基于VISSIM的微觀交通仿真模型參數標定研究

張鹍鵬 劉鼎 謝秉磊

摘要：在仿真軟件進行交通仿真之前，必需進行模型參數的標定，以提升交通模型的適用性和交通仿真的準確性。目前國內應用的主流交通仿真軟件大多依托于國外交通特性開發，不能充分適用于我國實際交通運行特征。在已有研究的基礎上，本文借助VISSIM COM接口，以排隊長度、最大排隊長度、旅行時間、出行延誤為評價指標，借助遺傳算法的智能尋優功能，利用C#語言開發了模型參數標定工具，實現了29種模型參數的自由組合以及自動化和便捷化標定，并且用深圳市實際案例驗證了模型算法的有效性。本研究提供了一套通用性強、操作便捷的模型標定方法，可為實際模型標定工作提供支持。

Abstract： It is necessary to calibrate parameters to improve the applicability of traffic models and accuracy of traffic simulation before conduction of the traffic simulation. At present， most of traffic simulation software applied in China is mostly developed by the foreign traffic characteristics， but it cannot adapt to the actual traffic operation characteristics of China. On the basis of the existing researches， with the help of VISSIM COM interface， this paper takes the queuing length， maximum queuing length， travel time and travel delay as the evaluation indexes， and uses the intelligent optimization function of genetic algorithm. Then the calibration tool of model parameters is developed by using C# language， which realizes the automatic and convenient calibration of 29 model parameters. The model algorithm is verified by the actual case in Shenzhen. This study provides a set of universal and convenient calibration method for driving behavior model， which can provide support for the actual model calibration work.

關鍵詞：交通仿真;VISSIM;參數標定;遺傳算法;標定工具

Key words： traffic simulation;VISSIM;parameter calibration;genetic algorithm;calibration tool

中圖分類號：U491?????????????????????????????????????? 文獻標識碼：A????????????????????????????????? 文章編號：1006-4311（2020）28-0189-05

0? 引言

在實際重大工程建設、片區交通改善、重點活動交通組織等項目中，常利用Vissim、Tansmodeler、PARAMICS等微觀交通仿真軟件進行方案評估，旨在對方案實施前后的效果、交通影響進行量化分析，輔助比選設計方案，以提升決策的科學性。然而這些微觀交通仿真軟件均從國外引進，其軟件參數默認值反應了國外交通特性，不符合我國國情。同時在實際工程應用中，交通仿真人員又常常輕視模型的參數標定工作，導致仿真結果可靠性、準確性較差。同時，目前常用的參數標定方法是有經驗的工程師依據現狀觀測值手動進模型參數調試，存在參數標定時間長、人員專業性要求高等缺陷，故而亟需建立一套面向工程應用的、通用性強、操作簡便的微觀交通仿真模型標定方法。

楊洪利用多情景實驗分析，對比仿真結果與規范值，來確定合理的參數取值范圍。Ciuffo B提出利用流量和速度校正模型。孫劍采用遺傳模擬退火啟發式算法建立了VISSIM仿真模型校正算法。成衛提出微觀交通參數及動態路徑選擇的校正設計流程。Ciuffo B利用遺傳算法為校準算法，建立了全局參數敏感性闡發方法對高峰時間段的模型進行校準。朱林波利用BP神經網絡技術研究模型中各參數對主-輔路行程時間這一評價指標的影響。盧守峰借助流量速度圖，以最小化流量速度圖的實測值與仿真值的差異為優化目標來標定Wiedemann74模型參數。Punzo V提出了一種混合交通流下仿真模型校正的方法。楊艷芳借助SOGA算法，優化了染色體編碼、適應度函數等算法流程，提高了標定效率和準確性。孫惠芳從乘客屬性、心理特征、行為特征、設施環境、其他行人影響等方面分析不同群體的交通特性差異性。

2.3 模型標定實現

C#是微軟公司發布的一種面向對象的、運行于.NET Framework和.NET Core（完全開源，跨平臺）之上的高級程序設計語言。

研究中利用C#調用VISSIM COM接口，同時編寫遺傳算法求解程序，借助高效的桌面端應用開發功能，實現模型參數標定的可視化，標定界面如圖2所示，具備微觀交通仿真基礎參數設置、評價指標選取、遺傳算法優化、待標定參數選取以及最優化標定結果輸出等功能。

微觀交通仿真模型參數標定的具體流程為：

Step1：初始化仿真路網，設置仿真時間、仿真精度、隨機種子等仿真參數;

Step2：選取平均排隊長度、最大排隊長度、旅行時間、車輛延誤中的一個或多個作為交通仿真評價指標;

Step3：設置遺傳算法收斂條件、選擇概率、交叉概率、變異概率等參數;

Step4：從跟馳模型和車道變換模型中選擇需要標定的模型參數;

Step5：點擊運行，通過VISSIM COM接口將參數傳入VISSIM軟件中，仿真運行結束后，通過COM接口調用交通仿真評價指標的取值，計算適應度值。檢查是否滿足收斂要求，若是，轉到Step7;若不是，轉到Step6;

Step6：對種群中的每個染色體代表的參數序列，進行選擇、交叉和變異操作，生成新的種群，轉到Step5;

Step7：模型參數標定結束，輸出最優化參數序列。

3? 模型標定算法驗證

為驗證模型標定方法的有效性，利用VISSIM搭建深圳市某交口的仿真環境，交叉口位于兩主干路相交處，早晚高峰流量很大，項目采集到2019年6月4日7：00-9：00的流量、信號配時、交通構成、交叉口轉向等數據，同時在VISSIM設置了檢測器，采集排隊長度、出行時間、延誤時間等信息。

遺傳算法參數設置：種群數量為30，進化代數為10，選擇概率為0.9，交叉概率為0.5，變異概率為0.05。以平均排隊長度和最大排隊長度與實測值差的絕對值作為適應度評價函數，當程序運行到最大迭代次數時，將停止運算輸出最優化的參數標定結果。

本次實驗中選用跟馳模型的安全距離折減系數、安全距離的附加部分、安全距離的倍數以及換道模型的平均停車間距、最小車頭空距、最大減速度（跟車）、最大減速度（自身）、協同剎車最大減速度、慢車道超車最小時間間距等9項參數作為待標定參數，點擊開始進行模型參數標定，模型標定參數選擇和設置情況及運行結果如圖3和圖4所示，目標函數值和參數標定結果取值情況如表3和表4所示。

從表3可知，利用VISSIM軟件默認參數進行仿真時，排隊長度和最大排隊長度與實際觀測值的誤差分別為16.90%、11.32%，利用優化后參數進行仿真的誤差分別為7.46%、8.11%，與實際情況的擬合程度分別提升了9.44%、3.21%，表明標定后的模型能夠更好的再現實際交通運行狀況。

4? 結論

本次研究實現了微觀仿真模型參數的自動標定。通過借助VISSIM COM接口，以排隊長度、最大排隊長度、旅行時間、出行延誤為評價指標，借助遺傳算法的智能尋優功能，利用C#語言實現了29種模型參數標定的自動化和便捷化。同時利用實測數據驗證了模型算法的有效性和合理性，能夠為微觀交通仿真工作提供支撐。

在后續研究中，可考慮應用到更大范圍的路網上，以進行分路段、分片區的微觀交通仿真模型的參數標定。此外，同時也可結合檢測器、卡口等設備的實時交通流量、排隊長度、速度等據，可以來進行實時仿真情景下的模型參數標定研究。

參考文獻：

[1]楊洪，韓勝風，陳小鴻.Vissim仿真軟件模型參數標定與應用[J].城市交通，2006（6）：22-25.

[2]Ciuffo.B， V.Punzo， V. Torrieri. A Framework for the Calibration of Microscopic Traffic Flow Models [C]. Transportation Research Board Annual Meeting， Washington， D.C.， Jan2007.

[3]孫劍，楊曉光，劉好德.微觀交通仿真系統參數校正研究[J].系統仿真學報，2007（1）：48-50.

[4]Manjunatha， P.， Vortisch， P. and Mathew， T.V. Methodology for the Calibration of VISSIM in Mixed Traffic. Transportation Research Board 92nd Annual Meeting， 2013： 13-3677.

[5]成衛，袁滿榮，陳輝.基于Q-paramics的微觀交通仿真模型參數校正[J].系統工程，2013（02）：46-50.

[6]成衛，金成英，袁滿榮.基于遺傳模擬退火算法的TRANSMODELER仿真模型參數標定研究[J].武漢理工大學學報（交通科學與工程版），2014，38（03）：478-482.

[7]盧守峰，王麗圓.宏觀標定方法在Wiedemann駕駛行為閾值研究中的應用[J].公路交通科技，2014，31（9）：115-119.

[8]Punzo V， Montanino M， Ciuffo B. Global sensitivity analysis techniques to simplify the calibration of traffic simulation models. Methodology and application to the IDM car-following model[J]. IET Intelligent Transport Systems， 2014， 8（5）： 479-489.

[9]朱林波，羅霞.基于人工神經網絡的微觀交通仿真模型參數靈敏度分析[J].武漢理工大學學報（交通科學與工程版），2014（2）：426-430.

[10]孫惠芳.城市軌道交通車站通道行人步行微觀參數實測分析[J].交通科技與經濟，2017，19（6）：33-38.

[11]楊艷芳，秦勇，努爾蘭 木漢.基于SOGA的VISSIM仿真模型參數標定方法[J].交通運輸系統工程與信息，2017（3）：91-97.

[12]吳嬌蓉，辛飛飛.交通系統仿真及應用[M].上海：同濟大學出版社，2012.

[13]盧守峰，劉喜敏.微觀交通仿真[M].長沙：中南大學出版社，2016.

[14]PTV. VISSIM 6 USER MANUAL [Z] .German： Transport Verkeher AG 2014.

[15]胡婷.面向快速路交織區的微觀交通仿真模型標定研究[D].北京：北京交通大學，2010.

[16]王雪松，朱美新.基于自然駕駛數據的中國駕駛人城市快速路跟馳模型標定與驗證[J].中國公路學報，2018，31（9）：129-138.

[17]尹俊淞.基于道路速度-排隊長度的VISSIM參數標定建模與算法[J].交通運輸工程與信息學報，2019（3）：144-151.

[18]李美影.基于改進遺傳算法的微觀交通仿真模型參數標定方法研究[D].濟南：山東大學，2019.

[19]劉媛媛.面向C#程序的異常處理系統的設計與應用[D]. 西南交通大學，2016.

基金項目：教育部科技發展中心產學研創新基金“多源城市大數據驅動的居民出行時空模式分析與建模”（2018A01025）;深圳市哲學社會科學規劃課題“多源城市大數據驅動的粵港澳大灣區交通網絡一體化協調發展研究”（SZ2019C004）;國家自然科學基金項目“基于交通行為的道路網絡脆弱性識別及改善策略研究”（71473060）。

作者簡介：張鹍鵬（1981-），男，河南鶴壁人，教授級高級工程師，博士在讀，研究方向為軌道交通規劃、交通信息化等。