PTV Vissim

比較節(jié)點(diǎn)形式，分析公共交通優(yōu)先通行或分析某個(gè)信號(hào)的作用，用 PTV Vissim 您可以準(zhǔn)確模擬交通事件。PTV Vissim 是一款世界領(lǐng)先的微觀交通仿真軟件，它能在一個(gè)模型中模擬所有交通參與者及他們的交互活動(dòng)，包括私人機(jī)動(dòng)車、貨車、有軌公共交通和道路公共交通、行人以及自行車?；诳茖W(xué)原理的運(yùn)動(dòng)模型能真實(shí)模擬所有參與者。

同時(shí)這款軟件也從多方面體現(xiàn)自己的靈活性： 路段和路段連接器的概念方便用戶模擬任意復(fù)雜幾何形狀。駕駛員屬性和車輛屬性可以自定義參數(shù)。另外，提供與多種其他系統(tǒng)的兼容接口，例如：信號(hào)控制系統(tǒng)、交通管理系統(tǒng)或排放模型。

此外，PTV Vissim 內(nèi)置多種分析手段，所以，它是評(píng)價(jià)和規(guī)劃城市以及郊區(qū)交通基礎(chǔ)設(shè)施的高效工具。因此，用這款仿真軟件既能獲得各種不同情境方案的具體數(shù)據(jù)結(jié)果，也能獲得逼真的三維動(dòng)畫。對(duì)于決策層和公眾而言，它是一個(gè)理想的工具，能夠很有說服力地展示規(guī)劃的基礎(chǔ)設(shè)施措施。

PTV Vissim使用案例

節(jié)點(diǎn)

無論是簡(jiǎn)單的路口、信號(hào)交叉口還是包含公共交通優(yōu)先通行以及行人的環(huán)島交叉口，或者是“超級(jí)環(huán)島”，使用 PTV Vissim 可以模擬各種節(jié)點(diǎn)形狀和各種優(yōu)先通行以及信號(hào)。

更多...

多模式系統(tǒng)

無論是機(jī)動(dòng)車，例如：轎車、卡車和巴士，軌道交通，例如：有軌電車和鐵路，還是非機(jī)動(dòng)交通參與者，例如：行人和自行車: PTV Vissim 是世界上唯一一款能模擬所有交通工具及其交互活動(dòng)的微觀仿真工具。

更多...

高速公路

高速公路交通流質(zhì)量的評(píng)價(jià)基本取決于像行程時(shí)間和排隊(duì)長(zhǎng)度這樣的微觀參數(shù)。PTV Vissim 通過詳細(xì)的幾何和微觀行為模型，能夠得到這個(gè)統(tǒng)計(jì)層面上的符合實(shí)際的結(jié)果。

更多...

交通管理措施

無論在市內(nèi)還是市郊，交通管理措施都可以用于提高交通流質(zhì)量。所以，交通工程師可在局部層面、路段層面和路網(wǎng)層面集中或單獨(dú)干預(yù)交通。目的： 避免或減少擁堵。用 PTV Vissim 可以模擬行駛過程中所有操作，并分析它們對(duì)交通流的影響。

更多...

公共交通

可持續(xù)發(fā)展的交通規(guī)劃將重點(diǎn)放在促進(jìn)公共交通上。PTV Vissim 在公共交通規(guī)劃的各種分支學(xué)科中有效輔助交通工程師，并在其中為他們提供范圍廣泛的專用功能和具體建模方法。

更多...

廢氣排放模擬

廢氣排放在交通研究越來越重要。主要關(guān)注整體路網(wǎng)內(nèi)的廢氣排放和局域廢氣排放（“熱點(diǎn)分析”）。用基于廢氣排放模型 VERSIT+ 的 TNO 的附加模塊 EnViVer，可以根據(jù)從PTV Vissim 得到的車輛行駛軌跡及其他信息來確定有害物質(zhì)的排放量。

更多...

PTV Vissim 10 的新版本的亮點(diǎn)

PTV Vissim新一代版本的新特征新功能將帶給您非凡的用戶體驗(yàn)！PTV Vissim 10向廣大用戶提供矩陣預(yù)估，反向停車，流束等更多功能。PTV一直以來都支持動(dòng)態(tài)功能及可視化效果，而這一點(diǎn)在Vissim最新版本中尤其得到提升。有關(guān)Vissim 10新特征的所有細(xì)節(jié)信息您都可以在概述文件中獲取。

矩陣校正實(shí)施

在PTV Vissim 9版本內(nèi)置矩陣的基礎(chǔ)上，PTV Vissim 10版本進(jìn)行了功能拓展，允許用戶通過將多時(shí)段及單時(shí)段內(nèi)的連接計(jì)數(shù)數(shù)據(jù)相匹配來對(duì)OD矩陣進(jìn)行校正或是預(yù)估。

在對(duì)話框中，選中需校正的矩陣以及儲(chǔ)存交通流量的連接屬性和儲(chǔ)存交通容量的路徑屬性。這一校正矩陣的方法與PTV Visum 17的最少二乘法相似。計(jì)數(shù)和體積之間差異的平方和加上校正矩陣和原始矩陣值之間差異的平方和將被最小化。