载: 全尺寸图片幻灯片

图 12 常规天气和极端天气下的交通分布对比图

Fig. 12 Comparison of traffic distributions under normal weather and abnormal weather

下载: 全尺寸图片幻灯片

图 13 常规工作日和考试周工作日的交通分布对比图

Fig. 13 Comparison of traffic distributions under normal weekday and weekday in exam week

下载: 全尺寸图片幻灯片

图 14 不同校车调度方案下各交通方式的交通流分担率变化趋势

Fig. 14 Traffic flow of each traffic mode under different numbers of school bus

下载: 全尺寸图片幻灯片

表 1 具有不同属性的出行个体分布

Table 1 Distribution of passengers with different properties

个体属性	属性值	分布比例(%)
性别	男	85.7
性别	女	14.3
男生中代步工具的拥有情况	有	72.0
男生中代步工具的拥有情况	无	28.0
女生中代步工具的拥有情况	有	46.0
女生中代步工具的拥有情况	无	54.0
起始站点	韵苑站	100.0
目的站点	科技楼	25.7
目的站点	南一楼	74.3

下载: 导出CSV

表 2 各类个体可接受队长临界值分布 (%)

Table 2 Distribution of max queue length passengers accepted(%)

	10人	20人	30人	40人	50人
男生且有自行车	11	19	28	20	22
男生且无自行车	3	13	26	24	34
女生且有自行车	0	14	41	17	28
女生且无自行车	0	9	15	20	56

下载: 导出CSV

表 3 各类个体乘坐校车的概率分布 (%)

Table 3 Probability of passengers taking school bus (%)

个体属性	常规天气	极端天气
男生且有自行车	14	69
男生且无自行车	100	100
女生且有自行车	29	97
女生且无自行车	100	100

下载: 导出CSV

表 4 规则库中的部分规则

Table 4 Part of the rules in rule base

默认交通方式为“步行”
IF 职业=“学生”& 性别=“女”& 车辆拥有情况=“无自行车”THEN GOTO 规则1»6
规则1 IF 天气=“温和”& 途经站点数＜ 3 THEN 交通方式=“步行”
规则2 IF 天气=“温和”& 途经站点数¸ 3&站点队长· (最大可接受队长) THEN 交通方式=“校车”
规则3 IF 天气=“温和”& 途经站点数¸ 3&站点队长> (最大可接受队长) THEN 交通方式=“步行”
规则4 IF 天气=“极端”& 途经站点数＜ 3 THEN 交通方式=“步行”
规则5 IF 天气=“极端”& 途经站点数¸ 3&站点队长· (最大可接受队长) THEN 交通方式=“校车”
规则6 IF 天气=“极端”& 途经站点数¸ 3&站点队长> (最大可接受队长) THEN 交通方式=“步行”
IF 职业=“学生”& 性别=“女”& 车辆拥有情况=“有自行车”THEN GOTO 规则7»12
规则7 IF 天气=“温和”& 途经站点数＜3 THEN 交通方式=“自行车”(83 %) 或“步行”(17 %)
规则8 IF 天气=“温和”& 途经站点数¸ 3&站点队长· (最大可接受队长) THEN 交通方式=“自行车”(71 %) 或“校车”(29 %)
规则9 IF 天气=“温和”& 途经站点数¸ 3&站点队长> (最大可接受队长) THEN 交通方式=“校车”
规则10 IF 天气=“极端”& 途经站点数＜3 THEN 交通方式=“自行车”(52 %) 或“步行”(48 %)
规则11 IF 天气=“极端”& 途经站点数¸ 3&站点队长· (最大可接受队长) THEN 交通方式=“自行车”(3 %) 或“校车”(97 %)
规则12 IF 天气=“极端”& 途经站点数¸ 3&站点队长>(最大可接受队长) THEN 交通方式=“自行车”

下载: 导出CSV

表 5 4次实验中的预测交通流和实际交通流

Table 5 Predicted traffic flow and real traffic flow in four experiments

交通流	实验1	实验2	实验3	实验4
韵苑站至科技楼的预测交通流	31	3	46	39
韵苑站至科技楼的实际交通流	30	3	42	36
韵苑站至南一楼的预测交通流	108	103	94	71
韵苑站至南一楼的实际交通流	104	101	92	75

下载: 导出CSV

表 6 预测交通流的误差分析 (%)

Table 6 Error of predicted traffic flow (%)

预测交通流的误差	实验1	实验2	实验3	实验4
韵苑站至科技楼	3.33	0	9.53	8.33
韵苑站至南一楼	3.85	1.98	2.17	5.33

下载: 导出CSV

表 7 常规天气和极端天气时的交通分布数据

Table 7 Traffic flow under normal weather and abnormal weather

	集贸站	科技楼	南一楼	南大门站
常规天气	50	354	1824	523
极端天气	24	341	1430	112

下载: 导出CSV

表 8 常规工作日和考试周工作日的交通分布数据

Table 8 Traffic flow under normal weekday and weekday in exam week

	集贸站	科技楼	南一楼	南大门站
常规工作日	50	354	1824	523
考试周工作日	63	18	2710	344

下载: 导出CSV

表 9 不同校车数量下各交通方式的交通流分担数据

Table 9 Traffic flow of each traffic mode under different number of school bus

校车数量	校车	自行车	步行
1	203	1116	390
2	327	1150	268
3	390	1161	174
4	469	1114	120
5	504	1116	76
6	506	1134	71
7	500	1117	80

下载: 导出CSV

参考文献(20)

[1]	Wang F Y, Tang S M. A framework for artificial transportation systems:from computer simulations to computational experiments. In:Proceedings of the 2005 IEEE Intelligent Transportation Systems. Vienna, Austria:IEEE, 2005. 1130-1134
[2]	陈英武, 邢立宁, 王晖, 葛斌, 李沛, 赵青松. 网络环境下社会管理的组织行为建模与计算实验研究综述. 自动化学报, 2015, 41(3):462-474 http://www.aas.net.cn/CN/abstract/abstract18625.shtml Chen Ying-Wu, Xing Li-Ning, Wang Hui, Ge Bin, Li Pei, Zhao Qing-Song. Review on organizational behavior modeling and computational experiments of social management under network environments. Acta Automatica Sinica, 2015, 41(3):462-474 http://www.aas.net.cn/CN/abstract/abstract18625.shtml
[3]	袁勇, 王飞跃. 不完全信息议价博弈的序贯均衡分析与计算实验. 自动化学报, 2015, 42(5):724-734 http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201605012.htm Yuan Yong, Wang Fei-Yue. Sequential equilibrium analysis and computational experiments of a bargaining game with incomplete information. Acta Automatica Sinica, 2015, 42(5):724-734 http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201605012.htm
[4]	胡玉玲, 王飞跃, 刘希未. 基于ACP方法的高层建筑火灾中人员疏散策略研究. 自动化学报, 2014, 40(2):185-196 http://www.aas.net.cn/CN/abstract/abstract18281.shtml Hu Yu-Ling, Wang Fei-Yue, Liu Xi-Wei. ACP-based research on evacuation strategies for high-rise building fire. Acta Automatica Sinica, 2014, 40(2):185-196 http://www.aas.net.cn/CN/abstract/abstract18281.shtml
[5]	Wang F Y. Parallel control and management for intelligent transportation systems:concepts, architectures, and applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3):630-638 doi: 10.1109/TITS.2010.2060218
[6]	Wang F Y. Toward a paradigm shift in social computing:the ACP approach. IEEE Intelligent Systems, 2007, 22(5):65-67 doi: 10.1109/MIS.2007.4338496
[7]	唐少虎, 刘小明, 陈兆盟, 张金金. 基于计算实验的城市道路行程时间预测与建模. 自动化学报, 2015, 41(8):1516-1527 http://www.aas.net.cn/CN/abstract/abstract18725.shtml Tang Shao-Hu, Liu Xiao-Ming, Chen Zhao-Meng, Zhang Jin-Jin. Urban road travel time prediction and modeling via computational experiments. Acta Automatica Sinica, 2015, 41(8):1516-1527 http://www.aas.net.cn/CN/abstract/abstract18725.shtml
[8]	刘小明, 李正熙. 城市客运交通枢纽平行系统体系研究. 自动化学报, 2014, 40(12):2756-2765 http://www.aas.net.cn/CN/abstract/abstract18555.shtml Liu Xiao-Ming, Li Zheng-Xi. Parallel systems for urban passenger transport hub. Acta Automatica Sinica, 2014, 40(12):2756-2765 http://www.aas.net.cn/CN/abstract/abstract18555.shtml
[9]	孙绪彬, 董海荣, 宁滨, 高童欣, 孔庆杰. 基于ACP方法的应急疏散系统研究. 自动化学报, 2014, 40(1):16-23 http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201401003.htm Sun Xu-Bin, Dong Hai-Rong, Ning Bin, Gao Tong-Xin, Kong Qing-Jie. ACP-based emergency evacuation system. Acta Automatica Sinica, 2014, 40(1):16-23 http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201401003.htm
[10]	Li J Y, Tang S M, Wang X Q, Duan W, Wang F Y. Growing artificial transportation systems:a rule-based iterative design process. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2):322-333 doi: 10.1109/TITS.2011.2110646
[11]	He W, Chen G S, Tang S M, Li D Y, Guo M, Zhang T L, Jia P, Jin F. A scaled-down traffic system based on autonomous vehicles:a new experimental system for ITS research. In:Proceedings of the 15th International IEEE Conference on Intelligent Transportation Systems. Anchorage, Alaska, USA:IEEE, 2012. 13-18
[12]	Wahle J, Schreckenberg M. A multi-agent system for on-line simulations based on real-world traffic data. In:Proceedings of the 34th Annual Hawaii International Conference on System Sciences. Maui, HI, USA:IEEE, 2001.
[13]	Dong X S, Liu Y, Xiong G, Zhu F H, Li Z J. Parallel transportation management and control system for subway systems based on ACP approach. In:Proceedings of the 17th International IEEE Conference on Intelligent Transportation Systems (ITSC). Qingdao, China:IEEE, 2014. 2906-2911
[14]	Ning B, Tang T, Dong H R, Wen D, Liu D R, Gao S G, Wang J. An introduction to parallel control and management for high-speed railway systems. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(4):1473-1484 doi: 10.1109/TITS.2011.2159789
[15]	Zhu F H, Chen S H, Lv Y S, Ye P J, Xiong G, Dong X S. Parallel public transport system and its application in the evacuation of large-scale activities. In:Proceedings of the 15th International IEEE Conference on Intelligent Transportation Systems. Anchorage, Alaska, USA:IEEE, 2012. 102-107
[16]	Dong H R, Ning B, Chen Y, Sun X B, Wen D, Hu Y L, Ouyang R H. Emergency management of urban rail transportation based on parallel systems. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(2):627-637 doi: 10.1109/TITS.2012.2228260
[17]	Li L F, Zhang H, Wang X F, Lu W, Mu Z P. Urban transit coordination using an artificial transportation system. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2):374-383 doi: 10.1109/TITS.2010.2060195
[18]	潘星晨, 汪云峰. 应急响应环境下基于BDI模型的Agent结构研究. 微型机与应用, 2011, 30(5):81-84 http://www.cnki.com.cn/Article/CJFDTOTAL-WXJY201105029.htm Pan Xing-Chen, Wang Yun-Feng. Research of agent architecture based on BDI under emergency response. Microcomputer and Its Applications, 2011, 30(5):81-84 http://www.cnki.com.cn/Article/CJFDTOTAL-WXJY201105029.htm
[19]	李圆. 基于BDI Agent的个体推理和多部门应急协商方法及应用[硕士学位论文], 华中科技大学, 中国, 2012 Li Yuan. Research and Application of BDI Agent based Reasoning and Multi-Department Emergency Negotiation[Master dissertation], Huazhong University of Science and Technology, China, 2012
[20]	Miao Q H, Zhu F H, Lv Y S, Cheng C J, Chen C, Qiu X G. A game-engine-based platform for modeling and computing artificial transportation systems. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2):343-353 doi: 10.1109/TITS.2010.2103400