CN104537835A - 一种宏观—微观结合的环路交通可靠性仿真方法与系统 - Google Patents

一种宏观—微观结合的环路交通可靠性仿真方法与系统 Download PDF

Info

Publication number
CN104537835A
CN104537835A CN201410827008.5A CN201410827008A CN104537835A CN 104537835 A CN104537835 A CN 104537835A CN 201410827008 A CN201410827008 A CN 201410827008A CN 104537835 A CN104537835 A CN 104537835A
Authority
CN
China
Prior art keywords
reliability
node
road
network
information
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.)
Granted
Application number
CN201410827008.5A
Other languages
English (en)
Other versions
CN104537835B (zh
Inventor
鲁光泉
王云鹏
王馨
田大新
余贵珍
于海洋
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201410827008.5A priority Critical patent/CN104537835B/zh
Publication of CN104537835A publication Critical patent/CN104537835A/zh
Application granted granted Critical
Publication of CN104537835B publication Critical patent/CN104537835B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种评估交通网络中环路的可靠性的方法和系统,其方法包括步骤:以综合交互和数据挖掘对宏观路网层和微观环路路段的可靠性评估,借助瓶颈路段识别和网络关键节点识别技术为辅助,综合ITS技术与微观模拟方法,在处理历史数据并结合短时预测的基础上,实现环路以及相关区域路网和路径可靠性的仿真与评价。

Description

一种宏观—微观结合的环路交通可靠性仿真方法与系统
技术领域
本发明涉及路网可靠性评价技术领域,特别是涉及一种宏观微观结合的评估城市道路网络可靠性的方法和系统。
背景技术
随着道路网络的不断发展,目前国内外评价路网可靠性的5种评价方法中,有的只能用于计算某种专门的路网可靠性评价指标,如终端可靠性评估方法和吸收马尔科夫链方法;有的则可以用于计算多种路网可靠性评价指标,如博弈论技术、蒙特卡罗方法和微观交通仿真方法。另外,针对交通事故评价,这些方法还可以根据是否需要预先知道突发事件发生的概率分为确定性方法和非确定性方法两类。其中,确定性方法不需要知道突发事件发生的概率,事件概率本身是分析结果的一部分,这也使得确定性分析方法非常易于使用,但是它只能给出概率的上下限。确定性分析方法只能用于一小部分的可靠性分析,而非确定性分析方法的应用范围更为广泛。现有的各种评价方法优缺点综述如下:
终端可靠性评估方法只能用来计算连通性,是通过应用图论的相关知识,在计算出路段可靠性的基础上计算出路网的可靠性。该方法的主要优点是需要的数据少,可以直接计算出路网的可靠性,并且只受限于路网的拓扑结构,影响因素较少。但它在计算过程中是将路网分解成串、并联网络来进行分析的,而对于庞大的路网而言,一方面很难将其分解成串、并联系统,另一方面随着路网规模的扩大,计算量也呈指数级增长,因此,它不适合大规模路网的计算。
博弈论法可以用于分析路网破坏最严重情况下的路网性能,可用来计算使用者满意度可靠性和行程时间可靠性等指标。影响该方法的因素有:道路使用者、出行者的路径选择行为,出行费用和道路使用者可获得的信息等。它的优点是充分考虑了出行者的路径选择行为和路网容量的限制。但是作为一种确定性方法,它只能给出路网可靠性的边界值。
蒙特卡罗方法是以概率统计为基础,以随机抽样为主要手段来求解复杂方程的模拟方法。该方法在路网可靠性研究中用来计算行程时间可靠性、路网容量可靠性等评价指标。其显著优点是可以求解复杂问题的分析解,通过模拟自变量的随机行为来识别应变量的随机行为。随着各种变量对路网运行性能影响分析的深入,以及各种事件对路段通行能力和连通性影响分析的深入,在未来的路网可靠性研究中,蒙特卡罗方法会发挥更大的作用。
吸收马尔科夫链方法主要用于计算遭遇可靠性,它可以区分在完成一次0D出行过程中遭遇路段衰退的出行者以及没有遭遇路段衰退的出行者。但由于此方法不需要严格区别路径是全部失效或部分失效,因此不能够计算行程时问和出行费用的可靠性。
相对于前述基于交通均衡分配的算法(如蒙特卡罗方法),微观交通仿真方法能够模拟路网运行状态的动态变化,因此,在进行短期的路网运行状态的模拟方面有着无可比拟的优越性。并且因其采用微观交通仿真模型对实际路网运行状况进行的模拟,因此,能够比较真实地反映路网中各种影响因素对路网性能的影响。然而,在由于微观交通仿真模型在构建分析路网、进行模型校正以及模型输入等方面需要大量的数据,这就使得微观交通仿真模型的准确性受到现实数据的制约。
本发明在现有研究状况的基础上,从道路网络行程时间可靠性计算的角度的提出了一种微观仿真与宏观模拟结合的方法——首先在微观/中观层进行交通仿真,并在宏观层完成复杂网络模拟分析,二者结合完成对了网络从宏观到微观的仿真模拟;同时在数据层利用历史数据与仿真数据进行数据的交互、矫正,从而实现对交通网络可靠性的仿真与评估,完成数据融合。
专利号为200910198320的申请提出一种宏观/中观层、微观层、交互解释器、一致性维护器组成的交通系统多分辨率建模仿真系统与方法,与本发明的区别之处在于,本发明体系中强调复杂网络与数据融合比对技术来简化仿真复杂度,利用复杂网络层级划分和关键点、关键边识别的方法对网络可靠性的仿真粒度进行技术优化,大幅度提升了路网可靠度仿真模拟的可信度和准确性,有助于提升仿真算法的有效性和简洁度,在交通可靠性的相关仿真与研究中具有重要意义。
本发明在宏观-微观各层级数据的处理上,主要借助了交通数据融合中的特征层融合与决策层融合的方式。数据融合技术是指利用计算机对按时序获得的若干观测信息,在一定准则下加以自动分析、综合,以完成所需的决策和评估任务而进行的信息处理技术。其手段分为数据层融合,即直接在采集到的原始数据层上进行的融合、在各种传感器的原始测报未经预处理之前进行数据的综合与分析;特征层融合,即中间层次的融合,它先对来自传感器的原始信息进行特征提取(特征可以是目标的界限、方向、速度等),然后对特征信息进行综合分析和处理,优点在于实现可观的信息压缩、有利于实时处理,且由于所提取的特征直接与决策分析有关,因而融合结果能最大限度的给出决策分析所需要的特征信息。特征层融合一般采用分布式或集中式的融合体系。特征层融合可分为目标状态融合和目标特性融合两大类;决策层融合,即融合通过不同类型的交通状态量,每个数据集在本地完成基本的处理,其中包括预处理、特征抽取、识别或判决,以建立对所观察目标的初步结论,然后通过关联处理进行决策层融合判决,最终获得联合推断结果。
本发明在仿真模块完成特征层面融合,对交通量向量进行仿真、存储与提取;在宏观层则进行决策层融合,侧重提取交通向量中的可靠性参数,达到宏观与微观数据的高度融合的目的,计算可靠性;在数据层综合三种融合方式,进行数据存储和分类,实现多层矫正。
发明内容
本发明申请保护的项目主要包括下述部分:
1.一种宏观——微观结合的环路可靠性仿真方法。该方法包括其特征在于,包括如下步骤:接受可靠性评估指令,根据该可靠性评估指令从历史数据库调用历史数据,获得路网结构信息和相关节点、路段具体交通流信息;根据各所述连接路段的可靠性系数和所述节点的可靠性系数确定各个关键瓶颈点的可靠性参数;根据所述连接路段的可靠性系数和所述关键瓶颈点的可靠性系数确定各条路径的可靠性参数。
2.根据权利要求1所述仿真系统基础上对交通环路网络节点可靠性进行评估的方法评估道路网节点可靠性,其特征在于,包括如下步骤:其特征在于,根据所述元件信息生成各节点的可靠性系数,包括步骤:根据所述道路网结构信息生成表征连接线路可靠性的邻接矩阵,通过关键节点和路段的微观仿真,生成表征所述节点、路段信息的网络可靠性的节点系数矩阵和路段权重矩阵。
3.根据权利要求2所述的评估道路网节点可靠性的方法,其特征在于,根据路网结构信息以及线路长度、地理信息确定所述邻接矩阵;根据所述线路和交叉口的类型、级别确定所述节点系数矩阵。根据权利1所述的评估道路网可靠性的方法,其特征在于,所述确定各个节点的可靠性参数包括步骤:确定最高级道路网各节点的可靠性参数;根据上一级道路网和本级道路网的连接以及本级道路网节点的连接确定本级道路网各节点的可靠性参数。
4.根据权利要求1到3之一所述的评估道路网可靠性的方法,其特征在于,在所述根据各所述连接线路的可靠性系数和各所述节点的可靠性系数确定各个节点的可靠性参数后还包括步骤:根据各节点的重要性对其可靠性参数进行映射计算得到各节点的可靠性指数。
5..一种评估道环路路网可靠性的系统。其特征在于,包括:数据存储模块,用于接收可靠性评估指令,根据该可靠性评估指令获得道路网拓扑结构信息和相关的节点与路段信息;节点域路段系数生成模块,用于根据所述道路网结构信息生成各连接线路的可靠性系数;可靠性计算模块,用于根据各所连接线路的可靠性系数和各所述节点的可靠性系数确定各个网络区域的可靠性。
6.根据权利要求5所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路生成模块根据道路网结构信息生成表征连接线路可靠性的连接矩阵,根据所述节点和线路信息生成表征节点可靠性的节点系数矩阵。
7.根据权利要求6所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路系数生成模块根据道路网结构信息所生成模块根据网络拓扑特征值和交通流信息、地理信息确定所述邻接矩阵;根据所述节点和线路信息以及连接类型、网络基础配流结果确定所述节点系数矩阵。
8.根据权利要求6所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路系数生成模块根据微观层仿真得到的交通可靠性参数信息更新结合修正所述邻接矩阵;根据所述节点和线路信息以及连接类型、网络基础配流更新确定所述节点系数矩阵。
9.根据权利要求6所述的评估道路网节点可靠性的系统,其特征在于,所述可靠性计算模块确定宏观模式下的各节点可靠性系数,并根据上一级道路网和本级道路网的连接以及本级道路网各节点的连接确定本级道路网层各节点的可靠性参数。
10.根据权利要求6至9之一所述的评估道路网节点可靠性的系统,其特征在于,所述可靠性计算模块还包括根据各节点的重要性对其可靠性参数进行映射计算得到各条路径的可靠性指数。
11.根据权利要求6至9之一所述的评估道路网节点可靠性的系统,说明该系统总的预期的基本功能,包括:(1)能够对各种交通流状态(畅通、拥挤、阻塞)下可靠性变化情况进行模拟,能够对交通事件对可靠性的影响(如事故、施工、需求激增)进行模拟估计;(2)能够对常见控制策略(如匝道控制、路径诱导)对可靠性的影响效果进行模拟;(3)能够输出宏观交通变量(流量、平均速度、出行时间等)的仿真结果,输出形式有图形和文本等;(4)能够进行交通网络运行效率的评价指标计算,例如总行程时间可靠性等级、网络抗毁可靠度等级等,并可便捷地计算得出路段、区域的可靠度,可以实现在给定的精度范围内评价目标路径的可靠度。
附图说明
图1宏观—微观结合的环路可靠性仿真流程与总体系统架构(含各模块接口)示意图
图2宏观—微观结合的环路可靠性仿真方法数据流图
图3宏-微观结合的环路可靠性仿真方法算法与层级结构图
图4宏-微观结合的各模块构成及系统-仿真数据融合方法具体实现流程图
图5系统关键技术路线与数据处理方法流程、系统变量及目标输出
具体实施方式
1系统架构:系统主要包括微观车辆行驶仿真模块、数据信息校核与预测模块、路网仿真评价模块。
2各模块构成及其相互间关系:微观车辆仿真通过微观交通仿真软件实现,获取假设状况下未来一段时间进程中的车流量、速度信息;数据信息校核与预测模块则内嵌数据库储存了历史数据以及实时的车流信息;路网仿真模块通过获取微观车辆行驶模块与ITS信息校核模块的历史数据共同得出的数据,对未来一段时间进程中的区域交通状况(包括路网拥挤度等)做出预测,并且根据信息校核模块的实时数据调整实现预测反馈,经过动态调整得出较高准确度的道路拥挤状况预测,衡量整个网络的可靠度,再通过路径映射模块,从而得出目标评估的环路路径可靠度。实施方式如下述。
3算法与评估流程:接收评估指令后相应数据信息校核与预测模块的内嵌数据库进行数据读取和首次数据融合,历史数据以及实时的车流信息进行建模;执行微观车辆仿真,获取假设状况下未来一段时间进程中的车流量、速度信息;路网仿真,获取微观车辆行驶模块与ITS信息校核模块的历史数据共同得出的数据,进行二次数据融合;动态调整,根据信息校核模块的实时数据调整实现预测反馈,衡量得出整个网络的可靠度,再通过路径映射模块,从而得出目标评估的环路路径可靠度。具体流程和算法的实施方式如附图3到图5所示。

Claims (10)

1.一种宏观——微观结合的环路可靠性仿真方法。该方法包括其特征在于,包括如下步骤:接受可靠性评估指令,根据该可靠性评估指令从历史数据库调用历史数据,获得路网结构信息和相关节点、路段具体交通流信息;根据各所述连接路段的可靠性系数和所述节点的可靠性系数确定各个关键瓶颈点的可靠性参数;微观仿真并获-取结果,更新相应节点与关键路径的可靠性系数;根据所述连接路段的可靠性系数和所述关键瓶颈点的可靠性系数,综合网络层级判别确定各条路径的可靠性参数。
2.根据权利要求1所述仿真系统基础上对交通环路网络节点可靠性进行评估的方法评估道路网节点可靠性,其特征在于,包括如下步骤:根据所述元件信息生成各节点的可靠性系数,包括步骤:根据所述道路网结构信息生成表征连接线路可靠性的邻接矩阵,通过关键节点和路段的微观仿真,生成表征所述节点、路段信息的网络可靠性的节点系数矩阵和路段权重矩阵。
3.根据权利要求2所述的评估道路网节点可靠性的方法,其特征在于,根据路网结构信息以及线路长度、地理信息确定所述邻接矩阵;根据所述线路和交叉口的类型、级别确定所述节点系数矩阵。根据权利1所述的评估道路网可靠性的方法,其特征在于,所述确定各个节点的可靠性参数包括步骤:确定最高级道路网各节点的可靠性参数;根据上一级道路网和本级道路网的连接以及本级道路网节点的连接确定本级道路网各节点的可靠性参数。
4.根据权利要求1到3之一所述的评估道路网可靠性的方法,其特征在于,在所述根据各所述连接线路的可靠性系数和各所述节点的可靠性系数确定各个节点的可靠性参数后还包括步骤:根据各节点的重要性对其可靠性参数进行映射计算得到各路径的可靠性指数。
5.一种评估道环路路网可靠性的系统。其特征在于,包括:
(1)数据存储模块,用于接收可靠性评估指令,根据该可靠性评估指令获得道路网拓扑结构信息和相关的节点与路段信息;
(2)节点域路段系数生成模块,用于根据所述道路网结构信息生成各连接线路的可靠性系数;
(3)可靠性计算模块,用于根据各所连接线路的可靠性系数和各所述节点的可靠性系数确定各个网络区域的可靠性。
6.根据权利要求5所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路生成模块根据道路网结构信息生成表征连接线路可靠性的连接矩阵,根据所述节点和线路信息生成表征节点可靠性的节点系数矩阵。
7.根据权利要求6所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路系数生成模块根据道路网结构信息所生成模块根据网络拓扑特征值和交通流信息、地理信息确定所述邻接矩阵;根据所述节点和线路信息以及连接类型、网络基础配流结果确定所述节点系数矩阵。
8.根据权利要求6所述的评估道路网络节点可靠性的系统,其特征在于,所述节点和线路系数生成模块根据微观层仿真得到的交通可靠性参数信息更新结合修正所述邻接矩阵;根据所述节点和线路信息以及连接类型、网络基础配流更新确定所述节点系数矩阵。
9.根据权利要求6所述的评估道路网节点可靠性的系统,其特征在于,所述可靠性计算模块确定宏观模式下的各节点可靠性系数,并根据上一级道路网和本级道路网的连接以及本级道路网各节点的连接确定本级道路网层各节点的可靠性参数。
10.根据权利要求6至9之一所述的评估道路网节点可靠性的系统,其特征在于,所述可靠性计算模块还包括根据各节点的重要性对其可靠性参数进行映射计算得到各条路径的可靠性指数;其预期的总体基本功能包括:(1)能够对各种交通流状态(畅通、拥挤、阻塞)进行模拟,能够对交通事件的影响(如事故、施工、需求激增)进行模拟;(2)能够对常见控制策略(如匝道控制、路径诱导)的效果进行模拟;(3)能够输出宏观交通变量(流量、平均速度等)的仿真结果,输出形式有图形和文本等;(4)能够进行交通网络运行效率的评价指标计算,例如总行程时间、总排队时间等,并可便捷地计算得出路段、区域的可靠度。
CN201410827008.5A 2015-01-30 2015-01-30 一种宏观—微观结合的环路交通可靠性仿真方法与系统 Expired - Fee Related CN104537835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410827008.5A CN104537835B (zh) 2015-01-30 2015-01-30 一种宏观—微观结合的环路交通可靠性仿真方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410827008.5A CN104537835B (zh) 2015-01-30 2015-01-30 一种宏观—微观结合的环路交通可靠性仿真方法与系统

Publications (2)

Publication Number Publication Date
CN104537835A true CN104537835A (zh) 2015-04-22
CN104537835B CN104537835B (zh) 2018-02-23

Family

ID=52853354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410827008.5A Expired - Fee Related CN104537835B (zh) 2015-01-30 2015-01-30 一种宏观—微观结合的环路交通可靠性仿真方法与系统

Country Status (1)

Country Link
CN (1) CN104537835B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224384A (zh) * 2015-08-28 2016-01-06 杭州鼎鹏交通科技有限公司 一种交通控制算法实时仿真评价系统
CN106327865A (zh) * 2016-08-12 2017-01-11 北京航空航天大学 一种基于渗流分析的城市交通可靠性指标及其实现方法
CN106529064A (zh) * 2016-11-15 2017-03-22 北京航空航天大学 一种基于多智能体的车联网环境下路径选择仿真系统
CN107622665A (zh) * 2017-10-19 2018-01-23 东南大学 一种宏观与微观交通仿真系统交互的交通分配方法
CN108763206A (zh) * 2018-05-22 2018-11-06 南京邮电大学 一种对单文本关键字进行快速排序的方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0969199A (ja) * 1995-08-31 1997-03-11 Hitachi Ltd 渋滞区間推定装置及び予測装置
DE10108611A1 (de) * 2001-02-22 2002-09-05 Daimler Chrysler Ag Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz
CN101976505A (zh) * 2010-10-25 2011-02-16 中国科学院深圳先进技术研究院 交通评价方法及系统
CN202472936U (zh) * 2011-12-08 2012-10-03 北京易华录信息技术股份有限公司 一种交通信息准确度评估系统
CN102819955A (zh) * 2012-09-06 2012-12-12 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN103745049A (zh) * 2013-12-27 2014-04-23 北京航空航天大学 一种新型的多因素战术互联网连通可靠性仿真方法
CN104036324A (zh) * 2014-06-24 2014-09-10 北京航空航天大学 一种基于遗传算法的通信网络容量可靠性最优设计方法
CN104298593A (zh) * 2014-09-23 2015-01-21 北京航空航天大学 一种基于复杂网络理论的soa系统可靠性评价方法
CN104298843A (zh) * 2014-05-22 2015-01-21 北京航空航天大学 一种基于着色随机Petri网的复杂机构动态级联可靠性建模方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0969199A (ja) * 1995-08-31 1997-03-11 Hitachi Ltd 渋滞区間推定装置及び予測装置
DE10108611A1 (de) * 2001-02-22 2002-09-05 Daimler Chrysler Ag Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz
CN101976505A (zh) * 2010-10-25 2011-02-16 中国科学院深圳先进技术研究院 交通评价方法及系统
CN202472936U (zh) * 2011-12-08 2012-10-03 北京易华录信息技术股份有限公司 一种交通信息准确度评估系统
CN102819955A (zh) * 2012-09-06 2012-12-12 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN103745049A (zh) * 2013-12-27 2014-04-23 北京航空航天大学 一种新型的多因素战术互联网连通可靠性仿真方法
CN104298843A (zh) * 2014-05-22 2015-01-21 北京航空航天大学 一种基于着色随机Petri网的复杂机构动态级联可靠性建模方法
CN104036324A (zh) * 2014-06-24 2014-09-10 北京航空航天大学 一种基于遗传算法的通信网络容量可靠性最优设计方法
CN104298593A (zh) * 2014-09-23 2015-01-21 北京航空航天大学 一种基于复杂网络理论的soa系统可靠性评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱吉双: "区域通行能力与出行时间可靠性综合仿真模型", 《系统仿真学报》 *
郭长波等: "快速路出口通行能力的可靠性仿真研究", 《系统仿真学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224384A (zh) * 2015-08-28 2016-01-06 杭州鼎鹏交通科技有限公司 一种交通控制算法实时仿真评价系统
CN105224384B (zh) * 2015-08-28 2018-07-27 杭州鼎鹏交通科技有限公司 一种交通控制算法实时仿真评价系统
CN106327865A (zh) * 2016-08-12 2017-01-11 北京航空航天大学 一种基于渗流分析的城市交通可靠性指标及其实现方法
CN106529064A (zh) * 2016-11-15 2017-03-22 北京航空航天大学 一种基于多智能体的车联网环境下路径选择仿真系统
CN107622665A (zh) * 2017-10-19 2018-01-23 东南大学 一种宏观与微观交通仿真系统交互的交通分配方法
CN108763206A (zh) * 2018-05-22 2018-11-06 南京邮电大学 一种对单文本关键字进行快速排序的方法
CN108763206B (zh) * 2018-05-22 2022-04-05 南京邮电大学 一种对单文本关键字进行快速排序的方法

Also Published As

Publication number Publication date
CN104537835B (zh) 2018-02-23

Similar Documents

Publication Publication Date Title
CN104537835A (zh) 一种宏观—微观结合的环路交通可靠性仿真方法与系统
Li et al. Resilience assessment and optimization for urban rail transit networks: A case study of beijing subway network
CN104282162B (zh) 一种基于实时车辆轨迹的交叉口自适应信号控制方法
CN110843870B (zh) 一种非正常事件下高铁路网图定能力保持方法
CN105761515B (zh) 一种交叉口信号动态调整方法及装置、系统
CN105083333B (zh) 一种地铁交通流优化控制方法
CN105023437A (zh) 一种公交od矩阵的构建方法及系统
CN109872008B (zh) 基于客流分配的城市轨道交通路网安全性评估与增强方法
KR101105446B1 (ko) 검지체계간의 데이터 퓨전을 통한 실시간 통행시간 산정방법
CN101567017B (zh) 基于多分辨率图的城市疏散仿真方法
CN109960863A (zh) 一种基于网络拓扑路径的复杂仿真系统可信度评估方法
CN106056303A (zh) 一种城市地铁站拥挤度自动判定方法
CN107016212A (zh) 基于动态贝叶斯网络的意图分析方法
CN105095984A (zh) 一种地铁列车轨迹的实时预测方法
CN103699785A (zh) 一种基于涌现和熵的城市轨道交通系统安全性的识别方法
CN106370198A (zh) 一种考虑出行异质性的路径选择方法
Park et al. Calibration and validation of TRANSIMS microsimulator for an urban arterial network
CN104267936B (zh) 基于树语义的异步动态下推网络可达性分析方法
CN105083322A (zh) 一种地铁列车冲突预警方法
CN102932337A (zh) 一种网络安全状态预测方法
Miska et al. Opentraffic-an open source platform for traffic simulation
CN109799729A (zh) 基于vissim和matlab的车联网仿真平台构建方法
KR102390890B1 (ko) 딥 러닝 기반의 빗물펌프장 모의운영 프로그램
CN105095983A (zh) 地铁列车轨迹的实时预测方法
Zhang et al. An algorithm for probabilistic alternating simulation

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180223

CF01 Termination of patent right due to non-payment of annual fee