迈向基于智能体的模型:仿真多式联运交通系统

发表于 4月 8, 2022

Lampros Yfantis

Aimsun科研人员

在新兴的多角色 (multi-actor) 客运和货运系统中,我们如何明确地呈现、仿真和评价日内 (within-day) 行为(需求层面)和运营(供应层面)的动态? 答案在于基于智能体的仿真方法,Aimsun通过其Aimsun Ride平台在H2020 HARMONY项目中实施了这种方法。

不断增加的交通基础设施成本,加上需要立即采取严格措施来减少城市的交通拥堵和空气质量恶化的问题,突显了交通移动和货物运输(需求层面)管理政策的重要性。 交通模型界已经表明,传统的、以统计学为导向的、基于行程的需求模型方法在捕捉个人和团体对这些干预措施的复杂的反应存在局限性,并鼓励向以行为为导向的活动模型转变 [1] [2] [3]。 同时,新的颠覆性技术和共享运输服务的出现,使得交通仿真工具有必要扩展新的功能,以评估这种基于车队的服务部署及其不同的管理操作。

为了在新的交通移动时代实现可持续的政策制定,规划部门面临着如何过渡、发展和应用这种新的和延展的建模范式的挑战。 H2020 HARMONY项目的目的是通过开发一个软件兼容的基于智能体 (software-agnostic agent-based) 的交通需求和供应仿真平台,即HARMONY模型套件(HARMONY MS) 来满足这一需求。 作为项目的一部分,Aimsun通过扩展和应用Aimsun Ride仿真平台,促进并实现了外部基于智能体的需求和(交通移动或货运)服务管理模块(控制器)与我们的交通建模工具包的整合。

Aimsun Ride是Aimsun Next的一个插件,最初是为了支持新的共享和按需交通运输概念的部署而开发的,在仿真环境中对车队管理运营的性能进行建模和评估。 在HARMONY项目的背景下,仿真平台的功能得到了进一步的扩展,以满足项目的要求,并能够分别对英国牛津郡和荷兰鹿特丹的创新客运和货运的新干预措施进行评估。 更具体地说,指导Aimsun Ride扩展和应用的主要原则是:

1. 促进Aimsun Next与基于智能体的多式联运需求模型在日常 (day-to-day) 和日内 (within-day) 建模层面的整合,从而支持基于仿真的需求管理战略评估。

2. 便于在智能体层面仿真交通需求(完全或部分使用背景交通),从而避免了分类旅客信息的损失(如果采用OD矩阵汇总,就会出现这种情况),以及在同一分类层面实现仿真数据的反馈。

3. 便于仿真新兴的货运和客运服务,支持一系列的车队管理业务和车辆类别

图1说明了HARMONY MS中基于智能体的交通模型的大致架构,特别是侧重于Aimsun Ride与项目中开发的外部模块的整合。 基于活动的客运和货运分解模型产生合成个人、货物和包裹的每日行程的行程时间表。 然后进一步管理需求,将它分解成日内仿真模块进行仿真,即在外部控制器和Aimsun Ride平台内的仿真。 外部客运和货运控制器负责管理个人的行为(日程表的重新评估、行程链的制定)和服务车队的管理决策(车队分配、车队搬迁、个体的行程建议),结合考虑仿真的网络状态和车队表现性能——简单地说,控制器的输出是动态生成的、需要由Aimsun Ride在不同时间仿真(加载到供应网络)最终乘客和车队车辆的行程。

图1:包含Aimsun Ride的HARMONY MS基于智能体的交通运输模型的整合框架

Aimsun Ride提供基于gRPC(远程程序调用框架)的API,它可以通过外部Python模块执行灵活的服务器端-客户端工作流程,这些模块定义并建立外部模块和Aimsun Ride之间的(基于事件和时间的)沟通模式——在这种情况下,就是集成模块。 集成模块可以作为客户端 (client),动态地(在仿真运行中)向供应网络请求提供不同类型的信息(例如,出行时间),或者作为服务器端,即Aimsun Ride从/向集成模块请求/提供信息(例如,行程、行程和车辆状态事件)。 除上述功能外,Aimsun Ride还提供了一个路径计算接口,可供外部集成模块使用,以便在不同条件(如自由流动、仿真和历史出行时间)和不同模式下考虑成本(出行时间)最小化的最佳乘客和车辆路线。

Ride平台提供了一个灵活的配置方法,用于创建具有具体需求和供应设置的仿真场景。 从需求的角度来看,默认的执行方式需要有交通需求,即至少有出发地、目的地和出发时间等信息的行程,并且Ride需要提前知道。 在仿真过程中,一旦任何出行即将开始,仿真器(客户端)就会产生一个出行请求,并调用集成器模块(服务器端)以获取有关出行在各个阶段的信息,即在其起点和终点之间在连续的每个行程段由特定的出行模式类型来执行。 Ride进一步提供在仿真运行时的针对行程和行程段的动态沟通,而不需要提前知道需求(例如,对于日内需求重新评估的情况)——在这种情况下,集成模块(客户端)调用Aimsun Ride(服务器端)来仿真不同时间间隔的特定行程。 从供应和基础设施的角度来看,Aimsun Ride要求输入供应网络模型(道路和带有出行时间和时刻表的公共交通基础设施),以及关于服务区、服务站(例如共享单车)和每种服务的车队规格(类型、数量和初始车辆位置)的信息。

为了能够在仿真后对系统性能进行评估,Aimsun Ride主要生成两个输出文件(除了其他与网络性能有关的数据)。

1. 一个事件日志文件,包括仿真不同出行模式的出行的完整事件清单,包括出行状态、智能体位置、车辆容量和每个出行阶段的仿真路径等的详细信息。

2. 一个可选的记录文件,用于在Aimsun Next的图形用户界面中可视化仿真结果。

Aimsun Ride在HARMONY项目中的应用将能够对新的客运和货运概念及其对拥堵和空气质量的影响进行基于仿真的评估,包括以下场景: 1)英国牛津市的自主需求响应交通(DRT)和MaaS服务,以及 2)荷兰鹿特丹中心的城市配送服务的微型服务中心。 在牛津郡和鹿特丹市议会的支持和建议下,这些用例的网络范围和服务领域如图2和图3所示。 建立这些区域的模型有利于利用先前的工作,支持在其他项目中利用这些模型,并确保其与牛津和鹿特丹市的其他模型兼容,以实现货运和客运规划。

图2:英国牛津的DRT使用案例的网络范围
图3:荷兰鹿特丹中心的微型服务中心使用案例的网络范围

对于牛津模型,Aimsun对现有的Aimsun Next模型进行了扩展,该模型来自NEVFMA(网络排放/车流管理调整)项目,增加了交通(公共汽车和铁路)和道路基础设施,以便为手头的使用案例进行微观运营仿真。 模型的成功重新校准依赖于牛津郡市政厅提供的探测器数据,图4图5显示了早高峰和晚高峰时段的流量容量比

图4:牛津模型 - 早高峰流量(条形宽度)和V/C比(颜色)
图5:牛津模型 - 晚高峰流量(条形宽度)和V/C比(颜色)

鹿特丹Aimsun Next市中心模型,从一个市政府提供的微观Paramics模型导入并进行扩展。 添加了缺少的道路和自行车基础设施,同时根据手头的使用案例,考虑了上午2小时高峰时间的需求。 由于缺乏交通统计和出行时间数据,该模型的校准依靠谷歌地图交通层来确定潜在的排队情况。 与谷歌交通图层的结果一致,图6图7说明了交通量大于容量和路段延误的情况。

图6:鹿特丹模型 - 早高峰流量(条形宽度)和V/C比(颜色)
图7:鹿特丹模型 - 早高峰路段延误

通过基于智能体的框架模型进行仿真评估,确实有很大的潜力,可以为需求管理和可持续经营政策提取有价值的、更有力的供需动态的见解。 我们期待着很快为您带来更多来自牛津和鹿特丹的Aimsun Ride应用的分享。

参考文献

1. Pinjari, A.R. and Bhat, C.R., 2011. Activity-based travel demand analysis. In A handbook of transport Economics. Edward Elgar Publishing.

2. Bowman, J.L. and Ben-Akiva, M.E., 2001. Activity-based disaggregate travel demand model system with activity schedules. Transportation research part a: policy and practice, 35(1), pp.1-28.

3. De Jong, G., Vierth, I., Tavasszy, L. and Ben-Akiva, M., 2013. Recent developments in national and international freight transport models within Europe. Transportation, 40(2), pp.347-371.

  • 有问题吗? 请联系我们。

    我们在这里提供帮助!

  • 有问题吗? 请联系我们。

    我们在这里提供帮助!

分享

引用Aimsun Next

Aimsun Next 20

Aimsun (2021). Aimsun Next 20 User’s Manual, Aimsun Next Version 20.0.3, Barcelona, Spain. Accessed on: May. 1, 2021. [In software].
Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html


Aimsun Next 8.4

Aimsun (2021). Aimsun Next 8.4 User’s Manual, Aimsun Next Version 8.4.4, Barcelona, Spain. Accessed on: May. 1, 2021. [In software]. Available: qthelp://aimsun.com.aimsun.8.4/doc/UsersManual/Intro.html

Aimsun Next 20

@manual {​​​​​​​​AimsunManual,

title = {​​​​​​​​Aimsun Next 20 User’s Manual}​​​​​​​​,

author = {​​​​​​​​Aimsun}​​​​​​​​,

edition = {​​​​​​​​​​​​​​​Aimsun Next 20.0.3}​​​​​​​​​​​​​​​,

address = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,

year = {​​​​​​​​​​​​​​​2021. [In software]}​​​​​​​​​​​​​​​,

month = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,

url = {​​​​​​​​​​​​​​​qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html}​​​​​​​​​​​​​​​,

}​​​​​​​​​​​​​​​


Aimsun Next 8.4

@manual {​​​​​​​​AimsunManual,

title = {​​​​​​​​Aimsun Next 8.4 User’s Manual}​​​​​​​​,

author = {​​​​​​​​Aimsun}​​​​​​​​,

edition = {​​​​​​​​​​​​​​​Aimsun Next 8.4.4}​​​​​​​​​​​​​​​,

address = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,

year = {​​​​​​​​​​​​​​​2021. [In software]}​​​​​​​​​​​​​​​,

month = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,

url = {​​​​​​​​​​​​​​​qthelp://aimsun.com.aimsun.8.4/doc/UsersManual/Intro.html}​​​​​​​​​​​​​​​,

}​​​​​​​​​​​​​​​

Aimsun Next 20

TY – COMP

T1 – Aimsun Next 20 User’s Manual

A1 – Aimsun

ET – Aimsun Next Version 20.0.3

Y1 – 2021

Y2 – Accessed on: Month, Day, Year

CY – Barcelona, Spain

PB – Aimsun

UR – [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html


Aimsun Next 8.4

TY – COMP

T1 – Aimsun Next 8.4 User’s Manual

A1 – Aimsun

ET – Aimsun Next Version 8.4.4

Y1 – 2021

Y2 – Accessed on: Month, Day, Year

CY – Barcelona, Spain

PB – Aimsun

UR – [In software]. Available: qthelp://aimsun.com.aimsun.8.4/doc/UsersManual/Intro.html