论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf

所需积分/C币:32 2019-09-20 20:17:08 862KB .PDF
10
收藏 收藏
举报

论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf,  为量化分析行人行为并仿真行人步行轨迹,建立基于巢式和交叉巢式logit的行人步行行为模型.首先,提出建模思路,重点分析行为理论、NL模型和CNL模型等基本理论.其次,将行人分为自由流和非自由流两种状态,针对保持原方向、距离目的地更近、自由流下的变速、躲避对向行人和超越同向行人5种步行意愿,分别建立效用函数,构建行人步行行为的NL模型和CNL模型.最后,通过视频采集的数据,运用biogeme软件标定模型系数,并与实际的行人轨迹比较分析模型的准确性,发现模型能够以80.26\%的准确性拟合实际行人轨迹.结果表明,模型能准确拟合低密度情况下的行人步行轨迹,具有实际应用价值.
第1期 周竹萍.等:基于巢式和交叉巢式 logit的行人步行行为模型 221 构建樸型框架 构建每个子选择域的效用函数 白由流效用函数 非自由流效用函数 定的自由流效用函数 八入N模型中 计算自由流各扇 标定好的自由流效用函数加 ·自由流行人决数据泰取形域选择概率上未标定的卡自由流效用函 白出流效用函数标定 数代入CN模型中 非自曰流行人决策数捱获取 ●非自由流效用函数标定 模型建立完毕 图1建模流程 1.5V,t Vnt 0.5vnt P=(rn, yr) 图2行人选择域划分 成新的半圆选择域,行人也会有新的速度以及正对方向,本模型就是建立在这个半圆选择域基础之上.最终 建立的半圆选择域如图2所示 2.2.2NL模型 NL模型( nested logit)是MNL( multinomial logit)模型的改进,考虑了各选择肢之间的相关性,将各选 择肢之间的关系描述为树状结构,树的节点分叉处又可看作是一个独立的MNI模型0 本文建立两层的行人NL模型:第一层选择肢的效用为U2(=1.2,…,m),效用确定项为V( ⊥,2,…,m);第二层选择肢的效用为U(=1,2,…,m),n表示i嵌套下的选择肢数目.效用确定项为V =1,2,…,m),对各上层选择肢来说,其构成独立的MNL模型,则各项选择的概率为 bv 其中b为 logit模型参数,不同虚拟选择肢下的b值不同 对于第一层虚拟选择肢米说,选择肢的选择概率为: P λ为笫一层的模型参数,由概率论可知,第二层选择肢的概率为: P(ij)=pli) P(ijli 222 系统工程理论与实践 第37卷 22.3CNL模型 CNL( cross-nested logit)模型与NL模型原理基本相似,不同的是NL模型每一层嵌套下的选择肢之问 都要求相互独立,低层的选择肢不能同时属于两个上层嵌套.而CNL的低层选择肢能够同时属于两个或两 个以上的上层嵌套,当出现难以划分嵌套的复杂情况时,需要使用CNL模型1 假设第一层选择肢讠的效用U(=1,2,…,m),效用确定项为V(=1,2.…,m),第二层选择肢的效 用U(=1,2,…,m),m表示嵌套下的选择肢数日.效用确定项为V;(=1,2,…,m).CNL模型的计 算公式如下 j)=(a分*)y/∑(e) 其中a;表示的是嵌套i下的j个选择肢的相关系数,是m个虚拟选择肢之间的相异参数 P(i) 与NL模型不同的是,在计算最后的选择概率时,需把归属于多个上层嵌套的下层嵌套概率相加起来,如 下式所示 P)=∑P(i)*P(i1) 3模型效用函数 效用函数用于计算行人选择某一个区域时所得到的效用,效用越大的区域行人选择的概率越高12.针 对自由流以及非自由流的5种情况,分别建立效用函数 31自由流 自由流情况下,分析行人保持原方向、距离目的地更近以及变速三种情况 3.11自由流 在步行过程中行人不会频繁改变方向,在无其他因素的干扰,行人会大致保持原来的步行方向.原方向 即为90°垂线方向,△t后所选择的区域与垂线方向的夹角越小.其获得的效用越大,如图3所示 其中n表示选择区域与原方向的夹角,da表示行人的当前面朝方向,dh表示选择域的方向.保持原 方向的效用函数如式(7)所示 6 为待定系数,表示夹角越小效用越大的趋势,其值应为负 312距目的地更近 在步行过程中行人总是朝向一定的目的地前进,除特殊情况外,步行过程中的每一步应该离目的地更近, 且步行方向与终点方向的角度差也应保持较小,如图4所示 图3保持方向示意图 图4距目的地更近 其中Oa表示选择域方向与目的地的夹角,L表示选择域中心至目的地的距离.考虑到的取值与加减速 意愿相挂钩.若是要保持每一步离终点更近,行人就更有可能始终选择加速域中的子选择域,因此需要考虑 行人初始速度对效用的修正.配合模型的三种速度区域,参考相关研究13.以及数据统计时的方便性,把行 第1期 周竹萍.等:基于巢式和交叉巢式 logit的行人步行行为模型 223 人的速度分为低速,中速以及高速三种情况,低速表示0~1m/s,中速表示1~15m/s,高速表>1.5m/,所 建立的效用函数如式(8)所示 BoBd+Bl Id[ls +IMs(Vn/IMSd+Hs(Vn/1.5) HSd 式中的Ls、ⅠMs及IBS均为指示函数,1Ls在行人当前速度在0~1m/s的低速时取值为1,否则为0.IMs 在行人当前速度在1~1.5m/s的中速时取值1,否则为0.IHs在行人当前速度在1.5m/s以上时取1,否则 为0.这三个值同时只有一个为1.Vn表示行人当前速度a所要表示的意义和式(1)相同,待定系数 应取负值 La[ILs+IMs(Vn/1)Mad+IBs(Vn/1.5)n8]是对不同速度下距离更近的效用的修正,由于距离越 效用应该越大,所以%也应该取负值.行人在低速时不对其修正,在中速时,由于速度属于1~1.5m (V/1)Msa的取值大于1,会对原本为负的效用值进行修正使其更小在此Msa应取正数同理Hsa也 为正 31.3自由流下的变速 行人在低、中、高速三种情况时都有不同的加减速意愿:低速时加速意愿较高;高速时减速意愿较高;中 速时川会呈现一个类似正态分布的两边低中间高的变速意愿国.针对不同的变速情况分别建模 1)低速时的加速意愿 BLSAILSIA(1.25/(Vn +0.25)ALSA 式中I4为指示函数,行人若选择加速域时则为1,否则为0.待定系数A和入LSA取正值.(1.25/Vn+ 0.25)84反映了速度越小行人的加速意愿应该越大,另外为了避免当速度为0时出现无限大的结果,将原 来的(1/Vn)8A分子分母上下都加了0.25,函数整体的值就由待定系数sA和ASA来控制考虑到模型 计算时的解法,由于现在对非线性效用函数系数标定的研究并不多,因此只用能够表示行人变速意愿趋势的 最简单函数形式作为效用函数 2)中速时的匀速意愿 BMSCIMSIC(V2+2.5Vn-05)AMSC 待定系数Msc和MMSC应为正值,函数表现的是中间低两边高的匀速意愿,由于正态分布的式子计算 复杂,因此用经过调整的二次函数来代替,同样函数值的大小由BSC和MMsc来控制 3)高速时的减速意愿 BHsDIHSID(Vn/1.5) 待定系数HsD和AHsD都应为正值.函数表现的是在高速时速度越大,减速意愿也越大.由于指示函 数Ⅰ的取值,以上3种情况在模型中同时只会有一种发生,因此把自由流三种情况的效用函数全部相加可得 出自由流的行人步行行为模犁 32非自由流 非自由流的行人行为可分为躲避对向行人以及超越同向行人两种情况 321躲避对向行人 行人的躲避行为会发生在行人选择行走的扇形域中,而不是在任意扇形区域内都会发生,躲避行为包括 向左以及向右躲避.以扇形域3和4为例来说明,如图5所示 首先定义对向行人的概念,对向行人会出现在距1.75V*Δt的最大选择域半径距离L的范围內,其与 两个扇形域中的分隔线V的夹角bn(对向行人的方向朝右时角度记为R,如点A)以及(对向行人的方 向朝左时角度记为L,如点C),其值u以及θa的值域在[0°:丌/6]时,称为潜在对向行人,即为图5中 的A、B、C三人.而离步行决策者最近的潜在对向行人就是该△t时间间隔里起到影响作用的实际对向行 人,即为行人A 角度的统计方法如图6所示,对向行人A朝右时、角度记为θR取值为[-π/6.09;朝左时,角度记为 0n,取值0°,x/6.决策者偏左的取值为[-x/6,09;偏右的6值为[0°,丌/(6,角度差△=0e 224 系统工程理论与实践 第37卷 躲避对向行人的效用函数如下: ac|△ed (12) 式中c表示选择域与对向行人的角度差,△e表示两者速度的绝对值之和,Lac表示选择域中心距离到 对向行人的距离.λace,cu,acl,ac为待定系数.都应为正值.函数反应的是为躲避对向行人,决策者会选 择与对向行人角度差更大、距离更远的选择域步行,并且两者的相对速度越大所受到的躲避效用也越大 322超越同向行人 行人在遇到比自己慢的同向行人时会选择超越,同向行人的定义方法与对向行人相似(图7).对于实际 同向行人A来说,若其朝右时,角度记为6r,取值为0°,丌/6:若其朝左时,角度记为,取值[丌/6,09].而 对于决策者来说,偏左的取值为[丌/6,0°,偏右的6n取值为0°,丌/6.其角度差△=|0-6 超越同向行人的效用函数如下 ⅠA,B1入BNp△ape:1P (13) I△是指示函数,当决策者速度减去同向行人速度大于等于05m/s时取1,否则取0.式中△eD表示选择域 与同向行人的角度差,△e表示决策者与同向行人的速度差,Lep表示选择域中心距同向行人的距离.Ap, ApP0,Aap,kepl为待定系数,Ap,Aep,Ap应为正值,λpl为负值.函数反应的是为了超越同向行人,决策 者会选择与同向行人角度差更大,距离更近的选择域步行:并且两者的速度差越大,起到的超越效用也越大 A 加速域 加速域 1.75V,* 1.75Vn*4t人 匀速域 匀速域 减速域 减速域 图5躲避对向行人示意图 图6角度统计方法 图7超越同向行人 4模型计算与参数标定 4.1模型求解 将上述所有效用函数相加可得出离散选择情况下的行人步行效用函数.需标定的系数有自由流部分的 Bn,B6,A1,入Msd,Ansd,BLsA,ALSA,BMsC,AMsC,BHsD,MHsD共计11个以及非自由流鄙分的入aco,acn, Aa,Bc,Bep,p,入ep,hp共计8个,合计19个待标定系数 首先标定白由流中的11个系数,白由流情况下的效用函数如下 入 1.25 LSA 300i+Peed+BlLalILs+IMs\1 +Is(15 + BLSAILSIA Vn+0.25 (14) BMSCIMSIC(-V+2.5Vn-05)AM5C+BHspTHsTp(n 所有指示函数Ⅰ都与速度有关,因此可将行人步行意愿区分为先选择变速区域再在各变速域中选择表 征方向的9个子区域,然后用NT模型计算,如图8所示 行人 加速域(A) 匀速域(C 减速域(D) 1)()-(x)()()…(③(…(9 图8NL模型示意图 第1期 周竹萍.等:基于巢式和交叉巢式 logit的行人步行行为模型 225 举例说明:假设调查的行人在一次决策中选择的是子选择域19,属于加速域,ⅠA为1,IC和ⅠD为0,此 时的效用函数变为 入 1.25 B90,+Beed+BL ILs +IMs(n lHS 1.5 SAiLS Vn+0.25 (15) 选择域19确定之后,行人做出当前次策时的变量θ,θ,La,IS,ⅠMs,ⅠHs,V都能够通过录像记录的 轨迹进行确定,将其代入式(1)(2),(3)中,可运用极大似然估计法对自由流下的效用函数的9个系数进行 标定15 非自由流的系数标定需建立在自由流前提上:由于行人躲避对向行人以及超越同向行人的行为会发生在 行人将会选择行走的扇形区域,而不是发生在任意的扇形内,将扇形区域进行划分,将(1,2)、(2,3)、(3 如图(,8、6、9)各相邻的两个扇形域编为1、2、…、8的区域,计算非白由流情况下的ONL模型嵌套 所示 行人 7 ④oa③①@ (①(x( 图9CNL模型示意图 以子选择域2为例进行计算说明,选择域2同时属于上层选择肢1,2,表示第讠个上层选择肢的第j个 选项,子选择域2的两个效用函数为 V2=V/2+/n△6an12e△nec4+1△p△ap2△ vepveaeptL, (16 a1=V2+Aac|△ca△ acuTaNce+I△Bp|△OpN△op"e个pe (17 其中V是自由流时已确定的选择域2时的效用值其他的效用值也同理确定,通过视频调查得到选择不同 子选择域时的△Oa、△uae、Lac、△On、ep、Lp,代入式(4)、(5)、(6)中利用极大似然估计法进行标定1. 42参数标定 步行视频数据采集自南京理工大学四号门口人行道路段,全长30m,宽6.3m,绘制图10所示的坐标系 分别在行人流量小的14:00~15:00拍摄白由流时的视频录像,在行人流量大的17:00~18:00拍摄非自由流时 的视频像.对视频每隔1秒暂停,将其投影到坐标系上,绘制行人轨迹,以行人在拍摄区域内的最后一个点 作为行人的目的地对每一个轨迹点进行数据统计.本文调查了自山流下134人,选取其中100人共3120条 数据,非自由流下113人,选取其中98人共3356条数据.图10中的黑点和三角组成的轨迹分别代表了自 由流和非自由流时行人轨迹以及统计数据时做的辅助线. Y轴/m t→ Hae.ks,His H. AA 2.5 17.5 22.5 27.5 Ⅹ轴/m 图10数据采集示意图 由于NL模型以及CNL模型中有大量的未知参数需要估计,容易降低模型的自由度和对样本的适配生, 因此将NL模型中的下层系数b设为0.5,上层系数设为1,CNL模型不同巢的下层系数统一设为05,上层 226 系统工程理论与实践 第37卷 系数设为1.再运用 biogen软件进行系数标定,以4:1的比例将数据分为标定组和对照组.首先将标定组 的自山流数据共计2496个样本代入软件中的NL模型,得到如表1所示结果 表1自由流函数标定 变量 Bu AMSd AHSd B1 SA ALSA BMSC BHSD AMSC XHSD 系数0.0480.1021.7931.1541.7091.40318743.6330.7130.4752.544 t值 3.9,3 8.83 4.87 -6.63 5.64 2.75 5.3l p值 0.56 0.54 0.05 0.42 0.310.180.240.660.180.21 对数似然值 567.67 R2检验 0.6434 0.451 修改CN模型输入文件的 Utilities项,将表1的系数值写入文件,再将非自由流共计2729个数据代入 软件中.得到如表2所示结果 表2非自由流函数标定 变量 入 ac 入e 系数08771.2540.0061.7141.25920473.0900.037 t值 2.12 1.67 5.11 2.03 2.141.94 3.71 p值 0.52 0.49 0.28 0.2 对数似然值 613.67 R2检验 0.6517 0.433 模型t检验值|t>1.96,可在95%的置信区间内接受标定的结果,而在样本数为2500以上时,p值小 于0.6745,即在95%的置信区间接受标定的结果,可见标定结果可信.两个模型的优度比指标分别为0.451 和0.433,符合实际应用的精度需求 在自由流函数中,保持与目的地角度系数比起保持原方向系数更小,可看出行人更注重保持与目 的地的方向,距离系数为负值且显著性最高,说明步行最优先选择是最大程度接近目的地,这三个系数标 定结果构成∫模型的骨架,且与其他硏究所反映的实际步行情况相一致 对于速度的修正系数MS、MHsd、AA、MMSC、MSD、BMsC、BLsA以及BHsb都为正数,且满足 显著性需求,说明无论是高速时的减速,中速时的匀速或是低速时的加速意愿都体现在行人的步行行为之中, 且符合效用函数所展现的变化趋势. 非自由流函数中,λal和λanl的值很接近0,可看出距离因素在行人躲避以及超越过程中的作用并不明 显可去除模型中的A、Ac0、Aac、Bp、ep、λep的正负值都与佔计值一致,也体现了行人在躲避或是 超越对向行人时,最显著的变化是速度与方向的改变这一现象 将非白由流对照组的数据代入模型中,将计算出的行人选择概率最大的子区域作为行人选择的区域,并 与行人实际选择的子区域进行对比,在对照组20个行人共计627次决策过程中,有19.74%的数据与实际结 果不符合:可见模型的拟合程度较好 5结论 本文构建了能够反映行人实际决策过程的离散选择模型,将模型分为白由流和非自由流两种情况,针对 保持原方向、距离目的地更近、自由流下的变速、躲避对向行人和超越同向行人共五种步行意愿,分别建立 敚用函数,运用NL模型和CN模型进行计算并标定系数.经过数据拟合验证,模型准确率高,能够真实反 应现实的步行轨迹.另外,行人行为建模的复杂性导致论文尚有未尽之处,后续仍可重点研究: 1)以logt模型为基础的行人动态步行行为模型在低密度时适用性很高.但是较难扩展到高密度情况, 方面高密度时行人的父互作用与低密度时不同、另一方面在高密度时行人受制于环境,周围的选择域被填 满,难以体现离散选择模型的优势. 2)模型无法描述行人的急停以及等行等行为,、行人的运动特性非常复杂,能够快速的从高速变为静止, 本文只能描述连续的步行行为 3)模型可以向低密度时的行人结伴行为或是过街行为等方向拓展,可以通过增加不同的效用函数在不 第1期 周竹萍.等:基于巢式和交叉巢式 logit的行人步行行为模型 227 同的环境下进行系数标定 参考文献 门]孙ⅵ光.步行设施内的行人行为微观仿真模型研究[D].北京:清华大学,2009 Sun L g. Study on microscopic simulation model of pedestrian behavior in walking facilities[D]. Beijing: Tsinghua University, 2009 2汪蕾,蔡云,徐青.社会力模型的改进研究[J].南京理工大学学报(自然科学版,2011,35(1):144-149 Wang L, Cai Y, Xu Q. Modifications to social force modelJ. Journal of Nanjing University of Science and Technology(Natural Science), 2011, 35(1): 111-119 3 Johansson F, Peterson A, Tapani A Waiting pedestrians in the social force model]. Physica A, 2015, 419(1) 95-107 任刚,陆丽丽,王炜基于元胞自动机和复杂玩过理论的双向行人流建模J.物理学报,2012,61(14):1-10 Ren G, Lu LL, Wang W. Modeling bi-direction pedestrian flow cellular automata and complex network theo- ries[J. Acta Phys Sin, 2012, 61(14): 1-10 ⑤」陈燕燕,陈宁、王杨.一种考虑吸引型异常事件的行人元胞自动机模型刂.交通运输系统工程与信息,2015,15(3):56 Chen YY, Chen N, Wang Y. A cellular aulolnala Inodel considering attractive incidents[J. Journal of Trans portation Systems Engineering and Information Technology, 2015, 15(3:56-63 6周竹萍,玉炜,任刚.信号控制交叉口行人个体过街行为选择模型[.东南大学学报白然科学版),2013,43(3):664669 Zhou Z P, Wang W, Ren G. Choice model of pedestrian crossing behavior at signalized intersectionsJ. Journal of Southeast University(Natural Science Edition), 2013, 43(3): 664-669 7 Robin T, Antonini G, Bierlaire M, et al. A specification, estimation and validation of a pedestrian walking behavior modelJ. Transportation Research Part B, 2009, 43 (1):3656 8 Nasir M, Lim C P, Nahavandi S, et al. A genetic fuzzy system to model pedestrian walking path in a built environment[J. Simulation Modelling practice and Theory, 2014, 45(1): 18-34 9 Zeng W L, Peng C, Hideki N, et al. Application of social force model to pedestrian behavior analysis at signalized crosswalk J. Transportation Research Part C, 2014, 40(5): 143-159 10 Vittorio M. A simple procedure for the calculation of the covariances of any generalized extreme value modelJ Transportation Research Part B, 2011, 70(1): 151-162 11 Vittorio M, Andrea P, Fulvio S, et al. A practically tractable expression of the convariances of the cross-nested logit modelJ]. Transportation Research Part B, 2013, 57(2): 1-11 12吴世江,史其信,陆化普.城市客运出行非线性效用离散选择模型究刂武汉理工大学学报,2008:30(9):108-11 Wu S J, Shi Q X, Lu H P. Research of intercity passenger travel discrete choice modelJ. Journal of Wuhan University of Technology, 2008, 30(9):108-111 13周竹萍,王炜,任刚.面向安全提升的行人过街行为研究M北京:科学出版社,2014 11 Appert R, Cividini H J. Pedestrian flow: From individuals to crowds J]. Transportation Research Procedia, 2011 15]刘振.Box- Cox logit模型扩展及其模型形式改进[D].上海:上海海事大学2008 Liu Z. Expanse of Box-Cox logit model and its imporved formD. Shanghai: Shanghai Maritime University, 2008 16李雪飞.基于扩展logi的交通分配模型与算法研究[D].北京:北京交通大学,2014 Li X F. Study on traffic assignment models and algorithms based on extended logit models[D]. Beijing: Beijing

...展开详情
试读 9P 论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744375 如果觉得有用,不妨留言支持一下
2019-09-20
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf 32积分/C币 立即下载
    1/9
    论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf第1页
    论文研究-基于巢式和交叉巢式logit的行人步行行为模型.pdf第2页

    试读结束, 可继续读1页

    32积分/C币 立即下载 >