CN105321347A - 一种分层次的路网交通拥堵评价方法 - Google Patents
一种分层次的路网交通拥堵评价方法 Download PDFInfo
- Publication number
- CN105321347A CN105321347A CN201510599961.3A CN201510599961A CN105321347A CN 105321347 A CN105321347 A CN 105321347A CN 201510599961 A CN201510599961 A CN 201510599961A CN 105321347 A CN105321347 A CN 105321347A
- Authority
- CN
- China
- Prior art keywords
- road
- traffic
- section
- volume
- occupation rate
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Abstract
本发明公开了一种分层次的路网交通拥堵评价方法,该方法解决了现有技术中大都是针对单个路段所处的运行状态进行评价的问题。具体步骤如下,首先,对城市道路进行分层,利用分层抽样方法计算不同路层的最低路段抽样样本量;其次,根据交通量和占有率,通过模糊识别方法,判断每个路段的交通拥挤状态;再次,计算车辆行驶时间,建立路网交通拥堵评价模型,计算交通拥堵指数。本发明从分析路段交通拥堵状态入手,从微观路段到宏观路段分层次的对路网拥堵状态进行评价,该方法具有很好的实用性,能够为日后交通管理部门研究分析城市交通系统的拥堵现象提供参考依据。
Description
技术领域
本发明涉及城市道路交通控制技术领域,进一步属于交通状态评价领域,具体涉及一种分层次的路网交通拥堵评价方法。
背景技术
城市交通的发展水平是城市经济发展的重要标志。20世纪80年代以来,随着我国社会经济的高速发展和城市进程化的推进,城市机动车保有量以及道路交通量不断增加,城市交通需求迅速增长,但城市交通设施的建设速度相对较缓慢。而且由于潜在交通量的存在和城市空间的限制,使得交通供需关系不平衡,因此,交通拥堵在世界各国大中城市中普遍存在,缓解交通拥堵成为城市交通管理与控制的首要目标。
为改善道路运行质量,通过对大城市开展交通拥堵评价,有助于客观的认识大城市交通拥堵的变化规律,从总体上把握交通拥堵程度以及拥堵的影响范围和发展蔓延的趋势。通过对所得数据进行分析,评价现有道路交通系统的运行状态,并同以往的交通系统作比较,使交通管理者正确认识所面临的交通现状,以便制定合理的应对措施,为日后交通管理部门研究分析城市交通系统的拥堵现象提供新思路和参考依据,提供一套适用、有效的研究方法,并未为实施拥堵治理的措施和政策提供技术支持以及理论依据。同时对城市道路网运行状态进行合理的评价,也可为交通管理部门合理引导公众的出行,改善道路的运行水平,提高道路的有效利用率提供参考依据,制定出有效的拥堵缓解措施,从而最终改善路网运行状况,减少道路的交通拥堵程度,减少出行时间,降低环境污染等。
李丹丹,王建强在其发表的论文“基于指数模型的城市路网交通拥堵评判方法研究”(《西部交通科技》期刊,2015,01)中提出了基于交通拥堵指数模型的一般性交通拥堵评判方法,介绍了该模型各评判指标的计算过程,该方法的不足之处是单一的根据各路段的平均行程速度,来判断路网中各个道路的交通拥堵等级。
迟聘在其发表的论文“北京市路段交通拥堵评价体系研究”(北京交通大学硕士学位论文,2007,12)中通过调查和分析,总结了北京市道路拥堵的时空分布特征以及拥堵成因,根据路段的拥堵特征,建立路段拥堵评价指标体系,对北京市路段实际调研的数据进行回归拟合分析,确定每种指标的评价参考标准,最终形成一个系统的多因素综合评价模型。该方法存在的不足之处是只对北京市主干路和快速路进行分析,缺少对次干路、支路的研究,最后只是对路段拥堵进行评价,缺乏对城市路网的整体评价。
在以往的研究中,在我国对人城市的交通管理、道路交通服务水平、智能交通系统效果等方面的评价己有部分研究成果,但专门针对路网交通拥堵状态的评价尚不多见。而且,目前大多数的道路运行状态评价方法都是针对单个路段所处的运行状态进行评价,缺少从微观路段到宏观路网的分层次路网拥堵状态的评价方法。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种路网交通拥挤评价方法。本发明从利用模糊识别方法分析交通拥堵状态入手,对大城市分层次路网的交通拥堵状态评价方法进行研究,具有理论的创新意义和现实的应用价值。
为实现上述发明目的,本发明采用如下技术方案:
(1)对城市道路进行分层:
依据相同等级道路的路段具有相似的交通流的特性,将各等级道路看作不同的路层,把城市道路分为快速路、主干路、次干路和支路四个不同的路层;
(2)利用抽样方法计算不同路层的最低路段抽样样本量:
根据步骤(1)的分层结果,从各路层中随机抽取样本数构成总的样本,用来推测总体目标量。最低抽样路段的样本量是由路段特性参数、置信度和可接受的误差决定;
(3)采用环形线圈车辆检测器实时检测不同统计时间段内抽样路段的交通量q和占有率o:
环形线圈车辆检测器与埋在道路中间的线圈连接,车辆经过线圈后使线圈电感量发生变化,检测器内部电路振荡频率随着线圈电感量的变化而变化,CPU通过计数脉冲数量判断电路振荡频率的变化从而判断车辆的有无,然后计算交通参数;
(4)采用模糊识别方法,判断每个路段的交通拥挤状态:
4a)输入变量的模糊转换;
4b)模糊识别规则的确定;
4c)根据模糊识别规则判断出道路交通拥挤状态;
根据4a)和4b)确立的变量模糊转换方式和模糊识别规则,利用Matlab计算机编程语言编写实现模型算法程序,首先将各时段评价指标参数交通量和占有率的值输入到程序中,参数值将自动转换成模糊变量,然后根据所建立的模糊识别规则得出最终路段交通状态模糊综合评判结果;
(5)计算不同路段和不同等级道路的车辆行驶时间(VHT):
车辆行驶时间(VHT)是指路段上平均交通量和车辆行程时间的乘积,包含了路段长度和交通拥堵的双重影响;
5a)路段车辆行驶时间的计算:
路段i车辆行驶时间在统计时间段内的计算如下:
式中:表示统计时段内路段i上的平均交通量;表示路段i上车辆的平均行程时间;
5b)某一等级道路车辆行驶时间的计算;
某K等级道路车辆行驶时间VHTK在统计时间内的计算如下:
第一步,计算某等级道路的平均车道数:
式中:mK表示第K等级道路的平均车道数;mKi表示第K等级道路路段i的车道数;Li表示路段i的长度;
第二步,计算该等级道路在统计时段内的单车道平均交通量:
式中:qk表示第K等级道路在统计时段内的单车道平均交通量,qKi表示第K等级道路路段i在统计时段内的平均交通量;
第三步,计算该等级道路在统计时段内的单位里程平均行驶时间:
式中:TK表示第K等级道路在统计时段内的单位里程平均行程时间;li表示第K等级道路路段i在统计时段内的行驶里程,vi表示第K等级道路路段i在统计时段内的平均行驶速度;
第四步,计算该等级道路在统计时段内的车辆行驶总时间:
(6)建立路网交通拥堵评价模型,计算交通拥堵指数:
6a)根据交通流状态来定义路段交通拥堵指数TCIlink的取值;
把路段交通拥堵分为5个等级,不同等级对应的TCIlink取值如下:
6b)根据路段交通拥堵指数TCIlink和路段车辆行驶时间计算道路交通拥堵指数TCIroad;
6c)根据道路交通拥堵指数和道路车辆行驶时间计算整体路网的交通拥堵指数TCInetwork。
与现有技术相比,本发明具有以下优点:
第一,本发明中文以环行线圈检测器采集的交通信息为基础,对交通流参数随交通状态的变化特性进行了研究,提出了以交通量和占有率为输入变量的模糊识别方法。根据实践经验表明,道路的交通状态具有很强的模糊性和隐藏性,很难用某一参数的几个确切阈值来判别,克服了现有技术中以某一交通流参数的阈值作为判断标准(如平均车速)将交通流分为几个不同的状态的缺点,使得本发明提高了交通状态划分的合理性。
第二,本发明中将不同等级道路的路段各作为一个层来看待,采用分层抽样技术来降低采样量,计算最低路段抽样样本量,克服了现有技术中受数据采集技术限制,不可能采集到任何时刻全部路段的交通流数据的问题,使得本发明在指定的精度要求下提高了模型计算的效率。
第三,本发明中从分析交通拥堵状态入手,通过对大城市分层次路网的交通拥堵状态评价方法进行研究,建立了从微观路段到宏观路网的分层次路网拥堵状态的评价模型,来评价路网的运行状态,克服了目前大多数的道路运行状态评价方法都是针对单个路段所处的运行状态进行评价的问题,使得本发明具有较好的实用性,能够为日后交通管理部门研究分析城市交通系统的拥堵现象提供参考依据。
附图说明
图1为本发明中方法流程图;
具体实施方式
根据我国在城市统计中对城市规模的分类标准,本发明的具体实施环境定义城市非农业人口在50万以上的为大城市。
参照图1,本发明的评价方法具体步骤如下
步骤1,对城市道路进行分层。
受信息采集技术的限制,在计算道路网拥堵指数的过程中不可能采集到任何时刻全部路段的交通流数据。而相同等级道路的路段具有相似的交通流特性,因此可以将各等级道路看作不同的层。本发明中把城市道路分为4种路层,即快速路(K=1)、主干路(K=2)、次干路(K=3)和支路(K=4)。
步骤2,根据步骤1的道路分层结果,利用抽样方法计算不同路层的最低路段抽样样本量。
最低抽样路段的样本量由路段特性参数、置信度和可接受的误差决定,其中,路段特性参数采用速度的变异系数(CV)作为衡量指标,假设路网中各等级道路拥有无限数量的路段,总体平均值抽样的相对误差为e,置信度为1-α,抽样容量计算公式如下式所示:
其中,zα值可从标准正态分布表中查得,当置信度为95%时,zα值为1.96。CVK表示第K等级道路的速度变异系数,等于所有样本车辆的行程速度标准差除以行程速度平均值。
实际上,各等级道路的路段数是有限的,因此,需要对上式进行修正。最终得到各等级道路的最低抽样路段数的计算公式如下:
式中:nK表示对于第K等级道路的最低抽样路段数;n0K表示第K等级道路拥有无限数量路段时的抽样路段数;NK表示第K等级道路中的路段总数。
步骤3,采用环形线圈车辆检测器实时检测不同统计时间段内抽样路段的交通量q和占有率o。
环形线圈车辆检测器是一种基于电磁感应原理的车辆检测器,采用的环形线圈车辆检测器以ATMEL的8位单片机89C52为核心,集车辆检测和数据通讯于一体,环形线圈车辆检测器与埋在道路中间的线圈连接,车辆经过线圈后使线圈电感量发生变化,检测器内部电路振荡频率随着线圈电感量的变化而变化,CPU通过计数脉冲数量判断电路振荡频率的变化从而判断车辆的有无,然后计算交通参数。
交通流特性通常用交通量、平均车速和交通密度3个参数来描述,在实际应用中,交通量和占有率对交通流状态的变化比较敏感,而且这两个参数能由环形检测器实时检测得到,由于交通密度的自动检测较为困难,因而本发明采用占有率来代替,占有率和交通密度的关系推导如下:
q=kv(1)
式中:q—交通量(辆/h);v—平均车速(km/h);k—交通密度(辆/km)。
假设车流中车辆的平均车身长度为l,环形线圈检测器的长度为d,根据占有率基本定义得:
将式(2)代入式(1)得交通流基本模型:
步骤4,通过模糊识别方法,判断每个路段的交通拥挤状态。
(4a)模糊输入量及隶属函数的确定:
由步骤(3)得到交通量q和占有率o这两个变化的有效结合能够反映出道路交通的各种状态,因此,本发明中选用交通量q和占有率o作为模糊输入量。由于模糊系统的输入输出变量通常都是模糊变量,这就需要将数据在输入前转换成模糊变量,定义模糊系统中的每个变量集合所包含元素分别为:交通量={低、中、高};占有率={低、中、高};路段交通状态={畅通,正常,轻微拥挤,拥挤,严重拥挤},针对城市的主干道路网并在实践经验及对交通流参数的相关研究文献进行综合的基础上,定义输入变量的模糊转换规则如下:当交通量小于300辆/h时,属于低交通量,交通量大于1800辆/h时,属于高交通量,占有率o的取值范围为0-1,在正常交通状态下,占有率o的变化范围较小,当占有率o小于0.1时,交通流处于畅通状态,因而属于低占有率;而当占有率o大于0.5时,交通流处于阻塞状态,因而属于高占有率;具体如下表所示:
交通量q(辆/h) | 占有率o | |
低 | q<300 | o<0.1 |
中 | 300≤q≤1800 | 0.1≤o≤0.5 |
高 | q>1800 | o<0.5 |
(4b)模糊识别规则的确定。
本发明中采取如下模糊识别规则库:
规则1:如果交通量低,占有率低,则交通流状态畅通;
规则2:如果交通量低,占有率中,则交通流状态拥挤;
规则3:如果交通量低,占有率高,则交通流状态严重拥挤;
规则4:如果交通量中,占有率低,则交通流状态正常;
规则5:如果交通量中,占有率中,则交通流状态轻微拥挤;
规则6:如果交通量中,占有率高,则交通流状态拥挤;
规则7:如果交通量高,占有率低,则交通流状态畅通;
规则8:如果交通量高,占有率中,则交通流状态正常;
规则9:如果交通量高,占有率高,则交通流状态轻微拥挤。
(4c)计算出道路交通流状态:
根据步骤3得到路段交通量和占有率,通过步骤(4a)和(4b)确立的变量模糊转换方式和模糊识别规则,利用Matlab计算机编程语言编写实现模型算法程序,首先将各时段评价指标参数交通量和占有率的值输入到程序中,参数值将自动转换成模糊变量,然后根据所建立的模糊识别规则得出最终路段交通状态模糊综合评判结果。
仿真选用某路段环形线圈车辆检测器实测的一天交通流参数数据(采样间隔为10min),利用MATLAB软件对提出的模糊识别方法进行仿真实验,结果如下表所示:
交通量q(辆/h) | 占有率o(%) | 交通状态 |
226 | 2.3 | 畅通 |
410 | 4.9 | 正常 |
897 | 55.2 | 拥挤 |
1922 | 19.8 | 正常 |
1483 | 39.3 | 轻微拥挤 |
1675 | 15 | 正常 |
1295 | 17 | 轻微拥挤 |
207 | 61 | 严重拥挤 |
495 | 4.4 | 畅通 |
294 | 3.0 | 畅通 |
仿真结果显示,应用此模糊规则来判断路段交通量状态的方法是可行的。
步骤5,计算不同路段和不同等级道路的车辆行驶时间(VHT):
车辆行驶时间(VHT)是指路段上平均交通量和车辆行程时间的乘积,包含了路段长度和交通拥堵的双重影响。对于出行者而言,当交通拥堵发生时,最直观的感受就是出行时间的增加。
(5a)路段车辆行驶时间的计算:
在统计时间段内,某路段i的VHT计算公式如下:
式中:表示统计时段内路段i上的平均交通量;表示路段i上车辆的平均行程时间。
(5b)某一等级道路车辆行驶时间的计算。
对于某一等级的道路而言,在统计时间内的VHT计算方法如下:
第一步,计算某等级道路的平均车道数:
式中:K为层级数,分别为1、2、3或4;mK表示第K等级道路的平均车道数;mKi表示第K等级道路路段i的车道数;Li表示路段i的长度。
第二步,计算该等级道路在统计时段内的单车道平均交通量。
式中:qk表示第K等级道路在统计时段内的单车道平均交通量;qKi表示第K等级道路路段i在统计时段内的平均交通量。
第三步,计算该等级道路在统计时段内的单位里程平均行驶时间:
式中:TK表示第K等级道路在统计时段内的单位里程平均行程时间;li表示第K等级道路路段i在统计时段内的行驶里程;vi表示第K等级道路路段i在统计时段内的平均行驶速度。
第四步,计算该等级道路在统计时段内的车辆行驶总时间:
步骤6,建立路网交通拥堵评价模型,计算交通拥堵指数。
交通拥堵指数(TCI)是指将特定区域特定时刻的单个路段、某等级的道路或整体路网的拥堵强度量化后的相对数,该指标值可以体现从单个路段到整体路网的交通运行状态和拥堵强度,反映其运行质量,无量纲。交通拥堵指数是一个连续变量,定义其取值范围是0-5。指标值的大小代表了不同的交通运行状态和拥堵强度,值越大则评价时段内的道路运行状态越差,拥堵强度越大;反之,道路的运行状态越好,拥堵强度越轻。
建立路网交通拥堵评价模型时,以交通拥堵指数作为评价指标,用VHT采用综合评价法进行建模,路网交通拥堵评价模型分为微观、中观、宏观3个层次,分别用路段交通拥堵指数(TCIlink),道路交通拥堵指数(TCIroad),路网交通拥堵指数(TCInetwork),从点到面对整个路网的交通拥堵状态进行评价。
(6a)路段交通拥堵指数TCIlink
按照步骤(4)中基于模糊识别方法的路段交通拥堵状态评价,本发明中把路段交通拥堵分为了5个等级,不同等级对应的TCIlink取值如下:
(6b)道路交通拥堵指数TCIroad
TCIroad的计算公式如下:
式中:表示路段i的交通拥堵指数,表示路段i的车辆行驶时间。
由于TCIlink取值并不是连续变量,在用上式计算出初步的TCIroad结果后,将各等级道路的TCIroad的[极小值,极大值]区间分别做相应的映射,使其取值范围处于[0,5]之间具体的映射方法见下式:
式中:max表示极大值,min表示极小值。
(6c)整体路网的交通拥堵指数TCInetwork
TCInetwork的计算公式如下:
式中:表示K等级道路的交通拥堵指数,表示K等级道路的车辆行驶总时间。
Claims (6)
1.一种分层次的路网交通拥堵评价方法,包括如下步骤:
(1)对城市道路进行分层:
依据相同等级道路的路段具有相似的交通流的特性,将各等级道路看作不同的路层,把城市道路分为快速路、主干路、次干路和支路四个不同的路层;
(2)利用抽样方法计算不同层的最低路段抽样样本量:
根据步骤(1)的分层结果,从各路层中随机抽取样本数构成总的样本,用来推测总体目标量,最低抽样路段的样本量由路段特性参数、置信度和可接受的误差决定;
(3)采用环形线圈车辆检测器实时检测不同统计时间段内抽样路段的交通量q和占有率o;
环形线圈车辆检测器与埋在道路中间的线圈连接,车辆经过线圈后使线圈电感量发生变化,检测器内部电路振荡频率随着线圈电感量的变化而变化,CPU通过计数脉冲数量判断电路振荡频率的变化从而判断车辆的有无,然后计算交通参数;
(4)应用模糊识别方法判断每个路段的交通拥挤状态:
4a)输入变量的模糊转换;
4b)模糊识别规则的确定;
4c)应用模糊识别规则判断道路交通拥挤状态;
根据4a)和4b)确立的变量模糊转换方式和模糊识别规则,利用Matlab计算机编程语言编写实现模型算法程序,首先将各时段评价指标参数交通量和占有率的值输入到程序中,参数值将自动转换成模糊变量,然后根据所建立的模糊识别规则得出最终路段交通状态模糊综合评判结果;
仿真选用某路段环形线圈车辆检测器实测的一天交通流参数数据(采样间隔为10min),利用MATLAB软件对提出的模糊识别方法进行仿真实验,仿真结果显示,应用此模糊规则来判断路段交通量状态的方法是可行的;
(5)计算不同路层道路和不同路段的车辆行驶时间VHT:
5a)路段车辆行驶时间的计算;
路段i车辆行驶时间在统计时间段内的计算如下:
式中:表示统计时段内路段i上的平均交通量;表示路段i上车辆的平均行程时间;
5b)某一路层道路车辆行驶时间的计算:
某K等级道路车辆行驶时间VHTK在统计时间内的计算如下:
第一步,计算某等级道路的平均车道数:
式中:mK表示第K等级道路的平均车道数;mKi表示第K等级道路路段i的车道数;Li表示路段i的长度;
第二步,计算该等级道路在统计时段内的单车道平均交通量:
式中:qk表示第K等级道路在统计时段内的单车道平均交通量,qKi表示第K等级道路路段i在统计时段内的平均交通量;
第三步,计算该等级道路在统计时段内的单位里程平均行驶时间:
式中:TK表示第K等级道路在统计时段内的单位里程平均行程时间;li表示第K等级道路路段i在统计时段内的行驶里程,vi表示第K等级道路路段i在统计时段内的平均行驶速度;
第四步,计算该等级道路在统计时段内的车辆行驶总时间:
(6)建立路网交通拥堵评价模型,计算交通拥堵指数:
6a)根据交通状态定义路段交通拥堵指数TCIlink的取值;
把路段交通拥堵分为5个等级,不同等级对应的TCIlink取值如下:
6b)根据路段交通拥堵指数TCIlink和路段车辆行驶时间计算道路交通拥堵指数TCIroad;
6c)根据道路交通拥堵指数和道路车辆行驶时间计算整体路网的交通拥堵指数TCInetwork。
2.根据权利要求1所述的一种分层次的路网交通拥堵评价方法,其特征在于,步骤(2)所述的最低抽样路段的样本量的路段特性参数采用速度的变异系数CV作为衡量指标,假设路网中各等级道路拥有无限数量的路段,总体平均值抽样的相对误差为e,置信度为1-α,抽样容量计算公式如下式所示:
其中,zα值可从标准正态分布表中查得,当置信度为95%时,zα值为1.96,CVK表示第K等级道路的速度变异系数,等于所有样本车辆的行程速度标准差除以行程速度平均值;
鉴于各等级道路的路段数是有限的,应对抽样容量计算公式进行修正,得到各等级道路的最低抽样路段数的计算公式如下:
式中:根据道路层级划分K为1、2、3或4;nK表示对于第K等级道路的最低抽样路段数;n0K表示第K等级道路拥有无限数量路段时的抽样路段数;NK表示第K等级道路中的路段总数。
3.根据权利要求1所述的一种分层次的路网交通拥堵评价方法,其特征在于,步骤(4a)所述中选用交通量q和占有率o作为输入变量,由于模糊系统的输入输出变量通常都是模糊变量,这就需要将数据在输入前转换成模糊变量,定义模糊系统中的每个变量集合所包含元素分别为:交通量={低、中、高};占有率={低、中、高};路段交通状态={畅通,正常,轻微拥挤,拥挤,严重拥挤},针对城市的主干道路网并在实践经验及对交通流参数的相关研究文献进行综合的基础上,定义输入变量的模糊转换规则如下:当交通量小于300辆/h时,属于低交通量,交通量大于1800辆/h时,属于高交通量,占有率o的取值范围为0-1,在正常交通状态下,占有率o的变化范围较小,当占有率o小于0.1时,交通流处于畅通状态,因而属于低占有率;而当占有率o大于0.5时,交通流处于阻塞状态,因而属于高占有率。
4.根据权利要求1所述的一种分层次的路网交通拥堵评价方法,其特征在于,步骤4b)所述的模糊识别规则的确定如下:
规则1:如果交通量低,占有率低,则交通流状态畅通;
规则2:如果交通量低,占有率中,则交通流状态拥挤;
规则3:如果交通量低,占有率高,则交通流状态严重拥挤;
规则4:如果交通量中,占有率低,则交通流状态正常;
规则5:如果交通量中,占有率中,则交通流状态轻微拥挤;
规则6:如果交通量中,占有率高,则交通流状态拥挤;
规则7:如果交通量高,占有率低,则交通流状态畅通;
规则8:如果交通量高,占有率中,则交通流状态正常;
规则9:如果交通量高,占有率高,则交通流状态轻微拥挤;
通过分别采取不同层次路段上的交通量和占有率,并应用此规则来判断路段交通量状态,结果证明此规则是实用的。
5.根据权利要求1所述的一种分层次的路网交通拥堵评价方法,其特征在于,步骤6b)所述的道路交通拥堵指数TCIroad计算如下:
式中:表示路段i的交通拥堵指数,表示路段i的车辆行驶时间;
由于TCIlink取值并不是连续变量,在用上式计算出初步的TCIroad结果后,将各等级道路的TCIroad的[极小值,极大值]区间分别做相应的映射,使其取值范围处于[0,5]之间具体的映射方法见下式:
式中:max表示极大值,min表示极小值。
6.根据权利要求1所述的一种分层次的路网交通拥堵评价方法,其特征在于,步骤6c)所述的整体路网的交通拥堵指数TCInetwork计算如下:
式中:表示K等级道路的交通拥堵指数,表示K等级道路的车辆行驶总时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599961.3A CN105321347A (zh) | 2015-09-18 | 2015-09-18 | 一种分层次的路网交通拥堵评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599961.3A CN105321347A (zh) | 2015-09-18 | 2015-09-18 | 一种分层次的路网交通拥堵评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105321347A true CN105321347A (zh) | 2016-02-10 |
Family
ID=55248647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510599961.3A Pending CN105321347A (zh) | 2015-09-18 | 2015-09-18 | 一种分层次的路网交通拥堵评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105321347A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106526339A (zh) * | 2016-11-07 | 2017-03-22 | 中国电力科学研究院 | 一种基于无线电干扰值样本数据确定最小采样本量的方法及系统 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN108428348A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
CN108444494A (zh) * | 2018-05-18 | 2018-08-24 | 湖南大学 | 基于Stackelberg博弈的路径选择方法 |
CN108538049A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 城市交通拥挤自动识别方法 |
CN109509348A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量判定系统和方法及存储交通量判定程序的存储介质 |
CN109690646A (zh) * | 2017-06-12 | 2019-04-26 | 北京嘀嘀无限科技发展有限公司 | 分析和调整道路状况的系统和方法 |
CN110287995A (zh) * | 2019-05-27 | 2019-09-27 | 同济大学 | 全天高架交通拥堵情况分级的多特征学习网络模型方法 |
CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
CN111081018A (zh) * | 2019-12-23 | 2020-04-28 | 上海宝康电子控制工程有限公司 | 基于交通流量和占有率信息实现路口车道指数融合处理的方法 |
CN114067565A (zh) * | 2021-11-16 | 2022-02-18 | 北京百度网讯科技有限公司 | 确定拥堵识别精度的方法及装置 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN116229305A (zh) * | 2022-12-16 | 2023-06-06 | 上海工程技术大学 | 一种基于视频识别的地铁车站流线拥堵状态实时评价方法 |
CN116468313A (zh) * | 2023-03-31 | 2023-07-21 | 中国人民解放军军事科学院系统工程研究院 | 一种道路通行能力评价方法及装置 |
CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0789341B1 (de) * | 1996-02-06 | 2001-05-09 | MANNESMANN Aktiengesellschaft | Fahrzeugautonome Detektion von Verkehrsstau |
CN104680789A (zh) * | 2015-03-04 | 2015-06-03 | 蔡诚昊 | 一种快速道路拥堵指数估算及预测方法 |
CN104851293A (zh) * | 2015-05-18 | 2015-08-19 | 安徽科力信息产业有限责任公司 | 一种基于地点车速的路段交通拥堵指数评价方法 |
-
2015
- 2015-09-18 CN CN201510599961.3A patent/CN105321347A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0789341B1 (de) * | 1996-02-06 | 2001-05-09 | MANNESMANN Aktiengesellschaft | Fahrzeugautonome Detektion von Verkehrsstau |
CN104680789A (zh) * | 2015-03-04 | 2015-06-03 | 蔡诚昊 | 一种快速道路拥堵指数估算及预测方法 |
CN104851293A (zh) * | 2015-05-18 | 2015-08-19 | 安徽科力信息产业有限责任公司 | 一种基于地点车速的路段交通拥堵指数评价方法 |
Non-Patent Citations (2)
Title |
---|
张雪莲: "《大城市路网运行状态分层次评价模型》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
郑建湖: "《基于环形线圈检测器信息的交通状态模糊识别方法》", 《昆明理工大学学报(理工版)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106526339A (zh) * | 2016-11-07 | 2017-03-22 | 中国电力科学研究院 | 一种基于无线电干扰值样本数据确定最小采样本量的方法及系统 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN108428348A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
CN108538049A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 城市交通拥挤自动识别方法 |
CN109690646A (zh) * | 2017-06-12 | 2019-04-26 | 北京嘀嘀无限科技发展有限公司 | 分析和调整道路状况的系统和方法 |
CN109690646B (zh) * | 2017-06-12 | 2021-07-20 | 北京嘀嘀无限科技发展有限公司 | 分析和调整道路状况的系统和方法 |
CN109509348A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量判定系统和方法及存储交通量判定程序的存储介质 |
CN108444494A (zh) * | 2018-05-18 | 2018-08-24 | 湖南大学 | 基于Stackelberg博弈的路径选择方法 |
CN110287995A (zh) * | 2019-05-27 | 2019-09-27 | 同济大学 | 全天高架交通拥堵情况分级的多特征学习网络模型方法 |
CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
CN111081018A (zh) * | 2019-12-23 | 2020-04-28 | 上海宝康电子控制工程有限公司 | 基于交通流量和占有率信息实现路口车道指数融合处理的方法 |
CN114067565B (zh) * | 2021-11-16 | 2022-08-30 | 北京百度网讯科技有限公司 | 确定拥堵识别精度的方法及装置 |
CN114067565A (zh) * | 2021-11-16 | 2022-02-18 | 北京百度网讯科技有限公司 | 确定拥堵识别精度的方法及装置 |
CN114331058B (zh) * | 2021-12-15 | 2023-04-21 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN114937366B (zh) * | 2022-07-22 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN116229305A (zh) * | 2022-12-16 | 2023-06-06 | 上海工程技术大学 | 一种基于视频识别的地铁车站流线拥堵状态实时评价方法 |
CN116468313A (zh) * | 2023-03-31 | 2023-07-21 | 中国人民解放军军事科学院系统工程研究院 | 一种道路通行能力评价方法及装置 |
CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105321347A (zh) | 一种分层次的路网交通拥堵评价方法 | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
CN107248283B (zh) | 一种考虑路段关键度的城市区域路网运行状态评价方法 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN106971534A (zh) | 基于号牌数据的通勤出行特征分析方法 | |
CN104778835B (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103903433A (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
CN109086910A (zh) | 城市轨道交通运营路网拓扑结构建模方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN104408925A (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN104484994A (zh) | 基于阵列雷达的城市路网交通运行指数评价方法及装置 | |
CN103761430A (zh) | 一种基于浮动车的路网高峰时段识别方法 | |
CN107833459A (zh) | 一种基于gps数据的城市公交运行状况评价方法 | |
CN105551250A (zh) | 一种基于区间聚类的城市道路交叉口运行状态判别方法 | |
CN105679025A (zh) | 一种基于可变权重混合分布的城市干道行程时间估计方法 | |
CN104574968A (zh) | 一种临界交通状态参数的确定方法 | |
CN103824450B (zh) | 基于交通状态规则的大型活动专用行车线路规划方法 | |
CN106021902B (zh) | 一种用于城市轨道交通客流拥挤指数的分级方法 | |
CN106651181A (zh) | 网络化运营条件下的公交客流拥塞风险评价方法 | |
CN104778832B (zh) | 一种多方式的城市道路横断面资源协调配置方法 | |
CN104851287A (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN106297296A (zh) | 一种基于稀疏轨迹点数据的细粒度旅行时间分配方法 | |
CN106781508A (zh) | 一种Spark环境下基于多重相空间的短时交通流预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160210 |