§5.1概述
城市道路交通微观仿真系统主要可以应用于以下几个方面：一．对于已经建成的道路交通系统，它可用于对道路交叉口的信号控制方案的评价与选择，在不改变其它道路条件的前提下，仅仅通过改变道路交叉口的信号控制，就可以极大程度地提高道路通行量。此外，当智能交通系统中的路段内车流量检测系统建成之后，每个交叉路口的信号灯的控制策略甚至可以根据所属几条路段中当前的车流量的大小以及其它系统相关数据，随时进行调节。二．对于尚处于建设规划中的道路，它可以用于交通情况分析，提前预测出容易发生堵车的路段，从而采取加宽相应路段、增建分流路段等措施，保证道路交通的通畅。
§5.2MITS在优化交叉路口控制信号中的应用
5.2.1路网的基本情况
5.2.1.1路网的拓扑结构与路段的长度
本实例采用如图5.1所示的路网拓扑结构，系统由两横两纵四条道路组成，每条道路又各有两条系统入口和系统出口。系统一共有四个交叉路口，每个交叉路口都有四组信号灯，每个信号灯都控制着一条与交叉路口相连的路。
图中各路段的长度如下所示：
101和124：1 公里 102和117：1.2公里
103和105：2.5公里 104和114：1.8公里
106和118：0.9公里 107和119：1.5公里
108和110：2.1公里 109和115：2.4公里
111和120：0.8公里 112和121：1.5公里
113和123：0.9公里 116和122：1.8公里
5.2.1.2生成初始数据库的参数
汽车产生频率参数：0.5
系统内汽车均速：36公里／小时
5.2.2初始信号控制方案及系统输出
在第一种信号控制方案中，各个交叉路口均采用如下的控制方案：
当采用此种控制信号方案时，系统内所有路线的平均车辆通行时间如下表所示：
5.2.3改进的信号控制方案及系统输出
为了更明显的看出两种信号控制方案的输出结果的不同，现将它们的输出结果对比列出，如下表所示：
通过对比上表中两种控制方案下的输出结果，显而易见改进后的信号控制方案优于初始时的信号控制方案，在绝大部分路段上都降低了平均通行所需时间。此外，还可以从中发现如下几点：
1．对于只有一个右转弯的路线，在系统密度不是特别大的情况下，当系统入口路段上没有发生经常性的堵车时，不同的控制策略对运行于此路线上的车辆的平均运行时间几乎没有影响。
2．无论是何种信号灯控制策略，它们都仅仅是对某些路线有提高汽车平均通行速率的作用，同时对系统中的另一些路线则有负面的影响。
3．从系统的整体来看，在进行交通信号的设计时也应该考虑到线路的通畅，而非仅仅针对路段。因为，有可能存在这样一种情况：某条路线有若干条路段组成，其中一条路段是极其繁忙的，如果某种信号控制方案降低了车辆在这一路段上的等候时间，但是在此条路线的其它路段上的等候时间却大幅上升，那么这是得不偿失的。所以，对于交通信号控制方案的评价应当从全局的观点出发，而非仅仅从局部路段的情况来判断。
5.2.4两种信号控制方案的对比分析
上面的数据仅仅是当汽车产生频率参数为0.5时的状况，由于一天当中仅有部分时间段是处于这种情况，所以为了全面了解两种信号控制策略在一天中其它时间段上的控制效果，下面将系统内的流量系数随时间的变化情况以曲线图的形式表示出来，具体见图5.7。 其中，流量系数是指路口在绿信周期中实际通过的车辆的数目和饱和流量之间的百分比。
由图中可以看出，这两种信号控制方案在夜晚22：00－5：00之间的区别微乎其微，几乎是重合的。但在白天中的区别还是很明显的，当采用第一种控制策略的时候，系统的流量系数始终处于0.65以下，也就是说：大约有35%的绿信时间中，尽管路口的信号灯允许车辆通过，但由于堵车的影响，实际上此时并没有车辆通过。而第二种控制策略显然缓解了系统内的堵车情况，系统内的流量系数最高达到了0.89，在交通高峰阶段始终保持在0.7以上。
§5.3MITS在道路改建方案评估中的应用
微观交通流仿真系统目前已经在城市道路改造扩建过程中得到了初步的应用，我国的深圳、上海等地在这一方面已经有了实际应用的先例，随着仿真系统软件功能的不断完善，有理由相信微观仿真系统在这一领域必将发挥越来越大的作用。本节就这是MITS在道路建设方案评估中的一个应用。
5.3.1路网的基本情况
5.3.1.1路网的拓扑结构与路段的长度
路网的拓扑结构如下图所示：
路网中各路段的长度如下：
101和124：4.1公里 102和117：1.8公里
103和105：1.2公里 104和114：2.9公里
106和118：2.5公里 107和119：1.8公里
108和110：2.7公里 109和115：3.5公里
111和120：3.1公里 112和121：2.6公里
113和123：0.8公里 116和122：2.9公里
5.3.1.2生成初始数据库的参数
在一天24个小时当中，不同时间段上系统内的汽车流量差别很大。当进入系统内的汽车流的密度不是很大时，系统内不会经常出现堵车现象，仅当汽车产生频率系数长时间地维持在一个较大数值上时，系统内才会产生频繁的堵车通过反复尝试，现将频率产生系数设定为0.6。
为了突出研究重点，在线路生成部分，特地加大驶经103路段的各条线路在总的线路中的比例，以期在此条线路上出现适量堵车，以便于对比实施道路扩建后的车流改善情况。
5.3.2信号控制方案及道路扩建方案
5.3.2.1信号控制方案
为了重点研究道路扩建对改善系统内车流行进的影响，避免不同的控制方案对系统输出造成的扰动，使对比更具有可参照性，本实例在道路扩建前后均采用相同的控制方案，具体方案与5.2.3中改进的信号方案完全相同。
5.3.2.2道路扩建方案
为了减少103路段上的堵车，初步打算在103和104路段之间增建一条单行道，以利于103路段上的右转弯车辆直接转入目标路段104，避免因为103路段上候车队列的溢出而导致的右行车辆无法转弯，从而加重堵车现象。
5.3.3系统输出
5.3.3.1道路扩建前后系统的输出时延
由于道路交通网是一个时延较大的系统，某种输入对系统的影响需要经历一个较长的时间后才能显示出来，即稳态输入相对于稳态输出需要滞后一段较长时间。所以本实例中的平均时延，都是在系统运行一个小时后获取的各条线路上的数据。
为了更清楚的看出扩建前后的车流改善情况，现将包含103路段的各条线路的时延情况以直方图的形式列于图5.9中。其中，纵轴为平均时延，单位为秒，横轴为线路的种类序号。
5.3.3.2单条道路一昼夜中的车流进出情况
为了对一天中车流进出系统的情况有一个大致的了解，在图5.10 中以曲线图的形式表示出一天当中经由1号道路（入口路段编号为101，出口路段编号为124）进出系统的汽车的数量。从中可以看出，不同时间段上的输入和输出的数量差别较大。而且，在系统内车辆较多时，相对于输入的大幅波动来说，输出比输入要平稳一些，这是由于候车队列其到了延缓输出的作用。
从上图中可以看出，进行道路扩建后，经过103路段的各条线路的平均时延均有较大幅度的减少
参考文献
［1］Dietrich，E.Wolf．Cellular automata for traffic simulations[J]．Physica A，
1999，（263）：438-451．
［2］边明远，陈思忠，罗汉军． 智能交通系统及其发展[J]．
武汉理工大学学报.信息与管理工程版，Vol.23, No1, Mar, 2001．
［3］李峰．智能交通系统在国外的发展趋势[J]．国外公路，Vol.19, No.1, Feb,1999
［4］杨荫凯．智能交通系统概述及我国的发展对策选择[J]．地理科学进展，
Vol.18, No.3, Mar,1999．
［5］J.A.斯普里特，G.C.范斯蒂恩基斯特．计算机辅助建模和仿真[M]．
北京：科学出版社， 1991．
［6］黄乒花，孔令江，刘慕仁．一维元胞自动机随机交通流模型的研究[J]．
物理学报，Vol.50, No.1, Jan, 2001．
［7］吕晓阳，刘慕仁，孔令江．一维元胞自动机随机交通流模型的理论分析
与计算机实验[J]．物理学报，Vol.47, No.11, Nov,1998．
［8］李华兵，陈若航，慕仁，孔令江．车辆从车道进入与转出的一维多速随
机交通流模型的研究[J]． 物理学报，Vol.47, No.11, November, 1998．
［9］薛郁，董力耘，戴世强．一种改进的一维元胞自动机交通流模型及减速
概率的影响[J]． 物理学报，Vol.50, No.3, Mar, 2001．
［10］吕晓阳，陈若航，刘慕仁，孔令江．CA交通流模型的演化方程与转向
概率效应[J]． 物理学报，Vol.46, No.3, Mar, 1997．
［11］王亦兵，韩曾晋，贺国光．城市高速公路交通控制综述[J]．自动化学报，
Vol.24, No.4, Jul, 1998．
［12］L.Neubert，J.Wahle，M.Schreckenberg． Simulation of traffic in large road
networks[J]．Future Generation Computer Systems, Vol.17,2001：649-657．
［13］Tsuyoshi Horiguchi，Takehito Sakakibara．Numerical simulations for
traffic-flow models on a decorated square lattice[J]．Physica A，
1998，(252)：388-404．
［14］S.Wolfram．Theory and application of celluar automata．Singapore：World
Scientific，1986．
［15］龙小强，晏启鹏．信号灯控制下的交通流模型[J]．西南交通大学学报.
自然科学版，Vol.35, No.3, Mar, 2000 ．
［16］Marian Bubak，Przemyslaw Czerwinski．Traffic simulation using cellular
automata and continuous models[J]．Computer Physics Communications，
1999，（121-122）：395-398．
［17］Palash Sarkar．A brief history of cellular antomata[J]．
ACM Computing Surveys． Vol.32, No.1, Mar, 2000：80-107．
［18］姜紫峰．高速公路动态交通流的建模与控制策略[J]．信息与控制，
Vol.25, No.4, Aug, 1996．
