基于Flexsim的城市交通路口车辆排队系统仿真模拟——以中山市城桂公路长命水路口为例.docx

《基于Flexsim的城市交通路口车辆排队系统仿真模拟——以中山市城桂公路长命水路口为例.docx》由会员分享，可在线阅读，更多相关《基于Flexsim的城市交通路口车辆排队系统仿真模拟——以中山市城桂公路长命水路口为例.docx（30页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、基于Flexsim的城市交通路口车辆排队系统仿真模拟以中山市城桂公路长命水路口为例【摘要】随着我国经济的发展，汽车的普及程度越来越高。而由于各种各样的缘故，堵车现象也随着汽车的普及频繁出现，例如由于道路设计考虑不够长远、交通事故、市政工程建设占用道路资源等原因导致的堵车。最近一年，由于中山坦洲快线的修建，城桂公路位于广东药科大学中山校区北门前的路段位于中央两条车道需要进行围蔽施工，仅余两侧两条车道运行。在市政工程建设占用道路资源的情况下，道路的运行效率便会下降，造成拥堵。基于此，本文以中山市城桂公路长命水路口为例，通过实地调查的方式采集数据，利用Flexsim仿真软件建立仿真模型，观察模型运行

2、之后输出的结果，找出了瓶颈，并针对红绿灯周期提出了优化建议。【关键词】排队系统；仿真模拟；Flexsim仿真优化A research on urban traffic queueing systems of intersections based on Flexsima case study of the intersection of Chenggui Road and Changmingshui Road in Zhongshan CityAbstractWith the development and increase of our economy, the automobile pop

3、ularity is growing in China. Meanwhile traffic jams are becoming more often due to all sorts of factors such as the lack of long-term consideration in the design stage of city transportation systems, accidents or new infrastructure constructions which occupies the already limited space in city roads

4、. In recent year, due to the constructing of ZhongshanTanzhou Express, two of the four lanes on Chenggui Road is being occupied remaining two lanes in use. Infrastructure constructions like this one which is occupying two of the four lanes in this case will reduce the efficiency of the road system a

5、nd cause traffic jams. Therefore, taking the intersection of Chenggui Road and Changmingshui Road in Zhongshan City as an example, this paper collects data through field investigation, establishes a simulation model using Flexsim software, and observes outputs of the model, discovers the bottleneck

6、of the system, and puts forward optimization suggestions focusing on traffic lights period.Key wordsqueueing system; simulation; Flexsim simulation optimization目 录1 前言11.1 选题的目的及意义11.1.1 选题目的11.1.2 选题意义11.2 研究现状11.2.1 国外研究状况11.2.2 国内研究状况21.2.3 国内外研究小结31.3 研究的主要内容41.4 研究的方法42 中山市城桂公路长命水路口路况分析62.1 路况说

7、明62.2 数据收集82.2.1 红绿灯周期数据收集92.2.2 车流到达时间间隔与人流到达时间间隔数据收集92.2.3 系统通行区域的平均通过用时与进入通行区域车辆的平均数量102.2.4 行人穿越马路的平均用时103 建立模型123.1 建立概念模型123.2 建立仿真模型133.2.1 拟合数据获得各种数据的分布函数133.2.2 建立模型144 Flexsim仿真模型运行与优化204.1 运行仿真模型204.2 中山市城桂公路长命水路口系统模型的优化及优化结果204.3 优化建议及展望225 结论23参考文献24致 谢26191 前言1.1 选题的目的及意义1.1.1 选题目的随着我国

8、经济的快速发展以及社会的不断进步，我国的城市化程度越来越高，城市人口逐年增长，全国机动车保有量也在逐年增长，随之而来的是城市堵车现象的出现。随着我国经济社会的发展和城市化进程的继续推进，堵车现象越来越频繁和普遍，而一些城市的市政工程建设如道路的改建、扩建，立交桥的架设等更会在其建设过程中加剧拥堵问题。最近一年，由于中山坦洲快线的修建，城桂公路位于广东药科大学中山校区北门前的路段位于中央两条车道需要进行围蔽施工，仅余两侧两条车道运行。本文旨在研究在市政工程建设占用道路资源的情况下的道路运行状况，并尝试提出优化方案，为城市在进行市政工程建设时减轻对交通的影响提供一定的参考。1.1.2 选题意义我国

9、的经济持续高速增长以及城市化进程的不断推进，结果是我国汽车保有量和城市道路占用率的不断上升，而一些城市的道路规划相对滞后，造成城市拥堵问题，同时，在城市发展过程中对城市内道路基建的更新或增设又会占用部分道路资源，在短时间内又加剧道路拥堵情况。基于此，本文以中山市城桂公路与长命水长逸路、秀丽路交界十字路口为例，研究在市政工程建设占用道路资源的情况下会对道路运行产生什么影响，并尝试提出优化方案，对减缓市政工程建设对道路交通运行的影响的方法具有探索意义。1.2 研究现状1.2.1 国外研究状况E. Harahap等学者在2019年进行的交通信号灯交叉口设计仿真研究中得出结论，在输入交通信号灯持续时间

10、、车辆平均到达率、平均车辆离开数的情况下，交通信号灯交叉路口模拟器能够很好地工作。为了获得最佳结果，有必要设置正确的交通时间。理想的情况是，所有在红灯时停车并进入队列的车辆都可以在绿灯时离开队列，从而不留任何车辆1。S. Purwiyanti等学者在2019年利用Background Subtraction Method研究交通信号灯定时器控制系统模型设计，发现若交通信号灯系统能够根据车辆队列自动调整计时器，有助于建立智能交通信号灯系统，换句话说，能够适应其所在路况的交通信号灯系统的设计有助于提高道路运行效率2。Zhenyu Liu等学者通过仿真比较，研究了公交站点对交通流的影响，为公共交通规

11、划和管理提供了科学的指导3。1.2.2 国内研究状况许晨等学者在排队模型在交通指挥灯中的应用研究中，发现合理地设计交通灯周期，可以使交通阻塞大大降低4。王付宇等学者在城市交通路口车辆排队系统仿真及优化研究中，利用仿真模拟软件对研究对象进行建模，并找出瓶颈，提出了针对研究对象的优化方案，证明利用计算机仿真建模能够找出道路路口的瓶颈并提出优化方案，提高道路路口的通行量，减少堵塞5。唐少虎等学者通过建立实例仿真模型，验证了该文中提出的优化方法，得出了该方法能够适应降雨环境的交叉口交通信号控制，在延误时间、停车次数等指标上均有明显改善，有助于提高交叉口交通运行效率，进而缓解交通拥堵等问题6。刘敏等学者

12、在信号交叉口红绿灯配时优化的休假排队模型的研究中提出信号交叉口的配时优化与评价可分为三个步骤。第一步是获取基础数据，统计交通流量，第二步是优化信号配时，第三步是评价交叉口的服务水平7。何宁等学者结合实际，对于地铁建设周期长、对城市交通影响大的特点，提出了一种交叉延迟和排队长度的预测方法，为建设地铁等基础设施项目期间的交通组织设计提供了理论支持8。李秉乾研究了VISSIM仿真软件，表明充分利用这样的软件能够实现基础路网生产与参数的自动校正，这种软件可以提供给设计者可靠的交通交叉口模块设计支持，减少进行设计方案拟定方案过程中因无法直观观测车辆交叉口运行状况而导致的设计不合理、设计不科学等问题9。李

13、若菡在城市单交叉路口交通信号实时优化控制与仿真研究中，根据闲散、顺畅、繁忙三种不同的交通状态，建立了仿真模型。通过SARGA和SRGA两种算法，进行仿真分析，研究了通过交通信号实时优化以提高通行的效率的方法10。韩伟莉基于一种模糊控制的交通信号优化方法，通过仿真模型研究，得出采用该种模糊控制方法能够降低等待时间11。曹成涛提出了一种城市交叉口交通信号优化控制方法，通过Pareto前沿驱动引导的方法，提前对交叉口车辆进行实时监控，安排交叉口车辆排队，减少车辆排队，缓解交通拥堵压力，仿真实验表明，该方法具有较强的适用性12。胡杰烽进行城市十字路口信号控制系统的总体设计，详细设计，模拟模型设计，提出

14、了一种城市十字路口的智能交通信号控制系统13。谢飞使用VISSIM模拟软件研究了城市十字路口的信号控制。结合交通信息收集和交通信号控制技术，设计了城市十字路口信号控制的在线模拟系统14。郭小丹认为城市交通信号控制系统通过其控制功能可以保证居民出行，缓解交通拥堵。随着交通需求和压力的不断增大，我们必须充分利用各种新的理论和技术来开发交通信号控制系统15。1.2.3 国内外研究小结近年来，随着仿真软件的发展成熟和计算机硬件性能的提升，不少国内外学者利用Flexsim等仿真软件对城市道路交通系统进行研究，通过仿真模型找出系统瓶颈并提出优化方案。有学者提出，Flexsim仿真技术可以有效地模拟交叉口的

15、交通堵塞，对改善交叉口的交通状况有较好的效果5。不少学者在研究交叉路口系统的时候通过对交通灯信号控制进行优化，实现改善系统运行效率的目的。本文的研究是基于Flexsim仿真软件，运用仿真模拟和排队相关的理论知识，对以中山市城桂公路长命水路口为例的城市交叉路口进行数据收集与分析，通过建立仿真模型找出瓶颈并提出优化方案。本文的特点在于研究道路资源在由于城市基础设施建设时而被挤占时道路的运行状况，通过仿真模型找出瓶颈，并以交通灯周期为切入点提出优化方案。1.3 研究的主要内容一、中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况调查，调查该路口的布局设置。二、获取该路口交通灯周期，获取在高峰期的

16、车辆与行人的到达、离开的时间间隔，并对相关数据进行分布拟合，供建立模型所用。三、建立该十字路口的仿真模型，找出问题，并提出优化建议。使用实地调研中获得的该路口的布局、交通灯周期、车辆行人到达时间间隔、车辆离开系统数量等数据对该路口建立Flexsim仿真模型，模拟该路口的运行过程，找到优化方案。1.4 研究的方法一、实地调研法：实地调研中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况，获得该路口的交通灯周期、车辆及行人到达率等各种参数用于建立仿真模型。二、定量与定性分析相结合：依据调研结果，对中山市城桂公路与长命水长逸路、秀丽路交界十字路口的路况存在的问题进行定性分析，并在定性分析的基础上

17、结合实地调研采集的数据，建立仿真模型，并对模型进行优化。三、模型分析法：依据实地调研采集的数据建立中山市城桂公路与长命水长逸路、秀丽路交界十字路口的仿真模型，运行模型并找出瓶颈，然后提出优化方案，建立优化模型，运行优化模型并对比优化前后的结果。四、Flexsim仿真：Flexsim是由美国Flexsim公司开发的。迄今为止，它是世界上第一个在图形环境中集成C+IDE和编译器的仿真软件。广泛应用于制造业、物流业、交通等各种领域，该软件能够对目标系统建立仿真模型，通过在虚拟环境中运行模型以找出系统瓶颈，帮助对系统的开发与优化。基于Flexsim软件的仿真模拟研究大致过程如下：实地调查收集数据建立概

18、念模型分析数据拟合分布函数建立仿真模型运行模型观察结果提出优化方案再次运行模型观察结果。运用Flexsim软件进行仿真模拟的具体过程大致为：根据概念模型初步建立仿真模型对收集到的数据进行适用性检验数据通过适用性检验后对其进行分布拟合获得其分布函数根据各项数据对模型中的各个实体进行设置运行模型观察结果提出优化方案再次运行模型观察结果。2 中山市城桂公路长命水路口路况分析随着经济的发展，我国的汽车普及率逐年增高。由此带来的，便是由于各种原因而频繁出现的堵车现象，例如由于道路设计考虑不够合理、交通事故、市政工程建设占用道路资源等原因导致的堵车，特别是近年来我国大范围进行基础设施建设，城市的基础设施推

19、陈出新，而这些基建工程在建设过程中往往会占用道路资源，导致道路的运行效率降低。中山市城桂公路位于广东药科大学中山校区北门前的路段，由于自2018年来中山坦洲快线的修建，位于中央两条车道需要进行围蔽施工，挤占了原有的道路资源，仅余两侧两条车道运行，而该路段又有一个近似十字的交叉路口，施工可能会对该路口的运行造成影响。本文旨在研究在市政工程建设占用道路资源的情况下对道路运行产生的影响，并尝试提出优化方案。2.1 路况说明本文研究的对象为城桂公路与长命水长逸路、秀丽路交界的十字路口。根据实地调查，了解到该十字路口布局为东西-南北走向，其中南北两侧路口为四车道，南侧路口由于围蔽施工中央两条车道不能使用

20、，目前南侧路口的东侧新开辟了一条临时车道，即南侧路口目前实际上有三条车道；东西两侧路口均为两车道。南北路口互相正对，形成近似直线的通路，东西路口则错开，相互斜对。下图为该路段的大致布局。（见图2-1）图2-1 路况布局示意图如图2-1所示，红色的区域为围蔽施工的区域，车流不可以在此区域内通行；黄色的区域为人行斑马线，人流通过此区域穿越马路；黄色的区域与绿色的区域共同组成该路口系统的通行区域。在了解到该十字路口布局的基础上开始对各路口的车流流向进行实地调查，下图为车流流向示意图。（见图2-2）图2-2 车流流向示意图如图2-2所示。为了方便研究，这里将各个路口分别使用字母A、B、C、D进行表示，

21、并将各个车道分别编号为A1、A2、B1、B2、C1、C2、D1、D2。车流从A2、B2、C2、D2路口进入系统（即图2-1所示的通行区域），并从A1、B1、C1、D1路口离开系统。其中，由于南北两侧路口均有多于一条车道，且A2路口两条车道基本为互相隔开状态，车辆不能在两条车道之间变道，而对于C2路口的两条车道，由于本研究收集数据的方式的特点（2.2.2节阐述），不能将其合并视作一条车道，故分别用A2_Left、A2_Right、C2_Left、C2_Right来分别表示A2、C2路口左右两侧车流进入系统所经过的车道。对于C1路口，由于车辆从C1路口离开系统时，经常出现换道、压线等现象，难以区分

22、车辆走哪一条车道，同时由于车辆已经离开系统，没有必要对两条车道进行区分，故统一用C1表示，不做左右车道的区分。AB、BC、CD、DA分别表示行人到达的等待区域。根据图2-2得出车流流向表和人流流向表。（见表2-1、表2-2）表2-1车流流向表路口流向路口路口流向路口A2_Left直行C1B2右转C1A2_Left左转D1C2_Left直行A1A2_Left右转B1C2_Left左转B1A2_Right直行C1C2_Right直行A1A2_Right左转D1C2_Right右转D1A2_Right右转B1D2直行B1B2直行D1D2左转C1B2左转A1D2右转A1表2-2人流流向表行人到达区域流

23、向行人到达区域ABBCABDABCCDBCABCDBCCDDADACDDAAB2.2 数据收集根据2.1中收集到的路况信息，可以对该路口进行红绿灯周期、车辆到达时间间隔以及人流到达时间间隔等数据的收集。根据实地观察比较，发现该路段的高峰期大约在每天17:00到19:00左右，本文主要研究该路段高峰期的车辆排队情况，故只收集高峰时段的数据，由于高峰期时间较短，需分开3天进行数据收集以获得足够的样本数据。整个路况调查以及数据收集过程耗时约5天。收集数据的方式主要为使用秒表进行测算。2.2.1 红绿灯周期数据收集在实地调查开始的第1、第2天内进行对该路口的布局调查，画出大致的布局图以及对该路口进行红

24、绿灯周期的测算。该路口的布局在2.1节已做说明，在此不赘述。对该路口红绿灯的周期进行多次测算，结果一致。下表为所收集到的关于红绿灯周期的数据。（见表2-3）表2-3红绿灯周期类型状态时间（秒）南北向车道红30黄3绿77东西向车道红80黄3绿27南北向人行道红33黄无黄灯绿77东西向人行道红83黄无黄灯绿27根据表2-3数据可以计算得出一个红绿灯周期的时长为110秒。2.2.2 车流到达时间间隔与人流到达时间间隔数据收集在实地调查开始的第3到第5天对车流到达时间间隔与人流到达时间间隔的数据进行收集。对于车流与人流到达时间间隔，具体收集方法为在路口选定一个点，以该点为端点作一条垂直于车流/人流到达

25、方向的虚拟直线，当车流/人流穿过该直线便用秒表记一次到达时间。特别的，对于车流到达时间间隔数据的收集，在一个周期内，若车流持续通行（通常为绿灯状态），则当车流穿过上述虚拟直线时记一次到达时间；若已形成队列（通常为红灯状态），则当后来车辆到达前一辆车后方并开始减速时记一次到达时间。通过收集上述两项数据可以在建模阶段进行分布拟合得到车流到达时间间隔与人流到达时间间隔的分布函数用于建立模型，具体在第3.2.1节阐述。2.2.3 系统通行区域的平均通过用时与进入通行区域车辆的平均数量通过收集车流离开各个路口的数量，可以得到通行区域的平均通过用时与进入通行区域车辆的平均数量。车流离开各个路口的数量数据的

26、收集方法同2.2.2。在收集到车辆离开系统数量的数据后，对该数据进行处理：设通行区域的平均通过用时为AS，进入通行区域车辆的平均数量为AC，通过以下等式计算出AS：AS=红绿灯周期一个周期内车辆离开系统数量计算出AS后，可以根据利特尔法则（Littles Law）计算出AC：AC=AS*一个周期内通行区域的处理率=AS*一个周期内车辆离开系统数量红绿灯周期通过收集到的数据，计算得出AS=7.42秒，AC7辆。上述计算AS和AC的公式在计算单个周期时使用，文中计算得出的平均通过用时AS为各个周期的平均通过用时的总平均，得出平均每辆车在通行区域的逗留时长为7.42秒；AC直接由总平均通过用时乘以处

27、理率总平均计算得出，得出进入通行区域的车辆平均数量约为7辆，即同一时刻通行区域中存在的平均车辆数约为7辆。2.2.4 行人穿越马路的平均用时用秒表计时进行数据收集，并计算得出行人穿越马路的平均用时。（见表2-4）表2-4行人穿越马路平均用时人流流向平均用时（秒）AB-BC8.98AB-DA17.36CD-BC13.93CD-DA4.08注：人流流向是双向的，行人穿越马路的平均用时即指行人在两等待区域之间流动的平均用时。对表2-4中的数据进行加总平均便能得出行人通过通行区域所用的平均用时AP为：AP=11.09秒。行人通过通行区域的平均用时AP为11.09秒，可以看作每个行人平均在通行区域的逗留

28、时长为11.09秒。3 建立模型3.1 建立概念模型在建立仿真模型之前，需要首先根据在第二节收集的数据建立一个概念模型，以作为建立实际的仿真模型的参照。根据该十字路口车辆通行系统的系统流程画出系统结构图。（见图3-1）图3-1 系统结构图如图3-1所示，该系统的流程为：车辆、行人到达进入系统，在红绿灯前排列成队列，待红绿灯的状态变为绿后进入通行区，通行完毕后离开系统。由于车辆与行人共同使用一个通行区，为了简化模型，也限于实验设备的机能限制，在此不考虑复杂的车流流向与人流流向，而是将通行区视为一个处理器，由车辆与行人共同使用，即车辆、行人进入系统，排队进入通行区，进入通行区后逗留若干时长，以此来

29、模拟车辆、行人通过该路口的通行区域，最后从通行区中出来，离开系统。由于同一流向的行人（例如南北流向，即AB-BC流向以及CD-DA流向）在一个红绿灯周期内的流向、等待时间（红灯状态持续时间）、可通行时间（绿灯状态持续时间）均相同，因此为了简化模型，亦是为了节约实验设备机能，在仿真模型中将同一流向的两条人行道合并视作为一条，即AB-BC和CD-DA流向的人行道合并看作一条南北流向人行道，AB-DA和CD-BC流向的人行道合并看作一条东西流向人行道，并将两种流向的人行道的排队区域抽象看作各只有一个，在仿真模型中将同一流向的人行道到达的行人发送到同一个公用的排队区域。另外，模型中的行人到达分类中转区

30、域不作停留，该区域的作用是判断到达的行人的流向，并发送到相应的排队区域排队，不发挥数据收集的作用。车辆以及行人离开系统时，处理器（通行区）将根据不同类型发送到相应的接收器，表明对象实体离开系统。3.2 建立仿真模型根据2中收集的各种数据，以及参照3.1中建立的概念模型，在Flexsim中建立实际的仿真模型。3.2.1 拟合数据获得各种数据的分布函数在建立实际模型之前，需要首先对数据进行分布拟合，本文利用Flexsim中整合的数据拟合工具Expertfit进行数据分布拟合。3.2.1.1 进行数据适用性检验在拟合数据之前，需要对数据进行适用性检验，对数据的适用性检验包括对数据的独立性检验、同质性

31、检验以及平稳性检验。独立性检验是观察散点图是否有明显的散点趋势，自相关图中的所有相关系数是否接近0，以检查数据是否相互影响，而同质性检验则通过检验频率直方图是否不存在多峰来检验数据是否服从同一分布。由于本文仅研究该路口高峰期的状况，只涉及一个时段，故不需要进行数据平稳性检验。经过检验，发现收集的所有数据均通过适用性检验，可以进行下一步处理。3.2.1.2 进行数据的分布拟合在数据通过了适用性检验之后，可以开始进行分布拟合：先用Flexsim中整合的Expertfit软件的自动拟合功能对数据自动拟合出最合适的分布类型，再对该分布类型进行拟合优度检验，本文采用的拟合优度检验的内容包括A-D检验、K

32、-S检验以及卡方检验，三项检验均通过的分布类型即为可以运用的分布类型。通过拟合优度检验，发现只有C2_Left路口的车辆到达时间间隔的数据和CD区域的行人到达时间间隔的数据不能通过拟合优度检验，需要运用经验分布，其余数据均通过了拟合优度检验，可以在建立模型的时候直接利用拟合出来的分布类型。通过了拟合优度检验后，即可用Expertfit软件中的获取分布函数表达式的功能获取各个分布类型的表达式以运用到模型中。下表为各项数据的分布函数表达式。（见表3-1）表3-1各项数据的分布函数表达式数据函数表达式A2_leftjohnsonbounded( 1.027080, 12.336310, 2.1635

33、54, 1.045594, )A2_rightjohnsonbounded( 1.181596, 50.698027, 1.726118, 0.714420, )B2weibull( 0.000000, 9.741401, 1.523205, )C2_left经验分布C2_rightinversegaussian( 0.284923, 5.423258, 4.214869, )D2johnsonbounded( 0.246966, 60.166553, 2.246601, 0.870633, )ABjohnsonbounded( 0.135746, 58.207719, 1.337397, 0

34、.385980, )BCgamma( 0.129803, 10.609085, 0.455698, )CD经验分布DAbeta( 0.169711, 53.668833, 0.680680, 7.581760, )要在模型中利用经验分布，需要在Flexsim中创建全局表，并在对象属性中对其引用。（见表3-2）表3-2相应的全局表及引用的表达式数据全局表名称表达式C2_leftC2_leftdempirical(C2_left,1)CDCDdempirical(CD,1)3.2.2 建立模型3.2.2.1 对象设置Flexsim作为专业的建模仿真软件，提供了诸多对象供研究者使用，使研究人员建立模

35、拟现实世界运作的模型的过程更为便捷。在本次仿真模型研究中所要用到的Flexsim所提供的对象包括：发生器（Source）、缓冲区（Queue）、处理器（Processor）、交通控制器（TrafficControl）、网络节点（NetworkNode）、操作员（Operator）和接收器（Sink）。建立模型所使用的单位分别为：时间：秒；距离：米。本模型通过利用网络节点和交通控制器建立红绿灯的模型，下图为单个红绿灯模型的结构。（见图3-2）图3-2 单个红绿灯模型该模型主要通过交通控制器来模拟红绿灯的运作，具体实现方法为在交通控制器属性设置中添加timeRed和timeGreen标签（见图3-

36、3），用来分别代表红灯和绿灯的持续时间（由于在实地调查的观察中发现，当红绿灯状态转为黄色时，车辆总会事先停下来，故将黄灯时间并入到红灯时间中），同时在On Entry Request、On Reset以及On Message触发器中编写代码，以实现对红绿灯运作的模拟。图3-3中前两个标签所对应的数字分别代表两种状态持续的秒数。对红绿灯各状态持续时间的设置见表3-3。实现了对红绿灯运作的模拟，就容易建立出整个模型。（见图3-4）图3-3 交通控制器属性设置表3-3 红绿灯各状态持续时间的设置类型-方向状态持续时间（秒）车流-南北TimeRed33TimeGreen77车流-东西TimeRed83

37、TimeGreen27人流-南北TimeRed33TimeGreen77人流-东西TimeRed83TimeGreen27图3-4 模型整体3.2.2.2 各模型对象说明如图3-4，该模型为以现实中该十字路口的系统结构抽象而成的概念模型为参照所建立的仿真模型。其中A2_Left、A2_Right、C2_Left、C2_Right、B2、D2为生成车流的生成器（Source）对象，AB、BC、CD、DA为生成人流的生成器对象，SinkC为接收离开系统车流的接收器（Sink）对象，SinkPas为接收离开系统的人流的接收器对象。AB、BC、CD、DA生成器所生成的人流会分别进入到对应的中转缓冲区Q

38、ueueAB、QueueBC、QueueCD、QueueDA中进行分类（人流不会在这几个缓冲区中停留），将人流分为南北流向以及东西流向分别送到QueueNS以及QueueWE中进行排队。根据收集到的数据，经过计算得出，在该路段的高峰期内，整个系统的运行期间南北流向的人流以及东西流向的人流占到达系统总人流的比重分别为42.13%和57.87%，根据此项数据，在中转缓冲区的Flow-Send To Port属性中设置其按照对应的百分比将到达的人流随机地发送到QueueNS或QueueWE缓冲区中进行排队。A2_Left、A2_Right、C2_Left、C2_Right生成器分别产生南北流向的车流

39、，B2、D2生成器分别产生东西流向的车流，分别送到相应的缓冲区中进行排队。3.2.2.3 模型运作方式说明一、实体移动方式：由于Flexsim功能的限制，位于网络节点上移动的实体的各项数据无法被系统统计，即如果使实体自行移动到处理器，则无法收集诸如队列长度、平均等待时间等各项关键数据，故不能采用让实体自行沿网络节点路线移动到处理器的方式，而需采用通过创建一个操作员把实体搬到处理器的做法，如此便能利用缓冲器对实体在系统中的各项数据进行统计。如图3-4所示，本模型中的缓冲器、网络节点与处理器的距离非常贴近，使得操作员把每个实体从缓冲器搬运到处理器的时间与每个实体自行移动到处理器所用的时间相差不大，

40、可以尽量地减少误差。二、交通控制器布置方式：关于由交通控制器（TrafficControl）与四个节点组成的红绿灯模块的设置，在本仿真模型中，由于实际上同一流向的两端的红绿灯的状态变化是同时的，即同一流向的车流（如南北流向）实际上可以看做只占用一个交通控制器资源，于是在此模型中对同一流向的车流可以只建立一个红绿灯模块来进行控制，对于人流同理，综上所述本模型中只需要存在四个红绿灯模块，便可以实现对现实中该路口的交通灯控制的模拟。三、模型运行机制：车流、人流在等待红绿灯的状态转变为绿后，便开始进入通行区（即模型中的处理器对象），通过通行区后离开系统，车辆和行人实际上占用的是同一片区域，为了简化模型

41、，节约设备机能以保证模型能够运行起来，在建立实际模型的过程中也参照概念模型采取了利用一个处理器充当通行区域的方法。而现实中行人和车辆通过通行区域的用时并不相同，对此的解决方法为在处理器属性设置中的平均处理时间（Process Time）中将平均处理时间设置为Values By Case（车辆：AS=7.42、行人：AP=11.09，单位：秒），通过对该项属性的设置即可以实现对不同的实体实行不同的处理时间。同时将处理器属性中Flow页中的Send To Port项设置为Port By Case即可在处理完成后将不同类型的实体发送到不同的接收区，通过以上的各项设置，便可以在仿真模型中实现不同的实体

42、按照不同的时间通过处理器（通行区），相关的各项具体数据已经在第2节的计算中得出，最后不同的实体进入不同的接收器离开系统，以最大程度地模拟现实中该路口的情况。另外，在实地调查的观察中发现，当有行人穿越马路时，车辆总会停下让行人先穿越（无论红绿灯的信号是红或绿）。对此，设置在发生器生成车流实体和人流实体的时候对产生的实体设置一个标签值（人流为1，车流为2）以表示不同类型实体的优先级，处理器属性设置中设置成按优先级处理实体，优先处理标签值为1的实体（人流），由此一来，便可模拟车辆礼让行人的情况以及交通信号灯转红时仍有行人未完成穿越的情况。最后，根据第2节中计算得出的数据设置好各个发生器的生成实体的时

43、间间隔和处理器的处理时间以及处理器在同一时刻容纳的最大车流量（AC=7），仿真模型便建立完成。4 Flexsim仿真模型运行与优化4.1 运行仿真模型建立好Flexsim仿真模型以后，便可以通过运行模型并观察结果以试图找出系统瓶颈。本研究将通过收集各流向车辆的平均等待时间，以各路口的车辆排队的平均等待时间为指标，找出系统中存在的瓶颈（由于在实际观察中发现行人队列总是保持在较正常的范围，且极少出现行人不能穿越马路的情况，研究行人的排队情况较于车辆的排队情况意义不大，故不研究行人队列，而是专注研究车辆排队的情况）。由于实验设备性能的局限，不可能利用Flexsim的实验管理器连续进行多次、长时间的仿

44、真模拟，故采用一次模拟一天的高峰期（60*60*2=7200秒）的时长以及分次运行的方法尽量获取数据以进行观察与分析评价。设定好仿真模型运行停止的时间为运行到第7200秒为止，开始运行模型进行实验，运行结束后得到综合的各路口的车辆排队的平均等待时间。（见表4-1）表4-1各路口车辆排队平均等待时间路口车辆排队平均等待时间（秒）A2_Left45.15A2_Right41.71C2_Left26.77C2_Right38.47B248.19D2156.65根据表4-1的数据可以看出，D2路口车辆排队的平均等待时间最长（156.65秒），远高于其他路口的队列，可见该系统的瓶颈在D2路口，因此可以以

45、D2路口为切入点对系统进行优化。4.2 中山市城桂公路长命水路口系统模型的优化及优化结果根据4.1中仿真模型的运行结果，以D2路口为优化切入点，由于在此系统中的自变量为各路口的红绿灯周期，因此先初步尝试对此自变量进行调整，先尝试将各路口的红绿灯周期减少30秒（对持续时间最长的南北向路口的绿灯、东西向路口的红灯状态的持续时间各减少30秒，其余状态的持续时间维持不变），再运行仿真模型观察变化。下表为调整后的红绿灯周期设置。（见表4-2）表4-2 调整后的各路口红绿灯周期类型-方向状态持续时间（秒）车流-南北TimeRed33TimeGreen47车流-东西TimeRed53TimeGreen27人

46、流-南北TimeRed33TimeGreen47人流-东西TimeRed53TimeGreen27设置完毕后得到优化后的仿真模型，运行仿真模型，观察结果，得到新的综合的各路口车辆排队平均等待时间，对比优化前和优化后的结果。（见表4-3）表4-3 优化前后各路口车辆排队平均等待时间对比路口优化前平均等待时间（秒）优化后平均等待时间（秒）A2_Left45.1550.12A2_Right41.7146.67C2_Left26.7732.97C2_Right38.4738.47B248.1930.17D2156.65110.65由表4-3对优化前后的结果的对比可以看出，模型优化后的D2路口的车辆的平均等待时间有所改善（比优化前减少了46秒），且该优化方案对其他路口的车辆的平均等待时间影响不大，从整体来看该优化方案有所成效，对该路口系统实现了一定的优化。从结果上看，优化后的D2路口的车辆的平均等待时间减少了46秒，除D2以外的其他路口的