1. 内容整体设计与思路拆解1.1 为什么行人与非机动车仿真经常被单独拎出来说这个交通仿真软件连载写到第九篇终于轮到行人和非机动车了。说实话这也是我做项目时最头疼、但也最出效果的一块。以前很多做交通仿真的同事习惯性把路网里的非机动车省略掉行人更是不管——只模拟小汽车和公交车交叉口照样跑。项目汇报的时候专家只要问一句你这路口电动自行车这么多人行过街的冲突怎么体现的整个模型的说服力就直接掉了一半。尤其在国内城市早晚高峰的交叉口电动自行车流量大得惊人行人过街和转弯车流的冲突本身就是延误和安全的主要来源之一把这些参与者拿掉仿真的结果跟真实路况完全是两回事。Paramics这套交通仿真软件老玩家都不陌生底层对机动车和公交的建模功力很深信号控制、路径选择、OD反推这些都非常成熟。但对于行人和非机动车很多新手刚上手时会发现找不到像机动车那样现成的、傻瓜式的按钮。它不像Vissim那样把Viswalk做成一个独立模块而是把行人和非机动车的能力分散在路网对象、车辆类型和信号控制这几个层面里得自己组合。这一篇我就把Paramics里做行人与非机动车仿真的完整套路捋一遍适合已经会用Paramics建机动车路网、想往混合交通流方向进阶的人参考。1.2 Paramics建模行人和非机动车的基本逻辑先说行人。在Paramics里行人不是简单地被当成一辆车来跑的。新版本的行人对象拥有独立的走行行为逻辑可以设置独立的OD、走行路径和速度分布也会占用路网空间。只不过它的呈现方式和机动车有本质区别——机动车在车道上有严格的跟驰和换道规则而行人在Paramics里走的是独立的步行网络遵守的是人流避让和路径选择逻辑两者的底层不一样。行人过街的行为Paramics是通过步行网络连接到机动车道路网络来实现的。也就是说你可以把行人过街斑马线、路口转角、人行道都定义成可通行空间行人顺着这些空间到达目的地。当行人的路径跨越机动车道时Paramics会根据信号灯的相位或者让行规则来决定谁先走。非机动车的处理思路就更直接一些。目前我用过的Paramics版本官方引擎里没有像机动车那样精细的自行车专用跟驰模型业内做非机动车仿真主流做法有三个第一种是把自行车、电动自行车定义成特殊的车辆类型在车道上走机动车逻辑但调整尺寸、速度和加减速参数第二种是让非机动车进入行人的步行网络把行人的走行速度调高来近似第三种是配合车道配置和路网编辑器规划出独立的非机动车道让自行车在专用空间里跑。三种方案的适用场景差异很大后面专门开一节讲。1.3 同行方案对比Paramics的位置在哪儿很多人在选型时会纠结Paramics、Vissim和TransModeler这三个。我三个都实际用过简单说下感受。Vissim的Viswalk是典型的社会力模型行人之间的避让、拥挤推挤效果非常细腻适合做地铁站、航站楼这种大量人流密集场所。TransModeler的优势在于混合交通流模式丰富对自行车和行人的表达层次多尤其在做宏观路网时很方便。Paramics相比之下行人模块的微观表现力没有那么华丽它强在三个地方一是路网模型完全共享行人和机动车在同一个路网框架下耦合不用像Vissim那样在Viswalk和路网之间做一堆冲突区设置二是并行计算效率高大路网带行人一起跑也不怎么掉帧三是程序接口能力很强很多官方模型覆盖不了的行为比如特定人群闯红灯、电动自行车违章穿行都可以通过API写逻辑补上去。所以选Paramics做混合交通流更适合路口级、片区级的方案对比和批量测试场景不太适合地铁站内部那种极度拥挤的微观看板展示。定位清楚了后面操作时就不会老觉得这个软件怎么连这个都没有。2. 核心细节解析与实操要点2.1 行人网络怎么搭OD、路径与区域行人建模的第一步不是画线而是把OD搞清楚。机动车OD来自卡口和流量调查行人OD来自什么我见过不少项目直接用总流量平均分配到四个方向这样出来的结果非常飘。以路口过街为例你要分清楚四个象限之间各有哪几股人流在走多少人是从西南角到东北角多少人是沿着南侧人行道自西向东通过的。这些数据通常来自早晚高峰的视频拍摄加人工计数或者手机信令数据的路口级聚合。在Paramics里行人OD体现为步行区域的生成和消散。你需要在路网里定义行人产生的区域比如人行道入口、公交站台、地块出入口再定义行人消失的区域。行人从哪个区域出发、到哪个区域去用需求矩阵给定。路径选择方面Paramics会基于最短走行距离和阻抗来计算如果你不希望所有行人都挤到同一条斑马线上需要通过修改路径选择参数或者增加绕行惩罚来控制。这里有个很容易踩的坑很多新手做行人仿真只画了一条斑马线没有把相连的人行道和转角空间画完整。这样一来行人走到路缘石边缘就凭空消失了看着特别假而且会导致后续想分析行人在某个象限内的聚集情况时完全没有数据支撑。正确做法是把人行道、渠化岛内的等待区全都作为步行网络的一部分画出来让行人从产生到消散的路径是完整的、连续的。2.2 速度参数别照抄行人、自行车、电动自行车差异很大速度参数是混合交通流仿真里最容易被轻视、但对结果影响最大的东西。很多教程直接让你填一个数就完事实际远没有这么简单。行人方面国内行人自由流速度一般取1.0到1.3米每秒欧美研究偏高1.2到1.5的都有。但关键是行人速度不是定值而是服从分布的。比如年轻上班族明显走得快老年人带孩子走得慢。Paramics里可以给行人设置速度分布曲线我一般建议自由流均值取1.15米每秒标准差0.25左右上下限设在0.6到1.8之间。如果是学校门口、医院附近的项目老年人比例高均值要往下压到0.9左右。行人密度上来之后速度会自动下降Paramics内置了这样的人群密度-速度降级关系你不需要自己去写换算公式但你要理解行人数量越多平均过街速度越慢信号清空时间越要留足。自行车和电动自行车完全是另一套量级。普通自行车自由流速度大约每小时12到20公里换算成米每秒大概是3.3到5.5。电动自行车合规速度上限在每小时25公里左右换算约7米每秒但实际路上跑的很多远超这个值。做仿真时我的建议是电动自行车按每小时30到35公里的上限来标定但不要全给最高值要按比例混搭因为路网里有大量保守骑行的人。这组的加速度参数也特别关键自行车的启动加速度在0.5到0.9米每二次方秒电动自行车可以到1.5以上制动减速度1.5到2.5。这两个参数直接决定排队消散的快慢和急停频率。2.3 行人与机动车交互信号相位、让行规则与公交冲突行人和机动车真正发生关系的地方就在信号交叉口和路段人行横道这两处。信号交叉口这边你要做的是把行人相位和机动车相位在配时表里耦合起来。Paramics的信号控制可以单独给行人指定相位状态包括行人绿灯、行人红灯、绿闪和清空时间。这里有一个所有新手必踩的坑行人清空时间不是拍拍脑袋定的它取决于过街距离除以行人过街速度。举个例子一个六车道主干路路宽大约21米行人速度按1.0米每秒算清空时间就是21秒。如果信号方案里行人绿灯18秒、绿闪4秒看起来有22秒好像够但如果你把绿闪期间仍在过街的行人纳入考虑实际有效过街时间只有18秒后段行人会处于非常被动的位置。常规做法是取1.0到1.2米每秒的行人速度计算清空老年人比例高的路口要降到0.8。让行规则方面路段人行横道通常是行人优先车辆需要辨识到行人后减速停车。Paramics里可以通过定义让行规则来实现关键是你得把行人过街空间和车道的交互区域画准确车辆才能正确感知到哪个位置有行人占据。公交站台的冲突也值得重点处理公交车进站停靠后上下客行人经常从车头前横穿与相邻车道直行车产生冲突。这个场景在Paramics里可以通过把公交站台周边的人行流线和相邻车道的让行逻辑单独调出来处理否则高峰期站台附近会乱成一锅粥。默认情况下Paramics的行人会老老实实按照信号相位走你想模拟中国式过马路的群体闯红行为或者行人在非绿闪期间强行穿插车流官方默认模型是不支持的这就要靠程序接口做二次开发了后面第5.2节会说。2.4 非机动车建模三种思路选型非机动车建模比行人麻烦因为你得先决定走哪条路。我把三种方案放在一起对比过适用场景差异非常大。第一种当作特殊机动车类型。这是最省事也最常用的方案。把自行车和电动自行车各建一个车辆类型调车身尺寸、速度分布、加减速特性和跟驰参数让它们在机动车道内行驶。优点是跟机动车共享路权右转冲突、直行冲突都能自然模拟出来缺点是它本质上还是机动车逻辑自行车那种见缝插针的灵活性表达不出来在机非严重混行的街道上偏保守。第二种进入步行网络。把非机动车放到行人网络里但把速度调高。这个方案适合非机动车道和行人共享断面的场景比如公园旁边的慢性绿道你不需要精细区分行人和自行车的时候可以用。缺点很明显一旦机非冲突点存在行人网络和机动车道的交互会让自行车表现得像个快速行人转弯半径跟真实自行车完全不一样看起来会很别扭。第三种独立非机动车道空间。利用Paramics路网里的车道配置在机动车道旁规划出独立的非机动车道把非机动车限制在专用空间里并在交叉口用专门信号相位控制放行。这是路况还原度最高的方案也最贴近国内城市道路的渠化设计。缺点是需要把交叉口各方向非机动车道之间的连通关系手工画清楚工作量成倍增加。跨线桥和地下通道这种立体过街场景也建议优先用行人和非机动车道的空间隔离来处理不要让非机动车跟行人挤在同一个断面上。3. 实操过程与核心环节实现3.1 案例设定与数据准备为了把操作讲透我用一个实际做过的路口来拆解。某城市一条主干路和一条次干路的十字交叉口四个方向都有进口道西进口外侧有公交站台高峰期电动自行车占非机动车流量的六成以上。信号周期90秒机动车四相位其中行人相位跟南北向直行同步放行。当时做这个路口的慢行改善评估甲方要求把行人过街和电动自行车混行的状态在仿真里还原出来。建模前需要准备的数据有这些一是各方向行人过街的15分钟高峰流量分方向计数至少数两个晚高峰周期取平均二是非机动车流量和车型比例同样分方向三是信号配时表原件特别是行人相位和绿闪的对应关系四是公交站台的上下客人数这决定公交停靠时聚集的行人数量。这套数据缺一样后面标定的时候都会很痛苦。这里分享一个实操经验行人计数的时候不要只看绿灯期间过街的人红灯期间仍然过街的也要单独记录。仿真默认行为是行人遵守信号但实测闯红率可以作为后面程序扩展或者方案对比的参考基准。3.2 分步建模从路网到混合流第一步搭建机动车路网把车道、转向、信号灯全部配好先在纯机动车模式下跑通。这一步是常规操作不再赘述。我强烈建议做混合交通流之前先确认纯机动车模型的流量和延误是合理的再叠加行人和非机动车否则出了问题很难定位到底是谁引起的。第二步把步行网络画出来。用Paramics的步行网络工具沿人行道外轮廓画线四角渠化岛的等待空间也画进去。每个进口的斑马线用步行连接段画到对侧并在两端留出足够的行人等待区。南北向和东西向的行人过街都要覆盖到。第三步定义行人的产生和消散区域。在四个象限的人行道远端设置行人zone在公交站台附近单独设一个zone以便后续单独统计公交乘客的集散量。打开需求矩阵编辑器把2.1节里数的过街人数按方向一个个填进去。这一步最枯燥也最不能省。第四步非机动车建模。我选的是第一种方案把电动自行车定义为一个独立的车辆类型车身尺寸按长1.8米、宽0.7米速度分布平均在每小时30公里最大到35最小到25启动加速度1.4制动减速度2.2。普通自行车另建一个类型平均速度每小时15公里加速度0.7。两种车的流量分别加载到对应进口道的直行和右转车流里。如果是三块板断面、有机非隔离带的路口就额外把非机动车道画出来用第三种方案处理。第五步调信号配时。把行人相位加入信号方案确定行人绿灯和绿闪的起止时间。这个交叉口路宽15米行人过街速度按1.1算清空时间大约13.6秒加上4秒绿闪我把行人绿灯加到16秒确保从绿灯开始到行人完全离开路面的时间是够的。信号相位关系一定反复核对否则会出现行人放行方向与同向机动车放行方向错位这种低级事故。第六步跑起来看。前期用10倍速快速跑完整个高峰时段先看整体有没有明显的死锁和错乱然后逐步放慢把可疑位置录屏逐帧回放行人与机动车的交互细节。3.3 标定与验证用GEH说话模型不是建完就完事的你要能证明它跟真实路况接近这时候要用指标说话。最常用的是GEH统计量它是交通工程领域用来比较仿真流量和实测流量的标准指标。公式是GEH等于根号下两倍的实测值减仿真值差的平方除以实测值加仿真值。如果GEH小于5认为该断面的流量误差可接受小于4更好。我当时验证南进口行人过街流量实测是每小时428人仿真输出405人套进公式算出来GEH约等于1.1远低于5说明行人需求加载得很准。除了流量还要看排队长度和过街延误。机动车在行人相位期间的排队长度、行人平均过街延误这两项能侧面反映冲突设置的合理性。Paramics自带的路径和延误统计工具可以按区域输出行人平均延误我用它对比了改造前后两个方案成功给出了西进口公交站台区域行人延误降低百分之二十三的量化结论甲方对这个数非常满意。标定过程中我习惯做一轮参数敏感性测试把行人自由流速度上下调0.2米每秒看延误结果波动幅度。如果波动太大说明模型对速度参数过于敏感可能是行人路径设置太单一需要先优化路径而不是急着调参数。4. 常见问题与排查技巧实录4.1 高频问题速查表做行人和非机动车仿真翻车频率最高的几个问题我给它们整理成一个速查表基本都是这两年实战中一个个趟过来的。现象常见原因处理办法行人不走斑马线从车道中间横穿步行网络与斑马线的连接路径缺失行人被迫找绕行路径检查步行连接段是否覆盖了斑马线两端补全连接行人堆在转角区域不动行人zone缺少对应的消散目的地行人走到尽头无法离开检查需求矩阵各方向是否都有明确终点补上下客点电动自行车频繁急停制动减速度太低跟车时反应距离不足调大电动自行车制动减速度至2.2以上适当降低最高车速非机动车排队消散过慢启动加速度设得太保守仿真的是老年自行车区分普通自行车和电动自行车各自单独设加速度行人清空时仍滞留在路中间行人绿灯时长不够或行人速度分布均值偏低重新计算清空时间按最低通过速度校核绿灯时长仿真整体速度骤降帧率崩掉行人实体量过大单核计算跟不上开启高性能并行计算或者对非重点区域做OD合并抽象4.2 三步排查法先分跑、再看图、后看日志遇到模型表现异常我有一套固定的三步排查法能省下大量试错时间。第一步先分跑。把行人需求清零只跑纯机动车确认机动车路网的运行跟之前一致再把机动车清零只跑行人和非机动车看步行网络是否自洽。分跑能快速把问题定位到到底是机动车侧还是行人侧。我遇到过好几次混合跑时交叉口堵死第一反应以为是信号相位错了分跑之后发现纯机动车完全正常问题出在行人过街路径与某个转向车流永久冲突根本没有让行的可能。第二步再看图。Paramics的图形化界面可以显示每个行人的轨迹线打开轨迹显示之后你能很直观地看到行人是不是在某处来回折返、是不是全部挤到同一个区域。轨迹异常比数据异常更早暴露问题。有一次行人堆在渠化岛角落不走轨迹图显示所有行人到达转角后都消失了一查是zone的消散方向设反了。第三步后看日志。Paramics会输出仿真事件日志里面会记录车辆和行人之间的优先级让行事件、信号状态变化事件。打开日志筛出有冲突标记的时间段对照录屏慢放基本能把根因找出来。这套思路对于新手和老手同样适用别一上来就怀疑是软件bug九成问题出在自己的模型逻辑上。4.3 关于仿真跑得慢和人群堆死的两次实战挑两个印象最深的故障说细一点。第一次是东部某城市核心片区的大路网项目叠加行人之后整个仿真速度掉了三分之二原本十分钟跑完的高峰时段要跑快一个小时。后来排查发现我在非重点街区也用了极细颗粒度的行人zone几千个行人实体同时在线每一步都要计算避让交互CPU直接被打满。解决办法是把非重点片区的行人OD合并成少量几个大区并用公交站、大型公建出入口做抽象节点行人流量只保总量、不保细节。调整之后仿真空闲出大量算力重点交叉口反而可以做得更精细。第二次是在一个学校门口的路口模拟放学时段过街。全路网行人绿灯亮起学生涌上斑马线走到路中间就堆死了后面的行人还在往前挤整个交叉口被堵得水泄不通。一开始以为是行人参数问题把速度调快也没用。后来一帧一帧看回放发现问题出在学生从校门口出来后全部堆积在斑马线起点等待区因为等待区容量不够人群密度达到上限后产生了拥堵回堵连累了过街通道。解决办法是在校门口到斑马线之间增加一段缓冲区并把放学人流的出发时间拉出15到20分钟的分批间隔。这其实是个设计问题不是软件问题仿真把这个隐患提前暴露了甲方看完直呼这模型用得好。5. 进阶玩法与个人经验5.1 哪些场景最值得投入做行人非机动车仿真做了这么多行人与非机动车仿真之后我逐渐总结出哪些场景的投入产出比最高。排在第一的是公交枢纽及周边路口。公交站台的上下客行人与过街行人叠加再加上到发公交车进出站、右侧非机动车穿行是国内城市交通治理里矛盾最集中的地方也是仿真最能体现价值的地方。这类项目做完通常能从模型里直接找出站台离交叉口过近导致过街行人被进站车辆截断非机动车道紧贴站台导致上下客冲突等具体问题每个问题都能对应一条改造建议。排第二的是学校周边。早晚接送时段的家长群体集中到达行人构成以孩子和老人为主速度慢、随机性强不仿真很难量化评估护学通道和信号方案的效果。排第三的是慢行品质改善类项目比如老城区窄路改造机非混行严重需要仿真来比较禁左机非隔离和单行拓宽步道哪个方案更优。排第四的是大型活动疏散演唱会、体育赛事结束后的瞬时大客流和场外交通的耦合用Paramics可以搭建片区级混合流模型评估管控方案。这几个场景有一个共同特点——交通矛盾不是单一机动车问题而是多种交通方式互相纠缠。这时候如果你还坚持只做纯机动车仿真那模型的说服力天生就缺一块。混合交通流建模的投入在汇报答辩环节省出来的口舌往往比建模本身多得多。5.2 用程序接口补足模型的天花板Paramics默认的行人和非机动车行为模型已经很够用但国内路况有两个典型场景它覆盖不了一是群体性闯红灯二是非机动车不按道行驶。这两个行为你没法通过参数面板调出来只能借助程序接口做二次开发。Paramics提供了比较完善的API接口可以读取每个对象的实时状态也可以干预信号和决策逻辑。我之前用C#写过一段逻辑在特定行人过街相位为红的时候按一定概率放行一部分行人进入斑马线并统计相关比例用来模拟闯红行为对机动车延误的影响。伪代码结构大致是这样的# 伪代码示意真实调用需查阅对应接口文档 for sim_step in range(total_steps): current_phase get_pedestrian_phase() for ped in pedestrians: if current_phase red and ped.crossing False: if random.random() red_jump_rate: set_ped_signal_override(ped, store_red_jump_flag()) else: ped.wait()这个扩展写完之后信号配时方案的对比结论发生了明显变化原来行人按部就班等红灯的方案在叠加了闯红行为之后右转车流的延误显著上升。甲方看到这个对比才知道为什么现场的实际交通体验和理想仿真差别那么大。程序接口的坑在于调试周期长建议新手先跑通官方示例再往里面加自己的规则不要一上来就在复杂模型上改代码。而且API版本和仿真器版本必须严格匹配有两次升级软件后忘了重新编译插件导致模型完全跑不起来这个前车之鉴要记住。5.3 写在最后的一点体会如果问我做行人与非机动车仿真最大的心得是什么我的回答是不要追求一步到位。最开始我总想把模型做到极致精细每个行人的步行轨迹、每辆自行车的穿插动作都要跟无人机视频一模一样。结果就是调参调到怀疑人生一个路口花了两周还没跑顺。后来想通了仿真模型是决策支持工具不是现实复刻机。核心指标准了关键冲突体现了方案对比的趋势对了这个模型就是好模型。混合交通流模型的标定时间通常比纯机动车模型多花一倍以上。留足时间预算先在关键交叉口把行人非机动车做细外围区域做粗跑通之后再逐步细化。你可以从最简单的十字路口开始把行人相位、非机动车道、让行规则这些基本元素逐一掌握再去碰公交枢纽、学校门口这种硬骨头。跑通一个复杂混合流模型之后再回头看那些纯机动车项目你会明显感觉到以前模型里缺的那块拼图终于补上了。
Paramics行人与非机动车仿真建模：从路口混合交通流到信号配时调优
1. 内容整体设计与思路拆解1.1 为什么行人与非机动车仿真经常被单独拎出来说这个交通仿真软件连载写到第九篇终于轮到行人和非机动车了。说实话这也是我做项目时最头疼、但也最出效果的一块。以前很多做交通仿真的同事习惯性把路网里的非机动车省略掉行人更是不管——只模拟小汽车和公交车交叉口照样跑。项目汇报的时候专家只要问一句你这路口电动自行车这么多人行过街的冲突怎么体现的整个模型的说服力就直接掉了一半。尤其在国内城市早晚高峰的交叉口电动自行车流量大得惊人行人过街和转弯车流的冲突本身就是延误和安全的主要来源之一把这些参与者拿掉仿真的结果跟真实路况完全是两回事。Paramics这套交通仿真软件老玩家都不陌生底层对机动车和公交的建模功力很深信号控制、路径选择、OD反推这些都非常成熟。但对于行人和非机动车很多新手刚上手时会发现找不到像机动车那样现成的、傻瓜式的按钮。它不像Vissim那样把Viswalk做成一个独立模块而是把行人和非机动车的能力分散在路网对象、车辆类型和信号控制这几个层面里得自己组合。这一篇我就把Paramics里做行人与非机动车仿真的完整套路捋一遍适合已经会用Paramics建机动车路网、想往混合交通流方向进阶的人参考。1.2 Paramics建模行人和非机动车的基本逻辑先说行人。在Paramics里行人不是简单地被当成一辆车来跑的。新版本的行人对象拥有独立的走行行为逻辑可以设置独立的OD、走行路径和速度分布也会占用路网空间。只不过它的呈现方式和机动车有本质区别——机动车在车道上有严格的跟驰和换道规则而行人在Paramics里走的是独立的步行网络遵守的是人流避让和路径选择逻辑两者的底层不一样。行人过街的行为Paramics是通过步行网络连接到机动车道路网络来实现的。也就是说你可以把行人过街斑马线、路口转角、人行道都定义成可通行空间行人顺着这些空间到达目的地。当行人的路径跨越机动车道时Paramics会根据信号灯的相位或者让行规则来决定谁先走。非机动车的处理思路就更直接一些。目前我用过的Paramics版本官方引擎里没有像机动车那样精细的自行车专用跟驰模型业内做非机动车仿真主流做法有三个第一种是把自行车、电动自行车定义成特殊的车辆类型在车道上走机动车逻辑但调整尺寸、速度和加减速参数第二种是让非机动车进入行人的步行网络把行人的走行速度调高来近似第三种是配合车道配置和路网编辑器规划出独立的非机动车道让自行车在专用空间里跑。三种方案的适用场景差异很大后面专门开一节讲。1.3 同行方案对比Paramics的位置在哪儿很多人在选型时会纠结Paramics、Vissim和TransModeler这三个。我三个都实际用过简单说下感受。Vissim的Viswalk是典型的社会力模型行人之间的避让、拥挤推挤效果非常细腻适合做地铁站、航站楼这种大量人流密集场所。TransModeler的优势在于混合交通流模式丰富对自行车和行人的表达层次多尤其在做宏观路网时很方便。Paramics相比之下行人模块的微观表现力没有那么华丽它强在三个地方一是路网模型完全共享行人和机动车在同一个路网框架下耦合不用像Vissim那样在Viswalk和路网之间做一堆冲突区设置二是并行计算效率高大路网带行人一起跑也不怎么掉帧三是程序接口能力很强很多官方模型覆盖不了的行为比如特定人群闯红灯、电动自行车违章穿行都可以通过API写逻辑补上去。所以选Paramics做混合交通流更适合路口级、片区级的方案对比和批量测试场景不太适合地铁站内部那种极度拥挤的微观看板展示。定位清楚了后面操作时就不会老觉得这个软件怎么连这个都没有。2. 核心细节解析与实操要点2.1 行人网络怎么搭OD、路径与区域行人建模的第一步不是画线而是把OD搞清楚。机动车OD来自卡口和流量调查行人OD来自什么我见过不少项目直接用总流量平均分配到四个方向这样出来的结果非常飘。以路口过街为例你要分清楚四个象限之间各有哪几股人流在走多少人是从西南角到东北角多少人是沿着南侧人行道自西向东通过的。这些数据通常来自早晚高峰的视频拍摄加人工计数或者手机信令数据的路口级聚合。在Paramics里行人OD体现为步行区域的生成和消散。你需要在路网里定义行人产生的区域比如人行道入口、公交站台、地块出入口再定义行人消失的区域。行人从哪个区域出发、到哪个区域去用需求矩阵给定。路径选择方面Paramics会基于最短走行距离和阻抗来计算如果你不希望所有行人都挤到同一条斑马线上需要通过修改路径选择参数或者增加绕行惩罚来控制。这里有个很容易踩的坑很多新手做行人仿真只画了一条斑马线没有把相连的人行道和转角空间画完整。这样一来行人走到路缘石边缘就凭空消失了看着特别假而且会导致后续想分析行人在某个象限内的聚集情况时完全没有数据支撑。正确做法是把人行道、渠化岛内的等待区全都作为步行网络的一部分画出来让行人从产生到消散的路径是完整的、连续的。2.2 速度参数别照抄行人、自行车、电动自行车差异很大速度参数是混合交通流仿真里最容易被轻视、但对结果影响最大的东西。很多教程直接让你填一个数就完事实际远没有这么简单。行人方面国内行人自由流速度一般取1.0到1.3米每秒欧美研究偏高1.2到1.5的都有。但关键是行人速度不是定值而是服从分布的。比如年轻上班族明显走得快老年人带孩子走得慢。Paramics里可以给行人设置速度分布曲线我一般建议自由流均值取1.15米每秒标准差0.25左右上下限设在0.6到1.8之间。如果是学校门口、医院附近的项目老年人比例高均值要往下压到0.9左右。行人密度上来之后速度会自动下降Paramics内置了这样的人群密度-速度降级关系你不需要自己去写换算公式但你要理解行人数量越多平均过街速度越慢信号清空时间越要留足。自行车和电动自行车完全是另一套量级。普通自行车自由流速度大约每小时12到20公里换算成米每秒大概是3.3到5.5。电动自行车合规速度上限在每小时25公里左右换算约7米每秒但实际路上跑的很多远超这个值。做仿真时我的建议是电动自行车按每小时30到35公里的上限来标定但不要全给最高值要按比例混搭因为路网里有大量保守骑行的人。这组的加速度参数也特别关键自行车的启动加速度在0.5到0.9米每二次方秒电动自行车可以到1.5以上制动减速度1.5到2.5。这两个参数直接决定排队消散的快慢和急停频率。2.3 行人与机动车交互信号相位、让行规则与公交冲突行人和机动车真正发生关系的地方就在信号交叉口和路段人行横道这两处。信号交叉口这边你要做的是把行人相位和机动车相位在配时表里耦合起来。Paramics的信号控制可以单独给行人指定相位状态包括行人绿灯、行人红灯、绿闪和清空时间。这里有一个所有新手必踩的坑行人清空时间不是拍拍脑袋定的它取决于过街距离除以行人过街速度。举个例子一个六车道主干路路宽大约21米行人速度按1.0米每秒算清空时间就是21秒。如果信号方案里行人绿灯18秒、绿闪4秒看起来有22秒好像够但如果你把绿闪期间仍在过街的行人纳入考虑实际有效过街时间只有18秒后段行人会处于非常被动的位置。常规做法是取1.0到1.2米每秒的行人速度计算清空老年人比例高的路口要降到0.8。让行规则方面路段人行横道通常是行人优先车辆需要辨识到行人后减速停车。Paramics里可以通过定义让行规则来实现关键是你得把行人过街空间和车道的交互区域画准确车辆才能正确感知到哪个位置有行人占据。公交站台的冲突也值得重点处理公交车进站停靠后上下客行人经常从车头前横穿与相邻车道直行车产生冲突。这个场景在Paramics里可以通过把公交站台周边的人行流线和相邻车道的让行逻辑单独调出来处理否则高峰期站台附近会乱成一锅粥。默认情况下Paramics的行人会老老实实按照信号相位走你想模拟中国式过马路的群体闯红行为或者行人在非绿闪期间强行穿插车流官方默认模型是不支持的这就要靠程序接口做二次开发了后面第5.2节会说。2.4 非机动车建模三种思路选型非机动车建模比行人麻烦因为你得先决定走哪条路。我把三种方案放在一起对比过适用场景差异非常大。第一种当作特殊机动车类型。这是最省事也最常用的方案。把自行车和电动自行车各建一个车辆类型调车身尺寸、速度分布、加减速特性和跟驰参数让它们在机动车道内行驶。优点是跟机动车共享路权右转冲突、直行冲突都能自然模拟出来缺点是它本质上还是机动车逻辑自行车那种见缝插针的灵活性表达不出来在机非严重混行的街道上偏保守。第二种进入步行网络。把非机动车放到行人网络里但把速度调高。这个方案适合非机动车道和行人共享断面的场景比如公园旁边的慢性绿道你不需要精细区分行人和自行车的时候可以用。缺点很明显一旦机非冲突点存在行人网络和机动车道的交互会让自行车表现得像个快速行人转弯半径跟真实自行车完全不一样看起来会很别扭。第三种独立非机动车道空间。利用Paramics路网里的车道配置在机动车道旁规划出独立的非机动车道把非机动车限制在专用空间里并在交叉口用专门信号相位控制放行。这是路况还原度最高的方案也最贴近国内城市道路的渠化设计。缺点是需要把交叉口各方向非机动车道之间的连通关系手工画清楚工作量成倍增加。跨线桥和地下通道这种立体过街场景也建议优先用行人和非机动车道的空间隔离来处理不要让非机动车跟行人挤在同一个断面上。3. 实操过程与核心环节实现3.1 案例设定与数据准备为了把操作讲透我用一个实际做过的路口来拆解。某城市一条主干路和一条次干路的十字交叉口四个方向都有进口道西进口外侧有公交站台高峰期电动自行车占非机动车流量的六成以上。信号周期90秒机动车四相位其中行人相位跟南北向直行同步放行。当时做这个路口的慢行改善评估甲方要求把行人过街和电动自行车混行的状态在仿真里还原出来。建模前需要准备的数据有这些一是各方向行人过街的15分钟高峰流量分方向计数至少数两个晚高峰周期取平均二是非机动车流量和车型比例同样分方向三是信号配时表原件特别是行人相位和绿闪的对应关系四是公交站台的上下客人数这决定公交停靠时聚集的行人数量。这套数据缺一样后面标定的时候都会很痛苦。这里分享一个实操经验行人计数的时候不要只看绿灯期间过街的人红灯期间仍然过街的也要单独记录。仿真默认行为是行人遵守信号但实测闯红率可以作为后面程序扩展或者方案对比的参考基准。3.2 分步建模从路网到混合流第一步搭建机动车路网把车道、转向、信号灯全部配好先在纯机动车模式下跑通。这一步是常规操作不再赘述。我强烈建议做混合交通流之前先确认纯机动车模型的流量和延误是合理的再叠加行人和非机动车否则出了问题很难定位到底是谁引起的。第二步把步行网络画出来。用Paramics的步行网络工具沿人行道外轮廓画线四角渠化岛的等待空间也画进去。每个进口的斑马线用步行连接段画到对侧并在两端留出足够的行人等待区。南北向和东西向的行人过街都要覆盖到。第三步定义行人的产生和消散区域。在四个象限的人行道远端设置行人zone在公交站台附近单独设一个zone以便后续单独统计公交乘客的集散量。打开需求矩阵编辑器把2.1节里数的过街人数按方向一个个填进去。这一步最枯燥也最不能省。第四步非机动车建模。我选的是第一种方案把电动自行车定义为一个独立的车辆类型车身尺寸按长1.8米、宽0.7米速度分布平均在每小时30公里最大到35最小到25启动加速度1.4制动减速度2.2。普通自行车另建一个类型平均速度每小时15公里加速度0.7。两种车的流量分别加载到对应进口道的直行和右转车流里。如果是三块板断面、有机非隔离带的路口就额外把非机动车道画出来用第三种方案处理。第五步调信号配时。把行人相位加入信号方案确定行人绿灯和绿闪的起止时间。这个交叉口路宽15米行人过街速度按1.1算清空时间大约13.6秒加上4秒绿闪我把行人绿灯加到16秒确保从绿灯开始到行人完全离开路面的时间是够的。信号相位关系一定反复核对否则会出现行人放行方向与同向机动车放行方向错位这种低级事故。第六步跑起来看。前期用10倍速快速跑完整个高峰时段先看整体有没有明显的死锁和错乱然后逐步放慢把可疑位置录屏逐帧回放行人与机动车的交互细节。3.3 标定与验证用GEH说话模型不是建完就完事的你要能证明它跟真实路况接近这时候要用指标说话。最常用的是GEH统计量它是交通工程领域用来比较仿真流量和实测流量的标准指标。公式是GEH等于根号下两倍的实测值减仿真值差的平方除以实测值加仿真值。如果GEH小于5认为该断面的流量误差可接受小于4更好。我当时验证南进口行人过街流量实测是每小时428人仿真输出405人套进公式算出来GEH约等于1.1远低于5说明行人需求加载得很准。除了流量还要看排队长度和过街延误。机动车在行人相位期间的排队长度、行人平均过街延误这两项能侧面反映冲突设置的合理性。Paramics自带的路径和延误统计工具可以按区域输出行人平均延误我用它对比了改造前后两个方案成功给出了西进口公交站台区域行人延误降低百分之二十三的量化结论甲方对这个数非常满意。标定过程中我习惯做一轮参数敏感性测试把行人自由流速度上下调0.2米每秒看延误结果波动幅度。如果波动太大说明模型对速度参数过于敏感可能是行人路径设置太单一需要先优化路径而不是急着调参数。4. 常见问题与排查技巧实录4.1 高频问题速查表做行人和非机动车仿真翻车频率最高的几个问题我给它们整理成一个速查表基本都是这两年实战中一个个趟过来的。现象常见原因处理办法行人不走斑马线从车道中间横穿步行网络与斑马线的连接路径缺失行人被迫找绕行路径检查步行连接段是否覆盖了斑马线两端补全连接行人堆在转角区域不动行人zone缺少对应的消散目的地行人走到尽头无法离开检查需求矩阵各方向是否都有明确终点补上下客点电动自行车频繁急停制动减速度太低跟车时反应距离不足调大电动自行车制动减速度至2.2以上适当降低最高车速非机动车排队消散过慢启动加速度设得太保守仿真的是老年自行车区分普通自行车和电动自行车各自单独设加速度行人清空时仍滞留在路中间行人绿灯时长不够或行人速度分布均值偏低重新计算清空时间按最低通过速度校核绿灯时长仿真整体速度骤降帧率崩掉行人实体量过大单核计算跟不上开启高性能并行计算或者对非重点区域做OD合并抽象4.2 三步排查法先分跑、再看图、后看日志遇到模型表现异常我有一套固定的三步排查法能省下大量试错时间。第一步先分跑。把行人需求清零只跑纯机动车确认机动车路网的运行跟之前一致再把机动车清零只跑行人和非机动车看步行网络是否自洽。分跑能快速把问题定位到到底是机动车侧还是行人侧。我遇到过好几次混合跑时交叉口堵死第一反应以为是信号相位错了分跑之后发现纯机动车完全正常问题出在行人过街路径与某个转向车流永久冲突根本没有让行的可能。第二步再看图。Paramics的图形化界面可以显示每个行人的轨迹线打开轨迹显示之后你能很直观地看到行人是不是在某处来回折返、是不是全部挤到同一个区域。轨迹异常比数据异常更早暴露问题。有一次行人堆在渠化岛角落不走轨迹图显示所有行人到达转角后都消失了一查是zone的消散方向设反了。第三步后看日志。Paramics会输出仿真事件日志里面会记录车辆和行人之间的优先级让行事件、信号状态变化事件。打开日志筛出有冲突标记的时间段对照录屏慢放基本能把根因找出来。这套思路对于新手和老手同样适用别一上来就怀疑是软件bug九成问题出在自己的模型逻辑上。4.3 关于仿真跑得慢和人群堆死的两次实战挑两个印象最深的故障说细一点。第一次是东部某城市核心片区的大路网项目叠加行人之后整个仿真速度掉了三分之二原本十分钟跑完的高峰时段要跑快一个小时。后来排查发现我在非重点街区也用了极细颗粒度的行人zone几千个行人实体同时在线每一步都要计算避让交互CPU直接被打满。解决办法是把非重点片区的行人OD合并成少量几个大区并用公交站、大型公建出入口做抽象节点行人流量只保总量、不保细节。调整之后仿真空闲出大量算力重点交叉口反而可以做得更精细。第二次是在一个学校门口的路口模拟放学时段过街。全路网行人绿灯亮起学生涌上斑马线走到路中间就堆死了后面的行人还在往前挤整个交叉口被堵得水泄不通。一开始以为是行人参数问题把速度调快也没用。后来一帧一帧看回放发现问题出在学生从校门口出来后全部堆积在斑马线起点等待区因为等待区容量不够人群密度达到上限后产生了拥堵回堵连累了过街通道。解决办法是在校门口到斑马线之间增加一段缓冲区并把放学人流的出发时间拉出15到20分钟的分批间隔。这其实是个设计问题不是软件问题仿真把这个隐患提前暴露了甲方看完直呼这模型用得好。5. 进阶玩法与个人经验5.1 哪些场景最值得投入做行人非机动车仿真做了这么多行人与非机动车仿真之后我逐渐总结出哪些场景的投入产出比最高。排在第一的是公交枢纽及周边路口。公交站台的上下客行人与过街行人叠加再加上到发公交车进出站、右侧非机动车穿行是国内城市交通治理里矛盾最集中的地方也是仿真最能体现价值的地方。这类项目做完通常能从模型里直接找出站台离交叉口过近导致过街行人被进站车辆截断非机动车道紧贴站台导致上下客冲突等具体问题每个问题都能对应一条改造建议。排第二的是学校周边。早晚接送时段的家长群体集中到达行人构成以孩子和老人为主速度慢、随机性强不仿真很难量化评估护学通道和信号方案的效果。排第三的是慢行品质改善类项目比如老城区窄路改造机非混行严重需要仿真来比较禁左机非隔离和单行拓宽步道哪个方案更优。排第四的是大型活动疏散演唱会、体育赛事结束后的瞬时大客流和场外交通的耦合用Paramics可以搭建片区级混合流模型评估管控方案。这几个场景有一个共同特点——交通矛盾不是单一机动车问题而是多种交通方式互相纠缠。这时候如果你还坚持只做纯机动车仿真那模型的说服力天生就缺一块。混合交通流建模的投入在汇报答辩环节省出来的口舌往往比建模本身多得多。5.2 用程序接口补足模型的天花板Paramics默认的行人和非机动车行为模型已经很够用但国内路况有两个典型场景它覆盖不了一是群体性闯红灯二是非机动车不按道行驶。这两个行为你没法通过参数面板调出来只能借助程序接口做二次开发。Paramics提供了比较完善的API接口可以读取每个对象的实时状态也可以干预信号和决策逻辑。我之前用C#写过一段逻辑在特定行人过街相位为红的时候按一定概率放行一部分行人进入斑马线并统计相关比例用来模拟闯红行为对机动车延误的影响。伪代码结构大致是这样的# 伪代码示意真实调用需查阅对应接口文档 for sim_step in range(total_steps): current_phase get_pedestrian_phase() for ped in pedestrians: if current_phase red and ped.crossing False: if random.random() red_jump_rate: set_ped_signal_override(ped, store_red_jump_flag()) else: ped.wait()这个扩展写完之后信号配时方案的对比结论发生了明显变化原来行人按部就班等红灯的方案在叠加了闯红行为之后右转车流的延误显著上升。甲方看到这个对比才知道为什么现场的实际交通体验和理想仿真差别那么大。程序接口的坑在于调试周期长建议新手先跑通官方示例再往里面加自己的规则不要一上来就在复杂模型上改代码。而且API版本和仿真器版本必须严格匹配有两次升级软件后忘了重新编译插件导致模型完全跑不起来这个前车之鉴要记住。5.3 写在最后的一点体会如果问我做行人与非机动车仿真最大的心得是什么我的回答是不要追求一步到位。最开始我总想把模型做到极致精细每个行人的步行轨迹、每辆自行车的穿插动作都要跟无人机视频一模一样。结果就是调参调到怀疑人生一个路口花了两周还没跑顺。后来想通了仿真模型是决策支持工具不是现实复刻机。核心指标准了关键冲突体现了方案对比的趋势对了这个模型就是好模型。混合交通流模型的标定时间通常比纯机动车模型多花一倍以上。留足时间预算先在关键交叉口把行人非机动车做细外围区域做粗跑通之后再逐步细化。你可以从最简单的十字路口开始把行人相位、非机动车道、让行规则这些基本元素逐一掌握再去碰公交枢纽、学校门口这种硬骨头。跑通一个复杂混合流模型之后再回头看那些纯机动车项目你会明显感觉到以前模型里缺的那块拼图终于补上了。
