CN101819717A - 基于交通状态时空模型的路网性能判定方法 - Google Patents

Abstract

一种基于交通状态时空模型的路网性能判定方法，属于智能交通技术领域，包括获取交通流参数；进行交通子区动态划分；建立区域交通状态时空模型和对路网性能分析步骤实现，其中，交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间，交通子区动态划分采用周期原则对子区进行动态划分。按照本发明的思想进行建模、分析，可以从根本上找出交通拥挤问题的症结，从而提出相应的拥挤疏导方案，使交通管理具有方向性、目的性和高效性，显著提高城市交通管理的水平。

Description

基于交通状态时空模型的路网性能判定方法

技术领域

本发明涉及一种城市区域交通运行状态分析方法，主要用于城市交通管理中的信号控制、诱导及拥挤疏导策略的生成，属于智能交通研究领域。

背景技术

随着社会经济的快速发展，道路车辆不断增多，道路交通需求增长迅速，道路交通状况正变得日益严峻。恶性交通事故及交通拥挤的迅速增加，不但严重威胁人民生命和财产的安全，也给道路交通的运行效率带来了严重影响。在这种背景下，先进的交通信息管理系统(ATIMS)受到了广泛的关注，在世界各国都得到了快速的发展，被用于动态路径规划、动态导航、路网信号协调控制等各个方面。其中，对城市路网实时运行状态的分析与评估是ATIMS中关键的组成部分。

目前，在城市路网交通状态研究方面，主要利用模式识别的方法，避开路网状态建模问题，直接从检测数据得出相关结论。区域交通状态分析并没有一种合理的时空模型，所得结果不能同时得出包含时间信息和空间信息的区域交通状态。因此无法对城市路网当前的运行状态做出客观的评估，严重影响了城市交通管理水平。

交通状态时空分析模型的建立是区域交通状态分析的关键和基础。交通系统状态分析模型需要同时考虑时间、空间和交通状态参数，其中，交通状态参数是包含微观、中观和宏观等不同尺度。建立交通状态分析模型，需要在多个交通参数中选择或重新定义反映路口和路段状态的通用变量，需要建立包含时空交通状态信息的模型。

技术内容：

本发明要解决的技术问题是公开一种基于交通状态时空模型的路网性能判定方法，提出了一种基于道路状态参数的时空模型，并在此模型的基础上对路网性能进行时间和空间不同尺度上的分析。

本发明解决技术问题的方案包括以下步骤：

1、获取交通流参数；

2、进行交通子区动态划分；

3、建立区域交通状态时空模型；

4、对路网性能分析，并做出判定决策；

其中，交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间，交通子区动态划分采用周期原则对子区进行动态划分。

本方法中所需要的交通流参数主要为路段行程时间(包括车辆到达排队队尾时间、排队等待时间和通过路口时间三部分)，此参数由GPS浮动车或固定检测器等检测方式获得，经相关数据处理后直接作为模型输入，减少了冗余。

由于交通系统的随机性、动态性等，在计算机容量、速度和性能方面等的限制下，对整个网络进行统一的控制与诱导的协同显然是不现实的。交通状态分析的目的是为了更好的对交通进行实施协调控制与诱导，以达到路网运营负载均衡、道路畅通的目的。研究表明，路网交通流的特性总是以区域为单位的，即几个相邻交叉口的交通流特性会在一段时间内具有相似性。因此本发明首先将整个城市路网按行政区划静态的划分为几个控制区域，并将其存储于相应的服务器中。然后按照周期原则对这些区域进行动态子区划分和调整，每个子区包括1～10个交叉口，同时将相关数据进行动态存贮。在交通控制与诱导协同条件下，按周期原则进行子区动态划分要经历一个判断过程：交通子区合并或分离是以“合并指标”是否达到“标准”来判断的。当相邻交叉口的“合并指数”达到标准时，将其合并为一个子区；当“合并指数”未达到标准时，保持原状态；当“合并指数”将为0时，原属于同一个子区的相邻交叉口拆分为不同的子区。

接下来建立路网区域交通状态时空模型。首先建立路段时空模型。采用交通控制中心端GIS软件读取道路数据文件，建立道路拓扑关系，采用邻接表结构存贮数据。同时，与以上所提出的交通子区划分建立动态链接，将子区划分结果以数据文件形式存入oracle数据库，并实时更新子区数据。(通过oracle完成)然后按照本发明中规定提取相应的交通流参数数据，计算得到路段行程时间。为了便于路网状态分析，由路段行程时间得到路段交通状态系数，保存在路段属性表中。

在路段时空模型的基础上建立区域交通状态时空模型。在道路拓扑关系数据中提取路口物理邻接关系建立路口邻接矩阵。在路口邻接矩阵的基础上加入时变的路段交通状态信息，便构成了包括时空信息的路段交通邻接状态阵。最后建立的路段交通状态连通矩阵包括了时空信息、交通状态判别信息，能够满足交通状态分析的需要，可以作为区域交通状态分析的模型。

在以上子区动态划分和交通状态时空模型的基础上进行路网性能评价。路网性能评价分两级，首先以交通子区为单位，对其路口可达性、路段连通性和交通状态时间序列进行分析，评估区域道路交通运行状态，将判别结果以电子地图和数据的形式呈现出来；然后以其上级区域为单位，从宏观角度同样进行这三种分析，可以很容易的发现交通拥堵的区域及其发展趋势，以便于交通管理部门及时做出正确的疏导策略。

按照本发明的思想进行建模、分析，可以从根本上找出交通拥挤问题的症结，从而提出相应的拥挤疏导方案，使交通管理具有方向性、目的性和高效性，显著提高城市交通管理的水平。

附图说明：

图1路网性能分析流程图；

图2城市交通控制系统层次示意图；

图3周期原则子区动态划分过程；

图4区域交通状态时空模型建模流程图；

图5邻接表拓扑结构示意图；

图6弧段状态属性图；

图7拥挤度截值取λ_τ＝0.1时的路段连通图；

图8拥挤度截值取λ_τ＝0.05时的路段连通图；

图9路网区域可达性指标时间序列图。

具体实施方式：

为了更好地讲解本发明的技术方案，下面结合附图作进一步的详细描述，路网性能分析的流程如图1所示。

本发明所适用的城市交通控制系统层次结构(如图2)大体上可分成：中央监控中心-区域控制中心-信号控制机。其中区域控制中心又包含几个子系统(也即子区)，每个子系统控制1～10个信号控制机，若干个子系统组合为一个相对独立的系统。系统之间基本上互不相干，而系统内部各子系统之间存在一定的协调关系。随客观交通状况的实时变化，子系统既可以合并，也可以重新分开。

中央监控中心，除了对整个控制系统运行状况及系统各项设备做集中监视之外，还有专门用于系统数据库管理的计算机。执行管理任务的计算机，对所有各区域控制中心的各项数据以及每一台信号控制器的运行参数作动态存贮(以不断更新的动态数据库形式)。

1.交通子区动态划分

按信号周期长度来划分交通子区，被目前许多成功的交通控制系统所采用。周期划分原则的实质是：相邻交叉口信号最佳周期长度相近(周期差小于t秒)，表明其交通状况相似。此时，交叉口合并实行信号协同控制，可使得合并后的各交叉口总延误小于合并前的总延误。t值应根据当地实际情况，考察周期时长与交通状况的相关性，经实地观测调查后确定。

周期原则子区动态划分过程：

在每一个信号控制周期及信息发布周期内，都要进行“合并指标”的判断计算。信息发布周期，交通流诱导系统根据诱导车辆OD数据，经动态交通分配，得到路网各路段交通流量，然后由区域交通控制中心计算出路网各交叉口最佳周期长，判断相邻交叉口周期差。而信号控制周期内“合并指数”的判断计算是根据车辆检测器检测到的交叉口实时交通流量，结合历史流量数据，也由区域交通控制中心经动态交通模型计算各交叉口最佳周期时长，判断相邻交叉口周期差。若相邻交叉口各自所要求的信号周期长度相差不超过t秒，则“合并指数”累积值加1，反之减1。若“合并指数”的累积值达到“s”，则可认为相邻交叉口已经达到合并为一个子区的“标准”。合并后的子区，在必要时还可以自动重新分解，只要“合并指数”累积值降至“0”。一旦“合并指数”累计至临界值s或0，即使达到累计标准，“合并指数”也不再累加，周期原则子区动态划分过程见图3。

2.区域交通状态时空模型建立

本发明在建立区域交通状态时空模型时主要分为两个步骤，建模流程见图4。

(1)首先建立路段时空模型

本发明中道路数据采用oracle数据库存贮，网络拓扑结构的数据采用邻接表结构，该表示法使用两个数组来表示网络的拓扑关系。一个数组存储和弧相关的数据，称之为弧段数组；另一个数组存储和结点相关的数据，称之为结点数组。网络中所有的弧以起点为顺序在数组中排列，起点相同的弧按指向结点ID顺序排列。弧段数组类似于邻接矩阵的压缩存储方式，即一条弧以两结点表示。弧的属性数据，如距离、权值等，保存在弧段属性表中。结点数组相当于一个基于邻接表结构的索引表，对于结点数组的邻接边的列数，本发明采用结点最大出度数确定，如图5所示，图中结点的最大出度为3，则结点数组中弧段部分为3列，在结点数组中，第i个元素存储的是以结点i为起点的所有弧段ID。图5是采用邻接表结构的道路拓扑关系示意图。

在区域路网状态分析中，路段处于连接宏观路网参数和微观路口参数的位置。路段参数通常包括流量、占有率、行程时间、行驶速度等。在建立路段模型时，需采用能够同时反映路段状态和路口状态的公共变量。行程时间能够反映路段和路口的共同状态，并且其在交通诱导中是一个关键的参数，因此本发明采用行程时间来表达路段运行状态，并定义路段行程时间T_ij(k)为某一路段在一天中的第k个交通数据采样时段[t_k，t_k+1]内，车辆到达排队队尾时间、排队等待时间和通过路口时间3部分的总和。其中t_k为第k个数据采样时段的起始时刻。

由于路段行程时间没有考虑路段长度的影响，不能比较相同行程时间下不同路段的交通状态差异。因此为了便于路网状态分析，引入路段交通状态系数的概念。

定义路段交通状态系数s_ij(t_k，t_k+1)(也即路段交通阻抗系数r_ij(t_k，t_k+1))为某一路段l_ij在第k个数据采样时段[t_k，t_k+1]内单位长度路段上的平均行程时间。表达式如下：

$s_{\mathrm{ij}}(t_k,t_{k+1})=r_{\mathrm{ij}}\left(t_k{,t}_{k+1}\right)=\frac{T_{\mathrm{ij}}(t_k,t_{k+1})}{d_{\mathrm{ij}}}=\frac{1}{v_{\mathrm{ij}}(t_k,t_{k+1})}$

路段交通状态系数综合考虑了路段行程时间和路段长度两类物理量，同时可以把计算路段行程时间转化为计算路段平均速度，在实际的交通控制与诱导系统中具有很重要的现实意义。将该系数作为路段的状态属性保存在数据库中，并实时更新。弧段状态属性结构表如图6所示。

(2)建立区域交通状态时空模型

在路段交通状态时空模型的基础上，建立包括路口邻接状态和路段连通状态的区域交通状态时空模型。

提取道路拓扑数据中的节点数组，建立路口邻接矩阵。定义路口邻接矩阵A＝{a_ij}为路口间物理邻接关系，表示路网的空间信息。当两节点相邻并且有弧段连接时其元素值为1；否则为0。

$a_{\mathrm{ij}}=\left\{\begin{array}{cc}1,n_i,n_j\∈\mathrm{Nand}\⟨n_i,n_j\⟩\∈L& i,j=\mathrm{1,2},\·\·\·,m\\ 0,n_i,n_j\∈\mathrm{Nand}\⟨n_i,n_j\⟩\∈L& i,j=\mathrm{1,2},\·\·\·,m\end{array}\right.$

在路口邻接矩阵的基础上，加入时变的路段交通状态信息，便构成了包括时空信息的交通状态阵，称为路段交通邻接状态阵M(t_k，t_k+1)＝{m_ij(t_k，t_k+1)}，表示路口间可到达的阻抗程度。当路口间有弧段直接相连，其元素值为该弧段交通状态系数；否则为无穷大。表达式如下：

$m_{\mathrm{ij}}(t_k,t_{k+1})=\left\{\begin{array}{cc}{s}_{\mathrm{ij}}(t_k,t_{k+1})& a_{\mathrm{ij}}=1\\ \∞& a_{\mathrm{ij}}=0\end{array}\right.$

根据《城市道路交通管理评价指标体系》(2007版)中的评价指标定义交通拥挤状态临界值，用来评价当前交通状态。定义路段拥挤度截值λ为不同交通拥挤状态对应速度的倒数，即

$\mathrm{\λ}=\frac{1}{v}$

在进行交通状态分析时，在拥挤程度值区间指定一个交通拥挤值作为交通拥挤程度截值λ_τ。例如：可以取λ₁＝0.1作为严重拥挤程度截值；λ₂＝0.05作为拥挤程度截值；λ₃＝0.037作为轻微拥挤程度截值。选定路段拥挤截值后，利用路段交通状态系数与拥挤截值的比较可得到路段在该截值下的连通性。

最后，在路段交通邻接状态阵的基础上，定义路段交通连通矩阵为路段在给定路段拥挤度截值λ_τ下路段连通状态的矩阵。当路段交通邻接状态阵元素值小于给定拥挤度截值时，其值为1；否则为0。即C(λ_τ，[t_k，t_k+δ])＝{c_ij(λ_τ，[t_k，t_k+δ])}，其中：

$c_{\mathrm{ij}}({\mathrm{\&lambda;}}_{\mathrm{\&tau;}},[t_k,t_{k+\mathrm{\&delta;}}\left]\right)=\left\{\begin{array}{cc}1,& s_{\mathrm{ij}}(t_k,t_{k+\mathrm{\&delta;}})<{\mathrm{\&lambda;}}_{\mathrm{\&tau;}}\mathrm{and}{a}_{\mathrm{ij}}=1\\ 0,& s_{\mathrm{ij}}(t_k,t_{k+\mathrm{\&delta;}})\&GreaterEqual;{\mathrm{\&lambda;}}_{\mathrm{\&tau;}}\mathrm{or}{a}_{\mathrm{ij}}=0\end{array}\right.$

路段交通连通矩阵C(λ_τ，[t_k，t_k+δ])包括了时空信息、交通状态判别信息，能够满足交通状态分析的需要，可以作为区域交通状态时空分析的模型。

3.路网性能分析

根据区域交通状态时空模型，本发明提出对路网进行三个方面的分析：路口可达性分析、路段连通性分析和交通状态时间序列分析。

(1)路口可达性分析

一条路径由从起点到终点间相互连接的路段组成，定义一条路径的阻抗为该路径上所有路段阻抗之和。

在道路交通网络中，连接两个节点间的路径往往不止一条，定义两节点的阻抗为连接起点到终点的所有路径中阻抗最小的那条路径所具有的阻抗值。即从节点i到j得通行阻抗为：

$R_{\mathrm{ij}}(t_k,t_{k+1})=\underset{n}{\min }(r_{{\mathrm{in}}_1}(t_k,t_{k+1})+r_{n_1{n}_2}(t_k,t_{k+1})+\&CenterDot;\&CenterDot;\&CenterDot;+r_{n_{m}j}(t_k,t_{k+1})),\&lang;n_{m-1},n_m\&rang;\&Element;L$

由节点i到节点j的可达性，也称为节点j对节点i的可达性。在其他条件相同时，阻抗越大，可达性越低。定义两节点的可达性为其交通阻抗的单调递减函数，满足这一条件的函数有多种形式，如反比例函数和负指数函数等。负指数函数具有值域归一性，由于比较等优点，因此选取负指数函数来进行可达性计算。记节点i到j得可达性为：

$d_{\mathrm{ij}}(t_k,t_{k+1})=f\left(R_{\mathrm{ij}}(t_k,t_{k+1})\right)=e^{-c{R}_{\mathrm{ij}}(t_k,t_{k+1})}$

式中，d_ij(t_k，t_k+1)即为节点j对节点i的可达性指标；c为常数。从式中可以看出，由于阻抗非负，可达性的值域为[0，1]。

节点可达性适用于评价现有城市道路网络，体现了在当前路网交通条件下任意两点间可通达的便利程度。可达性指标值越大，表明从起点到终点的最优路径交通状态越好，行车越通畅。在实际应用中交通管理人员可通过GIS软件选取一些关键的节点作重点分析，根据节点间的可达性指标值很容易的看出节点间的通达程度，从而制定有针对性的交通疏导策略。

按照上述方法，由后台服务器结合道路交通数据库计算得到路网中节点对间的可达性后，就可以得到路网区域整体可达性指标。路网区域整体可达性为路网区域中所有相邻节点可达性的算术平均值，即

${\stackrel{\&OverBar;}{d}}_{\mathrm{ij}}(t_k,t_{k+1})=\frac{1}{n}\underset{\&lang;i,j\&rang;\&Element;L}{\mathrm{\&Sigma;}}{r}_{\mathrm{ij}}(t_k,t_{k+1})$

从路口可达性指标的计算可以看出，可达性指标综合了路网时空数据、路段距离、交通状态参数等因素，描述了城市路网交通运行的连接性能。通过路网区域整体可达性量化了该区域运行通畅状态。

(2)路段连通性分析

设在某时刻交通控制的目标是维持状态系数在某一λ_τ(交通状态截值)值以下，比如在高峰期交通管控的目标是避免出现严重拥挤状态，则取λ_τ＝0.1。当某时刻某条路段上交通状态系数值小于λ_τ时，则此时两节点间的可达性好于规定的状态截值λ_τ时的可达性，这种情况下认为两节点是连通的。相反，若路段上交通状态系数值大于λ_τ时，此时两节点间的可达性较规定的状态截值λ_τ时的可达性要差，这时认为两节点不连通。路段交通连通矩阵C(λ_τ，[t_k，t_k+δ])体现了这种情况。

路网上任意两节点的连通性定义为如果存在一条从起点i到终点j的路径，该条路径上所有的路段状态系数都满足s_ij(t_k，t_k+1)＜λ_τ，则认为从i到j是连通的；相反，如果从i到j不存在一条路径满足该路径上所有路段的状态系数都小于λ_τ，则i到j不连通。

从路网的组成及交通变化来看，路网交通状态不仅反映为以路段或交叉口为单位所具备的自身独立的属性，而且表现在其间相互影响和关联上，具有重要的时空特征。所以，在对路网进行连通性判断后，不连通路段在路网中往往呈现某种规律性分布，归纳起来其空间分布有如下几种基本形式：

(a)点 一条独立路段不连通，该条路段上游交叉口所有进口方向路段均为连通状态，下游交叉口其他路段也均为连通状态。

(b)线 某条连线上的节点在某方向上相互连接点均不连通，造成这条路径不连通。这种情况往往发生在高峰期间，交通流量的激增或者由于局部的交通阻塞未得到及时解决，使得交通拥挤在相互关联的路段上蔓延，并且主要分布在一条城市主干道上。

(c)面 相互关联的路段均不连通，成区域性分布。这种情况往往发生在区域性交通拥挤的情况下，相互连接的交叉口均发生不同程度的拥挤，并且拥挤不断向周围扩散。有时甚至会出现节点“孤立”的情况，即与节点相关的所有路段都是不连通的，这种节点往往处于路网的关键位置，是城市交通控制的重点。

一般说来，不连通路段的空间分布由以上三种基本类型组成，某一状态下，可能是其中一种，也可能是三种同时存在。

判断不连通路段的空间分布对于预防和治理交通拥挤具有十分重要的意义。尤其是取定合理的λ_τ值下，若检测到不连通路段呈线状或区域分布形态，说明此时该条线路或区域内的路段交通状态相似，一但某处发生交通拥挤，拥挤很容易会蔓延到整条线路或整个区域，后果将无法估计。

可以通过实时地收集处理地点交通信息，在不同状态截值下将不连通路段反映到城市道路网络结构上，就可以生成不连通路段的空间分布情况。此过程通过GIS软件完成，将分析结果显示在大屏幕上。比如图7和图8分别表示了某一子区在拥挤度截值取λ_τ＝0.1时和λ_τ＝0.05时的路段连通图，其中实线表示连通，虚线表示不连通。

(3)交通状态时间序列分析

为了进一步了解路段拥挤状况，可对某一个方向路段、某条线路上的路段甚至对区域路段的交通状态进行时间序列分析，挖掘交通状态数据中隐含的信息，提高交通管理与控制的水平。

对某条弧段或某个区域，根据式

得到的平均可达性，分析其时间序列分布，得到二维曲线图，即路网区域可达性指标时间序列图(如图9所示)。若d_ij呈上升趋势，说明该区域可达性变好，交通状态趋向畅通；若d_ij呈下降趋势，说明该区域可达性变差，交通状态趋向更加拥挤，是交通管理的重点。

Claims (5)

1.一种基于交通状态时空模型的路网性能判定方法，其特征包括以下步骤：

(1)获取交通流参数；

(2)进行交通子区动态划分；

(3)建立区域交通状态时空模型；

(4)对路网性能分析，并做出判定；

其中，交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间，交通子区动态划分采用周期原则对子区进行动态划分。

2.根据权利要求1所述的路网性能判定方法，其特征在于：交通子区动态划分是交通流诱导系统根据诱导车辆OD数据，经动态交通分配，得到路网各路段交通流量，然后由区域交通控制中心计算出路网各交叉口最佳周期长，判断相邻交叉口周期差，而信号控制周期内“合并指数”的判断计算是根据车辆检测器检测到的交叉口实时交通流量，结合历史流量数据，也由区域交通控制中心经动态交通模型计算各交叉口最佳周期时长，判断相邻交叉口周期差；若相邻交叉口各自所要求的信号周期长度相差不超过t秒，则“合并指数”累积值加1，反之减1；若“合并指数”的累积值达到“s”，则可认为相邻交叉口已经达到合并为一个子区的“标准”。

3.根据权利要求2所述的交通子区动态划分方法，其特征在于：合并后的子区，还可以自动重新分解，只要“合并指数”累积值降至“0”，一旦“合并指数”累计至临界值s或0，即使达到累计标准，“合并指数”也不再累加。

4.根据权利要求1所述的路网性能判定方法，其特征在于：建立区域交通状态时空模型，首先需要建立路段时空模型，通过读取道路数据文件，建立道路拓扑关系，采用邻接表结构存贮数据，同时，与所提出的交通子区划分建立动态链接，将子区划分结果以数据文件形式存入数据库，并实时更新子区数据，得到路段行程时间，然后在道路拓扑关系数据中提取路口物理邻接关系建立路口邻接矩阵，在路口邻接矩阵的基础上加入时变的路段交通状态信息，便构成了包括时空信息的路段交通邻接状态阵，最后建立的路段交通状态连通矩阵包括了时空信息、交通状态判别信息，作为区域交通状态分析的模型。

5.根据权利要求1所述的路网性能判定方法，其特征在于：所述的对路网性能分析，并做出判定是在子区动态划分和交通状态时空模型的基础上进行路网性能评价，路网性能评价分两级，首先以交通子区为单位，对其路口可达性、路段连通性和交通状态时间序列进行分析，评估区域道路交通运行状态，将判别结果以电子地图和数据的形式呈现出来；然后以其上级区域为单位，从宏观角度对这三种分析。

Images