第三方专业交通仿真技术服务单位华咨公司交通工程师认为，随着交通智慧水平的不断提升，加强基于交通仿真在城市交通拥堵中的应用越来越重要。基于集群并行计算的实时在线流量模拟 ：实时在线交通仿真可以应用于大型道路网络，例如一个非常大的城市而不是一个小区域（该区域通常是10平方公里）？如果可行，交通控制和诱导策略将有更多的优化空间，从而更有效地缓解交通拥堵。 使用DynasTIM进行实验，对于10,000个交叉路口的道路网，使用网络分割算法在3秒内自动划分为100个子网，并使用不同的颜色进行区分。结果看起来像一幅画。 将这100个子网络放在100个CPU核心上，实现集群并行计算环境中的实时在线流量仿真，这在技术上应该是可行的。最大的困难是在OD路径中应该使用什么样的数据结构存储，以减少并发进程之间的通信开销，从而反映出集群并行计算的高加速比。 基于城市交通拥堵处治公司应用交通仿真技术的专业服务机构和单位思考顺便说一句，将深度强化学习与实时在线流量模拟相结合，似乎仍然难以找到一种方法来优化Dalu的流量策略。深度强化学习和SUMO相结合，为智能网络车辆寻找小规模的道路网络流量优化策略，如更有效地实现融合，应该是可行的，正如加州大学伯克利分校的Alex Bayen教授所做的那样。中等拥堵水平以上的城市区域道路网，如何协调和优化信号定时以缓解拥堵，而不需要拦截区域外的交通？经过长时间的探索，我仍然认为应采用Transyt的基本思想来优化算法+仿真模型系统。但是，在DynasTIM中，两者的具体内容与Transyt基本相同。 最近，DynasTIM实现了交通信号控制子区域的手动和自动划分。此外，除了先前实现的绿色信号比和相位差自动优化之外，还实现了控制子区域的信号周期的自动优化，并且可以在不使用该信号周期的情况下计算信号周期的初始值。韦伯斯特公式等。

      大数据驱动的实时在线流量模拟和优化＃来源：DynasTIM在线流量模拟和优化系统阅读：2402次对于城市和城际道路网络，交通检测，信号控制随着不断更新或新设备如感应，GPS /北斗等移动导航和导航系统在交通系统中迅速普及。智能网络化车辆已成为公路交通系统发展的必然方向，可以感知用户的出行偏好和旅行活动。智能手机用户数量将在2018年达到13亿，基本上是一个。所有这些技术的结合将使交通状况的实时感知更加准确和广泛，并且交通大数据的时代已经到来。然而，对于大多数当前的城市和城际道路网络，交通数据被提供给交通管理者或通过简单的处理发给行人，并且数据的价值未得到充分利用。例如，交通管理人员经常根据当前的交通状况被动地做出反应;旅行者通常不知道当前的实时交通信息是来自互联网的，因为道路状况在不断变化，而且当它不遥远时，很难。预计道路状况将变得拥挤或畅通。目前，百度和高德提供的信号控制系统和旅行信息直接影响了路网交通负荷的时空变化。智能交通控制系统应该使这种影响可测量甚至可预测，以便主动实施优化或指导，从而改善交通影响，而不是增加拥堵。例如，当许多旅行者知道10分钟后道路将非常拥挤时，请选择提前绕行。结果，道路在10分钟后可能是平滑的，而其他可预测的平滑通道可能变得拥挤。 对于交通拥堵问题，从系统和网络的角度分析问题需要从切割峰值和填充山谷和控制密度的技术概念来解决问题。除非是上帝，否则没有人能找到解决动态交通状况的方法。因此，这是一种持续尝试，评估，改进并最终找到接近最优的解决方案的现实方法。这些选项可能包括实时信号控制，交通指导，动态费率和激励措施的组合和整合。此外，找到最佳解决方案具有严格的时间限制，这可能在几分钟内，以便及时响应当前和即将到来的动态交通状况。实时在线流量模拟是目前唯一可行且无风险的在线评估路径。在优化算法的帮助下，将每个解决方案优化的效果给予模拟系统进行快速实时在线评估，并将结果反馈给优化算法，以指导下一解决方案的改进。为了获得良好的效果，上述过程通常需要重复数百次，并且可以在几分钟内完成。 

      DynasTIM是一个大阿数据驱动的实时在线流量模拟和优化平台，基于城市交通拥堵应用交通仿真技术的专业服务机构思考其主要目标是为流量参与者提供更好的决策智慧，包括授权管理者优化道路网络动态流量管理和授权。旅行者根据旅行偏好优化旅行时间，模式和路线选择。具体而言，系统可以实时估计和预测完整的道路网络交通状况;离线或实时在线全球协调和优化区域道路网每个交叉口的信号定时参数，实现车辆平均行程延误的最优目标等。从而减少交通拥堵;基于预见的交通状况，对现有的多组动态交通组织方案进行实时在线模拟评估，并为管理者推荐实施预测主动交通管理的最优解决方案。基于城市交通拥堵应用交通仿真技术的专业服务机构思考同时，该系统可以帮助人们根据实时预测的交通状况和旅行者的个人喜好优化旅行时间，模式和路径选择，并通过实时在线模拟获得优化，以确保个性化旅行活动的优化。在运输系统的整体性能之间实现了良好的平衡。该系统的一个显着特点是交通预测过程包含旅行行为模型，即为旅行者的预测信息的个性化响应行为建立数学模型，并通过逼真的迭代计算和快速使预测的道路状况更加真实模拟评估。旅行体验使新旅客无法接收相同的预报信息并通过相同的路段，从而导致这些路段出现新的拥堵。