CN106327865A - 一种基于渗流分析的城市交通可靠性指标及其实现方法 - Google Patents
一种基于渗流分析的城市交通可靠性指标及其实现方法 Download PDFInfo
- Publication number
- CN106327865A CN106327865A CN201610662579.7A CN201610662579A CN106327865A CN 106327865 A CN106327865 A CN 106327865A CN 201610662579 A CN201610662579 A CN 201610662579A CN 106327865 A CN106327865 A CN 106327865A
- Authority
- CN
- China
- Prior art keywords
- traffic
- network
- flow
- road
- section
- 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
Abstract
一种基于渗流分析的城市交通可靠性指标及其实现方法,其步骤如下:一、对城市交通数据信息进行预处理;二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的交通流量数据为基础,对网络进行赋权操作;三、分析交通动态网络的渗流属性,找出城市交通网络渗流阈值,并以此为基准得出城市交通可靠性指标;四、确定影响城市交通系统可靠性的瓶颈道路;本发明从城市交通的网络层面、动态的考虑宏观交通的运行效率,能够解决对交通网络系统拥堵的准确、全面度量的实际问题,对城市交通网络系统的可靠性进行量化和评价,对畅通工程、智慧城市建设提供强有力的方法支撑。
Description
技术领域
本发明提出一种基于渗流分析的城市交通可靠性指标及其实现方法,它涉及一种基于渗流理论的城市交通系统的可靠性指标及其实现方法,属于可靠性与交通科学的交叉技术领域。
背景技术
交通已经成为现代社会发展的主要基础设施之一,对于目前“互联网+交通”的发展模式也有着举足轻重的作用。然而,当城市交通随着城市的增长而发展成庞大而复杂的交通网络系统之后,交通拥堵的问题也变得愈发突出。事实上,交通拥堵已经造成了极大的经济、环境等损失。以北京市为例,2013年《中国经济大调查》显示北京每人每天平均拥堵时长近2个小时,因为交通拥堵造成的损失超过700亿元。
由于交通系统本身具有动态性、复杂性等特点,加上交通网络系统上车流量、人流量等动力学因素,交通拥堵问题成为了一个复杂的社会难题。解决交通拥堵的首要问题在于如何准确的度量交通拥堵的状况。现行的评价交通可靠性的指标主要有连通可靠性,容量可靠性,旅行时间可靠性等等。
连通可靠性最早在1982年由Mine和Kawai提出,是一种用来衡量网络中任意两个点是否能够相互连通的性质。在道路网络中随机选择两个地点A和B,如果车辆从A出发能够到达B点,同时从B也能到达A点,那么认为这两点是连通的;否则为不连通。因此,可以用道路网络中相互连通的点对的数量比上网络中所有点对的数量作为连通可靠性的评价指标。连通可靠性主要考虑城市交通网络的静态结构性质,是研究交通网络可靠性指标的基础。但是,城市交通网络的主体研究对象应该是动态交通流,因而单纯用静态的连通可靠性评价城市交通网络的效能是远远不够的。
容量可靠性主要是衡量交通网络系统能够满足特定交通需求等级的能力,它将城市道路车流量大小作为评价城市交通系统效率的参考依据。以容量可靠性为依据,Lindley提出了一种基于城市公路高峰时期交通流量数据的衡量指标。其具体方法是以道路当前时刻的车流量比上的道路容量,记为V/C(Volume/Capacity,流量容量比)。该方法设定当该指标高于某一特定值时(Lindley设定其为0.77),认为当前时刻该道路处于拥堵状态。美国德克萨斯交通运输研究所(Texas Transportation Institute)基于同样的原理设计了一种衡量城市区域道路拥堵情况的定量评价指标,即道路拥堵指数(Roadway CongestionIndex,RCI)。该方法同样以交通流量数据为基础,同时考虑了道路车道数量,道路长度等因素。但是,道路流量的大小并不能充分的体现城市交通网络状况。无论拥堵与否,主干道的道路流量往往维持在比较高的水平,而边缘道路的车流量总是比较小的,因而其无法得知交通网络的整体流量组织效率。
旅行时间可靠性是当前运用得最为广泛的城市交通运行效率评价指标之一,其定义为在规定的条件下车辆能在规定的时间内从起点到达终点的概率。基于这一点,TomTom公司提出了一种衡量交通拥堵状况的拥堵延迟指数(Congestion Delay Index,CDI)。该指数将当前时刻路径上的旅行时间相对自由流(即车辆能以任意速度行驶的状态)时刻的延迟除以自由流时刻对应路径上的旅行时间的比值作为衡量当前道路拥堵状况的评价标准。由于城市交通的道路结构在短时间内不会变化,所以该指标本质上是基于道路上车辆行驶速度的。该指标的值越大,这说明由于拥堵导致的延迟时间越长。旅行时间可靠性是一种相当直观的评价方式,其含义也很容易被广大用户所理解和接受。因此,目前中国大多数交通指标研究机构或公司都是以这一指标为基础来评价城市交通拥堵状况的。但是,这一指标也有很大的局限性:该指标依赖交通轨迹的选择,而轨迹往往只反映部分交通需求,需求越大则路径权重大;轨迹数据易受极端速度影响,在交通高峰时段有偶然性;旅行时间的计算需要等轨迹完成才能进行,不能得到即时结果。
综上所述,在以往的研究中人们已经通过多种不同的方式来衡量城市交通的可靠性水平。但是这些方法或者仅仅静态地考虑了交通的长期均衡情况,或者仅仅从微观的角度考虑了部分出行者的交通拥堵情况,都未从城市交通的网络层面、动态的考虑宏观交通的运行效率。
在日常生活中,交通流在自由流和拥堵两种状态间不断变换的现象是客观存在的。尽管在单条道路上,这种现象已经获得诸多学者的关注和研究,但是从整个网络的角度上看(例如整个城市道路网络上的自由流与拥堵状态切换),现有的研究对其理解还不够深入。一个最基本的问题是,一个城市全局的交通流是如何由于拥堵而转变为局部交通流的——在全局交通流的背景下,车辆可以自由行驶前往道路网络的任意位置;而在局部交通流的背景下,车辆的自由行驶范围将被限制在网络局部子网内,只有降低速度才能通过不同功能子网间的连接道路。从整个网络的层面看,交通流的这一现象是一个渗流过程:当部分关键连接道路——也就是网络中的瓶颈道路——发生拥堵时,城市交通流网络将从全局流状态分裂成局部流的状态。
本发明从实际城市交通系统中提取相关数据信息,基于不同时刻各道路流量大小构建交通流的动态加权网络。设各道路的权值分别为Qij(t)(其中i和j分别表示路段起点和终点的序号,t表示时刻的序号),则对于给定的控制变量q(t)(可以理解成道路允许通过的流量阈值),每一条道路的可以分成两种状态:
运行(Qij(t)≤q(t))和拥堵(Qij(t)>q(t))。在实际功能网络中,只有运行的道路将被保留下来,而失效道路将被移除。一个q(t)值对应一个交通流的功能网络,并且随着q(t)值逐渐减小功能网络变得越来越稀疏(拥堵的道路越多)。在这一过程中,总会存在一个q(t)值使得网络从全局流的状态分裂成局部流的状态,该q(t)值就是渗流阈值qc(t)。qc(t)标度了形成的城市整体的功能网络承载了多少流量,因此,qc(t)越大说明城市的功能网络中承受了越大的流量,整个城市的交通效率越低。
发明内容
(一)发明的目的
本发明的目的是:针对交通网络系统拥堵的准确、全面度量问题,本发明提供了一种基于渗流分析的城市交通可靠性指标及其实现方法,可以有效地对城市交通网络系统的可靠性进行量化和评价。
本发明的理论基础:城市全局交通流由局部交通流组织而成,在组织过程中,存在局部交通流到全局交通流的阈值;利用渗流理论对研究区域内的交通流组织过程进行分析,找到渗流阈值,确定实时城市交通可靠性指标。
(二)技术方案
本发明的技术解决方案:建立基于渗流理论的城市交通可靠性的评价指标。本发明首先进行选定区域交通路网系统结构分析与信息预处理,得到路网系统中各条路段与路段之间的交叉路口信息(包括地理位置信息和拓扑连接信息),通常情况下设定各条路段为网络中的“边”,而设定各交叉路口为网络中的“节点”,并根据各道路的流量大小为其对应的边设定权重,以此建立一个对应于实际城市交通系统的加权动态网络;之后针对该动态网络的进行渗流过程分析,计算全局交通流分裂时的渗流阈值,确定系统的可靠性评价指标;最后通过比较分析不同区域或是同一区域的不同时段的指标,实现对不同城市交通系统可靠性的对比和评价,并以此为依据确定城市交通的瓶颈道路,为提高城市交通可靠性提供针对性的建议。
本发明一种基于渗流分析的城市交通可靠性指标及其实现方法,其步骤如下:
步骤一、对城市交通数据信息进行预处理;
本发明基于满足以下要求的各个测定时刻的城市交通数据:
(a)路口信息:路口数量,路口编号(每个编号唯一对应一个路口),路口的经纬度坐标;
(b)路段信息:路段数量,路段编号(每个编号唯一对应一条有向路段),路段长度,路段车道数;
(c)流量信息:路段上的车流流量信息,路段上的车流方向信息;
现实采集到的数据往往是有缺失或是有错误数据的,这时候需要运用数据补偿、数据筛选方法对数据进行预处理,保证每条路段、每个路口信息正确性和完整性;
步骤二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的交通流量数据为基础,对网络进行赋权操作;
将实际交通数据信息,包括路口、路段和流量,分别抽象成动态网络中的节点、边及边上的权值,并根据路口和路段之间的对应关系建立节点和边之间的拓扑联系,可利用邻接链表、邻接矩阵等编程方法实现;在此基础上将各路段的交通流量归一化处理后作为权重赋给每一条边,设其为Qij(t)(其中i和j分别表示路段起点和终点的序号,t表示时刻的序号);进行归一化处理的原因是:不同等级道路上的需求不一样,而归一化结果可以对网络中所有的边用同一基准衡量当前各道路的通行水平,而不用考虑道路等级不同带来的流量差异;关于道路流量“归一化标准值”的设定,可以用给定道路一天中的最大道路流量值作为标准值;但是,考虑到在数据采集过程中的无法避免的误差及噪音导致的数据异常,本方法设定给定路段上一天中所有时刻道路流量值从小到大排列后的95%分位点值作为标准值,以减小异常数据对结果影响;
每一个时刻,在建立的交通动态网络中,给定一个控制变量,设其为q(t),则每一条道路分成两种状态:运行(即Qij(t)≤q(t))和拥堵(即Qij(t)>q(t));将这个交通动态网络中运行的边保留下来,失效的边删去,剩下的网络就是t时刻具有实际运行功能的交通网络,简称为功能网络;一个q(t)值对应一个功能网络,并且随着q(t)值的减小,该功能交通流网络变得越稀疏,即失效的边越多;
步骤三、分析交通动态网络的渗流属性,找出城市交通网络渗流阈值,并以此为基准得出城市交通可靠性指标;
对于各个时刻的交通动态网络,从1到0不断减小q(t)值,求对应的功能网络,并观察这一个过程中各子团内的相对交通流流量的变化,尤其是最大子团和次大子团;所谓相对交通流流量,即当前各个子团内部的总流量大小除以当前全局网络中的总流量大小;根据渗流理论,当次大子团中的相对流量达到该时刻所有q(t)下的最大值时,网络失去连通功能(即发生相变),对应的q(t)值就是渗流阈值qc(t);在渗流过程中,渗流阈值的大小可以有效的衡量当前网络系统的运行效率的高低,渗流阈值越高说明系统的临界流量越大,则该城市交通效率越低;
步骤四、确定影响城市交通系统可靠性的瓶颈道路
在渗流过程中,子团之间是由流量较高的道路连接,这其中有一些道路对于整个网络非常关键,它们的拥堵状态将导致整个网络保持高效运输的能力丧失,这些道路就是瓶颈道路;以渗流理论为基础,本发明定义的瓶颈道路是指保持网络全局渗流状态的边的集合;具体而言是指将潜在瓶颈边的相对流量值(即权值)减小为原来的(1-α)之后,能降低网络渗流阈值的边的集合;其中α为可调参数,取值范围是0<α<1;
其中,在步骤一所述的“对城市交通数据信息进行预处理”,包括对错误数据的删除,对缺失数据的补偿,对无用数据的舍弃等,只保留计算所需要的信息,其方法(例如邻边补偿)属公知技术,本发明不做赘述。
通过以上步骤,本发明从城市交通的网络层面、动态的考虑宏观交通的运行效率,能够解决对交通网络系统拥堵的准确、全面度量的实际问题,从而有效地对城市交通网络系统的可靠性进行量化和评价。本发明支持未来对城市交通的整体运行状况调控,可以对畅通工程、智慧城市建设提供强有力的方法支撑。
(三)优点和功效
相比较于传统方法,本发明所采用的渗流方法具有如下优势:
(a)全局性:渗流方法考虑的是从全局的角度看交通系统的运行状况,不容易受极端数据的影响。城市中一些道路的拥堵往往难以直接影响到市内交通的整体运行状况,但是运用传统方法计算进出城车辆的通行轨迹时,往往会得出城市很拥堵的结论。与之相反,渗流方法考虑的是整个交通流网络的最主要部分——也就是最大的交通功能子网,不易受个别极端道路情况的影响。
(b)时效性:渗流方法得到的评价结果具有更高的时效性。传统方法多涉及到车辆行驶轨迹,而要计算其评价结果必须等到轨迹完成时才能够进行,然而在这一过程中交通状况也是动态变化的。可能车辆在轨迹起点是一种交通运行状态,而在到达轨迹终点后又是另外一种交通运行状态。而渗流方法无需轨迹支持,针对每一个时间片上的交通流网络的流量状态,该方法就能给出当时刻的评价指标,具有极高的实时性。因此渗流方法的评价结果相比传统指标更加及时准确。
(c)系统最优性:渗流方法的评价指标更适合城市交通管理者的评价和指导需求。传统的方法往往是从用户的角度出发,以帮助用户选择合适的出行路径为目的。然而,当所有用户都追求对自己有利的出行选择时,对于整个系统而言其最终结果却往往不是最优的。这一差异在交通系统研究中常被阐述为“用户均衡”(User Equilibrium)和“系统最优”(System Optimum)。根据传统方法得到的结果可能导致交通调控向用户均衡的方向发展的,而渗流方法在分析时是考虑整个城市交通系统的动态变化,以它为依据指导城市交通系统的运行是以达到系统最优为目的的。所以从管理层的角度看,渗流方法的结果显然是更适合作为评价整个系统的运行效率的指标。
综上,这种新方法的研究结果将对智慧城市的交通状况整体调整提供强有力的方法支撑。
附图说明
图1为本发明所述方法流程示意图。
图2为本发明中求解交通动态网络渗流阈值的实现过程。
图3为本发明中确定城市交通网络瓶颈的实现过程。
图中序号、符号、代号说明如下:
图2:
q:控制变量值,取值范围为0≤q≤1。控制变量是判断交通动态网络中边是否移除的依据,交通动态网络中权值大于q的边将被移除,而权值小于q的边将被保留下来。
Δq:控制变量的变化步长,案例中取Δq=0.002。
qc:渗流阈值,也是本发明所述的城市交通可靠性指标。
图3:
q,Δq,qc的含义同图2。
qc′:降流处理后的渗流阈值。
L1:权值在对应取值范围内的边的集合。其中对应取值范围指的是[qc,qc+Δq)。
n:瓶颈道路的并联系数,表示n条瓶颈道路并联。当n=1时,表示瓶颈道路是串联的形式。
α:降流可调参数,将相对流量值变为原来的(1-α)倍。
具体实施方式
为使本发明要解决的技术问题、技术方案更加清楚,下面将结合附图及具体实施案例进行详细描述。
本发明的目的在于克服现有交通可靠性指标在全局性、时效性以及系统最优性方面的不足之处,提供一种基于渗流分析的城市交通可靠性评价指标。在本发明中,以城市实时道路流量数据为基础,构建城市交通网络道路流量的交通动态网络,通过对动态网络进行渗流过程分析,找到网络的渗流阈值并以此作为当前城市交通网络的可靠性指标。
如图1所示,本发明一种基于渗流分析的城市交通可靠性指标及其实现方法,在实施案例中的具体步骤如下:
步骤一:对城市交通数据信息进行预处理。
本发明以北京市中心城区某区域的各个测定时刻(t=t1,...tT)交通数据为例,其中路口信息包括各个路口的编号(从0到N-1)、经纬度坐标,路口的数量为N。各路口与其编号一一对应,没有重复;其中路段信息包括各条道路的编号(从0到L-1)、路段长度lij(i,j=0,1,...,N-1)、路段车道数wij(i,j=0,1,...,N-1),路段的数量为L。其中的i和j分别表示路段起点和终点的序号。各路段与其编号一一对应,没有重复;
其中道路流量信息包括各路段上的流量大小fij(t)(i,j=0,1,...,N-1;t=t1,...,tT)和流量方向(从起点流向终点或是从终点流向起点)。其中需要通过邻边补偿等数据预处理方式将不完整数据补全。
步骤二:基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的交通流量数据为基础,对网络进行赋权操作。
将实际交通数据信息,包括路口、路段和流量,分别抽象成动态网络中的节点、边及边上的权值,并根据路口和路段之间的对应关系建立节点和边之间的拓扑联系。本例以C++中邻接链表的形式来描述“节点—边”的联系,对于一天当中的每一时刻,都可以建立一个对应的交通动态网络,这些交通动态网络反映了一天中城市交通道路系统上的流量变化。
将各路段归一化处理后的交通流量作为权重赋给每一条边。本例中首先需要设定道路流量的“归一化标准值”——对于任意一条路段lij,将一天中所有时刻道路流量值从小到大排列后的95%分位点值fij(Ts)作为该道路流量的标准值。之后,将各条路段在各个时刻的流量值fij(t)(i,j=0,1,...,N-1;t=t1,...,tT)比上fij(Ts)作为各边对应时刻的权值Qij(t),
其中Qij(t)=fij(t)/fij(Ts)(i,j=0,1,...,N-1;t=t1,...,tT)。至此,本例构建了一天中所有时刻的加权动态网络。
步骤三:分析交通动态网络的渗流属性,找出城市交通网络渗流阈值,确定城市交通可靠性指标。
对于各个时刻的加权动态网络,设置控制变量的初始值和终值分别为1和0,不断减小q(t)值,每次变化Δq(如取Δq=0.002)。注意Δq越小,结果越精确,但是计算量越大。每次删除Qij(t)>q(t)的边,并运用基于深度优先遍历的Tarjan算法遍历剩余网络,计算这一个过程中最大子团和次大子团的相对交通流流量。所谓相对交通流流量,即当前各个子团内部的总流量大小除以当前全局网络中的总流量大小。对于各个时刻的加权动态网络,从1到0不断减小q(t)值,求对应的功能网络,并观察这一个过程中各子团内的相对交通流流量的变化,尤其是最大子团和次大子团。根据渗流理论,当次大子团中的相对流量达到该时刻所有q(t)下的最大值时,网络失去连通功能即发生相变,对应的q(t)值就是渗流阈值qc(t)。在渗流过程中,渗流阈值的大小可以有效的衡量当前网络系统的运行效率的高低,渗流阈值越高说明系统的临界流量越大,则该城市交通效率越低。具体过程如图2所示。
步骤四:确定影响城市交通系统可靠性的瓶颈道路。
在渗流过程中,子团之间是由流量较低的道路连接,而在这其中,有一些道路对于整个网络非常关键,它们的拥堵状态将导致整个网络保持高效运输的能力丧失,这些道路就是瓶颈。以渗流理论为基础,本发明定义的瓶颈道路是指保持网络全局渗流状态的边的集合,具体而言是指将潜在瓶颈边的相对流量值(即权值)减小为原来的(1-α)之后,能降低网络渗流阈值的边的集合。其中α为可调参数,取值范围为0<α<1,如此处取α=0.1。本例中,对于每一时刻,先于步骤三中找到该时刻交通动态网络对应的渗流阈值qc,之后确定网络中所有权值位于[qc,qc+Δq)区间内的边(这些边是潜在瓶颈边),这里Δq=0.002。对于这些边,按一定的顺序选取其中的n条边(先取n=1),并对其进行“降流”处理——即将其相对流量值(权值)变为原来的(1-α),按照步骤三的方法重新确定当前渗流阈值qc'。对比降流前后两个渗流阈值的大小,如果qc'/qc<1,说明选定的边对提高全局动态网络的组织效率有关键作用,则这些边所对应的就是瓶颈道路。
按照上述流程,如果在n=1时没有发现瓶颈道路,可能是由于瓶颈道路是由多条并联道路的组合构成的。此时,需增加n的值,重复上述步骤,直到找出相应的瓶颈道路的集合。具体流程见图3。
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的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。
Claims (1)
1.一种基于渗流分析的城市交通可靠性指标及其实现方法,其特征在于:其步骤如下:
步骤一、对城市交通数据信息进行预处理;
本发明基于满足以下要求的各个测定时刻的城市交通数据:
(a)路口信息:路口数量,路口编号,每个编号唯一对应一个路口,路口的经纬度坐标;
(b)路段信息:路段数量,路段编号,每个编号唯一对应一条有向路段,路段长度,路段车道数;
(c)流量信息:路段上的车流流量信息,路段上的车流方向信息;
现实采集到的数据往往是有缺失、是有错误数据的,这时候需要运用数据补偿、数据筛选方法对数据进行预处理,保证每条路段、每个路口信息正确性和完整性;
步骤二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的交通流量数据为基础,对网络进行赋权操作;
将实际交通数据信息,包括路口、路段和流量,分别抽象成动态网络中的节点、边及边上的权值,并根据路口和路段之间的对应关系建立节点和边之间的拓扑联系,利用邻接链表、邻接矩阵编程方法实现;在此基础上将各路段的交通流量归一化处理后作为权重赋给每一条边,设其为Qij(t),其中i和j分别表示路段起点和终点的序号,t表示时刻的序号;进行归一化处理的原因是:不同等级道路上的需求不一样,而归一化结果能对网络中所有的边用同一基准衡量当前各道路的通行水平,而不用考虑道路等级不同带来的流量差异;关于道路流量“归一化标准值”的设定,用给定道路一天中的最大道路流量值作为标准值;但是,考虑到在数据采集过程中的无法避免的误差及噪音导致的数据异常,本方法设定给定路段上一天中所有时刻道路流量值从小到大排列后的95%分位点值作为标准值,以减小异常数据对结果影响;
每一个时刻,在建立的交通动态网络中,给定一个控制变量,设其为q(t),则每一条道路分成两种状态:
运行即Qij(t)≤q(t)和拥堵即Qij(t)>q(t);将这个交通动态网络中运行的边保留下来,失效的边删去,剩下的网络就是t时刻具有实际运行功能的交通网络,简称为功能网络;一个q(t)值对应一个功能网络,并且随着q(t)值的减小,该功能交通流网络变得越稀疏,即失效的边越多;
步骤三、分析交通动态网络的渗流属性,找出城市交通网络渗流阈值,并以此为基准得出城市交通可靠性指标;
对于各个时刻的交通动态网络,从1到0不断减小q(t)值,求对应的功能网络,并观察这一个过程中各子团内的相对交通流流量的变化,尤其是最大子团和次大子团;所谓相对交通流流量,即当前各个子团内部的总流量大小除以当前全局网络中的总流量大小;根据渗流理论,当次大子团中的相对流量达到该时刻所有q(t)下的最大值时,网络失去连通功能,即发生相变,对应的q(t)值就是渗流阈值qc(t);在渗流过程中,渗流阈值的大小能有效的衡量当前网络系统的运行效率的高低,渗流阈值越高说明系统的临界流量越大,则该城市交通效率越低;
步骤四、确定影响城市交通系统可靠性的瓶颈道路
在渗流过程中,子团之间是由流量较高的道路连接,这其中有一些道路对于整个网络非常关键,它们的拥堵状态将导致整个网络保持高效运输的能力丧失,这些道路就是瓶颈道路;以渗流理论为基础,本发明定义的瓶颈道路是指保持网络全局渗流状态的边的集合;具体而言是指将潜在瓶颈边的相对流量值即权值减小为原来的(1-α)之后,能降低网络渗流阈值的边的集合;其中α为可调参数,取值范围是0<α<1;
通过以上步骤,本发明从城市交通的网络层面、动态的考虑宏观交通的运行效率,能够解决对交通网络系统拥堵的准确、全面度量的实际问题,从而有效地对城市交通网络系统的可靠性进行量化和评价;本发明支持未来对城市交通的整体运行状况调控,能对畅通工程、智慧城市建设提供强有力的方法支撑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610662579.7A CN106327865B (zh) | 2016-08-12 | 2016-08-12 | 一种基于渗流分析的城市交通可靠性指标及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610662579.7A CN106327865B (zh) | 2016-08-12 | 2016-08-12 | 一种基于渗流分析的城市交通可靠性指标及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106327865A true CN106327865A (zh) | 2017-01-11 |
CN106327865B CN106327865B (zh) | 2018-03-20 |
Family
ID=57740422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610662579.7A Active CN106327865B (zh) | 2016-08-12 | 2016-08-12 | 一种基于渗流分析的城市交通可靠性指标及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327865B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991542A (zh) * | 2017-06-06 | 2017-07-28 | 北京航空航天大学 | 一种基于渗流理论的轨道网络拥挤瓶颈识别方法 |
CN107622661A (zh) * | 2017-09-23 | 2018-01-23 | 南京律智诚专利技术开发有限公司 | 一种城市道路路口红灯滞留监控系统 |
CN107908645A (zh) * | 2017-10-09 | 2018-04-13 | 北京航空航天大学 | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 |
CN108090677A (zh) * | 2017-12-19 | 2018-05-29 | 北京航空航天大学 | 一种关键基础设施可靠性测评方法 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108629974A (zh) * | 2018-05-17 | 2018-10-09 | 电子科技大学 | 顾及城市道路交通网络特征的交通运行指数建立方法 |
CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
CN109377750A (zh) * | 2018-09-18 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的交通系统弹性临界点确定方法 |
CN109376790A (zh) * | 2018-11-01 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的二元分类方法 |
CN109409662A (zh) * | 2018-09-20 | 2019-03-01 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN109859480A (zh) * | 2019-04-04 | 2019-06-07 | 浙江工业大学 | 基于复杂网络的拥堵路段建模和评估方法 |
CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
CN110232819A (zh) * | 2019-05-16 | 2019-09-13 | 北京航空航天大学 | 一种基于复杂网络的城市关键道路的发掘方法 |
CN110232818A (zh) * | 2019-05-16 | 2019-09-13 | 北京航空航天大学 | 一种基于渗流分析的城市交通脆性评估方法 |
CN110288824A (zh) * | 2019-05-20 | 2019-09-27 | 浙江工业大学 | 基于Granger causality路网早晚高峰拥堵状况和传播机制分析方法 |
CN110688775A (zh) * | 2019-10-16 | 2020-01-14 | 吉林化工学院 | 一种城市交通网络中的交通瓶颈识别方法 |
CN110705827A (zh) * | 2019-09-04 | 2020-01-17 | 北京航空航天大学 | 一种基于“交通云”的城市交通健康指标的建立方法 |
CN113409580A (zh) * | 2021-06-28 | 2021-09-17 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN114547827A (zh) * | 2022-04-26 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
CN115294773A (zh) * | 2022-09-29 | 2022-11-04 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交专用道优化配置方法、电子设备及存储介质 |
CN115691125A (zh) * | 2022-10-25 | 2023-02-03 | 北京磁浮有限公司 | 基于城市轨道交通设施系统的可靠度分析方法及相关装置 |
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100775647B1 (ko) * | 2006-04-25 | 2007-11-13 | 경봉기술(주) | 열차집중제어장치의 표시화면에 중첩하여 시간지연정보를표시하는 방법 |
CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
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 |
CN103900578A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 实时路况可靠性检测方法和装置 |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 |
-
2016
- 2016-08-12 CN CN201610662579.7A patent/CN106327865B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100775647B1 (ko) * | 2006-04-25 | 2007-11-13 | 경봉기술(주) | 열차집중제어장치의 표시화면에 중첩하여 시간지연정보를표시하는 방법 |
CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
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 |
CN103900578A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 实时路况可靠性检测方法和装置 |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991542A (zh) * | 2017-06-06 | 2017-07-28 | 北京航空航天大学 | 一种基于渗流理论的轨道网络拥挤瓶颈识别方法 |
CN106991542B (zh) * | 2017-06-06 | 2020-06-02 | 北京航空航天大学 | 一种基于渗流理论的轨道网络拥挤瓶颈识别方法 |
CN107622661A (zh) * | 2017-09-23 | 2018-01-23 | 南京律智诚专利技术开发有限公司 | 一种城市道路路口红灯滞留监控系统 |
CN107908645A (zh) * | 2017-10-09 | 2018-04-13 | 北京航空航天大学 | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 |
CN107908645B (zh) * | 2017-10-09 | 2021-09-28 | 北京航空航天大学 | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 |
CN108090677A (zh) * | 2017-12-19 | 2018-05-29 | 北京航空航天大学 | 一种关键基础设施可靠性测评方法 |
CN108090677B (zh) * | 2017-12-19 | 2022-01-07 | 北京航空航天大学 | 一种关键基础设施的可靠性测评方法 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108109375B (zh) * | 2017-12-21 | 2020-10-09 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108629974A (zh) * | 2018-05-17 | 2018-10-09 | 电子科技大学 | 顾及城市道路交通网络特征的交通运行指数建立方法 |
CN108629974B (zh) * | 2018-05-17 | 2020-09-08 | 电子科技大学 | 顾及城市道路交通网络特征的交通运行指数建立方法 |
CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
CN109377750A (zh) * | 2018-09-18 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的交通系统弹性临界点确定方法 |
CN109377750B (zh) * | 2018-09-18 | 2020-10-09 | 北京航空航天大学 | 一种基于渗流分析的交通系统弹性临界点确定方法 |
CN109409662A (zh) * | 2018-09-20 | 2019-03-01 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN109409662B (zh) * | 2018-09-20 | 2020-02-11 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN109376790A (zh) * | 2018-11-01 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的二元分类方法 |
CN109859480B (zh) * | 2019-04-04 | 2020-12-15 | 浙江工业大学 | 基于复杂网络的拥堵路段建模和评估方法 |
CN109859480A (zh) * | 2019-04-04 | 2019-06-07 | 浙江工业大学 | 基于复杂网络的拥堵路段建模和评估方法 |
CN110232819A (zh) * | 2019-05-16 | 2019-09-13 | 北京航空航天大学 | 一种基于复杂网络的城市关键道路的发掘方法 |
CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
CN110232818A (zh) * | 2019-05-16 | 2019-09-13 | 北京航空航天大学 | 一种基于渗流分析的城市交通脆性评估方法 |
CN110232818B (zh) * | 2019-05-16 | 2021-06-18 | 北京航空航天大学 | 一种基于渗流分析的城市交通脆性评估方法 |
CN110288824A (zh) * | 2019-05-20 | 2019-09-27 | 浙江工业大学 | 基于Granger causality路网早晚高峰拥堵状况和传播机制分析方法 |
CN110705827B (zh) * | 2019-09-04 | 2022-06-10 | 北京航空航天大学 | 一种基于“交通云”的城市交通健康指标的建立方法 |
CN110705827A (zh) * | 2019-09-04 | 2020-01-17 | 北京航空航天大学 | 一种基于“交通云”的城市交通健康指标的建立方法 |
CN110688775A (zh) * | 2019-10-16 | 2020-01-14 | 吉林化工学院 | 一种城市交通网络中的交通瓶颈识别方法 |
CN113409580A (zh) * | 2021-06-28 | 2021-09-17 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN113409580B (zh) * | 2021-06-28 | 2022-05-13 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN114547827A (zh) * | 2022-04-26 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
CN114547827B (zh) * | 2022-04-26 | 2022-09-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
CN115294773A (zh) * | 2022-09-29 | 2022-11-04 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交专用道优化配置方法、电子设备及存储介质 |
CN115294773B (zh) * | 2022-09-29 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交专用道优化配置方法、电子设备及存储介质 |
CN115691125A (zh) * | 2022-10-25 | 2023-02-03 | 北京磁浮有限公司 | 基于城市轨道交通设施系统的可靠度分析方法及相关装置 |
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN116596425B (zh) * | 2023-06-25 | 2023-09-22 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106327865B (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327865A (zh) | 一种基于渗流分析的城市交通可靠性指标及其实现方法 | |
CN101794507B (zh) | 基于浮动车数据的宏观路网交通状态评价方法 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN110111575A (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
Zhang et al. | Centrality characteristics of road network patterns of traffic analysis zones | |
CN110111576A (zh) | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN102097004A (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
CN110211378A (zh) | 一种基于复杂网络理论的城市交通健康指标体系评估方法 | |
CN104050803A (zh) | 一种区域高速路网运行状态评价方法 | |
CN111080029A (zh) | 基于多路段时空相关的城市交通路段速度预测方法及系统 | |
Zhang et al. | A cascading failures model of weighted bus transit route network under route failure perspective considering link prediction effect | |
Ruan et al. | Empirical analysis of urban road traffic network: A case study in Hangzhou city, China | |
CN106898142A (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN106529765A (zh) | 采集作业的绩效评估方法和装置 | |
Li et al. | Modeling the traffic disruption caused by pluvial flash flood on intra‐urban road network | |
Zhou et al. | A traffic flow approach to early detection of gathering events | |
Mendiola et al. | The link between urban development and the modal split in commuting: The case of Biscay | |
CN109785625A (zh) | 一种城市路网运行状态的“红绿”区域识别和评价方法 | |
CN109325617A (zh) | 一种城市交通状态预测方法及装置 | |
CN115146840A (zh) | 一种基于数据驱动的轨道交通新线接入客流预测方法 | |
Song et al. | Urban route planning considering traffic flows | |
Wang et al. | Modeling and algorithms of VMT and AADT estimation for community area traffic networks | |
CN105489014B (zh) | 一种基于主成分分析交通信息的补偿方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |