Urban Analytics Framework简介

为什么要仿真人群和他们的环境？

传统理论上，城市空间设计一贯给予了车辆运动比步行运动更多的优惠。为了促进城市的发展和便利货物和人们的流通，高质量的交通基础设施的需求是可以理解的，并在今天现代城市的每一个方面中体现出来。

然而，一个转变正在发生。现在，不再是汽车规则至高的情况了，甚至是，城市空间设计者对于将步行作为一种最主要的交通方式的需求日趋敏锐。目前的一个发展趋势是越来越朝平衡的城市空间设计倾斜，并提供车辆用户和行人用户的服务需要和质量的串联评价。

主动支持绿色议程和健康问题，例如，让城市空间变得更吸引人，来让人们散步，减少污染，也是走向一个平衡的城市空间政策的关键驱动力。最后，也是最重要的，在考虑新的城市道路使用或者修改现有的基础设施时，步行安全是极为重要的。提高步行安全和避免行人/车辆事故的计划是Urban Analytics Framework的主要目标。

现在，开发城市规划人员需要的新工具，确保用于精确地模拟我们未来世界不断变化的需求的技术的可用性是很重要的。

项目目标

Urban Analytics Framework (UAF) 旨在提供一个为公路交通和行人的用户共享空间质量的分析评估。

首先，UAF是一个分析工具。它基于实体建模概念和一个经过实验测试的评估方法论，能够让用户清楚地识别城市空间内的问题区域。这个新工具在同类产品中以一个分析的理念率先考虑了公路交通和步行的交互作用, 超越简单的可视化方法去试图回答日常城市交相作用的原因和结果后面的“为什么”问题。

理解两组城市空间用户之间的交互作用是设计平衡的环境的关键。平衡的环境对公路交通和步行者都是高效的，对于步行者使用是安全而友好的，也是环境敏感性的。

UAF能够让城市规划人员优先于执行，在设计阶段理解这些交互作用，因而，提高了理解的质量并提供了一个坚实的工程基础来帮助城市设计决策过程。

UAF已经与Crowd Dynamics共同协力发展多年，而Crowd Dynamics是在行人仿真方面的领先权威，拥有超过20年的经验和一个遍布全球的公共部门和私营部门投资组合的客户群。

UAF的关键项目目标可以总结为：

坚实的分析基础（Solid Analytical Foundation）: UAF是一个基于坚实的分析学理论的柔性工具，提供数据表明怎样改善城市空间；展示和3D图形居于其次，以明确的模拟概念和一个经过实验测试的评估方法论，能够让用户清楚地识别在城市空间中的问题区域。

笨拙的人群，灵活的空间，基于情报的分析（Dumb People, Smart Space, Informative Analytics）：在 UAF中，所有的仿真人或者智能体有数量有限的配置参数，按实值计算，对应数量有限的智力。智能体通过它们移动穿过环境来了解它们的环境，每个智能体获得关于它们怎样通过可用空间的新信息。像一个交通仿真模型，一个智能体的运动是一个它们空间的功能和空间给予智能体的信息。这个方法让我们展示真实，不加掩盖的：笨拙的，集中的，有意外倾向的，和困惑的人群。如果在UAF中的这个智能体过于灵活，它们将不会犯错，迷路，困惑，导致阻塞，涉及交通事故，因此，只能告知我们很少关于它们从所穿过的环境中获得的服务的质量。
确定因果关系和安全问题：安全问题的识别是UAF的第一个目标。我们能够让智能体模拟沮丧的行人在人行横道上，忽视“止步”的信号，利用机会间隙并穿过应该在它们认为安全时才穿行的交通流。此外，我们模拟了车辆和智能体的视野，车辆的刹车能力和具有侵略性和温和性特质的司机的差异与智能体有交互作用。在轮流让UAF提供有情报根据且精确的关于安全问题的反馈的过程中，这些数量评估让我们给城市空间设计者说明详细的因果关系。

发现=理解=控制：UAF采用的模型构造方法论促成了发现，理解和控制的概念。当模拟者了解空间怎样影响智能体的行为时，网络建立的过程激励了发现的产生。发现促进问题空间的理解，问题空间能够让模拟者看到关联并确定冲突(POC’s)存在的高概率性的区域或者过分使用/使用不充分的区域。理解能够让模拟者做出关于怎样最优地改善城市空间决策，这种决策对公路交通和步行者都是高效的，对于步行者使用是安全而友好的，也是环境敏感性的和有情报根据的。

核心功能

产品聚焦

UAF集成Quadstone Paramics获得具有完全自由空间智能体模型的交通微仿真性能。自由空间智能体模型能够让智能体，这个术语用于我们被仿真的人群，在它们定义的空间约束内自由移动。与传统交通模型不同，自由空间模型没有沙丘/小路/网点等来指示智能体的运动。

较高POC区域的空间分析图

 

UAF提供了一组综合的工具来模拟车辆和步行者之间的交互关系。路标，中断的右转，步行者优先穿过，以及经请求的穿过都能以一种灵活可变的方式模拟出来。

UAF是一个完全的（100%）运行时应用程序：它没有后加工处理或者从仿真的一边输入到另一边的数据产生。在UAF中，我们在一个单一的环境中同时考虑车辆和智能体交互作用。

UAF被设计为一个决策支持分析工具，它的图形前端和分析显示屏尤其体现了这一作用。UAF使用许多行业效力标准量度(MOE)，例如，帮助用户理解的服务等级。此外，UAF提供了一个高端的3D渲染引擎的实时逼真视频采集和串连图板。

应用区域

联合一个交通微仿真模型和具有完全自由空间智能体的模型能够让UAF精确地再现各种各样的情景。UAF可以用来模拟车辆和智能体的交互关系或者它能用于每个部分的单独的模拟而不依靠其它部分。

UAF关键应用区域包括：

• 交通运作评估和城市空间设计；
• 商业购物空间的人流分析；
• 智能体服务等级和环境质量；
• 公共运输终端，例如地铁或者汽车站和它们与公路网络的交互关系；
• 特定事件规划，例如音乐会，街道派对的道路关闭，主要运动活动事件；
• 来自城市空间的评估计划，评估时间；
• 车辆和步行者的视野和能见度分析；
• 以及智能体安全分析。

关键度量

UAF为公路交通和步行用户提供了一个共同空间的质量的分析评估。共同空间的质量是一个抽象术语，可能取决于公路交通和智能体运动的下列特点：

• 所有的标准Quadstone Paramics车辆度量；
• 智能体延迟，速度和密度；
• 智能体冲突地图的可能性；
• 智能体空间使用；
• 智能体流量分析——磨损最严重的区域；
• 智能体视野和车辆注意；
• 智能体通行时间；
• 智能体包装，排队和受挫；
• 以及智能体对规则的依从，例如，停止步行的标示。

它是怎样运行的？

模型构建过程

自由空间的模型构建过程可以总结为以下几个步骤。在这个例子中，注意我们假定交通部分是必需的，所以我们的基本交通微仿真模型也包括在内。

? 步骤1——建立交通微仿真模型
? 步骤2——定义可用的智能体空间
? 步骤3——定义重复或者共享的空间区域
? 步骤4——定义车辆区域和智能体的注意力或者视野
? 步骤5——使用道路指示标和目标连接器添加信息到空间中
? 步骤6——定义可通行控制和阻塞区域

智能体数量

UAF中的智能体控制参数有意简单化来帮助清晰显示并让模拟过程尽可能的透明。在UAF中，我们采用“dumb people, smart space”方式，在这个方式中，模拟者改变位于空间中的智能体的属性来复制观察智能体行为的真实世界。这个方法简单并始终透明，因此避免了重复复杂有许多用户需要校准和调整的参数的智能体算法。

不同的智能体类型能产生智能体数量指标的模拟的不同部分，每个部分有不同的身体，运动和动画属性。

空间定义

成为UAF一部分的自由空间模型使用许多不同的空间类型来区分模型不同区域的初始功能。用户使用一系列类似普通图片编辑应用程序的刷子/图形工具定义可用的空间。

零空间：零值的或者空的空间为智能体不能进入的区域。零空间用于定义智能体不能穿过的墙或者隔墙，智能体必需横穿的障碍物，以及不宜继续进行或者用幕隔开的区域。

智能体空间：智能体空间定义智能体不能自由移动的区域。智能体空间包括人行道，泊车区域，中转码头汇合区域，以及楼梯井或者自动扶梯。

共享空间：共享空间定义智能体和车辆都能使用的区域，并且是智能体和车辆有可能发生冲突的位置。共享空间包括信号的人行道，行人过路处，路旁落设施等。

这里提供了两种类型的共享空间，侵略性和温和性。在侵略性的共享空间中，智能体和车辆将同样努力地向前运动来避开对方，类似一个有交通偷越穿行的行人相反的右转。在温和共享空间中，车辆将避免进入共享空间，直到所有的智能体都在它们的视野之外，类似一个无显著行人交叉的中间障碍物。

智能体空间类型编辑

 

车辆注意空间：车辆注意空间定义在模型中智能体注意车辆出现，方向和速度的区域。车辆注意空间利用过境点的办法复制智能体的有效视线。

智能体要求

用户能在增量中指定小到一分钟的智能体要求可变范围。要求区域和生成点能在自由空间模型的任何位置用产生一个用户分配智能体类型的定义。用户也能以类似在交通模型部分的结合点指定转弯运动的方式，从一个航线点到另一个航线点指定智能体的行进过程。

航线点（waypoints）

当智能体运动穿过自由空间模型时，航线点用于提供新的信息给智能体。智能体使用它们能找到的最优路径，避开障碍和其他可能阻碍它们行进的智能体，从一个航线点运动到另一个航线点。航线点能够让模拟者移动并集中不同航线上的智能体朝着他们预期的方向前进；想象航线点为一个透镜，可以集中，弯曲或者分散智能体的流量。

航线点系统能够让模拟者灵活度最大化；他们能根据需求添加更多或几个航线点来让智能体穿过自由空间的路线根据需求非常严格或者非常自由。

这里提供了多种类型的航线点，例如，类似门口或者十字转门的一些行为，聚集智能体并让它们朝向航线点中心牵引。其他类型的航线点则类似智能体将获取新的信息并影响方向改变的区域，例如到达一个城市模块的尽头后左转或右转来继续行进。

模块化

模块化区域用于自由空间模型来强行控制智能体的流量。模块化区域要么是能够让智能体向前移动的开放的门，要么是取决于用户指定的选项的关闭的门。

走/止步模块化区域与信号状态连接

 

模块化区域可以有任何形状并使用一系列触发条件来控制，包括：

• 用户定义时间间隔，包括重复和“射击一次”选项；
• 在一个有信号的十字路口联结到一个指定的阶段。每次被执行阶段的模块化区域的门是开放的；
• 在一个有信号的十字路口联结到一个呼叫在需求阶段。每次一个智能体接近模块化区域（进入或者按击穿过按钮）这个阶段将在它下一次预定执行时变得主动。
• 联结到UTC或者被开动的信号系统SCOOT, SCATS, PCMOVA, VSPLUS, NEMA 等。

依从

依从等级能为定义在自由空间模型中的每个模块化区域设置。依从等级确定有多少个智能体忽视模块化门的情况，例如，每一百个智能体有十个忽略“止步”标识并将积极地寻找它们合适的机会去穿过共享空间。

智能体跟踪显示路径和服务密度的历史水平

 

此外，智能体环境影响着谁将成为不依从者并且是在哪个点，例如，排队在一个时间过多没有信号穿过点的智能体将变得沮丧且更服从于非依从触发，并基于有限的可用间隙评估来穿过共享空间。

交互作用规则

车辆和智能体通过一组简单的规则管理它们的交互作用。

• 车辆将总是给行人让步，但是，如果一个车辆不能及时停止，那么一个冲突就会被记录；且
• 智能体将不会进入共享空间直到安全为止。然而，它们的依从等级可能改变，以至于它们可能做出非理性的决定并试图基于有限的可用间隙评估来穿过共享空间。

这两个简单的规则能够让我们观察智能体和车辆冲突的因果联系。例如，是智能体的视野或者是车辆的注意力太低？是车辆穿过共享空间时开的太快？是智能体在交叉口被耽搁的时间太久而开始展示出非理性的行为？等等。

分析工具和报告

“无数据”工具

自由空间模型相当地强大并能产生丰富的信息而很少或者基本没有详细数据的输入。UAF提供了一个完全特性的空间分析（SA）工具。
一旦我们定义了自由空间区域和需求区域或者智能体将进入或离开空间的结果点，SA工具生成一个彩色的编码图来高亮显示空间中最有可能发生冲突问题的区域。SA工具在履行职能的早期阶段的“无数据”分析的价值是无法衡量的。

智能体度量

单个的智能体度量能在UAF中以多种方式展示出来。智能体度量工具能够让我们基于服务等级的类型条带来给编码智能体着色，同时，智能体追踪者让我们收集轨道和过去的智能体度量信息并当它们移动穿过自由空间时，跟踪多个智能体。

空间度量工具

空间度量工具是存在于UAF中的最强大的工具。空间度量工具记录每个智能体在穿过记录智能体的“经历”的自由空间时的脚步以及空间怎样规定它们的服务质量。空间度量工具能用于生成复杂空间数据包括智能体速度，密度，延迟和每个智能体用来检测冲突因果联系和步行者运动的服务等级的彩色图。