英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
System architecture of a decision support system for
freeway incident management in Republic of Korea
S. Akhtar Ali Shah a,*, Hojung Kim a, Seungkirl Baek b,
Hyunho Chang b, Byung Ha Ahn a
韩国高速公路突发事件管理决策支持系统的系统架构
S. Akhtar Ali Shah a,*, Hojung Kim a, Seungkirl Baek b,
Hyunho Chang b, Byung Ha Ahn a
摘 要
交通管理中心的高效运作在高速公路网的后事故场景中扮演着重要的角色。按照韩国目前的做法,交通管理者使用一种探索式的事件分析方法,这种方法基于他们过去类似的经验。然而,这种方法包含了不确定性并且减少整个后续事件管理和救援行动的有效性。
这篇文章提出了一个决策支持系统来克服这些缺点,我们把我们的系统命名为FIAS,高速公路事件分析系统,本文给出的新颖想法是使用历史、实时的、和空间的数据在微观仿真平台细胞自动机上面同时预测后事故交通流量。FIAS将传统模型中的两个额外的规则合并起来描述更真实的事件流特征。本文注重模型的系统架构并测试其性能,通过比较其预测值与真实的事件数据。评价结果证实FIAS的有效性因为它可以准确的模拟交通流事件的独立微观结构。
关键字： 架构；事件；高度公路；交通管理中心；微观仿真；非重现性拥堵；智能交通
1、前言
拥堵在韩国严重威胁道路基础设施的有效运行。拥堵的成本估计约4%的GDP,相当于370亿美元(OECD, 2001).从高速公路上交通拥堵问题的严重性以及近从近几年交通量高速增长的角度看，韩国高速公路公司已经采取了若干措施从物理基础设施扩张需求管理。计划扩展现有高速公路2610公里的22线路到2006年底达到3400公里，最终在2020年达到6160公里高速公路网络，形成九条由西向东运行的高速公路干线和由南到北运行的七条干线。(KHC, a)。
在这种供给方法的同时,韩国政府也一直在在全国推动智能交通系统,特别是在所有主要道路网，使交通流动更有效、更安全。这项研究也是类似计划的一部分来优化交通管理的工作中心(TMC)，这个中心在执行ITS方面起着至关重要的作用。
在这项研究中,一个工具被命名为“FIAS”——高速公路事件分析系统被开发来协助交通管理工作，在TMC高速公路交通管理系统中。FIAS可以基于历史数据与实时数据补充从收费系统(TCS)和车辆检测系统(VDS)空间数据中模拟事后流量。我们已经讨论了FIAS的可行性方面以及其有能力预测流入交通高速公路网络上其他地方(Kim et al .,2005)。,然而,在前面的工作中，一个全面的总体系统结构包括规格要求和测试模型的通用性相对的稳定性方面没有考虑长期事件场景。
在交通管理中心(TMC)的交通管理者是关键的利益相关者和他们的角色已经正式承认(里奇,1990;张和里奇,1990;胡et al .,2003)。这个模型的另一个独特的特性是在问题调查阶段知识的整合。这种多元方法的采用对于赢得潜在用户的信心是必不可少的。
这个简短的开场白会紧随其后的定义和调查用户的角度看问题。在下一节中,已经提出的一个改良版本(Kim et al .,2004)系统架构模型的描述。它将评估事件,需要长时间的间隙。实验结果的结论和讨论将在以后的章节。
2.交通事故
尽管交通事件包含一系列活动,计划内或计划外,限制了自由流动的交通(Ozbay Kachroo,1999),本文只采用事故事件的工作定义。在事后的场景中畅通的恢复是一个重要的任务,涉及到一系列的典型步骤，这些步骤由Nathenail和Zografos精心讨论(1995)。根据所需的时间消除阻塞,这一事件被分类为短期和长期的事件。事件与间隙时间30分钟或低于被定义在这里,作为短期事件,而事件需要超过30分钟,应当视为长期的事件。模型验证,本文只考虑长期的事件。
- 问题调查
3.1文献综述
事件的不确定性分析结果在低效率的交通管理和使用救援资源需要解决(胡et al .,2003;伊凡和陈,1996;张和里奇,1994)。TMC的流量管理器通常采用启发式方法基于个验,一起事故到另外一起事故可能有所不同。这种方法的缺点概述如下(胡et al .,2003):
（a）时空分布复杂的交通状况限制了个人经验来应付各种场合的范围。
（b）不一致等响应取决于不确定的参数类型,多样性和事件的时间。
(c) 低效率的整体管理和修理基础设施。
这种传统做法除了没有考虑交通流信息来源和目的地,现成国家已经有这些信息,像韩国,停止了高速公路网络和有限数量以及涉众参与救援的行动。目前事件影响预测工具是基于实时数据(张和里奇,1994)和历史数据(Heygi et al .,2000)。一些建议系统集中在代理的分布式体系结构,通信和决策特征(Flippo和里奇,2002)。一些研究者采用GIS在休斯顿交通管理项目，但证明不能有效解决实时交通管理系统(Ozbay Kachroo,1999)。
3.2 用户参与
调查评估现有的管理系统来帮助流量管理者以一致的反应控制临时交通拥堵。接受采访的TMC主要利益相关者和非正式的开放式的问卷调查基础上,对于他们的问题,需求,工作,现有系统的事件检测、验证和修复。除此之外他们还询问他们在应对这一事件相关的阻塞和帮助的工具在事后的场景的满意度。他们的反应可以归结为
（ⅰ）车辆检测系统现有的检测和验证过程基于速度地图,车手和闭路电视监控摄像机非常有用。
（ⅱ）在一些“不熟悉”事件场景中已经很难预测间隙时间。
（ⅲ）在事后的情况下它需要警惕工具的分析时间最少的情况和满意程度的修正。
（ⅳ）如果管理者以实实在在的格式及时提供可靠的预测事件的影响因素，TMC的工作可以被提高。
4.系统概念
FIAS的框架基于四个基本模块,包括数据访问、操作、模拟和输出模块(图1)。数据访问模块包括现有FTMS组件,即：TCS和VDS（车辆检测系统）数据服务器。历史和实时数据被融合和筛选进模块。也解决了操作人员在仿真阶段为空间分析从地理信息系统中获得地理数据的困难。
5.高速公路事件分析系统的系统构架
建模是发生在系统内在部分用户与系统内部处理和仿真方法之间建立的不可或缺的逻辑信息交换。系统的各个组件之间的交互构成的系统构架以实现预定于的用户目标。高速公路事件分析系统系统构架的两个元素在系统构架下有更深入的描述。
5.1逻辑结构
高速公路事件分析系统的系统构架的逻辑构架主要像工作部署指南一样被当作lsquo;要求规范rsquo;。体系结构的三个基本单元包括交通信息检查指标,仿真核心和显示模块;描述不同阶段的系统的数据流图和在交通管理的工作中心管理者在每个阶段安排的任务(图2)。
作为事件的类型、位置、程度和时间是不确定的,必须把可以自由支配的功能架构与必须的功能结合起来。将这些可选功能整合在所有阶段的逻辑架构。
举个例子,在最初的阶段,关于关卡的信息这些额外的信息像流量、体积、平均速度都增多,车辆检测系统识别和时间需要添加更大程度的精度分析。类似的历史交通模式也可以脱离当时的实时数据的分析。同样,默认的模拟时间和动画参数值得服从管理者的一端。在最后阶段再次与管理者互动得出关于仿真的输出选项。他们可以获得预测高速公路速度地图的交互结果,2d / 3d动画或者其他的的参数可能会以图形和表格格式展示出来。
5.2 物理框架
根据规范要求,信息流映射和逻辑建模,高速公路事件分析系统的物理架构是开发如图3中所示的样子。它支持一系列的评估条件和实行战略方面的标准化框架的逻辑架构。架构生成更多实实在在的信息格式,可以确定未知事件的影响。高层结构在三个步骤中定义的逻辑架构是用来实现四个主要组成构件。这些系统组件被视为“子系统”,如下所述：
子系统1:这是数据仓库,包括交通和网络数据源的基础架构。这里的实时交通数据收集定期在不同的独立的服务器,包括:(i)流动数据聚集在车辆检测系统(2)TCS数据和(i i i)高速公路网络信息。除此之外,它还包括几何信息高速公路和其他重要的地理特征,如交换位置,服务领域,车辆检测系统公司,闭路电视摄像头,紧急服务和关卡。这个空间信息整合利用GIS数据库。这个数据是一个现有的FTMS中的一部分,用于各种独立的功能,比如,映射速度、体积和旅游模式研究。
子系统2:这地图数据处理单元有两个构件,包括F T M S数据库模块和模拟网络生成模块。它每五分钟从车辆检测系统提取实时数据和每十五分钟从T C S数据从F T M S各自的数据服务器提取所需要的数据。，和使用开放数据库的方法。模拟网络一代模块tacklesthe 和GIS图形数据文件格式以及各种方式发送到车辆检测系统的位置。然后在两个连续的两站的宽度之间形成的矩阵通路取决于港道宽度。这个通道的文件格式为为存取文件保存在存储系统中。
子系统3:高速公路交通模拟器(FRETASIM)是一个仿真平台,是由四个独立的组件组成的，分别为模式分析模块、出发地和目的地(O / D)路径生成模块、交通数据监测模块(或TDMM)和仿真模块(SM)。模式分析模块中，在八周内的交通管制站的数据用于确定初始O / D流模式。作为模式模块的需求分析的各个链接网络的需求，,O / D 产生模块流程数据用于高速公路网络和关卡位置以提供O / D关卡之间的信息。在O/D path-generating模块中，全球网络路径转换为模拟网络O / D路径,然后用来预测流入数据流量的控制部分。非常重要的一点是要注意,直到这一点上,我们只使用历史数据为目的的确定O / D模式,路由模式和预测通过收费站的车流量。TCS分析了数据，并且转移输送到管理器中输入事件参数的仿真模块中，然后便可以增强车辆检测系统的数据库。
TCS分析数据转移到管理器注入事件参数仿真模块,随后增强车辆检测系统的数据。高速公路事件分析系统使用适应性元胞自动机模型对选定参数来进行预测，它包括有速度、体积和其他等等，来衡量有效性(MOE)事后的场景。在Nagel 和Schreckenberg（1992）两个公司中，有着对于对于传统技术模型的附加法规，也就是自适应性CA的特征。这些规则是停止操作规则（SMR）和低加速度规则（LAR）；它描述了一个减速的车辆到达到停止前，停在一辆停止的前导车后面作用下必须停止加速的过程。所有关于这些适应性的都是隐秘的讨论了Kim et al. (2005);尽管如此，比较两个模型的情况（如图4）所示，,展示了两个密度流图对适应性的影响。这个原始的NaSh模型(图4,左)显示了一个不切实际的行为，即在一个极短的时间内从一个非常大的速度直接转换到零，以避免不承认除了加速车辆的加塞行为后的后退碰撞事故。这些经过适应性修改后的CA模型可以用来模拟故障的瓶颈部分以及模拟程序中的停止和运行过程让它更贴近于实际。
子系统4:它相当于逻辑系统的输出视图，也同时介绍了模拟仿真的信息。它处理的输出流量包括了现在和未来的交通流量。特别是交通功能的数据流可以显示在2 d车辆(图5)和3 d动画央视模拟(图6)运行和速度控制界面选项。
6.性能评估
高速公路事件分析系统是基于案例研究方法产生的，在这种背景下Seohean高速公路78.4公里,靠近首尔(韩国的首都)的集中研究这方面的部分。这是一个最近完成的线路（在2001年），从今以后可以传输大量精准的VDS数据。这个研究的部分从首尔西部的关卡一直向南延伸，其改化距离（RD）从327公里到Seoheang高速公里248.6公里（图7）。
6.1 事件参数
突发事故的资料必须作为一个重要的前期对比研究调查工作。MOEs 在四小时内（下午一点到下午五点）发生在6 车辆检测系统体验验证根据这一事件的发生在研究所在2003年11月21日，在改化距离（RD）317公里处。将观察到的事件属性全部归纳在下面表1中，在图8中显示的是事件节点与车辆检测系统的入射角度与位置选择的数据收集图。
6.2 实验结果
在这个实验中奔腾iv桌面系统使用规范:CPU 1.6 GHz,7200 RPM,512 MB DDR-RAM,40 GB硬盘。这个仿真所需的整个长事件的事件是1230秒，这这种交通流量下四小时。高速公路事件分析系统模型的仿真结果与时间有关的交通流微观结构验证使用平均绝对相对误差百分比来进行验证，被定义为Xi是在时间间隔里面的真实数据，Yi是在i中预测数据的时间间隔，n是数据的集合，然后观察范围从1一
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[148379]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
