交通系统建模主要有哪几种模型

包括宏观模型、中观建模和微观建模。

一、概述

中观交通模型介于宏观模型与微观模型之间，从分配方法上可将宏观、中观、微观模型大体作如下归纳：

宏观模型：主要基于道路路段路阻延误函数的交通流量分配；

中观模型：主要基于交叉口延误计算，但也可结合使用路阻延误函数的流量分配；

微观模型：基于交通仿真技术的车流模拟。

中观模型与宏观模型相比，分析精度大大提高，可以得到车速、交叉口延误、饱和度等较为具体的分析指标，并且可以作交叉口的信号优化分析；而与微观模型相比，具有建模工作量小，运行速度快，路径分析功能强的优点。因此在进行片区一级的交通分析时，宏观模型精度不够，微观模型又过于复杂，建模和标定的工作量太大且难以管理，中观模型是最为适合的工具。

以往国内对中观模型的介绍较少，本文将结合本人近年来的使用经验说明中观模型的建立过程。

二、模型的建立

中观模型的建立主要分为三个部分，建立分区、建立OD和建立路网和公交网。

（一）小区划分

中观模型由于要求分析精度较高，分区相应也需要比较小，从经验来看，在做片区一级的交通分析时，通常按次干道的分割进行划分较为合适，并且小区连接线的位置需要尽可能与实际的主要出入口位置一致，这样基本可以保证主干道沿线交叉口的分析精度。

此外中观模型的路网往往是从宏观模型中截取的一个局部路网，为了正确的反映片区的对外交通和过境交通，需要将片区外围各条干道外端都作为单独的外部小区。

（二）建立OD

OD矩阵需要在宏观模型中OD的基础上建立，主要工作有两项，OD的细分和片区出入口小区OD量的分析计算。

1．外部小区OD的分析计算。外部小区的OD主要是反映整个片区的对外交通和过境交通，需要在宏观模型中通过一定的分配算法进行计算和提取，在EMME/2平台上，使用附加选项分配(additional option assignment)可以较方便的提取出所需的外部小区OD。

2．宏观模型OD的细分。由于中观模型的分区较小，需要将宏观模型中的OD进行细分，通常的方法是首先制定中观小区与宏观小区的对应关系，然后根据各中观小区大致人口就业情况，制定其在对应宏观小区中所占比例，然后通过相应的矩阵运算得到细分后的中观小区OD。

（三）建立路网和公交网

路网和公交网的建立主要是一个编码的过程，这里不介绍具体的 *** 作过程，只说明一下需要注意的一些问题：

1．非信号路口。中观模型中对于非信号路口通常只有两种定义，一是定义为让路路口，即对主要流向的通行能力只稍作降低，而次要流向的通行能力完全视主流向所能提供的可穿插间隔而定；二是定义为虚路口，即程序不对其路口延误进行计算，所有方向延误为0。

在实际应用中，往往两种定义都不能较好地模拟实际的路口情况，前一种情况下，主要方向流量较大时，次要方向的通行能力会很低，延误则会非常大，甚至达到几千秒，后一种情况又完全没有延误。这时就需要将其作为信号路口来编码，根据各向实际的流量和通行能力状况，设置一个简单信号配时。

2．立交。如前所述，中观模型对于非信号路口的模拟是不太理想的，对于转弯匝道的出入口同样也存在这个问题，即如果简单的作为让路路口处理，当主线流量较大时，匝道的通行能力会非常低，如果作为虚路口，延误就为0，容易造成分配流量过大。因此不能用中观模型单独对立交进行专门分析，但在所研究的片区范围内存在立交时，可以将立交转弯匝道的出入口编码为信号路口，根据实际情况控制和调整各方向的实际通行能力，以保证整体流量分配的准确性。

3．转弯混合车道。对于路口同时允许两个方向行驶的混合车道，由于两个方向的车流会互相阻挡，在中观模型运算时有时会计算得到很大的延误时间，这时需要将单独的一个车道拆分成两个车道，每个转弯流向各占一个车道，再通过校正其绿灯通行能力来确保计算的准确性。

三、OD反推与模型的标定

OD反推就是利用现状的观测流量校核OD的算法，是建立中观模型的一个关键步骤，一方面直接用宏观模型OD或OD调查的OD进行分配，其结果往往与实际道路流量还是有一定差距，因此必须用OD反推对现状OD进行校正；另一方面现状路网编码的准确性也直接影响OD反推的结果，必须根据对OD反推结果的分析不断校正路网编码。因此在中观模型的建立中OD反推的过程同时也是路网校正的过程。其总体流程包括观测流量的校核、路网的校核、(下转第140页）

（上接第107页）OD的校核三个大步骤。

OD反推算法在国内外经过多年的研究，已经较为成熟，现在一般的交通软件都提供了OD反推的功能。此处不多做介绍，但需要注意OD反推技术自身的局限性，不能希望在完全没有基础OD的情况下通过OD反推来得到实际OD，主要原因为实际测站的数量都是有限的，而OD对的数量却往往很大，从数学上来说OD反推问题实际具有无穷多的解，所以说如果反推所用的初始OD偏差很大的话，结果的准确性就无法保证。

（一）观测流量的校核

由于各路口/路段的流量观测通常是同时进行的，而上下游之间实际存在一定的时间差，并且有实际的观测误差存在，在实际观测流量中可能会出现上下游流量不匹配的情况，而在交通模型分配中，上下游的流量必须是完全匹配的。因此在进行OD反推计算前需要先将所有的观测流量标在一张大路网图上，比较各路段上游入口和下游出口的流量是否匹配，并对相差较大的地方进行分析和调整。

（二）路网校核

路网校核需要结合OD反推反复进行，即先进行OD反推运算，再校核路网，再OD反推，再校核路网……，直至路网编码较为合理，拟合结果与观测结果较为吻合，具体校核主要分三个方面进行：

1．异常道路通行能力的校核。首先需要重点校核计算出的通行能力小于实际观测流量的情况，这时必须调整路网编码，确保实际通行能力较为合理，具体调整方法需要根据经验和实际情况来分析；其次是检查和校核通行能力很小或很大的情况，一般来说让路路口的次要流向和混合车道通行能力容易过小，而虚路口通行由于不计算延误，通行能力非常大，需要根据实际情况进行分析。

2．异常延误的校核。主要是检查延误特别小(为0或只有几秒)或是特别大(达到几百秒甚至几千秒)转弯流向，判断其是否合理，并加以调整。

3．异常路径的校核。挑选有代表性的OD对，根据计算出的道路与交叉口延误画出最短路径，分析其是否合理。

（三）OD总量的校核

经过路网校核后，路网应当已经较为准确，并且反推的结果也应当与实际观测流量非常吻合。但这时反推得到的OD还不能直接应用，因为OD反推实际上不具有唯一解，还需要对其进行分析，并相应地调整OD反推算法的参数设置，以确保结果的合理性。与路网校核一样，OD量的校核也需要结合OD反推运算反复进行，直至结果较为合理。

（四）区域内部出行与对外出行总量的比较分析

要使分配流量与观测流量吻合，最便捷的办法就是直接调整O点和D点分别位于测站两端的OD对，因此OD反推中最容易出现的问题就是区域内部短距离出行OD量过大，解决办法有以下几种：在OD反推的算法参数中设定一个OD调整的下限值，当初始OD量低于此下限值时就不作调整；当确信初始OD已较为准确时，可以设定OD对调整的最大允许幅度；在有些软件中，可以通过约束矩阵指定特定OD对的允许变化幅度。

（五）对外出行总量与过境交通总量比较分析

分析对外交通的总量及方向分布，过境交通的总量是否合理，一般来说在计算初始OD时应该已对此作过详细分析，如果初始OD较为准确的话，关系就不会太大，但如果反推中OD调整变化幅度较大，就可能会出现问题，解决的主要办法是对初始OD进行调整，尽可能明确主要的过境交通流向和流量，对外交通的总量和方向分布，并可在OD反推计算中控制相应OD对的允许调整幅度。

OD量的校核也要通过OD反推反复进行，直到最终结果较为理想，才可用于实际方案测试中。

四、方案测试

方案测试主要就是利用已校正完成的中观模型，测试实际交通改善方案的效果，这里不介绍具体的 *** 作过程，实际在方案测试中需要注意的主要问题有两点：

一是在方案调整之后，往往需要对周边的交叉口信号配时进行调整，如果不需要专门作信号控制的改善方案，只需分析一下各路口不同相位间的饱和度差别，并根据其进行调整，使各流向的饱和度较为均衡；如果需专门作信号控制方案的分析，则需要逐个路口进行详细分析和计算。

二是在改善方案与现状的变化较大时，改善方案的路网中就可能会出现一些新的编码不准确的问题，就需要对路网进行再一次的校核，检查通行能力、延误、分配路径三个方面有无异常，并相应地加以调整。

随着互联网寒冬的的到来，程序员就业环境越来越严峻，这就要求我们必须要不断提高自己，来应对高压的工作环境。下面介绍的这几种图是我在工作中经常使用的，所谓的图，都是为了辅助思考的，辅助开发的，比文字描述的更清晰，更有逻辑。

前些年，网上有一个口号喊得很响： “人人都是产品经理” 。这就要求我们需要学习认图、画图的技巧，能从需求文档里快速的抽象出我们想要的东西。最近，网上曝出的程序员和产品经理之间的矛盾，大都是需求不清晰产生的，作为程序员的我们如果掌握的产品经理所必须的技能，那我们以后就可以吊打产品经理了，哈哈哈哈。。。

流程图 是对过程、算法、流程的一种图像表示，在技术设计、交流及商业简报等领域有广泛的应用。

计算机语言只是一种工具。光学习语言的规则还不够，最重要的是学会针对各种类型的问题，拟定出有效的解决方法和步骤即算法。有了正确而有效的算法，可以利用任何一种计算机高级语言编写程序，使计算机进行工作。因此，设计算法是程序设计的核心。

对同一个问题，可以有不同的解题方法和步骤。

例如，求1+2+3+…+100，可以先进行1+2，再加3，再加4，一直加到100，也可采取100+(1+99)+(2+98)+…+(49+51)+50＝100+50+49×100＝5050。

还可以有其它的方法。当然，方法有优劣之分。有的方法只需进行很少的步骤，而有些方法则需要较多的步骤。一般说，希望采用方法简单，运算步骤少的方法。因此，为了有效地进行解题，不仅需要保证算法正确，还要考虑算法的质量，选择合适的算法。

一个计算问题的解决过程通常包含下面几步:

传统流程图

用图表示的算法就是流程图。流程图是用一些图框来表示各种类型的 *** 作，在框内写出各个步骤，然后用带箭头的线把它们连接起来，以表示执行的先后顺序。用图形表示算法，直观形象，易于理解。

美国国家标准化协会ANSI曾规定了一些常用的流程图符号，为世界各国程序工作者普遍采用。最常用的流程图符号见图。

流程图不仅可以指导编写程序，而且可以在调试程序中用来检查程序的正确性。如果框图是正确的而结果不对，则按照框图逐步检查程序是很容易发现其错误的。流程图还能作为程序说明书的一部分提供给别人，以便帮助别人理解你编写程序的思路和结构。

PS：墙裂推荐大家使用ProcessOn，画流程图的神器！！！

心智图 （Mind Map），又称 脑图 、 心智地图 、 脑力激荡图 、 思维导图 、 灵感触发图 、 概念地图 、 树状图 、 树枝图 或 思维地图 ，是一种图像式思维的工具以及一种利用图像式思考辅助工具来表达思维的工具。

心智图是由英国的托尼·博赞（托尼·布詹）于1970年代提出的一种辅助思考工具。心智图通过在平面上的一个主题出发画出相关联的对象，像一个心脏及其周边的血管图，故称为“心智图”。由于这种表现方式比单纯的文本更加接近人思考时的空间性想像，所以越来越为大家用于创造性思维过程中。

ps:我一般都是用的百度脑图，在线的比较方便

拓扑学（TOPOLOGY）是一种研究与大小、距离无关的几何图形特性的方法。 网络拓扑是由网络节点设备和通信介质构成的网络结构图。

拓扑学是数学中一个重要的、基础的分支。起初它是几何学的一支，研究几何图形在连续变形下保持不变的性质(所谓连续变形，形象地说就是允许伸缩和扭曲等变形，但不许割断和粘合) 拓扑图用于计算机网络示意，也就是不考虑计算机实际的位置，只表示网络中每台计算机以及网络设备之间的相互关系。

节点，节点就是网络单元。网络单元是网络系统中的各种数据处理设备、数据通信控制设备和数据终端设备。

链路，链路是两个节点间的连线。链路分“物理链路”和“逻辑链路”两种，前者是指实际存在的通信连线，后者是指在逻辑上起作用的网络通路。链路容量是指每个链路在单位时间内可接纳的最大信息量。

通路，通路是从发出信息的节点到接收信息的节点之间的一串节点和链路。

星型结构的优点是结构简单、建网容易、控制相对简单。其缺点是属集中控制，主节点负载过重，可靠性低，通信线路利用率低。

总线结构的优点是信道利用率较高，结构简单，价格相对便宜。缺点是同一时刻只能有两个网络节点相互通信，网络延伸距离有限，网络容纳节点数有限。在总线上只要有一个点出现连接问题，会影响整个网络的正常运行。目前在局域网中多采用此种结构。

环型结构的优点是一次通信信息在网中传输的最大传输延迟是固定的；每个网上节点只与其他两个节点有物理链路直接互连，因此，传输控制机制较为简单，实时性强。缺点是一个节点出现故障可能会终止全网运行，因此可靠性较差。

树型结构实际上是星型结构的一种变形，它将原来用单独链路直接连接的节点通过多级处理主机进行分级连接。

这种结构与星型结构相比降低了通信线路的成本，但增加了网络复杂性。网络中除最低层节点及其连线外，任一节点或连线的故障均影响其所在支路网络的正常工作。

UML是一种开放的方法，用于说明、可视化、构建和编写一个正在开发的、面向对象的、软件密集系统的制品的开放方法。UML展现了一系列最佳工程实践，这些最佳实践在对大规模，复杂系统进行建模方面，特别是在软件架构层次已经被验证有效。

功能模型， 从用户的角度展示系统的功能，包括用例图。

对象模型， 采用对象，属性， *** 作，关联等概念展示系统的结构和基础，包括类别图。

动态模型， 展现系统的内部行为。包括序列图，活动图，状态图。

实体关系图，简记E-R图是指以实体、关系、属性三个基本概念概括数据的基本结构，从而描述静态数据结构的概念模式。

业务建模（Business Modeling）是以软件模型方式描述企业管理和业务所涉及的对象和要素、以及它们的属性、行为和彼此关系，业务建模强调以体系的方式来理解、设计和构架企业信息系统。

根据环境和需求的不同，业务建模工作可能有不同的规模。以下列出了六种这样的场景。

场景 #1 - 组织图

您可能需要构建组织及其流程的简图，以便更好地了解对正在构建的应用程序的需求。在这种情况下，业务建模就成了软件工程项目中的一部分，它主要是在先启阶段执行的。通常，这些工作在开始时仅仅是画出组织图，其目的并不是对组织进行变更。但实际上，构建和部署新的应用程序时往往会进行一定程度的业务改进。

场景 #2 - 领域建模

如果您构建应用程序时的主要目的是管理和提供信息（例如，订单管理系统或银行系统），那么您可能选择在业务级别上构建该信息的模型，而不考虑该业务的工作流程。这就称为领域建模。请参见工作流程明细：开发领域模型。通常，领域建模是软件工程项目的一部分，它是在项目的先启阶段和精化阶段中执行的。

场景 #3 - 单业务多系统

如果您正在构建一个大的系统（即一系列的应用程序），那么一个业务建模工作可能成为数个软件工程项目的输入。业务模型帮助您找出功能性需求，并且也作为构建应用程序系列构架的输入。详情请参见概念：从业务模型到系统。在这种情况下，通常将业务建模工作本身当做一个项目。

场景 #4 - 通用业务模型

如果您正在构建一个供多个组织使用的应用程序（例如，销售支持应用程序或结账应用程序）。一种有效的做法是：从头到尾进行一次业务建模工作，从而按这些组织的经营方式对它们进行调整，避免一些对于系统来说过于复杂的需求（业务改进）。但如果无法对组织进行调整，那么业务建模工作能够帮助您了解并管理这些组织使用该应用程序时存在的差别，并使您更容易确定应用程序功能的优先级。

场景 #5 - 新业务

如果某个组织决定要启动一项全新的业务（业务创建），并将构建信息系统来支持该业务，那么就需要进行业务建模工作。在这种情况下，业务建模的目的就不仅仅是要找出对系统的需求，而且还要确定新业务是否可行。在这种情况下，通常将业务建模工作本身当做一个项目。

场景 #6 - 修改

如果某个组织决定要对其经营方式进行彻底修改（业务重建），那么业务建模通常本身就是一个或多个项目。通常，业务重建分数个阶段完成：新业务展望、对现有业务实施逆向工程、对新业务实施正向工程以及启动新业务。

1)建模准备

数学建模是一项创新活动,它所面临的课题是人们在生产和科研中为了使认识和实践进一步发展必须解决的问题“什么是问题问题就是事物的矛盾,哪里有没解决的矛盾,哪里就有问题”因此发现课题的过程就是分析矛盾的过程贯穿生产和科技中的根本矛盾是认识和实践的矛盾,我们分析这些矛盾,从中发现尚未解决的矛盾,就是找到了需要解决的实际问题,如果这些实际问题需要给出定量的分析和解答,那么就可以把这些实际问题确立为数学建模的课题,建模准备就是要了解问题的实际背景,明确建模的目的,掌握对象的各种信息,弄清实际对象的特征,情况明才能方法对

(2)建模假设

作为课题的原型都是复杂的、具体的,是质和量、现象和本质、偶然和必然的统一体,这样的原型,如果不经过抽象和简化,人们对其认识是困难的,也无法准确把握它的本质属性建模假设就是根据实际对象的特征和建模的目的,在掌握必要资料的基础上,对原型进行抽象、简化,把那些反映问题本质属性的形态、量及其关系抽象出来,简化掉那些非本质的因素,使之摆脱原型的具体复杂形态,形成对建模有用的信息资源和前提条件,并且用精确的语言作出假设,是建模过程关键的一步对原型的抽象、简化不是无条件的,一定要善于辨别问题的主要方面和次要方面,果断地抓住主要因素,抛弃次要因素,尽量将问题均匀化、线性化,并且要按照假设的合理性原则进行,假设合理性原则有以下几点：

①目的性原则：从原型中抽象出与建模目的有关的因素,简化掉那些与建模目的无关的或关系不大的因素

②简明性原则：所给出的假设条件要简单、准确,有利于构造模型

③真实性原则：假设条件要符合情理,简化带来的误差应满足实际问题所能允许的误差范围

④全面性原则：在对事物原型本身作出假设的同时,还要给出原型所处的环境条件

(3)模型建立

在建模假设的基础上,进一步分析建模假设的各条件首先区分哪些是常量,哪些是变量,哪些是已知量,哪些是未知量；然后查明各种量所处的地位、作用和它们之间的关系,建立各个量之间的等式或不等式关系,列出表格、画出图形或确定其他数学结构,选择恰当的数学工具和构造模型的方法对其进行表征,构造出刻画实际问题的数学模型

在构造模型时究竟采用什么数学工具,要根据问题的特征、建模的目的要求以及建模者的数学特长而定 可以这样讲,数学的任一分支在构造模型时都可能用到,而同一实际问题也可以构造出不同的数学模型,一般地讲,在能够达到预期目的的前提下,所用的数学工具越简单越好

在构造模型时究竟采用什么方法构造模型,要根据实际问题的性质和建模假设所给出的建模信息而定,就以系统论中提出的机理分析法和系统辨识法来说,它们是构造数学模型的两种基本方法机理分析法是在对事物内在机理分析的基础上,利用建模假设所给出的建模信息或前提条件来构造模型；系统辨识法是对系统内在机理一无所知的情况下利用建模假设或实际对系统的测试数据所给出的事物系统的输入、输出信息来构造模型随着计算机科学的发展,计算机模拟有力地促进了数学建模的发展,也成为一种构造模型的基本方法,这些构模方法各有其优点和缺点,在构造模型时,可以同时采用,以取长补短,达到建模的目的

(4)模型求解

构造数学模型之后,再根据已知条件和数据分析模型的特征和结构特点,设计或选择求解模型的数学方法和算法,这其中包括解方程、画图形、证明定理、逻辑运算以及稳定性讨论,特别是编写计算机程序或运用与算法相适应的软件包,并借助计算机完成对模型的求解

(5)模型分析

根据建模的目的要求,对模型求解的数字结果,或进行变量之间的依赖关系分析,或进行稳定性分析,或进行系统参数的灵敏度分析,或进行误差分析等通过分析,如果不符合要求,就修改或增减建模假设条件,重新建模,直到符合要求；通过分析如果符合要求,还可以对模型进行评价、预测、优化等

(6)模型检验

模型分析符合要求之后,还必须回到客观实际中去对模型进行检验,用实际现象、数据等检验模型的合理性和适用性,看它是否符合客观实际,若不符合,就修改或增减假设条件,重新建模,循环往复,不断完善,直到获得满意结果 目前计算机技术已为我们进行模型分析、模型检验提供了先进的手段,充分利用这一手段,可以节约大量的时间、人力和物力

(7)模型应用

模型应用是数学建模的宗旨,也是对模型的最客观、最公正的检验 因此,一个成功的数学模型,必须根据建模的目的,将其用于分析、研究和解决实际问题,充分发挥数学模型在生产和科研中的特殊作用

以上介绍的数学建模基本步骤应该根据具体问题灵活掌握,或交叉进行,或平行进行,不拘一格地进行数学建模则有利于建模者发挥自己的才能

关于软件有matlab lindo 等

以上就是关于交通系统建模主要有哪几种模型全部的内容，包括:交通系统建模主要有哪几种模型、干货！程序员需要掌握的几种图、阐述业务建模流程2，从业务模型到系统模型需要做哪些工作等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！