交通仿真其实广义上可以认为从宏观到微观的交通模拟。比如一般理解上的城市交通规划模型也可以叫仿真模拟，只不过其时间和空间的粒度精细程度没有微观那么细。但是不同的模拟有不同的特点和不同的作用。

  大家好！我是王园园，现在是城市规划专业的在读博士。之前在德国PTV集团中国子公司担任高级销售经理。主要做交通规划和仿真软件的销售和技术支持。

  下面我将结合我以前的工作经历和大家聊一聊交通仿真的一些问题。

  主要是一些应用案例的简要介绍，以及个人对交通仿真的一些理解和看法。

  交通仿真其实广义上可以认为从宏观到微观的交通模拟。比如一般理解上的城市交通规划模型也可以叫仿真模拟，只不过其时间和空间的粒度精细程度没有微观那么细。但是不同的模拟有不同的特点和不同的作用。

  我个人看法，从分析方法上交通仿真应该分为宏观和微观两类，其中宏观主要是通过关系式描述集体行为主要特征的方法，例如流量，道路饱和度 ，通过流量延误函数计算出来的道路行驶速度等  微观主要是通过个体行为的模拟经过汇总得到道路运行状况的方法，例如对每一辆车运行状态的模拟。

  下面这张图是PTV对交通模型的一个分类，我觉得从实际应用层面讲，还是比较客观和实在的。

  国内一般提到交通仿真都是指微观仿真，我今天讨论的主要就是微观交通仿真模型。

  为什么需要交通仿真，谈谈我的看法。

  比较面向当前实际的，我觉得可以从本质的需求，到成本的节省还有对管理控制方案评估的要求来看。交通问题大家都知道是一个巨复杂的问题，你可以把人送上月球，但是却没办法彻底解决交通拥堵。一方面是因为所谓的供需矛盾，另一方面就是因为交通参与者的多样性，交通行为的复杂性

  这张图片是我网上随便搜的一张道路交通的照片，当然明显是在中国。你可以看到道路的标志标线设置好的规则，也可以看到不同的交通需求：通过的车辆，上下客的车辆，停车、行人自行车等混杂在一起，有的遵守交通规则，有的不遵守，相互之间产生了很多冲突和交互。对这么一个现象，如果用常规的计算来进行分析，恐怕很难。

  其次一个问题就是交通现象具有不可重现性，这里的不可重现，指的是像实验室做实验一样的无法完整重现。大家可以想到同样的交通量条件下，同一个交叉口，同一个控制方案，哪怕是同样一群驾驶员，运行的效率和拥堵情况也可能完全不一样。因为交通里面的随机因素太多，或者说交通里面很多的数值都是一个分布，而不是一个确定值。

  交通行为是一个个体行为集合后表现出来的状态，打个比方，如果你对一个路口做了渠化和信号控制方案，你要测试一下各种交通条件下的效果如何，几乎是不可能把渠化信号设置好，然后安排几百辆车在路口来回行驶让你进行测试的。这里涉及到经济性，安全问题，还有对社会的影响问题。  当然你可能要做N个方案，那方案在实际世界里的评估测试就更不可能了。

  另外对于交通控制来说，很多的控制逻辑和硬件设备需要进行测试，这也需要一个环境。交通仿真能很经济高效的提供这么一个环境，降低分分析和决策的成本，提高效率和科学性。

  对于微观交通仿真我们的输入输出可以大致分为这么三块。

  1-道路环境和管理控制条件：比如车道安排，限速，信号控制等

  2-交通需求：除了我们常规交通工程中的流量之外还有驾驶行为，驾驶行为是交通仿真的核心算法，是仿真科学性的核心。当然仿真中的交通流量也有更为详细的输入，例如车辆组成、车速分布、车辆到达的时间规律，车辆路径选择的时间规律等等，除了交通量，道路交通中的停车、公交线路站点，行人过街，非机动车以及现在兴起的有轨电车也都作为需求的输入 

  3-指标：这是我们一般做评价的时候所需要的一些指标，例如延误排队停车次数等，随着环境和能源问题的严峻，排放和能耗指标现在也经常被使用。当然作为对方案的评价，对决策者而言，终极指标就是到底堵不堵，哪里堵，有多严重，还有就是哪个方案从指标上来讲更好。   

  所以有时候交通仿真也被称作显微镜，可以通过这个工具扩大观察的视角，得到详细的数据指标。

  下面简单介绍几个案例：

  这是一个简单的案例应用，是在某市中心区的一个大型开发项目。  由于紧邻的道路交通现状比较拥堵，加上正在进行地铁施工，对项目进出的交通组织需要进行方案的设计和评估。

  通过交通仿真，对项目基地的出入口个数和形式进行测试。当然同时也配合对公交车站位置，信号渠化方案进行了设计和优化。

  最后确定项目设置两个左进左出出入口，道路与出入口配合形成两个信号控制T型交叉口，出入口的T型交叉口与下游交叉口的距离需要一定保证，以便有足够的进口道排队空间。 

  在信号控制方案上与下游的道路交叉口进行信号的周期和相位差的协调，保证交叉口进口道排队不溢出。

  另外，通过信号控制将开发项目的车辆排队尽量压缩在项目基地内部，基地出入口也像城市道路一样进行了进口道车道功能的划分，保证了车辆进出的效率，同时通过信号控制减少了项目基地车辆与背景车辆的交织。

  这个仿真，除了进行常规的交通影响评价指标计算外，还证明了交通组织方案的可行性以及必要性。

  我们来看第二个例子，对一段干路和沿线辅道出入口方案的评价。

  这是某市的一段主干路规划方案，主路路幅较宽，且设置为单向5车道，为了保证主干路交通的连续，不采用信号控制，而是设置辅道连接两侧的地块，主路与辅道通过匝道联系。 

  由于两侧辅道方向不同，存在较多的车辆掉头。主路与辅道以及其他道路连接出入口匝道较多，存在大量的车辆合流分流和交织。

  通过仿真，对比较大的交通量情况进行测试后发现，与预想的情况一样，交织段长度不够会引起非常严重的拥堵。 

  在交通量较大的情况下，车辆变道如果较多，变的车道数如果较多，会让通行能力严重下降。此外，车道数量的忽然减少，以及拥堵引发的局部路段锁死现象也会存在。 

  这个项目通过交通仿真把原先的交通组织方案问题进行了测试分析，尽管很多问题开始就有预料，但是通过分析之后能很好的把预想的问题和没有想到的问题都展现出来。 

  通过仿真效果的展示和说明，以及指标的对比分析，最终让规划部门和设计单位对原先的交通组织方案进行了调整。

  以上是两个简单的例子说明交通仿真在交通规划组织方案中的应用和起到的作用

  下面我们来谈一下交通仿真在交通控制中的应用。

  与这张图类似的图片可能大家在交通工程的教材里都看到过。

  通过横轴（时间），竖轴（距离）把一根车道上车辆的时空轨迹都展现了出来。  以前的图片可能都是通过理论描述，而这张图片里的车辆轨迹都是仿真里读取的实时车辆轨迹。 

  通过类似这样的数据放大展示，可以更好的分析交通控制里的很多问题。

  最初我们学交通工程的时候都学过排队论，对于交叉口信号控制，一定程度上排队论就可以进行很多指标的计算，甚至我们目前很多计算信号方案的方法和公式也是排队论推广出来的。 

  但是对于更为复杂的信号控制方案和车辆到达规律以及多种车型，不同的管理（限速，变道）等情况下，继续用公式计算就很难描述了。  这时候仿真就可以发挥它的长处。

  对于一个信号控制交叉口的配时，在渠化设计确定的条件下，我们粗的来看需要考虑这些问题。

  如果仔细看，对于一些细节问题都要进行考虑，比如灯色序列，这里的一张图里可以看到仿真软件里给出的信号灯色显示序列，其实这也是有一定规范指导的。比如你就看不到红灯后面直接跟黄灯的设计。  仿真软件里的详细信号方案设计和修改非常方便，这样工程师就能比较轻松的对多个方案进行设计和比选评估了。

  这是一个交叉口的信号设计过程中的仿真结果，图中可以看到仿真考虑到了行人和非机动车，同样在信号设计方案里也将他们作为方案的一些约束。 

  通过仿真，得到各个进口道的指标，可以发现北进口车辆较少延误停车排队等指标也较小，而西进口各种指标比较大。对于这种情况我们可能需要对信号方案进行调整，但也有可能是行人最短过街时间或者其他关联信号的约束。

  由于只是对一个交叉口进行信号设计和仿真，实际中交叉口上游的车流到达是和上游的信号控制相关，并不是完全随机，而是有一定规律的，这样的情况需要你对车辆进入交叉口的车型比例、时间分布规律甚至路径比例的变化进行一定的设置，这在很多情况下是容易被忽视的。 

  交叉口一定范围内的公交车站，机动车出入口影响也需要被考虑。由于车辆转弯时的速度会有所下降，在仿真软件里也需要对转弯路段进行一定的限速设置。

  为了增强仿真的随机性，现在交通仿真软件里也会增加一些选项让一定比例的驾驶员不按照设计好的跟车模型走，甚至包括一定比例的闯红灯行为、绿灯情况下下游出口道拥堵，但是车辆进入交叉口停在交叉口区域的行为。

  对于公交或有轨电车的信号优先，需要考虑信号逻辑的设计以及检测器的布设。

  此外，车辆速度，特别是有轨电车的牵引力动力速度特征等都需要与信号控制的逻辑配套，信号控制时间精度以秒计算，距离和速度的影响因素非常重要。

  此外，由于车辆到达的情况很复杂，优先信号的逻辑是否具有完备性，或者能适应各种意想不到的情况，也需要像程序员测试debug那样进行反复的实验。

  例如如果同时到达很多公交车辆，优先放行的顺序会不会有问题，如果有一辆车抛锚在检测区域范围内，信号逻辑会不会乱？ 

  信号控制除了优先以外，还需要协调其他方向车辆的利益，比如其他方向排队不能过长甚至溢出。   

  通过交通仿真可以测试信号逻辑设计是否有缺陷，进一步可以把各种道路交通情况放到环境里进行测试，评估信号控制逻辑的适应性，效率，以及道路检测器的布设形式和位置。

  这个是我之前做的一个例子，四个间距差不多的交叉口，在信号配时和渠化一样的情况下，上下两个仿真的信号相位差进行了调整。  通过仿真的结果可以明显看出各项指标都有了不同程度的优化，也就是在不增加其他投入的情况下，实际的通行效率提高了。   

  如果不通过仿真，仅仅计算相位差进行设置之后，很难得到这么多指标，同时，对不同车速的控制，不同的相位差调整都可以在仿真软件里进行调试。  

  对于交叉口间距过大引起的车队离散影响绿波协调效率，也可以通过一定的标定来模拟。  同时对于绿波协调的效果展示也具有很好的作用。

  下面是一个事故仿真的数据分析，一条三车道的路段，右侧车道发生事故之后导致该车道被堵住了10分钟。 

  在这个过程中，通过仿真数据中各个区段车速的实时采集，得到右边这张时空状态图。  横轴和路段长度对应，竖轴是时间，颜色越红表示速度越低。 

  从这张图里可以明显看出拥堵发生到消散的过程，影响的时间和空间范围。   

  当然这只是一个例子，我们可以对不同严重程度的事故，不同的背景交通量进行模拟评估，更好的提出应对方案，以及对应对处置方案进行进一步模拟评估。

  下面是一个收费站仿真的仿真，收费站有不同的收费方式，人工，ETC，对大货车可能要称重，有时候需要对特殊车辆进行安检。也会有不同的收费车道布局调整，收费车道关闭等。这就导致了不同车辆的路径不一样，过收费站的时间也不同，同时在收费站区域也存在大量的交织。

  一定规模的收费站的分析模拟不仅仅是个排队论能直接计算的问题了，因为存在很多更详细的影响因素，通过仿真可以让我们对方案的问题和特点看的更为直观细致。

  这是一个更加特殊的应用，在一个货物加工处理的堆场。有大量的货车进出，货车还要进行检查，称重以及清洗等流程。称重的地磅可以让双向车辆使用，这就需要对车辆路径进行一定的逻辑编程，实现充分使用地磅的功能。

  不同时段有不同的货车进出，并且不同的货车在场区内部的作业位置和时间特征也不同。

  通过仿真我们除了给出了货场处理货运车辆作业的容量估算以及排队等待时间测算外，还发现了不同车辆流线组织需要优化的地方，比如图上的出入口位置调整后可以减少很多的冲突，提高内部运行的效率和安全性。

  当然仿真还可以应用在很多ITS的领域，除了常规的可变信息板，匝道控制外，现在比较流行的车车通信也可以通过仿真先进行效果的测试。 

  此外驾驶模拟，或者VR也是一个热点，交通仿真可以提供更加符合实际的道路交通环境，右边图上奥巴马驾驶的车辆据说就是在vissim的交通仿真环境里行驶。   

  对于大型区域的交通控制，比如scat之类的区域控制方式，也可以通过仿真进行评估。   

  交通仿真中也可以得到和很多的冲突数据，用于对交通安全的评估，例如SSAM

  前面简单介绍了几个交通仿真应用的小例子。  接下来我想简单谈谈仿真的细节，以跟车模型为例。 

  这张图是生理心理跟车模型的一个示意。四种颜色表达了跟车的四种状态：  绿色-无反应（自由形式）、黄色-反应、橘红-跟车、白色-跟车，最红的那个碰撞在仿真里不是真实的情况，因为碰撞后就会停车，而仿真里面一般不会发生碰撞，如果发生也会减速恢复到正常状态。 

  我们可以想象一下，横轴车辆与前车的速度差，正值表示比前车快，负值表示比前车慢。竖轴表示与前车的距离。车辆的轨迹曲线从绿色区间往黄色区间走，表示车速快于前车，与前车的距离越来越小，随着与前车距离的接近，驾驶员逐渐感知到前车，其速度比自由行驶会有所下降。当与前车距离小到一定程度后，就进入白色区间，车辆与前车的速度差和距离差会在一个区间内摆动。

  下面的两张图是两个不同类型的驾驶员的跟车行为特征，很明显右边的车辆与前面车辆的距离和速度保持得非常一致。  大家可以想象一下国庆阅兵时候战车之间跟随的曲线。

  最后谈一点个人对交通仿真软件的看法。

  交通仿真可以作为一般项目方案的分析工具，也可以作为一个实现各种想法的实验平台。

  但是目前见到用的最多的恐怕是展示功能。

  关于交通软件的发展，国内前些年出现过一批开发者，有高校背景，甚至还有个人研究的，但是最后都渐渐消失了。我觉得国内的学术氛围以及对这么小众的软件市场需求开发是关键的问题。

  这个是我最近的感悟，文化和技术标准是一种软实力，是可以输出的。

  互动交流

  贾俊飞：

  仿真毕竟是仿的，跟真的差距还是蛮大的，但仿的好的，就像是真的，就像高仿的鞋，比真鞋还耐穿。我是这样理解，你觉得呢？

  王园园：

  我觉得不能这么理解啊，仿真是虚拟分析，还是为了真实世界的。高仿是为了以假乱真。

  牛德宁：

  我不觉得仿真是高防的鞋，仿真是模拟不存在的方案验证可能的最优方案，高防是已有最优方案进行复制。

  贾俊飞：

  实际情况千变万化，比较复杂，仿真是对复杂情况的抽象表达，抓住了所有模拟的主要特征，基本就达到了预期的效果，我说的高仿鞋是有点夸张的表达。是想用夸张的手法表达仿真可以做到接近真实。

  李瑞敏：

  仿真接近真实很难，尤其在中国，例如就把开始的一张有关路段过街人行道的那张照片的情景仿真出来就很难吧？

  李瑞敏：

  刚才提到可以设置闯红灯的行为，哪个软件能够做到？能够随机性设置吗？

  王园园：

  VISSIM里可以设置。之前在车辆构成中可以设置一类车辆类型不受信号控制，现在的版本可以直接给信号灯头一个遵守率。

  李瑞敏：

  每个周期的遵守率可以不同吗？还是整个仿真周期只能是一个遵守率？

  王园园：闯红灯的设置比较符合处在一定阶段的中国交通情况，能反应实际的通行能力，可能比理论的要大。如果每个周期不同我觉得可以通过COM来动态调整那个参数就行 不过我没有具体试过。

  李瑞敏：

  开始的时候你也提到过交通的随机性的问题，在仿真里面交通的随机性怎么表达？使用分布？还是有其他一些方法？我说的不是交通量的输入，而是行为的随机性。

  王园园：

  如果要得到特定的分布类型我觉得可以通过各种组合实现，有一个例子，因为停车时间的分布可以自己定义，那么你可以让车辆进入路网后先在一个停车场停下，通过对停车时间分布的控制来达到你要车辆进入仿真路网的分布类型的目的。本身交通量的输入就是类似泊松分布。以跟车模型参数为例，车辆间距的公式里就有随机分布这一项

  李瑞敏：

  现在看可能分布是一种方式。只是要验证分布还是很麻烦。。。

  王园园：

  王园园：

  我觉得一个最好的方式就是仿真软件以后的模型内核可以开放，这样就能省去很多不必要的开发工作，而且软件的市场也会更广

  马东方：

  这种分布不仅跟驾驶员有关，还有道路条件，信号方案等有关，所以不同城市，甚者是不同路段都会存在较大差异，验证是非常有挑战性的工作。

  那样就没办法垄断了。

  王园园：

  垄断是没有大前途的，现在交通仿真软件的市场范围其实还是很小的

  马东方：

  这个属于短期效益和长期效益的问题了。

  顾金刚...：

  请教，假设做一个现状路口的改善优化仿真时候，要不要先把现实情况先仿真出来，得到一个与现状拟合度较高的环境，然后再加入优化方案进行运行评价？

  马东方：

  如果资金，时间足够，应该可以做的到。

  牛德宁：

  仿真复杂的行为理论上仿真软件不断优化是能接近的，比如驾驶行为，但仿真违法行为，肯定很难，个人认为意义也不是很大

  贾俊飞：

  确实难，只有把主要特征模拟出来就不错了。

  Zhang_TC：

  仿真，就是一种在给定相对理想条件下表达方式，它不真实，毕竟是仿的。

  抓住主要矛盾的主要方面。

  王园园：

  我觉得现状的仿真主要是用于标定一些仿真模型参数的 另外就是通过现状仿真能展示和分析一些问题的细节

  李瑞敏：个人觉得顾金刚说的是一种比较合理的过程，如果资金、时间、人力支持，应该这么做。

  顾金刚...：嗯，类似于标定，实际上是想得到一个接近现实的仿真基础。如果运行的基础和现状差别很大，那么对于新方案的仿真评价就没有参考价值了。

  王园园：但是目前国内很多仿真项目前期的工作做的很少。

顾金刚：是的，正如您说的，现在仿真多是用来展示的，给人一个直观印象的。

李瑞敏：前期调查太耗时耗力了，得需要同时调查交通流的各种输入以及各种评价指标，而且尤其是评价指标，容易调查的不多，容易调查准的也不多。有时甚至不是人多人少的问题。。。

王园园：我觉得更重要的是缺少规则。

李瑞敏：在对现状的再现结果和现状不符（误差较大的情况下）的情况下，能否将这个不符视为一个固定的系统内在误差，将这个模型用于改造方案的评价，只是用于进行方案对比，而非绝对的优劣，可否如此应用？（我个人一直觉得好像可以。。。）

王园园：我觉得目前条件下方案对比是比较有价值的东西。关于仿真的标定或者标准流程，大家可以参考看看伦敦的要求。

王园园：

叶涛：据了解，很多用于微观模拟的软件也是要有交通矩阵(O D)作为输入的，请问一般情况下微观和宏观是怎么结合的。宏观的交通小区定义能否满足微观的要求。谢谢。

王园园：宏微观结合的软件很多，宏观主要输出路径和流量给微观  所以宏观的建模中交通小区要分的比较细，因为会得到比较准确的交叉口流量。宏观中的ＯＤ矩阵经过分配后形成路径流量就可以用在微观离了。

叶涛：直接用？微观模拟考虑动态交通分配吗？

王园园：宏观和微观都可以模拟动态分配的。刚才说的宏观到微观的路径流量其实是宏观里的静态分配路径流量。

叶涛：恩，大部分宏观的应该还是静态分配。个人认为微观模拟最好做一个路网的，哪怕就包括上下两条平行的道路和一些主要连接道，比单条道路的模拟更有意义，当然基础建模工作量大。我们的驾驶行为往往会随着拥堵而改变路径，所以动态交通分配在微观中要有所体现。个人观点，谢谢

  王园园：我的看法却相反，因为实际中对一个大的路网建模工作量大倒是其次，对这么大范围内的交通需求描述却是十分困难的。所以对路网层面用稳态分配模型分析会比较便捷，交通仿真来说的话，不同地方的需求变化时间特征可能不一致，路径也多，而且范围大了之后很多细节没有办法考虑。

  叶涛：如果这样的话，对微观的起始OD输入要求很高。怎么矫正，这里面花头应该是有的。

  交通里著名的Wardrop理论就是说出行时间或成本最小化。当得到前方堵的信息，你会想或try to 想改变路线以达到出行成本的最小化。

  李瑞敏：“我们的驾驶行为往往会随着拥堵而改变路径”，这点可能要斟酌，如果是这样，应该就不堵了，除非全城堵……现实可能是当堵了后想改却改不了……

  王园园： 堵上了跑不了的情况。接近饱和时，随机性的影响就出来了。