CN102592440A - 道路网关键节点诊断技术 - Google Patents

道路网关键节点诊断技术 Download PDF

Info

Publication number
CN102592440A
CN102592440A CN2012100328500A CN201210032850A CN102592440A CN 102592440 A CN102592440 A CN 102592440A CN 2012100328500 A CN2012100328500 A CN 2012100328500A CN 201210032850 A CN201210032850 A CN 201210032850A CN 102592440 A CN102592440 A CN 102592440A
Authority
CN
China
Prior art keywords
node
traffic
road
nodes
road network
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.)
Pending
Application number
CN2012100328500A
Other languages
English (en)
Inventor
吴建平
杨筱娟
周杨
贾宇涵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN2012100328500A priority Critical patent/CN102592440A/zh
Publication of CN102592440A publication Critical patent/CN102592440A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了城市道路网规划技术领域中的一种道路网关键节点诊断技术。本发明首先计算节点的几何拓扑数值;然后计算节点的交通量;对节点进行排名计算,得到节点的排名及关键节点。本发明确定出关键节点后,可以对关键节点进行保护,采取限流、分流或区域收费等措施,增加路网的稳定性。

Description

道路网关键节点诊断技术
技术领域
本发明属于城市道路网规划技术领域,尤其涉及一种道路网关键节点诊断技术。
背景技术
在交通领域已经提出了交通需求管理的概念,从供求和管理两个方面解决城市交通问题。一方面,为了合理引导城市居民出行,缓解交通拥堵问题,必须实施城市交通总量控制管理和制定科学的交通发展政策;另一方面,为了不断挖掘城市的交通供给能力,必须实施科学的交通工程手段。而路网上究竟哪些路段或交叉口是现状路网的瓶颈,这是城市道路网规划、建设和评价所有工作的关键。能够及时确定出需要改造的道路网节点并对这些节点重点保护,能够达到提高整个路通畅的目的。
可以将城市交通网络抽象为网络,路段为边,交叉口为节点。国内外学者应用复杂网络理论,使用不同的拓扑表示方式对交通网络进行抽象,并对抽象后展示出的路网特征进行了研究,发现路网中80%的节点具有很强的稳定性,但有大约1%的少数节点则在受到环境影响或瞬时较大交通流影响时很容易发生拥堵,进而导致路网的瘫痪。一个节点的崩溃将导致整体网络交通流的重分配,这可能使得其他节点上的负载超过其容量而也崩溃。简单说,如果开始失效的节点是一个重要的节点,它的失效可能触发整个网络的崩溃。我国较大城市的交通路网很容易出现此现象,如2004年7月10日北京市受暴风雨的袭击,41处道路出现不同程度的积水情况,导致整个路网交通严重受阻。
而在道路网中,经常会出现由于早晚高峰和较大活动而产生的瞬时特大流量或者天气环境突然剧烈变化的现象,这时上述重要节点容易崩溃,造成较大较久的拥堵,并影响到整个区域的交通状况。即使在其他路段和节点尚未达到饱和流量的情况下,这种大规模拥堵也有可能发生。所以我们有必要对路网中的节点做出判断和预测,通过定量计算方法将节点的重要程度或脆弱程度进行排序,对容易崩溃的节点做出最大载荷的界定,并通过实时监控手段在其达到这一界限之前获取信息,及时采取限流、分流或收费等手段保护该节点,从而维护区域路网的通畅和安全。北京市有很多这样的重要节点,如西直门桥,如果能控制好该节点的畅通的交通流,是其保持畅通,则西北二环的交通状况将会大有改善。
路网中有些节点对路网效率起着关键作用,这些节点的状态能够影响其他节点的状态,如果这种节点发生拥堵瘫痪,则会导致路网中其他节点的大范围瘫痪,把这样的节点定义为路网中“关键节点”。目前对于道路网关键节点的确定方法,主要运用复杂网络中的方法,即在实验中假设去除节点,从而来考核该节点对网络的重要度。在公路运输网和公交网络中交通网络的节点重要度一般是通过标定经济指标和交通运输指标的权重来确定。但是以上方法均没有考虑到路网中存在的车流,而且随着路网的增大交通流会成几何级数增长,因此当网络较大时,模型不符合实际路网运行的情况,不容易甚至不可能得出正确的结果。所以对交通网络而言,我们不仅要考虑节点本身的拓扑结构,也要考虑流经节点的交通流量等交通特征,本发明正是针对已存在方法的这个不足而设计的。
发明内容
针对上述背景技术中提到现有确定路网关键节点的方法没有考虑车流因素等不足,本发明提出了一种道路网关键节点诊断方法。
本发明的技术方案是,道路网关键节点诊断方法,其特征是该方法包括以下步骤:
步骤1:计算节点的几何拓扑数值;
步骤2:计算节点的交通量;
步骤3:对节点进行排名计算,得到节点的排名及关键节点。
所述节点的几何拓扑数值的计算过程为:
步骤1.1:根据与节点连接的道路条数计算节点的度;
步骤1.2:根据与节点连接的道路类型计算节点的权。
所述节点的交通量的计算公式为:
w i = Σ a = 1 x w ( i , i + a )
其中:
wi为节点的流量;
w(i,i+a)为节点i与节点i+a相连路段的交通流量。
所述对节点进行排名计算公式为:
ϵ i = a 1 R cd i + a 2 R e i
其中:
εi为节点i的重要度;
a1为节点i几何拓扑结构所占权重;
为节点i几何拓扑结构的排序等级;
a2为节点交通量所占权重,a1+a2=1;
Figure BDA0000135580550000034
为节点i的交通量排序等级。
使用本专利提出的方法所确定的道路网关键节点是以拓扑结构和流量信息为基础的重要节点,符合实际交通情况。在确定出关键节点后,就可以有目的地界定该节点的一系列指标,并对节点进行实时监控,在达到上限之前及时对这些关键节点进行保护,采取限流、分流或区域收费等措施,增加路网的稳定性。
附图说明
图1为本发明的示意图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
近年由于路网负荷持续增大,交通系统极为脆弱,各种突发事件引发大面积交通拥堵和导致大范围交通瘫痪的风险和频率越来越高,往往很平常的一场大雪,或者夏日里的一场暴雨就能导致整个路网的交通处于瘫痪状态。因此,研究道路网络的关键节点,对其进行保护,就可以预防在这些节点上因突发事件引起路网的瘫痪,或在突发事件发生后及时采取措施减轻对路网的影响,增加路网的通畅性。
针对目前使用的路网节点重要度分析方法中存在的问题,有必要提出一种全新的道路网关键节点诊断方法,综合考虑路网拓扑和交通流特性,使在不必使用计算机编程的情况下,确定各个节点在网络中的相对重要程度。
道路网关键节点诊断技术涉及到三个方面的指标,需要进行数据采集并对它们进行综合分析。
1、确定节点的度
城市交通网络拓扑结构与阻塞程度存在很大的关系。节点的度是一个局部特征,是刻画和衡量一个节点特性的最简单同时也是最重要的概念,反映节点的连接复杂程度,但是它忽略了路段的流量特征,也不能进一步区分度相同的节点的重要程度,只能反映重要性的第一个方面。本发明使用同节点相连的道路条数来量化地体现该节点的度,连接道路的数量越多,该节点也就越复杂,度就越高。
2、确定节点的权值
定义节点的权值为同该节点相连接的边的数量和其重要程度。网络中不同节点同其他节点的连接方式是不同的,为了进一步反映路网节点的重要度,需要考虑不同节点的权值。本文将节点的权重等价于同该节点相连接道路的数量和等级的组合值,这作为衡量节点重要性的第二个方面。
3、确定节点的流量
流经节点的车流量反映了相应的节点在整个网络中的作用。该指标描述了交通流经过该节点的可能性。其原理是在使用最短路径算法时,在所有最短路径中经过某一节点的最短路径数量越多,则流经其的交通流量就越大。所以利用该指标可以确定节点重要度的第三个方面,即路网节点在实际应用中的重要程度。
在交通分配过程中,出行者通常选择最小费用的路径,因此有较多最短路径经过的节点将会分配较多的交通流量。随着网络中流量的增大,这些节点也承担了网络中越来越强的运输任务,从而导致这些节点最先容易产生交通阻塞。只有保证这种节点不发生拥塞,才能实现对交通网络拥塞的有效控制。
路段交通量的大小将直接决定路段的交通拥挤状况,是实时影响路网相邻节点相关性大小的因素。当路段交通量较小时,节点之间将剩余较大的容纳交通量,车流行驶的离散性较强,相邻节点之问相关性较弱;当路段交通量较大时,节点之间将剩余较小的容纳交通量,车流行驶的离散性较弱,相邻节点之间相关性强,突发事件发生后影响的范围会加大,不容易控制。因此我们可以用路段的交通流量衡量节点的交通流量,将该流量定义为节点重要性的第三个特征。
本发明结合交通网络的特点,提出了交通网络节点重要性评价指标的选取,这里给出这些指标的量化表达式,进而计算节点的综合重要度。
(1)根据所选取的指标计算节点的重要度
定义节点的重要度为衡量节点重要程度的指标,由节点的几何拓扑和实际交通量共同决定。路网由许多交叉口和路段组成,不同的交叉口对路网交通分流起到的作用不同。有些交叉口是城市主要干道的连接点,日交通量明显高于一些城市街道交叉口的通过量,而且这样的交叉口发生交通拥堵后,很容易蔓延到其他交叉口和路段,在计算节点重要度时,这样的节点是重点考虑的对象,一个路网节点的重要度是由节点的度、权、交通量综合考虑的。节点重要度的计算公式如下:
εi=f(ci,di,ei)                (3-4)
其中:
εi表示节点i的重要度;
f函数表示各项指标的综合排列组合;
ci表示节点i的度;
di表示节点i的权值;
ei表示节点i的交通量。
由于度和权都属于节点的拓扑结构,因此算法分别对节点的拓扑指标和流量指标两个方面进行分析,分三个步骤进行计算。
(2)计算节点的几何拓扑数值
这部分需要考察路网的结构,可根据实际路网节点情况进行分析计算。
节点的度ci由与之相连的线路个数决定,线路个数得分为:5条以上线路10分,4条线路8分,3条线路6分,2条线路4分。节点的交通量是通过与之相连得路段交通量计算而得。
节点的权值di由与节点相连的线路等级(如高速路、主干道、街道等)决定,线路等级评分为高架路10分,主干路8分,次干路5分。
例如,某个十字路口是一条城市主干路和一条城市次干路相交而成,即该节点连接的线路个数为4,记该节点的度为8分,记该节点的权值为2*8+2*5=26(分);若该十字路口是两条主干道相交的丁字路口,则该节点的度为6分,权值为24分。
(3)计算节点的交通量ei
这部分的数据需要进行交通调查来采集,可通过人工交通调查或者电子辅助工具(如摄像机、红外、线圈等数据采集设备)来实现。
设与节点i相连得节点数为x个,用符号i+a表示第i+a个与节点i相连的节点,a=1,2,…x;w(i,i+a)表示节点i与节点i+a相连路段的交通流量,则有如下计算交通量的公式:
w i = Σ a = 1 x w ( i , i + a ) - - - ( 3 - 5 )
wi为节点的交通量,由于任一路段的交通流都是双向的,非对称的,即w(i,i+a)≠w(i+a,i),在计算节点重要度时,w(i,i+a)为流量大的车流方向交通量。
区域内少数(1/3)节点城市所生成的交通量占对应区域全部生成交通量的大多数(2/3)。因此,分析交通节点的交通特性显得尤为重要,也是研究交通网络所提出代表节点运输集散能力的量化指标。
(3)各项指标综合排序组合
单个评价指标虽然能够反映问题的某个或某些方面,但并不完备,若把这类评价指标并列出来体现全部评价内容,又难免不符合实际情况。这就要把他们复合在一起,按一定得数学规则进行组合,使原来指标各自的优点得到加强。在本文中,主要研究交通网络节点的几何拓扑结构特性和交通量特性,使用复合法将这两方面结合起来进行评价。
在实际应用中,为了计算方便,使用以下公式进行计算:
ϵ i = a 1 R cd i + a 2 R e i - - - ( 3 - 6 )
其中:
εi表示节点i的重要度;
a1表示节点i几何拓扑结构(由节点的权和度决定)所占权重;
Figure BDA0000135580550000082
表示节点i的几何拓扑结构的排序等级,可将所有节点的度值与权值之和从大到小依次排列,数值最大者记为1,其次记为2,以此类推;
a2表示节点交通量所占权重,a1+a2=1;
Figure BDA0000135580550000083
表示节点i的交通量排序等级,将所有节点中交通量最大者记为1,
其次记为2,以此类推。在本文中取a1=a2=0.5。
这样排名比较靠前的1%节点被定为道路网的关键节点。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.道路网关键节点诊断方法,其特征是该方法包括以下步骤:
步骤1:计算节点的几何拓扑数值;
步骤2:计算节点的交通量;
步骤3:对节点进行排名计算,得到节点的排名及关键节点。
2.根据权利要求1所述的道路网关键节点诊断方法,其特征是所述节点的几何拓扑数值的计算过程为:
步骤1.1:根据与节点连接的道路条数计算节点的度;
步骤1.2:根据与节点连接的道路类型计算节点的权。
3.根据权利要求1所述的道路网关键节点诊断方法,其特征是所述节点的交通量的计算公式为:
w i = Σ a = 1 x w ( i , i + a )
其中:
wi为节点的流量;
w(i,i+a)为节点i与节点i+a相连路段的交通流量。
4.根据权利要求1所述的道路网关键节点诊断方法,其特征是所述对节点进行排名计算公式为:
ϵ i = a 1 R cd i + a 2 R e i
其中:
εi为节点i的重要度;
a1为节点i几何拓扑结构所占权重;
Figure FDA0000135580540000021
为节点i几何拓扑结构的排序等级;
a2为节点交通量所占权重,a1+a2=1;
为节点i的交通量排序等级。
CN2012100328500A 2012-02-14 2012-02-14 道路网关键节点诊断技术 Pending CN102592440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100328500A CN102592440A (zh) 2012-02-14 2012-02-14 道路网关键节点诊断技术

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100328500A CN102592440A (zh) 2012-02-14 2012-02-14 道路网关键节点诊断技术

Publications (1)

Publication Number Publication Date
CN102592440A true CN102592440A (zh) 2012-07-18

Family

ID=46481014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100328500A Pending CN102592440A (zh) 2012-02-14 2012-02-14 道路网关键节点诊断技术

Country Status (1)

Country Link
CN (1) CN102592440A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590001A (zh) * 2015-12-30 2016-05-18 西北工业大学 一种用于电路脆弱点识别的综合重要度分析方法
CN107085939A (zh) * 2017-05-17 2017-08-22 同济大学 一种基于路网等级划分的高速公路vms布局优化方法
CN107423897A (zh) * 2017-07-20 2017-12-01 青岛大学 一种利用公共交通档案评价公共交通网络的方法
CN107947955A (zh) * 2016-10-13 2018-04-20 中国科学院声学研究所 一种结合虚拟树映射和中心性的网络鲁棒性增强方法
CN109887280A (zh) * 2019-02-28 2019-06-14 北京航空航天大学 一种交通网络节点关键度评估方法
CN110543728A (zh) * 2019-09-05 2019-12-06 大连理工大学 一种城市交通路网关键路口发现方法
CN111862594A (zh) * 2020-06-04 2020-10-30 中国兵器科学研究院 识别道路交通网络中薄弱单元的方法、装置及存储介质
CN113450558A (zh) * 2020-03-27 2021-09-28 上海仙豆智能机器人有限公司 一种识别网络关键节点的方法、系统及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004295346A (ja) * 2003-03-26 2004-10-21 Isac Inc 跨り度測定方法及び該跨り度測定方法を用いた配送エリア分割方法
CN102270388A (zh) * 2011-06-03 2011-12-07 王正武 考虑级联失效的交通网络节点重要度的测算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004295346A (ja) * 2003-03-26 2004-10-21 Isac Inc 跨り度測定方法及び該跨り度測定方法を用いた配送エリア分割方法
CN102270388A (zh) * 2011-06-03 2011-12-07 王正武 考虑级联失效的交通网络节点重要度的测算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋新生,王啸啸,李爱增等: "城市群区域公路网节点重要度评估方法研究", 《交通运输系统工程与信息》, vol. 11, no. 2, 15 April 2011 (2011-04-15) *
贾强,晏克非,张宝玉等: "基于节点重要度与交通区位的公路运输枢纽布局研究", 《山东交通科技》, no. 4, 25 December 2008 (2008-12-25) *
高洁: "交通运输网络节点重要度评价体系研究", 《聊城大学学报(自然科学版)》, vol. 23, no. 3, 25 September 2010 (2010-09-25) *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590001A (zh) * 2015-12-30 2016-05-18 西北工业大学 一种用于电路脆弱点识别的综合重要度分析方法
CN105590001B (zh) * 2015-12-30 2019-01-01 西北工业大学 一种用于电路脆弱点识别的综合重要度分析方法
CN107947955A (zh) * 2016-10-13 2018-04-20 中国科学院声学研究所 一种结合虚拟树映射和中心性的网络鲁棒性增强方法
CN107085939B (zh) * 2017-05-17 2019-12-03 同济大学 一种基于路网等级划分的高速公路vms布局优化方法
CN107085939A (zh) * 2017-05-17 2017-08-22 同济大学 一种基于路网等级划分的高速公路vms布局优化方法
CN107423897A (zh) * 2017-07-20 2017-12-01 青岛大学 一种利用公共交通档案评价公共交通网络的方法
CN109887280A (zh) * 2019-02-28 2019-06-14 北京航空航天大学 一种交通网络节点关键度评估方法
CN109887280B (zh) * 2019-02-28 2020-04-24 北京航空航天大学 一种交通网络节点关键度评估方法
CN110543728A (zh) * 2019-09-05 2019-12-06 大连理工大学 一种城市交通路网关键路口发现方法
CN110543728B (zh) * 2019-09-05 2023-03-21 大连理工大学 一种城市交通路网关键路口发现方法
CN113450558A (zh) * 2020-03-27 2021-09-28 上海仙豆智能机器人有限公司 一种识别网络关键节点的方法、系统及存储介质
CN113450558B (zh) * 2020-03-27 2022-11-08 上海仙豆智能机器人有限公司 一种识别网络关键节点的方法、系统及存储介质
CN111862594A (zh) * 2020-06-04 2020-10-30 中国兵器科学研究院 识别道路交通网络中薄弱单元的方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN102592440A (zh) 道路网关键节点诊断技术
Kumar et al. Short term traffic flow prediction for a non urban highway using artificial neural network
Hiribarren et al. Real time traffic states estimation on arterials based on trajectory data
Chien et al. Predicting travel times for the South Jersey real-time motorist information system
CN100541553C (zh) 道路交通意外事件数据采集和处理方法
CN104484994B (zh) 基于阵列雷达的城市路网交通运行指数评价方法
CN103839411B (zh) 一种基于动态交通信息的事故影响范围分析方法
CN104778834A (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN104809112A (zh) 一种基于多源数据的城市公交发展水平综合评价方法
Sun et al. Comparing the road safety of neighbourhood development patterns: traditional versus sustainable communities
Semeida New models to evaluate the level of service and capacity for rural multi-lane highways in Egypt
CN105023445A (zh) 一种区域交通动态调控方法及系统
Taylor Dense network traffic models, travel time reliability and traffic management. II: Application to network reliability
CN109859480A (zh) 基于复杂网络的拥堵路段建模和评估方法
Wright et al. Impact of traffic incidents on reliability of freeway travel times
Jian Daniel et al. Research and analysis on causality and spatial-temporal evolution of urban traffic congestions—a case study on Shenzhen of China
Park et al. Calibration and validation of TRANSIMS microsimulator for an urban arterial network
Wang et al. Vulnerability analysis of urban road networks based on traffic situation
Patel et al. Assessment of network traffic congestion through Traffic Congestability Value (TCV): a new index
Xu et al. Traffic state evaluation based on macroscopic fundamental diagram of urban road network
Li et al. Simulation of hard shoulder running combined with queue warning during traffic accident with CTM model
CN105701579A (zh) 高原双车道二级公路基本路段交通事故预测方法
Demongodin Modeling and analysis of transportation networks using batches Petri nets with controllable batch speed
Johari et al. Effects of near-side and far-side bus stops on NMFD of bi-modal urban network
Oskarbski et al. Multi-level transport systems model for traffic management activities

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120718