1. 中观仿真究竟适合解决什么问题做交通仿真这些年我接触过不少项目从单个交叉口的信号优化到整个片区的路网改造评估再到城市级的路网运行分析。工具用过几款但 Aimsun 一直是我项目里的常驻选手尤其是它的中观仿真模块在特定场景下几乎是不可替代的。先说清楚一个概念。交通仿真按模型精度大致分三层宏观、中观、微观。宏观模型把车流当成流体用流量、密度、速度来描述路网状态适合几百平方公里的大区域但它给不出车道级、信号控制级的细节微观模型则把每辆车当成独立个体跟驰、换道、信号响应都逐秒模拟精度高但计算量大跑一个稍大的路网就可能卡到怀疑人生中观仿真夹在两者之间它不逐车描述驾驶行为但能描述车辆的移动、排队、路径选择在一些项目里反而最实用。Aimsun 的中观仿真Mesoscopic Simulation就是这个中间层的典型代表。它把车队当成一个个移动单元用聚合的方式描述车辆行为同时保留路网拓扑、信号控制、路径选择的细节。这意味着它既能看大的路网运行状态又不需要微观模型那样的计算代价。我第一次真正依赖中观仿真是在一个城市快速路与地面路网衔接的评估项目里。整个研究范围大概有 60 多平方公里包含了三条快速路、十几条主干道和大量支路。如果全路网做微观模型光是建模和标定就能耗掉两三个月更别说每次仿真跑起来动辄半小时起步。但全部用宏观模型又太粗糙因为项目核心要评估的是快速路出入口匝道对地面路网的冲击这个尺度恰恰是宏观模型看不出来、微观模型又“杀鸡用牛刀”的。中观仿真正好卡在这个点上——路网范围够大但关键节点、关键路段的拥堵演变、排队回溯能看得清楚。如果你手里的项目满足下面任何一个条件中观仿真就值得优先考虑研究范围较大一般超过 10 平方公里微观模型跑不动或建模代价太高需要模拟长时间段早高峰 2-3 小时甚至全天微观模型的时间和计算开销不可接受重点在路网层面的运行评估比如拥堵演变、路段行程时间、路网容量而不是单点信号配时的精细优化需要动态交通分配DTA也就是让车辆根据实时路况动态选择路径而不是用固定 OD 路径表。反过来说如果研究范围只是单个交叉口或者一条几百米的短路段那直接用微观模型更合适——Aimsun 自带的微观仿真模块就够用没必要引入中观。工具选型这种事最优解从来不是功能越精细越好而是代价和精度匹配需求。2. 核心原理拆解Aimsun 中观仿真的运行逻辑2.1 空间离散化路段与断面的关系Aimsun 中观仿真的基础是路网拓扑但它不会像微观仿真那样逐车道去描述车辆位置而是把路段按一定规则分段车辆在这些段之间移动。这个分段的概念特别关键。在 Aimsun 中你可以用一个节点Node把一条路段切成两部分中观仿真里车速、密度的统计都以这些段为基本单元。默认情况下一个路段会被当成一个整体来处理但如果路段比较长比如超过 500 米建议分段因为车辆在排队回传时排队尾端的位置需要靠分段来定位。我习惯的做法是凡是长度超过 300-400 米的路段都会在可能的瓶颈点比如出口匝道位置、交叉口进口道附近加节点做分段。分段越细排队回传和拥堵消散的描述越准但代价是计算时间上升。一般来说路段分段长度控制在 150-300 米之间是个比较合理的范围。2.2 时间离散化更新间隔怎么选Aimsun 中观仿真的另一个核心参数是更新间隔Update Interval。车辆的位置、速度、路径判断不是连续计算的而是按固定时间步长刷新。这个参数直接决定了仿真的时间精度。默认值通常是 0.5 秒或 1 秒。我做项目时如果不是针对某一处做精细的排队分析一般用 1 秒就够了但如果是快速路匝道附近的排队长度评估我会调到 0.5 秒让排队回传更平滑。这里有一个容易被忽略的点更新间隔会影响路径选择判定的频率。Aimsun 中观仿真中车辆不是每一秒都在重新算路径的而是有一个重新考虑路径的周期参数。如果这个周期设得太短仿真里会出现车辆频繁变来变去的情况跑出来的路径分布会不稳定设得太长又反应太慢路况变了车流还按老路径走。常规设置在 3-5 分钟比较稳妥在事件影响分析中这个值适当调小到 1-2 分钟能更快反映事件导致的路网重分配。2.3 交通流模型中观模型的简化但不失真Aimsun 中观仿真采用的交通流模型本质上是一个基于道路通行能力和宏观基本图Macroscopic Fundamental Diagram的简化模型。它不模拟车辆与车辆之间的跟驰关系而是把每个路段段的交通流状态用流量-密度关系来约束。这意味着中观模型的精度上限取决于你给路网标定的通行能力值准不准。如果路段的通行能力设得离谱中观模型跑出来的结果绝对不会好。我在标定通行能力时一般会参考实地调查的饱和流量值。对于城市主干道一条车道的基本饱和流率在 1800-1900 pcu/h 左右信号交叉口进口道会打折到 1600-1700 左右快速路基本路段可以按 2000-2200 来估。但这些只是初值最后必须以实际跑出来的速度-流量关系重新校正。中观模型有个特性会让初次使用的人困惑它不会有微观模型里那种车辆走走停停、时走时停的不稳定现象车速曲线更平滑。这是正常的因为它的本质是聚合模型丢掉了逐车波动的随机细节。如果项目关注的是舒适性评价、急刹车比例这类微观指标那中观做不了但如果是平均行程时间、排队长度、路网吞吐量中观的结果在统计意义上更稳定。2.4 路径选择与动态交通分配中观仿真的核心优势中观仿真最大的优势之一就是天然支持动态交通分配DTA。Aimsun 的中观模块内置了路径选择模型车辆在运行过程中会根据实时路况或历史路况重新评估路径这就跟真实的驾驶员行为更接近了——大家不会一条路走到黑堵了就换路。Aimsun 中观仿真里的路径选择模型有几种固定路径OD 间只有预设路径车辆按固定比例分配C-Logit 模型考虑路径重叠惩罚的随机路径选择模型适合绕行路网用户均衡User Equilibrium通过迭代让出行者找不到更优路径得到均衡流量分布随机用户均衡Stochastic User Equilibrium在用户均衡基础上加入感知误差更接近真实情况。实际项目中我最常用的是 C-Logit 或者随机用户均衡。C-Logit 的好处是计算快对大规模路网友好而且它会考虑路径之间的重叠问题。比如两条路径在最后 3 公里完全重合C-Logit 会认为它们不能算两条完全独立的路径——这个在快速路和地面路网的竞争关系里特别重要。需要提醒的是DTA 不是一次跑完就完事的。它需要迭代一般跑完一轮后把各路段的阻抗重新计算再让下一批车辆基于新路况做路径选择这样循环几次路网流量才会收敛到一个稳定状态。Aimsun 里可以设定迭代次数我通常设 5-10 次。如果发现路径流量在相邻两次迭代里变化仍然很大说明模型还没收敛需要增加迭代次数或检查 OD 矩阵是否有明显的问题。2.5 控制逻辑与信号配时的处理方式中观仿真对信号交叉口的处理方式和微观模块有本质不同。中观模型不会逐车检测信号灯状态而是把信号控制简化为每个进口方向的时间窗。信号周期、绿信比、相位差这些参数以配时方案的形式直接输入到模型中车辆在接近交叉口时根据当前信号状态决定是否减速停车或通过。这意味着信号配时的精细优化不是中观仿真的强项但信号方案的宏观评价完全可行。比如你要比较某个交叉口周期从 120 秒改到 100 秒之后对整个路网行程时间的影响中观仿真完全可以回答。你只需要在信号配时方案里调整参数重新跑一遍即可。Aimsun 中观仿真支持信号控制的类型包括定时控制、感应控制和简单的联动控制。如果你用的是定时控制直接把配时方案的周期、绿信比填进去就行如果是感应控制中观模型也能模拟但只能模拟到某相位是否因检测器触发而延长具体延长时机是靠参数控制的达不到微观模型那种逐秒响应细节。3. 实操全流程从建模到结果输出的完整记录3.1 路网建模导入与简化的基本原则Aimsun 建模的底层路网通常从 GIS 或 CAD 数据导入。如果项目方提供了高质量的 GIS 路网数据Aimsun 的导入功能可以直接读取然后你需要花时间清理拓扑。所谓清理拓扑主要就是检查节点连接关系——两个路口之间有没有重复路段、交叉口处的转向连接是否齐全、单行道方向是否正确。如果是手动建模我建议遵循主干道精细、支路简化的原则。中观仿真的优势在于范围大但范围大不代表每条路都要画得精确到厘米。城市支路、小区道路只要保证拓扑连接正确、等级和通行能力合理就没必要花大量时间精细处理几何线形。快速路匝道的连接关系、互通立交的转向逻辑这些必须仔细检查因为它们是影响路网运行的关键瓶颈。导入路网后一定要检查路段的各项基础属性道路等级高速公路、城市快速路、主干道、次干道、支路车道数通行能力初值按经验填后续标定自由流速度不同道路等级的默认值要合理路段长度导入时偶尔会出现长度异常的路段需要排查。3.2 OD 矩阵准备中观仿真的燃料OD 矩阵是中观仿真的核心输入没有准确的 OD 矩阵模型做得再精致也白搭。OD 矩阵的来源有三个渠道基于交通调查反推、基于手机信令或 GPS 数据、基于现状流量反推标定。如果是从零开始的项目又没有现成 OD 数据我一般会先用现状路段流量做一次OD 反推。Aimsun 内置了 OD 矩阵估计功能ODME可以把现状路段流量作为约束条件反推出一个与观测流量匹配的 OD 矩阵。这个反推结果不一定完全准确但作为初始迭代的输入是够用的。后续需要用实际调查数据做标定把模型跑出来的路段流量和实测流量对比不断调整 OD 直到误差在可接受范围内。OD 矩阵的时间粒度和中观仿真的时长是一致的。比如仿真时段设为上午 7:00-9:00OD 矩阵就要按这个时段切分。如果做全天仿真通常按小时拆分成多个 OD 矩阵Aimsun 支持 OD 矩阵随时间切换。注意OD 矩阵里的单位要统一。很多人栽在单位不统一上OD 矩阵里填的是辆/h但路网通行能力填的是 pcu/h结果跑出来的流量对不上还以为模型出了问题。3.3 中观模型参数设定核心参数与建议取值Aimsun 中观仿真模型参数主要集中在Mesoscopic Parameters里。下面这些是我每次建模型都必调的参数给出经验值供参考参数名称作用建议取值Update Interval仿真时间步长0.5-1.0 秒Route Choice Period路径选择重评估周期180-300 秒Reaction Time反应时间对应车头时距0.8-1.2 秒Maximum Speed车辆最大允许速度按道路限速10%设置Jam Density阻塞密度150-190 veh/km/laneQueue Discharge Headway排队消散车头时距1.8-2.2 秒Capacity Drop Factor通行能力衰减系数0.85-0.95瓶颈处其中 Capacity Drop Factor 是个有意思的参数。它描述的是瓶颈路段在拥挤状态下通行能力会比自由流状态下降多少。实测表明大多数瓶颈在拥挤条件下的通行能力会下降 5%-15%这个现象叫容量下降Capacity Drop。不设这个参数中观模型的瓶颈排队长度会被低估——因为模型里的瓶颈始终能以最大通行能力放行车辆而实际上挤成一团之后放行效率是下降的。3.4 信号控制与检测器的设置在 Aimsun 中观仿真里设置信号控制流程上和微观类似但要注意中观的信号控制是以时间窗工作的。进入 Signal Controllers 模块后需要做这几件事把交叉口关联到信号控制器设置控制类型固定配时/感应控制定义信号组Signal Groups每个信号组对应一组转向流向设置相位、周期、绿信比、全红时间如果做联动控制设置偏移Offset和协调相位。关于全红时间很多初学者忽略了它。中观仿真里如果全红时间设成 0黄灯时间也会被压缩结果会出现该方向车辆刚停、另一个方向的车辆就冲出去的情况导致路口通行能力虚高。我一般会按交叉口实际尺寸推算全红时间至少 2-3 秒。检测器的设置在中观仿真里的用途主要是感应信号控制的触发输入、路网运行状态统计的数据源。如果你在仿真中安装了检测器loop detectorAimsun 可以输出流量、占有率、速度的时间序列数据用来和实测检测器数据对比标定。这个功能强烈建议用因为它能直接量化模型跑得准不准。3.5 运行仿真与结果输出设置完成后就可以开始跑仿真了。在中观仿真中不需要像微观那样打开驾驶模拟视图直接运行标准仿真即可。运行过程中Aimsun 会按照设定的更新间隔推进仿真时钟车辆在路网上移动、排队、通过交叉口路径选择会在指定的周期重新计算。仿真运行时的速度主要取决于三个因素路网的规模和复杂度、更新间隔的大小、启用 DTA 时的迭代次数。我跑过一个 100 多平方公里的区级路网用 1 秒更新间隔DTA 迭代 5 次单次仿真大约 10 分钟跑完。如果更新间隔改成 0.5 秒时间会翻倍甚至更多。所以在这个场景下先用 1 秒间隔跑收敛和标定最后需要精细结果时再切 0.5 秒。结果输出方面Aimsun 中观模块可以直接输出路段性能指标行程时间、速度、密度、流量、排队长度路网层面的集计指标总行程时间、总延误、路网平均速度转弯流量用于和交叉口实测流量对比路径流量用于分析路径选择行为尾气排放指标如果需要做环境影响评价。结果输出的时间粒度可以在 Output 设置里选择。我一般会把路段输出间隔设为 5-15 分钟这样既能看到时间趋势又不至于数据量过大。如果是做事件影响分析需要更细的 1 分钟粒度输出。4. 常见问题与排查技巧实录4.1 模型跑不出拥堵路网空空荡荡这是最常遇到的问题症状是仿真跑完了报告显示路网服务水平一片绿和现实里早晚高峰堵成一锅粥完全对不起。排查顺序检查 OD 矩阵总量。把 OD 矩阵求和算总出行需求和实际调查的路网载入量对比。如果 OD 总量偏小三分之一以上路网当然跑不饱。这是最常见的原因。检查路段通行能力是否偏大。Aimsun 默认的路段通行能力是基于理想条件给的现实中受路侧干扰、停车、行人过街等因素影响通行能力会大打折扣。城市商业区路段通行能力要打 0.8 甚至 0.7 的折。检查自由流速度是否偏大。限速 60 的路段如果填成 80车辆流速过快、路段容量就上不去也不容易拥堵。4.2 排队长度看起来不真实有时候会出现排队很短但路段平均速度很低的矛盾现象。这往往是因为路段没有分段模型把整条路段当成一个混合体来处理车辆一多就均匀减速而不是形成从瓶颈开始的物理排队。解决方法在瓶颈位置进口道上游、匝道连接处加节点把路段切开让排队能沿着分段逐步回传。加完节点后看排队形态应该能看到排队尾部逐渐向上游延伸的合理演变过程。4.3 路径选择结果不合理比如明明有快速路可以走模型里的车却全部走地面或者明明某条地面道路已经堵死了车还是源源不断开进去。检查这几个地方路径选择模型是否启用了 DTA如果只走固定路径且比例没设好会出现路径分布明显不合理的情况路段的感知阻抗参数是否合理。Aimsun 里路径选择是基于路段阻抗一般是行程时间的如果某个路段的自由流行程时间和实际计算行程时间差距过大路径选择结果会失真检查是否有断头路或禁止转向限制没有设置。有时候路网拓扑上存在一条近路但因为转向限制没设置模型里车可以走现实里根本不能走。这种拓扑错误会导致路径选择结果跑偏。4.4 仿真结果和检测器数据对不上模型和实测对不上的原因八成在 OD 标定两成在通行能力和信号配时。我的做法是把标定分成两步第一步比路段流量。把模型输出的路段流量和实测检测器数据按小时对比计算误差和 RMSE。哪条路差得多就重点查那附近区域的 OD 需求。第二步比行程时间。把模型输出的路段行程时间和实测 GPS 数据比如网约车轨迹、浮动车数据对比。如果流量对得上但行程时间偏小很多说明路段的通行能力或信号延误参数偏乐观。这两步都做完模型的可靠性才算立住了。4.5 仿真运行时间突然拉长如果同一个模型之前跑 10 分钟这次跑了 20 分钟还没结束先检查是不是参数被改了。更新间隔从 1 秒改成 0.5 秒运行时间基本翻倍路径选择周期从 300 秒改成 60 秒路径计算的频率提高了 5 倍运行时间也会大幅增加。另一个可能的原因是 DTA 迭代次数被调大了。如果模型启用了 DTA并且迭代次数设成 20乘以单次仿真时间总耗时自然膨胀。合理做法是先用少迭代次数3-5 次快速调试调试稳定后再增加到正式运行的迭代次数。4.6 数据量过大导致机器卡死跑大路网仿真时结果输出数据可能特别大。有一次我输出 1 分钟粒度的路段数据跑了两小时仿真生成了几个 GB 的数据文件后处理的时候直接卡死。经验是先想清楚你需要什么粒度再设置输出。评估行程时间稳定性15 分钟粒度就够了做信号协调分析5 分钟粒度差不多除非做高频振荡分析才需要 1 分钟甚至更细。别贪多数据不是越多越好够用就行。5. 中观仿真的几个高级落地场景5.1 事件影响分析中观仿真特别适合做突发事件影响评估。比如快速路上某一段因为事故封闭两条车道影响范围会迅速扩散到周边路网。微观模型能模拟这个事件但研究范围有限宏观模型范围够了又描述不了车道封闭这种细节中观模型正好在研究区域内封闭特定路段的部分车道降低对应的通行能力然后通过 DTA 观察车辆如何重新选择路径量化评估整个路网的总延误增量。这类分析的要点是把事件发生时段和持续时间设好事件前后的 OD 矩阵不要变只改事发路段的通行能力。然后对比无事件基线和事件场景的路网总行程时间差就是事件导致的额外延误。5.2 大型活动交通组织评估体育赛事、演唱会这种短时间高强度的交通需求用中观仿真做预评估非常合适。散场时几千辆车同时涌入路网经过一段时间自然消散——这个过程模型完全可以复现。把活动散场的 OD 矩阵作为额外需求加载到路网上看路网会不会出现严重锁死、哪些出口方向最拥堵、交通管制措施是否有效都能得到量化结果。这类项目有个容易忽略的点散场高峰往往和晚高峰叠加OD 矩阵不能只加活动需求还要把背景交通需求加上。5.3 交通管理策略比选比如某个片区要实施单行交通组织或者要设置可变车道或者要调整信号协调方案。这些问题的尺度都是片区级关注的指标是路网整体运行效率而非单个交叉口。用中观仿真做方案比选速度快、成本低还能做多方案对比的敏感性分析是性价比最高的选择。方案对比时要保证各方案之间只改变要评估的策略其他边界条件OD、信号基础方案保持一致否则对比结果没有说服力。最好用同一组随机数种子跑多次取平均值因为中观模型虽然确定性比微观强但 DTA 迭代过程中仍有一定随机性。6. 用中观仿真的一些个人心得做中观仿真项目这几年我最深的感受是不要小看模型标定这个环节。Aimsun 的中观模块上手不算难任何一个会用软件的工程师花一两天时间就能把模型跑起来。难的是把模型标定到能和实测数据对上的那一步。这个环节最花时间也最体现功力。另一个经验是中观仿真的中字意味着你需要时刻提醒自己它在哪些维度精确、在哪些维度简化。用它做片区路网评估是合理选择但如果你试图用它回答某个交叉口左转车道该设多长这类微观问题那就是用错了工具。工具选对了项目就成了一半选错了后面再怎么抠参数都是白费力气。最后一点给刚入行的朋友无论用什么仿真软件第一步永远是理解你的研究对象和问题本身第二步才是打开软件。想清楚你需要什么指标、什么精度、什么研究范围再回头挑工具这样才能让 Aimsun 中观仿真真正发挥出它应有的价值。 
长河君 · 2026/9/19 6:10:47 · 阅读 1.2k Aimsun中观仿真实战：从原理到参数标定的路网应用指南
1. 中观仿真究竟适合解决什么问题做交通仿真这些年我接触过不少项目从单个交叉口的信号优化到整个片区的路网改造评估再到城市级的路网运行分析。工具用过几款但 Aimsun 一直是我项目里的常驻选手尤其是它的中观仿真模块在特定场景下几乎是不可替代的。先说清楚一个概念。交通仿真按模型精度大致分三层宏观、中观、微观。宏观模型把车流当成流体用流量、密度、速度来描述路网状态适合几百平方公里的大区域但它给不出车道级、信号控制级的细节微观模型则把每辆车当成独立个体跟驰、换道、信号响应都逐秒模拟精度高但计算量大跑一个稍大的路网就可能卡到怀疑人生中观仿真夹在两者之间它不逐车描述驾驶行为但能描述车辆的移动、排队、路径选择在一些项目里反而最实用。Aimsun 的中观仿真Mesoscopic Simulation就是这个中间层的典型代表。它把车队当成一个个移动单元用聚合的方式描述车辆行为同时保留路网拓扑、信号控制、路径选择的细节。这意味着它既能看大的路网运行状态又不需要微观模型那样的计算代价。我第一次真正依赖中观仿真是在一个城市快速路与地面路网衔接的评估项目里。整个研究范围大概有 60 多平方公里包含了三条快速路、十几条主干道和大量支路。如果全路网做微观模型光是建模和标定就能耗掉两三个月更别说每次仿真跑起来动辄半小时起步。但全部用宏观模型又太粗糙因为项目核心要评估的是快速路出入口匝道对地面路网的冲击这个尺度恰恰是宏观模型看不出来、微观模型又“杀鸡用牛刀”的。中观仿真正好卡在这个点上——路网范围够大但关键节点、关键路段的拥堵演变、排队回溯能看得清楚。如果你手里的项目满足下面任何一个条件中观仿真就值得优先考虑研究范围较大一般超过 10 平方公里微观模型跑不动或建模代价太高需要模拟长时间段早高峰 2-3 小时甚至全天微观模型的时间和计算开销不可接受重点在路网层面的运行评估比如拥堵演变、路段行程时间、路网容量而不是单点信号配时的精细优化需要动态交通分配DTA也就是让车辆根据实时路况动态选择路径而不是用固定 OD 路径表。反过来说如果研究范围只是单个交叉口或者一条几百米的短路段那直接用微观模型更合适——Aimsun 自带的微观仿真模块就够用没必要引入中观。工具选型这种事最优解从来不是功能越精细越好而是代价和精度匹配需求。2. 核心原理拆解Aimsun 中观仿真的运行逻辑2.1 空间离散化路段与断面的关系Aimsun 中观仿真的基础是路网拓扑但它不会像微观仿真那样逐车道去描述车辆位置而是把路段按一定规则分段车辆在这些段之间移动。这个分段的概念特别关键。在 Aimsun 中你可以用一个节点Node把一条路段切成两部分中观仿真里车速、密度的统计都以这些段为基本单元。默认情况下一个路段会被当成一个整体来处理但如果路段比较长比如超过 500 米建议分段因为车辆在排队回传时排队尾端的位置需要靠分段来定位。我习惯的做法是凡是长度超过 300-400 米的路段都会在可能的瓶颈点比如出口匝道位置、交叉口进口道附近加节点做分段。分段越细排队回传和拥堵消散的描述越准但代价是计算时间上升。一般来说路段分段长度控制在 150-300 米之间是个比较合理的范围。2.2 时间离散化更新间隔怎么选Aimsun 中观仿真的另一个核心参数是更新间隔Update Interval。车辆的位置、速度、路径判断不是连续计算的而是按固定时间步长刷新。这个参数直接决定了仿真的时间精度。默认值通常是 0.5 秒或 1 秒。我做项目时如果不是针对某一处做精细的排队分析一般用 1 秒就够了但如果是快速路匝道附近的排队长度评估我会调到 0.5 秒让排队回传更平滑。这里有一个容易被忽略的点更新间隔会影响路径选择判定的频率。Aimsun 中观仿真中车辆不是每一秒都在重新算路径的而是有一个重新考虑路径的周期参数。如果这个周期设得太短仿真里会出现车辆频繁变来变去的情况跑出来的路径分布会不稳定设得太长又反应太慢路况变了车流还按老路径走。常规设置在 3-5 分钟比较稳妥在事件影响分析中这个值适当调小到 1-2 分钟能更快反映事件导致的路网重分配。2.3 交通流模型中观模型的简化但不失真Aimsun 中观仿真采用的交通流模型本质上是一个基于道路通行能力和宏观基本图Macroscopic Fundamental Diagram的简化模型。它不模拟车辆与车辆之间的跟驰关系而是把每个路段段的交通流状态用流量-密度关系来约束。这意味着中观模型的精度上限取决于你给路网标定的通行能力值准不准。如果路段的通行能力设得离谱中观模型跑出来的结果绝对不会好。我在标定通行能力时一般会参考实地调查的饱和流量值。对于城市主干道一条车道的基本饱和流率在 1800-1900 pcu/h 左右信号交叉口进口道会打折到 1600-1700 左右快速路基本路段可以按 2000-2200 来估。但这些只是初值最后必须以实际跑出来的速度-流量关系重新校正。中观模型有个特性会让初次使用的人困惑它不会有微观模型里那种车辆走走停停、时走时停的不稳定现象车速曲线更平滑。这是正常的因为它的本质是聚合模型丢掉了逐车波动的随机细节。如果项目关注的是舒适性评价、急刹车比例这类微观指标那中观做不了但如果是平均行程时间、排队长度、路网吞吐量中观的结果在统计意义上更稳定。2.4 路径选择与动态交通分配中观仿真的核心优势中观仿真最大的优势之一就是天然支持动态交通分配DTA。Aimsun 的中观模块内置了路径选择模型车辆在运行过程中会根据实时路况或历史路况重新评估路径这就跟真实的驾驶员行为更接近了——大家不会一条路走到黑堵了就换路。Aimsun 中观仿真里的路径选择模型有几种固定路径OD 间只有预设路径车辆按固定比例分配C-Logit 模型考虑路径重叠惩罚的随机路径选择模型适合绕行路网用户均衡User Equilibrium通过迭代让出行者找不到更优路径得到均衡流量分布随机用户均衡Stochastic User Equilibrium在用户均衡基础上加入感知误差更接近真实情况。实际项目中我最常用的是 C-Logit 或者随机用户均衡。C-Logit 的好处是计算快对大规模路网友好而且它会考虑路径之间的重叠问题。比如两条路径在最后 3 公里完全重合C-Logit 会认为它们不能算两条完全独立的路径——这个在快速路和地面路网的竞争关系里特别重要。需要提醒的是DTA 不是一次跑完就完事的。它需要迭代一般跑完一轮后把各路段的阻抗重新计算再让下一批车辆基于新路况做路径选择这样循环几次路网流量才会收敛到一个稳定状态。Aimsun 里可以设定迭代次数我通常设 5-10 次。如果发现路径流量在相邻两次迭代里变化仍然很大说明模型还没收敛需要增加迭代次数或检查 OD 矩阵是否有明显的问题。2.5 控制逻辑与信号配时的处理方式中观仿真对信号交叉口的处理方式和微观模块有本质不同。中观模型不会逐车检测信号灯状态而是把信号控制简化为每个进口方向的时间窗。信号周期、绿信比、相位差这些参数以配时方案的形式直接输入到模型中车辆在接近交叉口时根据当前信号状态决定是否减速停车或通过。这意味着信号配时的精细优化不是中观仿真的强项但信号方案的宏观评价完全可行。比如你要比较某个交叉口周期从 120 秒改到 100 秒之后对整个路网行程时间的影响中观仿真完全可以回答。你只需要在信号配时方案里调整参数重新跑一遍即可。Aimsun 中观仿真支持信号控制的类型包括定时控制、感应控制和简单的联动控制。如果你用的是定时控制直接把配时方案的周期、绿信比填进去就行如果是感应控制中观模型也能模拟但只能模拟到某相位是否因检测器触发而延长具体延长时机是靠参数控制的达不到微观模型那种逐秒响应细节。3. 实操全流程从建模到结果输出的完整记录3.1 路网建模导入与简化的基本原则Aimsun 建模的底层路网通常从 GIS 或 CAD 数据导入。如果项目方提供了高质量的 GIS 路网数据Aimsun 的导入功能可以直接读取然后你需要花时间清理拓扑。所谓清理拓扑主要就是检查节点连接关系——两个路口之间有没有重复路段、交叉口处的转向连接是否齐全、单行道方向是否正确。如果是手动建模我建议遵循主干道精细、支路简化的原则。中观仿真的优势在于范围大但范围大不代表每条路都要画得精确到厘米。城市支路、小区道路只要保证拓扑连接正确、等级和通行能力合理就没必要花大量时间精细处理几何线形。快速路匝道的连接关系、互通立交的转向逻辑这些必须仔细检查因为它们是影响路网运行的关键瓶颈。导入路网后一定要检查路段的各项基础属性道路等级高速公路、城市快速路、主干道、次干道、支路车道数通行能力初值按经验填后续标定自由流速度不同道路等级的默认值要合理路段长度导入时偶尔会出现长度异常的路段需要排查。3.2 OD 矩阵准备中观仿真的燃料OD 矩阵是中观仿真的核心输入没有准确的 OD 矩阵模型做得再精致也白搭。OD 矩阵的来源有三个渠道基于交通调查反推、基于手机信令或 GPS 数据、基于现状流量反推标定。如果是从零开始的项目又没有现成 OD 数据我一般会先用现状路段流量做一次OD 反推。Aimsun 内置了 OD 矩阵估计功能ODME可以把现状路段流量作为约束条件反推出一个与观测流量匹配的 OD 矩阵。这个反推结果不一定完全准确但作为初始迭代的输入是够用的。后续需要用实际调查数据做标定把模型跑出来的路段流量和实测流量对比不断调整 OD 直到误差在可接受范围内。OD 矩阵的时间粒度和中观仿真的时长是一致的。比如仿真时段设为上午 7:00-9:00OD 矩阵就要按这个时段切分。如果做全天仿真通常按小时拆分成多个 OD 矩阵Aimsun 支持 OD 矩阵随时间切换。注意OD 矩阵里的单位要统一。很多人栽在单位不统一上OD 矩阵里填的是辆/h但路网通行能力填的是 pcu/h结果跑出来的流量对不上还以为模型出了问题。3.3 中观模型参数设定核心参数与建议取值Aimsun 中观仿真模型参数主要集中在Mesoscopic Parameters里。下面这些是我每次建模型都必调的参数给出经验值供参考参数名称作用建议取值Update Interval仿真时间步长0.5-1.0 秒Route Choice Period路径选择重评估周期180-300 秒Reaction Time反应时间对应车头时距0.8-1.2 秒Maximum Speed车辆最大允许速度按道路限速10%设置Jam Density阻塞密度150-190 veh/km/laneQueue Discharge Headway排队消散车头时距1.8-2.2 秒Capacity Drop Factor通行能力衰减系数0.85-0.95瓶颈处其中 Capacity Drop Factor 是个有意思的参数。它描述的是瓶颈路段在拥挤状态下通行能力会比自由流状态下降多少。实测表明大多数瓶颈在拥挤条件下的通行能力会下降 5%-15%这个现象叫容量下降Capacity Drop。不设这个参数中观模型的瓶颈排队长度会被低估——因为模型里的瓶颈始终能以最大通行能力放行车辆而实际上挤成一团之后放行效率是下降的。3.4 信号控制与检测器的设置在 Aimsun 中观仿真里设置信号控制流程上和微观类似但要注意中观的信号控制是以时间窗工作的。进入 Signal Controllers 模块后需要做这几件事把交叉口关联到信号控制器设置控制类型固定配时/感应控制定义信号组Signal Groups每个信号组对应一组转向流向设置相位、周期、绿信比、全红时间如果做联动控制设置偏移Offset和协调相位。关于全红时间很多初学者忽略了它。中观仿真里如果全红时间设成 0黄灯时间也会被压缩结果会出现该方向车辆刚停、另一个方向的车辆就冲出去的情况导致路口通行能力虚高。我一般会按交叉口实际尺寸推算全红时间至少 2-3 秒。检测器的设置在中观仿真里的用途主要是感应信号控制的触发输入、路网运行状态统计的数据源。如果你在仿真中安装了检测器loop detectorAimsun 可以输出流量、占有率、速度的时间序列数据用来和实测检测器数据对比标定。这个功能强烈建议用因为它能直接量化模型跑得准不准。3.5 运行仿真与结果输出设置完成后就可以开始跑仿真了。在中观仿真中不需要像微观那样打开驾驶模拟视图直接运行标准仿真即可。运行过程中Aimsun 会按照设定的更新间隔推进仿真时钟车辆在路网上移动、排队、通过交叉口路径选择会在指定的周期重新计算。仿真运行时的速度主要取决于三个因素路网的规模和复杂度、更新间隔的大小、启用 DTA 时的迭代次数。我跑过一个 100 多平方公里的区级路网用 1 秒更新间隔DTA 迭代 5 次单次仿真大约 10 分钟跑完。如果更新间隔改成 0.5 秒时间会翻倍甚至更多。所以在这个场景下先用 1 秒间隔跑收敛和标定最后需要精细结果时再切 0.5 秒。结果输出方面Aimsun 中观模块可以直接输出路段性能指标行程时间、速度、密度、流量、排队长度路网层面的集计指标总行程时间、总延误、路网平均速度转弯流量用于和交叉口实测流量对比路径流量用于分析路径选择行为尾气排放指标如果需要做环境影响评价。结果输出的时间粒度可以在 Output 设置里选择。我一般会把路段输出间隔设为 5-15 分钟这样既能看到时间趋势又不至于数据量过大。如果是做事件影响分析需要更细的 1 分钟粒度输出。4. 常见问题与排查技巧实录4.1 模型跑不出拥堵路网空空荡荡这是最常遇到的问题症状是仿真跑完了报告显示路网服务水平一片绿和现实里早晚高峰堵成一锅粥完全对不起。排查顺序检查 OD 矩阵总量。把 OD 矩阵求和算总出行需求和实际调查的路网载入量对比。如果 OD 总量偏小三分之一以上路网当然跑不饱。这是最常见的原因。检查路段通行能力是否偏大。Aimsun 默认的路段通行能力是基于理想条件给的现实中受路侧干扰、停车、行人过街等因素影响通行能力会大打折扣。城市商业区路段通行能力要打 0.8 甚至 0.7 的折。检查自由流速度是否偏大。限速 60 的路段如果填成 80车辆流速过快、路段容量就上不去也不容易拥堵。4.2 排队长度看起来不真实有时候会出现排队很短但路段平均速度很低的矛盾现象。这往往是因为路段没有分段模型把整条路段当成一个混合体来处理车辆一多就均匀减速而不是形成从瓶颈开始的物理排队。解决方法在瓶颈位置进口道上游、匝道连接处加节点把路段切开让排队能沿着分段逐步回传。加完节点后看排队形态应该能看到排队尾部逐渐向上游延伸的合理演变过程。4.3 路径选择结果不合理比如明明有快速路可以走模型里的车却全部走地面或者明明某条地面道路已经堵死了车还是源源不断开进去。检查这几个地方路径选择模型是否启用了 DTA如果只走固定路径且比例没设好会出现路径分布明显不合理的情况路段的感知阻抗参数是否合理。Aimsun 里路径选择是基于路段阻抗一般是行程时间的如果某个路段的自由流行程时间和实际计算行程时间差距过大路径选择结果会失真检查是否有断头路或禁止转向限制没有设置。有时候路网拓扑上存在一条近路但因为转向限制没设置模型里车可以走现实里根本不能走。这种拓扑错误会导致路径选择结果跑偏。4.4 仿真结果和检测器数据对不上模型和实测对不上的原因八成在 OD 标定两成在通行能力和信号配时。我的做法是把标定分成两步第一步比路段流量。把模型输出的路段流量和实测检测器数据按小时对比计算误差和 RMSE。哪条路差得多就重点查那附近区域的 OD 需求。第二步比行程时间。把模型输出的路段行程时间和实测 GPS 数据比如网约车轨迹、浮动车数据对比。如果流量对得上但行程时间偏小很多说明路段的通行能力或信号延误参数偏乐观。这两步都做完模型的可靠性才算立住了。4.5 仿真运行时间突然拉长如果同一个模型之前跑 10 分钟这次跑了 20 分钟还没结束先检查是不是参数被改了。更新间隔从 1 秒改成 0.5 秒运行时间基本翻倍路径选择周期从 300 秒改成 60 秒路径计算的频率提高了 5 倍运行时间也会大幅增加。另一个可能的原因是 DTA 迭代次数被调大了。如果模型启用了 DTA并且迭代次数设成 20乘以单次仿真时间总耗时自然膨胀。合理做法是先用少迭代次数3-5 次快速调试调试稳定后再增加到正式运行的迭代次数。4.6 数据量过大导致机器卡死跑大路网仿真时结果输出数据可能特别大。有一次我输出 1 分钟粒度的路段数据跑了两小时仿真生成了几个 GB 的数据文件后处理的时候直接卡死。经验是先想清楚你需要什么粒度再设置输出。评估行程时间稳定性15 分钟粒度就够了做信号协调分析5 分钟粒度差不多除非做高频振荡分析才需要 1 分钟甚至更细。别贪多数据不是越多越好够用就行。5. 中观仿真的几个高级落地场景5.1 事件影响分析中观仿真特别适合做突发事件影响评估。比如快速路上某一段因为事故封闭两条车道影响范围会迅速扩散到周边路网。微观模型能模拟这个事件但研究范围有限宏观模型范围够了又描述不了车道封闭这种细节中观模型正好在研究区域内封闭特定路段的部分车道降低对应的通行能力然后通过 DTA 观察车辆如何重新选择路径量化评估整个路网的总延误增量。这类分析的要点是把事件发生时段和持续时间设好事件前后的 OD 矩阵不要变只改事发路段的通行能力。然后对比无事件基线和事件场景的路网总行程时间差就是事件导致的额外延误。5.2 大型活动交通组织评估体育赛事、演唱会这种短时间高强度的交通需求用中观仿真做预评估非常合适。散场时几千辆车同时涌入路网经过一段时间自然消散——这个过程模型完全可以复现。把活动散场的 OD 矩阵作为额外需求加载到路网上看路网会不会出现严重锁死、哪些出口方向最拥堵、交通管制措施是否有效都能得到量化结果。这类项目有个容易忽略的点散场高峰往往和晚高峰叠加OD 矩阵不能只加活动需求还要把背景交通需求加上。5.3 交通管理策略比选比如某个片区要实施单行交通组织或者要设置可变车道或者要调整信号协调方案。这些问题的尺度都是片区级关注的指标是路网整体运行效率而非单个交叉口。用中观仿真做方案比选速度快、成本低还能做多方案对比的敏感性分析是性价比最高的选择。方案对比时要保证各方案之间只改变要评估的策略其他边界条件OD、信号基础方案保持一致否则对比结果没有说服力。最好用同一组随机数种子跑多次取平均值因为中观模型虽然确定性比微观强但 DTA 迭代过程中仍有一定随机性。6. 用中观仿真的一些个人心得做中观仿真项目这几年我最深的感受是不要小看模型标定这个环节。Aimsun 的中观模块上手不算难任何一个会用软件的工程师花一两天时间就能把模型跑起来。难的是把模型标定到能和实测数据对上的那一步。这个环节最花时间也最体现功力。另一个经验是中观仿真的中字意味着你需要时刻提醒自己它在哪些维度精确、在哪些维度简化。用它做片区路网评估是合理选择但如果你试图用它回答某个交叉口左转车道该设多长这类微观问题那就是用错了工具。工具选对了项目就成了一半选错了后面再怎么抠参数都是白费力气。最后一点给刚入行的朋友无论用什么仿真软件第一步永远是理解你的研究对象和问题本身第二步才是打开软件。想清楚你需要什么指标、什么精度、什么研究范围再回头挑工具这样才能让 Aimsun 中观仿真真正发挥出它应有的价值。