交通流仿真建模 | 意义和主要工作

这一节主要介绍交通流建模的意义和主要工作。

通过各种仿真模型和真实交通数据实现的虚拟交通是重建详细交通流的理想方法。各种应用程序都可以从虚拟交通中获益,包括但不限于视频游戏、虚拟现实、交通工程和自动驾驶。本文首先讨论了三种不同层次的交通模拟模型。然后,介绍了各种数据驱动的动画技术,包括现有的数据收集方法,以及模拟交通流的验证和评估。接下来讨论了交通模拟如何有益于自动驾驶车辆的训练和测试。最后,讨论了交通仿真与动画的研究现状,并提出了未来的研究方向。

近年来,视觉交通越来越受到各种研究团体的关注,包括但不限于电脑游戏、城市可视化、城市规划和自动驾驶。在虚拟现实、游戏和动画中,城市场景是必不可少的,因此,不可避免的也会涉及大量的车辆。为了控制单个车辆的运动,一个简单的解决方案是使用关键帧(keyframe methods)方法。然而,使用关键帧方法模拟大规模交通场景中的交通拥堵、频繁的换道以及行人与车辆的交互,不仅需要动画师进行复杂的设计和重复的调整,而且生成的车辆运动很少符合物理规律。因此,有效地模拟大规模交通流已成为计算机图形学中一个越来越重要的课题。此外,由于OpenStreetMap、ESRI和谷歌Maps等道路网络可视化工具的普及,将实时交通流整合到虚拟道路网络中变得至关重要。
然而,实时获取车辆的实际轨迹并将其整合到虚拟应用中是非常困难的。这些趋势推动了数据驱动的交通模拟的研究工作。

除了上述在动画和可视化方面的应用外,交通仿真在交通研究中有着广泛的应用。VISSIM [PTV11]、TSIS [TSI18]、PARAMICS [PAR18]等交通仿真软件包是研究交通网络性能的有效工具。基于虚拟现实的驾驶培训项目通过生成真实的交通环境帮助新驾驶员提高驾驶技能[VRd18, LWX 18]。交通模拟还可以作为生成各种交通条件的有效工具,用于训练和测试自动驾驶车辆[SAMR18]

此外,日益增长的车辆流量和复杂的道路网络导致了许多与交通相关的问题,如交通堵塞、事故管理、信号控制和网络设计优化。这些问题很难用基于分析模型的传统工具解决[SHVDWVW16]。因此,人们尝试使用先进的计算技术对交通进行建模、仿真和可视化,以分析交通管理的交通条件[PBH12,WLY 13,WYL 14],或帮助城市发展中的交通重建[GDGAVU14]

交通模拟的一个主要焦点是回答以下问题:给定道路网络、行为模型和初始车辆状态,交通将如何演变?交通流的建模与仿真有大量的数学描述,大致可以分为宏观模型[SWML10]、微观模型[SJ12]、细观模型[SWL11]。
宏观方法将车辆集合视为一个连续的流动,微观方法模拟每辆车在其周围车辆影响下的动态。相比之下,细观模型结合了微观和宏观模型的优点来模拟不同层次的交通细节。此外,道路网络的生成和表示也是交通仿真中的一个基本问题。

虽然前面提到的交通模型可以有效地捕获外观,但是得到的模拟结果通常不像真实的街道交通。随着先进的传感硬件和计算机视觉技术的发展,以视频、激光雷达和GPS传感器形式存在的经验交通流数据集越来越多。这种现象催生了数据驱动的交通动画技术。例子包括重建从现有道路交通流量传感器中获取的时空数据(SVDBLM11、WSL13 LWL17),从有限的样本轨迹合成新的交通流(CDR 18),和从交通监控数据集学习行为模式和独立特征以产生交通流[CSJ13 BMWD16】

尽管在交通模拟和动画方面取得了很大的进步,但是如何测量模拟交通的真实感一直没有得到充分的研究。此外,在基于模型的交通模拟和数据驱动的动画方法中,根据模拟交通和真实交通之间的相似性进行模型验证一直是一个关注的问题。为了解决这些问题,目前的方法包括使用主观的用户评价,并将客观的评价指标纳入度量[CDX 18]。

通过各种交通模拟和动画技术的虚拟交通也被应用到自动驾驶的训练中。自动驾驶有可能彻底改变我们的交通系统。然而在将这些自动化机器部署到真实世界之前,要在模拟环境中对它们进行训练。目前,自动驾驶车辆的性能测试通常使用一个具有预定义行为的单一干扰道路用户例如车辆、行人或自行车)在虚拟环境中进行[WEG 00,DRC 17,apo18]。通过在拥有丰富的不同道路使用者之间交互的模拟交通流中进行训练,自动驾驶汽车有可能获得在复杂的城市环境中处理复杂交通条件的能力。
此外,交通模拟和动画也可以受益于基于学习的运动规划和自动车辆决策算法。具体来说,随着采集到的驾驶数据集的增加,由此产生的准确的交通模拟可以在更准确的交通语义方面丰富自动驾驶车辆的运动规划和决策。

为了实现安全的自动驾驶,需要一个结合真实交通流和复杂交通条件的高保真驾驶模拟器。
这样的模拟器可以以高效和可重复的方式产生关键的培训环境。由于交通模拟在自动驾驶研究中变得越来越重要,在本次调查中,将特别从三个方面描述自动驾驶的最新发展:数据采集、运动规划和模拟测试。

第2节介绍了三种基于模型的交通仿真方法,并为道路网络的过程建模和几何表示提供了不同的代表方法。第3节介绍了基于不同数据获取方法的各种数据驱动的动画技术。第四部分探讨动画方法的验证与评价生成的虚拟交通。第5节介绍了最近在数据采集、运动规划和使用虚拟交通进行自动驾驶研究方面的努力。最后,第6节和第7节通过讨论现有研究的现状和我们对未来研究方向的看法来结束本次调查。

0%