CN101777260B - 预约集港模式下的港区交通流预测方法 - Google Patents
预约集港模式下的港区交通流预测方法 Download PDFInfo
- Publication number
- CN101777260B CN101777260B CN2010101002222A CN201010100222A CN101777260B CN 101777260 B CN101777260 B CN 101777260B CN 2010101002222 A CN2010101002222 A CN 2010101002222A CN 201010100222 A CN201010100222 A CN 201010100222A CN 101777260 B CN101777260 B CN 101777260B
- Authority
- CN
- China
- Prior art keywords
- traffic
- traffic flow
- volume
- expression
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属港区交通管理技术领域,涉及一种预约集港模式下的港区交通流预测方法:对交通发生和吸引区域进行划分,获取各交通发生区域、吸引区域历史交通量分时段分布规律,确定交通吸引区域及交通量;由下发动态信息获得货代及揽货风格后,确定对应的后方堆场,从而得到交通发生区域分布及交通量;预测当前各区域集港分时段交通量;计算发生区域、吸引区域的集港车辆OD分布,加入历史统计的通勤OD,得到对应发生、吸引区域的总OD;估计交通流量在各路段的分布。本发明能基本反映实际交通流状况,能用于预测交通流发展趋势,提前进行交通管制和疏导,避免产生大的拥堵点和拥堵区域的蔓延。
Description
技术领域
本发明属于港区交通管理技术领域,涉及一种港区交通流预测方法。
背景技术
长期以来的港区交通管理和规划经验表明,缺乏准确的交通流预测,上述措施难以有效地解决港口既以存在的交通问题。城市交通流预测技术的发展为港区交通流预测提供了很好的经验借鉴,但港区交通的复杂性和不确定性决定了必须有针对性对港区交通流预测方法进行研究,以满足对港区交通进行科学规划和管理的需要。
城市交通流预测方法不能直接用于港区交通流预测,从已经检索到的资料可以看出,基本上现有的港区交通管理、组织方法的交通流依据都采用城市交通流预测方法,在做了极少的修正后,直接应用于港区,应用效果均不甚理想。主要可归纳为以下几个方面的原因:
1)每天不同时段港区交通流无规律、变化较大
城市交通由于交通发生、吸引区域稳定且主要为通勤、通学等稳定交通流,因此每天都有固定早晚高峰,交通总量和各路段交通流量在每天不同时段服从一定的规律,可根据历史数据统计后加以预测。而港区交通由于码头集港时间、船舶数量和容量、后方堆场分布等条件的影响,交通流每天无明显高峰和平峰规律,不同时段交通流变化较大,因此,采用按日历史数据统计交通流规律的方法不适用于港区交通流分时段预测。
2)港区道路交通需求产生机理是基于交通需求交通流预测的基础
城市道路交通需求主要是基于人的出行,且受到用地性质变化、出行习惯、发生吸引小区迁移等很多不确定因素的影响,难以根据交通需求进行每日交通流预测。港区交通需求主要产生于货物运输的需要,预约集港模式下,集港船舶达到时间、集港货物量、前方服务堆场、后方供货堆场分布能根据每次集港特征进行确定,因此可知主要的交通发生、吸引区域所在及时间规律,这是基于交通需求的港区交通流预测的基础。
3)港区交通路网简单、干扰少,为基于交通需求的港区交通流预测提供了便利
城市交通路网复杂,出行路径很难预测,且存在很多干扰因素,如商场开业、景点开放等因素都会造成交通流局部的较大变化。港区交通路网相对简单,驾驶员从后方堆场到前方堆场的出行路径较为固定,其它干扰交通流较少且规律明显,基于交通需求的港区交通流预测时可先单独考虑船舶驱动的交通流,再将干扰交通流加以整合,这为基于交通需求的港区交通流预测提供了便利。
为缓解港区交通拥堵,不少港口采用了预约集港和二次集港模式。首先根据预测集港时间将货物运抵后方堆场,集港开始后将货物由后方堆场运向前方堆场,由于码头集港时间、船舶数量和容量等条件的影响,该模式下不同时段交通流变化较大,这给预测港区交通流带来了难度,但另一方面由于交通流流向明确,也为准确预测港区交通流提供了有利条件。
发明内容
本发明的目的在分析预约集港模式下港区交通流特征的基础上,改进城市交通流预测方法,提出适用于港区交通管理的交通流预测方法。为此,本发明采用如下的技术方案。
一种预约集港模式下的港区交通流预测方法,包括下列几个方面:
(1)对交通发生和吸引区域进行划分,将与集港泊位对应的空间位置相近的前方堆场归入不同吸纳点;根据历史规律统计发生、吸引区域的分时段交通量,形成各交通发生区域、吸引区域历史交通量分时段分布规律;
(2)由下发动态信息获知集港的船舶数量、容量及主要前方堆场,从而确定交通吸引区域及交通量;
(3)由下发动态信息获得货代及揽货风格后,确定对应的后方堆场,从而得到交通发生区域分布及交通量;
(4)根据交通发生区域、吸引区域的历史交通量分时段分布规律,预测当前各区域集港分时段交通量;
(5)根据前后堆场收发货物的对应关系及港区路网结构,可得到发生区域、吸引区域的集港车辆OD分布,加入历史统计的通勤OD,得到对应发生、吸引区域的总OD;
(6)采用Logit模型估计交通流量在各路段的分布。
作为根优选实施方式,步骤(2)中,设第i个吸纳点强度 其中NC i表示第i个吸纳点同时集港的船只数量,CC i,j表示第i个吸纳点第j船只的容量,NA i为第i个吸纳点最大同时集港船舶总容量,NA D为吸纳点强度等级数量,SA i的每个等级代表一定数量的交通量NA L,根据SX i的等级计算得出不同吸纳强度对应的交通量大小,即
步骤4中,第t个时段交通发生区域k的交通量 其中表示根据历史统计规律得到的第t个时段交通发生区域k的交通量;第t个时段交通吸引区域i的交通量 其中表示根据历史统计规律得到的第t个时段交通吸引区域i的交通量;
对于OD点对(r,s),步骤6中按下列方法实现交通流预测:
(2)根据 和 计算OD点对(r,s)间路径i第k时段分配的交通流量,式中,Vi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量;Vk r,s表示OD点对(r,s)间第k时段的总交通流量;Pi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量比例;表示OD点对(r,s)间第k时段的平均交通阻抗值;θ表示分配参数,度量出行者对路网熟悉程度的指标。
本发明改进城市交通流预测方法,提出一种适用于港区交通管理的交通流预测方法,经过仿真验证,本发明能基本反映实际交通流状况,能用于预测交通流发展趋势,提前进行交通管制和疏导,避免产生大的拥堵点和拥堵区域的蔓延。
附图说明
图1基于交通需求的港区交通流预测框架。
图2仿真路网。
图3主要发生\吸引区域分时段交通量。
图4路段34实验1客流预测结果(预测时长2小时)。
图5路段34实验2客流预测结果(预测时长1小时)。
具体实施方式
下面结合附图和实施例对本发明做进一步详述。
预约集港模式下,二次集港时,港区交通需求主要是由船舶到达驱动的,与集港船舶数量,船舶容量大小,泊位分布,集港时间,揽货风格及货代特征有关。
1.1 集港船舶数量、船舶容量大小、泊位分布影响
集港船舶数量、船舶容量大小及泊位分布对集港交通需求总量有直接影响,决定着集港时间段内从后方堆场到前方堆场OD总量的大小及交通流方向。为了对港区交通流进行较精确预测,可将这些因素进行量化处理。首先将与集港泊位对应的空间位置相近的前方堆场归入不同吸纳点,吸纳点的设置应考虑主要交通流方向、主干道位置、空间距离等影响,考虑需要将交通流预测与交通控制与诱导方式相结合,集港的前方堆场吸纳点数量不要超过3个。然后根据前方堆场对应的集港船只数量和容量大小,对吸纳点吸引强度进行分类,第i个吸纳点强度 其中NC i表示第i个吸纳点同时集港的船只数量,CC i,j表示第i个吸纳点第j船只的容量,AM i为第i个吸纳点最大同时集港船舶总容量,ND为吸纳点强度等级数量。每类SX i等级代表一定数量的交通量,根据SX i的等级可计算得出不同吸纳强度对应的交通量大小。
1.2 集港时间影响
集港时间主要影响交通流时间分布规律,从集港开始到集港结束,不同时间段交通总流量的大小服从一定规律。根据历史纪录,从集港开始到结束时间段内,统计进入吸纳点对应前方堆场的交通量大小,加和之后得到吸纳点交通量的时间分布规律。将集港时间划分为NT个时间段,根据1.1得到的不同吸纳点交通量大小和吸纳点交通量的时间分布规律,得到每个时间段吸纳点的交通量,考虑各路段到吸纳点的行驶时间,得到该吸纳点影响各路段不同时间段交通流状态的交通量大小。
1.3 船舶货代及揽货风格影响
揽货风格及货代决定了集港交通流发生区域的空间分布,每类揽货风格的集港船及货代揽货时都集中相对比较固定的后方堆场,从而也就决定了从后方堆场到前方堆场交通流的主要路径。将后方堆场按空间分布划分交通流发生区域,将各类别船舶货代及其揽货风格进行分类,划分到各交通流发生区域,动态信息下发货代后可根据货代类型确定后方交通流发生区域。
1.4 改进的logit分配法
本发明采用改进的logit分配法对港区交通流量进行分配。OD点对(r,s)间路径i第k时段的交通阻抗值Ri,k r,s的计算公式为:
式中Vi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量;Vk r,s表示OD点对(r,s)间第k时段的总交通流量;Pi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量比例;表示OD点对(r,s)间第k时段的平均交通阻抗值。θ表示分配参数,度量出行者对路网熟悉程度的指标,当θ→0时,出行者将会均匀的分布在所有有效出行路线上,本发明取θ=4。
2.5 基于交通需求的港区交通流预测框架
本发明的基于交通需求的港区交通流预测框架如下图1所示。本发明从中观上对交通流在时间和空间上的分布进行估计,根据前方堆场集港时间时间段划分细化程度,其估计的时间长度在15分钟至2个小时。
本发明的基于交通需求的港区交通流预测方法包括下列几个步骤:
(1)对交通发生和吸引区域进行划分,将与集港泊位对应的空间位置相近的前方堆场归入不同吸纳点;根据历史规律统计发生、吸引区域的分时段交通量,形成各交通发生区域、吸引区域历史交通量分时段分布规律。
(2)由下发动态信息获知集港的船舶数量、容量及主要前方堆场,从而确定交通吸引区域及交通量。根据前方堆场对应的集港船只数量和容量大小,对吸纳点吸引强度进行分类,第i个吸纳点强度 其中NC i表示第i个吸纳点同时集港的船只数量,CC i,j表示第i个吸纳点第j船只的容量,NA i为第i个吸纳点最大同时集港船舶总容量,NA D为吸纳点强度等级数量。SA i的每个等级代表一定数量的交通量NA L,根据SX i的等级可计算得出不同吸纳强度对应的交通量大小,即
(3)由下发动态信息获得货代及揽货风格后,确定对应的后方堆场,从而得到交通发生区域分布及交通量。第k个发生区域的交通发生量为 其中NA表示吸引区域的数量;表示相似条件下,第k个发生区域的历史统计交通量,由区域内各后方堆场历史交通量累计得到;Np表示发生区域的数量。
(4)根据交通发生区域、吸引区域的历史交通量分时段分布规律,预测当前各区域集港分时段交通量。第t个时段交通发生区域k的交通量 其中表示根据历史统计规律得到的第t个时段交通发生区域k的交通量。第t个时段交通吸引区域i的交通量 其中表示根据历史统计规律得到的第t个时段交通吸引区域i的交通量。
(5)根据前后堆场收发货物的对应关系及港区路网结构,可得到发生区域、吸引区域的集港车辆OD分布,加入历史统计的通勤OD,得到对应发生、吸引区域的总OD。
(6)采用Logit模型估计交通流量在各路段的分布。采用改进的logit分配法对港区交通流量进行分配。OD点对(r,s)间路径i第k时段的交通阻抗值Ri,k r,s的计算公式为:
式中Vi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量;Vk r,s表示OD点对(r,s)间第k时段的总交通流量;Pi,k r,s表示OD点对(r,s)间路径i第k时段分配的交通流量比例;表示OD点对(r,s)间第k时段的平均交通阻抗值。θ表示分配参数,度量出行者对路网熟悉程度的指标,当θ→0时,出行者将会均匀的分布在所有有效出行路线上,本实施例取θ=4。
本发明的基于交通需求的港区交通流预测主要用来对交通流拥堵点进行提前估计,提前采取交通措施加以避免,此外还可用来为短时交通流预测(15分钟以内)提供依据。
3 仿真实验及分析
3.1 仿真实验
为了检验本发明港区交通流预测方法的有效性,设计了2组仿真试验进行验证,如表1所示。采用的路网结构是天津港北疆港区路网,为仿真需要对路网进行了部分简化和修改。仿真路网的集港交通发生区域和吸引区域各为2个,如图2所示,其集港交通发生\吸引区域交通量如图3所示。为使仿真更接近实际,在路网中设置了一定的通勤出行等出行发生、吸引区域,这些区域的发生吸引量规律可通过历史数据统计得到,本仿真实验中,各区域间的发生吸引量大小差别在20-50%之间,篇幅所限,不详细列出。
表1 仿真实验
实验序号 | 说明 |
1 | 基于交通需求的港区交通流预测,集港时间24小时,划分12个时段 |
2 | 基于交通需求的港区交通流预测,集港时间24小时,划分24个时段 |
3.2 仿真结果
对实验1、2进行仿真,得到基于交通需求的港区交通流预测结果。提取路段34的实际流量与预测值进行比较,如表2、3,图4、5所示。
表2 路段34集港时间划分12个时段的客流预测结果
表3 路段34集港时间划分24个时段的客流预测结果
3.3 仿真结果分析
1)由图4、5可知,路段34的实际流量没有表现出城市交通流早晚高峰的特征,因此不能采用城市交通流统计方法对港区交通流进行预测。
2)由图4、5可知,预测流量曲线趋势与实际流量曲线基本一致,说明基于交通需求的港区交通流预测能基本反映实际交通流状况,能用于预测交通流发展趋势,提前进行交通管制和疏导,避免产生大的拥堵点和拥堵区域的蔓延。
3)基于交通需求的港区交通流预测虽然精度不特别高,但其预测提前期较长,有充分的时间根据预测结果实施交通管理措施。因此能为更提高港区交通管理和组织效率、充分利用港区交通设施提供保障。
Claims (3)
1.一种预约集港模式下的港区交通流预测方法,包括下列几个方面:
(1)对交通发生和吸引区域进行划分,将与集港泊位对应的空间位置相近的前方堆场归入不同吸纳点;根据历史规律统计发生、吸引区域的分时段交通量,形成各交通发生区域、吸引区域历史交通量分时段分布规律;
(2)由下发动态信息获知集港的船舶数量、容量及主要前方堆场,从而确定交通吸引区域及交通量;
(3)由下发动态信息获得货代及揽货风格后,确定对应的后方堆场,从而得到交通发生区域分布及交通量;
(4)根据交通发生区域、吸引区域的历史交通量分时段分布规律,预测当前各区域集港分时段交通量;
(5)根据前后堆场收发货物的对应关系及港区路网结构,可得到发生区域、吸引区域的集港车辆OD分布,加入历史统计的通勤OD,得到对应发生、吸引区域的总OD;
(6)采用Logit模型估计交通流量在各路段的分布。
3.根据权利要求1所述的港区交通流预测方法,其特征在于,对于OD点对(r,s),步骤(6)中按下列方法实现交通流预测:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101002222A CN101777260B (zh) | 2010-01-22 | 2010-01-22 | 预约集港模式下的港区交通流预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101002222A CN101777260B (zh) | 2010-01-22 | 2010-01-22 | 预约集港模式下的港区交通流预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101777260A CN101777260A (zh) | 2010-07-14 |
CN101777260B true CN101777260B (zh) | 2012-07-04 |
Family
ID=42513712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101002222A Active CN101777260B (zh) | 2010-01-22 | 2010-01-22 | 预约集港模式下的港区交通流预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101777260B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842219B (zh) * | 2012-08-29 | 2014-07-16 | 苏州大学 | 预测方法和系统 |
CN103606267B (zh) * | 2013-11-20 | 2016-02-10 | 天津市市政工程设计研究院 | 基于产生点-吸引点的港口道路网络交通量智能预判方法 |
CN103870890B (zh) * | 2014-03-19 | 2016-08-24 | 四川大学 | 高速公路网交通流量分布的预测方法 |
CN108389406B (zh) * | 2018-04-26 | 2020-12-04 | 苏州城方信息技术有限公司 | 信号控制时段自动划分方法 |
CN108417040B (zh) * | 2018-05-14 | 2020-09-08 | 武汉理工大学 | 一种特色小镇交通分布预测方法 |
CN110220526B (zh) * | 2019-05-15 | 2023-07-04 | 浙江工业大学之江学院 | 基于路径时间价值的anpr车辆导行方案生成方法 |
CN111696369B (zh) * | 2020-04-10 | 2023-04-28 | 北京数城未来科技有限公司 | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 |
CN111968406B (zh) * | 2020-08-18 | 2021-06-25 | 江苏航运职业技术学院 | 一种基于混沌理论的船舶短时交通流模糊预测方法 |
CN116386365B (zh) * | 2023-06-05 | 2023-08-25 | 交通运输部水运科学研究所 | 一种提升港区道路安全性的交通路径诱导方法及系统 |
-
2010
- 2010-01-22 CN CN2010101002222A patent/CN101777260B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101777260A (zh) | 2010-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101777260B (zh) | 预约集港模式下的港区交通流预测方法 | |
CN101789176B (zh) | 预约集港模式下的港区短时交通流预测方法 | |
McIntosh et al. | The role of urban form and transit in city car dependence: Analysis of 26 global cities from 1960 to 2000 | |
Ali et al. | Travel behavior analysis using smart card data | |
CN102819955B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
Nesamani et al. | Estimation of vehicular emissions by capturing traffic variations | |
Eliasson et al. | Accuracy of congestion pricing forecasts | |
CN103208034B (zh) | 一种轨道交通客流分布预测模型建立及预测方法 | |
Deenihan et al. | Measuring the success of the Great Western Greenway in Ireland | |
CN104260724A (zh) | 一种车辆智能预测控制系统及其方法 | |
Liu et al. | Evaluating the impacts of unconventional outside left-turn lane design on traffic operations at signalized intersections | |
Van Woensel et al. | A stochastic approach to traffic congestion costs | |
Taylor et al. | Measuring cost variability in provision of transit service | |
Ewing et al. | Combined effects of compact development, transportation investments, and road user pricing on vehicle miles traveled in urbanized areas | |
Sarasua et al. | Estimating interstate highway capacity for short-term work zone lane closures: development of methodology | |
Tasic et al. | Use of spatiotemporal constraints to quantify transit accessibility: Case study of potential transit-oriented development in West Valley City, Utah | |
Torrisi et al. | Combining sensor traffic and simulation data to measure urban road network reliability | |
Wang et al. | Energy consumption and carbon footprint of high-speed rail projects: Using CAHSR and FHSR as examples | |
Giuffre et al. | Emission factors related to vehicle modal activity | |
Huang et al. | A simulation method for analyzing and evaluating rail system performance based on speed profile | |
CN111145562A (zh) | 城际公路出行量统计方法、装置及电子设备 | |
Kim et al. | Development of real-time optimal bus scheduling and headway control models | |
Hassan et al. | Area traffic capacity in centeral areas–Alexandria city center as a case study | |
CN101866549A (zh) | 区域交通服务水平微观指标及评价方法 | |
Confessore et al. | A simulation-based approach for estimating the commercial capacity of railways |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin Patentee after: Tianjin municipal engineering design and Research Institute Co.,Ltd. Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin Patentee before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute |
|
CP01 | Change in the name or title of a patent holder |