CN105761492A - 一种基于网络流的大范围高速路网动态配流方法 - Google Patents
一种基于网络流的大范围高速路网动态配流方法 Download PDFInfo
- Publication number
- CN105761492A CN105761492A CN201610288947.6A CN201610288947A CN105761492A CN 105761492 A CN105761492 A CN 105761492A CN 201610288947 A CN201610288947 A CN 201610288947A CN 105761492 A CN105761492 A CN 105761492A
- Authority
- CN
- China
- Prior art keywords
- section
- time
- real
- flow
- 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.)
- Granted
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于网络流的大范围高速路网动态配流方法。本发明公布了一种基于网络流的事件条件下大范围高速路网动态配流方法,首先加载路网和事故路段信息,计算瘫痪路网,生成新的路网结构;再根据新的路网结构、路段实时流量和路段组成成分等信息更新实时OD矩阵;然后根据实时OD矩阵迹路段实时流量计算所有收费站限流情况;最后根据实时OD矩阵及路段实时流量计算每个OD对流量的分配方式,由此获得从每个路网节点流向各个路段的最优流量和路网内各路段分配后的最优实时流量。本发明具有可覆盖路网面积大、运算成本低和结果实时性强等优势,在真实路网规模下可高效生成配流方案,解决事件条件下交通流组织问题,满足实际应用需求。
Description
技术领域
本发明属于智能交通技术领域,涉及一种以网络流为基础的事件条件下的大范围高速路网动态配流的方法。
背景技术
随着我国经济的快速发展,高速公路交通的发展和管理效率的提高变得至关重要。交通事故,气象灾害,改扩建等各类型事件都会影响高速公路网的运行效率。根据事件特征,高速公路容量,实时流量和OD进行动态配流,是降低事件影响,提升事件条件下高速公路网运行效率的有效方法。
现有交通流动态分配方法主要有两个分支:仿真方法与解析方法。其中,解析方法主要包括数学规划模型,最优控制模型和变分不等式等三种模型。但是,这些方法都存在一定的局限性。仿真方法分析能力差,不能从模型本身分析模型的精度及其解的收敛性。灵敏度较低,不适合用于影响因素复杂多变的情况。对于解析方法,首先,这类方法相关参数必须是给定的,很难根据实时的交通状况做出相应的调整;其次,只能根据当前的交通状况信息来做出判断,而不具备对后续行车路线进行预测的功能,提供的动态出行路径可能与用户所期望最优路径相距甚远;第三,只适用于简单网络,应用于真实路网时需要降低精度,或者极大的提高运算代价,导致时效性极差。总之,目前常用的交通流动态分配方法都存在一定程度的优缺点,没有任何一种方法能够适用于所有的工况。
网络流是一种类比水流的解决问题方法,与线性规划密切相关。网络流方法可容纳的要素多,特别是权的类型众多,不仅有表示容量和流量的权,还可以根据实际情况选择表示费用的权。容量不仅有上界,也可以增加下界。这些多变的因素,使网络流方法解决现实问题有很好的适用性。但是,目前尚缺少以网络流方法为基础,针对事件条件下大范围高速路网进行实时动态配流的有效方法。
发明内容
为了克服上述现有技术的不足,本发明提供一种基于网络流的事件条件下大范围高速路网动态配流方法,首先加载路网和事故路段信息,计算瘫痪路网,生成新的路网结构;再根据新的路网结构、路段实时流量和路段组成成分等信息更新实时OD矩阵;然后根据实时OD矩阵迹路段实时流量计算所有收费站限流情况;最后根据实时OD矩阵及路段实时流量计算每个OD对流量的分配方式。本发明在真实路网规模下依然可以高效生成配流方案,解决事件条件下交通流组织问题,满足实际应用需求。
本发明提供的技术方案是:
一种基于网络流的事件条件下大范围高速路网动态配流方法,所述方法以高速公路路段实时流量、流量组成成分以及历史和实时OD(OriginalDestination)为输入数据,根据自定义的费用类型,获取事件条件下,从每个路网节点流向各个路段的最优流量,以及路网内各路段分配后的最优实时流量。具体包括如下步骤:
1)获得进出口收费站的OD矩阵;根据路网结构和事件信息,对路网进行重构,得到新的路网结构;
2)针对新的路网结构,根据路段实时流量、组成成分、自由流通行时间、最大通行能力和路网收费站未来Δt时间内的预测流入高速流量,实时更新进出口收费站的OD矩阵,获得实时OD矩阵;
3)根据实时OD矩阵和路段实时流量,基于最大流思想,使用Dinic算法求解网络中每一个入口收费站到所有出口收费站的最大流,根据此计算每个入口收费站的限制流量计算出每个收费站的限流情况,再次更新实时OD矩阵,得到限流实时OD矩阵;
最大流算法包括增广路算法和预流推进算法两大类,本发明实施例采用了增广路算法中较为高效的Dinic算法;
4)根据限流实时OD矩阵和路段实时流量,基于最小费用流模型,计算每个OD对在其路径中各个路段上流量的分配方式,并将这些流量依次叠加,得到从每个路网节点流向各个路段的最优流量和路网内各路段分配后的最优实时流量。
其中,最小费用流求解算法包括原始对偶算法、增广路算法、消圈算法等。
针对上述基于网络流的事件条件下大范围高速路网动态配流方法,进一步地,
步骤1)所述路网重构方法具体包括如下步骤:
11)根据路网内事故路段的信息,遍历每一个事故路段,执行如下操作12)~16);
12)针对每个事故路段,把其加入到一个队列之中,准备进行广度优先搜索;
13)若队列空则结束,否则取出队列中的第一个元素,并把它从队列中删除,把它记为路段a;
14)从路网结构中找出路段a的上游路段,如果上游路段不是事故路段,则把上游路段记为路段b,进入步骤15),否则进入步骤16);
15)如果路段b未经过可流出高速的收费站或交叉口进入了路段a,则把路段b加入队列;
16)把路段a从路网内删除并回到步骤13)。
步骤2)所述更新实时OD矩阵的具体方法包括如下步骤:
21)遍历路网中每一个路段,根据其实时流量等信息,基于BPR(美国联邦公路局)函数,计算路段通行时间,并保存该计算结果;
22)根据Δt和路段通行时间以及路段组成成分,按比例计算在未来Δt时间里到达路段终点的组成成分;
23)再根据收费站未来Δt时间内的预测流入高速的入口流量和上一步骤计算结果叠加,即可对OD矩阵完成更新,得到实时OD矩阵。
步骤3)所述路网内每个收费站限流的情况具体计算方法包括如下步骤:
31)遍历路网中的每一个收费站,针对每个收费站,执行步骤32)~34),进行新的建图工作;
32)设当前遍历到第i个收费站,加入虚拟汇点T;
33)留原路网中的路段作为图中的有向边,并遍历路网中的每条边,设置边的容量为路段最大通行能力的流量减去路段实时流量;
34)加入从各个收费站到虚拟汇点T的有向边。其中第j个收费站到T的有向边容量等于OD(i,j),即实时OD矩阵中第i行第j列的值;
35)对新的图使用Dinic算法求解从i到T的最大流;
36)如果计算的最大流小于流入第i个收费站的流量和流过第i个收费站所在路段流量之和,则按比例重新计算OD(i,j)。
步骤4)所述计算流量的分配方式的具体包括如下步骤:
41)把路段通行时间作为边权,基于最短路算法(如Dijkstra算法、Bellman、Floyd算法等)求解任意两点间的最短路,其中点包括收费站和交叉口;
其中,Floyd算法具体是:
Dist(i,j)=min(Dist(i,j),Dist(k,j)+Dist(i,k))
其中,i,j,k为节点编号,Dist(i,j)表示节点i到节点j的最短距离;
42)根据最短路进行点对的由小到大排序,并按该顺序进行点对的遍历;
43)对于每个(i,j)点对,进行重新建图(执行步骤32)~34));
44)保留原路网中的路段作为图中的有向边,并遍历路网中的每条边,对于边a,如果路段实时流量加上OD(i,j)大于等于路段自由流最大流量,则进入步骤45),否则设置边的容量为路段自由流的最大流量减去路段实时流量,费用为路段通行时间,进入步骤46);
45)加入K条该路段a的平行边到图中,对路段a进行离散化,并分别计算离散化后的各条子边的容量和费用,再进入步骤46);
46)对该图进行最小费用流的计算得到流量的分配方式,并把分配后的流量加入到路网的实时流量中,进入步骤43)再基于新的实时流量计算下一OD点对,直至全部计算完成。
与现有技术相比,本发明的有益效果是:
本方法分析能力强,可以从模型本身出发分析模型精度及模型的收敛性。本模型不需要预设参数,完全根据实时路网运行态势(即流量,速度,OD出行矩阵等信息)给出最优交通流分配,相比传统解析方法更能适应真实情况。模型考虑到即将驶入高速路网的车辆情况,具备对事故发生后路网外车辆后续行车路线进行预测和规划的功能,相比传统解析方法提出的模型更符合用户期望的最优路径。本方法时间代价和空间代价都远低于传统计算机模拟法或解析方法,针对影响范围巨大的突发灾害性事件都能够保持较高的效率,在实际需求的时间范围内给出配流结果,实用性大大提高。本方法真实实现了动态交通流分配,可以保证每15分钟更新一次分配结果,最大程度的缓解事件对高速公路网造成的影响。
因此,本发明基于网络流方法对事件条件下的高速公路网进行动态配流,方法具有可覆盖路网面积大,运算成本低和结果实时性强等优势,可以成为现有高速公路网交通流动态分配的有效手段和有益的补充。通过本发明提供的技术方案,短期来看,高速公路网动态配流能够帮助用户了解事件对全路网造成的影响,给出合理的绕行路线,同事能够协助运营人员实时地对车辆及指示信号进行安排调度;长期来看,高速公路管理方可以减少事件情况下的人员投入,最大限度地减轻后续车辆对路网的影响,事件持续时间内拥挤路段减少,路网运行效率提高,同时合理的流量控制和绕行措施,还能有效的减少因事件导致的事故的发生。
附图说明
图1是本发明提供方法的整体流程图。
图2是本发明实施例中根据事故信息重构路网采用方法的流程框图。
图3是本发明实施例中更新实时OD矩阵采用方法的流程框图。
图4是本发明实施例中计算每个收费站限流情况采用方法的流程框图。
图5是本发明实施例中计算流量分配方式的流程框图。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种基于网络流的事件条件下大范围高速公路网动态交通流分配方法,图1是本发明提供方法的整体流程图,首先加载路网和事故路段信息,计算瘫痪路网;再根据新的路网结构,路段实时流量和路段组成成分等信息更新实时OD矩阵;然后根据实时OD矩阵迹路段实时流量计算所有收费站限流情况;最后根据实时OD矩阵及路段实时流量计算每个OD对流量的分配方式,具体包括如下步骤:
1)根据路网结构和事故路段信息,重构路网
因为本方法主要针对影响大范围路网的事件或事故,例如大范围的冰灾,雨雪封路或大雾,泥石流等,所以认为事故发生的路段通行能力为0,路网拓扑结构发生改变,需要重构路网。事故信息包含事故发生的路段和时间,结合路网结构信息,可以重构路网。简单来说,将所有提交的事故路段存入一个队列中,检查队列是否为空。若非空,则取出第一个元素并删除。判断该路段上游路段是否为事故路段若是,则删除该路段,并重新检查队列是否为空。若不是,则标记该上游路段,并检查该上游路段是否有可以流出高速路网的节点,若有,则结束,若无,则检查队列是否为空,持续操作直至队列为空,路网重构完成。
图2是本发明的根据事故信息重构路网图。根据事故信息重构路网方法的基本流程包括如下过程:
11)根据路网内事故路段的信息,遍历每一个事故路段。
12)针对每个事故路段,把其加入到一个队列之中,准备进行广度优先搜索。
13)若队列空则结束,否则取出队列中的第一个元素,并把它从队列中删除。把它记为路段a。
14)从路网结构中找出路段a的上游路段,如果上游路段不是事故路段,则把上游路段记为路段b,进入步骤15),否则进入步骤16)。
15)如果路段b未经过可流出高速的收费站或交叉口就进入了路段a,则把路段b加入队列。
16)把路段a从路网内删除并回到步骤13)。
通过上述方法,可以根据事故信息和路网结构重构路网,保证配流路网的可达性。
2)更新实时OD矩阵
针对事件条件下大范围高速公路网的实时配流,仅知道进出口收费站的OD矩阵是不够的,还需要结合各路段车辆组成成分,即组成路段实时流量的单车去向;并需要同步考虑路往内行驶车辆和即将流入路网的车辆,以保证交通流分配结果是合理且可以通过交通控制手段达到的。
遍历事件发生后重构的新路网中所有路段,根据各路段实时流量和BRP函数计算各路段当前通行时间并将其保存。根据实际需求,设定动态配流的时间粒度Δt,例如15分钟。根据路段组成成分计算未来Δt时间内到达路段终点的组成成分。最后将其与Δt时间内收费站预测进入流量叠加,即可完成对OD矩阵的更新。
图3是本发明的更新实时OD矩阵方法的流程框图,更新实时OD矩阵基本流程包括:
21)遍历路网中每一个路段,根据其实时流量等信息,基于BPR函数,计算路段通行时间,并保存该计算结果。
BPR函数如下:
ta:a路段上的阻抗;t0:a路段上车辆自由行驶所需要的时间;Va:a路段上的交通流量;Qa:a路段上的最大通行能力;α、β:美国联邦公路局推荐参数取值分别为0.15、4;
22)根据Δt和路段通行时间以及路段组成成分,按比例计算在未来Δt时间里到达路段终点的组成成分;
具体按照如下式子按比例计算,得到路段a在[t,t+Δt]时间里终点是d的流出量:
sa(t)=xa(t)*Δt/ca(t)(式11)
sa(d,t)=xa(d,t)*sa(t)/xa(t)(式111)
其中,sa(t)表示路段a在[t,t+Δt]时间里的流出量;xa(t)表示路段a上[t,t+Δt]时间里的平均流量;ca(t)表示车辆在[t,t+Δt]时间里通过路段a的平均通行时间;sa(d,t)表示路段a在[t,t+Δt]时间里终点是d的流出量;xa(d,t)表示路段a上[t,t+Δt]时间里终点为d的平均流量。
23)再根据收费站未来Δt时间内的预测流入高速的入口流量和上一步骤计算结果(步骤22)得到的在未来Δt时间里到达路段终点的组成成分)叠加,即可对OD矩阵完成更新。
3)计算每个收费站限流情况
从网络流的角度看,高速公路网配流是多汇问题,因此需要针对由收费站和交叉口组成的高速公路网建立虚拟汇点并重构路网来解决问题。遍历事故路网中的收费站,加入虚拟汇点,保留路网中原有路段不变并计算其边容量。加入各个收费站到虚拟汇点的边,其容量为起点收费站至该收费站的流量。此时对所有收费站都求解到虚拟汇点的最大流,并比较最大流和收费站流入流量的关系,以此判断收费站是否需要限制流量以及如何限制。
图4是本发明的计算每个收费站限流情况的流程框图,计算每个收费站限流情况的步骤如下:
31)遍历路网中的每一个收费站,针对每个收费站,执行步骤32)~34),进行新的建图工作:
32)设当前遍历到第i个收费站,加入虚拟汇点T;
33)保留原路网中的路段作为图中的有向边,并遍历路网中的每条边,设置边的容量为路段最大通行能力的流量减去路段实时流量;
34)加入从各个收费站到虚拟汇点T的有向边。其中第j个收费站到T的有向边容量等于OD(i,j),即OD矩阵中第i行第j列的值;
35)对新的图使用Dinic算法求解从i到T的最大流。
求解最大流采用Dinic算法,具体为采用文献(DinicE.Algorithmforsolutionofaproblemofmaximumflowinnetworkswithpoerestimation[J].SovietMathDoklady,1970,11:1277—1280)记载的方法。
36)如果计算得到的最大流maxFlow(i)小于流入第i个收费站的入口流量与流过第i个收费站所在路段的路段流量之和sum(i),则按比例重新计算得到新的OD(i,j)值,即OD(i,j)=OD(i,j)*maxFlow(i)/sum(i)
4)计算流量分配方式
本方法采用先控制流入,再对路网中行驶车辆配流的方式。具体分配时,优化目标可以根据实际需求灵活定义,本发明实施例以最短通行时间为例,将费用的定义为通行时间,计算最小费用流时,以通行时间最小为优化目标。
实际应用中,定义边的权重,例如时间。使用Floyd算法求解网络中任意两点间最短路径,此处点既包括收费站也包括交叉口。将所有点对按照最短路排序并遍历。对于每组点对重新建图,并判断目前路段运行状态是否允许向当前路段配流。如果允许,则根据容量和费用,使用最小费用流算法对该组点对配流。如果不允许,则将当前路段离散化,再用最小费用流算法进行配流。直到所有点对配流完毕,得到当前路网各路段的最优流量,及费用最小的情况下最大的流量。在本步骤中,对每条路段都加入一个OD(i,j),以应对某些超饱和流量但是依然可以正常行驶的情况,防止丢失最优解。
图5是本发明的计算流量分配方式的流程框图,计算流量分配方式的步骤如下:
41)把路段通行时间做为边权,基于Floyd算法求解任意两点间的最短路,其中点包括收费站和交叉口。
42)根据最短路进行点对的由小到大排序,并按该顺序进行点对的遍历。
43)对于每个(i,j)点对,执行步骤44)~45),进行重新建图。
根据流量,容量和OD(i,j)判断是否需要对路段进行离散化。
44)保留原路网中的路段作为图中的有向边,并遍历路网中的每条边,对于边a,如果路段实时流量加上OD(i,j)(即OD矩阵中第i行第j列的值)大于等于路段自由流最大流量,则进入步骤45),否则设置边的容量为路段自由流的最大流量减去路段实时流量,费用为路段通行时间,进入步骤46)。
45)加入K条该路段a的平行边到图中,得到新图;
每条边的容量为路段最大通行能力减去当前流量再除以K,对于第i条边它的花费计算方法如下:
BPR(i*(Qa–Va)/(2*K)+Va,Qa)(式2)
其中,BPR(x,y)表示在最大通行能力为y,当前流量为x的路段上的经过BPR函数计算得到的路段通行时间。其它变量定义如21)所述。
46)对步骤45)得到的新图通过最小费用流求解方法进行计算得到流量的分配方式,并把分配后的流量加入到路网的实时流量中,进入步骤43)每计算一个OD点对之前都要重新建新图,再基于新的实时流量计算下一OD点对,直至全部计算完成,由此获得从每个路网节点流向各个路段的最优流量和路网内各路段分配后的最优实时流量。
本发明一实施例针对某省内高速公路,使用高速路网实时运行态势数据和历史OD数据,并结合突发事件信息,通过本发明提供的基于网络流的事件条件下大范围高速路网动态配流方法,提出事件发生后路网内被影响的各个路段最优流量,以及各个关键节点分流流量及去向。该省经过多年经济建设,省内高速公路网密集,而该省的气候情况又容易产生大范围的雾或冰雪灾害,长时间大范围的影响高速公路通行。快速分析事件条件下高速路网实时运行态势,给出最优交通流组织策略,并根据事态演变随时更新,是降低事件影响,提高高速公路运行效率的重要手段。过去简单的人工判断和决策已经不足以快速,准确和实时的解决交通流分配的问题。现采用基于网络流的事件条件下大范围路网交通流动态分配方法,获取更准确的交通流组织策略。
首先,管理人员利用原有的数据上报体系,采集并存储能够反映路网运行态势的相关数据,例如各路段实时流量,预测流量,历史OD矩阵,实时OD矩阵,实时路段组成成分等。按照如下步骤,对交通流进行估计,得到各路段的实时交通流估计值:
步骤一:输入事件信息,遍历每一个被事件影响的路段,将无法驶离高速的那些路段从路网中删除;
步骤二:根据删除路段的信息,重构路网;
步骤三:遍历路往内剩余路段,根据其实时流量等信息,基于BRP函数,计算路段通行时间并保存;
步骤四:遍历路网内每一个收费站,针对每个收费站进行建图。例如遍历到第i个收费站,加入虚拟汇点T;
步骤五:保留原有路网中的路段作为图中的有向变,遍历每条边,根据最大通行能力和实时流量计算边容量;
步骤六:加入各个收费站到虚拟汇点T的有向边,并根据i收费站到各个收费站的OD通行量计算各个收费站到T的边容量;
步骤七:对新图使用Dinic算法求解从i到T的最大流,如果最大流小于流入低i个收费站的流量,则按比例重新计算OD;
步骤八:选择当前优化目标作为边权,例如路段通行时间,基于Floyd算法计算任意两点间最短路,其中点包括收费站和交叉口;
步骤九:根据最短路进行点对从小到大排序,并按照该顺序进行遍历;
步骤十:对于每个点对重新建图,保留原路网中路段作为图中有向边,并遍历每条边;
步骤十一:对于每条边,如果路段实时流量加上OD(i,j)(即OD矩阵中第i行第j列的值)大于等于路段自由流最大流量,则先对该边进行离散化,再设置边容量,并对所有边进行最小费用流配流;
步骤十二:分配后的流量加入到路网实时流量中,直到所有点对都计算完毕,算法结束。
上述具体过程运用到路网实时运行态势和历史OD信息等数据,结合事件信息对路网进行重构。依据路段组成成分和新路网各个收费站的预测入口流量,更新OD矩阵。使用新路网和新OD矩阵,对每一个收费站进行限流控制,以防止配流后流量加上驶入流量导致拥挤。最后再根据自定义当前优化目标,计算每一组点对的最小费用流并加入到实时流量中,完成交通流动态分配,给出当前事件条件下的最优交通流组织策略。通过本发明提供的技术方案,高速公路管理人员可以极大的提高效率和决策的科学性,快速准确的获知当前事件条件和路网运行态势下路网最优组织策略,并以此作为管理决策的合理依据。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (9)
1.一种基于网络流的大范围高速路网动态配流方法,所述方法首先定义费用类型,以高速公路路段实时流量数据、流量组成成分、历史OD数据和实时OD数据为输入数据,获取事件条件下从每个路网节点流向各个路段的最优流量,进一步获得路网内各路段分配后的最优实时流量;具体包括如下步骤:
1)获得路网进出口收费站的OD矩阵;根据路网结构和事件信息,对路网进行重构,得到新的路网结构;
2)针对新的路网结构,根据路段实时流量、流量组成成分、自由流通行时间、最大通行能力和路网进出口收费站未来Δt时间内的预测流入高速流量,实时更新进出口收费站的OD矩阵,获得路网进出口收费站实时OD矩阵;
3)根据步骤2)所述实时OD矩阵和所述路段实时流量,利用最大流计算方法,计算得到每个收费站的限流情况,再次更新实时OD矩阵,得到限流实时OD矩阵;
4)根据步骤3)所述限流实时OD矩阵和所述路段实时流量,利用最小费用流求解方法,计算得到每个OD对流量的分配方式,获得从每个路网节点流向各个路段的最优流量和路网内各路段分配后的最优实时流量。
2.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,步骤1)所述对路网进行重构的方法具体包括如下步骤:
11)根据路网内事故路段的信息,遍历每一个事故路段进行广度优先搜索,具体执行如下操作12)~16):
12)将每个事故路段加入到一个队列中;
13)当队列为空时,结束操作,得到新的路网结构;否则取出队列中的第一个元素,将该元素记为路段a,把该元素从所述队列中删除;
14)从路网中找出所述路段a的上游路段,当所述上游路段不是事故路段时,把上游路段记为路段b,进入步骤15);否则进入步骤16);
15)当路段b未经过可流出高速的收费站或交叉口进入了路段a时,把路段b加入所述队列;
16)把路段a从路网内删除,回到步骤13)。
3.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,步骤2)所述实时更新进出口收费站的OD矩阵,获得路网进出口收费站实时OD矩阵的具体方法包括如下步骤:
21)遍历所述路网中每一个路段,根据所述路段的实时流量信息,利用BPR函数计算得到路段通行时间;
22)根据所述Δt时间、步骤21)所述路段通行时间和路段组成成分,按比例计算得到在未来Δt时间里到达路段终点的路段组成成分;
23)再根据收费站未来Δt时间内的预测流入高速的入口流量和步骤22)所述计算得到的在未来Δt时间里到达路段终点的路段组成成分结果叠加,更新OD矩阵,得到路网进出口收费站实时OD矩阵。
4.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,步骤3)所述计算每个收费站的限流情况,得到限流实时OD矩阵的方法具体包括如下步骤:
31)遍历路网中的每一个收费站,针对每个收费站,执行步骤32)~34),进行新的建图工作;
32)设当前遍历到第i个收费站,加入虚拟汇点T;
33)留原路网中的路段作为图中的有向边,并遍历路网中的每条边,设置边的容量为路段最大通行能力的流量减去路段实时流量;
34)加入从各个收费站到虚拟汇点T的有向边,设定第j个收费站到T的有向边容量等于所述实时OD矩阵中第i行第j列的值OD(i,j),得到新的图;
35)对步骤34)所述新的图,使用最大流计算方法求解从i到T的最大流;
36)当步骤35)所述求得的最大流小于流入第i个收费站的流量和流过第i个收费站所在路段流量之和时,按比例重新计算所述OD(i,j);更新得到限流实时OD矩阵。
5.如权利要求3或4所述基于网络流的大范围高速路网动态配流方法,其特征是,所述按比例计算具体按照式11和式111计算,得到路段a在[t,t+Δt]时间内终点是d的流出量:
sa(t)=xa(t)*Δt/ca(t)(式11)
sa(d,t)=xa(d,t)*sa(t)/xa(t)(式111)
其中,sa(t)表示路段a在[t,t+Δt]时间里的流出量;xa(t)表示路段a上[t,t+Δt]时间里的平均流量;ca(t)表示车辆在[t,t+Δt]时间里通过路段a的平均通行时间;sa(d,t)表示路段a在[t,t+Δt]时间里终点是d的流出量;xa(d,t)表示路段a上[t,t+Δt]时间里终点为d的平均流量。
6.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,步骤4)所述计算得到每个OD对流量的分配方式,具体包括如下步骤:
41)把路段通行时间作为边权,采用最短路算法求解任意两点间的最短路,所述点包括收费站和交叉口;
42)根据最短路对点对由小到大进行排序,按该顺序进行点对的遍历;
43)对于每个点对(i,j),执行步骤44)~45),进行重新建图操作;
44)保留原路网中的路段作为图中的有向边,并遍历路网中的每条边,对于边a,如果路段实时流量加上OD(i,j)大于等于路段自由流最大流量,则进入步骤45),否则设置边的容量为路段自由流的最大流量减去路段实时流量,费用为路段通行时间,进入步骤46);
45)加入K条该路段a的平行边到图中,对路段a进行离散化,并分别计算离散化后的各条子边的容量和费用,得到新图,再进入步骤46);
46)对步骤45)得到的新图通过最小费用流求解方法进行计算得到流量的分配方式,并把分配后的流量加入到路网的实时流量中,进入步骤43)再基于新的实时流量计算下一OD点对,直至全部计算完成,由此获得从每个路网节点流向各个路段的最优流量和路网内各路段分配后的最优实时流量。
7.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,所述最短路算法包括Dijkstra算法、Bellman或Floyd算法。
8.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,所述最大流计算方法包括增广路算法和预流推进算法;所述增广路算法包括Dinic算法。
9.如权利要求1所述基于网络流的大范围高速路网动态配流方法,其特征是,所述最小费用流求解方法包括原始对偶算法、增广路算法和消圈算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610288947.6A CN105761492B (zh) | 2016-05-04 | 2016-05-04 | 一种基于网络流的大范围高速路网动态配流方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610288947.6A CN105761492B (zh) | 2016-05-04 | 2016-05-04 | 一种基于网络流的大范围高速路网动态配流方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105761492A true CN105761492A (zh) | 2016-07-13 |
CN105761492B CN105761492B (zh) | 2018-07-13 |
Family
ID=56323367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610288947.6A Expired - Fee Related CN105761492B (zh) | 2016-05-04 | 2016-05-04 | 一种基于网络流的大范围高速路网动态配流方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761492B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846810A (zh) * | 2017-03-13 | 2017-06-13 | 青岛海信网络科技股份有限公司 | 一种高速公路收费站限流方法和装置 |
CN107798877A (zh) * | 2017-11-22 | 2018-03-13 | 北京云星宇交通科技股份有限公司 | 一种基于高速公路收费数据对交通量进行预测的方法及系统 |
CN108597227A (zh) * | 2018-05-29 | 2018-09-28 | 重庆大学 | 高速公路收费站下道交通流量预测方法 |
CN108682147A (zh) * | 2018-05-03 | 2018-10-19 | 广东省高速公路营运管理协会 | 一种高速公路交通拥堵疏导决策方法 |
CN108765958A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路交通流量分配方法及装置 |
CN109598930A (zh) * | 2018-11-27 | 2019-04-09 | 上海炬宏信息技术有限公司 | 一种自动检测高架封闭系统 |
CN109887289A (zh) * | 2019-03-28 | 2019-06-14 | 南京邮电大学 | 一种城市交通网络模型的网络车流量最大化方法 |
CN110516372A (zh) * | 2019-08-29 | 2019-11-29 | 重庆大学 | 计及准动态交通流的电动汽车荷电状态时空分布模拟方法 |
CN112634622A (zh) * | 2020-12-30 | 2021-04-09 | 西南交通大学 | 一种路径流量计算方法、装置、设备及可读存储介质 |
CN114973671A (zh) * | 2022-05-23 | 2022-08-30 | 浙江数智交院科技股份有限公司 | 公路网od数据处理方法、装置、设备及存储介质 |
CN115346379A (zh) * | 2022-07-19 | 2022-11-15 | 广东景瑞建设工程有限公司 | 基于车流对高速公路减速带进行模拟铺设的方法及系统 |
CN115662144A (zh) * | 2022-12-23 | 2023-01-31 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种动态od交通流推算补全方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11144182A (ja) * | 1997-11-07 | 1999-05-28 | Toyota Central Res & Dev Lab Inc | 交通流シミュレーションシステム |
CN101226685A (zh) * | 2007-11-20 | 2008-07-23 | 东南大学 | 道路交通意外事件数据采集和处理方法 |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
CN104575036A (zh) * | 2015-01-28 | 2015-04-29 | 重庆云途交通科技有限公司 | 基于动态od流量预测与仿真优化的区域信号控制方法 |
CN104657199A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于微观仿真的高速公路交通事件影响范围的预测方法 |
-
2016
- 2016-05-04 CN CN201610288947.6A patent/CN105761492B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11144182A (ja) * | 1997-11-07 | 1999-05-28 | Toyota Central Res & Dev Lab Inc | 交通流シミュレーションシステム |
CN101226685A (zh) * | 2007-11-20 | 2008-07-23 | 东南大学 | 道路交通意外事件数据采集和处理方法 |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
CN104575036A (zh) * | 2015-01-28 | 2015-04-29 | 重庆云途交通科技有限公司 | 基于动态od流量预测与仿真优化的区域信号控制方法 |
CN104657199A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于微观仿真的高速公路交通事件影响范围的预测方法 |
Non-Patent Citations (4)
Title |
---|
李巧茹: "《天津大学博士学位论文》", 1 January 2006 * |
李洪武: "《交通紧急疏导配流方法研究》", 《2007第三届中国智能交通年会论文集》 * |
杨信丰: "《兰州交通大学博士学位论文》", 1 September 2010 * |
谭满春: "《华南理工大学工学博士学位论文》", 1 May 2000 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846810B (zh) * | 2017-03-13 | 2020-05-05 | 青岛海信网络科技股份有限公司 | 一种高速公路收费站限流方法和装置 |
CN106846810A (zh) * | 2017-03-13 | 2017-06-13 | 青岛海信网络科技股份有限公司 | 一种高速公路收费站限流方法和装置 |
CN107798877A (zh) * | 2017-11-22 | 2018-03-13 | 北京云星宇交通科技股份有限公司 | 一种基于高速公路收费数据对交通量进行预测的方法及系统 |
CN108682147A (zh) * | 2018-05-03 | 2018-10-19 | 广东省高速公路营运管理协会 | 一种高速公路交通拥堵疏导决策方法 |
CN108597227A (zh) * | 2018-05-29 | 2018-09-28 | 重庆大学 | 高速公路收费站下道交通流量预测方法 |
CN108597227B (zh) * | 2018-05-29 | 2021-05-25 | 重庆大学 | 高速公路收费站下道交通流量预测方法 |
CN108765958A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路交通流量分配方法及装置 |
CN109598930B (zh) * | 2018-11-27 | 2021-05-14 | 上海炬宏信息技术有限公司 | 一种自动检测高架封闭系统 |
CN109598930A (zh) * | 2018-11-27 | 2019-04-09 | 上海炬宏信息技术有限公司 | 一种自动检测高架封闭系统 |
CN109887289A (zh) * | 2019-03-28 | 2019-06-14 | 南京邮电大学 | 一种城市交通网络模型的网络车流量最大化方法 |
CN110516372A (zh) * | 2019-08-29 | 2019-11-29 | 重庆大学 | 计及准动态交通流的电动汽车荷电状态时空分布模拟方法 |
CN110516372B (zh) * | 2019-08-29 | 2023-02-17 | 重庆大学 | 计及准动态交通流的电动汽车荷电状态时空分布模拟方法 |
CN112634622A (zh) * | 2020-12-30 | 2021-04-09 | 西南交通大学 | 一种路径流量计算方法、装置、设备及可读存储介质 |
CN112634622B (zh) * | 2020-12-30 | 2021-09-28 | 西南交通大学 | 一种路径流量计算方法、装置、设备及可读存储介质 |
CN114973671A (zh) * | 2022-05-23 | 2022-08-30 | 浙江数智交院科技股份有限公司 | 公路网od数据处理方法、装置、设备及存储介质 |
CN114973671B (zh) * | 2022-05-23 | 2024-03-12 | 浙江数智交院科技股份有限公司 | 公路网od数据处理方法、装置、设备及存储介质 |
CN115346379A (zh) * | 2022-07-19 | 2022-11-15 | 广东景瑞建设工程有限公司 | 基于车流对高速公路减速带进行模拟铺设的方法及系统 |
CN115346379B (zh) * | 2022-07-19 | 2023-11-07 | 广东景瑞建设工程有限公司 | 基于车流对高速公路减速带进行模拟铺设的方法及系统 |
CN115662144A (zh) * | 2022-12-23 | 2023-01-31 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种动态od交通流推算补全方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105761492B (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105761492A (zh) | 一种基于网络流的大范围高速路网动态配流方法 | |
CN109086910B (zh) | 城市轨道交通运营路网拓扑结构建模方法 | |
CN101149268A (zh) | 一种导航用道路拓扑数据模型和计算方法 | |
CN101650191A (zh) | 道路网络拓扑抽象的方法及装置 | |
CN110544010A (zh) | 影响轨道交通系统全局效能涌现的关键要素的辨识方法 | |
CN105489028A (zh) | 过饱和多交叉口协同控制优化方法 | |
CN107730113A (zh) | 一种基于功能的城市道路网络规划的定量评价方法 | |
CN107085939A (zh) | 一种基于路网等级划分的高速公路vms布局优化方法 | |
Park et al. | Calibration and validation of TRANSIMS microsimulator for an urban arterial network | |
Li et al. | Traffic flow guidance and optimization of connected vehicles based on swarm intelligence | |
Fan et al. | A bi-level metaheuristic approach to designing optimal bus transit route network | |
Jin et al. | Route planning of rescue vehicles in the process of dynamic change of traffic volume under emergency conditions | |
CN108647835A (zh) | 基于设计速度的城市离散交通网络设计r语言实现方法 | |
CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 | |
Zhang et al. | Traffic Guidance Based on LSTM Neural Network and Dual Tracking Dijkstra Algorithm | |
Liu et al. | Research on urban transport network topology vulnerability identification under rainfall conditions | |
Feng et al. | Construction rules of urban rail transit network based on complex network eigenvalue | |
Wang et al. | Model of delay prediction for signalized intersection based on GPS data | |
Liu et al. | Mining Hub Nodes Based on Fast Brandes Betweenness Centrality in a Weighted Complex Transportation Network | |
CN109712394A (zh) | 一种拥堵区域发现方法 | |
Wang | Urban transportation networks: Analytical modeling of spatial dependencies and calibration techniques for stochastic traffic simulators | |
Zhou et al. | Study on the k-shortest paths searching algorithm of urban mass transit network based on the network characteristics | |
Wang et al. | A distributed simulator for road network control | |
Wang et al. | Regional logistics network reliability evaluation and optimization | |
CN112085269B (zh) | 一种铁路互联互通背景下的运营组织动态优化分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
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: 20180713 Termination date: 20210504 |
|
CF01 | Termination of patent right due to non-payment of annual fee |